朱军:创新驱动,科技赋能金融领域高质量发展——人工智能技术在商业

朱军:创新驱动,科技赋能金融领域高质量发展——人工智能技术在商业
2022年12月07日 11:55 金融电子化

国家“十四五”规划纲要明确指出:加快壮大新一代信息技术、生物技术等产业,推动互联网、大数据、人工智能等同各产业深度融合,培育新技术、新产品、新业态、新模式,发展数字经济,加强数字社会建设,提升公共服务、社会治理等数字化智能水平。中国银行以科技创新为驱动,致力于技术与业务深度融合的发展,将人工智能技术赋能在金融安防领域,是人工智能技术与金融场景的一次深度融合,并在技术与产业结合过程中挖掘新业态、新模式、新格局,着力提升商业银行数字化水平,提升智能服务能力,用智慧金融服务为人民群众提供切实的安全感和幸福感。

中国银行软件中心(深圳)总经理  朱军

推动金融领域智能化建设

是必然趋势

近年来各商业银行逐步推广和普及智能设备与技术,网点的运营模式也趋向智能化和多样化,传统银行网点对客服务也更加强调人文关怀。同时,强化商业银行的风险防范意识,落实基层行网点的安全防控工作是银行业健康稳定发展的坚实基础,在这种全新的网点运营模式下,如何建设更为安全可靠的安防体系显得尤为重要。

在业务发展上,金融行业不断推动数字化转型建设,与此同时金融安防领域也对创新技术有了新的诉求。以中国银行某分行为例:金融安保工作主要以人防为主,监控中心需要值机人员24小时不间断监控,投入了大量人力成本的同时效率提升空间有限。由于值机员需要监控的自助银行网点较多,难以覆盖大量的监控视频,人工迅速判断不同摄像头角度下的视频事件也存在困难。在现有的安防策略下,通过自助银行的红外幕帘触发事件推送,再由值机员人工识别,最多只能同时监控24个画面,按照该分行近600个自助银行计算,最大并发的监控覆盖率约为4%,存在事件遗漏的可能。因此过度地依赖人防安保、人员值机并非金融安防领域发展的长久之计。

在技术建设上,人工智能、深度学习、智能算法等新兴技术不断地更迭发展,运用在行为识别的各应用场景已日渐成熟。行为识别技术在视频图像分析领域有着广泛的应用前景,如智能视频监控、人机交互、自动识别报警、公共安全、移动健康与运动等。在人工智能和自动化操控迅速发展的当下,行为识别技术和诸多产业领域紧密结合,产学研深度融合,互促互进,行为识别作为人工智能发展的中流砥柱也成为国内外研究的热点领域之一。

行为识别技术通过图像、视频、热敏、力敏、加速度、磁力等单一传感器或多种传感器融合的方式,对被测目标信息进行采集测量。使用数据挖掘、机器学习、模式识别等多种技术,对于各类行为中的表层及深层特征进行提取,精确表达出目标姿态、站立、行走、奔跑、跳跃等各类形式的静止或运动状态。根据采用不同识别技术,人体行为识别目前主流要分为三大类:基于计算机视觉的行为识别、基于传感器系统的行为识别、基于多模态数据的行为识别。

随着金融领域的科技体系逐步建设和人工智能技术的不断发展,中国银行将基于深度学习的人工智能技术与计算机视觉技术相结合,通过对网点采集的视频数据进行结构化的分析和事件化的处理,形成一套完整的行为识别体系,实现从网点终端到智能预警,用深度学习资源池打造数字化智能网点平台。中国银行又一次将数字化转型工作推向纵深,以创新为驱动力,以银行安防工作为突破口,建设了一套基于深度学习平台的行为识别体系。

强化科技创新,为金融领域赋能

近年来,GPU性能及算力的提升为边缘计算技术提供了硬件基础,计算机视觉下目标检测、追踪技术的成熟商用及深度学习算法的人工智能的发展,这些都为实现从识别到预警全流程自动化的智能安保方案提供了可行性。

行为识别发展至今,尚不存在一个适合所有的行为识别的成熟算法。对于大多数行为动作,即使是同一个动作都有不同的表现形式,而同一类动作在不同行业的定义也会有较大差异。结合金融安防的识别场景,识别的动作通常会附带特定业务含义;行为识别动作的种类很多,每一个种类又有很多个衍生动作,开源数据集缺少相关定义行为,这就要求在初期建模时,建立起符合业务识别场景要求的行内数据集。形成行内数据集资产的同时,也需做好行内数据安全与隐私保护。

