CN109993044A - 电信诈骗识别系统、方法、装置、电子设备及存储介质 - Google Patents
电信诈骗识别系统、方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN109993044A CN109993044A CN201810349460.3A CN201810349460A CN109993044A CN 109993044 A CN109993044 A CN 109993044A CN 201810349460 A CN201810349460 A CN 201810349460A CN 109993044 A CN109993044 A CN 109993044A
- Authority
- CN
- China
- Prior art keywords
- target
- information
- event
- swindle
- monitoring scene
- 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
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000003860 storage Methods 0.000 title abstract description 17
- 238000012544 monitoring process Methods 0.000 claims abstract description 149
- 238000001514 detection method Methods 0.000 claims abstract description 85
- 230000006399 behavior Effects 0.000 claims description 42
- 230000008859 change Effects 0.000 claims description 24
- 238000006243 chemical reaction Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 10
- 230000005611 electricity Effects 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 4
- 230000000977 initiatory effect Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 239000000428 dust Substances 0.000 abstract description 7
- 230000035945 sensitivity Effects 0.000 description 29
- 230000006870 function Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 5
- 238000012512 characterization method Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000002265 prevention Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/44—Event detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Telephonic Communication Services (AREA)
- Alarm Systems (AREA)
Abstract
本发明实施例提供了一种电信诈骗识别系统、方法、装置、电子设备及存储介质，本发明实施例提供的方案会对从监控场景下采集的待检测图像进行打电话事件检测；当检测到所述监控场景下存在打电话事件时，获得所述监控场景下的音频数据；再将所述音频数据转换为文字信息，并判断所述文字信息中是否存在敏感词汇；如果存在敏感词汇，判定所述监控场景下发生电信诈骗事件。本发明实施例提供的方案可以对监控场景下发生的电信诈骗事件进行自动有效地识别，不需要根据人的主观判断能力识别电信诈骗事件，进而可以降低电信诈骗事件中受诈人员上当受骗的概率，有效避免受诈人员的财产损失。
Description
技术领域
本发明涉及计算机技术领域，特别是涉及一种电信诈骗识别系统、方法、装置、电子设备及存储介质。
背景技术
电信诈骗是指不法分子通过电话、网络和短信方式，编造虚假信息，设置骗局，对受害人实施远程、非接触式诈骗，诱使受害人给不法分子打款或转账的犯罪行为；其中，尤以通过电话方式的电信诈骗较为普遍。近年来，电信诈骗已经成为越来越严重的社会问题。
针对电信诈骗事件，社会上的媒体等载体会进行详细披露，人们可以根据这些披露来提高自身对于电信诈骗事件的防范能力，进而有效识别电信诈骗。但是，这种对于电信诈骗的识别方式太过于依赖于人的主观判断能力，不能很好的达到对电信诈骗的有效识别。
发明内容
本发明实施例的目的在于提供一种电信诈骗识别系统、方法、装置、电子设备及存储介质，以实现对电信诈骗事件的有效识别。具体技术方案如下：
为达上述目的，第一方面，本发明实施例提供了一种诈骗识别方法，所述方法包括：
获取目标人员的视频数据及音频数据；
提取所述视频数据中所述目标人员的目标信息，其中，所述目标信息包括所述目标人员的目标属性信息；
将所述音频数据转换为文字信息；
结合所述目标信息及所述文字信息，计算目标诈骗值；
若所述目标诈骗值大于预设诈骗阈值，则判定所述目标人员正在遭遇诈骗。
可选的，所述结合所述目标信息及所述文字信息，计算目标诈骗值，包括：
确定所述目标属性信息的目标属性系数，以及所述文字信息的目标敏感系数；
按照如下公式计算目标诈骗值：
V＝Ub*Yy+Uc*Zz；
其中，V表示所述目标诈骗值，Ub为所述文字信息对应的权重系数，Uc为所述属性信息所对应的权重系数，Ub+Uc＝1，Yy表示所述目标敏感系数，Zz表示所述目标属性系数。
可选的，所述目标信息还包括：电话行为事件，其中，所述电话行为事件表征所述目标人员是否存在打电话的行为；
所述结合所述目标信息及所述文字信息，计算目标诈骗值，包括：
确定所述电话行为事件的电话行为系数，所述目标属性信息的目标属性系数，以及所述文字信息的目标敏感系数；
按照如下公式计算目标诈骗值：
V＝Ua*Xx+Ub*Yy+Uc*Zz；
其中，V表示所述目标诈骗值，Ua为所述电话行为事件对应的权重系数，Ub为所述文字信息对应的权重系数，Uc为所述属性信息所对应的权重系数，Ua+Ub+Uc＝1，Xx表示所述电话行为系数，Yy表示所述目标敏感系数，Zz表示所述目标属性系数。
第二方面，本发明实施例提供了一种诈骗识别装置，所述装置包括：
数据获取模块，用于获取目标人员的视频数据及音频数据；
信息提取模块，用于提取所述视频数据中所述目标人员的目标信息，其中，所述目标信息包括所述目标人员的目标属性信息；
信息转化模块，用于将所述音频数据转换为文字信息；
综合计算模块，用于结合所述目标信息及所述文字信息，计算目标诈骗值；
诈骗判定模块，用于若所述目标诈骗值大于预设诈骗阈值，则判定所述目标人员正在遭遇诈骗。
可选的，所述综合计算模块，包括：
第一系数确定子模块，用于确定所述目标属性信息的目标属性系数，以及所述文字信息的目标敏感系数；
第一数值计算子模块，用于按照如下公式计算目标诈骗值：
V＝Ub*Yy+Uc*Zz；
其中，V表示所述目标诈骗值，Ub为所述文字信息对应的权重系数，Uc为所述属性信息所对应的权重系数，Ub+Uc＝1，Yy表示所述目标敏感系数，Zz表示所述目标属性系数。
可选的，所述目标信息还包括：电话行为事件，其中，所述电话行为事件表征所述目标人员是否存在打电话的行为；
所述综合计算模块，包括：
第二系数确定子模块，用于确定所述电话行为事件的电话行为系数，所述目标属性信息的目标属性系数，以及所述文字信息的目标敏感系数；
第二数值计算子模块，用于按照如下公式计算目标诈骗值：
V＝Ua*Xx+Ub*Yy+Uc*Zz；
其中，V表示所述目标诈骗值，Ua为所述电话行为事件对应的权重系数，Ub为所述文字信息对应的权重系数，Uc为所述属性信息所对应的权重系数，Ua+Ub+Uc＝1，Xx表示所述电话行为系数，Yy表示所述目标敏感系数，Zz表示所述目标属性系数。
第三方面，本发明实施例提供了一种电信诈骗识别系统，所述系统包括事件检测设备以及识别服务器，其中，
所述事件检测设备，用于对从监控场景下采集的待检测图像进行打电话事件检测；当检测到所述监控场景下存在打电话事件时，获得所述监控场景下的音频数据；向所述识别服务器发送待识别信息，其中，所述待识别信息包括所述音频数据；
