CN112070990B

CN112070990B - 一种加钞控制方法、装置及电子设备

Info

Publication number: CN112070990B
Application number: CN202011048555.5A
Authority: CN
Inventors: 申亚坤; 黄文强; 胡传杰
Original assignee: Bank of China Ltd
Current assignee: Bank of China Ltd
Priority date: 2020-09-29
Filing date: 2020-09-29
Publication date: 2022-02-25
Anticipated expiration: 2040-09-29
Also published as: CN112070990A

Abstract

本申请公开了一种加钞控制方法、装置及电子设备，方法包括：获得多个操作人员的人脸图像；对人脸图像进行图像识别，以得到操作人员的身份标识和表情标识；至少根据操作人员的身份标识和表情标识以及预设的分配人员的身份信息，获得风险判断结果，风险判断结果表征操作人员对钞箱进行加钞操作是否存在风险；在风险判断结果表征操作人员对钞箱进行加钞操作存在风险的情况下，生成第一加钞请求，第一加钞请求用于指示执行第一加钞流程；在风险判断结果表征操作人员对钞箱进行加钞操作不存在风险的情况下，生成第二加钞请求，第二加钞请求用于指示执行第二加钞流程，第一加钞流程的安全等级高于第二加钞流程。

Description

一种加钞控制方法、装置及电子设备

技术领域

本申请涉及安全控制技术领域，尤其涉及一种加钞控制方法、装置及电子设备。

背景技术

金融机构的自助存取款机ATM(AutomaticTellerMachine)清机加钞的过程中，钞箱中有很多的现钞，且钞箱多采用机械锁的方式保证钞箱安全，所以就存在不法分子通过盗用钥匙的方式盗取钞箱现钞的现象，给银行带来的损失的同时社会影响也不好。

目前，通常采用短信验证的方式实现加钞安全控制，例如，在加钞人员进行加钞操作时，自助存取款机通知后台服务器向加钞人员所携带的手机上发送验证码，加钞人员将验证法输入到自助存取款机之后，自助存取款机对加钞人员输入的验证码进行验证，只有在验证通过的情况下才会允许钞箱开启，进行加钞。

但是，以上方案中可能存在非法人员盗取手机而使得验证码泄露的情况，因此存在加钞风险较大的情况，因此，亟需一种能够安全性更高的加钞实现方案。

发明内容

有鉴于此，本申请提供一种加钞控制方法、装置及电子设备，如下：

一种加钞控制方法，包括：

获得多个操作人员的人脸图像，所述操作人员处于钞箱所朝向的区域中；

对所述人脸图像进行图像识别，以得到所述操作人员的身份标识和表情标识，所述表情标识表征所述操作人员的表情类型；

至少根据所述操作人员的身份标识和表情标识以及预设的分配人员的身份信息，获得风险判断结果，所述风险判断结果表征所述操作人员对所述钞箱进行加钞操作是否存在风险；

在所述风险判断结果表征所述操作人员对所述钞箱进行加钞操作存在风险的情况下，生成第一加钞请求，所述第一加钞请求用于指示执行第一加钞流程；

在所述风险判断结果表征所述操作人员对所述钞箱进行加钞操作不存在风险的情况下，生成第二加钞请求，所述第二加钞请求用于指示执行第二加钞流程，所述第一加钞流程的安全等级高于所述第二加钞流程。

上述方法，优选的，至少根据所述操作人员的身份标识和表情标识以及预设的分配人员的身份信息，获取风险判断结果，包括：

至少根据所述操作人员的身份标识和表情标识以及预设的分配人员的身份信息，生成多项加钞特征数据；

获得所述操作人员在所述加钞特征数据的条件下的风险概率值；

根据所述风险概率值，获得风险判断结果。

上述方法，优选的，获得所述操作人员在所述加钞特征数据的条件下的风险概率值，包括：

获得每项所述加钞特征数据在历史数据集合中各自对应的历史特征数据；

获得每项所述历史特征数据在没有风险的条件下的条件概率值；

至少根据每项所述历史特征数据对应的条件概率值，获得所述操作人员在所述加钞特征数据的条件下的风险概率值。

将所述加钞特征数据输入到预先训练的分类模型中，以得到所述分类模型输出的风险概率值；

其中，所述分类模型利用多个具有风险概率标签的样本特征数据进行训练得到，所述样本特征数据至少包含根据样本操作人员的身份标识和表情标识以及样本分配人员的身份信息所生成的样本特征数据。

