CN109816893A - 信息发送方法、装置、服务器及存储介质 - Google Patents
信息发送方法、装置、服务器及存储介质 Download PDFInfo
- Publication number
- CN109816893A CN109816893A CN201910064680.6A CN201910064680A CN109816893A CN 109816893 A CN109816893 A CN 109816893A CN 201910064680 A CN201910064680 A CN 201910064680A CN 109816893 A CN109816893 A CN 109816893A
- Authority
- CN
- China
- Prior art keywords
- user
- atm
- expression
- server
- expressive features
- 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.)
- Granted
Links
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Alarm Systems (AREA)
Abstract
一种信息发送方法,所述方法包括:监控用户操作自动取款机ATM的过程,获得监控视频;从所述监控视频中,提取所述用户的表情信息;对所述表情信息进行识别,并提取表情特征;将所述表情特征输入预先训练好的表情模型,以对所述用户的现场情况进行检测,获得检测结果;根据所述检测结果,向与服务器预先绑定的关联设备发送提示信息。本发明还提供一种信息发送装置、服务器及存储介质。本发明不仅能够节约人力资源,同时,还能够及时地针对提示信息做出相应的措施,保护用户的人身财产安全。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种信息发送方法、装置、服务器及存储介质。
背景技术
随着社会经济的发展,人们的生活水平越来越高。一到节假日,随处可见国有银行、私有银行的自动取款机ATM上排满了用户,用户可以很方便地使用ATM来办理相关业务,比如取现、转账、查余额等。
然而,实践中发现,虽然ATM给用户办理业务带来了方便,但是也存在一定的安全隐患。日常生活中,经常碰到有非法用户跟踪合法用户进入ATM中,并采用特殊手段来威胁合法用户取现,导致合法用户的钱财丢失。虽然ATM内部安装了摄像头,但是需要警员实时的查看监控视频,这需要耗费大量的人力物力,效率较低。
发明内容
鉴于以上内容,有必要提供一种信息发送方法、装置、服务器及存储介质,不仅能够节约人力资源,同时,还能够及时地针对提示信息做出相应的措施,保护用户的人身财产安全。
本发明的第一方面提供一种信息发送方法,所述方法包括:
监控用户操作自动取款机ATM的过程,获得监控视频;
从所述监控视频中,提取所述用户的表情信息;
对所述表情信息进行识别,并提取表情特征;
将所述表情特征输入预先训练好的表情模型,以对所述用户的现场情况进行检测,获得检测结果;
根据所述检测结果,向与服务器预先绑定的关联设备发送提示信息。
在一种可能的实现方式中,所述监控用户操作自动取款机ATM的过程,获得监控视频之前,所述方法还包括:
获取需要进行表情训练的多个正向表情人脸图像以及多个负向表情人脸图像;
提取多个所述正向表情人脸图像的正向表情特征,以及提取多个所述负向表情人脸图像的负向表情特征;
对多个所述正向表情特征以及多个所述负向表情特征进行训练,获得表情模型。
在一种可能的实现方式中,所述方法还包括:
使用第一标识对所述正向表情特征进行标记;
使用第二标识对所述负向表情特征进行标记;
所述对多个所述正向表情特征以及多个所述负向表情特征进行训练,获得表情模型包括:
对标记后的多个所述正向表情特征以及标记后的多个所述负向表情特征进行训练,获得表情模型。
在一种可能的实现方式中,所述将所述表情特征输入预先训练好的表情模型,以对所述用户的现场情况进行检测,获得检测结果包括:
将所述表情特征输入预先训练好的表情模型,获得分类结果;
若所述分类结果为所述第一标识,则确定所述用户一切正常;
若所述分类结果为所述第二标识,则确定所述用户出现异常。
在一种可能的实现方式中,根据所述检测结果,向与服务器预先绑定的关联设备发送提示信息包括:
若所述检测结果表明用户出现异常,则判断在所述ATM所属的空间内是否还包括其他用户;
若在所述ATM所属的空间内还包括其他用户,则向预先绑定的公安部服务器发送用于提示出现险情的提示信息。
在一种可能的实现方式中,根据所述检测结果,向与服务器预先绑定的关联设备发送提示信息包括:
若所述检测结果表明用户出现异常,则从所述监控视频中查询所述用户在使用所述ATM时是否出现错误提示;
若所述用户在使用所述ATM时出现错误提示,判断出现所述错误提示的次数是否超过预设次数阈值;
若出现所述错误提示的次数超过预设次数阈值,则从预先绑定的多个公安部服务器中确定距离所述ATM最近的目标服务器,并向所述目标服务器发送用于提示出现险情的提示信息。
在一种可能的实现方式中,所述根据所述检测结果,向与服务器预先绑定的关联设备发送提示信息包括:
若所述检测结果表明用户出现异常,则判断在所述ATM所属的空间内是否还包括其他用户;
若在所述ATM所属的空间内不包括其他用户,则从所述监控视频中查询所述用户在使用所述ATM时是否出现错误提示;
若所述用户在使用所述ATM时未出现错误提示,则从预先绑定的多个医院服务器中确定距离所述ATM最近的目标服务器,并向所述目标服务器发送用于提示出现病情的提示信息。
本发明的第二方面提供一种信息发送装置,所述装置包括:
监控模块,用于监控用户操作自动取款机ATM的过程,获得监控视频;
提取模块,用于从所述监控视频中,提取所述用户的表情信息;
所述提取模块,还用于对所述表情信息进行识别,并提取表情特征;
检测模块,用于将所述表情特征输入预先训练好的表情模型,以对所述用户的现场情况进行检测,获得检测结果;
发送模块,用于根据所述检测结果,向与服务器预先绑定的关联设备发送提示信息。
