CN111627146A - 一种用户行为识别方法及装置 - Google Patents
一种用户行为识别方法及装置 Download PDFInfo
- Publication number
- CN111627146A CN111627146A CN202010506470.0A CN202010506470A CN111627146A CN 111627146 A CN111627146 A CN 111627146A CN 202010506470 A CN202010506470 A CN 202010506470A CN 111627146 A CN111627146 A CN 111627146A
- Authority
- CN
- China
- Prior art keywords
- coin
- target
- network model
- training
- recognition
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
- G07D7/00—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency
- G07D7/20—Testing patterns thereon
- G07D7/202—Testing patterns thereon using pattern matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/086—Learning methods using evolutionary algorithms, e.g. genetic algorithms or genetic programming
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Physiology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了一种用户行为识别方法及装置，针对存在问题的硬币，即目标硬币，首先获取该目标硬币的硬币特征，例如目标硬币的质量、形状以及材质中的一种或多种。然后，将获取的目标硬币的硬币特征输入识别网络模型中，该识别网络模型根据该硬币特征输出对应的识别结果，该识别结果用于指示投入目标硬币的用户是否为故意使用。其中识别网络模型是根据训练硬币的硬币特征以及训练硬币的分类标签生成的。即，本申请通过使用神经网络模型的方法来自动识别硬币的使用者是否为故意使用假币，无需人工判断，提高工作效率。
Description
技术领域
本申请涉及数据处理技术领域，具体涉及一种用户行为识别方法及装置。
背景技术
银行为了便利客户会开发自助硬币兑换机，自助兑换机首先对用户投入的硬币进行真伪检测，当投入的金币为真币时，才进行兑换。
然而，在实际应用中，自助兑换机也较难发现一些假币，导致这些假币的兑换。在该种情况下，将对兑换机构带来一定的损失。通常情况下，会出现两种使用假币的情况，一种是持有假币的用户明知为假币，故意使用进行兑换；另一种是持有假币的用户不知情，非故意使用进行兑换。目前，主要通过人工判断的方式来识别用户是否为故意使用假币，该种判断方式需要经验，不仅提高人工成本，还造成工作效率低下。
发明内容
有鉴于此，本申请实施例提供一种用户行为识别方法及装置，以实现更为合理有效对是否故意使用假币进行识别判断，提高工作效率。
为解决上述问题，本申请实施例提供的技术方案如下：
在本申请实施例第一方面，提供了一种用户行为识别方法，所述方法包括：
获取所述目标硬币的硬币特征，所述硬币特征至少包括所述目标硬币的质量、形状以及材质中一种或多种；
将所述目标硬币的硬币特征输入识别网络模型中，获取所述识别网络模型输出的识别结果，所述识别结果用于指示所述目标硬币对应的用户是否为故意使用，所述识别网络模型是根据训练硬币的硬币特征以及所述训练硬币对应的分类标签训练生成的。
在一种可能的实现方式中，当所述硬币特征包括所述目标硬币的质量时，所述获取目标硬币的硬币特征，包括：
通过重力传感器获取所述目标硬币的质量。
在一种可能的实现方式中，当所述硬币特征包括所述目标硬币的形状时，所述获取目标硬币的硬币特征，包括：
通过图像识别模型获取所述目标硬币的形状。
在一种可能的实现方式中，当所述硬币特征包括所述目标硬币的材质时，所述获取目标硬币的硬币特征，包括：
