(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210852040.3 (22)申请日 2022.07.20 (71)申请人 中国银行股份有限公司 地址 100818 北京市西城区复兴门内大街1 号 (72)发明人 党娜　刘洋　李昊　 (74)专利代理 机构 北京三友知识产权代理有限 公司 11127 专利代理师 王天尧　汤在彦 (51)Int.Cl. G06Q 40/08(2012.01) G06Q 40/02(2012.01) G06K 9/62(2022.01) G06V 40/16(2022.01) G06V 20/40(2022.01) (54)发明名称 银行柜台监管方法及装置 (57)摘要 本发明公开了一种银行柜台监管方法及装 置， 涉及金融技术领域， 其中该方法包括： 在根据 用户的银行资产信息确定所述用户提交的交易 请求为支付类型的交易请求时， 获取用户在到达 银行网点后的视频信息； 根据视频信息确定用户 在各风险特征下对应的特征值； 将用户的各风险 特征的特征值输入预先训练的风险预测模型， 得 到交易请求的风险预测结果； 在风险预测结果为 存在风险时， 向用户提交交易请求的终端发送交 易请求验证信息； 接收用户根据交易请求验证信 息上传的交易请求接收方的身份证明信息； 根据 身份证明信息对交易请求接收方身份验证通过 后， 为用户执行交易请求。 本发明可以保障用户 财产安全， 改善用户体验。 权利要求书3页 说明书9页 附图4页 CN 115187415 A 2022.10.14 CN 115187415 A 1.一种银 行柜台监管 方法， 其特 征在于， 包括： 在用户授权的情况下， 根据所述用户提交的银行柜台排队取号请求， 获取所述用户的 人脸信息， 根据所述人脸信息获取所述用户的身份信息， 根据所述用户的身份信息确定所 述用户的银 行资产信息； 在接收到所述用户提交 的交易请求， 且根据 所述银行资产信 息确定所述交易请求为支 付类型的交易请求时， 获取所述用户在到达银行网点后的视频信息； 其中， 所述交易请求为 所述用户在提交银 行柜台排队取号请求后离开银 行网点前发起的交易请求； 根据所述视频信息确定所述用户在各风险特征下对应的特征值； 其中， 所述风险特征 包括： 通话时长、 通 话到发起交易请求之间的时长、 与人交谈时长、 交谈人 数； 将所述用户的各风险特征的特征值输入预先训练 的风险预测模型， 得到所述交易请求 的风险预测结果； 所述风险预测结果包括： 存在风险、 不存在风险； 其中， 所述风险预测模型 为根据历史用户的历史交易请求对应的各风险特征的特征值、 以及各历史交易请求的风险 结果训练得到； 所述 风险结果包括存在风险、 不存在风险； 在所述风险预测结果为存在风险时， 向所述用户提交所述交易请求的终端发送 交易请 求验证信息； 接收所述用户根据所述交易请求验证信息上传的交易请求接收方的身份 证明信息； 根据所述身份证明信 息对所述交易请求接收方身份验证通过后， 为所述用户执行所述 交易请求。 2.如权利要求1所述的银行柜台监管方法， 其特征在于， 根据所述用户的身份信 息确定 所述用户的银 行资产信息， 包括： 根据所述用户的身份信 息确定所述用户关联的银行卡、 以及各银行卡中储蓄的金额信 息； 根据所述用户关联的银行卡、 以及各银行卡中储蓄的金额信息， 得到所述用户的银行 资产信息 。 3.如权利要求1所述的银行柜台监管方法， 其特征在于， 所述交易请求包括所述用户在 提交银行柜台排队取号请求后离开银行网点前， 通过银行柜台、 手机银行、 智能柜台、 ATM机 中任一种终端发起的交易请求。 4.如权利要求1所述的银行柜台监管方法， 其特征在于， 所述交易请求中携带有交易金 额； 在接收到所述用户提交的交易请求时， 获取所述用户在到达银行网点后的视频信息， 包括： 预先根据历史用户的财产损失金额确定风险交易金额阈值； 接收所述用户提交 的交易请求， 在所述交易请求的交易金额大于所述风险交易金额阈 值时， 获取 所述用户在到 达银行网点后的视频信息 。 