所述识别服务器，用于接收所述事件检测设备发送的所述待识别信息，并将所述音频数据转换为文字信息；判断所述文字信息中是否存在敏感词汇，如果存在敏感词汇，判定所述监控场景下发生电信诈骗事件。
可选的，所述事件检测设备，还用于从监控场景下采集待检测图像；
相应的，所述事件检测设备获得所述监控场景下的音频数据，具体为：
从所述监控场景下采集音频数据。
可选的，所述事件检测设备，还用于在检测到所述监控场景下存在打电话事件时，检测所述待检测图像中目标人员的目标属性信息，所述目标人员为发起所述打电话事件的人员；
相应的，所述待识别信息中还包括有所述目标属性信息；
所述识别服务器，还用于在判定出存在敏感词汇的情况下，在判定所述监控场景下发生电信诈骗事件之前，确定与所述目标属性信息及目标敏感词汇对应的目标诈骗值；判断所述目标诈骗值是否大于预设阈值，如果大于，再判定所述监控场景下发生电信诈骗事件，其中，所述目标敏感词汇为所述文字信息中所存在的敏感词汇。
可选的，所述识别服务器确定与所述目标属性信息及目标敏感词汇对应的目标诈骗值，具体为：
确定与所述目标属性信息对应的目标属性系数，以及与目标敏感词汇对应的目标敏感系数；
按照如下公式计算与所述目标属性信息及目标敏感词汇对应的目标诈骗值：
V＝Ub*Yy+Uc*Zz；
式中，V表示所述目标诈骗值，Ub和Uc分别表示敏感词汇和属性信息所分别对应的权重系数，Ub+Uc＝1，Yy表示所述目标敏感系数，Zz表示所述目标属性系数。
可选的，所述系统还包括音频转换服务器，
所述识别服务器将所述音频数据转换为文字信息，具体为：
向所述音频转换服务器发送包含所述音频数据的音频转换请求，接收所述音频转换服务器发送的转换所述音频数据得到的文字信息；
所述音频转换服务器，用于接收所述识别服务器发送的所述音频转换请求，将所述音频数据转换为所述文字信息，并向所述识别服务器发送所述文字信息。
可选的，所述识别服务器，还用于在判定所述监控场景下发生电信诈骗事件后，针对所发生的电信诈骗事件生成并发出报警信息。
可选的，所述系统还包括报警设备；
所述识别服务器针对所发生的电信诈骗事件生成并发出报警信息，具体为：
针对所发生的电信诈骗事件生成报警信息，并将所述报警信息发送给所述报警设备；
所述报警设备，用于接收所述识别服务器发送的所述报警信息，并针对所述报警信息发出报警提示。
第四方面，本发明实施例提供了一种电信诈骗识别方法，所述方法包括：
对从监控场景下采集的待检测图像进行打电话事件检测；
当检测到所述监控场景下存在打电话事件时，获得所述监控场景下的音频数据；
将所述音频数据转换为文字信息；
判断所述文字信息中是否存在敏感词汇；
如果存在敏感词汇，判定所述监控场景下发生电信诈骗事件。
可选的，在所述对从监控场景下采集的待检测图像进行打电话事件检测的步骤之前，所述方法还包括：
从监控场景下采集待检测图像；
相应的，所述获得所述监控场景下的音频数据的步骤，包括：
从所述监控场景下采集音频数据。
可选的，在所述文字信息中存在敏感词汇的情况下，在所述判定所述监控场景下发生电信诈骗事件的步骤之前，所述方法还包括：
检测所述待检测图像中目标人员的目标属性信息，所述目标人员为发起所述打电话事件的人员；
确定与所述目标属性信息及目标敏感词汇对应的目标诈骗值，所述目标敏感词汇为所述文字信息中所存在的敏感词汇；
判断所述目标诈骗值是否大于预设阈值，
如果大于，再执行所述判定所述监控场景下发生电信诈骗事件的步骤。
可选的，所述确定与所述目标属性信息及目标敏感词汇对应的目标诈骗值的步骤，包括：
确定与所述目标属性信息对应的目标属性系数，以及与目标敏感词汇对应的目标敏感系数；
按照如下公式计算与所述目标属性信息及目标敏感词汇对应的目标诈骗值：
V＝Ub*Yy+Uc*Zz；
式中，V表示所述目标诈骗值，Ub和Uc分别表示敏感词汇和属性信息所分别对应的权重系数，Ub+Uc＝1，Yy表示所述目标敏感系数，Zz表示所述目标属性系数。
可选的，所述将所述音频数据转换为文字信息的步骤，包括：
向音频转换服务器发送包含所述音频数据的音频转换请求；
接收所述音频转换服务器发送的转换所述音频数据得到的文字信息。
可选的，在所述判定所述监控场景下发生电信诈骗事件的步骤之后，所述方法还包括：
针对所发生的电信诈骗事件生成并发出报警信息。
第五方面，本发明实施例提供了一种电信诈骗识别装置，所述装置包括：
事件检测模块，用于对从监控场景下采集的待检测图像进行打电话事件检测；
获得模块，用于在所述事件检测模块检测到所述监控场景下存在打电话事件时，获得所述监控场景下的音频数据；
转换模块，用于将所述音频数据转换为文字信息；
第一判断模块，用于判断所述文字信息中是否存在敏感词汇；
判定模块，用于在所述第一判断模块的判断结果为是的情况下，判定所述监控场景下发生电信诈骗事件。
可选的，所述装置还包括：
采集模块，用于从监控场景下采集待检测图像；
相应的，所述获得模块，具体用于从所述监控场景下采集音频数据。
可选的，所述装置还包括：
属性检测模块，用于在所述第一判断模块的判断结果为是的情况下，检测所述待检测图像中目标人员的目标属性信息，所述目标人员为发起所述打电话事件的人员；
确定模块，用于确定与所述目标属性信息及目标敏感词汇对应的目标诈骗值，所述目标敏感词汇为所述文字信息中所存在的敏感词汇；
第二判断模块，用于判断所述目标诈骗值是否大于预设阈值，
相应的，所述判定模块，具体用于在所述第二判断模块的判断结果为是的情况下，所述判定所述监控场景下发生电信诈骗事件的步骤。
可选的，所述确定模块，包括：
确定子模块，用于确定与所述目标属性信息对应的目标属性系数，以及与目标敏感词汇对应的目标敏感系数；
计算子模块，用于按照如下公式计算与所述目标属性信息及目标敏感词汇对应的目标诈骗值：
V＝Ub*Yy+Uc*Zz；
式中，V表示所述目标诈骗值，Ub和Uc分别表示敏感词汇和属性信息所分别对应的权重系数，Ub+Uc＝1，Yy表示所述目标敏感系数，Zz表示所述目标属性系数。
可选的，所述转换模块，包括：
发送子模块，用于向音频转换服务器发送包含所述音频数据的音频转换请求；
接收子模块，用于接收所述音频转换服务器发送的转换所述音频数据得到的文字信息。
可选的，所述装置还包括：
报警模块，用于在所述监控场景下发生电信诈骗事件的情况下，针对所发生的电信诈骗事件生成并发出报警信息。
第六方面，本发明实施例提供了一种电子设备，包括处理器和存储器，其中：
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述第四方面任一电信诈骗识别方法所述的方法步骤。
第七方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述第四方面任一电信诈骗识别方法所述的方法步骤。
第八方面，本发明实施例提供了一种电子设备，包括处理器和存储器，其中：
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述第一方面任一所述的诈骗识别方法。
第九方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面任一所述的诈骗识别方法。
第十方面，本发明实施例提供了一种电子设备，包括处理器和存储器，其中：
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述第一方面任一所述的诈骗识别方法或上述第四方面任一电信诈骗识别方法所述的方法。
由以上可知，本发明实施例提供的方案中，会对从监控场景下采集的待检测图像进行打电话事件检测；当检测到所述监控场景下存在打电话事件时，获得所述监控场景下的音频数据；再将所述音频数据转换为文字信息，并判断所述文字信息中是否存在敏感词汇；如果存在敏感词汇，判定所述监控场景下发生电信诈骗事件。与现有技术相比，本发明实施例提供的方案可以对监控场景下发生的电信诈骗事件进行自动有效地识别，不需要根据人的主观判断能力识别电信诈骗事件，进而可以降低电信诈骗事件中受诈人员上当受骗的概率，有效避免受诈人员的财产损失。当然，实施本发明的任一产品或方法必不一定需要同时达到以上所述的所有优点。
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一些实施例，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，还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的电信诈骗识别系统的结构示意图；
图2为本发明另一实施例提供的电信诈骗识别系统的结构示意图；
图3为本发明又一实施例提供的电信诈骗识别系统的结构示意图；
图4为本发明一实施例提供的电信诈骗识别方法的流程示意图；