通过金属传感器获取所述目标硬币的材质。
在一种可能的实现方式中，所述方法还包括：
当所述识别结果为故意使用时，根据目标硬币对应的标识查找对应的用户信息；
将所述用户信息添加至黑名单。
在一种可能的实现方式中，所述方法还包括：
当所述识别结果为非故意使用时，根据目标硬币对应的标识查找对应的用户信息；
从所述用户信息对应的账户中扣除；和/或，
在显示屏上显示所述用户信息。
在一种可能的实现方式中，所述识别网络模型的训练过程包括：
获取训练硬币的硬币特征；
根据所述训练硬币的硬币特征以及所述训练硬币对应的分类标签，生成所述识别网络模型。
在本申请实施例第二方面，提供了一种用户行为识别装置，所述装置包括：
第一获取单元，用于获取所述目标硬币的硬币特征，所述硬币特征至少包括所述目标硬币的质量、形状以及材质中一种或多种；
第二获取单元，用于将所述目标硬币的硬币特征输入识别网络模型中，获取所述识别网络模型输出的识别结果，所述识别结果用于指示所述目标硬币对应的用户是否为故意使用，所述识别网络模型是根据训练特征以及所述训练特征对应的分类标签训练生成的。
在一种可能的实现方式中，当所述硬币特征包括所述目标硬币的质量时，所述第一获取单元，具体用于通过重力传感器获取所述目标硬币的质量。
在一种可能的实现方式中，当所述硬币特征包括所述目标硬币的形状时，所述第一获取单元，具体用于通过图像识别模型获取所述目标硬币的形状。
在一种可能的实现方式中，当所述硬币特征包括所述目标硬币的材质时，所述第一获取单元，具体用于通过金属传感器获取所述目标硬币的材质。
在一种可能的实现方式中，所述装置还包括：
查找单元，用于当所述识别结果为故意使用时，根据目标硬币对应的标识查找对应的用户信息；
添加单元，用于将所述用户信息添加至黑名单。
在一种可能的实现方式中，所述装置还包括：
查找单元，用于当所述识别结果为非故意使用时，根据目标硬币对应的标识查找对应的用户信息；
扣除单元，用于从所述用户信息对应的账户中扣除；和/或，
显示单元，用于在显示屏上显示所述用户信息。
在一种可能的实现方式中，所述识别网络模型的训练过程包括：
获取训练硬币的硬币特征；
根据所述训练硬币的硬币特征以及所述训练硬币对应的分类标签，生成所述识别网络模型。
在本申请实施例第三方面，提供了一种设备，所述设备包括：处理器和存储器；
所述存储器，用于存储指令；
所述处理器，用于执行所述存储器中的所述指令，执行第一方面所述的方法。
在本申请实施例第四方面，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存储有程序代码或指令，当其在计算机上运行时，使得所述计算机执行以上第一方面所述的方法。
由此可见，本申请实施例具有如下有益效果：
本申请实施例针对存在问题的硬币，即目标硬币，首先获取该目标硬币的硬币特征，例如目标硬币的质量、形状以及材质中的一种或多种。然后，将获取的目标硬币的硬币特征输入识别网络模型中，该识别网络模型根据该硬币特征输出对应的识别结果，该识别结果用于指示投入目标硬币的用户是否为故意使用。其中识别网络模型是根据训练硬币的硬币特征以及训练硬币的分类标签生成的。即，本申请通过使用神经网络模型的方法来自动识别硬币的使用者是否为故意使用假币，无需人工判断，提高工作效率。
另外，当判断出目标硬币的使用者为故意使用假币时，系统可以获取目标硬币对应的用户信息，并将该用户信息添加至黑名单，实现自动处理，降低人力成本。
附图说明
图1为本申请实施例提供的一种用户行为识别方法流程图；
图2为本申请实施例提供的一种用户行为识别装置结构图。
具体实施方式
为使本申请的上述目的、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申请实施例作进一步详细的说明。
发明人对传统的假币发现和处理过程研究中发现，对于通过兑换机检测的假币，对于使用这些假币的用户是否为故意的行为，需要工作人员根据用户的以往记录以及工作经验进行人工判断，对于一些不容易发现的假币，工作人员无需将该用户加入黑名单；对于常出现的假币，工作人员可以认定其为故意使用，则将该客户加入黑名单。然而，上述判断操作和处理过程均通过人工实现，增加工作人员任务，工作效率较低。
