具体实施方式

为了使本技术领域的人员更清楚地理解本申请方案，下面首先说明本申请技术方案的应用场景。

银行的金库中一般会保存有大量的银行卡。由于这些银行卡的丢失会带来极大的安全风险，因此这些银行卡的类型以及各类型银行卡的数量需要定期统计，进而实现对银行卡的监控和管理。

参见图1，该图为本申请提供的场景示意图。

目前，在统计以上的银行卡的数量和类型时，目前一般采用的是人工管理的方法，银行卡放置于储物箱、储物柜或者储物架上，管理员逐张银行卡进行统计，由于银行卡的数量较多，统计数量和类型时将会耗费大量的时间，统计效率较低。此外，这种人工管理的方法的还具备一定统计偏差，正确率得不到保障。

为了解决以上问题，本申请实施例提供了一种银行卡管理系统及方法，银行卡管理系统包括第一NFC设备、第二NFC设备和上位机。第一NFC设备用于清点银行卡的数量，并将清点结果发送至上位机。第二NFC设备用于再次清点银行卡的数量，并将再次清点的清点结果发送至上位机。第二NFC设备为手持设备。上位机用于当清点银行卡的数量时，启动第一NFC设备，当根据第一NFC设备的清点结果确定银行卡的数量，与标准数量不一致时，启动第二NFC设备，并根据再次清点的清点结果确定出现银行卡数量异常的区域。该方案不需要人工逐张进行清点，节省了时间，提升了银行卡数量的统计效率与准确率。

为了使本技术领域的人员更清楚地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。

本申请说明中的“第一”、“第二”等用词仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量

在本申请中，除非另有明确的规定和限定，术语“连接”应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或成一体；可以是直接连接，也可以通过中间媒介间接连接。

本申请实施例提供了一种银行卡管理系统，下面结合附图具体说明。

参见图2，该图为本申请实施例提供的一种银行卡管理系统的示意图。

该银行卡管理系统包括：第一NFC设备201、第二NFC设备202和上位机203。

使用了近场通信(Near Field Communication，NFC)技术的设备，可以在彼此靠近的情况下进行数据交换，进而实现通信，随着NFC技术的不断突破与发展，NFC的最大通信距离已有原先的10cm延长至1m甚至更长。

本申请实施例中的第一NFC设备201和第二NFC设备202与上位机203可以通过线缆连接，也可以通过无线网络连接，本申请实施例对此不作具体限定。

上位机203可以为计算机、服务器、笔记本电脑或移动手机等，本申请实施例对此不作具体限定。

当需要清点银行卡的数量时，上位机203启动第一NFC设备201。第一NFC设备201用于清点银行卡的数量，并将清点结果发送至上位机。

在一些实施例中，由于不同类型的银行卡的标识不同，第一NFC设备201可以根据与银行卡通信过程中获取的银行卡的标识，确定银行卡的类型，进而统计数各类型的银行卡的数量。

银行卡的类型可以分为借记卡和信用卡。其中，借记卡分为转账卡、专用卡和储值卡等类别。信用卡可以分为贷记卡和准贷记卡等类别。

上位机203上存储有银行卡的标准数量，也即根据账务确定的银行卡的理论数量。

当上位机203根据第一NFC设备201的清点结果确定银行卡的数量，与标准数量不一致时，确定当前银行卡数量存在异常，此时上位机203启动第二NFC设备。

第二NFC设备202用于再次清点银行卡的数量，并将再次清点的清点结果发送至上位机。

上位机203根据再次清点的清点结果确定出现银行卡数量异常的区域。

在一种可能的实现方式中，第二NFC设备202为手持设备，可以进行移动，以便于分别对不同区域的银行卡数量进行统计。

第二NFC设备202还可以对第一NFC设备201的清点结果进行核准，也即将第二NFC设备202清点的各区域的银行卡数量之和相加，与第一NFC设备201的清点结果进行比较，如果两者相同，则第一NFC设备201的清点结果准确，如果两者不同，则第一NFC设备201的清点结果可能错误。

