CN109168052B - 服务满意度的确定方法、装置及计算设备 - Google Patents

服务满意度的确定方法、装置及计算设备 Download PDF

Info

Publication number
CN109168052B
CN109168052B CN201811282838.9A CN201811282838A CN109168052B CN 109168052 B CN109168052 B CN 109168052B CN 201811282838 A CN201811282838 A CN 201811282838A CN 109168052 B CN109168052 B CN 109168052B
Authority
CN
China
Prior art keywords
emotion
service
video frame
value
target video
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811282838.9A
Other languages
English (en)
Other versions
CN109168052A (zh
Inventor
黄都
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Bizhi Technology Co ltd
Original Assignee
Hangzhou Bizhi Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Bizhi Technology Co ltd filed Critical Hangzhou Bizhi Technology Co ltd
Priority to CN201811282838.9A priority Critical patent/CN109168052B/zh
Publication of CN109168052A publication Critical patent/CN109168052A/zh
Application granted granted Critical
Publication of CN109168052B publication Critical patent/CN109168052B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25866—Management of end-user data
    • H04N21/25891—Management of end-user data being end-user preferences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44213—Monitoring of end-user related data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44213—Monitoring of end-user related data
    • H04N21/44218—Detecting physical presence or behaviour of the user, e.g. using sensors to detect if the user is leaving the room or changes his face expression during a TV program

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Social Psychology (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Graphics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种服务满意度的确定方法、装置及计算设备，其中，方法包括：获取包含接受服务的服务对象的视频数据，将视频数据中包含的至少两个视频帧确定为目标视频帧；分别计算各个目标视频帧中包含的服务对象的情绪指标，得到分别对应于各个目标视频帧的情绪指标值；根据分别对应于各个目标视频帧的情绪指标值，确定服务对象对服务的满意度。本发明方案，可以无需服务对象的配合，而根据采集到的视频信息主动的对服务对象的满意度进行确定；以及，根据对应于多个时间点的多个情绪指标值，而不仅仅只是根据单个时间点的情绪信息，来确定服务对象对服务的满意度，可以使确定的满意度更符合服务对象实际的服务感受。