基于此，本申请实施例提供了一种用户行为识别方法，预先训练生成的识别网络模型根据硬币的硬币特征识别出该硬币对应的用户是否为故意使用，无需工作人员进行判断。进一步地，系统可以根据识别结果进行不同的处理，当识别结果为故意使用时，则系统获取该硬币对应的用户信息，并将该用户信息加入黑名单。当识别结果为非故意使用时，则系统可以在获取用户信息后，从用户信息对应的账户中自动扣账。对于系统无法处理的，将该用户信息展示给工作人员，进行人工处理。
为便于理解本申请实施例提供的方法，下面将结合附图进行说明。
参见图1，该图为本申请实施例提供的一种用户行为识别方法流程图，如图1所示，该方法可以包括：
S101：获取目标硬币的硬币特征。
本实施例中，当工作人员在清点硬币时，如果发现存在问题的硬币，即目标硬币，将该目标硬币放入处理假币的应对系统中，该应对系统可以获取目标硬币的硬币特征。其中，硬币特征至少包括目标硬币的质量、形状以及材质中的一种或多种。
在实际应用中，对于不存在问题的硬币，不同面值的硬币有各自对应的标准。例如，1元硬币的质量为6.1g，0.5元硬币的质量为3.6g，0.1元硬币的质量为1g；1元硬币的材质为钢芯镀镍；0.5元硬币的材质为钢芯镀铜合金；0.1元硬币材质为铝合金；硬币的形状为圆柱形。
具体地，应对系统可以包括获取硬币质量、材质以及形状的装置，例如，当硬币特征包括目标硬币的质量时，可以通过重力传感器获取目标硬币的质量。具体地，重力传感器可以检测目标硬币的质量。
当硬币特征包括目标硬币的形状时，获取目标硬币的硬币特征包括：通过图像识别模型获取目标硬币的形状。即，应对系统可以包括图像识别装置，该图像识别装置首先采集包括目标硬币的图像，然后通过图像识别模型对采集的图像进行识别，以确定图像中目标硬币的形状。其中，图像识别模型根据训练图像以及训练图像对应的标签训练生成的，而图像识别模型的训练过程为比较成熟的技术，本实施例在此不再赘述。
当硬币特征包括目标硬币的材质时，获取目标硬币的硬币特征包括：通过金属传感器获取目标硬币的材质。即，当目标硬币放入应对系统对应的设备时，该设备中的金属传感器可以识别该目标硬币的材质。
S102：将目标硬币的硬币特征输入识别网络模型中，获取识别网络模型输出的识别结果。
当获取到目标硬币的硬币特征后，应对系统可以将该目标硬币的硬币特征输入识别网络模型中，以通过该识别网络模型获得识别结果。其中，识别网络模型输出的识别结果用于指示目标硬币对应的用户是否为故意使用。即，通过识别网络模型可以自动识别出目标硬币对应的用户是否为故意使用假币进行兑换。其中，识别网络模型是根据训练硬币的硬币特征以及训练硬币对应的分类标签训练生成的。
具体地，识别网络模型的训练过程包括：
1)获取训练硬币的硬币特征。
本实施例中，为使得训练生成的识别网络模型可以输出故意使用假币的结果，也可以输出非故意使用假币的结果，在获取训练硬币的硬币特征时，既要获取正样本，还需获取负样本。其中，正样本是指分类标签为故意使用假币的训练硬币的硬币特征，负样本是指分类标签为非故意使用假币的训练硬币的硬币特征。其中，训练样本对应的分类标签由工作人员可以处理经验获得的。
其中，硬币特征可以包括训练硬币的质量、形状以及材质中的一种或多种。需要说明的是，在使用识别网络模型进行识别时所输入的硬币特征应与在训练生成识别网络模型时所使用的硬币特征一致。例如，训练时使用的硬币特征为质量，则S102中输入识别网络模型的硬币特征为目标硬币的质量；训练时使用的硬币特征为质量和材质，则S102中输入识别网络模型的硬币特征为目标硬币的质量和材质。
2)根据训练硬币的硬币特征以及训练硬币对应的分类标签，生成识别网络模型。
当获取到训练硬币的硬币特征后，利用训练硬币的硬币特征以及该硬币特征对应的分类标签，生成识别网络模型。具体地，利用训练硬币的硬币特征以及该硬币特征对应的分类标签对初始网络模型进行训练，直至满足预设条件，生成获得识别网络模型。其中，识别网络模型可以为基于遗传算法的神经网络模型GA-BP。
通过上述描述可知，针对存在问题的硬币，即目标硬币，首先获取该目标硬币的硬币特征，例如目标硬币的质量、形状以及材质中的一种或多种。然后，将获取的目标硬币的硬币特征输入识别网络模型中，该识别网络模型根据该硬币特征输出对应的识别结果，该识别结果用于指示投入目标硬币的用户是否为故意使用。其中识别网络模型是根据训练硬币的硬币特征以及训练硬币的分类标签生成的。即，本申请通过使用神经网络模型的方法来自动识别硬币的使用者是否为故意使用假币，无需人工判断，提高工作效率。
在一些可能的实现方式中，应对系统在获取识别网络模型输出的识别结果时，可以根据不同的识别结果进行不同的处理。具体为：