图5为本发明另一实施例提供的电信诈骗识别方法的流程示意图；
图6为本发明一实施例提供的电信诈骗识别装置的结构示意图；
图7为本发明另一实施例提供的电信诈骗识别装置的结构示意图；
图8为本发明实施例提供的一种电子设备的结构示意图；
图9为本发明一实施例提供的诈骗识别方法的流程示意图；
图10为本发明一实施例提供的诈骗识别装置的示意图；
图11为本发明实施例提供的另一种电子设备的结构示意图。
具体实施方式
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。
下面首先对本发明涉及的技术术语进行简单介绍。
敏感词汇，在电信诈骗中，敏感词汇可以是指电信诈骗分子实施电信诈骗过程中，所使用的具有诱导性质的词汇。示例性的，电信诈骗中常见的敏感词汇可以包括：“中奖”、“安全账户”、“转账”、“银行卡升级”、“接收财政拨款后查证”、“财产”、“金额”、“发票”等等。
为了能够对电信诈骗进行有效识别，本发明提供了一种电信诈骗识别系统、方法、装置、电子设备及存储介质，下面首先对本发明提供的一种电信诈骗识别系统进行详细介绍。
本发明实施例提供的一种电信诈骗识别系统，如图1所示，上述电信诈骗系统包括事件检测设备以及识别服务器。
本发明实施例中的事件检测设备可以是同时具有音频采集功能和视频采集功能的设备，也可以不是具有音频采集功能和视频采集功能、但可以与其它具有音、视频采集功能的设备相通信的设备，识别服务器可以是与事件检测设备相交互的、用于进行电信诈骗事件识别的设备；并且，可选的，一台识别服务器可以仅与一台事件检测设备交互，还可以对应与多台事件检测设备相交互，这都是可行的。
示例性的，该事件检测设备可以是常见的同时具有音频采集功能和视频采集功能的ATM机(Automated Teller Machine，自助取款机)，与之相对应的，该识别服务器可以是银行专门设置的用于进行识别电信诈骗事件的服务器。可以理解，对于银行来说，其下的ATM机众多，所以一台识别服务器可以对应与多台事件检测设备相交互。
上述事件检测设备，用于对从监控场景下采集的待检测图像进行打电话事件检测；当检测到上述监控场景下存在打电话事件时，获得上述监控场景下的音频数据；向上述识别服务器发送待识别信息，其中，上述待识别信息包括上述音频数据。
上述监控场景可以理解为事件检测设备用以在其下采集待检测图像的场景，即音、视频采集设备从监控场景下采集得到该待检测图像；本发明实施例并不限定该监控场景的具体种类。示例性的，该音、视频采集设备为ATM机，则上述监控场景可以为ATM机前的场景；若该音、视频采集设备为公交车内的监控设备，则上述监控场景可以为公交车内的场景。
另外，事件检测设备可以不间断的获取视频图像，本发明实施例中并不限定该待检测图像为事件检测设备所获取的具有具体帧号的图像，该待检测图像可以是事件检测设备所获取视频图像中的任一帧或多帧图像。
可以理解，当事件检测设备为不具有音频采集功能和视频采集功能的设备时，事件检测设备所获得的待检测图像可以是由其他设备所发送过来的，例如其他音、视频采集设备采集并发送给事件检测设备的，同理，音频数据也可以是其他音、视频采集设备采集并发送给事件检测设备的。
而当事件检测设备为同时具有音频采集功能和视频采集功能的设备时，事件检测设备所获得的待检测图像可以是由其自身在监控场景下所采集的，同理，音频数据也可以是其自身在监控场景下所采集的；即：
本发明实施例中，上述事件检测设备，还可以用于从监控场景下采集待检测图像；
相应的，上述事件检测设备获得上述监控场景下的音频数据，具体为：
从上述监控场景下采集音频数据。
例如前述银行的ATM机，其同时具有音频采集功能和视频采集功能，其可以作为本发明实施例中的事件检测设备。
事件检测设备对上述待检测图像进行打电话事件检测，可以理解为：事件检测设备利用图像检测技术，对待检测图像进行打电话事件的检测，如果检测到打电话事件，则表明监控场景下存在打电话事件。
在图像中进行打电话事件的检测，可以将打电话事件作为目标，对待检测图像进行目标检测，其中，所采用的目标检测方法可以是：基于深度学习的目标检测方法、利用图像分割技术的目标检测方法或利用特征匹配技术的目标检测方法等，本发明实施例并不限定该目标检测方法的具体种类，并且对于目标检测方法的具体实现方式不做详细介绍。
可以理解，在监控场景下发生打电话事件时，可以从监控场景下连续不断的采集到音频数据；所以，事件检测设备可以在检测到监控场景下发生打电话事件时，不断从监控场景下获取音频数据，并将获取到的音频数据不断地发送给识别服务器。
上述待识别信息可以仅包括事件检测设备所采集的音频数据，但是，如果识别服务器对应与多台事件检测设备相交互，为了使得识别服务器可以识别出发送上述待识别信息的事件检测设备，上述待识别信息中还可以包括事件检测设备的标识信息。
另外，在事件检测设备保持将获取到的音频数据发送给识别服务器的过程中，若所发生的打电话事件结束，则事件检测设备可以停止从监控场景下获取和传输音频数据。可选的，该事件检测设备在检测到打电话事件后，还可以通过待检测图像后续的图像来监控上述监控场景下的打电话事件是否结束，当通过待检测图像后续的图像无法检测到打电话事件时，判定打电话事件结束，此时，事件检测设备可以不用再从监控场景下采集音频数据，也就不用再继续向识别服务器发送所采集的音频数据。
上述识别服务器，用于接收上述事件检测设备发送的上述待识别信息，并将上述音频数据转换为文字信息；判断上述文字信息中是否存在敏感词汇，如果存在敏感词汇，判定上述监控场景下发生电信诈骗事件。
识别服务器在接收到上述待识别信息后，可以通过语音与文字之间的语音转换技术将待识别信息中的音频数据转换为文字信息，作为本发明实施例中的一种可选实现方式，识别服务器将上述音频数据转换为文字信息可以理解为：识别服务器不依靠其他设备，完全由其自身利用语音转换技术对音频数据进行转换。
但考虑到识别服务器自身完成音频数据的转换可能需要消耗大量的内存资源，不利于识别服务器执行其他操作，所以作为发明实施例的另一种可选实现方式，在图1所示系统实施例的基础上，如图2所示，上述电信诈骗识别系统还可以包括音频转换服务器。
相应的，在此实现方式下，上述识别服务器将上述音频数据转换为文字信息，具体为：
向上述音频转换服务器发送包含上述音频数据的音频转换请求，接收上述音频转换服务器发送的转换上述音频数据得到的文字信息；
上述音频转换服务器，用于接收上述识别服务器发送的上述音频转换请求，将上述音频数据转换为上述文字信息，并向上述识别服务器发送上述文字信息。
可以理解，在此实现方式中，识别服务器在接收到上述音频数据后，直接针对所接收到的音频数据生成包含有音频数据的音频转换请求，然后识别服务器再将所生成的音频转换请求发送给音频转换服务器。该音频转换服务器为可以将语音转换为文字的服务器，如语音云平台等；音频转换服务器在接收到识别服务器发送的音频转换请求后，可以将音频转换请求中携带的音频数据转换为文字信息，并将转换得到的文字信息作为对上述音频转换请求的反馈，发送给识别服务器。
在本发明实施例中，识别服务器在获得音频数据转换得到的文字信息后，即可判断该文字信息中是否存在敏感词汇，如果文字信息中存在敏感词汇，则可以直接判定监控场景下发生电信诈骗事件。
如前上述，在电信诈骗中，敏感词汇可以是指电信诈骗分子实施电信诈骗过程中，所使用的具有诱导性质的词汇，如前述的“中奖”、“安全账户”、“转账”、“银行卡升级”、“接收财政拨款后查证”、“财产”、“金额”、“发票”等等；敏感词汇可以是工作人员根据经验所预设的，本发明实施例中并不限定敏感词汇的具体种类。
识别服务器判断该文字信息中是否存在敏感词汇，例如识别服务器查找文字信息中是否存在与预设的敏感词汇匹配的字段，如果存在与预设的敏感词汇匹配的字段，则表明文字信息中存在敏感词汇。示例性的，预设的敏感词汇包括“转账”，当前转换得到的文字信息为“我马上给你转账5万元”，由于该文字信息中的字段“转账”可以匹配上敏感字段，则可以判定监控场景下发生电信诈骗事件。
本发明实施例中，为了能够对识别到的电信诈骗事件进行有效预警，上述识别服务器，还可以用于在判定上述监控场景下发生电信诈骗事件后，针对所发生的电信诈骗事件生成并发出报警信息。
该报警信息可以是一段文字报警信息，还可以是语音报警信息，例如内容为“发生电信诈骗事件”的文字报警信息或语音报警信息，本发明实施例并不限定该报警信息的具体形式。
作为本发明实施例的一种可选实现方式，识别服务器针对所发生的电信诈骗事件生成并发出报警信息，可以为：识别服务器针对所发生的电信诈骗事件生成报警信息，并在自身上展示或播报出来，例如，当报警信息为文字报警信息时，识别服务器在自身的显示屏上显示出文字报警信息，当报警信息为语音报警信息时，识别服务器通过自身的声音播放部件播报该报警信息。
