本技术涉及人工智能，具体而言，涉及一种基于ai的用户图像风险识别模型构建方法及程序产品。
背景技术：
1、随着银行业务线上化的不断深化，互联网金融领域中的账户盗用、伪冒申请等欺诈风险以及信用风险也日趋凸显。尽管人脸识别技术已广泛运用，但其中的风险漏洞仍不容忽视。目前，业界对于人脸大头照和身份证照片的利用程度尚浅，现行的系统仅局限于对身份证的ocr文字提取以及对大头照进行活体识别和人脸比对，未能全面分析。
2、目前市场上的ocr和人脸识别技术，没有对身份证和大头照中的各类风险进行了深度挖掘和识别，无法全面揭示其背后的信用风险、欺诈风险、合规风险和中介风险。
技术实现思路
1、本技术实施例的目的在于提供一种基于ai的用户图像风险识别模型构建方法及程序产品，用以解决现有的ocr和人脸识别技术，无法深度分析用户提交的大头照和身份证照片，没有对身份证和大头照中的各类风险进行了深度挖掘和识别，无法全面揭示其背后的信用风险、欺诈风险、合规风险和中介风险的问题。
2、本技术实施例提供的一种基于ai的用户图像风险识别模型构建方法，包括：
3、利用目标检测模型对用户图像进行目标检测，得到用户图像的目标区域与背景区域；
4、根据目标区域与背景区域，利用多个特征提取模型进行多种特征的特征提取，得到多个特征；
5、根据用户图像的多个特征以及用户图像对应的风险评分，构建训练集；利用训练集进行模型的训练，得到训练后的评分模型；
6、根据目标检测模型、多个特征提取模型以及评分模型，构建风险识别模型。
7、上述技术方案中，通过目标检测模型，能够精确地将用户图像划分为目标区域和背景区域，例如，对于身份证图像，目标检测模型识别出身份证区域；对于人脸大头照，目标检测模型识别出人脸区域。再利用多个特征提取模型进行多种特征的特征提取，以对用户图像中的各类风险进行了深度挖掘和识别。通过结合用户图像的多个特征以及对应的风险评分来构建训练集，并据此进行模型训练，能够使评分模型学习到如何从图像特征中推断出风险评分。这种基于数据驱动的方法使得模型更加符合实际情况，提高了风险识别的准确性。将目标检测模型、多个特征提取模型以及评分模型整合在一起，构建出完整的风险识别模型，这种整合性使得模型能够在一个统一的框架内完成从图像输入到风险评分输出的全过程，提高了模型的易用性和效率。
8、在一些可选的实施方式中，风险评分包括信用风险评分；用户图像包括身份证图像；
9、特征包括身份证正面特征和身份证反面特征；
10、身份证正面特征包括以下至少一种：身份证正面干净程度，身份证正面ocr，身份证正面是否断裂，身份证正面是否完整，身份证正面是否存在遮挡，身份证正面是否存在拼接拍摄，身份证正面是否存在反光拍摄，身份证正面是否模糊，身份证正面是否存在贴纸拍摄，以及身份证正面是否截图上传；
11、身份证反面特征包括以下至少一种：身份证反面干净程度，身份证反面ocr，身份证反面是否断裂，身份证反面是否完整，身份证反面是否存在遮挡，身份证反面是否存在拼接拍摄，身份证反面是否存在反光拍摄，身份证反面是否模糊，身份证反面是否存在贴纸拍摄，以及身份证反面是否截图上传。
12、上述技术方案，通过详细定义身份证正面和反面特征，包括干净程度、ocr识别结果、是否断裂、是否完整、是否存在遮挡、拼接拍摄、反光拍摄、模糊、贴纸拍摄以及截图上传等，模型能够更全面地捕捉身份证图像中的风险信息。这些特征涵盖了身份证图像的多个方面，有助于更准确地评估信用风险。
13、在一些可选的实施方式中，风险评分包括欺诈风险评分；用户图像包括身份证图像；
14、特征包括身份证正面特征和身份证反面特征；
