租赁方法、租赁装置、租赁平台及存储介质

摘要

本发明公开了一种租赁方法、租赁装置、租赁平台及存储介质。其中，该方法包括：获取请求租赁服务的用户的身份信息；根据所述用户的身份信息查询所述用户的信用分；基于所述租赁服务的信用服务租赁评估模型和所述用户的信用分，得到所述用户的服务等级；其中，所述信用服务租赁评估模型是根据所述租赁服务的历史用户的信用分、历史租赁数据和属性信息，通过机器学习确定的；基于所述用户的服务等级执行物品借出操作，以将相应的物品借出给所述用户。本发明实施例在提高租赁安全性的同时，可以减少用户的支付押金等操作，提高了租赁效率。

说明书

技术领域

本发明涉及互联网技术领域，尤其涉及一种租赁方法、租赁装置、租赁平台及存储介质。

背景技术

随着共享经济的发展，越来越多的用户愿意通过租赁平台来租赁相关的物品。比如，租赁单车、充电宝、雨伞等等。相关技术中，往往需要用户通过手机等移动终端进行身份认证并缴付一定的押金，以抵押用户恶意占有物品或损坏物品的风险，导致用户操作繁琐，不够便捷。

发明内容

有鉴于此，本发明实施例提供了一种租赁方法、租赁装置、租赁平台及存储介质，旨在提高租赁安全性的同时，减少用户的操作，提高租赁效率。

本发明实施例的技术方案是这样实现的：

本发明实施例提供了一种租赁方法，包括：

获取请求租赁服务的用户的身份信息；

根据所述用户的身份信息查询所述用户的信用分；

基于所述租赁服务的信用服务租赁评估模型和所述用户的信用分，得到所述用户的服务等级；其中，所述信用服务租赁评估模型是根据所述租赁服务的历史用户的信用分、历史租赁数据和属性信息，通过机器学习确定的；

基于所述用户的服务等级执行物品借出操作，以将相应的物品借出给所述用户。

本发明实施例还提供了一种租赁装置，包括：

身份识别模块，用于获取请求租赁服务的用户的身份信息；

信用分查询模块，根据所述用户的身份信息查询所述用户的信用分；

信用租赁应用模块，用于基于所述租赁服务的信用服务租赁评估模型对所述用户的信用分进行评估，得到所述用户的服务等级；其中，所述信用服务租赁评估模型是根据所述租赁服务的历史用户的信用分、租赁数据和属性信息，通过机器学习确定的；

借出管理模块，用于基于所述用户的服务等级执行物品借出操作，以将相应的物品借出给所述用户。

本发明实施例又提供了一种租赁平台，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器，其中，所述处理器，用于运行计算机程序时，执行本发明任一实施例所述方法的步骤。

本发明实施例还提供了一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现本发明任一实施例所述方法的步骤。

本发明实施例提供的技术方案，基于租赁服务的信用服务租赁评估模型和用户的信用分，得到所述用户的服务等级，所述信用服务租赁评估模型是根据所述租赁服务的历史用户的信用分、租赁数据和属性信息，通过机器学习确定的，可以利用历史用户的数据来合理评估当前用户的服务等级，从而支持免押金的租赁服务，在提高租赁安全性的同时，减少用户的支付押金等操作，提高了租赁效率。

附图说明

图1为本发明实施例租赁方法的流程示意图；

图2为本发明一实施例信用服务租赁评估模型的训练方法的流程示意图；

图3为本发明另一实施例信用服务租赁评估模型的训练方法的流程示意图；

图4为本发明一应用实施例信用服务租赁评估模型训练方法的流程示意图；

图5为本发明一应用实施例确定用户的服务等级的流程示意图；

图6为本发明一应用实施例收益曲线示意图；

图7为本发明一实施例获取请求租赁服务的用户的身份信息的流程示意图；

图8为本发明一实施例租赁服务中的物品借出的流程示意图；

图9为本发明一实施例租赁服务中的物品归还的流程示意图；

图10为本发明另一实施例租赁服务中的物品归还的流程示意图；

图11为本发明一实施例基于图像识别检测物品的质量的流程示意图；

图12为本发明另一实施例租赁服务中物品借出的流程示意图；

图13为本发明又一实施例租赁服务中物品归还的流程示意图；

图14为本发明实施例租赁装置的结构示意图；

图15为本发明一应用实施例租赁装置的结构示意图；

图16为本发明实施例租赁平台的结构示意图。

具体实施方式

下面结合附图及实施例对本发明再作进一步详细的描述。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。

本发明实施例提供了一种租赁方法，应用于租赁平台，如图1所示，该租赁方法包括：

步骤101，获取请求租赁服务的用户的身份信息；

这里，租赁平台支持的租赁服务包括但不限于：租赁单车、充电宝、雨伞、图书、桌游、游戏机等等。

租赁平台可以接收用户经移动终端(比如，手机)发送的租赁服务请求，根据该服务请求携带的用户标识，获取请求租赁服务的用户的身份信息(比如，用户ID)。用户可以基于移动终端通过指定途径发送租赁服务请求给租赁平台，比如，通过扫描二维码、点击客户端软件中展示的链接等方式发送租赁服务请求给作为服务端的租赁平台。

在一些实施例中，租赁平台还可以部署多个作为用户侧客户端的终端设备，可以通过支持租赁服务的终端设备对请求租赁服务的用户进行生物特征识别，获取该用户的生物特征信息，并将生物特征信息上传给租赁平台，租赁平台可以根据用户的生物特征信息与生物特征信息库进行匹配，确定用户的身份信息。这里，生物特征信息可以为指纹信息、人脸信息、声纹信息等。

步骤102，根据所述用户的身份信息查询所述用户的信用分；

这里，租赁平台可以根据用户的身份信息查询用户对应的信用分。比如，可以通过租赁平台访问信用分服务器来查询该用户对应的信用分。信用分服务器可以根据用户的个人信息来周期性更新相应用户的信用分。或者信用分服务器可以周期性地将用户及用户的信用分传递至租赁平台侧，租赁平台可以根据用户的身份信息离线查询用户对应的信用分。这里，信用分服务器可以设置根据用户的个人信息来评估用户的信用分的信用分评估模型。信用分服务器可以由第三方权威机构来部署和维护，可以根据社会信用体系的规则来设置信用分评估模型，并定期更新各用户的信用分。

