ocr的小知识点 揭秘OCR的策略规则

OCR 是为光学字符识别，它主要用来提取文本图像文件上的文字内容，通常在获取文字内容之前先对图像文件进行一系列分析操作。它的应用领域十分广泛，如教育、交通、医疗，是工业界和学术界的重点研究目标之一。如今，随着互联网进程的快速发展，全民已迈进大数据时代，产生的数据量越来越大,这里就会产生各种图像数据。今天就跟各位分享在风控里具体的OCR策略规则。

在整个风险流程里，一般在做完OCR验证之后，便有一道人脸策略。在人脸策略验证之后，一般会给予一个额度，之后便会进入提现环节了。关于这个细节，不清楚的可以了解下这个流程图：

当然在整个登陆环节的流程里，可以做很多的策略把控，相应也会有很多问题点，比如常见的两个问题：

细节一：在提现环节有时会再卡下人脸检测的策略，这个人脸的策略是一定需要过的吗？

细节二：就是在提现环节是需要过人脸，但是在具体申请借款的时候，也同样需要过人脸吗？

各位可以思考下以上两个细节问题，有兴趣了解再在知识星球上揭秘。

昨天，我们已经提到了具体的人脸识别的三大模块：活体识别、OCR与人脸检测。在反欺诈模块里，也是用这三大模块进行反欺诈部署。

用这三层筛选能有效防控伪冒申请、虚假资料。

这三者的区别：

1.活体识别可精确到真实的个体，主要辨别的是人还是物。

2.OCR识别则是虚假身份证等伪冒风险的克星。

3.人脸检测是观测进件的是不是一个真实的人。

以上目前比较难区分的是OCR和人脸识别的策略。

OCR是为了识别一张图片的真实性，而人脸识别是为了识别进件的人是否是一张真实的脸，接下来再继续深入讨论OCR相关的策略和人脸识别的策略。

先梳理下OCR相关策略点。

首先先介绍下什么是OCR?

OCR （Optical Character Recognition，光学字符识别）。主要是通过检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程；比如在我们进件端，通常需要甄别一张身份证。

在策略端我们有哪些具体的策略可以把控，如果分析相关的技术文档的话，我们能发现相关的参数有以下两点内容：

主要是分为以下几点规则：

一．退回规则(这里的要点需要重新提交详细的资料)

二．拒绝规则（这里的要点命中某些规则而造成直接拒绝）

退回规则主要有四种情况：

1. 接口error字段不为空—调用异常

2.接口识别字段有为空—字段识别质量问题

身份证上所有的结果都会识别，如果识别的字段为空，则这个字段有问题，识别这个字段没有识别出来

3.字段值为2—图片完整性问题

4.接口识别字段quality<0.15—质量问题

表示该区域是否存在质量问题（存在影响识别的光斑、阴影、遮挡、污渍等）。取［0，1］区间实数，3位有效数字。

注：

· 存在质量问题如果是光斑，部分遮挡，也是可以识别出内容的，本字段对存在留存需求的场景提供参考

· 当字段为“portrait”时，quality返回值暂时没有意义

· 系统对质量判断的默认阈值为0.15

拒绝规则

1.接口识别字段逻辑问题—涉嫌造假

2.正反面识别异常

识别的结果信息：

· 1001: 表示识别出是一张没有问题的身份证；

· 1002: 表示识别出是一张身份证，但在识别结果中存在异常情况，其中异常情况包括：

· 有字段没有识别出来

· 识别的结果中存在逻辑问题（logic字段为1）

· 识别的字段上存在图片质量问题（quality字段低于默认的阈值）

· 识别的结果上存在合法性问题（legality字段的五分类结果不为真实身份证）

注：其他错误码请预留处理方案，我们可能增加其他情况的返回。

3.身份证异常—ID Phone>=ID phone Threshold

识别正常1001

识别异常1002，说明身份证逻辑有问题、包括逻辑问题、质量问题、合法性问题，刚刚把，合法性有问题所以把他拒绝掉

对于真实身份证的概率，就是一个阈值，一般是大于等于一个阈值就是真实，比如的说有分类1 2 3 4 5

真实身份的概率减小，所以实际上给与的分，实际上大于他给与的阈值的时候就是正常的，小于阈值时候就是异常。

写在最后：作为一名策略人员虽然不用懂底层的业务逻辑，但也需要熟知具体的技术逻辑，可以无障碍阅读相关的技术文档，了解里面的相关名词比如josn、tokenkey、api，返回参数的具体含义等。

最后在把控相关的策略的时候，一定要记住以下几点：

1.交互简单、速度更快

2.较少通过率的压力

3.优化客户体验

4.提高不发分子的试错成本

提高了试错的成本，拒绝惩罚期的规则就可以放到策略端里。

这份文字版的详细策略说明也会同步到知识星球上，关于这几点的策略建议我们会在上面稍作展开。

~end~

注：以上图文资料均来自番茄学院《番茄风控大数据》知识星球与相关专题课内容

我们坚持为大家带来输出系列风控干货内容，欢迎广大风控爱好者关注 : 番茄风控大数据

,