Description

服务满意度的确定方法、装置及计算设备
技术领域
本发明涉及计算机技术领域，具体涉及一种服务满意度的确定方法、装置及计算设备。
背景技术
随着社会经济水平的不断发展，市场主体面貌由商品经济向服务型经济转型。同时，随着客户对服务质量的需求的日渐提高，也要求商家经营服务水平同步提升。而客户满意度调查作为商家整体经营服务水平评价和诊断的一种有效手段，为商家发现问题从而改进服务提供了决策依据，近年来在国内外得到了普遍重视。
现有的客户满意度调查形式主要是被动式的问卷调研形式，例如在银行或电信营业厅的每个服务窗口，都可以见到一种按键式的服务评价机器，其通过客户选择不同满意度的按键完成服务评价。又如，一些商家会在交易达成几天后以邮件或短信途径发送客户满意度调查问卷。
然而，发明人在实施本发明实施例的过程中，发现现有的满意度调查形式至少存在如下问题：以窗口按键的方式进行评价时，评价人与被评价人面对面使得评价本身容易受到人为干扰。以邮件或短信发送问卷的方式调查满意度时，问卷的回复率通常较低，同时，调研问卷因为统计实验方法需要，问卷较为冗长，顾客体验差。并且，现有的满意度调查形式无法对服务过程中的满意度变化进行量化和采集，以及，需要客户主观配合，而主观配合的同时一定程度上破坏了调研的客观性。
发明内容
鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的服务满意度的确定方法、装置及计算设备。
根据本发明的一个方面，提供了一种服务满意度的确定方法，包括：
获取包含接受服务的服务对象的视频数据，将所述视频数据中包含的至少两个视频帧确定为目标视频帧；
分别计算各个目标视频帧中包含的服务对象的情绪指标，得到分别对应于各个目标视频帧的情绪指标值；
根据所述分别对应于各个目标视频帧的情绪指标值，确定所述服务对象对服务的满意度。
根据本发明的另一方面，提供了一种服务满意度的确定装置，包括：
获取模块，适于获取包含接受服务的服务对象的视频数据，将所述视频数据中包含的至少两个视频帧确定为目标视频帧；
计算模块，适于分别计算各个目标视频帧中包含的服务对象的情绪指标，得到分别对应于各个目标视频帧的情绪指标值；
确定模块，适于根据所述分别对应于各个目标视频帧的情绪指标值，确定所述服务对象对服务的满意度。
根据本发明的又一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述服务满意度的确定方法对应的操作。
根据本发明的再一方面，提供了一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如上述服务满意度的确定方法对应的操作。
根据本发明的服务满意度的确定方法、装置及计算设备，主动获取包含接收服务的服务对象的视频数据，实现在不需要服务对象配合的条件下，对服务对象在服务全流程中的情绪变化进行量化和采集；将所述视频数据中包含的至少两个视频帧确定为目标视频帧，以根据目标视频帧的情绪指标确定服务满意度；分别计算各个目标视频帧中包含的服务对象的情绪指标，得到分别对应于各个目标视频帧的情绪指标值，进而可以根据对应于多个时间点的多个情绪指标值，来确定服务对象对服务的满意度。本发明方案，通过后台主动的获取视频数据并进行情绪分析，可以克服现有的被动调查的方式中需要服务对象的配合、回复率低、存在人为干扰、以及无法对服务过程中的满意度情况进行量化和采集的不足；同时，通过多个时间点的多个情绪指标值来确定满意度，有利于考虑到服务过程中的整体或平均的情绪情况，使确定的满意度更符合服务对象实际的服务感受。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了根据本发明一个实施例的服务满意度的确定方法的流程图；
图2示出了根据本发明另一个实施例的服务满意度的确定方法的流程图；
图3示出了根据本发明一个实施例的服务满意度的确定装置的功能图；
图4示出了根据本发明实施例的一种计算设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
图1示出了根据本发明一个实施例的服务满意度的确定方法的流程图。如图1所示，该方法包括：
步骤S101：获取包含接受服务的服务对象的视频数据，将视频数据中包含的至少两个视频帧确定为目标视频帧。
具体地，通过设置在服务场所内的采集设备采集包含接收服务的服务对象的视频数据，可选的，采集设备可以设置在服务窗口，或者服务大厅。服务器可以定期或实时的从采集设备获取视频数据，与此同时，服务器还可以将获取的视频数据根据采集设备、和/或采集时间进行标识，以便确定提供服务的关联对象，和/或提供的服务事件。以及，将视频数据中的至少两个视频帧确定为目标视频帧，以根据目标视频帧的情绪指标确定服务满意度。
在本发明中，不限定确定目标视频帧的具体方式，具体实施时，本领域技术人员可通过任意可行的方式从视频数据中选择至少两个视频帧作为目标视频帧，可选的，按照预设时间间隔或随机从视频数据中选择至少两个视频帧确定为目标视频帧，或者，从视频数据中选取固定时间点的至少两个视频帧确定为目标视频帧，例如，选择服务起始时间点的视频帧和服务结束时间点的视频帧确定为目标视频帧。
步骤S102：分别计算各个目标视频帧中包含的服务对象的情绪指标，得到分别对应于各个目标视频帧的情绪指标值。