作为本发明实施例的另一种可选实现方式，在图1所示系统实施例的基础上，上述电信诈骗识别系统还可以包括报警设备。在该电信诈骗识别系统包括有报警设备的情况下，系统中可以不包含有前述音频转换服务器；可选的，此情况下，系统中也可以包含有前述音频转换服务器，如图3所示。
上述识别服务器针对所发生的电信诈骗事件生成并发出报警信息，可以具体为：
针对所发生的电信诈骗事件生成报警信息，并将上述报警信息发送给上述报警设备；
上述报警设备，用于接收上述识别服务器发送的上述报警信息，并针对上述报警信息发出报警提示。
在此实现方式中，识别服务器针对所发生的电信诈骗事件生成报警信息后，可以将该报警信息发送给预设的报警设备，如银行监控中心的预警装置；该报警设备接收到该报警信息后，可以发出报警提示，例如语音提示、文字提示、图片提示等等，以使得工作人员能够及时获得监控场景下所发生的电信诈骗事件。
为了能够对识别到的电信诈骗事件进行有效预警，识别服务器除了可以生成上述预警信息外，还可以从事件检测设备上获取当前场景下的音、视频数据，并将所获取的音、视频数据在自身展示出来，或者发送给其他设备，由其他设备进行展示；还可以打开自身或者其他设备与事件检测设备之间的语音对讲，便于工作人员与产生打电话行为的人员进行语音对讲。
可以理解，针对电信诈骗事件的预警，除了上述方式外，还可以是其它方式，本发明实施例在此不再详细介绍。
在上述事件检测设备为银行的ATM机，识别服务器为银行设置的用于做防电信诈骗分析的服务器时，识别服务器可以在判定监控场景下发生电信诈骗事件后，针对该电信诈骗事件生成报警信息，并将报警信息发送给监控中心的自动预警装置，进而向银行值班人员播报报警语音；还可以向ATM机所在的自助银行中的语音播报设备发送报警信息，使得语音播报设备播报提示语音，以提醒银行的储户。另外，识别服务器还可以从ATM机中获取当前监控场景下的音、视频数据，并将该音、视频数据在银行监控中心的大屏上播放，供银行值班人员查看；或者，识别服务器还可以，自动开启银行监控中心的语音对讲设备与ATM机所在自助银行的语音对讲设备的连接，便于银行值班人员与银行储户对话，并提醒储户小心电信诈骗。
可以理解，当本发明实施例提供的方案应用于银行的监控系统中时，可以有效提升自助银行预防电信诈骗的能力，降低银行储户被诈骗的风险，减少银行与储户的财务纠纷，提升银行的服务水平。
由以上可知，本实施例提供的方案可以对监控场景下发生的电信诈骗事件进行自动有效地识别，不需要根据人的主观判断能力识别电信诈骗事件，进而可以降低电信诈骗事件中受诈人员上当受骗的概率，有效避免受诈人员的财产损失。
在前述实施例中，当判断出音频数据转换得到的文字信息中存在敏感词汇时，可以直接判定监控场景下发生电信诈骗事件。但有些场景下，即使存在监控场景下采集的音频数据中存在敏感词汇，也并不能代表监控场景下发生电信诈骗事件。
所以为了增加对电信诈骗识别的准确度，减少误判，作为本发明实施例的一种可选实现方式，上述事件检测设备，还用于在检测到上述监控场景下存在打电话事件时，检测上述待检测图像中目标人员的目标属性信息，上述目标人员为发起上述打电话事件的人员；
相应的，上述待识别信息中还包括有上述目标属性信息；
上述识别服务器，还用于在判定出存在敏感词汇的情况下，在判定上述监控场景下发生电信诈骗事件之前，确定与上述目标属性信息及目标敏感词汇对应的目标诈骗值；判断上述目标诈骗值是否大于预设阈值，如果大于，再判定上述监控场景下发生电信诈骗事件，其中，上述目标敏感词汇为上述文字信息中所存在的敏感词汇。
在本发明实施例中，事件检测设备在检测到上述监控场景下存在打电话事件时，可以首先利用人脸识别等技术检测待检测图像中发起该打电话事件的人员的属性信息，该属性信息可以是人的性别、年龄等属性，本发明实施例并不限定该属性信息所的具体种类；然后再将检测到的人员的属性信息作为目标属性信息，将包含了目标属性信息和音频数据的待识别信息发送给识别服务器。
示例性的，监控场景下的人员A在打电话，则事件检测设备在检测到上述监控场景下存在打电话事件时，利用人脸识别等技术检测待检测图像中人员A的年龄和性别，然后将采集到的音频数据以及包含了人员A年龄和性别的目标属性信息发送给识别服务器。
本发明实施例中，对于识别服务器而言，其在接收到上述待识别信息后，可以首先将待识别信息中的音频数据转换为文字信息，在转换得到的文字信息中包含有敏感词汇的情况下，识别服务器可以不必直接判定监控场景下发生电信诈骗事件，而是可以先确定与文字信息中所存在的敏感词汇及上述目标属性信息对应的目标诈骗值，然后再判断目标诈骗值是否大于预设阈值，如果大于，再判定上述监控场景下发生电信诈骗事件，否则，可以不判定监控场景下发生电信诈骗事件。
其中，该预设阈值的具体取值可以根据需求确定，本发明实施例并不限定该预设阈值的具体取值。
可以理解，诈骗值对应着属性信息及敏感词汇，作为本发明实施例的一种可选实现方式，上述识别服务器确定与上述目标属性信息及目标敏感词汇对应的目标诈骗值，可以具体为：
确定与上述目标属性信息对应的目标属性系数，以及与目标敏感词汇对应的目标敏感系数；
按照如下公式计算与上述目标属性信息及目标敏感词汇对应的目标诈骗值：
V＝Ub*Yy+Uc*Zz；
式中，V表示上述目标诈骗值，Ub和Uc分别表示敏感词汇和属性信息所分别对应的权重系数，Ub+Uc＝1，Yy表示上述目标敏感系数，Zz表示上述目标属性系数。
识别服务器确定与目标属性信息对应的目标属性系数，可以是按照预先设置的属性信息与属性系数的对应关系，确定与目标属性信息对应的目标属性系数。示例性的，假设属性信息包括有年龄和性别，如下表1所示，不同的年龄、性别组成的属性信息对应着不同的属性系数，其中，A表示年龄。
表1
例如，识别服务器获得的目标属性信息中，上述目标人员的年龄为56岁，性别为女，则可以通过上述表1查找到对应的目标属性系数为Z18。
在表1所示的实现方式中，属性系数越大，表示该属性信息对应的人员越容易受到电信诈骗，即该属性信息所对应人员对于防范电信诈骗的能力越差；所以，在设置属性信息对应的属性系数时，可以按照属性信息所对应人员对于防范电信诈骗的能力的不同，设置不同的属性系数，具体的，属性信息所对应人员对于防范电信诈骗的能力越强，该属性信息对应的属性系数越小；如相同年龄段，不同性别的属性信息中，男性对应的属性系数小于女性对应的属性系数，如Z5小于Z16。可以理解，具体的属性信息所对应的属性系数的具体大小可以基于需求设定，本发明实施例在此不做详细介绍。
识别服务器确定与目标敏感词汇对应的目标敏感系数，一种情况下，可以是所有的敏感词汇对应的敏感系数都是相同的。但是，不同的敏感词汇对于电信诈骗的置信程度是不同的，所以另一种情况下，不同的敏感词汇可以对应有不同的敏感系数，示例性的，可以将不同的敏感词汇分为高级、中级、低级三个等级，高级敏感词汇的敏感系数为Y1，中级敏感词汇的敏感系数为Y2，低级级敏感词汇的敏感系数为Y3，并且，Y1＞Y2＞Y3。
举例而言，高级敏感词汇包括敏感词汇1和2，中级敏感词汇包括敏感词汇3～6，低级敏感词汇包括敏感词汇7～10。假设此时目标敏感词汇为敏感词汇4，则表示该目标敏感词汇为中级敏感词汇，所以目标敏感词汇对应的敏感系数为Y2。可选的，在上述文字信息中包含不同级别的敏感词汇时，可以选取级别最高的敏感词汇(即敏感系数最高的敏感词汇)对应的敏感系数，作为目标敏感系数。
上述计算目标诈骗值的公式中，Ub和Uc分别表示敏感词汇和属性信息所分别对应的权重系数，本发明实施例并不限定Ub和Uc的具体取值，本领域技术人员可以基于实际需求设定；同样的，本发明实施例并不限定Yy以及Zz的取值范围，示例性的，可以设置Yy以及Zz的取值范围分别为：0＜Yy≤1，0＜Zz≤1。
可以理解，除了上述确定目标诈骗值的具体实现方式外，本发明实施例还可以采用其他可适用的实现方式来确定目标诈骗值，本发明实施例在此不做限定。
另外，为了加快识别服务器确定目标诈骗值的速度，在本发明实施例中，还可以预先计算好不同的属性信息以及不同的敏感词汇所对应的诈骗值，例如可以生成一个属性信息、敏感词汇与诈骗值的对应关系表，识别服务器可以通过查询该表获得与目标属性信息及目标敏感词汇对应的目标诈骗值。
在本发明实施例中，在检测到监控场景下存在打电话事件时，事件检测设备会保持获取监控场景下的音频数据及待检测图像。识别服务器会持续对上述监控场景下是否存在电信诈骗事件进行判断，直至上述监控场景下不存在打电话事件或判定上述监控场景下发生电信诈骗事件。在识别服务器判定上述监控场景下发生电信诈骗事件后，事件检测设备可以继续获取监控场景下的音频数据及待检测图像，以供识别服务器进行后续分析；当然在识别服务器判定上述监控场景下发生电信诈骗事件后，识别服务器也可以停止对上述监控场景下是否发生电信诈骗事件进行判定。
下面再通过一个具体实例来对本发明实施例提供的电信诈骗识别系统进行简单说明。
