一种金融资金风险判定方法及装置

摘要

本申请公开一种金融资金风险判定方法及装置，可应用于数据处理的技术领域，该方法包括：本申请中获取人员数据和设备工作状态数据；根据人员数据，基于预设的训练模型，对人员动作进行评分，获得第一分值；根据设备工作状态数据，对设备工作状态进行评分，获得第二分值；将第一分值和第二分值输入预设的第一计算公式，获得第一风险判定值；响应于第一风险判定值大于第一风险阈值，判定金融资金存在风险。本申请中可以通过对获取的人员数据和设备工作状态数据进行打分，可以确定人员是否在工作，设备是否处于工作状态，进而确定风险判定值，当确定风险判定值大于阈值，可以判定金融资金存在风险，这样就可以提高金融资金风险判定的准确率。

说明书

技术领域

本申请涉及数据处理的技术领域，特别是涉及一种金融资金风险判定方法。

背景技术

近年来，随着社会经济的发展，许多重大工程项目建设得以实施，例如煤炭建设、电力建设、铁道建设、公路建设、民生项目建设等。在项目建设中建筑方可能需要向银行等金融机构贷款，以解决项目资金不足的问题。银行等金融机构为降低金融机构的不良贷款率，确保贷款等金融资金确实被工地的施工方、建设方、造价方用到了项目建设上，需要对贷款等金融资金进行监控，以判定金融资金是否存在风险。

目前，金融机构对贷款等金融资金是否存在风险的判定，主要依靠人工的方式，人工去建筑工地，通过核算账目、暗地调查、探访等方式进行金融资金风险判定，这种人工对金融资金风险判定的手段，需要依靠人工核对，费时费力，需要浪费大量人力成本，并且人容易受主观或者外界因素影响，从而导致对金融资金风险判定的准确率低。