由于各个目标视频帧中包含的服务对象的面部表情可以反映服务对象在对应时刻的情绪信息，则有助于确定服务对象对服务的满意度，并且，情绪信息越多，则更有利于确定更准确的满意度，相应的，在发明中，选取了至少两个目标视频帧来确定满意度。
具体地，在确定了至少两个目标视频帧后，针对各个目标视频帧中包含的服务对象的表情特征，计算服务对象的情绪指标，并得到与各个目标视频帧对应的指标情绪值。进一步的，若目标视频帧中包含多个服务对象，则需要针对各个服务对象，计算得到情绪指标值。其中，情绪指标为反映情绪好坏的指标，其具体可以为情绪类别、情绪阴阳性情况(即情绪正负情况)和/或情绪张力情况。
本发明中，不限定计算服务对象的情绪指标的具体方式，具体实施时，本领域技术人员可采用任意可以根据表情特征计算情绪指标的方式来计算服务对象的情绪指标，可选的，可通过将表情特征输入至情绪指标预测模型，进而输出得到对应的情绪指标值。
步骤S103：根据分别对应于各个目标视频帧的情绪指标值，确定服务对象对服务的满意度。
具体地，对应于各个目标视频帧的情绪指标值，可以反映出服务对象在对应时刻的情绪信息，同时，为了避免根据单个时间点的情绪信息确定的满意度的误差，而根据至少两个目标视频帧的情绪指标值确定服务对象对服务的满意度，以使确定出的服务对象对服务的满意度更贴合服务对象实际的感受。可选的，可根据两个目标视频帧的情绪指标值反映出的该两个目标视频帧的情绪波动情况，和/或，根据情绪波动情况的平均值，和/或，根据至少两个目标视频帧的情绪指标值反映出的正面情绪的次数以及负面情绪的次数，确定服务对象对服务的满意度，需要说明的是，上述仅为几种可行的确定满意度的方式，但是本发明并不以此为限，具体实施时，本领域技术人员可通过任意可行的方式，根据分别对应于各个目标视频帧的情绪指标值来计算出反映服务过程中的整体或平均情绪情况的信息，并据此信息确定服务对象对服务的满意度。
根据本实施例提供的服务满意度的确定方法，主动获取包含接受服务的服务对象的视频数据，实现在不需要服务对象配合的条件下，对服务对象在服务全流程中的情绪变化进行量化和采集；将视频数据中包含的至少两个视频帧确定为目标视频帧，以根据目标视频帧的情绪指标确定服务满意度；分别计算各个目标视频帧中包含的服务对象的情绪指标，得到分别对应于各个目标视频帧的情绪指标值，进而可以根据对应于多个时间点的多个情绪指标值，来确定服务对象对服务的满意度。本实施例方案，通过后台主动的获取视频数据并进行情绪分析，可以克服现有的被动调查的方式中需要服务对象的配合、回复率低、存在人为干扰、以及无法对服务过程中的满意度情况进行量化和采集的不足；同时，通过多个时间点的多个情绪指标值来确定满意度，考虑到服务过程中的情绪变化情况，使确定的满意度更符合服务对象实际的服务感受。
图2示出了根据本发明另一个实施例的服务满意度的确定方法的流程图。如图2所示，该方法包括：
步骤S201：获取包含接受服务的服务对象的视频数据，将视频数据中包含的至少两个视频帧确定为目标视频帧。
具体地，可通过各类常见的成像设备进行服务环境下的视频采集，成像设备的部署以可以观察到接受服务的服务对象的人脸信息为准。将采集到的视频数据实时或定时的传输给后台进行满意度确定的服务器，可选的，可通过有线网络、无线网络、USB串口或其它视频传输设备和方式进行视频数据传输。在获取到视频数据之后，对视频数据进行抽帧处理，从视频数据中选择至少两个视频帧作为目标视频帧，以根据目标视频帧的情绪指标确定服务满意度。
步骤S202：分别计算各个目标视频帧中包含的服务对象的情绪指标，得到分别对应于各个目标视频帧的情绪指标值。
具体地，在计算服务对象的情绪指标之前，首先从目标视频帧中检测出人脸所在的人脸区域，可选的，可通过训练完成的人脸检测模型对目标视频帧进行检测，获取人脸区域。并且，在检测出人脸区域后，为了区别各个服务对象，对人脸区域进行人脸识别与匹配，若在提供服务的单位对应的数据库中匹配到相应的人脸，则进一步查找数据库中匹配成功的人脸标识(FaceID)，进而得到服务对象的FaceID，以便后续以服务对象为单位确定满意度，即统计各个服务对象对服务事件、提供服务的关联对象和/或提供服务的单位(或平台)的满意度。若未匹配到相应的人脸，则对人脸区域对应的人脸进行人脸特征维度预测，并建立FaceID存储至数据库中，以便下次匹配。以及，若成像设备的成像范围较大，可以采集到包括多个服务对象在内的视频数据，例如，设置在服务大厅的摄像头，可以采集到多个服务窗口的服务对象，则需要通过人脸检测划分出目标视频帧中的对应多个服务对象的多个人脸区域，并针对每个人脸区域进行人脸识别与匹配。
进一步的，分别针对每个目标视频帧，获取该目标视频帧中包含的人脸区域；根据人脸区域计算该目标视频帧中包含的服务对象的情绪指标，得到对应于该目标视频帧的情绪指标值，即计算出对应每个FaceID的情绪指标值。可选的，可通过提取人脸区域对应的人脸图像的表情特征，并通过对表情特征进行计算，得到情绪指标值；或者，可直接将与人脸区域对应的人脸图像数据输入至预设的情绪指标预测模型中，得到对应于该目标视频帧的情绪指标值。其中，预设的情绪指标预测模型可以为一个，也可以为多个，不同的预设的情绪指标预测模型输出的是对应不同情绪指标的情绪指标值，可选的，预设的情绪指标预测模型为情绪类别预测模型，则输出结果为一种情绪类别，常见的情绪类别包括平静、高兴、惊喜、忧伤、愤怒、惊恐、厌恶、鄙夷，其中，好的情绪可以定义为平静、高兴、惊喜，坏的情绪可以定义为忧伤、愤怒、惊恐、厌恶、鄙夷，当预测结果为好的情绪时，则量化为1，当预测结果为坏的情绪，则量化为-1。和/或，预设的情绪指标预测模型为情绪阴阳性情况预测模型，则输出结果为情绪阴阳性值(valence)，该情绪阴阳性值表示情绪的好坏，分值越高则代表情绪越好，取值范围通常为[-1,1]。和/或，预设的情绪指标预测模型为情绪张力情况预测模型，则输出结果为情绪张力值(arousal)，该情绪张力值表示情绪的张力，分值越高代表张力水平越高，取值范围通常为[-1,1]。