假设上述电信诈骗识别系统包括有事件检测设备、识别服务器、音频转换服务器以及报警设备。该系统应用在银行的监控系统中，即事件检测设备、识别服务器、音频转换服务器以及报警设备分别为：ATM机、银行设置的防诈骗分析服务器、语音云平台服务器以及银行监控中心的自动预警设备。
ATM机实时采集监控场景下的图像，检测监控场景下是否发生打电话事件，当检测到监控场景下发生打电话事件时，在采集的图像中识别出打电话的目标人员的性别和年龄信息。
然后，ATM机将目标人员的性别和年龄信息、自身的标识信息以及采集到的音频数据发送给防诈骗分析服务器，防诈骗分析服务器将所接收的所有信息放到自身的缓冲区中，并创建音频数据获取线程和音频数据分析线程。
其中，音频数据获取线程持续从ATM机上获取音频数据并保存到防诈骗分析服务器的缓冲区中；另外，当ATM机检测到目标人员打电话行为停止时，可以向该防诈骗分析服务器发送一个打电话行为停止消息，则音频数据获取线程在防诈骗分析服务器接收到打电话行为停止消息时，结束从ATM机上获取音频数据。
而音频数据分析线程则是在防诈骗分析服务器的缓冲区中有数据的情况下，从缓冲区中读取音频数据，并将所读取的音频数据发送给语音云平台服务器，由语音云平台服务器将音频数据转换成文字信息；同时，音频数据分析线程还会从该缓冲区中清除已读取的音频数据。
而后，音频数据分析线程从文字信息中查找敏感词汇，如果查找到敏感词汇，按照上述表1确定目标属性系数，并确定所查找到的敏感词汇对应的目标敏感系数，再按照上述计算目标诈骗值的公式计算目标诈骗值；假设上述计算目标诈骗值的公式中，Ub和Uc分别为0.4和0.6，目标敏感系数为0.7，目标属性系数为0.8，则计算可得目标诈骗值为0.8。
假设预设阈值为0.7，显然的，目标诈骗值大于预设阈值，则音频数据分析线程可以判定ATM机对应的监控场景下发生电信诈骗事件，并且针对所发生电信诈骗事件生成报警信息，并将报警信息发送给银行监控中心的自动预警设备，进而联动银行监控中心的自动预警装置进行预警。
相应于图1～3所示系统实施例，本发明实施例还提供了一种电信诈骗识别方法，如图4所示；上述方法包括：
S101：对从监控场景下采集的待检测图像进行打电话事件检测；
S102：当检测到上述监控场景下存在打电话事件时，获得上述监控场景下的音频数据；
S103：将上述音频数据转换为文字信息；
S104：判断上述文字信息中是否存在敏感词汇；
如果步骤S104的判断结果为是，执行步骤S105：判定上述监控场景下发生电信诈骗事件。
作为本发明实施例的一种可选实现方式，在上述对从监控场景下采集的待检测图像进行打电话事件检测(S101)的步骤之前，上述方法还可以包括：
从监控场景下采集待检测图像；
相应的，上述获得上述监控场景下的音频数据的步骤，可以包括：
从上述监控场景下采集音频数据。
可选的，在上述文字信息中存在敏感词汇的情况下，在上述判定上述监控场景下发生电信诈骗事件(S105)的步骤之前，上述方法还可以包括：
检测上述待检测图像中目标人员的目标属性信息，上述目标人员为发起上述打电话事件的人员；
确定与上述目标属性信息及目标敏感词汇对应的目标诈骗值，上述目标敏感词汇为上述文字信息中所存在的敏感词汇；
判断上述目标诈骗值是否大于预设阈值，
如果大于，再执行上述判定上述监控场景下发生电信诈骗事件(S105)的步骤。
即上述电信诈骗识别方法，如图5所示，可以包括：
S201：对从监控场景下采集的待检测图像进行打电话事件检测；
S202：当检测到上述监控场景下存在打电话事件时，获得上述监控场景下的音频数据；
S203：将上述音频数据转换为文字信息；
S204：判断上述文字信息中是否存在敏感词汇；
如果步骤S204的判断结果为是，执行步骤S205：检测上述待检测图像中目标人员的目标属性信息，上述目标人员为发起上述打电话事件的人员；
S206：确定与上述目标属性信息及目标敏感词汇对应的目标诈骗值，上述目标敏感词汇为上述文字信息中所存在的敏感词汇；
S207：判断上述目标诈骗值是否大于预设阈值，
如果步骤S207的判断结果为是，执行步骤S208：判定上述监控场景下发生电信诈骗事件。
具体的，上述确定与上述目标属性信息及目标敏感词汇对应的目标诈骗值的步骤，可以包括：
确定与上述目标属性信息对应的目标属性系数，以及与目标敏感词汇对应的目标敏感系数；
按照如下公式计算与上述目标属性信息及目标敏感词汇对应的目标诈骗值：
V＝Ub*Yy+Uc*Zz；
式中，V表示上述目标诈骗值，Ub和Uc分别表示敏感词汇和属性信息所分别对应的权重系数，Ub+Uc＝1，Yy表示上述目标敏感系数，Zz表示上述目标属性系数。
作为本发明实施例的一种可选实现方式，上述将上述音频数据转换为文字信息的步骤，可以包括：
向音频转换服务器发送包含上述音频数据的音频转换请求；
接收上述音频转换服务器发送的转换上述音频数据得到的文字信息。
作为本发明实施例的一种可选实现方式，在上述判定上述监控场景下发生电信诈骗事件的步骤之后，上述方法还可以包括：
针对所发生的电信诈骗事件生成并发出报警信息。
由以上可知，本实施例提供的方案可以对监控场景下发生的电信诈骗事件进行自动有效地识别，不需要根据人的主观判断能力识别电信诈骗事件，进而可以降低电信诈骗事件中受诈人员上当受骗的概率，有效避免受诈人员的财产损失。
相应于图4所示方法实施例，本发明实施例还提供了一种电信诈骗识别装置，如图6所示，上述装置包括：
事件检测模块110，用于对从监控场景下采集的待检测图像进行打电话事件检测；
获得模块120，用于在上述事件检测模块检测到上述监控场景下存在打电话事件时，获得上述监控场景下的音频数据；
转换模块130，用于将上述音频数据转换为文字信息；
第一判断模块140，用于判断上述文字信息中是否存在敏感词汇；
判定模块150，用于在上述第一判断模块140的判断结果为是的情况下，判定上述监控场景下发生电信诈骗事件。
作为本发明实施例的一种可选实现方式，上述装置还可以包括：
采集模块，用于从监控场景下采集待检测图像；
相应的，上述获得模块120，可以具体用于从上述监控场景下采集音频数据。
作为本发明实施例的一种可选实现方式，在图6所示方法实施例的基础上，如图7所示，上述装置还可以包括：
属性检测模块160，用于在上述第一判断模块140的判断结果为是的情况下，检测上述待检测图像中目标人员的目标属性信息，上述目标人员为发起上述打电话事件的人员；
确定模块170，用于确定与上述目标属性信息及目标敏感词汇对应的目标诈骗值，上述目标敏感词汇为上述文字信息中所存在的敏感词汇；
第二判断模块180，用于判断上述目标诈骗值是否大于预设阈值，
相应的，上述判定模块150，可以具体用于在上述第二判断模块180的判断结果为是的情况下，上述判定上述监控场景下发生电信诈骗事件的步骤。
具体的，上述确定模块170，可以包括：
确定子模块，用于确定与上述目标属性信息对应的目标属性系数，以及与目标敏感词汇对应的目标敏感系数；
计算子模块，用于按照如下公式计算与上述目标属性信息及目标敏感词汇对应的目标诈骗值：
V＝Ub*Yy+Uc*Zz；
式中，V表示上述目标诈骗值，Ub和Uc分别表示敏感词汇和属性信息所分别对应的权重系数，Ub+Uc＝1，Yy表示上述目标敏感系数，Zz表示上述目标属性系数。
具体的，上述转换模块130，可以包括：
发送子模块，用于向音频转换服务器发送包含上述音频数据的音频转换请求；
接收子模块，用于接收上述音频转换服务器发送的转换上述音频数据得到的文字信息。
具体的，上述装置还可以包括：
报警模块，用于在上述监控场景下发生电信诈骗事件的情况下，针对所发生的电信诈骗事件生成并发出报警信息。
由以上可知，本实施例提供的方案可以对监控场景下发生的电信诈骗事件进行自动有效地识别，不需要根据人的主观判断能力识别电信诈骗事件，进而可以降低电信诈骗事件中受诈人员上当受骗的概率，有效避免受诈人员的财产损失。
本发明实施例还提供了一种电子设备，如图8所示，包括处理器210和存储器220，其中，
存储器220，用于存放计算机程序；
处理器210，用于执行存储器220上所存放的程序时，实现如下步骤：
对从监控场景下采集的待检测图像进行打电话事件检测；
当检测到上述监控场景下存在打电话事件时，获得上述监控场景下的音频数据；
将上述音频数据转换为文字信息；
判断上述文字信息中是否存在敏感词汇；
如果存在敏感词汇，判定上述监控场景下发生电信诈骗事件。
关于该方法各个步骤的具体实现以及相关解释内容可以参见上述图4和图5所示的方法实施例，在此不做赘述。
上述电子设备可以具备有实现上述电子设备与其他设备之间通信的通信接口。
上述的处理器210，通信接口，存储器220通过通信总线完成相互间的通信，此处所提到的通信总线可以是外设部件互连标准(Peripheral Component Interconnect，PCI)总线或扩展工业标准结构(Extended Industry Standard Architecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。