5.如权利要求1所述的银行柜台监管方法， 其特征在于， 所述身份证明信 息包括下述至 少一种： 交易请求接收方的身份 证号码、 交易接收方的人脸信息 。 6.如权利要求1所述的银行柜台监管方法， 其特征在于， 根据所述身份证明信 息对所述 交易请求接收方身份验证通过后， 为所述用户执 行所述交易请求， 包括： 将所述身份证明信息上传至区块链， 接收到区块链根据所述身份证明信息反馈的： 身权　利　要　求　书 1/3 页 2 CN 115187415 A 2份验证通过时， 为所述用户执 行所述交易请求。 7.如权利要求1所述的银行柜台监管方法， 其特征在于， 根据所述用户提交 的排队取号 请求， 采集所述用户的人脸信息之前， 还 包括： 根据历史用户的历史交易请求对应的各风险特征的特征值、 以及各历史交易请求的风 险结果， 计算各风险特征 的不同特征值对应的风险结果为存在风险的第一概率值、 以及各 风险特征的不同特征值对应的风险结果为不存在风险的第二概率值， 得到训练好的风险预 测模型； 将所述用户的各风险特征的特征值输入预先训练 的风险预测模型， 得到所述交易请求 的风险预测结果， 包括： 将所述用户的各风险特 征的特征值输入预 先训练的风险预测模型； 以供风险预测模型确定所述用户的各风险特征的特征值对应的第 一概率值、 以及第 二 概率值； 根据所述用户的各风险特征的特征值对应的第一概率值计算得到所述用户的交易 请求存在风险的第三概率值； 根据所述用户的各风险特征的特征值对应的第二概率值计算 得到所述用户的交易请求不存在风险的第四概率值； 在所述第三概率值大于或等于所述第 四概率值时， 输出所述用户的交易请求的风险预测结果为存在风险， 在所述第三概率值小 于所述第四概 率值时， 输出 所述用户的交易请求的风险预测结果 为不存在风险。 8.如权利要求1所述的银 行柜台监管 方法， 其特 征在于， 还 包括： 在所述风险预测结果 为不存在风险时， 为所述用户执 行所述交易请求。 9.一种银 行柜台监管装置， 其特 征在于， 包括： 资产信息确定模块， 用于在用户授权的情况下， 根据所述用户提交的银行柜台排队取 号请求， 获取所述用户的人脸信息， 根据所述人脸信息获取所述用户的身份信息， 根据所述 用户的身份信息确定所述用户的银 行资产信息； 视频信息获取模块， 用于在接收到所述用户提交的交易请求， 且根据所述银行资产信 息确定所述交易请求为支付类型的交易请求时， 获取所述用户在到达银行网点后的视频信 息； 其中， 所述交易请求 为所述用户在到 达银行网点后离开银 行网点前发起的交易请求； 第一处理模块， 用于根据所述视频信息确定所述用户在各风险特征下对应的特征值； 其中， 所述风险特征包括： 通话时长、 通话到发起交易请求之 间的时长、 与人 交谈时长、 交谈 人数； 第二处理模块， 用于将所述用户的各风险特征的特征值输入预先训练的风险预测模 型， 得到所述交易请求的风险预测结果； 所述风险预测结果包括： 存在风险、 不存在风险； 其 中， 所述风险预测模型为根据历史用户的历史交易请求对应的各风险特征 的特征值、 以及 各历史交易请求的风险结果训练得到； 所述 风险结果包括存在风险、 不存在风险； 第三处理模块， 用于在所述风险预测结果为存在风险时， 向所述用户提交所述交易请 求的终端发送交易请求验证信息； 第四处理模块， 用于接收所述用户根据所述交易请求验证信 息上传的交易请求接收方 的身份证明信息； 第五处理模块， 用于根据所述身份证明信息对所述交易请求接收方身份验证通过后， 为所述用户执 行所述交易请求。 10.如权利要求9所述的银行柜台监管装置， 其特征在于， 资产信 息确定模块， 具体用于权　利　要　求　书 2/3 页 3 CN 115187415 A 3