在经过上述步骤得到分别对应于各个目标视频帧的情绪指标值之后，下述步骤S203至步骤S204以服务对象的情绪波动值来确定服务对象对服务的满意度为具体实例来说明确定满意度的过程，但是本领域技术人员应该理解的是，这种确定方式仅仅为根据分别对应于各个目标视频帧的情绪指标值，确定服务对象对服务的满意度的一种可选的方式，本发明并不以此为限。
步骤S203：根据分别对应于各个目标视频帧的情绪指标值，确定服务对象的情绪波动值。
具体地，根据分别对应于各个目标视频帧的情绪指标值，确定服务期间内的至少一个时间区间的情绪波动值。在实施过程中，情绪波动值的数量可以为一个或多个，可选的，可计算出时间上相邻的任意两个目标视频帧的情绪波动值，若目标视频帧有n帧，则可以确定出n-1个情绪波动值；或者，可首先从至少两个目标视频帧中选择出对应特殊时间点的视频帧，例如，服务起始时间点、以及服务结束时间点，然后计算特殊时间点之间的时间区间对应的情绪波动值。
在一种可选的实施方式中，仅计算两个目标视频帧之间的服务对象的情绪波动值：从目标视频帧中选择第一视频帧和第二视频帧作为确定服务对象的情绪波动值的视频帧；其中，第一视频帧的时间点在第二视频帧的时间点之后；可选的，第一视频帧的时间点为接受服务的结束时间点；第二视频帧的时间点为接受服务的起始时间点。计算对应于第一视频帧的情绪指标值和对应于第二视频帧的情绪指标值的差值，将差值计算结果确定为服务对象的情绪波动值。
进一步的，情绪波动值是通过将预设的情绪指标预测模型输出的预测值相减得到的。在一个具体的实施例中，情绪指标值包括情绪阴阳性值与情绪张力值，则通过将预设的情绪指标预测模型输出的预测值相减得到情绪波动值具体为：首先，根据第一视频帧的情绪阴阳性值与情绪张力值计算得到对应于第一视频帧的第一情绪值；以及根据第二视频帧的情绪阴阳性值与情绪张力值计算得到对应于第二视频帧的第二情绪值。其中，本实施例不限定计算得到第一情绪值和第二情绪值的具体方式，可选的，可通过计算第一视频帧的情绪阴阳性值与情绪张力值的乘积，得到对应于第一视频帧的第一情绪值；以及计算第二视频帧的情绪阴阳性值与情绪张力值的乘积，得到对应于第二视频帧的第二情绪值；或者，可通过对第一视频帧和第二视频帧的情绪阴阳性值和/或情绪张力值进行一定的数学处理后再计算乘积，得到对应于第一视频帧的第一情绪值和对应于第二视频帧的第二情绪值，实际实施时，本领域技术人员可灵活选择具体的计算方式。然后，计算第一情绪值和第二情绪值的差值，将差值计算结果确定为服务对象的情绪波动值。在该具体的实施例中，将目标视频帧的情绪阴阳性值与情绪张力值的乘积作为该目标视频帧的情绪值，可以描述更多的情绪类别，进而使通过相减计算出的情绪波动值更为精准。
为了便于对情绪波动值的计算的理解，下面以一个具体的示例来进行说明：假设服务对象C在服务事件α起始时间点T0的情绪坐标为(v0,a0)，在结束时间点T1的情绪坐标为(v1,a1)，其中v0，v1分别为服务对象C在T0和T1时间点的情绪阴阳性值，a0，a1分别为服务对象C在T0和T1时间点的情绪张力值，并且计算得到第一情绪值和第二情绪值的方式如下：服务对象C在对应于第一视频帧(即对应于结束时间点T1)的第一情绪值为v1·(a1+1)/2，服务对象C在对应于第二视频帧(即对应于起始时间点T0)的第二情绪值为v0·(a0+1)/2，则服务对象在服务事件α期间的情绪波动值为v1·(a1+1)/2-v0·(a0+1)/2。
步骤S204：根据情绪波动值确定服务对象对服务的满意度。
具体地，针对计算出的单个情绪波动值，该情绪波动值越大，则表明服务对象在计算该情绪波动值的时间区间内对服务的满意度越高。其中，为了区别确定的满意度所针对的服务，可以预先绑定处理不同服务事件的窗口与视频采集设备，则通过视频采集设备即可确定服务对象所办理的事项；或者，可通过查找提供服务的单位(或平台)的服务系统的服务记录确定服务对象办理的事项。同时，为了便于满意度的准确确定，预设区间满意度映射关系，在该映射关系中，情绪波动区间与满意度存在对应关系。
进一步的，根据计算得到情绪波动值的数量的不同，相应的确定服务对象对服务的满意度的方法也不同：
若仅选择两个时间点对应的第一视频帧和第二视频帧计算得到一个情绪波动值，例如，仅选取服务的起始时间点和结束时间点对应的时间区间计算得到情绪波动值，则根据该一个情绪波动值确定服务对象对服务的满意度，更进一步的，将情绪波动值与预设的多个情绪波动区间进行匹配，得到匹配成功的情绪波动区间；根据预设的区间满意度映射关系，确定与匹配成功的情绪波动区间相对应的满意度结果；根据与匹配成功的情绪波动区间相对应的满意度结果，确定服务对象对服务的满意度。