存储器220可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器210可以是通用处理器，包括中央处理器(Central ProcessingUnit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(DigitalSignal Processing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(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。
由以上可知，本实施例提供的方案可以对监控场景下发生的电信诈骗事件进行自动有效地识别，不需要根据人的主观判断能力识别电信诈骗事件，进而可以降低电信诈骗事件中受诈人员上当受骗的概率，有效避免受诈人员的财产损失。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中任一电信诈骗识别方法。
由以上可知，本实施例提供的方案可以对监控场景下发生的电信诈骗事件进行自动有效地识别，不需要根据人的主观判断能力识别电信诈骗事件，进而可以降低电信诈骗事件中受诈人员上当受骗的概率，有效避免受诈人员的财产损失。
本发明实施例还提供了一种诈骗识别方法，参见图9，该方法包括：
S901，获取目标人员的视频数据及音频数据。
本发明实施例的诈骗识别方法可以通过智能终端实现，该智能终端可以为电脑、智能摄像机或单片机等。智能终端通过外接或内置的图像采集设备及声音采集设备，采集目标人员的视频图像及音频数据。例如，该智能终端可以通过安装在ATM机上的摄像头及拾音器获取目标人员的视频数据及音频数据。
在本发明实施例中，获取目标人员的视频数据及音频数据的触发条件可以根据具体情况进行设定，例如，当检测到ATM机被操作时，获取目标人员的视频数据及音频数据；或持续采集监控场景中的视频图像，当检测到视频图像中包括目标人员时，获取目标人员的视频数据及音频数据；当然还可以为检测到视频图像中存在打电话的行为时，获取目标人员的视频数据及音频数据等。
S902，提取上述视频数据中上述目标人员的目标信息，其中，上述目标信息包括上述目标人员的目标属性信息。
目标属性信息可以包括目标人员的年龄及性别等信息，此外，目标属性信息还可以包括目标人员的职业及受教育程度等信息，例如，可以通过人脸识别技术识别出目标人员的身份，并从预设的数据库中读取该人员的目标属性信息；或者通过深度学习方法，识别出目标人员的目标属性信息等。
S903，将上述音频数据转换为文字信息。
S904，结合上述目标信息及上述文字信息，计算目标诈骗值。
可选的，上述结合上述目标信息及上述文字信息，计算目标诈骗值，包括：
步骤一，确定上述目标属性信息的目标属性系数，以及上述文字信息的目标敏感系数；
步骤二，按照如下公式计算目标诈骗值：
V＝Ub*Yy+Uc*Zz；
其中，V表示上述目标诈骗值，Ub为上述文字信息对应的权重系数，Uc为上述属性信息所对应的权重系数，Ub+Uc＝1，Yy表示上述目标敏感系数，Zz表示上述目标属性系数。
目标属性信息对应的目标属性系数可以根据实际情况进行设定，例如可以通过表1中目标人员的年龄和性别，与目标属性系数的对应关系确定。在确定上述文字信息的目标敏感系数时，判断上述文字信息中是否存在敏感词汇，即查找上述文字信息中是否存在与预设的敏感词汇匹配的字段，将与预设的敏感词汇匹配的字段作为目标敏感词汇，并将该目标敏感词汇对应的敏感系数作为目标敏感系数，即上述文字信息的目标敏感系数。若上述文字信息中不存在敏感词汇，则令上述文字信息的目标敏感系数为预设的普通系数，普通系数可以根据实际情况进行设定，但是应当保证普通系数小于各敏感词汇对应的敏感系数，一般情况下，普通系数可以设定为0。
在本发明实施例中，所有的敏感词汇对应的敏感系数可以相同；或各敏感词汇对应多种敏感系数，例如，可以将不同的敏感词汇分为高级、中级、低级三个等级，高级敏感词汇的敏感系数为Y1，中级敏感词汇的敏感系数为Y2，低级级敏感词汇的敏感系数为Y3，并且，Y1＞Y2＞Y3。
举例而言，高级敏感词汇包括敏感词汇1和2，中级敏感词汇包括敏感词汇3～6，低级敏感词汇包括敏感词汇7～10。假设此时目标敏感词汇为敏感词汇4，则表示该目标敏感词汇为中级敏感词汇，所以目标敏感词汇对应的敏感系数为Y2。可选的，在上述文字信息中包含不同级别的敏感词汇时，可以选取级别最高的敏感词汇(即敏感系数最高的敏感词汇)对应的敏感系数，作为目标敏感系数。
可选的，上述目标信息还包括：电话行为事件，其中，上述电话行为事件表征上述目标人员是否存在打电话的行为；
上述结合上述目标信息及上述文字信息，计算目标诈骗值，包括：
步骤一，确定上述电话行为事件的电话行为系数，上述目标属性信息的目标属性系数，以及上述文字信息的目标敏感系数；
步骤二，按照如下公式计算目标诈骗值：
V＝Ua*Xx+Ub*Yy+Uc*Zz；
其中，V表示上述目标诈骗值，Ua为上述电话行为事件对应的权重系数，Ub为上述文字信息对应的权重系数，Uc为上述属性信息所对应的权重系数，Ua+Ub+Uc＝1，Xx表示上述电话行为系数，Yy表示上述目标敏感系数，Zz表示上述目标属性系数。
Ua、Ub及Uc可以根据实际情况自行设定，例如，依次设定为0.5、0.3和0.2，或依次设定为0.4、0.3和0.3，或依次设定为0.4、0.4和0.2等。若上述目标人员存在打电话的行为，另Xx＝1。若上述目标人员不存在打电话的行为，另Xx＝0。
S905，若上述目标诈骗值大于预设诈骗阈值，则判定上述目标人员正在遭遇诈骗。
在本实施例提供中，可以自动有效地识别诈骗事件，减少了人工判断时人类主观性的影响，方便及时针对正在发生的诈骗事件进行预警。
本发明实施例还提供了一种诈骗识别装置，参见图10，该装置包括：
数据获取模块1001，用于获取目标人员的视频数据及音频数据；
信息提取模块1002，用于提取上述视频数据中上述目标人员的目标信息，其中，上述目标信息包括上述目标人员的目标属性信息；
信息转化模块1003，用于将上述音频数据转换为文字信息；
综合计算模块1004，用于结合上述目标信息及上述文字信息，计算目标诈骗值；
诈骗判定模块1005，用于若上述目标诈骗值大于预设诈骗阈值，则判定上述目标人员正在遭遇诈骗。
可选的，上述综合计算模块1004，包括：
第一系数确定子模块，用于确定上述目标属性信息的目标属性系数，以及上述文字信息的目标敏感系数；
第一数值计算子模块，用于按照如下公式计算目标诈骗值：
V＝Ub*Yy+Uc*Zz；
其中，V表示上述目标诈骗值，Ub为上述文字信息对应的权重系数，Uc为上述属性信息所对应的权重系数，Ub+Uc＝1，Yy表示上述目标敏感系数，Zz表示上述目标属性系数。
可选的，上述目标信息还包括：电话行为事件，其中，上述电话行为事件表征上述目标人员是否存在打电话的行为；
上述综合计算模块1004，包括：
第二系数确定子模块，用于确定上述电话行为事件的电话行为系数，上述目标属性信息的目标属性系数，以及上述文字信息的目标敏感系数；
第二数值计算子模块，用于按照如下公式计算目标诈骗值：
V＝Ua*Xx+Ub*Yy+Uc*Zz；
其中，V表示上述目标诈骗值，Ua为上述电话行为事件对应的权重系数，Ub为上述文字信息对应的权重系数，Uc为上述属性信息所对应的权重系数，Ua+Ub+Uc＝1，Xx表示上述电话行为系数，Yy表示上述目标敏感系数，Zz表示上述目标属性系数。
在本实施例提供中，可以自动有效地识别诈骗事件，减少了人工判断时人类主观性的影响，方便及时针对正在发生的诈骗事件进行预警。
本发明实施例还提供了一种电子设备，如图11所示，包括处理器1101和存储器1102，其中，
存储器1102，用于存放计算机程序；
处理器1101，用于执行存储器1102上所存放的程序时，实现如下步骤：
获取目标人员的视频数据及音频数据；
提取上述视频数据中上述目标人员的目标信息，其中，上述目标信息包括上述目标人员的目标属性信息；
将上述音频数据转换为文字信息；
结合上述目标信息及上述文字信息，计算目标诈骗值；
若上述目标诈骗值大于预设诈骗阈值，则判定上述目标人员正在遭遇诈骗。
在本实施例提供中，可以自动有效地识别诈骗事件，减少了人工判断时人类主观性的影响，方便及时针对正在发生的诈骗事件进行预警。
可选的，处理器1101用于执行存储器1102上所存放的程序时，还能够实现上述任一诈骗识别方法。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的诈骗识别方法。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，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。尤其，对于方法、装置、电子设备、计算机可读存储介质实施例而言，由于其基本相似于系统实施例，所以描述的比较简单，相关之处参见系统实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