本发明的第三方面提供一种服务器,所述服务器包括处理器和存储器,所述处理器用于执行所述存储器中存储的计算机程序时实现所述的信息发送方法。
本发明的第四方面提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现所述的信息发送方法。
由以上技术方案,本发明中,可以监控用户操作自动取款机ATM的过程,获得监控视频,从所述监控视频中,提取所述用户的表情信息,对所述表情信息进行识别,并提取表情特征,将所述表情特征输入预先训练好的表情模型,以对所述用户的现场情况进行检测,获得检测结果,根据所述检测结果,向与服务器预先绑定的关联设备发送提示信息。可见,本发明中,服务器可以监控用户操作自动取款机ATM时的表情信息,并将用户的表情信息输入表情模型,以对所述用户的现场情况进行检测,进一步地,服务器可以根据检测结果,向关联设备发送提示信息,这种方式,不需要监控人员实时地查看监控视频,可以节约人力资源,同时,服务器可以根据检测的结果,向关联设备发送提示信息,这有助于关联设备的监控人员及时地针对提示信息做出相应的措施,保护用户的人身财产安全。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1是本发明公开的一种信息发送方法的较佳实施例的流程图。
图2是本发明公开的一种信息发送装置的较佳实施例的功能模块图。
图3是本发明实现信息发送方法的较佳实施例的服务器的结构示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施例对本发明进行详细描述。需要说明的是,在不冲突的情况下,本发明的实施例及实施例中的特征可以相互组合。
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明实施例的信息发送方法应用在服务器中,也可以应用在服务器和通过网络与所述服务器进行连接的电子设备所构成的硬件环境中,由电子设备和服务器共同执行。网络包括但不限于:广域网、城域网或局域网。
所述电子设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述电子设备包括但不限于任何一种可与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互的电子产品,例如,个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant,PDA)、交互式网络电视(Internet ProtocolTelevision,IPTV)、智能式穿戴式设备、数码相机等。
所述服务器可以是指能对网络中其它设备(如电子设备)提供服务的计算机系统。如果一个个人电脑能够对外提供文件传输协议(File Transfer Protocol,简称FTP)服务,也可以叫服务器。从狭义范围上讲,服务器专指某些高性能计算机,能通过网络,对外提供服务,其相对于普通的个人电脑来说,稳定性、安全性、性能等方面都要求更高,因此在CPU、芯片组、内存、磁盘系统、网络等硬件和普通的个人电脑有所不同。
请参见图1,图1是本发明公开的一种信息发送方法的较佳实施例的流程图。其中,根据不同的需求,该流程图中步骤的顺序可以改变,某些步骤可以省略。
S11、服务器监控用户操作自动取款机ATM的过程,获得监控视频。
其中,自动取款机又称ATM,是Automatic Teller Machine的缩写。ATM是一种高度精密的机电一体化装置,利用磁性代码卡或智能卡实现金融交易的自助服务,代替银行柜面人员的工作。可提取现金、查询存款余额、进行账户之间资金划拨、余额查询等工作;还可以进行现金存款(实时入账)、支票存款(国内无)、存折补登、中间业务等工作。持卡人可以使用信用卡或储蓄卡,根据密码办理自动取款、查询余额、转账、现金存款,存折补登,购买基金,更改密码,缴纳手机话费等业务。
目前,随处可见各个银行的ATM。当用户进入ATM内部时,用户的一切行为操作被监控,直至用户离开ATM。
其中,可以通过设置在ATM中的监控摄像头来对用户操作ATM的过程进行监控,获得监控视频。其中,在该监控视频上,可以查看到用户使用ATM的行为操作,还可以查看到用户的表情信息。
S12、服务器从所述监控视频中,提取所述用户的表情信息。
其中,面部表情是面部肌肉的一个或多个动作或状态的结果。这些运动表达了个体对观察者的情绪状态。面部表情是非语言交际的一种形式。它是表达人类之间的社会信息的主要手段,不过也发生在大多数其他哺乳动物和其他一些动物物种中。
人类的面部表情至少有21种,除了常见的高兴、吃惊、悲伤、愤怒、厌恶和恐惧6种,还有惊喜(高兴+吃惊)、悲愤(悲伤+愤怒)等15种可被区分的复合表情。
S13、服务器对所述表情信息进行识别,并提取表情特征。
其中,不同的表情所对应的面部变化是不同的,主要是眉毛、眼睛、眼睑以及嘴唇等是如何变化的。
如下为表情脸的运动特质具体表现:
其中,表情识别可以分为四个阶段:人脸图像的获取与预处理、人脸检测、表情特征提取和表情分类。其中,表情识别忽略个体差异,提取人脸在不同表情模式下的差异特征,而人体个体差异成为干扰信号。
其中,表情识别特征提取需要对人脸的器官特征、纹理区域和预定义的特征点进行定位和提取。从脸部信息中提取能够对表情进行分类的特征信息。常见的提取方法包括:基于统计的方法、基于集合特征的方法、基于模型的方法、基于神经网络的方法。
S14、服务器将所述表情特征输入预先训练好的表情模型,以对所述用户的现场情况进行检测,获得检测结果。
本发明实施例中,将所述表情特征输入预先训练好的表情模型,该表情模型可以对所述用户的表情进行分类,可以输出正向表情或负向表情,如果输出的是正向表情,表明用户一切正常,如果输出的是负向表情,表明用户出现异常情况。
其中,检测结果包括正常或异常。
S15、服务器根据所述检测结果,向与服务器预先绑定的关联设备发送提示信息。
其中,所述检测结果包括用户一切正常或用户出现异常。
其中,服务器可以预先绑定多个关联设备,关联设备可以是公安部服务器,也可以是医院服务器,还可以是其他平台的服务器,本发明实施例不做限定。