因此，如何提高对金融资金风险判定的准确率，节省人力成本是本领域急需解决的技术问题。

发明内容

基于上述问题，本申请提供了一种测试数据生成方法及装置，以在造测试数据的过程中节约大量人力，避免人力资源的浪费。本申请实施例公开了如下技术方案。

第一方面，本申请提供一种金融资金风险判定方法，其特征在于，包括：

获取人员数据和设备工作状态数据；

根据所述人员数据，基于预设的训练模型，对人员动作进行评分，获得第一分值；

根据所述设备工作状态数据，对设备工作状态进行评分，获得第二分值；

将所述第一分值和所述第二分值输入预设的第一计算公式，获得第一风险判定值；

响应于所述第一风险判定值大于第一风险阈值，判定金融资金存在风险。

可选的，所述人员数据包括人员图像数据和人员视频数据，所述根据所述人员数据，基于预设的训练模型，对人员动作进行评分，获得第一分值，包括：

根据所述人员图像数据和所述人员视频数据，确定所述人员动作；

根据所述预设的训练模型中的人员动作对所述人员动作进行评分，获得所述第一分值。

可选的，所述方法还包括：

确定所述第一分值的权重和所述第二分值的权重；

根据所述第一分值的权重和所述第二分值的权重，将所述第一分值和所述第二分值输入预设的第二计算公式，获得所述第二风险判定值。

响应于所述第二风险判定值大于第二风险阈值，判定金融资金存在风险。

可选的，在所述判定金融资金存在风险之后，所述方法还包括：

发出风险预警提示信息。

可选的，在所述判定金融资金存在风险之后，所述方法还包括：

获取所述金融资金对应的用户信用等级；

更新所述用户信用等级。

第二方面，本申请提供一种金融资金风险判定装置，其特征在于，包括：

第一获取单元，用于获取人员数据和设备工作状态数据；

第一评分单元，用于根据所述人员数据，基于预设的训练模型，对人员动作进行评分，获得第一分值；

第二评分单元，用于根据所述设备工作状态数据，对设备工作状态进行评分，获得第二分值；

第一输入单元，用于将所述第一分值和所述第二分值输入预设的第一计算公式，获得第一风险判定值；

第一判定单元，用于响应于所述第一风险判定值大于第一风险阈值，判定金融资金存在风险。

可选的，所述人员数据包括人员图像数据和人员视频数据，所述第一评分单元，具体用于：

根据所述人员图像数据和所述人员视频数据，确定所述人员动作；

根据所述预设的训练模型中的人员动作对所述人员动作进行评分，获得所述第一分值。

可选的，所述装置还包括：

确定单元，用于确定所述第一分值的权重和所述第二分值的权重；

第二输入单元，用于根据所述第一分值的权重和所述第二分值的权重，将所述第一分值和所述第二分值输入预设的第二计算公式，获得所述第二风险判定值。

第二判定单元，用于响应于所述第二风险判定值大于第二风险阈值，判定金融资金存在风险。

可选的，所述装置还包括：

发出单元，用于发出风险预警提示信息。

可选的，所述装置还包括：

获取单元，用于获取所述金融资金对应的用户信用等级；

更新单元，用于更新所述用户信用等级。

第三方面，本申请实施例提供了一种设备，所述设备包括存储器和处理器，所述存储器用于存储指令或代码，所述处理器用于执行所述指令或代码，以使所述设备执行前述第一方面任一项所述的方法。

第四方面，本申请实施例提供了一种计算机存储介质，所述计算机存储介质中存储有代码，当所述代码被运行时，运行所述代码的设备实现前述第一方面任一项所述方法。

相较于现有技术，本申请具有以下有益效果：

本申请中获取人员数据和设备工作状态数据；根据所述人员数据，基于预设的训练模型，对人员动作进行评分，获得第一分值；根据所述设备工作状态数据，对所述设备工作状态进行评分，获得第二分值；将所述第一分值和所述第二分值输入预设的第一计算公式，获得第一风险判定值；响应于所述第一风险判定值大于第一风险阈值，判定金融资金存在风险。本申请中可以通过对获取的人员数据和设备工作状态数据进行打分，可以确定人员是否在工作，设备是否处于工作状态，进而确定风险判定值，当确定风险判定值大于阈值，可以判定金融资金存在风险，这样就解决现有技术中依靠人工核对，费时费力，需要浪费大量人力成本，并且人容易受主观或者外界因素影响，从而导致对金融资金风险判定的准确率低的问题。

附图说明

为更清楚地说明本实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种金融资金风险判定方法流程图；

图2为本申请实施例提供的另一种金融资金风险判定方法流程图；

图3为本申请实施例提供的一种金融资金风险判定装置的一种具体的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下，所获得的所有其他实施例，都属于本申请保护范围。

需要说明的是，本申请提供的一种金融资金风险判定方法及装置，用于数据处理领域，上述仅为示例，并不对本申请提供的方法及装置名称的应用。

近年来，随着社会经济的发展，许多重大工程项目建设得以实施，例如煤炭建设、电力建设、铁道建设、公路建设、民生项目建设等。在项目建设中建筑方可能需要向银行等金融机构贷款，以解决项目资金不足的问题。银行等金融机构为降低金融机构的不良贷款率，确保贷款等金融资金确实被工地的施工方、建设方、造价方用到了项目建设上，需要对贷款等金融资金进行监控，以判定金融资金是否存在风险。

目前，金融机构对贷款等金融资金是否存在风险的判定，主要依靠人工的方式，人工去建筑工地，通过核算账目、暗地调查、探访等方式进行金融资金风险判定，这种人工对金融资金风险判定的手段，需要依靠人工核对，费时费力，需要浪费大量人力成本，并且人容易受主观或者外界因素影响，从而导致对金融资金风险判定的准确率低。

本申请中可以通过对获取的人员数据和设备工作状态数据进行打分，可以确定人员是否在工作，设备是否处于工作状态，进而确定风险判定值，当确定风险判定值大于阈值，可以判定金融资金存在风险，这样就解决现有技术中依靠人工核对，费时费力，需要浪费大量人力成本，并且人容易受主观或者外界因素影响，从而导致对金融资金风险判定的准确率低的问题。

本申请实施例提供的方法可以在终端设备上的系统软件执行，所述终端设备可以是计算机，所述软件可以是有计算功能的控制器上的系统软件。

为了使本技术领域的人员更好地理解本申请方案，下面结合附图和具体实施方式对本申请作进一步的详细说明。下面以本申请实施例提供的方法由第一设备执行为例进行说明。

图1为本申请实施例提供的一种金融资金风险判定方法流程图，如图1所示，该方法包括：

S101：获取人员数据和设备工作状态数据。

第一设备获取人员数据和设备工作状态数据。其中，人员数据可以包括人员开工数据和人员动作数据。

进一步解释，人员开工数据也可以叫人员开工时长数据。比如说获取人员进入工地的时间和走出工地的时间，根据两个时间的时间差值，就可以获取人员开工时间数据。人员动作数据指的是对人员的动作进行监控所产生的数据，可以是图片数据也可是视频数据。