当识别结果为故意使用时，根据目标硬币对应的标识查找对应的用户信息；将该用户信息添加至黑名单。即，当识别出目标硬币对应的用户为故意使用假币时，则将该用户信息添加至黑名单。
当识别结果为非故意使用时，根据目标硬币对应的标识查找对应的用户信息；从用户信息对应的账户中扣除；和/或，在显示屏上显示用户信息。即，当识别出目标硬币对应的用户为非故意使用假币时，应对系统可以自动从该用户的银行账户中进行自动扣账。即，当识别结果为非故意使用时，应对系统可以根据用户信息查找该用户的银行账户，以从该用户的银行账户中扣除所发现的假币的金额。
具体地，当确定为非故意使用时，应对系统查找目标硬币对应的用户信息，将该用户信息展示给工作人员，由工作人员向用户确认是否可以自动扣账。如果用户同意，则应对系统根据工作人员的操作，从用户对应的账户中进行扣账，提高处理效率。如果用户不同意，则由工作人员进行人工处理。
其中，应对系统根据目标硬币对应的标识查找对应的用户信息，可以通过以下方式获取：
1)硬币兑换过程
用户在使用兑换机之前需要先通过人脸识别或者指纹识别的注册，录入用户的指纹信息和人脸信息。用户在兑换硬币时，需要先通过人脸识别或者指纹识别验证当前用户信息。当确定用户身份之后，用户便可以将硬币放到机器入口，机器入口设置激光传感器，根据遮挡激光传感器的距离得到硬币的直径，根据硬币的直径判断硬币的面值，从而决定硬币进入不同的硬币库。兑换机记录每位用户兑换的硬币个数，将硬币库中硬币的顺序(位置)与用户信息匹配，并将上述匹配的信息存储在银行系统中。
2)获取用户信息
清机人员将硬币库内的硬币直接取走带到金库，金库人员在清点硬币时按照顺序清点取回的硬币，如果遇到硬币有问题，则清点人员只需要将硬币所在的硬币库标识以及在该硬币库中的顺序输入到银行系统中即可。银行系统根据硬币顺序得到对应的用户信息。
即，通过上述可知，本申请技术方案基于历史数据分析(历史数据通过人为经验判断实验硬币是否为故意使用假币作为历史数据)，对GA-BP神经网络模型进行训练，并使用测试样本对模型的预测准确率进行验证，得到可用有效的神经网络模型，模型在使用过程中根据使用结果不断自优化，提高模型的有效性。通过模型预测出客户是否为故意使用假硬币，并将结果输出给专家系统，专家系统内设置两张结果的处理办理，故意使用假币则计入黑名单，不是故意使用则不计入黑名单，同时联动人工客服和客户确认是否可以自动扣帐将客户的假币除去，如果客户同意，则自动扣帐；否则则将该笔业务的客户信息和假币信息传给银行相关工作人员，人工办理该笔业务，提供银行的效率降低人力成本。
基于上述方法实施例，本申请实施例提供了一种用户行为识别装置，参见图2，该图为本申请实施例提供的一种用户行为识别装置结构图，如图2所示，该装置可以包括：
第一获取单元201，用于获取所述目标硬币的硬币特征，所述硬币特征至少包括所述目标硬币的质量、形状以及材质中一种或多种；
第二获取单元202，用于将所述目标硬币的硬币特征输入识别网络模型中，获取所述识别网络模型输出的识别结果，所述识别结果用于指示所述目标硬币对应的用户是否为故意使用，所述识别网络模型是根据训练特征以及所述训练特征对应的分类标签训练生成的。
在一种可能的实现方式中，当所述硬币特征包括所述目标硬币的质量时，所述第一获取单元，具体用于通过重力传感器获取所述目标硬币的质量。
在一种可能的实现方式中，当所述硬币特征包括所述目标硬币的形状时，所述第一获取单元，具体用于通过图像识别模型获取所述目标硬币的形状。
在一种可能的实现方式中，当所述硬币特征包括所述目标硬币的材质时，所述第一获取单元，具体用于通过金属传感器获取所述目标硬币的材质。
在一种可能的实现方式中，所述装置还包括：
查找单元，用于当所述识别结果为故意使用时，根据目标硬币对应的标识查找对应的用户信息；
添加单元，用于将所述用户信息添加至黑名单。
在一种可能的实现方式中，所述装置还包括：
查找单元，用于当所述识别结果为非故意使用时，根据目标硬币对应的标识查找对应的用户信息；
扣除单元，用于从所述用户信息对应的账户中扣除；和/或，
显示单元，用于在显示屏上显示所述用户信息。
在一种可能的实现方式中，所述识别网络模型的训练过程包括：
获取训练硬币的硬币特征；
根据所述训练硬币的硬币特征以及所述训练硬币对应的分类标签，生成所述识别网络模型。
需要说明的是，本实施例中各个单元的实现可以参见上述方法实施例，本实施例在此不再赘述。