第一NFC设备201可以为固定设备或者手持设备，本申请实施例对此不作具体限定。在一种可能的实现方式中，为了实现银行卡数量的自动清点，第一NFC设备201为固定设备，只有当第一NFC设备201的清点结果表明银行卡的数量与标准数量不一致时，才启动第一NFC设备进行人工的检查。

综上所述，利用本申请实施例提供的技术方案，先利用第一NFC设备对银行卡数量进行清点，如果第一NFC设备的清点结果与标准数量一致，则此时银行卡数量正常，如果第一NFC设备的清点结果与标准数量不一致，则利用第二NFC设备再次进行清点，第二NFC设备为手持设备，可以具体对各个区域内的银行卡数量进行清点，进而根据第二NFC设备的清点结果确定出现银行卡数量异常的区域。该方案不需要人工逐张进行清点，节省了时间，提升了银行卡数量的统计效率与准确率。

下面结合具体的实现方式进行说明。

参见图3，该图为本申请实施例提供的银行卡管理系统的场景示意图。

银行卡管理系统包括第一NFC设备201、第二NFC设备202和上位机203。

首先根据银行卡放置的位置安装第一NFC设备201，建立第一NFC设备201和上位机203之间的联系。第一NFC设备201为固定的设备，此时的上位机203可以为银行后台系统设备，例如计算机或服务器等。

建立第二NFC设备202和上位机203之间的连接，第二NFC设备202为手持设备。

当需要清点银行卡数量时，银行后台系统设备，也即上位机203会启动第一NFC设备201，第一NFC设备201自动清点金库内各类银行卡的数量。上位机203将第一NFC设备201的清点结果与银行卡的标准数量进行比较，也即和银行卡的账务数据进行比较，以确定当前银行卡的数量是否正确。

如果上位机203确定第一NFC设备201清点的银行卡数量与银行卡账务不一致，则上位机203启动第二NFC设备203。

此时通过手持第二NFC设备203，将附近的银行卡信息读取，进而再次清点银行卡的数量，并将再次清点的清点结果发送至上位机203。

银行卡存储的位置被划分为多个不同的区域，每个区域内包括多张银行卡。划分区域可以由上位机203实现，或者由第一NFC设备201在数量清点时实现。本申请实施例对此不作具体限定。

上位机203的银行卡账务中存储有各区域对应的银行卡的标准数量。

上位机203将第一NFC设备201再次清点的清点结果中处于各区域的银行卡的数量，分别与各区域对应的标准数量进行比较，以确定出现银行卡数量异常的区域，进而实现对银行卡数量异常位置的定位，以便于管理银行卡和与风险分析，提升了效率。

此外，进一步的，本申请实施例的银行卡管理系统还可以用于进行风险分析，下面具体说明。

上位机203中存储有当天的银行卡调拨信息和银行卡调拨信息的历史数据。

其中，银行卡调拨信息的历史数据用于训练神经网络模型，训练后的神经网络模型利用当天的银行卡调拨信息，预测当日的银行卡调拨是否异常，也即是否存在风险。

本申请实施例采用的神经网络模型为基于遗传算法(Genetic Algorithm，GA)的反向传播(Back Propagation，BP)神经网络，也即GA-BP神经网络模型。

银行卡调拨信息具体包括银行卡调拨出库数量、银行卡补充入库数量、银行卡调拨出库类别、银行卡补充入库类别、取卡人信息或取卡网点信息等中的一项或多项。

银行卡调拨信息作为GA-BP神经网络模型的输入，以银行卡调拨是否存在异常作为GA-BP神经网络模型的输出。

为了提升GA-BP神经网络模型预测的准确定，输入的数量应相应提升以避免偶然性，因此在一种较优的实现方式中，GA-BP神经网络模型的输入包括行卡调拨出库数量、银行卡补充入库数量、银行卡调拨出库类别、银行卡补充入库类别、取卡人信息或取卡网点信息等不同类别的数据。

