[发明专利]一种基于背景相似度的照片实时在线聚类方法及系统

说明书

本发明公开了一种基于背景相似度的照片实时在线聚类方法及系统，涉及计算机图像处理技术领域。一种基于背景相似度的照片实时在线聚类方法，包括以下步骤：获取用户照片；对照片中的人像部分进行处理，以得到只包含背景的背景图片；筛选出具备场景特征的背景图片；从筛选出的背景图片中提取出背景特征，并转换成矩阵向量；从索引库中查询出与矩阵向量相似度大于指定阈值的固定比例或数量的已知向量；依据已知向量对应的已知照片的类别设置当前用户照片的类别，并将当前用户照片放入对应的类别集合中。本发明提供的方法通过对照片中的人像部分进行遮盖、虚化、或隐藏等操作，强化拍摄环境背景的权重，对贷款申请人身处物理环境的分类结果更加精准可靠。

技术领域

本发明涉及计算机图像处理技术领域，具体涉及一种基于背景相似度的照片实时在线聚类方法及系统。

背景技术

当用户参与网上信用贷款时，需要用户做人脸活体检测，然后贷款方会拿到用户自行拍出的照片以便对客户真实身份进行联网核查。因此，现有对用户照片比对计算时，主要集中于照片中的人像部分，而忽略了照片的背景部分，然而照片的背景环境信息，同样具有非常重要的风险参考价值，例如对聚集在同一中介办公场所的骗贷行为，由于骗贷团伙极有可能聚集在同一环境、同一位置进行批量拍照，拍摄的照片的背景往往具有极高的相似度，若在同一背景环境中拍照的人有多个均存在骗贷失信行为，那么在同一背景环境中拍照的其他人也可能存在骗贷的风险。

发明内容

为了克服上述问题或者至少部分地解决上述问题，本发明的目的在于提供一种基于背景相似度的照片实时在线聚类方法及系统，通过对用户的照片背景进行聚类分析以辅助贷款方进行识别查证或风险评估。

本发明通过下述技术方案实现：

第一方面，本发明实施例提供一种基于背景相似度的照片实时在线聚类方法，包括以下步骤：S101、获取用户照片；S102、对照片中的人像部分进行处理，以得到只包含背景的背景图片；S103、筛选出具备场景特征的背景图片；S104、从筛选出的背景图片中提取出背景特征，并转换成矩阵向量；S105、以上述矩阵向量作为查询条件，从索引库中查询出与上述矩阵向量相似度大于指定阈值的固定比例或数量的已知向量；S106、依据上述已知向量对应的已知照片的类别设置当前用户照片的类别，并将当前用户照片放入对应的类别集合中。

在本发明一些实施例中，上述获取用户照片之后还包括：S201、计算照片中人像部分的区域占比是否超过预设值；S202、若是，则删除当前图片，结束操作；S203、若否，则执行上述对照片中的人像部分进行处理，以得到只包含背景的背景图片的步骤。

在本发明一些实施例中，上述计算照片中人像的区域占比是否超过预设值包括：利用DeepLabv3语义分隔网络技术，在自建人像分隔数据集上训练一个人像语义分隔AI模型；利用训练好的人像语义分隔AI模型，对用照片进行检测，获得人像部分在照片中的坐标位置；通过获得的上述人像部分在照片中的坐标位置，计算人像部分在整个照片中所占的比例。

在本发明一些实施例中，上述对照片中的人像部分进行处理，以得到只包含背景的背景图片包括：在上述人像部分在照片中的坐标位置处添加一个黑色遮罩层，只保留图片中的背景部分。

在本发明一些实施例中，上述筛选出具备场景特征的背景图片包括：以MobileNetV3作为骨干网络结构，在自建人像背景数据集上训练一个背景图片特征分类模型，用于将目标背景图片按照背景内容分为有场景特征或无场景特征两种类型；将待分类背景图片送入训练好的背景图片特征分类模型中执行分类判断，得到背景图片的场景类型。

在本发明一些实施例中，上述无场景特征包括白色空白场景和黑色空白场景。

在本发明一些实施例中，上述从筛选出的背景图片中提取出背景特征，并转换成矩阵向量包括：以ResNet50作为骨干网络结构，利用卷积神经网络技术提取背景图片的背景特征，经转化得到一个2048维的36位精度浮点数矩阵向量。