步骤103，基于所述租赁服务的信用服务租赁评估模型和所述用户的信用分，得到所述用户的服务等级；

这里，所述信用服务租赁评估模型是根据所述租赁服务的历史用户的信用分、历史租赁数据和属性信息，通过机器学习确定的。

这里，所述历史租赁数据包括以下至少之一：租赁使用次数、租赁违约次数、租赁缴费费用、租赁损失金额，所述属性信息包括以下至少之一：在网时长、使用流量数据、出行数据、位置数据、终端型号数据、失信记录数据。这里，租赁违约次数可以为用户未归还物品、超过合理租期未归还物品或者拖欠租赁使用费用；租赁缴费费用可以是该用户累积产生的租赁使用费用，可以用于评估用户的活跃度；租赁损失金额可以是用户租赁过程中损坏物品导致的损失费用的累积金额；在网时长可以是手机上网时长；使用流量数据可以为用户的月均流量使用量；出行数据可以用户的出行频率；位置数据可以为用户的居所位置、办公位置等；失信记录数据可以为所述租赁服务或者其他租赁服务的失信记录数据，比如，短信还款数据、催缴机构通话数据等。

这样，租赁服务的信用服务租赁评估模型可以从用户的多个维度来评估用户享受该租赁服务的服务等级，从而为达到设定要求的用户设置免押金条件，在确保租赁服务安全性的同时，减少用户的操作环节和支付押金的麻烦。

步骤104，基于所述用户的服务等级执行物品借出操作，以将相应的物品借出给所述用户。

租赁平台基于所述用户的服务等级执行物品租赁操作。具体地，租赁平台可以下发指令给提供租赁服务的终端设备，终端设备可以根据指令，借助传输机构将相应的物品自动借出给所述用户。

本发明实施例租赁方法，可以利用历史用户的数据来合理评估当前用户的服务等级，从而支持免押金的租赁服务，在提高租赁安全性的同时，减少用户的支付押金等操作，提高了租赁效率。

本发明实施例由于需要基于信用服务租赁评估模型来评估用户的服务等级，基于此，在一实施例中，所述方法还包括：根据所述租赁服务的历史用户的信用分、历史租赁数据和属性信息，通过机器学习，得到信用服务租赁评估模型。

具体地，如图2所示，通过机器学习，得到信用服务租赁评估模型(又称为信用服务租赁评估模型的训练方法)，包括：

步骤201，获取第一样本集数据；

这里，所述第一样本集数据包括多个历史用户的样本数据，各用户的样本数据包括：用户的信用分、用户的历史租赁数据和用户个体相关的属性信息。这里，历史租赁数据和属性信息可以参照前述的解释，在此不再赘述。

步骤202，根据所述第一样本集数据，通过机器学习，生成第一预测模型；

这里，所述第一预测模型用于预测用户的使用租赁服务概率和服务消费金额。机器学习的方法包括但不限于：逻辑回归分类模型、树结构分类模型、神经网络分类模型、马尔可夫模型、集成分类模型等方法，本发明实施例对此不做具体限定。

步骤203，根据所述第二样本集数据，通过机器学习，生成第二预测模型；

这里，所述第二预测模型用于预测用户的租赁服务违约概率和违约损失金额。机器学习的方法包括但不限于：逻辑回归分类模型、树结构分类模型、神经网络分类模型、马尔可夫模型、集成分类模型等方法，本发明实施例对此不做具体限定。

步骤204，基于所述第一预测模型和所述第二预测模型对第二样本集数据进行预测，得到所述第二样本集数据中各用户的使用租赁服务概率、服务消费金额、租赁服务违约概率和违约损失金额；

这里，所述第二样本集数据包括：不同信用分区间对应的历史用户的样本数据。实际应用中，第二样本集数据中的样本数量可以大于第一样本集数据中的样本数量，可以将用户的信用分作为筛选条件，根据信用分的分布情况，进行分层随机抽样，得到第二样本集数据。

步骤205，对所述第二样本集数据设置信用分阈值，确定信用分大于所述信用分阈值的用户，统计相应用户的使用租赁服务概率与服务消费金额乘积之和、租赁服务违约概率与违约损失金额乘积之和的差值，选取所述差值达到第一设定条件的信用分阈值为第一信用分阈值；

实际应用中，可以按照逐分递增的方式或者逐分递减的方式设置第二样本集数据对应的信用分阈值，统计各信用分阈值下的差值，该差值即租赁服务对应的预测收益，确定差值最大或者超过设定数值的信用分阈值为第一信用分阈值。

步骤206，生成包含所述第一信用分阈值的信用服务租赁评估模型。

这里，所述信用服务租赁评估模型用于根据所述第一信用分阈值确定用户的服务等级，所述服务等级包括：押金全免等级及非押金全免等级。由于信用服务租赁评估模型包含所述第一信用分阈值，可以基于该信用服务租赁评估模型中的第一信用分阈值和用户的信用分，将用户的信用分大于或等于第一信用分阈值的用户的服务等级确定为押金全免等级。这样，得到的免押金信用分条件的可以确保租赁服务提供方的商业利益，又能提高用户的租赁服务使用体验。

在一实施例中，在图2所示的训练方法的基础上，信用服务租赁评估模型的训练方法还包括：

设置至少一个第二信用分阈值；其中，所述第二信用分阈值小于所述第一信用分阈值，且所述第一信用分阈值对应的所述差值与所述第二信用分阈值对应的所述差值满足第二设定条件；

所述信用服务租赁评估模型还包括所述第二信用分阈值，所述信用服务租赁评估模型还用于基于所述第二信用分阈值对所述非押金全免等级进行划分，所述非押金全免等级包括：至少一个押金部分免除等级。

这里，对于一个押金部分免除等级而言，可以设定该等级对应的押金金额值，比如，可以根据押金全额值及押金部分免除的比例值确定对应的押金金额值。所述第二设定条件可以是：第一信用分阈值对应的差值与第二信用分阈值对应的差值的差，等于信用分值大于或等于第二信用分阈值且小于第一信用分阈值区间的各用户的使用租赁服务概率、租赁服务违约概率及押金金额值的乘积的累加和。需要说明的是，押金部分免除等级的数量可以为多个，可以根据租赁服务需求进行合理设置。

在一实施例中，如图3所示，信用服务租赁评估模型的训练方法还包括：

步骤301，基于所述第二预测模型对第三样本集数据进行预测，得到所述第三样本集数据中各用户的租赁服务违约概率和违约损失金额；

这里，所述第三样本集数据包括：存在租赁服务违约行为的历史用户的样本数据。可以根据历史用户的历史租赁数据来确定该用户是否存在租赁服务违约行为，若历史租赁数据中的租赁违约次数为零，则确定该用户无租赁服务违约行为；历史租赁数据中的租赁违约次数不为零，则确定该用户存在租赁服务违约行为。将存在租赁服务违约行为的历史用户的样本数据输入第二预测模型，可以得到各用户的租赁服务违约概率和违约损失金额。

