(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210609389.4 (22)申请日 2022.05.31 (71)申请人 平安银行股份有限公司 地址 518000 广东省深圳市罗湖区深南 东 路5047号 (72)发明人 范兴　吴德胜　廖广　许云辉　 高洪喜　 (74)专利代理 机构 深圳市沃德知识产权代理事 务所(普通 合伙) 44347 专利代理师 高杰　于志光 (51)Int.Cl. G06V 40/16(2022.01) G06V 20/40(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) G06Q 10/06(2012.01) G06Q 40/00(2012.01) (54)发明名称 基于表情的风险评测方法、 装置、 设备及存 储介质 (57)摘要 本发明涉及人工智能技术， 揭露一种基于表 情的风险评测方法， 包括： 对进行风险评测时采 集到的目标用户的目标人脸图像进行区域识别， 得到人脸区域图像； 基于人脸区域图像进行表情 识别， 得到表情识别结果； 分别对表情识别结果 进行评分处理和权重分析， 得到评分和表情识别 结果对应的权重； 根据表情识别结果对应的评分 和表情识别结果对应的权重对目标人脸图像进 行评分， 得到表情风险评分； 基于表情风险评分 和答题风险评分对目标人脸图像进行风险分析， 得到风险评测结果。 此外， 本发明还涉及区块链 技术， 表情风险评分可存储于区块链的节点。 本 发明还提出一种基于表情的风险评测装置、 电子 设备以及存储介质。 本发明可以提高风险评测的 准确度。 权利要求书2页 说明书15页 附图2页 CN 114973374 A 2022.08.30 CN 114973374 A 1.一种基于表情的风险评测方法， 其特 征在于， 所述方法包括： 获取进行风险评测时采集到的目标用户的目标人脸图像， 对所述目标人脸图像进行区 域识别， 得到人脸区域图像； 基于所述人脸区域图像进行表情识别， 得到表情识别结果； 分别对所述表情识别结果进行评分处理和权重分析， 得到所述表情识别结果对应的评 分和所述表情识别结果对应的权 重； 根据所述表情识别结果对应的评分和所述表情识别结果对应的权重对所述目标人脸 图像进行评分， 得到所述目标用户的表情风险评分； 基于所述表情风险评分和预先获取的所述目标用户的答题风险评分对所述目标人脸 图像进行风险分析， 得到所述目标用户的风险评测结果。 2.如权利要求1所述的基于表情的风险评测方法， 其特征在于， 所述基于所述人脸区域 图像进行表情识别， 得到表情识别结果， 包括： 对所述人脸区域图像进行活跃区域 提取处理， 得到活跃表情序列； 利用预设的光 流算法对所述人脸区域图像中的光 流提取， 得到光 流序列； 将所述活跃表情序列和所述光流序列输入至预训练 的深度神经网络 中进行识别， 得到 表情识别结果。 3.如权利要求2所述的基于表情的风险评测方法， 其特征在于， 所述利用预设的光流算 法对所述人脸区域图像中的光 流提取， 得到光 流序列， 包括： 利用预设的光 流计算公式分别计算所述人脸区域图像中每 个像素点对应的光 流； 将所述每 个像素点对应的光 流映射至预设的颜色空间， 得到光 流序列。 4.如权利要求2所述的基于表情的风险评测方法， 其特征在于， 所述将所述活跃表情序 列和所述光流序列输入至预训练的深度神经网络中进行识别， 得到表情识别结果之前， 所 述方法还 包括： 以预先获取的深度神经网络中的三维卷积层、 最大池化层和激活层依次对所述活跃表 情序列和所述 光流序列进行深度特 征提取处 理， 得到深度表情特 征和深度光 流特征； 将所述深度表情特征和所述深度光流特征分别输入注意力模块， 得到表情帧序列 特征 和光流帧序列特 征； 将所述表情帧序列特征和所述光流帧序列特征通过所述深度神经网络中的融合层进 行融合， 得到融合特征， 并将所述融合特征依次通过两层全连接层和softmax层， 得到输出 概率； 根据所述输出概率对应所属的输出区间确定预测 识别结果， 并将所述预测识别结果与 预设的真实识别结果进行比对； 当所述预测识别结果与所述真实识别结果比对一致 时， 将所述深度神经网络输出为训 练好的深度神经网络； 当所述预测识别结果与所述真实识别结果比对不一致 时， 对所述深度神经网络进行优 化， 并利用优化后的深度神经网络进行表情识别， 直至识别出 的结果与所述真实识别结果 一致时， 将所述优化后的深度神经网络作为训练好的深度神经网络 。 5.如权利要求1所述的基于表情的风险评测方法， 其特征在于， 所述对所述表情识别结 果进行权 重分析， 得到所述表情识别结果对应的权 重， 包括：权　利　要　求　书 1/2 页 2 CN 114973374 A 2利用预设的信息熵公式计算所述表情识别结果对应的信息熵； 将所述信息熵和差异系数代入预设的权重公式中， 得到所述表情识别结果对应的权 重。 6.如权利要求1所述的基于表情的风险评测方法， 其特征在于， 所述对所述目标人脸图 像进行区域识别， 得到人脸区域图像， 包括： 将所述目标人脸图像映射至预设的二维直角坐标系上， 并在映射所述目标人脸图像的 二维直角坐标系上 标记预设的多个区域关键点； 将多个所述区域关键点进行 连接， 并将连接得到的封闭区域作为人脸区域图像。 7.如权利要求1所述的基于表情的风险评测方法， 其特征在于， 所述获取进行风险评测 时采集到的目标用户的目标 人脸图像， 包括： 获取进行风险评测时的目标人脸视频， 对所述目标人脸视频进行关键帧图像抽取， 得 到预设个数的关键帧图像； 从所述关键帧图像中截取含有人脸的关键区域， 得到目标 人脸图像。 8.一种基于表情的风险评测装置， 其特 征在于， 所述装置包括： 表情识别结果模块， 用于获取进行风险评测时采集到的目标用户的目标人脸图像， 对 所述目标人脸图像进行区域识别， 得到人脸区域图像， 基于所述人脸区域图像进行表情识 别， 得到表情识别结果； 权重分析模块， 用于分别对所述表情识别结果进行评分处理和权重分析， 得到所述表 情识别结果对应的评分和所述表情识别结果对应的权 重； 风险评分模块， 用于根据所述表情识别结果对应的评分和所述表情识别结果对应的权 重对所述目标 人脸图像进行评分， 得到所述目标用户的表情风险评分； 风险分析模块， 用于基于所述表情风险评分和预先获取的所述目标用户的答题风险评 分对所述目标 人脸图像进行风险分析， 得到所述目标用户的风险评测结果。 9.一种电子设备， 其特 征在于， 所述电子设备包括： 至少一个处 理器； 以及， 与所述至少一个处 理器通信连接的存 储器； 其中， 所述存储器存储有可被所述至少一个处理器执行的计算机程序， 所述计算机程序被所 述至少一个处理器执行， 以使 所述至少一个处理器能够执行如权利要求 1至7中任意一项 所 述的基于表情的风险评测方法。 10.一种计算机可读存储介质， 存储有计算机程序， 其特征在于， 所述计算机程序被处 理器执行时实现如权利要求1至7中任意 一项所述的基于表情的风险评测方法。权　利　要　求　书 2/2 页 3 CN 114973374 A 3