個(gè)人征信報(bào)告OCR識(shí)別方案.doc

個(gè)人征信報(bào)告OCR識(shí)別方案北京譯圖智訊科技有限公司目錄一、產(chǎn)品背景31.業(yè)務(wù)需求32.數(shù)據(jù)獲取方案4二、解決方案51.方案工作流程說明如下52.方案技術(shù)特點(diǎn)6三、技術(shù)說明7一、 產(chǎn)品背景1. 業(yè)務(wù)需求個(gè)人征信報(bào)告是反應(yīng)個(gè)人信用最真實(shí)、直觀的材料，通過評(píng)估個(gè)人的信用情況，從而給予信用貸款是國內(nèi)金融信貸機(jī)構(gòu)通行的做法。目前個(gè)人征信報(bào)告都是從人民銀行征信中心獲取打印的，個(gè)人征信數(shù)據(jù)屬于個(gè)人隱私信息，不能對金融信貸機(jī)構(gòu)開放，因此，信貸機(jī)構(gòu)從人民銀行征信中心獲取個(gè)人信用數(shù)據(jù)是比較困難的，必須通過央行的牌照申請?；谝陨锨闆r，現(xiàn)行個(gè)人信用貸款的業(yè)務(wù)模式是：個(gè)人從人民銀行征信官網(wǎng)查詢打印本人的征信報(bào)告，提交紙質(zhì)材料或者掃描影像件給信貸機(jī)構(gòu)，信貸機(jī)構(gòu)將信用數(shù)據(jù)錄入到各自的風(fēng)控模型中，進(jìn)而對申請人給予評(píng)級(jí)和相應(yīng)額的的貸款。信貸機(jī)構(gòu)在實(shí)際業(yè)務(wù)中遇到如下的問題：1) 貸款審批流程時(shí)間長，容易錯(cuò)過意向客戶：由于個(gè)人征信報(bào)告數(shù)量大，而目前的風(fēng)控系統(tǒng)都需要手工錄入個(gè)人信用的數(shù)據(jù)，因此在數(shù)據(jù)錄入環(huán)節(jié)，手工方式效率低下，阻礙了信用的快速評(píng)估。因此，數(shù)據(jù)從紙質(zhì)信用報(bào)告轉(zhuǎn)化到風(fēng)控系統(tǒng)中的電子數(shù)據(jù)，是效率關(guān)鍵所在。2) 信用數(shù)據(jù)評(píng)估不精確，不全面，隱含風(fēng)險(xiǎn)：由于信用報(bào)告數(shù)據(jù)量大，信貸業(yè)務(wù)部門又希望能快速放款，所以對風(fēng)控?cái)?shù)據(jù)評(píng)估勢必存在疏漏和主觀判斷。出現(xiàn)這種情況還是因?yàn)?，信用?shù)據(jù)的獲取和錄入耗費(fèi)時(shí)間。信用數(shù)據(jù)評(píng)估的不精確，對信貸業(yè)務(wù)會(huì)留下潛在的風(fēng)險(xiǎn)，影響貸款決策。以上是從影響信貸審批效率的一個(gè)方面分析的，不難看出，如果提高個(gè)人征信報(bào)告數(shù)據(jù)采集的效率將提升整個(gè)信貸活動(dòng)的效率，提升信貸部門的作業(yè)效率，提升客戶的體驗(yàn)度，從而獲取更多的信貸客戶。2. 數(shù)據(jù)獲取方案從實(shí)際情況出發(fā)，目前獲取個(gè)人征信報(bào)告的途徑有三種，簡要說明如下：1) 直接對接人民銀行的征信系統(tǒng)：目前央行只授權(quán)了8家征信企業(yè)可以獲得個(gè)人征信牌照，意味著更多的信貸機(jī)構(gòu)無法直接從官方拿到信用數(shù)據(jù)，如果從已授權(quán)的8家征信企業(yè)購買信用數(shù)據(jù)，即使有非公開渠道，在法律上應(yīng)該也是禁止的，風(fēng)險(xiǎn)較大；2) 從人民銀行查詢征信的網(wǎng)頁結(jié)果中解析征信數(shù)據(jù)：此方法屬于技術(shù)手段，存在數(shù)據(jù)被篡改、數(shù)據(jù)不可信的問題；3) 通過征信中心，查詢并打印個(gè)人的征信報(bào)告：此方法由于是官方提供了查詢打印平臺(tái)，所以對消費(fèi)者來說，最便捷，數(shù)據(jù)也最可信。