步骤302，统计所述第三样本集数据中各用户的违约指标的分布；

这里，所述违约指标基于用户的租赁服务违约概率、违约损失金额和样本数据中违约记录信息确定。具体地，违约指标b＝f(H,P2,C)，其中，H为违约记录信息，P2为租赁服务违约概率，C违约损失金额，f为确定违约指标的函数模型，所述违约记录信息可以为历史租赁数据中有违约行为相关的数据，比如，租赁违约次数、租赁损失金额等。

步骤303，基于违约指标的分布确定用于识别恶意违约行为的违约指标阈值。

根据步骤302中统计各用户的违约指标b的分布，可以选取合理的违约指标阈值ThresB，将违约指标高于ThresB的用户群体定义为具有恶意违约风险的用户，从而为识别具有恶意违约风险的用户提供合理依据。

本发明实施例中，信用服务租赁评估模型可以包括上述确定违约指标的函数模型和违约指标阈值，从而可以基于所述违约指标阈值对用户是否具有恶意违约风险进行识别，将具有恶意识别风险的用户的服务等级调整为禁止提供所述租赁服务的等级。这样，能够弥补信用分对违约风险的非实时控制的缺点，在基于信用分的风控条件基础之上，增加实时风险识别处理，能够实现对客户风险的精细化识别和双重控制。

在一实施例中，基于所述租赁服务的信用服务租赁评估模型和所述用户的信用分，得到所述用户的服务等级，包括以下之一：

所述用户的信用分大于或等于第一信用分阈值，确定所述用户的服务等级为押金全免等级；

所述用户的信用分小于所述第一信用分阈值且大于或者等于第二信用分阈值，确定所述用户的服务等级为押金部分免除等级；

所述用户的信用分小于所述第二信用分阈值，确定所述用户的服务等级为押金全额等级。

在一实施例中，若信用服务租赁评估模型包括确定违约指标的函数模型和违约指标阈值，所述基于所述租赁服务的信用服务租赁评估模型和所述用户的信用分，得到所述用户的服务等级，还包括：

确定所述用户存在租赁服务违约行为，基于所述信用服务租赁评估模型确定所述用户的违约指标；

确定所述用户的违约指标大于或者等于违约指标阈值，将所述用户的服务等级调整为禁止提供所述租赁服务的等级。

图4示出了本发明一应用实施例中，信用服务租赁评估模型训练方法的流程示意图，如图4所示，该训练方法的目标是训练得到M1、M2、M3、M4四个子模型，从而得到应用模型Mrt(即信用服务租赁评估模型)。

下面结合图4，对本应用实施例训练方法进行具体说明：

1、租赁服务使用预测模型M1

1.1、采集用户行为、位置、终端等数据集D1-1，包括不限于阅读数据、游戏数据、出行数据、位置数据、终端型号数据、终端使用数据等，能够反映用户对书籍、充电、游戏等物品的需求程度。

1.2、采集租赁使用行为数据集D1-2，包括但不限于在服务提供方使用租赁服务的历史记录、在合作方使用租赁服务的历史记录等。

1.3、对D1-1和D1-2进行用户撞库与匹配，获得模型训练数据集D1。

1.4、通过训练数据集D1和机器学习算法进行训练，获得租赁服务使用预测模型M1。训练方法包括但不限于逻辑回归分类模型、树结构分类模型、神经网络分类模型、马尔可夫模型、集成分类模型等方法。

1.5、通过M1可预测每一个用户u

2、租赁服务违约预测模型M2

2.1、采集用户行为、位置、终端等数据集D2-1，包括不限于短信还款数据、催缴机构通话数据、出行数据、位置数据、终端型号数据、终端使用数据等，能够反映用户的履约习惯和违约行为。

2.2、采集租赁使用行为数据集D2-2，包括但不限于在服务提供方使用租赁服务的历史记录(违约次数、违约损失金额等)、在合作方使用租赁服务的历史记录(违约次数、违约损失金额等)等。

2.3、对D2-1和D2-2进行用户撞库与匹配，获得模型训练数据集D2。

2.4、通过训练数据集D2和机器学习算法进行训练获得租赁服务违约预测模型M2。训练方法包括但不限于逻辑回归分类模型、树结构分类模型、神经网络分类模型、马尔可夫模型、集成分类模型等方法。

2.5、通过M2可预测每一个用户u

3、租赁服务信用规则计算模型M3

M3的目标是通过模型计算得出最优的免押金信用分条件。实际应用中，一种计算方法如下：设置信用分条件与应用辅助条件，信用条件以用户信用分为筛选条件；应用辅助条件为结合用户在该租赁服务的违约风险评估结果，设置服务等级。

3.1、免押金条件计算方法

对于信用分，根据信用分分布情况，分层随机抽样，获得样本数据集D3。逐分计算若以当前分数为免押金条件时，预测样本集D3可能产生的消费金额I、违约损失金额C，则预测收益为E＝I-C。样本集中用户u

