[发明专利]业务处理方法、模型训练方法、设备及存储介质

权利要求书

1.一种业务处理方法，适用于计算设备，其特征在于，所述方法包括：

采集目标用户的面部图像，所述目标用户是发起业务申请的用户；

基于人脸识别技术，从所述目标用户的面部图像中提取所述目标用户的人脸特征；

将所述目标用户的人脸特征，输入预先训练出的信用风险预测模型，得到所述目标用户的信用风险值；

根据所述目标用户的信用风险值，对所述目标用户进行业务处理。

2.根据权利要求1所述的方法，其特征在于，所述目标用户发起的业务申请是贷款业务申请，则根据所述目标用户的信用风险值，对所述目标用户进行业务处理，包括：

根据所述目标用户的信用风险值，确定所述用户所处的信用风险等级；

若所述目标用户的信用风险等级小于设定风险等级，为所述目标用户生成放贷结果。

3.根据权利要求1所述的方法，还包括训练信用风险预测模型的方法，其特征在于，所述训练信用风险预测模型的方法包括：

获取历史信贷用户的面部图像；

基于图像识别技术，从历史信贷用户的面部图像中提取人脸特征；

从所述人脸特征中选择与用户还款行为关联的目标特征；

对目标特征及目标特征关联的还款行为进行逻辑回归模型训练，得到信用风险预测模型。

4.一种模型训练方法，适用于服务端设备，其特征在于，所述方法包括：

获取历史信贷用户的面部图像；

基于图像识别技术，从历史信贷用户的面部图像中提取人脸特征；

从所述人脸特征中选择与用户还款行为关联的目标特征；

对目标特征及目标特征关联的还款行为进行逻辑回归模型训练，得到信用风险预测模型。

5.根据权利要求4所述的方法，其特征在于，从所述人脸特征中选择与用户还款行为关联的目标特征，包括：

利用滚动率算法，对历史信贷用户的还款行为进行好坏判定；

对所述历史信贷用户的人脸特征和所述历史信贷用户的还款行为的判定结果进行关联分析，得到各个人脸特征及人脸特征组合对还款行为的预测能力；

选取对还款行为的预测能力满足设定阈值的人脸特征及人脸特征组合，作为与还款行为关联的目标特征。

6.根据权利要求1所述的方法，其特征在于，对目标特征及目标特征关联的还款行为进行逻辑回归模型训练，包括：

将所述目标特征转换为哑变量；

对所述目标特征对应的哑变量以及目标特征关联的还款行为进行逻辑回归模型训练。

7.根据权利要求1所述的方法，其特征在于，所述人脸特征包括但不限于下列至少一种：眉间距，瞳间距，眼睛长度，眼睛宽度，眼睛形状，面部斑点位置，面部斑点数量和面部表情。

8.一种计算设备，其特征在于，包括：视觉传感器、一个或多个处理器以及一个或多个存储计算机程序的存储器；

所述视觉传感器，用于采集目标用户的面部图像，所述目标用户是发起业务申请的用户；

所述一个或多个处理器，用于执行所述计算机程序，以用于：

基于人脸识别技术，从所述目标用户的面部图像中提取所述目标用户的人脸特征；

将所述目标用户的人脸特征，输入预先训练出的信用风险预测模型，得到所述目标用户的信用风险值；

根据所述目标用户的信用风险值，对所述目标用户进行业务处理。

9.一种存储有计算机程序的计算机可读存储介质，其特征在于，当所述计算机程序被一个或多个处理器执行时，致使所述一个或多个处理器执行权利要求1-3任一所述方法中的步骤。