设备工作状态数据可以包括设备位置数据、设备工作情况数据、设备拆解数据。比如说，第一设备首先可以获取设备位置数据，从而获取设备的位置，然后可以根据获取的设备工作情况数据查看设备是否在正常运转工作，根据设备拆解数据查看设备是否被拆解。

S102：根据所述人员数据，基于预设的训练模型，对人员动作进行评分，获得第一分值。

第一设备在获取人员数据之后，可以根据人员数据，基于预设的训练模型，对人员动作进行评分，获得第一分值。

具体的，可以预先建立人员动作模型，人员动作模型里可以包括多张人员动作图片，之后可以用获取的人员数据中的人员动作图片和预先建立的人员动作模型中的人员动作图片进行比对，可以比对获取的人员动作图片和预先建立的人员动作模型中的人员动作图片的相似程度，从而可以根据对比结果对人员动作进行评分，获取第一分值，以判定是否合规。

S103：根据所述设备工作状态数据，对所述设备工作状态进行评分，获得第二分值。

第一设备可以根据获取的设备工作状态数据，对设备的工作状态进行评分，获得第二分值。

具体的，可以根据获取的设备工作状态数据查看设备是否被拆解，设备是否在正常运转工作等，从而可以根据设备的工作状态对数据，对设备的工作状态进行评分，获得第二分值。

S104：将所述第一分值和所述第二分值输入预设的第一计算公式，获得第一风险判定值。

第一设备在获得第一分值和第二分值之后可以将第一分值和第二分值输入预设的第一计算公式，其中，第一计算公式可以是第一分值和第二分值相加，比如说第一分值为60，第二分值为70，第一计算公式就可以为第一分值加第二分值，经过计算获得第一风险判定值。

S105：响应于所述第一风险判定值大于第一风险阈值，判定金融资金存在风险。

第一设备在获得第一风险判定值之后，比较第一风险判定值和第一风险阈值的大小，当确定第一风险判定值大于第一风险阈值，可以判定金融资金存在风险。

本申请中获取人员数据和设备工作状态数据；根据所述人员数据，基于预设的训练模型，对人员动作进行评分，获得第一分值；根据所述设备工作状态数据，对所述设备工作状态进行评分，获得第二分值；将所述第一分值和所述第二分值输入预设的第一计算公式，获得第一风险判定值；响应于所述第一风险判定值大于第一风险阈值，判定金融资金存在风险。本申请中可以通过对获取的人员数据和设备工作状态数据进行打分，可以确定人员是否在工作，设备是否处于工作状态，进而确定风险判定值，当确定风险判定值大于阈值，可以判定金融资金存在风险，这样就解决现有技术中依靠人工核对，费时费力，需要浪费大量人力成本，并且人容易受主观或者外界因素影响，从而导致对金融资金风险判定的准确率低的问题。

在上述实施例的基础上，本申请还可以在所述判定金融资金存在风险之后，获取所述金融资金对应的用户信用等级；更新所述用户信用等级。

具体的，通过对数据的分析，判定金融资金存在风险之后，可以获取金融资金对应的用户信用等级，例如用户的信用等级为二级，可以贷款30万元，为了控制风险，可以降低用户的信用等级，把用户当前信用等级更新为降低之后的用户信用等级。

相应的，响应于所述第一风险判定值小于第一风险阈值，判定金融资金不存在风险，也可以在判定金融资金不存在风险之后，进一步提升用户的信用等级。

本申请这一实施例与上述实施例不同之处在于，在所述判定金融资金存在风险之后，增加了获取所述金融资金对应的用户信用等级；更新所述用户信用等级的步骤，其余步骤相同，在此不做多余叙述。

图2为本申请实施例提供的另一种金融资金风降低后的用户信用等级更新为

险判定方法流程图；如图2所示，该方法包括：

S201：获取人员数据和设备工作状态数据。

S202：根据所述人员数据，基于预设的训练模型，对人员动作进行评分，获得第一分值。

S203：根据所述设备工作状态数据，对所述设备工作状态进行评分，获得第二分值。

S204：确定所述第一分值的权重和所述第二分值的权重。

为了使判定的结果更准确，可以设置第一分值的权重和第二分值的权重。

需要解释的是，权重指某一因素或指标相对于某一事物的重要程度。这里的权重可以指的是第一分值和第二分值对计算获得的第二风险判定值的影响程度。

S205：根据所述第一分值的权重和所述第二分值的权重，将所述第一分值和所述第二分值输入预设的第二计算公式，获得所述第二风险判定值。

第一设备可以根据第一分值的权重和第二分值的权重，将第一分值和所述第二分值输入预设的第二计算公式，获得所述第二风险判定值。

具体的，第二计算公式可以是第一分值和第一分值的乘积加第二分值和第二分值的乘积。例如，第一分值为60分，第一分值的权重为60％，第二分值为70分，第二分值的权重为40％，根据第二计算公式，就可以是60乘60％加70乘40％，获得第二风险判定值。