若选择多个时间点对应的视频帧，并以相邻的两个视频帧计算得到多个情绪波动值，则根据该多个情绪波动值确定服务对象对服务的满意度，可选的，通过计算多个情绪波动值的平均值，得到平均情绪波动值，然后按照根据一个情绪波动值确定服务对象对服务的满意度的方式，来确定对应该平均情绪波动值的满意度。
根据本实施例提供的服务满意度的确定方法，通过对服务对象情绪的实时量化和收集主动探知服务对象的满意度信息，很大程度上排除了满意度调查原有的主观偏见；同时，无需服务对象来配合完成满意度调查，可以主动对全体服务对象的每次服务情况进行满意度评价和统计，这使得满意度调查从抽样统计转为全样本统计，降低了抽样统计带入的统计偏见；并且，通过对服务全生命周期连续时间的服务对象情绪的量化和采集，方便之后满意度统计和分析发现问题后的回溯，可以较精准的定位到服务个人，或店面，或服务流程等，为之后的服务升级提高提供决策依据。
在本发明的上述实施例中，仅描述了确定单个服务对象对当前服务的满意度的具体方案，除此之外，在本发明的一些其它实施例中，在得到目标视频帧的情绪指标值后，或者在确定服务对象对服务的满意度后，可以结合实际的满意度调查或统计需求，针对服务事件、提供服务的关联对象、服务对象和/或提供服务的单位(或平台)确定相应的满意度。下面分别针对服务事件、关联对象、服务对象以及单位(或平台)四个评价对象为实例，说明根据目标视频帧的情绪指标值确定满意度的具体过程：
其一，针对提供服务的关联对象。
其中，可以预先建立关联对象和窗口或者与视频采集设备的关联，或者也可以根据服务系统中记录的提供各项服务的关联对象的标识，来确定各个目标视频帧所对应的提供服务的关联对象。举例来说，固定服务窗口(或台面)的服务单位，预先设定各个固定服务窗口的关联对象，同时结合视频数据的采集设备和/或目标视频帧中服务对象所在的区域，即可确定各个目标视频帧所对应的提供服务的关联对象，进而区别提供服务的关联对象。又如，非固定服务窗口(或台面)的服务单位，则以移动式视频采集设备来关联提供服务的关联对象，可选的，移动式视频采集设备可以为肩麦式视频采集设备，或者，也可以直接通过人脸识别来确定提供服务的关联对象。
具体地，在上述实施例中得到的服务对象对服务的满意度为服务对象对特定的关联对象提供的服务的满意度，则在针对提供服务的关联对象进行评价时，首先统计当前的关联对象的在预设的历史时间段内的服务数据，并查找与服务数据相对应的服务对象的满意度，则得到多个服务对象对关联对象提供的服务的满意度数据；然后，通过对满意度数据进行描述性统计，即可确定用于描述关联对象的服务水平的数值。可选的，可通过计算多个满意度的平均值，平均值越高，则关联对象的服务水平越高。
其二，针对服务事件。
其中，可以通过预先建立提供特定的服务事件的窗口与视频采集设备的关联，或者根据服务系统中记录的对应各个服务窗口和/或各个时间段内的服务事件，即可确定各个目标视频帧所对应的服务事件，进而区别服务对象接受的服务事件。
具体地，在上述实施例中得到的服务对象对服务的满意度为服务对象对特定的服务事件的满意度，则在针对服务事件进行评价时，首先在预设的历史时间段内的多次服务中查找当前待评价的服务事件的满意度数据；然后根据描述性统计结果评价当前待评价的服务事件。
其三，针对服务对象。
其中，服务对象可通过FaceID进行区别。
具体地，取服务对象在提供服务的单位(或平台)接受的预设次数的服务期间的满意度，并通过计算满意度平均值、或满意度中位数的方式评价服务对象对提供服务的单位(或平台)满意度。
其四，针对提供服务的单位(或平台)。
具体地，针对提供服务的单位(或平台)进行评价，则可以以某段考核周期内的确定的所有服务对象对提供服务的单位(或平台)满意度的平均值作为评价得分。
由此可见，本发明实施例计算出的服务对象对服务的满意度，通过持续时间段的累计后，可以广泛应用于对服务事件、关联对象和/或服务单位(或平台)的评价场景中，进而便于分析发现问题以及有利于问题的回溯，可以较精准的定位到关联对象，或服务单位(或平台)，或服务时间等，为此后的服务升级提高提供决策依据。
图3示出了根据本发明一个实施例的服务满意度的确定装置的功能图。如图3所示，该装置包括：
获取模块301，适于获取包含接受服务的服务对象的视频数据，将所述视频数据中包含的至少两个视频帧确定为目标视频帧；
计算模块302，适于分别计算各个目标视频帧中包含的服务对象的情绪指标，得到分别对应于各个目标视频帧的情绪指标值；
确定模块303，适于根据所述分别对应于各个目标视频帧的情绪指标值，确定所述服务对象对服务的满意度。
在一种可选的实施方式中，计算模块302进一步适于：
分别针对每个目标视频帧，获取该目标视频帧中包含的人脸区域；
根据所述人脸区域计算该目标视频帧中包含的服务对象的情绪指标，得到对应于该目标视频帧的情绪指标值。
在一种可选的实施方式中，计算模块302进一步适于：
将与所述人脸区域对应的人脸图像数据输入至预设的情绪指标预测模型中，得到所述对应于该目标视频帧的情绪指标值。
在一种可选的实施方式中，确定模块303进一步适于：
根据所述分别对应于各个目标视频帧的情绪指标值，确定所述服务对象的情绪波动值；
根据所述情绪波动值确定所述服务对象对服务的满意度。
在一种可选的实施方式中，确定模块303进一步适于：
从目标视频帧中选择第一视频帧和第二视频帧作为确定所述服务对象的情绪波动值的视频帧；其中，第一视频帧的时间点在第二视频帧的时间点之后；