作为一种可选的实施方式,步骤S11监控用户操作自动取款机ATM的过程,获得监控视频之前,所述方法还包括以下步骤:
11)获取需要进行表情训练的多个正向表情人脸图像以及多个负向表情人脸图像;
12)提取多个所述正向表情人脸图像的正向表情特征,以及提取多个所述负向表情人脸图像的负向表情特征;
13)对多个所述正向表情特征以及多个所述负向表情特征进行训练,获得表情模型。
在该可选的实施方式中,正向表情比如高兴、惊喜、喜悦等,负向表情比如悲伤、愤怒、恐怖、害怕等,正向表情人脸图像为携带有正向表情的人脸图像,负向表情人脸图像为携带有负向表情的人脸图像。
其中,获得的表情模型可以对用户的正向表情和负向表情进行分类。
可选的,在获取到需要进行表情训练的多个正向表情人脸图像以及多个负向表情人脸图像之后,为了消除光照和噪声对所述多个正向表情人脸图像以及多个负向表情人脸图像的影响,服务器还可以对所述多个正向表情人脸图像进行归一化处理、池化处理等,以去除冗余信息进一步提取正向表情特征,同时,服务器还可以对所述多个负向表情人脸图像进行归一化处理、池化处理等,以去除冗余信息进一步提取负向表情特征。
作为一种可选的实施方式,所述方法还包括以下步骤:
21)使用第一标识对所述正向表情特征进行标记;
22)使用第二标识对所述负向表情特征进行标记;
步骤13)对多个所述正向表情特征以及多个所述负向表情特征进行训练,获得表情模型包括:
对标记后的多个所述正向表情特征以及标记后的多个所述负向表情特征进行训练,获得表情模型。
其中,所述第一标识表明所述用户的表情为正向表情,所述第二标识表明所述用户的表情为负向表情。
作为一种可选的实施方式,步骤S14将所述表情特征输入预先训练好的表情模型,以对所述用户的现场情况进行检测,获得检测结果包括:
将所述表情特征输入预先训练好的表情模型,获得分类结果;
若所述分类结果为所述第一标识,则确定所述用户一切正常;
若所述分类结果为所述第二标识,则确定所述用户出现异常。
其中,若所述分类结果为第一标识,表明所述用户的表情为正向表情,通常,具有正向表情的用户,在使用ATM时,用户一切正常,即用户可以正常使用ATM来达到自己的目的。
若所述分类结果为第二标识,表明所述用户的表情为负向表情,通常,具有负向表情的用户在使用ATM时,可能出现了异常情况,比如被其他非法用户威胁取钱,或者取出来的钱被其他非法用户抢走。
作为一种可选的实施方式,步骤S15根据所述检测结果,向与服务器预先绑定的关联设备发送提示信息包括:
若所述检测结果表明用户出现异常,则判断在所述ATM所属的空间内是否还包括其他用户;
若在所述ATM所属的空间内还包括其他用户,则向预先绑定的公安部服务器发送用于提示出现险情的提示信息。
在该实施方式中,当所述检测结果表明用户出现异常,而且在所述ATM所属的空间内还包括其他用户,有可能是其他用户威胁用户取钱,使得用户的财产安全得不到保障,基于这种可能的情况,服务器可以向公安部服务器发送用于提示出现险情的提示信息。公安部服务器接收到该提示信息之后,公安人员即可针对该提示信息做出相应的行动,而不需要时时刻刻监控ATM上的用户,节约了警力,同时,也提高了险情判定的效率。
作为一种可选的实施方式,步骤S15根据所述检测结果,向与服务器预先绑定的关联设备发送提示信息包括:
若所述检测结果表明用户出现异常,则从所述监控视频中查询所述用户在使用所述ATM时是否出现错误提示;
若所述用户在使用所述ATM时出现错误提示,判断出现所述错误提示的次数是否超过预设次数阈值;
若出现所述错误提示的次数超过预设次数阈值,则从预先绑定的多个公安部服务器中确定距离所述ATM最近的目标服务器,并向所述目标服务器发送用于提示出现险情的提示信息。
在该实施方式中,当所述检测结果表明用户出现异常,而且所述用户在使用所述ATM时出现错误提示的次数超过预设次数阈值,这种情况很有可能是其他非法用户想要盗取合法用户的钱财,为了阻止非法用户的进一步操作,服务器可以从预先绑定的多个公安部服务器中确定距离所述ATM最近的目标服务器,并向所述目标服务器发送用于提示出现险情的提示信息。目标服务器接收到该提示信息之后,公安人员即可针对该提示信息做出相应的行动,而不需要时时刻刻监控ATM上的用户,节约了警力,同时,也提高了险情判定的效率。
作为一种可选的实施方式,步骤S15根据所述检测结果,向与服务器预先绑定的关联设备发送提示信息包括:
若所述检测结果表明用户出现异常,则判断在所述ATM所属的空间内是否还包括其他用户;
若在所述ATM所属的空间内不包括其他用户,则从所述监控视频中查询所述用户在使用所述ATM时是否出现错误提示;
若所述用户在使用所述ATM时未出现错误提示,则从预先绑定的多个医院服务器中确定距离所述ATM最近的目标服务器,并向所述目标服务器发送用于提示出现病情的提示信息。
在该实施方式中,当所述检测结果表明用户出现异常,而且在所述ATM所属的空间内不包括其他用户,而且所述用户在使用所述ATM时未出现错误提示,这种情况很有可能是用户自身出现了问题,比如身体不舒服等,为了尽快帮助用户,服务器可以从预先绑定的多个医院服务器中确定距离所述ATM最近的目标服务器,并向所述目标服务器发送用于提示出现病情的提示信息,目标服务器接收到该提示信息之后,医院人员即可针对该提示信息做出相应的行动,而不需要时时刻刻监控ATM上的用户,节约了医务资源,提高了病患处理的效率。
在图1所描述的方法流程中,可以监控用户操作自动取款机ATM的过程,获得监控视频,从所述监控视频中,提取所述用户的表情信息,对所述表情信息进行识别,并提取表情特征,将所述表情特征输入预先训练好的表情模型,以对所述用户的现场情况进行检测,获得检测结果,根据所述检测结果,向与服务器预先绑定的关联设备发送提示信息。可见,本发明中,服务器可以监控用户操作自动取款机ATM时的表情信息,并将用户的表情信息输入表情模型,以对所述用户的现场情况进行检测,进一步地,服务器可以根据检测结果,向关联设备发送提示信息,这种方式,不需要监控人员实时地查看监控视频,可以节约人力资源,同时,服务器可以根据检测的结果,向关联设备发送提示信息,这有助于关联设备的监控人员及时地针对提示信息做出相应的措施,保护用户的人身财产安全。
