[发明专利]空壳公司的识别方法、装置、计算机设备及存储介质

权利要求书

1.一种空壳公司的识别方法，其特征在于，包括：

获取目标公司的公司信息，所述公司信息包括所述目标公司的公司地址信息以及所述目标公司的至少一个目标员工的员工人像图片；

根据在所述公司地址信息所处的预设地理范围内拍摄得到的拍摄图片，在所述拍摄图片中选择包含人员对象的人像拍摄图片；

对所述人像拍摄图片进行聚类，确定包含同一个人员对象的多个图像聚类集；

针对每一个图像聚类集，在所述图像聚类集中选取脸部区域清晰度最高的人像拍摄图片作为标准人脸图片；

将所述标准人脸图片与所述员工人像图片进行图像特征比对，以产生第一图像比对结果；

根据所述第一图像比对结果，确定所述人像拍摄图片与所述目标公司对应的第一比对分值；

获取预设识别阈值，并根据所述第一比对分值与所述预设识别阈值对所述目标公司进行疑似空壳公司的识别，得到第一识别结果。

2.如权利要求1所述的空壳公司的识别方法，其特征在于，所述对所述人像拍摄图片进行聚类，确定包含同一个人员对象的多个图像聚类集，包括：

根据所述人像拍摄图片构建关系网图，每张人像拍摄图片为一个节点；

基于人脸特征相似度来连接所述节点；

当所述关系网图中存在一阶未连接节点时，基于邻接关系度量距离的人脸聚类算法，对所述一阶未连接节点进行连接，以得到聚类节点集；

当所述关系网图存在二阶未连接节点时，根据所述二阶未连接节点与所述聚类节点集之间的人脸特征相似度，连接所述二阶未连接节点，以生成包含同一个人员对象的所述多个图像聚类集。

3.如权利要求2所述的空壳公司的识别方法，其特征在于，基于邻接关系度量距离的人脸聚类算法，对所述一阶未连接节点进行连接，以得到聚类节点集，包括：

确定所述一阶未连接节点之间共同的邻居节点；

基于所述邻居节点获取所述一阶未连接节点之间的所述邻接关系度量距离；

根据所述邻接关系度量距离对所述一阶未连接节点进行连接聚类，以得到聚类节点集。

4.如权利要求1所述的空壳公司的识别方法，其特征在于，所述根据在所述公司地址信息所处的预设地理范围内拍摄得到的拍摄图片，在所述拍摄图片中选择包含人员对象的人像拍摄图片，包括：

将在所述公司地址信息所处的预设地理范围内拍摄得到的每张拍摄图片进行灰度化，得到灰度化的拍摄图片；

由所述灰度化后的拍摄图片得到的二阶导数的零交叉点来定位边缘，以框出所述灰度化后的拍摄图片中的面部轮廓，作为人像面部轮廓；

在所述人像面部轮廓中，识别脸部特征点的位置，生成人像位置；

根据所述人像位置，将所述人像面部轮廓划分为六个局部图片；

将所述人像面部轮廓和由所述人像面部轮划分得到的六个局部图片输入至训练好的卷积神经网络中，以获得所述人像拍摄图片。

5.如权利要求4所述的空壳公司的识别方法，其特征在于，所述卷积神经网络基于以下步骤进行训练得到：

构建样本数据库，对所述样本数据库中的样本图片进行灰度化；

由所述灰度化后的样本图片得到的二阶导数的零交叉点来定位边缘，以框出所述样本图片的面部轮廓，作为样本面部轮廓；

在所述样本面部轮廓中，识别脸部特征点的位置，生成样本位置；

根据所述样本位置，将所述样本面部轮廓划分为六个局部图片；

计算所述样本数据库中所有局部图片的灰度，再计算出位于同一位置的所有局部图片的灰度方差均值；

将所述样本面部轮廓、由所述样本面部轮划分得到的六个局部图片及所述灰度方差均值投入到卷积神经网络中训练，以获得所述训练好的卷积神经网络。

6.如权利要求4所述的空壳公司的识别方法，其特征在于，所述在所述人像面部轮廓中，识别脸部特征点的位置，生成人像位置，包括：

基于ASM或AAM算法对所述人像面部轮廓的多个部位进行定位，得到定位点；

将所述定位点的位置，作为所述脸部特征点的位置，生成所述人像位置。