计算对应于第一视频帧的情绪指标值和对应于第二视频帧的情绪指标值的差值，将差值计算结果确定为所述服务对象的情绪波动值。
在一种可选的实施方式中，情绪指标值包括情绪阴阳性值与情绪张力值；
确定模块303进一步适于：
根据第一视频帧的情绪阴阳性值与情绪张力值计算得到对应于第一视频帧的第一情绪值；以及根据第二视频帧的情绪阴阳性值与情绪张力值计算得到对应于第二视频帧的第二情绪值；
计算第一情绪值和第二情绪值的差值，将差值计算结果确定为所述服务对象的情绪波动值。
在一种可选的实施方式中，所述第一视频帧的时间点为接受服务的结束时间点；所述第二视频帧的时间点为接受服务的起始时间点。
在一种可选的实施方式中，确定模块303进一步适于：
将所述情绪波动值与预设的多个情绪波动区间进行匹配，得到匹配成功的情绪波动区间；
根据预设的区间满意度映射关系，确定与所述匹配成功的情绪波动区间相对应的满意度结果；
根据所述与所述匹配成功的情绪波动区间相对应的满意度结果，确定所述服务对象对服务的满意度。
关于上述各个模块的具体结构和工作原理可参照方法实施例中相应步骤的描述，此处不再赘述。
本申请实施例提供了一种非易失性计算机存储介质，所述计算机存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的服务满意度的确定方法。
图4示出了根据本发明实施例的一种计算设备的结构示意图，本发明具体实施例并不对计算设备的具体实现做限定。
如图4所示，该计算设备可以包括：处理器(processor)402、通信接口(Communications Interface)404、存储器(memory)406、以及通信总线408。
其中：
处理器402、通信接口404、以及存储器406通过通信总线408完成相互间的通信。
通信接口404，用于与其它设备比如客户端或其它服务器等的网元通信。
处理器402，用于执行程序410，具体可以执行上述服务满意度的确定方法实施例中的相关步骤。
具体地，程序410可以包括程序代码，该程序代码包括计算机操作指令。
处理器402可能是中央处理器CPU，或者是专用集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。计算设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。
存储器406，用于存放程序410。存储器406可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
程序410具体可以用于使得处理器402执行以下操作：
获取包含接受服务的服务对象的视频数据，将所述视频数据中包含的至少两个视频帧确定为目标视频帧；
分别计算各个目标视频帧中包含的服务对象的情绪指标，得到分别对应于各个目标视频帧的情绪指标值；
根据所述分别对应于各个目标视频帧的情绪指标值，确定所述服务对象对服务的满意度。
在一种可选的实施方式中，程序410具体可以进一步用于使得处理器402执行以下操作：
分别针对每个目标视频帧，获取该目标视频帧中包含的人脸区域；
根据所述人脸区域计算该目标视频帧中包含的服务对象的情绪指标，得到对应于该目标视频帧的情绪指标值。
在一种可选的实施方式中，程序410具体可以进一步用于使得处理器402执行以下操作：
将与所述人脸区域对应的人脸图像数据输入至预设的情绪指标预测模型中，得到所述对应于该目标视频帧的情绪指标值。
在一种可选的实施方式中，程序410具体可以进一步用于使得处理器402执行以下操作：
根据所述分别对应于各个目标视频帧的情绪指标值，确定所述服务对象的情绪波动值；
根据所述情绪波动值确定所述服务对象对服务的满意度。
在一种可选的实施方式中，程序410具体可以进一步用于使得处理器402执行以下操作：
从目标视频帧中选择第一视频帧和第二视频帧作为确定所述服务对象的情绪波动值的视频帧；其中，第一视频帧的时间点在第二视频帧的时间点之后；
计算对应于第一视频帧的情绪指标值和对应于第二视频帧的情绪指标值的差值，将差值计算结果确定为所述服务对象的情绪波动值。
在一种可选的实施方式中，情绪指标值包括情绪阴阳性值与情绪张力值；
程序410具体可以进一步用于使得处理器402执行以下操作：根据第一视频帧的情绪阴阳性值与情绪张力值计算得到对应于第一视频帧的第一情绪值；以及根据第二视频帧的情绪阴阳性值与情绪张力值计算得到对应于第二视频帧的第二情绪值；
计算第一情绪值和第二情绪值的差值，将差值计算结果确定为所述服务对象的情绪波动值。
在一种可选的实施方式中，所述第一视频帧的时间点为接受服务的结束时间点；所述第二视频帧的时间点为接受服务的起始时间点。
在一种可选的实施方式中，程序410具体可以进一步用于使得处理器402执行以下操作：
将所述情绪波动值与预设的多个情绪波动区间进行匹配，得到匹配成功的情绪波动区间；
根据预设的区间满意度映射关系，确定与所述匹配成功的情绪波动区间相对应的满意度结果；
根据所述与所述匹配成功的情绪波动区间相对应的满意度结果，确定所述服务对象对服务的满意度。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的服务满意度的确定装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