根据输入和输出的个数确定BP神经网络结构，进而确定了遗传算法中需要优化的参数个数。

根据柯尔莫哥洛夫(Kolmogorov)原理，一个三层反向传播(Back Propagation，BP)神经网络足以完成任意的n维到m维的映射，一般只需要采用一个隐层即可，隐层节点个数可以采用试凑法确定，从而确定GA-BP神经网络。

通过遗传算法输出的最优个体作为GA-BP神经网络的初始权值和阈值，进行BP神经网络训练和学习。

将各类的银行卡调拨信息的历史数据划分为训练样本和测试样本，利用训练样本对GA-BP神经网络模型进行训练，利用测试样本对训练后的GA-BP神经网络模型的准确率进行验证以得到有效模型，进而完成训练。

如果银行卡识别的数量信息正确，则将当天的银行卡调拨信息输入到GA-BP神经网络模型，通过模型预测当日的银行卡调拨是否存在安全风险。

综上所述，利用本申请实施例提供的方案，不需要人工逐张进行清点，节省了时间，提升了银行卡数量的统计效率与准确率。此外，还可以利用当日的银行卡调拨信息，预测银行卡的调拨是否具备风险，进而能够更加及时地发现风险，降低风险的影响。

基于以上实施例提供的银行卡管理系统，本申请实施例还提供了一种银行卡的管理方法，下面结合附图具体说明。

参见图4，该图为本申请实施例提供的一种银行卡管理方法的流程图。

本申请实施例提供的方法包括以下步骤：

S401：当清点银行卡的数量时，启动第一NFC设备，第一NFC设备用于清点银行卡的数量。

在一些实施例中，由于不同类型的银行卡的标识不同，可以根据与银行卡通信过程中获取的银行卡的标识，确定银行卡的类型，进而统计数各类型的银行卡的数量。

银行卡的类型可以分为借记卡和信用卡。其中，借记卡分为转账卡、专用卡和储值卡等类别。信用卡可以分为贷记卡和准贷记卡等类别。

S402：当根据第一NFC设备的清点结果确定银行卡的数量，与标准数量不一致时，启动第二NFC设备，第二NFC设备用于再次清点银行卡的数量，第二NFC设备为手持设备。

银行卡的标准数量也即根据账务确定的银行卡的理论数量，可以预先确定存储。

S403：根据第二NFC设备再次清点的清点结果，确定出现银行卡数量异常的区域。

在一种可能的实现方式中，第二NFC设备还可以对第一NFC设备的清点结果进行核准，也即将第二NFC设备清点的各区域的银行卡数量之和相加，与第一NFC设备的清点结果进行比较，如果两者相同，则第一NFC设备的清点结果准确，如果两者不同，则第一NFC设备的清点结果可能错误。

综上所述，利用本申请实施例提供的方法，不需要人工逐张进行清点，节省了时间，提升了银行卡数量的统计效率与准确率。

下面结合具体的实现方式进行说明。

参见图5，该图为本申请实施例提供的另一种银行卡管理方法的流程图。

本申请实施例提供的管理方法包括以下步骤：

S501：建立第一NFC设备和上位机之间的联系，以及建立第二NFC设备和上位机之间的联系。

首先根据银行卡放置的位置安装第一NFC设备，建立第一NFC设备和上位机之间的联系。第一NFC设备为固定的设备，此时的上位机可以为银行后台系统设备，例如计算机或服务器等。