以上所述,仅是本发明的具体实施方式,但本发明的保护范围并不局限于此,对于本领域的普通技术人员来说,在不脱离本发明创造构思的前提下,还可以做出改进,但这些均属于本发明的保护范围。
请参见图2,图2是本发明公开的一种信息发送装置的较佳实施例的功能模块图。
在一些实施例中,所述信息发送装置运行于服务器中。所述信息发送装置可以包括多个由程序代码段所组成的功能模块。所述信息发送装置中的各个程序段的程序代码可以存储于存储器中,并由至少一个处理器所执行,以执行图1所描述的信息发送方法中的部分或全部步骤。
本实施例中,所述信息发送装置根据其所执行的功能,可以被划分为多个功能模块。所述功能模块可以包括:监控模块201、提取模块202、检测模块203及发送模块204。本发明所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段,其存储在存储器中。在一些实施例中,关于各模块的功能将在后续的实施例中详述。
监控模块201,用于监控用户操作自动取款机ATM的过程,获得监控视频;
其中,自动取款机又称ATM,是Automatic Teller Machine的缩写。ATM是一种高度精密的机电一体化装置,利用磁性代码卡或智能卡实现金融交易的自助服务,代替银行柜面人员的工作。可提取现金、查询存款余额、进行账户之间资金划拨、余额查询等工作;还可以进行现金存款(实时入账)、支票存款(国内无)、存折补登、中间业务等工作。持卡人可以使用信用卡或储蓄卡,根据密码办理自动取款、查询余额、转账、现金存款,存折补登,购买基金,更改密码,缴纳手机话费等业务。
目前,随处可见各个银行的ATM。当用户进入ATM内部时,用户的一切行为操作被监控,直至用户离开ATM。
其中,可以通过设置在ATM中的监控摄像头来对用户操作ATM的过程进行监控,获得监控视频。其中,在该监控视频上,可以查看到用户使用ATM的行为操作,还可以查看到用户的表情信息。
提取模块202,用于从所述监控视频中,提取所述用户的表情信息;
其中,面部表情是面部肌肉的一个或多个动作或状态的结果。这些运动表达了个体对观察者的情绪状态。面部表情是非语言交际的一种形式。它是表达人类之间的社会信息的主要手段,不过也发生在大多数其他哺乳动物和其他一些动物物种中。
人类的面部表情至少有21种,除了常见的高兴、吃惊、悲伤、愤怒、厌恶和恐惧6种,还有惊喜(高兴+吃惊)、悲愤(悲伤+愤怒)等15种可被区分的复合表情。
所述提取模块202,还用于对所述表情信息进行识别,并提取表情特征;
其中,不同的表情所对应的面部变化是不同的,主要是眉毛、眼睛、眼睑以及嘴唇等是如何变化的。
其中,表情识别可以分为四个阶段:人脸图像的获取与预处理、人脸检测、表情特征提取和表情分类。其中,表情识别忽略个体差异,提取人脸在不同表情模式下的差异特征,而人体个体差异成为干扰信号。
其中,表情识别特征提取需要对人脸的器官特征、纹理区域和预定义的特征点进行定位和提取。从脸部信息中提取能够对表情进行分类的特征信息。常见的提取方法包括:基于统计的方法、基于集合特征的方法、基于模型的方法、基于神经网络的方法。
检测模块203,用于将所述表情特征输入预先训练好的表情模型,以对所述用户的现场情况进行检测,获得检测结果;
本发明实施例中,将所述表情特征输入预先训练好的表情模型,该表情模型可以对所述用户的表情进行分类,可以输出正向表情或负向表情,如果输出的是正向表情,表明用户一切正常,如果输出的是负向表情,表明用户出现异常情况。
其中,检测结果包括正常或异常。
发送模块204,用于根据所述检测结果,向与服务器预先绑定的关联设备发送提示信息。
其中,所述检测结果包括用户一切正常或用户出现异常。
其中,服务器可以预先绑定多个关联设备,关联设备可以是公安部服务器,也可以是医院服务器,还可以是其他平台的服务器,本发明实施例不做限定。
作为一种可选的实施方式,所述信息发送装置还包括:
获取模块,用于在所述监控模块201监控用户操作自动取款机ATM的过程,获得监控视频之前,获取需要进行表情训练的多个正向表情人脸图像以及多个负向表情人脸图像;
所述提取模块202,还用于提取多个所述正向表情人脸图像的正向表情特征,以及提取多个所述负向表情人脸图像的负向表情特征;
训练模块,用于对多个所述正向表情特征以及多个所述负向表情特征进行训练,获得表情模型。
在该可选的实施方式中,正向表情比如高兴、惊喜、喜悦等,负向表情比如悲伤、愤怒、恐怖、害怕等,正向表情人脸图像为携带有正向表情的人脸图像,负向表情人脸图像为携带有负向表情的人脸图像。
其中,获得的表情模型可以对用户的正向表情和负向表情进行分类。
可选的,在获取到需要进行表情训练的多个正向表情人脸图像以及多个负向表情人脸图像之后,为了消除光照和噪声对所述多个正向表情人脸图像以及多个负向表情人脸图像的影响,服务器还可以对所述多个正向表情人脸图像进行归一化处理、池化处理等,以去除冗余信息进一步提取正向表情特征,同时,服务器还可以对所述多个负向表情人脸图像进行归一化处理、池化处理等,以去除冗余信息进一步提取负向表情特征。
作为一种可选的实施方式,所述信息发送装置还包括:
标记模块,用于使用第一标识对所述正向表情特征进行标记;
所述标记模块,还用于使用第二标识对所述负向表情特征进行标记;
所述训练模块对多个所述正向表情特征以及多个所述负向表情特征进行训练,获得表情模型包括:
对标记后的多个所述正向表情特征以及标记后的多个所述负向表情特征进行训练,获得表情模型。
其中,所述第一标识表明所述用户的表情为正向表情,所述第二标识表明所述用户的表情为负向表情。
作为一种可选的实施方式,所述检测模块203将所述表情特征输入预先训练好的表情模型,以对所述用户的现场情况进行检测,获得检测结果包括:
将所述表情特征输入预先训练好的表情模型,获得分类结果;
若所述分类结果为所述第一标识,则确定所述用户一切正常;
若所述分类结果为所述第二标识,则确定所述用户出现异常。
其中,若所述分类结果为第一标识,表明所述用户的表情为正向表情,通常,具有正向表情的用户,在使用ATM时,用户一切正常,即用户可以正常使用ATM来达到自己的目的。