Claims (9)

1.一种服务满意度的确定方法，其特征在于，包括：
获取包含接受服务的服务对象的视频数据，将所述视频数据中包含的至少两个视频帧确定为目标视频帧；
分别计算各个目标视频帧中包含的服务对象的情绪指标，得到分别对应于各个目标视频帧的情绪指标值；所述情绪指标值包括情绪阴阳性值和情绪张力值；
计算目标视频帧中的第一视频帧的情绪阴阳性值与情绪张力值的乘积，得到对应于第一视频帧的第一情绪值，以及计算目标视频帧中的第二视频帧的情绪阴阳性值与情绪张力值的乘积，得到对应于第二视频帧的第二情绪值；然后，计算第一情绪值和第二情绪值的差值，将差值计算结果确定为服务对象的情绪波动值，根据所述情绪波动值确定所述服务对象对服务的满意度。
2.根据权利要求1所述的方法，其特征在于，所述分别计算各个目标视频帧中包含的服务对象的情绪指标，得到分别对应于各个目标视频帧的情绪指标值进一步包括：
分别针对每个目标视频帧，获取该目标视频帧中包含的人脸区域；
根据所述人脸区域计算该目标视频帧中包含的服务对象的情绪指标，得到对应于该目标视频帧的情绪指标值。
3.根据权利要求2所述的方法，其特征在于，所述根据所述人脸区域计算该目标视频帧中包含的服务对象的情绪指标，得到对应于该目标视频帧的情绪指标值进一步包括：
将与所述人脸区域对应的人脸图像数据输入至预设的情绪指标预测模型中，得到所述对应于该目标视频帧的情绪指标值。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
从目标视频帧中选择第一视频帧和第二视频帧作为确定所述服务对象的情绪波动值的视频帧；其中，第一视频帧的时间点在第二视频帧的时间点之后。
5.根据权利要求4所述的方法，其特征在于，所述第一视频帧的时间点为接受服务的结束时间点；所述第二视频帧的时间点为接受服务的起始时间点。
6.根据权利要求1-5任一项所述的方法，其特征在于，所述根据所述情绪波动值确定所述服务对象对服务的满意度具体为：
将所述情绪波动值与预设的多个情绪波动区间进行匹配，得到匹配成功的情绪波动区间；
根据预设的区间满意度映射关系，确定与所述匹配成功的情绪波动区间相对应的满意度结果；
根据所述与所述匹配成功的情绪波动区间相对应的满意度结果，确定所述服务对象对服务的满意度。
7.一种服务满意度的确定装置，其特征在于，包括：
获取模块，适于获取包含接受服务的服务对象的视频数据，将所述视频数据中包含的至少两个视频帧确定为目标视频帧；
计算模块，适于分别计算各个目标视频帧中包含的服务对象的情绪指标，得到分别对应于各个目标视频帧的情绪指标值；所述情绪指标值包括情绪阴阳性值和情绪张力值；
确定模块，适于计算目标视频帧中的第一视频帧的情绪阴阳性值与情绪张力值的乘积，得到对应于第一视频帧的第一情绪值，以及计算目标视频帧中的第二视频帧的情绪阴阳性值与情绪张力值的乘积，得到对应于第二视频帧的第二情绪值；然后，计算第一情绪值和第二情绪值的差值，将差值计算结果确定为服务对象的情绪波动值，根据所述情绪波动值确定所述服务对象对服务的满意度。
8.一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求1-6中任一项所述的服务满意度的确定方法对应的操作。
9.一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如权利要求1-6中任一项所述的服务满意度的确定方法对应的操作。
CN201811282838.9A 2018-10-31 2018-10-31 服务满意度的确定方法、装置及计算设备 Active CN109168052B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811282838.9A CN109168052B (zh) 2018-10-31 2018-10-31 服务满意度的确定方法、装置及计算设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811282838.9A CN109168052B (zh) 2018-10-31 2018-10-31 服务满意度的确定方法、装置及计算设备