服务收入总金额预测：I

违约损失总金额预测：C

设置s为免押阈值时的收益预测：E

则全免押服务的信用分阈值计算方法：Thres1＝s，其中s满足条件E

3.2、服务等级计算方法

在全免押服务基础之上，服务方通常可设计部分免押的服务等级，部分免押服务等级计算方法：

在比Thres1分数低的区间中选取阈值，如Thres2

假设服务方押金金额档位分别设置为Depos2

则阈值与押金金额档位之间的关系满足如下条件

服务方可根据业务应用需求，限定阈值或者押金金额中的一项，通过以上计算方法获得另外一项。此种方法可在不降低服务方收益的同时，最大限度的保障用户体验。

以此，获得不同的服务等级，举例如表1所示：

表1

4、恶意客户风险识别模型M4

由于信用分是按周期进行更新，并且降分具有一定的缓冲效果，所以对于部分恶意违约的用户不能实时监测到，存在安全隐患。

基于此，在一实施例中，增加以下处理步骤：

4.1在系统服务记录中查询用户在该租赁应用服务中的违约记录H等信息；

4.2通过用户个人数据以及模型M2获得用户的租赁服务违约的概率P2、违约损失金额C；

4.3构建用户的违约指标b＝f(H,P2,C)；统计b分布，并根据用户分布情况筛选出高b值群体，该群体是具有恶意违约风险的用户；

4.4输出违约指标阈值ThresB为高风险识别条件。

此项处理步骤，能够弥补信用分对违约风险的非实时控制的缺点，在信用分风控条件基础之上，增加实时风险识别处理步骤，能够实现对客户风险的精细化识别和双重控制。

基于以上M1、M2、M3、M4的训练，得到应用模型Mrt，其包括信用分条件、服务等级条件及恶意客户识别条件。

图5示出了本发明一应用实施例中基于所述租赁服务的信用服务租赁评估模型和所述用户的信用分，得到所述用户的服务等级的流程示意图。

如图5所示，在该应用实施例中，将用户ID及相应的信用分输入到信用服务租赁评估模型，通过M3获得该用户的服务等级结果，判断服务等级结果是否为无，若是，则提示用户无法享受免押租赁服务；若否，则查询该用户是否存在租赁服务违约行为，若存在，则需要通过M4对用户的服务等级进行调整，若该用户不存在租赁服务违约行为，则生成相应的租赁服务信息。通过M4对用户的服务等级进行调整具体包括：利用M2预测该用户的租赁服务违约概率、违约损失金额，并利用M4中的函数模型确定该用户的违约指标，对该违约指标与违约指标阈值进行比较，若违约指标大于或等于违约指标阈值，则提示用户无法享受免押租赁服务，若违约指标小于违约指标阈值，则生成相应的租赁服务信息。租赁服务信息可以包括该用户的服务等级。

下面结合样本集数据，对本发明实施例的信用服务租赁评估模型的训练方法进行举例说明：

1、样本集数据。

表2示出了一应用示例中，用于模型训练的样本集示例，其包含历史租赁数据。

表2

2、经过以上数据集进行机器学习训练，得到租赁服务使用预测模型M1和租赁服务违约预测模型M2。

3、基于M1和M2对更广范围的用户集进行租赁行为预测，得到如表3所示的预测结果。

表3

4、基于M3对以上预测结果进行计算和处理，逐分数统计按当前分数为阈值时的消费金额预测、逐分数统计按当前分数为阈值时的损失金额预测。

各阈值对应的预测收益如表4所示：

表4

5、基于M3进行免押服务条件计算。

这里，可以基于上述表4中各阈值对应的收入预测、损失预测及收益预测，绘制如图6所示的收益曲线示意图。由图6可以确定，全免押信用分阈值Thres1＝497分，其中，s满足条件E

6、基于M3进行部分免押服务条件计算。

这里，根据服务等级计算方法(E

Thres2＝475分，Depos2＝10元(20％押金额度)

Thres3＝450分，Depos3＝25元(50％押金额度)。

7、获得信用分阈值。

经过租赁服务信用规则计算模型M3(第5、6步骤)的计算，获得的信用分阈值如表5所示：

表5

由表5可以得知，在保证收益、控制风险的同时，将免押金或者部分免押金的租赁服务的覆盖范围扩展到90％用户范围。

8、获得违约指标阈值。

基于M4，获得恶意客户的违约指标阈值，如表6所示，其中，ThresB＝0.9，b大于或等于0.9的用户占比5％，识别为高风险客户，将其免押等级降低为0。

表6

9、得到信用服务租赁评估模型。

基于M1和M2(第2步训练结果)、M3(第7步训练结果)、M4(第8步训练结果)，得到信用服务租赁评估模型Mrt。

在一应用示例中，租赁平台获取租赁服务请求的用户ID，将该用户ID发送给信用分服务器进行信用分查询，得到该用户的信用分为520分，将用户ID与信用分[ID,Score]发送给信用服务租赁评估模型Mrt，获得其评估结果：服务等级为表5中的等级4，可享受押金全免等级的租赁服务。

在一实施例中，所述基于所述用户的服务等级执行物品租赁操作，包括以下之一：

所述用户的服务等级为押金全免等级，获取所述用户的指定的物品并输出；

所述用户的服务等级为押金部分免除等级，确定收取相应押金后，获取所述用户的指定的物品并输出；

所述用户的服务等级为押金不免除等级，确定收取全额的押金后，获取所述用户的指定的物品并输出；

所述用户的服务等级为禁止提供所述租赁服务的等级，输出提示信息以告知所述用户。

实际应用中，租赁平台可以预先绑定用户支付账户，当用户的服务等级为需要收取相应押金或者收取全额押金时，可以对绑定的支付账户进行扣款。确定扣款成功后，获取用户指定的物品并输出。这里，借出过程中，用户可选择获取指定类别的物品、指定位置的物品、指定图片的物品、指定名称的物品(如书籍名称)、指定编号的物品等，租赁平台获取相应的物品后，经自动传输机构将相应物品输出给用户，比如，可以采用磁力锁、传送带、机械自动化等技术将物品输出。当然，在其他实施例中，可以由人工操作将相应物品传递给用户。

考虑到现有的租赁服务往往依赖于用户的手机等移动终端来发出租赁服务请求，其对移动终端的依赖性较高，且用户操作使用流程较复杂和繁琐。而对于应急场景租赁，例如充电宝的租赁，很有可能是在手机没电或不能使用的场景下，因此，需要提升租赁系统身份认证流程的便利性和可靠性。基于此，在一实施例中，所述获取请求租赁服务的用户的身份信息，包括：获取请求租赁服务的用户的生物特征信息，基于所述生物特征信息确定所述用户的身份信息。

在一实施例中，该生物特征信息为人脸信息。如图7所示，所述获取请求租赁服务的用户的身份信息，包括：

步骤701，图像采集；

这里，可以采用双摄像头采集人脸图像。第一摄影头主要功能采集正面人脸图像与视频数据，输入给真人验证、用户意图验证过程和人脸身份匹配过程。第二摄像头可设置为光学摄像头或者红外摄像头，光学摄像头可与第一摄像头形成双目摄像头，进行深度检测，识别用户的立体性；红外摄像头可利用红外反射成像，识别用户的立体性。通过第二摄像头的设置，可排除非用户本人(如以他人人脸的图片、视频进行伪装等方式)的身份认证。

步骤702、真人验证；

真人验证过程的主要目的是检测出用户盗取他人人脸图像或者视频信息、使用假体或者面具等方式进行身份认证的场景，提高租赁系统的安全性。

真人验证的主要特征是识别用户的立体性、活动性等特征，具体特征可以包括用户的深度特征、3D特征、头部的移动特征、睫毛和眼皮的运动特征、微表情特征、红眼效应、瞳孔对光源强度的反应等特征。

真人验证可采用的方法主要有基于主摄像头视频数据通过静默活体检测进行用户活动性检测、基于双目摄像头通过深度算法进行用户立体性检测、基于红外摄影头通过光流法进行用户立体性检测等。本发明实施例对此不做具体限定。