若所述分类结果为第二标识,表明所述用户的表情为负向表情,通常,具有负向表情的用户在使用ATM时,可能出现了异常情况,比如被其他非法用户威胁取钱,或者取出来的钱被其他非法用户抢走。
作为一种可选的实施方式,所述发送模块204根据所述检测结果,向与服务器预先绑定的关联设备发送提示信息包括:
若所述检测结果表明用户出现异常,则判断在所述ATM所属的空间内是否还包括其他用户;
若在所述ATM所属的空间内还包括其他用户,则向预先绑定的公安部服务器发送用于提示出现险情的提示信息。
在该实施方式中,当所述检测结果表明用户出现异常,而且在所述ATM所属的空间内还包括其他用户,有可能是其他用户威胁用户取钱,使得用户的财产安全得不到保障,基于这种可能的情况,服务器可以向公安部服务器发送用于提示出现险情的提示信息。公安部服务器接收到该提示信息之后,公安人员即可针对该提示信息做出相应的行动,而不需要时时刻刻监控ATM上的用户,节约了警力,同时,也提高了险情判定的效率。
作为一种可选的实施方式,所述发送模块204根据所述检测结果,向与服务器预先绑定的关联设备发送提示信息包括:
若所述检测结果表明用户出现异常,则从所述监控视频中查询所述用户在使用所述ATM时是否出现错误提示;
若所述用户在使用所述ATM时出现错误提示,判断出现所述错误提示的次数是否超过预设次数阈值;
若出现所述错误提示的次数超过预设次数阈值,则从预先绑定的多个公安部服务器中确定距离所述ATM最近的目标服务器,并向所述目标服务器发送用于提示出现险情的提示信息。
在该实施方式中,当所述检测结果表明用户出现异常,而且所述用户在使用所述ATM时出现错误提示的次数超过预设次数阈值,这种情况很有可能是其他非法用户想要盗取合法用户的钱财,为了阻止非法用户的进一步操作,服务器可以从预先绑定的多个公安部服务器中确定距离所述ATM最近的目标服务器,并向所述目标服务器发送用于提示出现险情的提示信息。目标服务器接收到该提示信息之后,公安人员即可针对该提示信息做出相应的行动,而不需要时时刻刻监控ATM上的用户,节约了警力,同时,也提高了险情判定的效率。
作为一种可选的实施方式,所述发送模块204根据所述检测结果,向与服务器预先绑定的关联设备发送提示信息包括:
若所述检测结果表明用户出现异常,则判断在所述ATM所属的空间内是否还包括其他用户;
若在所述ATM所属的空间内不包括其他用户,则从所述监控视频中查询所述用户在使用所述ATM时是否出现错误提示;
若所述用户在使用所述ATM时未出现错误提示,则从预先绑定的多个医院服务器中确定距离所述ATM最近的目标服务器,并向所述目标服务器发送用于提示出现病情的提示信息。
在该实施方式中,当所述检测结果表明用户出现异常,而且在所述ATM所属的空间内不包括其他用户,而且所述用户在使用所述ATM时未出现错误提示,这种情况很有可能是用户自身出现了问题,比如身体不舒服等,为了尽快帮助用户,服务器可以从预先绑定的多个医院服务器中确定距离所述ATM最近的目标服务器,并向所述目标服务器发送用于提示出现病情的提示信息,目标服务器接收到该提示信息之后,医院人员即可针对该提示信息做出相应的行动,而不需要时时刻刻监控ATM上的用户,节约了医务资源,提高了病患处理的效率。
在图2所描述的信息发送装置中,可以监控用户操作自动取款机ATM的过程,获得监控视频,从所述监控视频中,提取所述用户的表情信息,对所述表情信息进行识别,并提取表情特征,将所述表情特征输入预先训练好的表情模型,以对所述用户的现场情况进行检测,获得检测结果,根据所述检测结果,向与服务器预先绑定的关联设备发送提示信息。可见,本发明中,服务器可以监控用户操作自动取款机ATM时的表情信息,并将用户的表情信息输入表情模型,以对所述用户的现场情况进行检测,进一步地,服务器可以根据检测结果,向关联设备发送提示信息,这种方式,不需要监控人员实时地查看监控视频,可以节约人力资源,同时,服务器可以根据检测的结果,向关联设备发送提示信息,这有助于关联设备的监控人员及时地针对提示信息做出相应的措施,保护用户的人身财产安全。
如图3所示,图3是本发明实现信息发送方法的较佳实施例的服务器的结构示意图。所述服务器3包括存储器31、至少一个处理器32、存储在所述存储器31中并可在所述至少一个处理器32上运行的计算机程序33及至少一条通讯总线34。
本领域技术人员可以理解,图3所示的示意图仅仅是所述服务器3的示例,并不构成对所述服务器3的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述服务器3还可以包括输入输出设备、网络接入设备等。
所述服务器3可以是指能对网络中其它设备(如电子设备)提供服务的计算机系统。如果一个个人电脑能够对外提供文件传输协议(File Transfer Protocol,简称FTP)服务,也可以叫服务器。从狭义范围上讲,服务器专指某些高性能计算机,能通过网络,对外提供服务,其相对于普通的个人电脑来说,稳定性、安全性、性能等方面都要求更高,因此在CPU、芯片组、内存、磁盘系统、网络等硬件和普通的个人电脑有所不同。
所述至少一个处理器32可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。该处理器32可以是微处理器或者该处理器32也可以是任何常规的处理器等,所述处理器32是所述服务器3的控制中心,利用各种接口和线路连接整个服务器3的各个部分。
所述存储器31可用于存储所述计算机程序33和/或模块/单元,所述处理器32通过运行或执行存储在所述存储器31内的计算机程序和/或模块/单元,以及调用存储在存储器31内的数据,实现所述服务器3的各种功能。所述存储器31可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据服务器3的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器31可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