Claims (17)
1.一种诈骗识别方法，其特征在于，所述方法包括：
获取目标人员的视频数据及音频数据；
提取所述视频数据中所述目标人员的目标信息，其中，所述目标信息包括所述目标人员的目标属性信息；
将所述音频数据转换为文字信息；
结合所述目标信息及所述文字信息，计算目标诈骗值；
若所述目标诈骗值大于预设诈骗阈值，则判定所述目标人员正在遭遇诈骗。
2.根据权利要求1所述的方法，其特征在于，所述结合所述目标信息及所述文字信息，计算目标诈骗值，包括：
确定所述目标属性信息的目标属性系数，以及所述文字信息的目标敏感系数；
按照如下公式计算目标诈骗值：
V＝Ub*Yy+Uc*Zz；
其中，V表示所述目标诈骗值，Ub为所述文字信息对应的权重系数，Uc为所述属性信息所对应的权重系数，Ub+Uc＝1，Yy表示所述目标敏感系数，Zz表示所述目标属性系数。
3.根据权利要求1所述的方法，其特征在于，所述目标信息还包括：电话行为事件，其中，所述电话行为事件表征所述目标人员是否存在打电话的行为；
所述结合所述目标信息及所述文字信息，计算目标诈骗值，包括：
确定所述电话行为事件的电话行为系数，所述目标属性信息的目标属性系数，以及所述文字信息的目标敏感系数；
按照如下公式计算目标诈骗值：
V＝Ua*Xx+Ub*Yy+Uc*Zz；
其中，V表示所述目标诈骗值，Ua为所述电话行为事件对应的权重系数，Ub为所述文字信息对应的权重系数，Uc为所述属性信息所对应的权重系数，Ua+Ub+Uc＝1，Xx表示所述电话行为系数，Yy表示所述目标敏感系数，Zz表示所述目标属性系数。
4.一种诈骗识别装置，其特征在于，所述装置包括：
数据获取模块，用于获取目标人员的视频数据及音频数据；
信息提取模块，用于提取所述视频数据中所述目标人员的目标信息，其中，所述目标信息包括所述目标人员的目标属性信息；
信息转化模块，用于将所述音频数据转换为文字信息；
综合计算模块，用于结合所述目标信息及所述文字信息，计算目标诈骗值；
诈骗判定模块，用于若所述目标诈骗值大于预设诈骗阈值，则判定所述目标人员正在遭遇诈骗。
5.一种电信诈骗识别系统，其特征在于，所述系统包括事件检测设备以及识别服务器，其中，
所述事件检测设备，用于对从监控场景下采集的待检测图像进行打电话事件检测；当检测到所述监控场景下存在打电话事件时，获得所述监控场景下的音频数据；向所述识别服务器发送待识别信息，其中，所述待识别信息包括所述音频数据；
所述识别服务器，用于接收所述事件检测设备发送的所述待识别信息，并将所述音频数据转换为文字信息；判断所述文字信息中是否存在敏感词汇，如果存在敏感词汇，判定所述监控场景下发生电信诈骗事件。
6.根据权利要求5所述的系统，其特征在于，
所述事件检测设备，还用于从监控场景下采集待检测图像；
相应的，所述事件检测设备获得所述监控场景下的音频数据，具体为：
从所述监控场景下采集音频数据。
7.根据权利要求5所述的系统，其特征在于，
所述事件检测设备，还用于在检测到所述监控场景下存在打电话事件时，检测所述待检测图像中目标人员的目标属性信息，所述目标人员为发起所述打电话事件的人员；
相应的，所述待识别信息中还包括有所述目标属性信息；
所述识别服务器，还用于在判定出存在敏感词汇的情况下，在判定所述监控场景下发生电信诈骗事件之前，确定与所述目标属性信息及目标敏感词汇对应的目标诈骗值；判断所述目标诈骗值是否大于预设阈值，如果大于，再判定所述监控场景下发生电信诈骗事件，其中，所述目标敏感词汇为所述文字信息中所存在的敏感词汇。
8.根据权利要求7所述的系统，其特征在于，
所述识别服务器确定与所述目标属性信息及目标敏感词汇对应的目标诈骗值，具体为：
确定与所述目标属性信息对应的目标属性系数，以及与目标敏感词汇对应的目标敏感系数；
按照如下公式计算与所述目标属性信息及目标敏感词汇对应的目标诈骗值：
V＝Ub*Yy+Uc*Zz；
式中，V表示所述目标诈骗值，Ub和Uc分别表示敏感词汇和属性信息所分别对应的权重系数，Ub+Uc＝1，Yy表示所述目标敏感系数，Zz表示所述目标属性系数。
9.根据权利要求5所述的系统，其特征在于，所述系统还包括音频转换服务器，
所述识别服务器将所述音频数据转换为文字信息，具体为：
向所述音频转换服务器发送包含所述音频数据的音频转换请求，接收所述音频转换服务器发送的转换所述音频数据得到的文字信息；
所述音频转换服务器，用于接收所述识别服务器发送的所述音频转换请求，将所述音频数据转换为所述文字信息，并向所述识别服务器发送所述文字信息。
10.根据权利要求5～9任一所述的系统，其特征在于，
所述识别服务器，还用于在判定所述监控场景下发生电信诈骗事件后，针对所发生的电信诈骗事件生成并发出报警信息。
11.根据权利要求10所述的系统，其特征在于，所述系统还包括报警设备；
所述识别服务器针对所发生的电信诈骗事件生成并发出报警信息，具体为：
针对所发生的电信诈骗事件生成报警信息，并将所述报警信息发送给所述报警设备；
所述报警设备，用于接收所述识别服务器发送的所述报警信息，并针对所述报警信息发出报警提示。
12.一种电信诈骗识别方法，其特征在于，所述方法包括：
对从监控场景下采集的待检测图像进行打电话事件检测；
当检测到所述监控场景下存在打电话事件时，获得所述监控场景下的音频数据；
将所述音频数据转换为文字信息；
判断所述文字信息中是否存在敏感词汇；
如果存在敏感词汇，判定所述监控场景下发生电信诈骗事件。
13.根据权利要求12所述的方法，其特征在于，在所述文字信息中存在敏感词汇的情况下，在所述判定所述监控场景下发生电信诈骗事件的步骤之前，所述方法还包括：
检测所述待检测图像中目标人员的目标属性信息，所述目标人员为发起所述打电话事件的人员；
确定与所述目标属性信息及目标敏感词汇对应的目标诈骗值，所述目标敏感词汇为所述文字信息中所存在的敏感词汇；
判断所述目标诈骗值是否大于预设阈值，
如果大于，再执行所述判定所述监控场景下发生电信诈骗事件的步骤。
14.根据权利要求13所述的方法，其特征在于，
所述确定与所述目标属性信息及目标敏感词汇对应的目标诈骗值的步骤，包括：
确定与所述目标属性信息对应的目标属性系数，以及与目标敏感词汇对应的目标敏感系数；
按照如下公式计算与所述目标属性信息及目标敏感词汇对应的目标诈骗值：
V＝Ub*Yy+Uc*Zz；
式中，V表示所述目标诈骗值，Ub和Uc分别表示敏感词汇和属性信息所分别对应的权重系数，Ub+Uc＝1，Yy表示所述目标敏感系数，Zz表示所述目标属性系数。
15.根据权利要求12～14任一所述的方法，其特征在于，在所述判定所述监控场景下发生电信诈骗事件的步骤之后，所述方法还包括：
针对所发生的电信诈骗事件生成并发出报警信息。
16.一种电信诈骗识别装置，其特征在于，所述装置包括：
事件检测模块，用于对从监控场景下采集的待检测图像进行打电话事件检测；
获得模块，用于在所述事件检测模块检测到所述监控场景下存在打电话事件时，获得所述监控场景下的音频数据；
转换模块，用于将所述音频数据转换为文字信息；
第一判断模块，用于判断所述文字信息中是否存在敏感词汇；
判定模块，用于在所述第一判断模块的判断结果为是的情况下，判定所述监控场景下发生电信诈骗事件。
17.一种电子设备，其特征在于，包括处理器和存储器，其中：
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-3任一所述的方法步骤或实现权利要求12-15任一所述的方法步骤。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711470183 | 2017-12-29 | ||
| CN2017114701833 | 2017-12-29 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109993044A true CN109993044A (zh) | 2019-07-09 |
| CN109993044B CN109993044B (zh) | 2021-02-23 |
Family
ID=67128344