15、身份证正面特征包括以下至少一种：身份证正面翻拍，身份证正面存在p图修改，身份证正面是否断裂，身份证正面是否完整，身份证正面是否存在遮挡，身份证正面是否存在拼接拍摄，身份证正面是否存在反光拍摄，身份证正面是否存在人脸照片，身份证正面是否为照片复印件，以及身份证正面是否截图上传；
16、身份证反面特征包括以下至少一种：身份证反面翻拍，身份证反面存在p图修改，身份证反面是否断裂，身份证反面是否完整，身份证反面是否存在遮挡，身份证反面是否存在拼接拍摄，身份证反面是否存在反光拍摄，身份证反面是否为照片复印件，以及身份证反面是否截图上传。
17、上述技术方案，通过详细定义身份证正面和反面特征，模型能够更全面地捕捉身份证图像中的欺诈风险信息，以更准确地评估欺诈风险。
18、在一些可选的实施方式中，风险评分包括中介风险评分；用户图像包括身份证图像；
19、特征包括身份证正面特征和身份证反面特征；
20、身份证正面特征包括以下至少一种：身份证正面干净程度，身份证正面翻拍，身份证正面在图像中的面积占比，身份证ocr，身份证正面存在p图修改，身份证正面是否断裂，身份证正面是否完整，身份证正面是否存在遮挡，身份证正面是否存在拼接拍摄，身份证正面是否存在反光拍摄，身份证正面是否存在人脸照片，以及身份证正面是否为照片复印件；
21、身份证反面特征包括以下至少一种：身份证反面干净程度，身份证反面翻拍，身份证反面在图像中的占比，身份证反面存在p图修改，身份证反面是否断裂，身份证反面是否完整，身份证反面是否存在遮挡，身份证反面是否存在拼接拍摄，身份证反面是否存在反光拍摄，以及身份证反面是否为照片复印件。
22、上述技术方案，通过详细定义身份证正面和反面特征，模型能够更全面地捕捉身份证图像中的中介风险信息，以更准确地评估中介风险。
23、在一些可选的实施方式中，风险评分包括合规风险评分；用户图像包括身份证图像；
24、特征包括身份证正面特征和身份证反面特征；
25、身份证正面特征包括以下至少一种：身份证正面干净程度，身份证正面是否断裂，身份证正面是否完整，身份证正面是否存在遮挡，身份证正面是否存在拼接拍摄，身份证正面是否存在反光拍摄，身份证正面是否模糊，身份证类别，身份证方向，身份证正面是否存在贴纸拍摄，以及身份证正面是否存在水印；
26、身份证反面特征包括以下至少一种：身份证反面干净程度，身份证反面是否断裂，身份证反面是否完整，身份证反面是否存在遮挡，身份证反面是否存在拼接拍摄，身份证反面是否存在反光拍摄，身份证反面是否模糊，身份证类别，身份证方向，身份证反面是否存在贴纸拍摄，以及身份证反面是否存在水印。
27、上述技术方案，通过详细定义身份证正面和反面特征，模型能够更全面地捕捉身份证图像中的合规风险信息，以更准确地评估合规风险。
28、在一些可选的实施方式中，风险评分包括信用风险评分；用户图像包括人脸大头照；
29、特征包括以下至少一种：人脸拍摄场景，人脸是否模糊，人脸是否存在遮挡，性别，年龄，人脸遮挡物，人脸是否视频通话拍摄，睁眼或闭眼，张嘴或闭嘴，是否真人拍摄，人脸角度，是否存在风险人脸，是否手持人脸照片，人脸表情，以及着装。
30、上述技术方案中，由于风险评分是信用风险评分，所提取的特征都与人脸图像中可能与信用风险相关的细节紧密相关。比如，人脸拍摄场景可能揭示用户的生活环境或经济状况；人脸是否模糊、是否存在遮挡等特征可以判断图像的真实性，防止伪造或篡改图像带来的风险。通过综合考虑多种特征，如性别、年龄、人脸表情、着装等，模型可以更全面地评估用户的信用风险。这些特征可能直接或间接地与用户的信用状况相关，从而提高风险识别的准确性。
31、在一些可选的实施方式中，风险评分包括欺诈风险评分；用户图像包括人脸大头照；
32、特征包括以下至少一种：人脸拍摄场景，人脸是否模糊，人脸是否存在遮挡，性别，年龄，人脸遮挡物，人脸是否视频通话拍摄，睁眼或闭眼，张嘴或闭嘴，是否真人拍摄，人脸角度，是否存在风险人脸，人脸表情，着装，自拍或他人代拍，人脸在图像中的占比，背景中是否存在中介公司，是否手持人脸照片，是否注视屏幕。
33、上述技术方案中，通过提取与欺诈行为高度相关的特征，如人脸是否视频通话拍摄、是否真人拍摄、是否存在风险人脸、人脸表情等，模型能够更精准地识别出潜在的欺诈行为。人脸的拍摄场景、模糊度和遮挡情况等，这些特征从多个角度反映了用户的真实情况，有助于模型进行更全面的风险评估。同时，自拍或他人代拍、人脸在图像中的占比等特征也可以帮助判断图像的真实性和可信度，进一步提高欺诈风险识别的准确性。通过对人脸是否注视屏幕等特征的检测，模型能够识别出用户在拍摄图像时是否处于正常状态，从而判断图像是否被篡改或伪造。这增强了整个风险识别系统的安全性和可靠性，减少了欺诈行为的发生。
34、在一些可选的实施方式中，风险评分包括中介风险评分；用户图像包括人脸大头照；
35、特征包括以下至少一种：人脸拍摄场景，人脸是否存在遮挡，人脸遮挡物，人脸是否视频通话拍摄，睁眼或闭眼，张嘴或闭嘴，是否真人拍摄，人脸角度，是否存在风险人脸，人脸表情，着装，自拍或他人代拍，人脸在图像中的占比，背景中是否存在中介公司，是否注视屏幕。
36、上述技术方案中，人脸角度、是否存在风险人脸、人脸表情、背景中是否存在中介公司等，都是与中介行为紧密相关的特征。通过专注于这些特征，模型能够更精确地识别出潜在的中介风险，为风险管理提供有力的支持。除了上述与中介行为直接相关的特征外，模型还考虑了人脸拍摄场景、人脸遮挡情况、着装等多种维度的信息。这些特征能够提供更全面的用户画像，有助于更准确地评估中介风险。
37、在一些可选的实施方式中，风险评分包括合规风险评分；用户图像包括人脸大头照；
38、特征包括以下至少一种：人脸是否模糊，人脸是否存在遮挡，着装，人脸方向，人脸遮挡物，睁眼或闭眼，以及张嘴或闭嘴。
39、上述技术方案中，通过提取与合规性直接相关的特征，如人脸是否模糊、是否存在遮挡、着装等，模型能够更准确地判断用户图像是否满足合规性要求。
40、本技术实施例提供的一种电子设备，包括：处理器和存储器，所述存储器存储有所述处理器可执行的机器可读指令，所述机器可读指令被所述处理器执行时执行如以上任一所述的方法。
41、本技术实施例提供的一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现以上任一所述方法的步骤。
1.一种基于ai的用户图像风险识别模型构建方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述风险评分包括信用风险评分；所述用户图像包括身份证图像；
3.如权利要求1所述的方法，其特征在于，所述风险评分包括欺诈风险评分；所述用户图像包括身份证图像；
4.如权利要求1所述的方法，其特征在于，所述风险评分包括中介风险评分；所述用户图像包括身份证图像；
5.如权利要求1所述的方法，其特征在于，所述风险评分包括合规风险评分；所述用户图像包括身份证图像；
6.如权利要求1所述的方法，其特征在于，所述风险评分包括信用风险评分；所述用户图像包括人脸大头照；
7.如权利要求1所述的方法，其特征在于，所述风险评分包括欺诈风险评分；所述用户图像包括人脸大头照；
8.如权利要求1所述的方法，其特征在于，所述风险评分包括中介风险评分；所述用户图像包括人脸大头照；
9.如权利要求1所述的方法，其特征在于，所述风险评分包括合规风险评分；所述用户图像包括人脸大头照；
10.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1-9任一所述方法的步骤。