步骤703、用户意图验证；

本发明实施例增加用户意图验证步骤，主要目的是避免用户通过路人或其他无业务使用意图的用户人脸进行身份认证的行为。

用户意图验证主要通过动作多重验证方法，如引导用户按顺序执行一系列面部动作，例如眨眼、挑眉、张嘴、微笑、转头等动作，来确保用户具有使用意图。

步骤704，人脸身份匹配。

这里，人脸匹配数据来源：客户录入的身份证照片中的头像部分数据、客户开通业务时录入的人脸数据、合作伙伴的客户人脸数据(通过手机号或者身份证号等ID进行匹配)。

人脸身份匹配目标是通过分类器将正面摄像头采集的人脸图像与预置的人脸数据进行匹配，当置信度超过一定阈值时采用当前识别结果。具体处理步骤如下：

第一，人脸检测与定位步骤，从图像中将人脸区域分割出来，并定位出人脸在图像中的位置。

第二，将检测与定位出的人脸区域图像，进行特征提取，即将测量空间中的数据映射到特征空间。提取方法可采用整体人脸图像的主成分分析法PCA、人脸特征点识别与局域特征提取等方法。

第三，将人脸特征输入分类器进行分类识别，与用户数据库中的人脸样本进行匹配，获得不同身份ID对应的分类概率。人脸分类算法有基于模板的识别算法、基于集成分类器算法、基于神经网络识别的算法等。

第四，判断分类结果的置信度，若大于阈值，则采纳分类结果。

图8示出了本发明一实施例中，租赁服务中的物品借出的流程示意图。如图8所示，物品借出的方法包括：

步骤801、图像采集；

步骤802、真人与用户意图验证；

步骤803、身份识别匹配；

步骤804、信用分查询；

步骤805、基于信用服务租赁评估模型确定用户的服务等级；

步骤806，基于用户的服务等级执行物品的借出操作。

这里步骤801至803可以参照前述步骤701至704，步骤804至806可以参照前述步骤102至104，在此不再赘述。

实际应用中，租赁平台还需要接收用户归还的物品，基于此，在一实施例中，如图9所示，租赁方法还包括：

步骤901、接收物品归还请求；

这里，用户可以将欲归还的物品移送至与租赁平台对应的终端设备侧，终端设备上的感应设备感应到物品接近时，视为接收到物品的归还请求。此外，还可以通过在终端设备上的显示界面上触摸相应按钮或者经相应按键触发物品归还请求。在其他实施例中，用户还可以通过移动终端访问租赁平台，发起物品归还请求。本发明实施例对此不做具体限定。

步骤902、识别所述物品的标识信息；

可以通过终端设备识别物品上的射频标签来识别物品的标识信息。在其他实施例中，还可以采用条形码、二维码、图像OCR(Optical Character Recognition，光学字符识别)等方法中的一种或者多种方法，提高物品识别的可靠性。

步骤903、基于图像识别检测所述物品的质量；

这里，可以通过图像识别检测技术来自动识别归还物品的质量，从而减少人工审核的环节，节省人力成本。具体地，可以在物品自动入库的过程中或者入库前对其进行图像识别，以检测物品的质量。

步骤904、基于所述物品的质量和所述物品的归还时间，执行物品归还操作。

租赁平台可以根据物品的标识查找该物品对应的租赁订单信息，该租赁订单信息可以是租赁平台确定租赁服务的服务等级后建立的，根据该订单信息中的服务等级，可以确定在借出阶段是否已经支付押金，还可以确定租赁服务对应的归还截止期限来判断用户是否存在逾期归还的违约行为，若存在，则可以进一步计算除租赁费用以外的滞纳金。此外，租赁平台还可以根据检测的物品的质量确定物品是否存在损坏及损坏的程度，从而确定相应的损害赔偿金。租赁平台可以根据上述信息来确定用户需要支付的最终金额，从而收取该最终金额，完成租赁服务。

为了实现租赁服务行为的闭环反馈，从而提高信用服务租赁评估模型的准确性，在一实施例中，所述方法还包括：基于所述物品归还操作生成租赁数据，根据所述租赁数据更新所述信用服务租赁评估模型，和/或，发送所述租赁数据给信用分服务器，以供信用分服务器更新相应用户的信用分。这里该租赁数据可以包括：租赁缴费费用、租赁损失金额、是否存在租赁违约行为等。

实际应用中，信服服务租赁评估模型的更新周期可以合理设置，以收集合理的用户样本的数据后进行更新，提高模型的预测分类的准确性。

在一应用示例中，基于物品归还操作生成的租赁数据还反馈给信用分服务器，信用分服务器可以定期根据各用户的租赁数据更新对应的信用分。

图10示出了本发明一实施例中，租赁服务中的物品归还的流程示意图。如图10所示，物品归还的方法包括：

步骤1001、图像采集；

步骤1002、真人与用户意图验证；

步骤1003、身份识别匹配；

步骤1004、租赁服务记录查询；

步骤1005、物品识别与质量检查；

步骤1006，归还确认及支付；

步骤1007，租赁数据反馈给信用分服务器。

这里步骤1001至1003可以参照前述步骤701至704。

步骤1004中，租赁平台可以根据身份识别后确定的用户ID，查找该用户ID对应的租赁订单信息，从而确认该租赁服务是否存在截止归还期限和押金。

步骤1005中，租赁平台对物品进行相应识别，确定物品的物品ID，并检查物品进行质量检查，确定该物品是否存在损坏。

步骤1006中，租赁平台可以根据物品是否存在损坏及租赁订单信息对应的租期、押金等生成账单信息，进而执行归还的确认及账单的支付处理。

步骤1007中，租赁平台将该租赁服务的租赁数据反馈给信用分服务器，以供信用分服务器定期根据用户的租赁行为更新用户的信用分。

在一实施例中，如图11所示，所述基于图像识别检测所述物品的质量，包括：

步骤1101，获取所述物品在多个表面上的图像数据；

这里，可以在终端设备设置检测容器，在检测容器内设置多个方向安装的摄像头(如六面体容器内安装六个摄像头)，分别拍摄物品的不同方向的图像，以此检测不同表面上的损害程度，最后综合评估得到损害程度。

实际应用中，在对物品进行图像采集之前，还可以先对物品进行方向矫正。具体地，将物品的标识面朝上放在检测容器(比如，检测盘)上，通过顶部摄像头进行图像采集。逐级旋转检测盘一定角度，对物品标识通过OCR技术进行文字识别，文字识别正确率最高的方向作为下一步拍摄采集物品图像的方向。如首先依次旋转90度，获得4个方向的识别正确率，选取最高正确率对应的方向orit1；再在orit1左右依次旋转2个30度，获得4个方向的识别正确率，选取最高正确率对应的方向orit2；以此类推，获得物品正确放置的方向orit。