算法建模与训练:建模采用多算法耦合框架,分为视频帧及视频帧序列两部分处理,用2个耦合框架实现2D视频的行为及事件识别。在行为识别模型上线初期,受到不同网点光线、摄像头角度等环境因素的影响,初期模型会存在误识的情况,这就需要结合业务反馈数据对模型进行具体调优,丰富正负样本数量,提升模型泛化能力,避免识别事件的漏报误报。

图1  算法框架图

充分利用网点设备资源:在网点铺设设备阶段,充分利用网点存量硬件设备,将现有监控视频流接入部署行为识别算法模型的边缘算力盒子,进行实时视频分析。当边缘算力盒子识别到异常行为信息时,算力盒子将产生简短的预警信息推送至行为识别引擎后台,通过后台系统整合处理,将事件信息实时推送至监控中心,确保值机员及时感知事件。

图2  应用架构图

着力提升用户体验:为提升用户体验,增强业务部门运营分析能力,通过向业务人员开放数据打标功能,积累真实样本数据,协助场景准确率的运营分析,提供事件统计数据可视化功能,将运营数据直观展示,辅助业务部门分析网点运营情况。

业技融合实践,驱动智能化发展

中国银行在人工智能创新技术上的实践,进一步深化了金融安防智能化建设,达到自动识别异常行为、自动推送预警信息、自动形成可视化界面的效果,实现安保风险早发现、早预警、早解决的智能化效果,真正做到将风险防范于未然。

自动化网点监控覆盖率全面提升,降低事件遗漏风险。目前银行网点的安防只能通过自助银行的红外幕帘触发事件推送,由值机人员肉眼识别,海量的银行网点和自助终端给安保团队带来了较大的监控压力。通过本项目的成功试点,网点首次采取AI智能监控的方式、单机与集群的灵活部署方式,便于适配不同的硬件设备,最终可实现网点智能监控100%覆盖,异常事件遗漏概率得到了极大的降低。

全流程的智能监控平台,有效降低人力成本。在现有安防策略下,从客户进入银行大厅到离开全过程必须有安保人员全程跟踪监控,监控时间长、监控频率高、监控报告传递难等问题显著,且需要耗费大量人力资源。通过项目的试点,可实现数据全链路的监控、监控信息全流程的传导、从监控自动识别到数据模型智能算法,最终将异常事件实时推送至移动终端和预警平台,大幅节省现有的人力成本,提高安防工作的整体效率。

丰富网点运营建设模式,提升数据分析、智能运算能力。从网点端行为识别到后台预警的全流程自动化管理方案在行业内尚属首次,业务价值潜力巨大。利用行业内海量的监控数据沉淀资源,建设企业级的AI智能训练池,通过不断接入的真实数据提升智能算法的综合能力,助力网点智慧运营与管理,为行业智能化数字化转型提供建设基础。

中台能力建设,开启未来新篇章

未来中国银行将继续探索深化智慧安防的场景建设,对安全管理进行技术赋能,丰富各类行为自动化监测、提醒功能。同时,构建形成一套企业级行为识别能力,向金融领域全场景共享复用能力,如银行的内控合规管理、网点热点监测等场景建设,助力智慧金融技术升级。

图3  中台规划图

在行为识别场景的建设过程中,技术创新的步履不停,形成更智能、更高效、更专业的AI中台,支撑了行内算法场景建设。打造集数据标注处理、模型训练优化、应用模型发布于一体的智能中台体系。快速积累适用于中国银行的数据资产、智能算法资产,提供银行智能化应用解决方案的能力。通过AI中台的技术支撑,达到敏捷开发、快速交付、持续迭代的效果,提升转化效率,促进人工智能技术在商业银行融合创新,推动商业银行的智能升级。

结  束  语

通过创新技术与银行安防领域有效的业技融合,建立了一套基于深度学习算法的行为识别体系。云上应用协同架构,将算力模型下沉到各个边缘终端,降低了对传统硬件设备的过度依赖。行为识别平台的建设实现了数据资源共享、算力场景共通、机器与从业人员共融的智能化效果,丰富了人工智能技术在金融行业的应用场景,以实践证明了金融科技赋能业务创新发展的真知!

参考资料

[1] 全国信息技术标准化技术委员会:《2020年行为识别行业研究报告》[N],2020

(栏目编辑:张丽霞)

财经自媒体联盟更多自媒体作者

新浪首页 语音播报 相关新闻 返回顶部