另外，本申请实施例还提供了一种设备，所述设备包括：处理器和存储器；所述存储器，用于存储指令；所述处理器，用于执行所述存储器中的所述指令，执行所述假币处理的方法。
本申请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存储有程序代码或指令，当其在计算机上运行时，使得所述计算机执行以上所述的假币处理方法。
可见，针对存在问题的硬币，即目标硬币，本实施例首先获取该目标硬币的硬币特征，例如目标硬币的质量、形状以及材质中的一种或多种。然后，将获取的目标硬币的硬币特征输入识别网络模型中，该识别网络模型根据该硬币特征输出对应的识别结果，该识别结果用于指示投入目标硬币的用户是否为故意使用。其中识别网络模型是根据训练硬币的硬币特征以及训练硬币的分类标签生成的。即，本申请通过使用神经网络模型的方法来自动识别硬币的使用者是否为故意使用假币，无需人工判断，提高工作效率。
需要说明的是，本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统或装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
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。
还需要说明的是，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。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种用户行为识别方法，其特征在于，所述方法包括：
获取所述目标硬币的硬币特征，所述硬币特征至少包括所述目标硬币的质量、形状以及材质中一种或多种；
将所述目标硬币的硬币特征输入识别网络模型中，获取所述识别网络模型输出的识别结果，所述识别结果用于指示所述目标硬币对应的用户是否为故意使用，所述识别网络模型是根据训练硬币的硬币特征以及所述训练硬币对应的分类标签训练生成的。
2.根据权利要求1所述的方法，其特征在于，当所述硬币特征包括所述目标硬币的质量时，所述获取目标硬币的硬币特征，包括：
通过重力传感器获取所述目标硬币的质量。
3.根据权利要求1或2所述的方法，其特征在于，当所述硬币特征包括所述目标硬币的形状时，所述获取目标硬币的硬币特征，包括：
通过图像识别模型获取所述目标硬币的形状。
4.根据权利要求1-3任一项所述的方法，其特征在于，当所述硬币特征包括所述目标硬币的材质时，所述获取目标硬币的硬币特征，包括：
通过金属传感器获取所述目标硬币的材质。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
当所述识别结果为故意使用时，根据目标硬币对应的标识查找对应的用户信息；
将所述用户信息添加至黑名单。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
当所述识别结果为非故意使用时，根据目标硬币对应的标识查找对应的用户信息；
从所述用户信息对应的账户中扣除；和/或，
在显示屏上显示所述用户信息。
7.根据权利要求1所述的方法，其特征在于，所述识别网络模型的训练过程包括：
获取训练硬币的硬币特征；
根据所述训练硬币的硬币特征以及所述训练硬币对应的分类标签，生成所述识别网络模型。
8.一种用户行为识别装置，其特征在于，所述装置包括：
第一获取单元，用于获取所述目标硬币的硬币特征，所述硬币特征至少包括所述目标硬币的质量、形状以及材质中一种或多种；
第二获取单元，用于将所述目标硬币的硬币特征输入识别网络模型中，获取所述识别网络模型输出的识别结果，所述识别结果用于指示所述目标硬币对应的用户是否为故意使用，所述识别网络模型是根据训练特征以及所述训练特征对应的分类标签训练生成的。
9.一种设备，其特征在于，所述设备包括：处理器和存储器；
所述存储器，用于存储指令；
所述处理器，用于执行所述存储器中的所述指令，执行权利要求1-7任一项所述的方法。