通过检测盘上多方向上的摄像头分别采集物体上各表面的图像一张，如6个摄像头采集6个图像，用于后续分别与各面预置的样本进行匹配。

步骤1102，对获取各表面的图像数据与预置的所述物体的样本图像进行匹配，确定各表面的损坏程度值；

这里，可以先对各表面的图像数据进行特征提取，具体地，可以采用边缘检测、边缘方向直方图等特征检测物品的形状变化，采用色彩矩等特征检测物品的纹理与表面变化、通过OCR等检测物品文字区域变化。

将各个表面的图像数据对应的特征数据与预置的正常样本、不同损坏等级样本进行匹配，识别出物品的质量状态。这里，可以采用分类器来对特征数据进行物品损坏程度的识别，分类器可采用贝叶斯分类器、支持向量机分类器、深度学习、集成分类器等。质量状态主要是损坏程度，损坏程度包括是否有形变、划痕、表面涂抹、裂缝裂痕等类型。假设共有N种损坏类型，q

步骤1103，基于各表面的损坏程度值确定所述物品的最终损坏程度值。

综合统计各表面的损坏程度值，Q＝f(Q

本发明实施例基于图像识别的质量检查方法，通过旋转置物盘、增加方向矫正的前处理步骤，有利于提高物品质量检测的正确率；此外，通过设置多面摄像头，对各面图像进行损坏检测，有利于降低漏检率；再次，识别后增加损坏质量综合评估步骤，有利于综合评估赔偿程度，并有利于反馈客户信用行为记录。

图12示出了本发明一实施例租赁服务中物品借出的流程示意图；如图12所示，物品借出的方法包括：

步骤1201，获取用户ID及信用服务租赁评估模型确定的服务等级；

这里，租赁平台可以根据对用户进行身份认证的认证结果获得用户的用户ID，并基于用户ID进行信用分查询，得到用户的信用分，将用户的用户ID和信用分输入至信用服务租赁评估模型，得到用户的服务等级。

步骤1202，判断服务等级是否为零，若是，则执行步骤1209，若否，则执行步骤1203；

租赁平台可以判断该用户的服务等级是否为零，这里，服务等级为零，则该租赁平台禁止提供租赁服务，执行步骤1209，若服务等级不为零，则执行步骤1203。服务等级的越高，可以享有的押金免除的比例越大，服务等级最高，则可以享受押金全免的租赁服务。

步骤1203，创建租赁任务；

租赁平台可以根据用户ID创建租赁服务，即创建一个订单信息。

步骤1204，用户选择租赁物品；

租赁平台可以接收用户选择租赁物品的请求，比如，用户可选择获取指定类别的物品、指定位置的物品、指定图片的物品、指定名称的物品(如书籍名称)、指定编号的物品等。

步骤1205，判断服务等级是否为最高等级，若是，则执行步骤1206，若否，则执行步骤1207；

租赁平台判断用户的服务等级是否为最高等级，若是，则该用户可以享受押金全免的租赁服务，从而直接执行步骤1206，若否，则执行步骤1207。

步骤1206，执行物品匹配及物品输出；

租赁平台匹配与用户请求对应的物品，并将物品输出，使得用户可以取得相应的物品，完成物品的借出服务。

步骤1207，发起押金支付请求；

这里，由于用户未能享受押金全免的租赁服务，需要至少支付部分押金，根据对应的服务等级，发起相应的押金支付请求给用户。

步骤1208，确定押金支付后，执行物品匹配及物品输出；

租赁平台确定收取相应的押金后，匹配与用户请求对应的物品，并将物品输出，使得用户可以取得相应的物品，完成物品的借出服务。

步骤1209，提示用户无法享受该租赁服务。

租赁平台可以指示终端设备显示该提示信息或者发送该提示信息给用户的移动终端上，以告知用户无法享受该租赁服务。

图13示出了本发明一实施例租赁服务中物品归还的流程示意图。如图13所示，物品借出的方法包括：

步骤1301，接收物品归还申请；

这里，用户可以通过在终端设备上的显示界面上触摸相应按钮或者经相应按键触发物品归还申请。用户还可以通过移动终端访问租赁平台，发起物品归还申请。

步骤1302，物品ID识别；

租赁平台对物品的进行识别，可以采用射频标签识别、条形码、二维码、图像OCR(Optical Character Recognition，光学字符识别)等方法中的一种或者多种方法，提高物品识别的可靠性。

步骤1303，物品质量检测；

租赁平台可以通过图像识别检测技术来自动识别归还物品的质量，从而减少人工审核的环节，节省人力成本。

步骤1304，判断检测结果是否合格，若是，则执行步骤1305，若否，则执行步骤1307；

若物品的检测结果是合格的，则可以直接入库，执行步骤1305，若物品的检测结果是不合格的，则可以将物品传递至待检测库，执行步骤1307。

步骤1305，物品入库，进行支付结算；

物品可以借助自动传输机构入库。租赁平台还可以根据物品的标识查找该物品对应的租赁任务，进而根据服务等级是否存在押金、租期等生成账单信息，进行支付结算。

步骤1306，租赁任务信息更新并反馈租赁记录至信用分服务器；

租赁平台还可以根据物品归还行为及支付结算的结果对租赁任务信息进行更新，并生成租赁记录，反馈给信用分服务器。此外，租赁平台还可以根据租赁数据定期更新信用服务租赁评估模型。

步骤1307，物品入待检修库，进行支付结算；

物品可以借助自动传输机构入待检修库，从而提高物品的分类效率，并及时对物品进行修补，避免进一步的损失。

租赁平台还可以根据物品的标识查找该物品对应的租赁任务，进而根据服务等级是否存在押金、租期、物品损坏程度等生成账单信息，进行支付结算。

步骤1308，租赁任务信息更新并反馈租赁记录至信用分服务器。

租赁平台还可以根据物品归还行为及支付结算的结果对租赁任务信息进行更新，并生成租赁记录，反馈给信用分服务器。此外，租赁平台还可以根据租赁数据定期更新信用服务租赁评估模型。

为了实现本发明实施例的方法，本发明实施例还提供一种租赁装置，设置在租赁平台，如图14所示，该装置包括：身份识别模块1401、信用分查询模块1402、信用租赁应用模块1403、借出管理模块1404。

这里，身份识别模块1401用于获取请求租赁服务的用户的身份信息；信用分查询模块1402根据所述用户的身份信息查询所述用户的信用分；信用租赁应用模块1403用于基于所述租赁服务的信用服务租赁评估模型对所述用户的信用分进行评估，得到所述用户的服务等级；其中，所述信用服务租赁评估模型是根据所述租赁服务的历史用户的信用分、租赁数据和属性信息，通过机器学习确定的；借出管理模块1404用于基于所述用户的服务等级执行物品借出操作，以将相应的物品借出给所述用户。

