[发明专利]一种银行柜面业务智能授权方法及装置

权利要求书

1.一种银行柜面业务智能授权方法，其特征在于，包括：

采集柜面凭证图像与实际业务信息；

根据预先训练好的分类模型，确定所述柜面凭证图像的类别；

根据所述柜面凭证图像的类别，以及光学字符识别算法，对所述柜面凭证图像进行识别，并将识别结果与所述实际业务信息进行匹配；

根据匹配结果，对所述柜面凭证图像对应的业务进行授权。

2.根据权利要求1所述的方法，其特征在于，所述分类模型通过以下方式训练得到：

创建训练数据集；

根据所述训练数据集，训练反向传播神经网络模型；

根据粒子群优化算法，对所述反向传播神经网络模型的参数进行优化。

3.根据权利要求2所述的方法，其特征在于，根据粒子群优化算法，对所述反向传播神经网络模型的参数进行优化，包括：

还原粒子群优化算法的预设参数，所述预设参数包括种群数量、粒子位置、粒子速度取值区间、学习因子、惯性权重、最大迭代次数；

根据输入、输出信号数量构建反向传播神经网络拓扑结构，初始化处理神经网络权值和阈值长度；

编码反向传播神经网络的权值和阈值，获取粒子优化算法初始种群；

采用粒子优化算法，对所述反向传播神经网络进行寻优迭代，获取各组粒子的适应度值，通过适应度值明确粒子极值和粒子群极值，确定粒子历史最佳位置；

更新处理迭代粒子的速度和位置；

确定所述适应度值符合预设精度或误差要求，或达到预设的最大迭代次数时，结束寻优过程。

4.根据权利要求3所述的方法，其特征在于，更新处理迭代粒子的速度和位置，包括：

通过更新处理迭代粒子的速度和位置，其中，ζ表示惯性权重，ε表示约束因子，c₁表示粒子跟踪自己的权重系数，c₂表示粒子跟踪群体最优值权重系数，γ、Ψ表示在[0，1]范围内均匀分布的随机数，表示更新前后粒子速度，表示更新前后粒子位置，分别表示个体极值、全局极值。

5.根据权利要求1所述的方法，其特征在于，根据所述柜面凭证图像的类别，以及光学字符识别算法，对所述柜面凭证图像进行识别，包括：

从若干预先训练好的光学字符识别模型中，确定所述柜面凭证图像的类别对应的光学字符识别模型；

根据确定出的所述光学字符识别模型，对所述柜面凭证图像进行识别。

6.根据权利要求5所述的方法，其特征在于，根据确定出的所述光学字符识别模型，对所述柜面凭证图像进行识别，包括：

根据确定出的所述光学字符识别模型，确定所述柜面凭证图像包括的凭证要素以及各凭证要素对应的内容。

7.根据权利要求1所述的方法，其特征在于，根据匹配结果，对所述柜面凭证图像对应的业务进行授权，包括：

确定匹配结果对应的匹配率超过预设阈值时，对所述柜面凭证图像对应的业务进行授权。

8.根据权利要求7所述的方法，其特征在于，所述方法还包括：

确定匹配结果对应的匹配率在预设范围内时，发出提示信息，以进行二次审核。

9.根据权利要求1所述的方法，其特征在于，所述方法还包括：

对所述柜面凭证图像的授权结果及对应的实际业务信息一同进行存储。

10.一种银行柜面业务智能授权装置，其特征在于，包括：

采集模块，采集柜面凭证图像与实际业务信息；

确定模块，根据预先训练好的分类模型，确定所述柜面凭证图像的类别；

识别模块，根据所述柜面凭证图像的类别，以及光学字符识别算法，对所述柜面凭证图像进行识别，并将识别结果与所述实际业务信息进行匹配；

授权模块，根据匹配结果，对所述柜面凭证图像对应的业务进行授权。