Publications (2)

Publication Number Publication Date
CN109168052A CN109168052A (zh) 2019-01-08
CN109168052B true CN109168052B (zh) 2021-04-27

Family

ID=64876262

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811282838.9A Active CN109168052B (zh) 2018-10-31 2018-10-31 服务满意度的确定方法、装置及计算设备

Country Status (1)

Country Link
CN (1) CN109168052B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109858958A (zh) * 2019-01-17 2019-06-07 深圳壹账通智能科技有限公司 基于微表情的目标客户定位方法、装置、设备及存储介质
CN110458008A (zh) * 2019-07-04 2019-11-15 深圳壹账通智能科技有限公司 视频处理方法、装置、计算机设备和存储介质
CN110363154A (zh) * 2019-07-17 2019-10-22 安徽航天信息有限公司 一种基于情绪识别的服务质量考评方法及系统
CN111354053A (zh) * 2020-02-27 2020-06-30 北京华峰创业科技有限公司 生成卡通形象图标的方法、装置以及存储介质
CN112163467B (zh) * 2020-09-11 2023-09-26 杭州海康威视数字技术股份有限公司 情绪分析方法、装置、电子设备及机器可读存储介质
CN117131099A (zh) * 2022-12-14 2023-11-28 广州数化智甄科技有限公司 产品测评中的情绪数据分析方法、装置及产品测评方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104298682A (zh) * 2013-07-18 2015-01-21 广州华久信息科技有限公司 一种基于人脸表情图像的信息推荐效果的评价方法及手机
CN105049249A (zh) * 2015-07-09 2015-11-11 中山大学 一种远程可视会话服务的评分方法及系统
JP2016092582A (ja) * 2014-11-04 2016-05-23 株式会社東芝 コールセンター支援システム、及び支援方法
CN106485227A (zh) * 2016-10-14 2017-03-08 深圳市唯特视科技有限公司 一种基于视频面部表情的客户满意度分析方法
CN107194316A (zh) * 2017-04-20 2017-09-22 广东数相智能科技有限公司 一种情绪满意度的评价方法、装置及系统
CN107437052A (zh) * 2016-05-27 2017-12-05 深圳市珍爱网信息技术有限公司 基于微表情识别的相亲满意度计算方法和系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104298682A (zh) * 2013-07-18 2015-01-21 广州华久信息科技有限公司 一种基于人脸表情图像的信息推荐效果的评价方法及手机
JP2016092582A (ja) * 2014-11-04 2016-05-23 株式会社東芝 コールセンター支援システム、及び支援方法
CN105049249A (zh) * 2015-07-09 2015-11-11 中山大学 一种远程可视会话服务的评分方法及系统
CN107437052A (zh) * 2016-05-27 2017-12-05 深圳市珍爱网信息技术有限公司 基于微表情识别的相亲满意度计算方法和系统
CN106485227A (zh) * 2016-10-14 2017-03-08 深圳市唯特视科技有限公司 一种基于视频面部表情的客户满意度分析方法
CN107194316A (zh) * 2017-04-20 2017-09-22 广东数相智能科技有限公司 一种情绪满意度的评价方法、装置及系统

Also Published As

Publication number Publication date
CN109168052A (zh) 2019-01-08

Similar Documents

Publication Publication Date Title
CN109168052B (zh) 服务满意度的确定方法、装置及计算设备
CN107690657B (zh) 根据影像发现商户
CN110113226B (zh) 一种检测设备异常的方法及装置
US11676215B1 (en) Self-service claim automation using artificial intelligence
CN112016538B (zh) 视频处理方法、装置、计算机设备和存储介质
CN111563396A (zh) 在线识别异常行为的方法、装置、电子设备及可读存储介质
CN111160783B (zh) 数字资产价值的评价方法、系统及电子设备
CN108429776B (zh) 网络对象的推送方法、装置、客户端、交互设备以及系统
CN112613569B (zh) 图像识别方法、图像分类模型的训练方法及装置
CN110660102B (zh) 基于人工智能的说话人识别方法及装置、系统
CN108875517A (zh) 视频处理方法、装置和系统及存储介质
CN106991425B (zh) 商品交易质量的检测方法和装置
CN111459922A (zh) 用户识别方法、装置、设备及存储介质
CN114663198A (zh) 基于用户画像的产品推荐方法、装置、设备及存储介质
CN109102324B (zh) 模型训练方法、基于模型的红包物料铺设预测方法及装置
CN110633919A (zh) 经营实体的评估方法及其装置
CN111105244B (zh) 基于退款的服务方案确定方法及装置
WO2010084744A1 (ja) 顧客分析システム、顧客データ収集装置、顧客分析装置、顧客分析方法、及びプログラム
CN112132220A (zh) 一种自训练方法、系统、装置、电子设备及存储介质
CN117437019A (zh) 信用卡逾期风险预测方法、装置、设备、介质和程序产品
CN112200711B (zh) 一种水印分类模型的训练方法及系统
CN112950329A (zh) 商品动态信息生成方法、装置、设备及计算机可读介质
CN113269577B (zh) 数据获取方法、装置、服务器及存储介质
CN110992076A (zh) 商家质量评价方法、装置、电子设备及可读存储介质
US20230101275A1 (en) Audited training data for an item recognition machine learning model system

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant