[發(fā)明專利]一種多模態(tài)個(gè)人貸款風(fēng)險(xiǎn)預(yù)測方法

在審

• 申請?zhí)枺?/td>: 202011312355.6
• 申請日: 2020-11-20
• 公開（公告）號: CN112365340A
• 公開（公告）日: 2021-02-12
• 發(fā)明（設(shè)計(jì)）人: 楊賽;顧全林
• 申請（專利權(quán)）人: 無錫錫商銀行股份有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06K9/00;G06N20/10
• 代理公司: 無錫市大為專利商標(biāo)事務(wù)所(普通合伙) 32104
• 代理人: 曹祖良

本發(fā)明涉及線上貸款技術(shù)領(lǐng)域，具體公開了一種多模態(tài)個(gè)人貸款風(fēng)險(xiǎn)預(yù)測方法，包括：通過在線視頻指定問題的回答得到貸款人的音視頻信息；將音視頻信息進(jìn)行預(yù)處理，提取音頻特征；對視頻中的貸款人進(jìn)行人臉檢測得到人臉框，在人臉框內(nèi)進(jìn)行人臉檢測得到68個(gè)人臉關(guān)鍵點(diǎn)，并根據(jù)人臉框進(jìn)行min?max的坐標(biāo)標(biāo)準(zhǔn)化，選取68個(gè)人臉關(guān)鍵點(diǎn)中32個(gè)關(guān)鍵點(diǎn)提取視頻時(shí)域特征；將音頻特征和視頻時(shí)域特征進(jìn)行z?score處理，按照權(quán)重占比構(gòu)建多模態(tài)聯(lián)合特征；基于多模態(tài)聯(lián)合特征建立個(gè)人貸款的SVM風(fēng)險(xiǎn)預(yù)測模型。本發(fā)明提供的多模態(tài)個(gè)人貸款風(fēng)險(xiǎn)預(yù)測方法，通過提取貸款人的音頻和人臉微表情時(shí)域特征，可以實(shí)時(shí)的預(yù)測貸款申請人的貸款風(fēng)險(xiǎn)。

技術(shù)領(lǐng)域

本發(fā)明涉及線上貸款技術(shù)領(lǐng)域，更具體地，涉及一種多模態(tài)個(gè)人貸款風(fēng)險(xiǎn)預(yù)測方法。

背景技術(shù)

隨著互聯(lián)網(wǎng)技術(shù)及大數(shù)據(jù)、人工智能技術(shù)的飛速發(fā)展，互聯(lián)網(wǎng)金融(線上貸款)逐漸成為小微型企業(yè)、家庭作坊式企業(yè)和低收入人群獲取融資的重要渠道。同時(shí)，國家倡導(dǎo)推行“普惠金融”來穩(wěn)定增長、擴(kuò)大就業(yè)、促進(jìn)創(chuàng)新、繁榮市場和滿足人民群眾多方面需求。

當(dāng)前的線上貸款審核主要由信審人員通過電話訪問方式審核貸款人提供的資料的真實(shí)性，具體包括審核貸款人基本信息的真實(shí)性和個(gè)人征信、多頭借貸、電商及互聯(lián)網(wǎng)行為數(shù)據(jù)、黑灰名單等。

然而，貸款申請者多是以小微型企業(yè)、家庭作坊式企業(yè)和低收入人群，該部分人群存在著收入信息難采集，難認(rèn)定，缺少合格的抵質(zhì)押品，信用記錄缺失或不足等問題。

面對該類人群，審批人員僅通過電話溝通很難準(zhǔn)確的評估客戶風(fēng)險(xiǎn)等級，同時(shí)，這種人工審核方式效率低，忽略了貸款人在交流過程中的微表情和語境的變化，導(dǎo)致人工審核的審核結(jié)果不夠準(zhǔn)確，即信用度不高。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術(shù)中存在的不足，提供了一種多模態(tài)個(gè)人貸款風(fēng)險(xiǎn)預(yù)測方法，可對收入信息難采集、難認(rèn)定、缺少合格的抵質(zhì)押品、信用記錄缺失或不足的小微企業(yè)和低收入人群做初步貸款風(fēng)險(xiǎn)等級的參考，有效提高貸款審核的效率。

作為本發(fā)明的第一個(gè)方面，提供一種多模態(tài)個(gè)人貸款風(fēng)險(xiǎn)預(yù)測方法，包括：

步驟S1：通過在線視頻指定問題的回答得到貸款人的音視頻信息，根據(jù)問題的回答結(jié)果以及貸款人的語速、微表情做綜合加權(quán)的人工評價(jià)分值；

步驟S2：將所述貸款人的音視頻信息進(jìn)行均值平滑去噪預(yù)處理，并提取多類音頻特征；

步驟S3：利用RetinaFace對視頻中的貸款人進(jìn)行人臉檢測得到人臉框，在所述人臉框內(nèi)利用PRNet進(jìn)行人臉關(guān)鍵點(diǎn)檢測得到68個(gè)人臉關(guān)鍵點(diǎn)，并根據(jù)所述人臉框進(jìn)行min-max的坐標(biāo)標(biāo)準(zhǔn)化，選取所述68個(gè)人臉關(guān)鍵點(diǎn)中眼睛和嘴巴的32個(gè)關(guān)鍵點(diǎn)提取多類視頻時(shí)域特征；

步驟S4：將多類音頻特征和視頻時(shí)域特征進(jìn)行z-score的標(biāo)準(zhǔn)化處理，按照權(quán)重占比構(gòu)建多模態(tài)聯(lián)合特征；

步驟S5：基于所述多模態(tài)聯(lián)合特征建立個(gè)人貸款的SVM風(fēng)險(xiǎn)預(yù)測模型。

進(jìn)一步地，所述步驟S2中，還包括：

對所述貸款人的音視頻信息采用3×3的均值平滑濾波，提取34類音頻特征其中，N為樣本數(shù)，采樣頻率fs＝16000Hz，計(jì)算窗口win＝0.05，計(jì)算步長step＝0.05。

進(jìn)一步地，所述步驟S3中，還包括：

利用RetinaFace獲取視頻中最大的人臉框bbox，并對人臉框bbox做1.25倍的擴(kuò)展得到區(qū)域；

通過PRNet對該區(qū)域的人臉框進(jìn)行人臉關(guān)鍵點(diǎn)檢測，得到68個(gè)人臉關(guān)鍵點(diǎn)；

對人臉框內(nèi)landmark的點(diǎn)在x,y方向上分別做bbox尺度的min-max標(biāo)準(zhǔn)化處理；