缺點(diǎn)是貸款人提交的征信報(bào)告是紙質(zhì)版，需要將數(shù)據(jù)錄入到風(fēng)控系統(tǒng)中，數(shù)據(jù)采集工作量較大。對比以上三種方式，信貸機(jī)構(gòu)都選擇了第三種，即由貸款人提交個(gè)人征信報(bào)告，提交方式為征信報(bào)告掃描件，大額貸款還需要本人帶上征信報(bào)告面簽。在第三種方式中，錄入信用數(shù)據(jù)到風(fēng)控系統(tǒng)中是必須的，如何提高數(shù)據(jù)采集的效率是提升信貸業(yè)務(wù)效率的關(guān)鍵所在。在經(jīng)過多個(gè)項(xiàng)目的考察和探索、實(shí)踐，我們研發(fā)出一套依托于OCR（光學(xué)字符識(shí)別）技術(shù)快速采集個(gè)人征信報(bào)告數(shù)據(jù)的解決方案，從而為信貸機(jī)構(gòu)提供高可靠性的信用數(shù)據(jù)。二、 解決方案1. 方案工作流程說明如下OCR（光學(xué)字符識(shí)別）技術(shù)，是通過圖像處理技術(shù)手段，將圖像（影像）上的文字、表格、圖像轉(zhuǎn)化為電子版的數(shù)據(jù)，通過計(jì)算機(jī)程序，快速實(shí)現(xiàn)數(shù)據(jù)信息的采集。個(gè)人征信報(bào)告中，存在大量的數(shù)據(jù)需要手工錄入，使用OCR技術(shù)將極大提高數(shù)據(jù)采集的效率和準(zhǔn)確度。解決方案流程如下圖所示：導(dǎo)出Excel/csv格式 掃描征信報(bào)告（圖像存儲(chǔ)）OCR自動(dòng)分析識(shí)別表格分析識(shí)別文字分析識(shí)別識(shí)別結(jié)果校驗(yàn)和匯總A風(fēng) 控 系 統(tǒng)數(shù)據(jù)轉(zhuǎn)換協(xié)議OCR自動(dòng)識(shí)別系統(tǒng) ：客戶面簽時(shí)，業(yè)務(wù)人員將客戶的征信報(bào)告掃描為圖像資料，掃描要求為300DPI（分辨率）； ：業(yè)務(wù)人員將掃描的圖像按順序?qū)隣CR自動(dòng)識(shí)別軟件中，軟件開始自動(dòng)分析圖像特征和數(shù)據(jù)； 表格分析識(shí)別/文字分析識(shí)別：通過版面分析、表格分析、文字分析，識(shí)別出征信報(bào)告的表格部分、文字部分。表格分析，檢測所有的表格線，并組織成單元格結(jié)構(gòu)，為之后的還原提供數(shù)據(jù)支撐；文字分析，對非表格部分，進(jìn)行分析并識(shí)別。 識(shí)別結(jié)果校驗(yàn)和匯總：表格中，存在多種文字類型和數(shù)據(jù)格式，通過識(shí)別后分析判斷，進(jìn)行二次識(shí)別，以提高識(shí)別精度。 導(dǎo)出Excel/csv格式：對表格分析識(shí)別、文字分析識(shí)別的結(jié)果進(jìn)行組織和導(dǎo)出，按照原表格樣式進(jìn)行原版書還原。A風(fēng)控系統(tǒng)：在風(fēng)控系統(tǒng)和OCR識(shí)別系統(tǒng)之間，通過Excel/csv方式進(jìn)行數(shù)據(jù)交互。