在一些实施例中，租赁装置还包括：模型训练模块1405，具体用于：

获取第一样本集数据，所述第一样本集数据包括多个历史用户的样本数据，各用户的样本数据包括：用户的信用分、用户的历史租赁数据和用户个体相关的属性信息；

根据所述第一样本集数据，通过机器学习，生成第一预测模型，所述第一预测模型用于预测用户的使用租赁服务概率和服务消费金额；

根据所述第二样本集数据，通过机器学习，生成第二预测模型，所述第二预测模型用于预测用户的租赁服务违约概率和违约损失金额；

基于所述第一预测模型和所述第二预测模型对第二样本集数据进行预测，得到所述第二样本集数据中各用户的使用租赁服务概率、服务消费金额、租赁服务违约概率和违约损失金额；其中，所述第二样本集数据包括：不同信用分区间对应的历史用户的样本数据；

对所述第二样本集数据设置信用分阈值，确定信用分大于所述信用分阈值的用户，统计相应用户的使用租赁服务概率与服务消费金额乘积之和、租赁服务违约概率与违约损失金额乘积之和的差值，选取所述差值达到第一设定条件的信用分阈值为第一信用分阈值；

生成包含所述第一信用分阈值的信用服务租赁评估模型，所述信用服务租赁评估模型用于根据所述第一信用分阈值确定用户的服务等级，所述服务等级包括：押金全免等级及非押金全免等级。

在一些实施例中，模型训练模块1405还用于：

设置至少一个第二信用分阈值；其中，所述第二信用分阈值小于所述第一信用分阈值，且所述第一信用分阈值对应的所述差值与所述第二信用分阈值对应的所述差值满足第二设定条件；

所述信用服务租赁评估模型还包括所述第二信用分阈值，所述信用服务租赁评估模型还用于基于所述第二信用分阈值对所述非押金全免等级进行划分，所述非押金全免等级包括：至少一个押金部分免除等级。

在一些实施例中，模型训练模块1405还用于：

基于所述第二预测模型对第三样本集数据进行预测，得到所述第三样本集数据中各用户的租赁服务违约概率和违约损失金额；其中，所述第三样本集数据包括：存在租赁服务违约行为的历史用户的样本数据；

统计所述第三样本集数据中各用户的违约指标的分布，其中，所述违约指标基于用户的租赁服务违约概率、违约损失金额和样本数据中违约记录信息确定，所述样本数据的历史租赁数据包括所述违约记录信息；

基于违约指标的分布确定用于识别恶意违约行为的违约指标阈值；

所述信用服务租赁评估模型还用于基于所述违约指标阈值将用户的服务等级调整为禁止提供所述租赁服务的等级。

在一些实施例中，信用租赁应用模块1403具体用于执行以下之一：

所述用户的信用分大于或等于第一信用分阈值，确定所述用户的服务等级为押金全免等级；

所述用户的信用分小于所述第一信用分阈值且大于或者等于第二信用分阈值，确定所述用户的服务等级为押金部分免除等级；

所述用户的信用分小于所述第二信用分阈值，确定所述用户的服务等级为押金全额等级。

在一些实施例中，信用租赁应用模块1403还用于：

确定所述用户存在租赁服务违约行为，基于所述信用服务租赁评估模型确定所述用户的违约指标；

确定所述用户的违约指标大于或者等于违约指标阈值，将所述用户的服务等级调整为禁止提供所述租赁服务的等级。

在一些实施例中，借出管理模块1404具体用于执行以下之一：

所述用户的服务等级为押金全免等级，获取所述用户的指定的物品并输出；

所述用户的服务等级为押金部分免除等级，确定收取相应押金后，获取所述用户的指定的物品并输出；

所述用户的服务等级为押金不免除等级，确定收取全额的押金后，获取所述用户的指定的物品并输出；

所述用户的服务等级为禁止提供所述租赁服务的等级，输出提示信息以告知所述用户。

在一些实施例中，租赁装置还包括：归还管理模块1406，具体用于：

接收物品归还请求；

识别所述物品的标识信息；

基于图像识别检测所述物品的质量；

基于所述物品的质量和所述物品的归还时间，执行物品归还操作。

在一些实施例中，租赁装置还包括：行为反馈模块1407，具体用于：

基于所述物品归还操作生成租赁数据，发送所述租赁数据给模型训练模块1405，和/或，发送所述租赁数据给信用分服务器。

在一些实施例中，所述归还管理模块1406还用于：

获取所述物品在多个表面上的图像数据；

对获取各表面的图像数据与预置的所述物体的样本图像进行匹配，确定各表面的损坏程度值；

基于各表面的损坏程度值确定所述物品的最终损坏程度值。

在一些实施例中，所述身份认证模块1401具体用于：

获取请求租赁服务的用户的生物特征信息，基于所述生物特征信息确定所述用户的身份信息。

实际应用时，身份识别模块1401、信用分查询模块1402、信用租赁应用模块1403、借出管理模块1404、模型训练模块1405、归还管理模块1406、行为反馈模块1407，可以由租赁装置中的处理器来实现。当然，处理器需要运行存储器中的计算机程序来实现它的功能。

需要说明的是：上述实施例提供的租赁装置在进行租赁时，仅以上述各程序模块的划分进行举例说明，实际应用中，可以根据需要而将上述处理分配由不同的程序模块完成，即将装置的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分处理。另外，上述实施例提供的租赁装置与租赁方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

图15示出了本发明一应用实施例租赁装置的结构示意图，如图15所示，该应用实施例中，租赁装置包括：信用服务模块151、租赁服务管理模块152。其中，信用服务模块151包括:信用分查询单元1511、信用租赁模型训练单元1512、信用租赁应用单元1513、用户行为反馈单元1514；租赁服务管理模块152包括：租赁任务管理单元1521、物品管理单元1522、支付管理单元1523。

其中，信用分查询单元1511对应于上述的信用分查询模块1402，用于与信用分服务器153进行交互，在获取用户的身份信息后，根据用户的身份信息查询用户的信用分，并将用户的身份信息和信用分输出给信用租赁应用单元1513。

信用租赁模型训练单元1512对应于上述的模型训练模块1405，用于基于用户的样本数据，通过机器学习进行模型训练，得到信用服务租赁评估模型，用于评估用户的服务等级。

信用租赁应用单元1513对应于上述的信用租赁应用模块1403，用于基于信用租赁模型训练单元1512训练得到的信用服务租赁评估模型和信用分查询单元1511输出的用户的信用分，评估用户的服务等级，并将用户的服务等级输出给租赁服务管理模块152中的租赁任务管理单元1521。