S206：响应于所述第二风险判定值大于第二风险阈值，判定金融资金存在风险。

第一设备比较第二风险判定值与第二风险阈值的大小关系，当确定第二风险判定值大于第二风险阈值，可以判定金融资金存在风险。

S207：发出风险预警提示信息。

第一设备在判断金融自己存在风险之后，可以发出风险预警提示信息。

以上为本申请实施例提供的金融资金风险判定方法的一些具体实现方式，基于此，本申请还提供了对应的装置。下面将从功能模块化的角度对本申请实施例提供的装置进行介绍，该装置与上文描述的金融资金风险判定方法可相互对应参照。

图3为本申请实施例提供的一种金融资金风险判定装置的一种具体的结构示意图。如图所示，该装置包括：

第一获取单元300，用于获取人员数据和设备工作状态数据；

第一评分单元310，用于根据所述人员数据，基于预设的训练模型，对人员动作进行评分，获得第一分值；

第二评分单元320，用于根据所述设备工作状态数据，对所述设备工作状态进行评分，获得第二分值；

第一输入单元330，用于将所述第一分值和所述第二分值输入预设的第一计算公式，获得第一风险判定值；

第一判定单元340，用于响应于所述第一风险判定值大于第一风险阈值，判定金融资金存在风险。

可选的，所述人员数据包括人员图像数据和人员视频数据，所述第一评分单元，具体用于：

根据所述人员图像数据和所述人员视频数据，确定所述人员动作；

根据所述预设的训练模型中的人员动作对所述人员动作进行评分，获得所述第一分值。

可选的，所述装置还包括：

确定单元，用于确定所述第一分值的权重和所述第二分值的权重；

第二输入单元，用于根据所述第一分值的权重和所述第二分值的权重，将所述第一分值和所述第二分值输入预设的第二计算公式，获得所述第二风险判定值。

第二判定单元，用于响应于所述第二风险判定值大于第二风险阈值，判定金融资金存在风险。

可选的，所述装置还包括：

发出单元，用于发出风险预警提示信息。

可选的，所述装置还包括：

获取单元，用于获取所述金融资金对应的用户信用等级；

更新单元，用于更新所述用户信用等级。

本申请装置中第一获取单元300获取人员数据和设备工作状态数据；第一评分单元310根据所述人员数据，基于预设的训练模型，对人员动作进行评分，获得第一分值；第二评分单元320根据所述设备工作状态数据，对所述设备工作状态进行评分，获得第二分值；第一输入单元330将所述第一分值和所述第二分值输入预设的第一计算公式，获得第一风险判定值；第一判定单元340响应于所述第一风险判定值大于第一风险阈值，判定金融资金存在风险。本申请中可以通过对获取的人员数据和设备工作状态数据进行打分，可以确定人员是否在工作，设备是否处于工作状态，进而确定风险判定值，当确定风险判定值大于阈值，可以判定金融资金存在风险，这样就解决现有技术中依靠人工核对，费时费力，需要浪费大量人力成本，并且人容易受主观或者外界因素影响，从而导致对金融资金风险判定的准确率低的问题。

本申请实施例还提供了对应的设备以及计算机存储介质，用于实现本申请实施例提供的方案。

其中，所述设备包括存储器和处理器，所述存储器用于存储指令或代码，所述处理器用于执行所述指令或代码，以使所述设备执行本申请任一实施例所述的方法。

所述计算机存储介质中存储有代码，当所述代码被运行时，运行所述代码的设备实现本申请任一实施例所述的车辆装载量确定方法。

本申请实施例中提到的“第一”、“第二”(若存在)等名称中的“第一”、“第二”只是用来做名字标识，并不代表顺序上的第一、第二。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到上述实施例方法中的全部或部分步骤可借助软件加通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如只读存储器(英文：read-only memory，ROM)/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者诸如路由器等网络通信设备)执行本申请各个实施例或者实施例的某些部分所述车辆装载量确定方法。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述仅是本申请示例性的实施方式，并非用于限定本申请的保护范围。