结合图1,所述服务器3中的所述存储器31存储多个指令以实现一种信息发送方法,所述处理器32可执行所述多个指令从而实现:
监控用户操作自动取款机ATM的过程,获得监控视频;
从所述监控视频中,提取所述用户的表情信息;
对所述表情信息进行识别,并提取表情特征;
将所述表情特征输入预先训练好的表情模型,以对所述用户的现场情况进行检测,获得检测结果;
根据所述检测结果,向与服务器预先绑定的关联设备发送提示信息。
在一种可选的实施方式中,所述监控用户操作自动取款机ATM的过程,获得监控视频之前,所述处理器32可执行所述多个指令从而实现:
获取需要进行表情训练的多个正向表情人脸图像以及多个负向表情人脸图像;
提取多个所述正向表情人脸图像的正向表情特征,以及提取多个所述负向表情人脸图像的负向表情特征;
对多个所述正向表情特征以及多个所述负向表情特征进行训练,获得表情模型。
在一种可选的实施方式中,所述处理器32可执行所述多个指令从而实现:
使用第一标识对所述正向表情特征进行标记;
使用第二标识对所述负向表情特征进行标记;
所述对多个所述正向表情特征以及多个所述负向表情特征进行训练,获得表情模型包括:
对标记后的多个所述正向表情特征以及标记后的多个所述负向表情特征进行训练,获得表情模型。
在一种可选的实施方式中,所述将所述表情特征输入预先训练好的表情模型,以对所述用户的现场情况进行检测,获得检测结果包括:
将所述表情特征输入预先训练好的表情模型,获得分类结果;
若所述分类结果为所述第一标识,则确定所述用户一切正常;
若所述分类结果为所述第二标识,则确定所述用户出现异常。
在一种可选的实施方式中,根据所述检测结果,向与服务器预先绑定的关联设备发送提示信息包括:
若所述检测结果表明用户出现异常,则判断在所述ATM所属的空间内是否还包括其他用户;
若在所述ATM所属的空间内还包括其他用户,则向预先绑定的公安部服务器发送用于提示出现险情的提示信息。
在一种可选的实施方式中,所述根据所述检测结果,向与服务器预先绑定的关联设备发送提示信息包括:
若所述检测结果表明用户出现异常,则从所述监控视频中查询所述用户在使用所述ATM时是否出现错误提示;
若所述用户在使用所述ATM时出现错误提示,判断出现所述错误提示的次数是否超过预设次数阈值;
若出现所述错误提示的次数超过预设次数阈值,则从预先绑定的多个公安部服务器中确定距离所述ATM最近的目标服务器,并向所述目标服务器发送用于提示出现险情的提示信息。
在一种可选的实施方式中,所述根据所述检测结果,向与服务器预先绑定的关联设备发送提示信息包括:
若所述检测结果表明用户出现异常,则判断在所述ATM所属的空间内是否还包括其他用户;
若在所述ATM所属的空间内不包括其他用户,则从所述监控视频中查询所述用户在使用所述ATM时是否出现错误提示;
若所述用户在使用所述ATM时未出现错误提示,则从预先绑定的多个医院服务器中确定距离所述ATM最近的目标服务器,并向所述目标服务器发送用于提示出现病情的提示信息。
具体地,所述处理器32对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
在图3所描述的服务器3中,可以监控用户操作自动取款机ATM的过程,获得监控视频,从所述监控视频中,提取所述用户的表情信息,对所述表情信息进行识别,并提取表情特征,将所述表情特征输入预先训练好的表情模型,以对所述用户的现场情况进行检测,获得检测结果,根据所述检测结果,向与服务器预先绑定的关联设备发送提示信息。可见,本发明中,服务器可以监控用户操作自动取款机ATM时的表情信息,并将用户的表情信息输入表情模型,以对所述用户的现场情况进行检测,进一步地,服务器可以根据检测结果,向关联设备发送提示信息,这种方式,不需要监控人员实时地查看监控视频,可以节约人力资源,同时,服务器可以根据检测的结果,向关联设备发送提示信息,这有助于关联设备的监控人员及时地针对提示信息做出相应的措施,保护用户的人身财产安全。
所述服务器3集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种信息发送方法,其特征在于,所述方法包括:
监控用户操作自动取款机ATM的过程,获得监控视频;
从所述监控视频中,提取所述用户的表情信息;
对所述表情信息进行识别,并提取表情特征;
将所述表情特征输入预先训练好的表情模型,以对所述用户的现场情况进行检测,获得检测结果;
根据所述检测结果,向与服务器预先绑定的关联设备发送提示信息。
2.根据权利要求1所述的方法,其特征在于,所述监控用户操作自动取款机ATM的过程,获得监控视频之前,所述方法还包括:
获取需要进行表情训练的多个正向表情人脸图像以及多个负向表情人脸图像;
提取多个所述正向表情人脸图像的正向表情特征,以及提取多个所述负向表情人脸图像的负向表情特征;
对多个所述正向表情特征以及多个所述负向表情特征进行训练,获得表情模型。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
使用第一标识对所述正向表情特征进行标记;
使用第二标识对所述负向表情特征进行标记;
所述对多个所述正向表情特征以及多个所述负向表情特征进行训练,获得表情模型包括:
对标记后的多个所述正向表情特征以及标记后的多个所述负向表情特征进行训练,获得表情模型。
4.根据权利要求3所述的方法,其特征在于,所述将所述表情特征输入预先训练好的表情模型,以对所述用户的现场情况进行检测,获得检测结果包括:
将所述表情特征输入预先训练好的表情模型,获得分类结果;
若所述分类结果为所述第一标识,则确定所述用户一切正常;
若所述分类结果为所述第二标识,则确定所述用户出现异常。
5.根据权利要求1至4任一项所述的方法,其特征在于,所述根据所述检测结果,向与服务器预先绑定的关联设备发送提示信息包括:
若所述检测结果表明用户出现异常,则判断在所述ATM所属的空间内是否还包括其他用户;
若在所述ATM所属的空间内还包括其他用户,则向预先绑定的公安部服务器发送用于提示出现险情的提示信息。
6.根据权利要求1至4任一项所述的方法,其特征在于,所述根据所述检测结果,向与服务器预先绑定的关联设备发送提示信息包括:
若所述检测结果表明用户出现异常,则从所述监控视频中查询所述用户在使用所述ATM时是否出现错误提示;
若所述用户在使用所述ATM时出现错误提示,判断出现所述错误提示的次数是否超过预设次数阈值;
若出现所述错误提示的次数超过预设次数阈值,则从预先绑定的多个公安部服务器中确定距离所述ATM最近的目标服务器,并向所述目标服务器发送用于提示出现险情的提示信息。
7.根据权利要求1至4任一项所述的方法,其特征在于,所述根据所述检测结果,向与服务器预先绑定的关联设备发送提示信息包括:
若所述检测结果表明用户出现异常,则判断在所述ATM所属的空间内是否还包括其他用户;
若在所述ATM所属的空间内不包括其他用户,则从所述监控视频中查询所述用户在使用所述ATM时是否出现错误提示;
若所述用户在使用所述ATM时未出现错误提示,则从预先绑定的多个医院服务器中确定距离所述ATM最近的目标服务器,并向所述目标服务器发送用于提示出现病情的提示信息。
8.一种信息发送装置,其特征在于,所述装置包括:
监控模块,用于监控用户操作自动取款机ATM的过程,获得监控视频;
提取模块,用于从所述监控视频中,提取所述用户的表情信息;
所述提取模块,还用于对所述表情信息进行识别,并提取表情特征;
检测模块,用于将所述表情特征输入预先训练好的表情模型,以对所述用户的现场情况进行检测,获得检测结果;
发送模块,用于根据所述检测结果,向与服务器预先绑定的关联设备发送提示信息。
9.一种服务器,其特征在于,所述服务器包括处理器和存储器,所述处理器用于执行存储器中存储的计算机程序以实现如权利要求1至7中任意一项所述的信息发送方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有至少一个指令,所述至少一个指令被处理器执行时实现如权利要求1至7任意一项所述的信息发送方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910064680.6A CN109816893B (zh) | 2019-01-23 | 2019-01-23 | 信息发送方法、装置、服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910064680.6A CN109816893B (zh) | 2019-01-23 | 2019-01-23 | 信息发送方法、装置、服务器及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109816893A true CN109816893A (zh) | 2019-05-28 |
CN109816893B CN109816893B (zh) | 2022-11-04 |
Family
ID=66603136
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910064680.6A Active CN109816893B (zh) | 2019-01-23 | 2019-01-23 | 信息发送方法、装置、服务器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109816893B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110427512A (zh) * | 2019-07-30 | 2019-11-08 | 北京达佳互联信息技术有限公司 | 表情图案发送方法、装置、电子设备和存储介质 |
CN112182537A (zh) * | 2020-09-28 | 2021-01-05 | 深圳前海微众银行股份有限公司 | 监控方法、装置、服务器、系统以及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101266704A (zh) * | 2008-04-24 | 2008-09-17 | 张宏志 | 基于人脸识别的atm安全认证与预警方法 |
CN101556717A (zh) * | 2009-05-19 | 2009-10-14 | 上海海隆软件股份有限公司 | 一种atm智能安保系统及监测方法 |
CN102880855A (zh) * | 2011-08-16 | 2013-01-16 | 武汉大学 | 一种基于云模型的人脸表情识别方法 |
CN104574088A (zh) * | 2015-02-04 | 2015-04-29 | 华为技术有限公司 | 支付认证的方法和装置 |
CN106778621A (zh) * | 2016-12-19 | 2017-05-31 | 四川长虹电器股份有限公司 | 人脸表情识别方法 |
CN107330407A (zh) * | 2017-06-30 | 2017-11-07 | 北京金山安全软件有限公司 | 人脸表情识别方法、装置、电子设备及存储介质 |
CN107358169A (zh) * | 2017-06-21 | 2017-11-17 | 厦门中控智慧信息技术有限公司 | 一种人脸表情识别方法及人脸表情识别装置 |
CN107491716A (zh) * | 2016-06-13 | 2017-12-19 | 腾讯科技(深圳)有限公司 | 一种人脸认证方法及装置 |
CN108734055A (zh) * | 2017-04-17 | 2018-11-02 | 杭州海康威视数字技术股份有限公司 | 一种异常人员检测方法、装置及系统 |
CN109190487A (zh) * | 2018-08-07 | 2019-01-11 | 平安科技(深圳)有限公司 | 人脸情绪识别方法、装置、计算机设备及存储介质 |
-
2019
- 2019-01-23 CN CN201910064680.6A patent/CN109816893B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101266704A (zh) * | 2008-04-24 | 2008-09-17 | 张宏志 | 基于人脸识别的atm安全认证与预警方法 |
CN101556717A (zh) * | 2009-05-19 | 2009-10-14 | 上海海隆软件股份有限公司 | 一种atm智能安保系统及监测方法 |
CN102880855A (zh) * | 2011-08-16 | 2013-01-16 | 武汉大学 | 一种基于云模型的人脸表情识别方法 |
CN104574088A (zh) * | 2015-02-04 | 2015-04-29 | 华为技术有限公司 | 支付认证的方法和装置 |
CN107491716A (zh) * | 2016-06-13 | 2017-12-19 | 腾讯科技(深圳)有限公司 | 一种人脸认证方法及装置 |
CN106778621A (zh) * | 2016-12-19 | 2017-05-31 | 四川长虹电器股份有限公司 | 人脸表情识别方法 |
CN108734055A (zh) * | 2017-04-17 | 2018-11-02 | 杭州海康威视数字技术股份有限公司 | 一种异常人员检测方法、装置及系统 |
CN107358169A (zh) * | 2017-06-21 | 2017-11-17 | 厦门中控智慧信息技术有限公司 | 一种人脸表情识别方法及人脸表情识别装置 |
CN107330407A (zh) * | 2017-06-30 | 2017-11-07 | 北京金山安全软件有限公司 | 人脸表情识别方法、装置、电子设备及存储介质 |
CN109190487A (zh) * | 2018-08-07 | 2019-01-11 | 平安科技(深圳)有限公司 | 人脸情绪识别方法、装置、计算机设备及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110427512A (zh) * | 2019-07-30 | 2019-11-08 | 北京达佳互联信息技术有限公司 | 表情图案发送方法、装置、电子设备和存储介质 |
CN112182537A (zh) * | 2020-09-28 | 2021-01-05 | 深圳前海微众银行股份有限公司 | 监控方法、装置、服务器、系统以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109816893B (zh) | 2022-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mittal et al. | Emotions don't lie: An audio-visual deepfake detection method using affective cues | |
CN106104555B (zh) | 用于保护外围设备的行为分析 | |
CN107704834A (zh) | 微表情面审辅助方法、装置及存储介质 | |
CN111312367A (zh) | 一种基于自适应云管理平台的校园人员异常心理预测方法 | |
Han et al. | NextGen AML: Distributed deep learning based language technologies to augment anti money laundering investigation | |
CN109472608A (zh) | 基于情绪识别的交易认证方法及终端设备 | |
CN111522987A (zh) | 一种图像审核方法、设备及计算机可读存储介质 | |
TWM565361U (zh) | 金融交易詐騙偵測防範系統 | |
Munn | Ferocious logics: Unmaking the algorithm | |
CN109919006A (zh) | 表情检测方法、装置、电子设备及存储介质 | |
CN111339813A (zh) | 人脸属性识别方法、装置、电子设备和存储介质 | |
CN109685336A (zh) | 催收任务分配方法、装置、计算机设备及存储介质 | |
CN109191180A (zh) | 评价的获取方法及装置 | |
CN108182411A (zh) | 数据处理系统及装置 | |
CN109816893A (zh) | 信息发送方法、装置、服务器及存储介质 | |
CN112749973A (zh) | 一种权限管理方法、装置和计算机可读存储介质 | |
Chen et al. | Emotion detection and face recognition of drivers in autonomous vehicles in IoT platform | |
Kathole et al. | Integrating MLOps and EEG Techniques for Enhanced Crime Detection and Prevention | |
CN108416595A (zh) | 信息处理方法和装置 | |
CN113362852A (zh) | 一种用户属性识别方法和装置 | |
Shome et al. | A generalized mechanism beyond NLP for real-time detection of cyber abuse through facial expression analytics | |
TWI691923B (zh) | 金融交易詐騙偵測防範系統及其方法 | |
CN110399818A (zh) | 一种风险预测的方法和设备 | |
CN115731620A (zh) | 检测对抗攻击的方法和训练对抗攻击检测模型的方法 | |
CN108876435A (zh) | 人工智能平台实现方法、装置、计算机设备及存储介质 |
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 |