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程序代码或指令，当其在计算机上运行时，使得所述计算机执行以上权利要求1-7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010506470.0A CN111627146A (zh) | 2020-06-05 | 2020-06-05 | 一种用户行为识别方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010506470.0A CN111627146A (zh) | 2020-06-05 | 2020-06-05 | 一种用户行为识别方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111627146A true CN111627146A (zh) | 2020-09-04 |
Family
ID=72273260
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010506470.0A Pending CN111627146A (zh) | 2020-06-05 | 2020-06-05 | 一种用户行为识别方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111627146A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113053041A (zh) * | 2021-03-18 | 2021-06-29 | 中国工商银行股份有限公司 | 业务流程的识别方法、装置及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104167063A (zh) * | 2014-04-30 | 2014-11-26 | 昆山古鳌电子机械有限公司 | 现金交易装置以及现金交易方法 |
| KR101652851B1 (ko) * | 2016-04-20 | 2016-09-02 | 유솔전자 주식회사 | 스마트지폐감지모듈·지폐특징추출알고리즘엔진부로 이루어진 스마트 지폐계수기 |
| CN107464334A (zh) * | 2017-07-13 | 2017-12-12 | 深圳怡化电脑股份有限公司 | 纸币的识别方法、识别装置及终端设备 |
| TW201820209A (zh) * | 2016-11-17 | 2018-06-01 | 中華電信股份有限公司 | 基於多卡合一之卡片應用服務防偽寫入系統與方法 |
| CN108256520A (zh) * | 2017-12-27 | 2018-07-06 | 中国科学院深圳先进技术研究院 | 一种识别硬币年份的方法、终端设备及计算机可读存储介质 |
| CN108734850A (zh) * | 2018-04-27 | 2018-11-02 | 深圳怡化电脑股份有限公司 | 纸币识别方法、纸币识别装置及终端设备 |
| CN110288780A (zh) * | 2018-03-13 | 2019-09-27 | 山东新北洋信息技术股份有限公司 | 一种存款方法及存款装置 |
| CN110660151A (zh) * | 2019-08-16 | 2020-01-07 | 北京智尚捷付科技股份有限公司 | 一种自适应混合找零地铁售票设备及方法 |
-
2020
- 2020-06-05 CN CN202010506470.0A patent/CN111627146A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104167063A (zh) * | 2014-04-30 | 2014-11-26 | 昆山古鳌电子机械有限公司 | 现金交易装置以及现金交易方法 |
| KR101652851B1 (ko) * | 2016-04-20 | 2016-09-02 | 유솔전자 주식회사 | 스마트지폐감지모듈·지폐특징추출알고리즘엔진부로 이루어진 스마트 지폐계수기 |
| TW201820209A (zh) * | 2016-11-17 | 2018-06-01 | 中華電信股份有限公司 | 基於多卡合一之卡片應用服務防偽寫入系統與方法 |
| CN107464334A (zh) * | 2017-07-13 | 2017-12-12 | 深圳怡化电脑股份有限公司 | 纸币的识别方法、识别装置及终端设备 |
| CN108256520A (zh) * | 2017-12-27 | 2018-07-06 | 中国科学院深圳先进技术研究院 | 一种识别硬币年份的方法、终端设备及计算机可读存储介质 |