这里，租赁服务管理模块152具有上述借出管理模块1404和归还管理模块1406的功能。其中，租赁任务管理单元1521用于新建租赁任务、查询租赁任务、更新租赁任务状态等。具体地，租赁任务管理单元1521可以根据信用租赁应用单元1513输出的用户的服务等级，新建该用户对应的租赁任务。还可以在物品归还时，根据发起归还申请的用户ID查询租赁任务，并根据归还行为更新租赁任务状态。

物品管理单元1522的主要功能包括：物品资产管理、物品匹配、物品出入操作、物品质量检测等。

这里，物品资产信息包括但不限于：物品ID、物品类别、物品租赁单价、物品货架位置、物品租赁状态(入库、借出)、物品租赁押金支付状态(已付押金、免押金)、物品订单笔数、物品订单收入金额、物品质量状态(正常、磨损、损坏)、物品特点介绍、物品图片等信息。其中，物品ID标识建立方法可采用在租赁物品上粘贴条形码、二维码、文字、或者数字标号等方法。

物品匹配可采用类别匹配、位置匹配、名称匹配、ID匹配等方法。借出过程中用户可选择获取指定类别的物品、指定位置的物品、指定图片的物品、指定名称的物品(如书籍名称)、指定编号的物品等。归还过程中，租赁平台通过智能识别技术进行物品ID匹配。物品识别技术可采用条形码、二维码、图像OCR标号识别等方法中的一种或者多种方法，提高物品识别的可靠性。

物品出入操作可采用磁力锁、传送带、机械自动化等技术。

物品质量检测方法可以基于图像识别技术的自动检测模块，物品检测盘采用可旋转角度的透明转盘，在检测容器内多个方向安装摄像头(如六面体容器内安装六个摄像头)，分别拍摄物品的不同方向的图像，以此检测不同面上的损害程度，最后综合评估得到损害程度。

支付管理单元1523的主要功能包括：租赁费用规则管理、租赁费用查询、租赁费用计算等。

根据借出与归还管理流程，支付管理单元1523可以包括以下三个支付环节：

第一、用户若不是完全免押金等级，需要在借出申请阶段支付部分押金；

第二、用户在归还时，根据租赁使用时长等因素结算的租赁费用的支付；

第三、根据物品的质量检测和损坏程度，退还给用户押金或用户支付赔偿金。

支付管理单元1523可以设置为可将用户账户关联快捷支付等应用，并支持人脸认证进行支付结算。

这里，用户行为反馈单元1514对应上述的行为反馈模块1407。用户行为反馈单元1514接收物品管理单元1522和支付管理单元1523的处理结果，生成租赁数据，并将租赁数据反馈给信用服务模块151中的信用租赁模型训练单元1512、信用分服务器152，形成服务与信用评估闭环。

基于上述程序模块的硬件实现，且为了实现本发明实施例的方法，本发明实施例还提供一种租赁平台。图16仅仅示出了该租赁平台的示例性结构而非全部结构，根据需要可以实施图16示出的部分结构或全部结构。

如图16所示，本发明实施例提供的租赁平台1600包括：至少一个处理器1601、存储器1602、用户接口1603和至少一个网络接口1604。租赁平台1600中的各个组件通过总线系统1605耦合在一起。可以理解，总线系统1605用于实现这些组件之间的连接通信。总线系统1605除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图16中将各种总线都标为总线系统1605。

其中，用户接口1603可以包括显示器、键盘、鼠标、轨迹球、点击轮、按键、按钮、触感板或者触摸屏等。

本发明实施例中的存储器1602用于存储各种类型的数据以支持租赁平台的操作。这些数据的示例包括：用于在租赁平台上操作的任何计算机程序。

本发明实施例揭示的租赁方法可以应用于处理器1601中，或者由处理器1601实现。处理器1601可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，租赁方法的各步骤可以通过处理器1601中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器1601可以是通用处理器、数字信号处理器(DSP，Digital Signal Processor)，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器1601可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本发明实施例所公开的方法的步骤，可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中，该存储介质位于存储器1602，处理器1601读取存储器1602中的信息，结合其硬件完成本发明实施例提供的租赁方法的步骤。

在示例性实施例中，租赁平台可以被一个或多个应用专用集成电路(ASIC，Application Specific Integrated Circuit)、DSP、可编程逻辑器件(PLD，ProgrammableLogic Device)、复杂可编程逻辑器件(CPLD，Complex Programmable Logic Device)、FPGA、通用处理器、控制器、微控制器(MCU，Micro Controller Unit)、微处理器(Microprocessor)、或者其他电子元件实现，用于执行前述方法。

可以理解，存储器1602可以是易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(ROM，Read OnlyMemory)、可编程只读存储器(PROM，Programmable Read-Only Memory)、可擦除可编程只读存储器(EPROM，Erasable Programmable Read-Only Memory)、电可擦除可编程只读存储器(EEPROM，Electrically Erasable Programmable Read-Only Memory)、磁性随机存取存储器(FRAM，ferromagnetic random access memory)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(CD-ROM，Compact Disc Read-Only Memory)；磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器(RAM，Random AccessMemory)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(SRAM，Static Random Access Memory)、同步静态随机存取存储器(SSRAM，Synchronous Static Random Access Memory)、动态随机存取存储器(DRAM，Dynamic Random Access Memory)、同步动态随机存取存储器(SDRAM，SynchronousDynamic Random Access Memory)、双倍数据速率同步动态随机存取存储器(DDRSDRAM，Double Data Rate Synchronous Dynamic Random Access Memory)、增强型同步动态随机存取存储器(ESDRAM，Enhanced Synchronous Dynamic Random Access Memory)、同步连接动态随机存取存储器(SLDRAM，SyncLink Dynamic Random Access Memory)、直接内存总线随机存取存储器(DRRAM，Direct Rambus Random Access Memory)。本发明实施例描述的存储器旨在包括但不限于这些和任意其它适合类型的存储器。

在示例性实施例中，本发明实施例还提供了一种存储介质，即计算机存储介质，具体可以是计算机可读存储介质，例如包括存储计算机程序的存储器1602，上述计算机程序可由租赁平台的处理器1601执行，以完成本发明实施例方法所述的步骤。计算机可读存储介质可以是ROM、PROM、EPROM、EEPROM、Flash Memory、磁表面存储器、光盘、或CD-ROM等存储器。

需要说明的是：“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。

另外，本发明实施例所记载的技术方案之间，在不冲突的情况下，可以任意组合。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。