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810349460.3A Active CN109993044B (zh) | 2017-12-29 | 2018-04-18 | 电信诈骗识别系统、方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109993044B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110619527A (zh) * | 2019-09-27 | 2019-12-27 | 中国银行股份有限公司 | 诈骗预警信息生成方法及装置 |
| CN110874582A (zh) * | 2019-11-18 | 2020-03-10 | 浙江大华技术股份有限公司 | 电信诈骗的确定方法及装置、存储介质、电子装置 |
| CN111416960A (zh) * | 2020-03-27 | 2020-07-14 | 河北凯通信息技术服务有限公司 | 一种基于云服务的视频监控系统 |
| CN112269411A (zh) * | 2020-10-30 | 2021-01-26 | 成都蜀虹装备制造股份有限公司 | 一种基于语音识别的智慧监控系统 |
| CN114373463A (zh) * | 2021-12-22 | 2022-04-19 | 合肥金人科技有限公司 | 金融行业智慧语音识别系统 |
| CN115394018A (zh) * | 2022-08-29 | 2022-11-25 | 中国农业银行股份有限公司 | 自动设备的安全监控方法、装置、自助设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105100362A (zh) * | 2014-05-20 | 2015-11-25 | 中兴通讯股份有限公司 | 诈骗通话识别方法、防诈骗方法、通话终端 |
| US20170041202A1 (en) * | 2007-03-14 | 2017-02-09 | 1St Communications Inc. | Multimedia communicator |
| CN106792711A (zh) * | 2017-01-17 | 2017-05-31 | 维沃移动通信有限公司 | 一种防止电信诈骗的方法和装置 |
| CN106911630A (zh) * | 2015-12-22 | 2017-06-30 | 上海仪电数字技术股份有限公司 | 终端及身份认证方法、终端和认证中心的认证方法及系统 |
| CN107169629A (zh) * | 2017-04-17 | 2017-09-15 | 四川九洲电器集团有限责任公司 | 一种电信诈骗识别方法及数据处理设备 |
-
2018
- 2018-04-18 CN CN201810349460.3A patent/CN109993044B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170041202A1 (en) * | 2007-03-14 | 2017-02-09 | 1St Communications Inc. | Multimedia communicator |
| CN105100362A (zh) * | 2014-05-20 | 2015-11-25 | 中兴通讯股份有限公司 | 诈骗通话识别方法、防诈骗方法、通话终端 |
| CN106911630A (zh) * | 2015-12-22 | 2017-06-30 | 上海仪电数字技术股份有限公司 | 终端及身份认证方法、终端和认证中心的认证方法及系统 |
| CN106792711A (zh) * | 2017-01-17 | 2017-05-31 | 维沃移动通信有限公司 | 一种防止电信诈骗的方法和装置 |
| CN107169629A (zh) * | 2017-04-17 | 2017-09-15 | 四川九洲电器集团有限责任公司 | 一种电信诈骗识别方法及数据处理设备 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110619527A (zh) * | 2019-09-27 | 2019-12-27 | 中国银行股份有限公司 | 诈骗预警信息生成方法及装置 |
| CN110874582A (zh) * | 2019-11-18 | 2020-03-10 | 浙江大华技术股份有限公司 | 电信诈骗的确定方法及装置、存储介质、电子装置 |
| CN111416960A (zh) * | 2020-03-27 | 2020-07-14 | 河北凯通信息技术服务有限公司 | 一种基于云服务的视频监控系统 |
| CN111416960B (zh) * | 2020-03-27 | 2021-07-13 | 深圳普泰电气有限公司 | 一种基于云服务的视频监控系统 |
| CN112269411A (zh) * | 2020-10-30 | 2021-01-26 | 成都蜀虹装备制造股份有限公司 | 一种基于语音识别的智慧监控系统 |
| CN114373463A (zh) * | 2021-12-22 | 2022-04-19 | 合肥金人科技有限公司 | 金融行业智慧语音识别系统 |
| CN115394018A (zh) * | 2022-08-29 | 2022-11-25 | 中国农业银行股份有限公司 | 自动设备的安全监控方法、装置、自助设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109993044B (zh) | 2021-02-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109993044A (zh) | 电信诈骗识别系统、方法、装置、电子设备及存储介质 | |
| CN109769099B (zh) | 通话人物异常的检测方法和装置 | |
| CN1848106B (zh) | 信息提供方法及信息提供装置 | |
| RU2680747C1 (ru) | Устройство наблюдения за терминалом, банкомат, способ принятия решения и программа | |
| CN103714631B (zh) | 基于人脸识别的atm取款机智能监控系统 | |
| CN110619568A (zh) | 风险评估报告的生成方法、装置、设备及存储介质 | |
| CN109472608A (zh) | 基于情绪识别的交易认证方法及终端设备 | |
| CN109299683A (zh) | 一种基于人脸识别和行为大数据的安防评估系统 | |
| CN107360157A (zh) | 一种用户注册方法、装置及智能空调器 | |
| CN101211484A (zh) | 防止在atm取款时密码被偷窥的方法及装置 | |
| CN106611447A (zh) | 一种考勤方法和装置 | |
| CN104598595B (zh) | 欺诈网页检测方法及相应装置 | |
| CN110443224A (zh) | 翻页检测方法、装置、电子设备及存储介质 | |
| CN106888204A (zh) | 基于自然交互的隐式身份认证方法 | |
| CN109739354A (zh) | 一种基于声音的多媒体交互方法及装置 | |
| US20230410221A1 (en) | Information processing apparatus, control method, and program | |
| CN108416298A (zh) | 一种场景判断方法及终端 | |
| CN100582679C (zh) | 宽域全光纤扰动传感网络系统自适应扰动信号处理识别装置 | |
| CN111795716A (zh) | 一种基于城市感知微网的管廊检修合法性判断方法 | |
| CN108538290A (zh) | 一种基于音频信号检测的智能家居控制方法 | |
| CN111914673A (zh) | 目标行为的检测方法、装置及计算机可读存储介质 | |
| CN114299546A (zh) | 识别宠物身份的方法、装置、存储介质及电子设备 | |
| US20210073256A1 (en) | Electronic device, online document-based crime type determination method, and recording medium | |
| CN105354475A (zh) | 一种基于瞳孔识别的人机交互识别方法及系统 | |
| CN110097258A (zh) | 一种用户关系网络建立方法、装置及计算机可读存储介质 |
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 |