| CN110288780A (zh) * | 2018-03-13 | 2019-09-27 | 山东新北洋信息技术股份有限公司 | 一种存款方法及存款装置 |
| CN108734850A (zh) * | 2018-04-27 | 2018-11-02 | 深圳怡化电脑股份有限公司 | 纸币识别方法、纸币识别装置及终端设备 |
| CN110660151A (zh) * | 2019-08-16 | 2020-01-07 | 北京智尚捷付科技股份有限公司 | 一种自适应混合找零地铁售票设备及方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113053041A (zh) * | 2021-03-18 | 2021-06-29 | 中国工商银行股份有限公司 | 业务流程的识别方法、装置及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9053374B2 (en) | Biometric training and matching engine | |
| CN109345375B (zh) | 一种可疑洗钱行为识别方法及装置 | |
| CN109190705A (zh) | 无人售货方法、装置及系统 | |
| JP2005004486A (ja) | 紙幣取引システム | |
| US11861993B2 (en) | Information processing system, customer identification apparatus, and information processing method | |
| CN107862226A (zh) | 基于射频识别技术实现身份识别的系统和方法 | |
| CN110738184B (zh) | 纸质凭证的预警信息生成方法及装置 | |
| CN111627146A (zh) | 一种用户行为识别方法及装置 | |
| WO2018074027A1 (ja) | 異常検出装置、制御方法、及びプログラム | |
| US11941693B2 (en) | Currency information provision system, database server for currency information provision, currency information provision method, and currency information provision program | |
| CN116739607B (zh) | 一种基于数据分析的商户收银数据监测管理系统 | |
| CN111311276B (zh) | 一种异常用户团体的识别方法、识别装置及可读存储介质 | |
| CN112669154A (zh) | 外币兑换业务开办预测实现方法、装置及计算机设备 | |
| CN112700312A (zh) | 物品对象的结算方法、服务器、客户端及系统 | |
| CN107958531B (zh) | 纸币识别方法和装置以及设备 | |
| JP2019036225A (ja) | 取引ｉｄ警告システム及び取引ｉｄ警告方法 | |
| CN113159778A (zh) | 一种金融欺诈的检测方法及装置 | |
| JP5432745B2 (ja) | 現金処理装置 | |
| US20240346843A1 (en) | Counterfeit detection using image analysis | |
| CN111612968A (zh) | 一种硬币兑换方法及装置 | |
| CN116740855A (zh) | 一种基于冠字号的纸币识别方法及相关装置 | |
| CN113781054B (zh) | 一种银行网点内的诈骗预警方法及装置 | |
| CN111652626B (zh) | 一种业务实现的方法和装置 | |
| CN111507731B (zh) | 一种异常数据侦测的特征生成方法及装置 | |
| CN116523566B (zh) | 一种基于互联网广告投放的伪热度识别方法及系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200904 |