風(fēng)控系統(tǒng)不需要改造即可使用OCR自動(dòng)識(shí)別出來的數(shù)據(jù)。2. 方案技術(shù)特點(diǎn)1） 速度快：OCR的特點(diǎn)為速度快，識(shí)別一張征信報(bào)告平均耗時(shí)5秒，以一份征信報(bào)告6頁計(jì)算，識(shí)別一份征信報(bào)告需要30秒的時(shí)間，風(fēng)控系統(tǒng)可以導(dǎo)入Excel數(shù)據(jù)，那么在30秒內(nèi)，風(fēng)控系統(tǒng)就可以獲得個(gè)人征信報(bào)告的數(shù)據(jù)，對比人工錄入，完全錄入一份報(bào)告的數(shù)據(jù)，可能需要30分鐘。2） 數(shù)據(jù)詳細(xì)：采用OCR識(shí)別方式，將獲得申請人所有詳細(xì)的信用數(shù)據(jù)；3） 數(shù)據(jù)精度高：有數(shù)據(jù)表明，OCR技術(shù)識(shí)別率比人工錄入的精度要高，計(jì)算機(jī)作業(yè)不受環(huán)境、作業(yè)疲勞的影響，保證高精度；4） 表格原版式還原：傳統(tǒng)的OCR文字識(shí)別軟件只能處理全幅文字的識(shí)別，處理簡單表格結(jié)構(gòu)的識(shí)別，且有些OCR軟件還需要制作識(shí)別模板才能識(shí)別，不能滿足征信報(bào)告如此復(fù)雜的表格的識(shí)別。在本方案中，實(shí)現(xiàn)了表格自動(dòng)檢測自動(dòng)識(shí)別的功能，且經(jīng)過實(shí)際測試應(yīng)用，表格檢測的準(zhǔn)確率高達(dá)99%。因?yàn)楸砀窬€檢測精度高，才可以實(shí)現(xiàn)表格原版式還原，還原出一個(gè)邏輯結(jié)構(gòu)和征信報(bào)告一樣的表格。三、 技術(shù)說明在個(gè)人征信報(bào)告OCR識(shí)別方案中，實(shí)現(xiàn)了多個(gè)技術(shù)點(diǎn)的突破，正是因?yàn)檫@些技術(shù)點(diǎn)的突破，使自動(dòng)識(shí)別個(gè)人征信報(bào)告成為可能。關(guān)鍵技術(shù)說明如下：1. 圖像表格線檢測技術(shù)：傳統(tǒng)的圖像處理技術(shù)只能檢測固定長度、寬度的表格線，因此檢測技術(shù)應(yīng)用受到局限，適應(yīng)性差。在個(gè)人征信報(bào)告中、長線、短線、粗線、細(xì)線相差非常大，甚至有和文字一樣高度的豎線，經(jīng)我們優(yōu)化后的檢線算法，適應(yīng)性大大提高，能很好地檢測征信報(bào)告中表格線。檢測表格線的性能，直接決定了之后分析識(shí)別的效果。2. 圖像表格線重構(gòu)技術(shù)：將檢測到的表格線重新組織成一個(gè)虛擬的表格結(jié)構(gòu)，涉及到框線補(bǔ)齊、去除干擾框線等多種情況。3. 單元格文字自動(dòng)判斷文字類型：傳統(tǒng)的OCR識(shí)別使用的是混合類型識(shí)別方式，在實(shí)際應(yīng)用中使用混合類型識(shí)別方式，會(huì)降低對數(shù)字、英文的識(shí)別精度，在本方案中，結(jié)合征信報(bào)告的特點(diǎn)，進(jìn)行了二次判斷，可以精確定義出每一個(gè)單元格中文字的類型，如數(shù)字類型，就嚴(yán)格使用數(shù)字類型去識(shí)別，這樣的技術(shù)提高了識(shí)別的精度，保證了數(shù)字、日期、金額等