银行营业网点客户识别架构探讨

□ 文 /金红 裴永杰 吴炎

背景

互联网冲击下，互联网分流了银行融资中介服务需求，使银行的支付中介功能弱化，但银行拥有最为丰富的客户资源，客户信息数据的累积是互联网金融不可企及的。

在金融科技的兴起与冲击下，传统的、大型的银行物理人工网点已逐渐成为银行业沉重的成本与营运包袱，面对互联网金融的冲击、非同业竞争的威胁以及金融环境的发展变化，为了改善这种被动的局面，主动改造、升级、创新传统型物理人工网点成为银行业自身降本增效、紧跟时代发展的必然选择。

通过利用金融科技产业理念，解决发展的痛点，提升现代化企业治理水平，转变传统经营模式、打造差异化特色化发展策略，优化产品结构和提升资产质量，成就客户价值，正在成为银行业发展转型的关键思路。中国银行业需要走向以科技为驱动力的差异化和专业化发展道路。

当前客户识别作为人脸识别的一个应用之一，已经成为银行网点转型的第一步，是科技创新的试点应用。同时客户识别可结合业务进行开展，例如结合业务系统中客户的详细信息，直接进行客户营销消息的推送。

存在的问题

随着技术的不断发展，各个领域针对人脸识别的应用越来越多，人脸考勤，人证比对，人脸支付等等，但是在实际应用过程中，由于银行网点的特殊性，依然存在响应速度与人脸库规模之间的规模，人脸图片与带宽占用之间的矛盾：

响应的及时性：客户识别主要流程为，在客户进入网点的第一时间，无需客户主动配合，即可完成客户的识别以及识别结果的推送。按照经验，这个时间一般不能超过3秒，超过3秒，客户已经离开当前的位置甚至已经发起金融交易行为，此时再进行客户接待以及客户营销，显然已不合适。因此对系统响应的及时性提出了更高的要求。

带宽的占用性：由于银行整体组织架构的关系，若在中心统一识别，需要把前端网点的人脸图片统一传输至后端，对于网点本身带宽较为紧张的银行来说，在不影响业务正常运行的前提下，能够给到此应用的带宽更加紧张。以省级为单位进行建设，针对网点较多的银行来说，即使传输30KB的人脸小图，从分行传输至省行时，整体占用带宽超过20M，对带宽压力更大，因此需要系统对带宽占用尽可能小。

架构的灵活性：根据银行的规模，客户的分类规则不同以及客户信息的留存程度不同，人脸库规模从30万到500万不等，系统架构需要能够支撑不同规模的人脸库的识别，同时能够根据规模的不断扩大，系统能够在不影响已有业务的情况下，支持扩展。

技术现状

当前满足应用场景的系统架构主要为以下几种：

● 前端比对：即在网点本地即完成识别，识别后向后端直接传输比对结果以及人脸抓拍图片。

● 前端抓拍，后端比对：最常用的方式，前端网点传输人脸抓拍图片，后端进行比对。

● 前端建模，后端比对：接传输抓拍图片的模型数据，后端根据传输的模型进行识别。

以上每一种架构，各有优劣势，总结如下：

在实际项目过程中，能够明确建设场景时，可选择一种进行匹配，但若场景较为复杂时，一种架构无法覆盖项目中不同的需求，作为用户很难进行取舍。

解决方案

针对上述的问题，本文提出一种混合式人脸识别结构，整合前端抓拍，建模，前端识别与后端识别多种模式在同一架构中的客户识别解决方案。

整套系统架构如下图所示，主要包括前端的抓拍，建模以及识别摄像机或者单元（只要考虑对前端普通摄像机的兼容性），后端包括计算资源，数据资源以及存储资源，以及整体呈现的业务平台。

前端抓拍，建模以及识别摄像机：当前摄像机可支持抓拍，建模或者识别功能，单个网点可根据实际的场景，选择不同的设备。

后端计算资源：根据前端传输的人脸图片或者人脸模型，进行相应的建模或者识别，输出识别结果。

后端存储资源：存储前端传输的人脸图片，以便后续可实现人脸图片的轨迹查询，甚至“一人一档”功能。

后端数据资源池：主要存储结构化数据，包括人脸模型，人脸属性信息等，同时显示人脸轨迹功能，一人一档等延伸功能。

业务流程

如图2所示，不同网点可按照实际的情况，选择传输人脸图片或者传输人脸模型数据，若网点本地有特别关注的客户，也可导入人脸库进行本地的识别，后端会根据传输的不同类型数据，进行相应的适配。

若前端传输模型数据时，在比对成功时，再从前端传输相对应的人脸图片进行显示。其余人脸图片均暂时存储在前端设备中，待网络显示，再传输至后端的存储资源模块中进行存储。

若前端比对前提下，只传输比对结果以及相对应的人脸图片至后端进行展现。待前端比对识失败后，再传输至后端，进行比对，若后端比对成功，后端可选择是否需要把该人脸库下发至前端设备中，以便下次可直接进行本地识别。

▲图2

方案价值

适应性强：此种系统解决方案下，可最大可能适应同一项目中不同场景下的需求，包括响应的及时性，节省带宽，前后端分离建设等。

灵活性强：此种系统解决方案下，系统可根据不同规模灵活选择，同时支持按照规模，不断进行扩展。

业务结合：本套系统充分考虑了实际业务的应用过程，前端识别可保证本网点最为关注的客户，能够优先被识别。同时与业务系统结合，可帮助网点人员及时开展针对性营销，提升客户体验。

金融数据服务

在实现客户识别的基础上，后端存储资源池汇聚了较多客户的结构化信息，包括客户的抓拍图片，客户在某个区域的停留时长，陌生客户的属性等信息，针对这些大量的数据进行聚类以及分析。例如网点获客：对陌生客户进行建档，在没有明确的客户信息基础上，可分析并存储该客户的属性，到达网点的频次，在网点内的停留时长等信息，进行归类，下一次客户再次进入网点时，第一时间即可触发客户信息，过往到达网点的次数等情况，网点人员可据此信息进行营销，把潜在客户发展为网点的客户。

总结

随着人脸应用系统的快速推广普及，银行网点业务以及架构相对复杂，单纯依赖前端识别和中心识别很难满足用户需求。本文所述的系统有机结合前端抓拍，建模以及识别和中心识别等多种识别方式，充分融合各自的优点，在有效控制成本的前提下，为不同场景提供最佳的识别方式，提升整体方案的适用性和系统的强壮性。

在结构化数据不断积累的过程中，对原始数据的清洗，加工，分析，标定以及聚合等，可对数据的资源进行分门别类，这样用户可根据具体不同的业务场景、资源描述属性、资源时效性等维度查找到自己想要的资源。多维数据的不断碰撞，可产生新的应用，例如陌生客户的频次分析，客户活跃地图等。

技术飞速发展，数据不断的累积，采用AI实现单个智能应用已非常成熟，当前已进入深化数据智能应用，使信息采集更迅捷、数据整合更高效、营销更精准，用数据推动银行网点实现精简人力，标准化服务，精确营销，合规管理成为大势所趋。