建立第二NFC设备和上位机之间的连接，第二NFC设备为手持设备。

S502：启动第一NFC设备，获取第一NFC设备的清点结果。

当需要清点银行卡数量时，银行后台系统设备，也即上位机会启动第一NFC设备，第一NFC设备自动清点金库内各类银行卡的数量。

S503：将第一NFC设备的清点结果与银行卡的标准数量进行比较，以确定当前银行卡的数量是否正确。

也即将第一NFC设备的清点结果和银行卡的账务数据进行比较。若否，执行S504；若是，执行S506。

S504：启动第二NFC设备。

S505：根据第二NFC设备再次清点的清点结果，确定出现银行卡数量异常的区域。

银行卡存储的位置被划分为多个不同的区域，每个区域内包括多张银行卡。划分区域可以由上位机实现，或者由第一NFC设备在数量清点时实现。本申请实施例对此不作具体限定。

银行卡账务中存储有各区域对应的银行卡的标准数量。

将第一NFC设备再次清点的清点结果中处于各区域的银行卡的数量，分别与各区域对应的标准数量进行比较，以确定出现银行卡数量异常的区域，进而实现对银行卡数量异常位置的定位，以便于管理银行卡和与风险分析，提升了效率。

S506：获取当天的银行卡调拨信息，并将银行卡调拨信息作为神经网络模型的输入信息，以预测当天的银行卡调拨是否异常。

银行卡调拨信息的历史数据用于训练神经网络模型，训练后的神经网络模型利用当天的银行卡调拨信息，预测当日的银行卡数量是否异常，也即是否存在风险。

本申请实施例采用的神经网络模型为基于遗传算法(Genetic Algorithm，GA)的反向传播(Back Propagation，BP)神经网络，也即GA-BP神经网络模型。

银行卡调拨信息具体包括银行卡调拨出库数量、银行卡补充入库数量、银行卡调拨出库类别、银行卡补充入库类别、取卡人信息或取卡网点信息等中的一项或多项。

银行卡调拨信息作为GA-BP神经网络模型的输入，以银行卡数量是否存在异常作为GA-BP神经网络模型的输出。为了提升GA-BP神经网络模型预测的准确定，输入的数量应相应提升以避免偶然性，因此在一种较优的实现方式中，GA-BP神经网络模型的输入包括行卡调拨出库数量、银行卡补充入库数量、银行卡调拨出库类别、银行卡补充入库类别、取卡人信息或取卡网点信息等不同类别的数据。

根据输入和输出的个数确定BP神经网络结构，进而确定了遗传算法中需要优化的参数个数。

根据柯尔莫哥洛夫(Kolmogorov)原理，一个三层反向传播(Back Propagation，BP)神经网络足以完成任意的n维到m维的映射，一般只需要采用一个隐层即可，隐层节点个数可以采用试凑法确定，从而确定GA-BP神经网络。

通过遗传算法输出的最优个体作为GA-BP神经网络的初始权值和阈值，进行BP神经网络训练和学习。

将各类的银行卡调拨信息的历史数据划分为训练样本和测试样本，利用训练样本对GA-BP神经网络模型进行训练，利用测试样本对训练后的GA-BP神经网络模型的准确率进行验证以得到有效模型，进而完成训练。

如果银行卡识别的数量信息正确，则将当天的银行卡调拨信息输入到GA-BP神经网络模型，通过模型预测是否存在安全风险。

综上所述，利用本申请实施例提供的方法，不需要人工逐张进行清点，节省了时间，提升了银行卡数量的统计效率与准确率。此外，还可以利用当日的银行卡调拨信息，预测银行卡的调拨是否具备风险，进而能够更加及时地发现风险，降低风险的影响。

需要说明的是，本发明提供的银行卡管理系统及方法可用于人工智能领域、大数据领域、信息安全领域或金融领域。上述仅为示例，并不对本发明提供的银行卡管理系统及方法的应用领域进行限定。

可以理解的是，本申请的技术方案不仅可以用于对银行卡进行管理，还可以用于对其他支持NFC功能的卡片或设备进行管理。

应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元及模块可以是或者也可以不是物理上分开的。另外，还可以根据实际的需要选择其中的部分或者全部单元和模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述仅是本申请的具体实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。