上述方法，优选的，所述加钞特征数据中至少包含：所述操作人员的人数特征数据、所述操作人员的身份特征数据、所述操作人员的表情特征数据、所述分配人员的人数特征数据、所述分配人员的身份特征数据；

所述样本特征数据至少包含：所述样本操作人员的人数特征数据、所述样本操作人员的身份特征数据、所述样本操作人员的表情特征数据、所述样本分配人员的人数特征数据、所述样本分配人员的身份特征数据。

上述方法，优选的，所述样本特征数据中还包含有所述样本操作人员的加钞时间特征数据。

上述方法，优选的，根据所述风险概率值，获得风险判断结果，包括：

将所述风险概率值与预设的概率阈值进行比对，以得到概率比对结果；

根据所述概率比对结果，获得风险判断结果。

一种加钞控制装置，所述装置包括：

图像获得单元，用于获得多个操作人员的人脸图像，所述操作人员处于钞箱所朝向的区域中；

图像识别单元，用于对所述人脸图像进行图像识别，以得到所述操作人员的身份标识和表情标识，所述表情标识表征所述操作人员的表情类型；

风险判断单元，用于至少根据所述操作人员的身份标识和表情标识以及预设的分配人员的身份信息，获得风险判断结果，所述风险判断结果表征所述操作人员对所述钞箱进行加钞操作是否存在风险；

加钞控制单元，用于在所述风险判断结果表征所述操作人员对所述钞箱进行加钞操作存在风险的情况下，生成第一加钞请求，所述第一加钞请求用于指示执行第一加钞流程；在所述风险判断结果表征所述操作人员对所述钞箱进行加钞操作不存在风险的情况下，生成第二加钞请求，所述第二加钞请求用于指示执行第二加钞流程，所述第一加钞流程的安全等级高于所述第二加钞流程。

上述装置，优选的，所述风险判断单元具体用于：至少根据所述操作人员的身份标识和表情标识以及预设的分配人员的身份信息，生成多项加钞特征数据；获得所述操作人员在所述加钞特征数据的条件下的风险概率值；根据所述风险概率值，获得风险判断结果。

一种电子设备，包括：

图像采集装置，用于获得多个操作人员的人脸图像，所述操作人员处于钞箱所朝向的区域中；

处理器，用于对所述人脸图像进行图像识别，以得到所述操作人员的身份标识和表情标识，所述表情标识表征所述操作人员的表情类型；至少根据所述操作人员的身份标识和表情标识以及预设的分配人员的身份信息，获得风险判断结果，所述风险判断结果表征所述操作人员对所述钞箱进行加钞操作是否存在风险；在所述风险判断结果表征所述操作人员对所述钞箱进行加钞操作存在风险的情况下，生成第一加钞请求，所述第一加钞请求用于指示执行第一加钞流程；在所述风险判断结果表征所述操作人员对所述钞箱进行加钞操作不存在风险的情况下，生成第二加钞请求，所述第二加钞请求用于指示执行第二加钞流程，所述第一加钞流程的安全等级高于所述第二加钞流程。

由上述方案可知，本申请提供的一种加钞控制方法、装置及电子设备中，在获得到钞箱所朝向区域中的操作人员的人脸图像之后，通过对人脸图像进行识别，进而得到操作人员的身份标识和表情标识，由此就可以根据这些操作人员的身份标识和表情标识以及预设的分配人员的身份信息来获得表征操作人员对钞箱进行加钞操作是否存在风险的风险判断结果，基于此，在风险判断结果表征操作人员对钞箱进行加钞操作存在风险的情况下就可以执行更高安全级别的加钞流程。可见，本实施例在进行风险判断时，不仅考虑操作人员的身份信息还考虑操作人员的表情等信息，从而提高风险判断的准确性，进一步的在判断出存在风险的情况下执行安全性更高加钞流程，以提高加钞的安全性。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例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申请的一些实施例，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为本申请实施例一提供的一种加钞控制方法的流程图；

图2为本申请实施例适用于ATM机加钞场景的示例图；

图3为本申请实施例一提供的一种加钞控制方法的部分流程图；

图4为本申请实施例二提供的一种加钞控制装置的结构示意图；

图5为本申请实施例三提供的一种电子设备的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

参考图1，为本申请实施例一提供的一种加钞控制方法的实现流程图，该方法可以适用于具有钞箱并且能够进行数据处理的电子设备中，如配置在ATM机上的计算机或服务器等设备。本实施例中的技术方案主要用于提高加钞的安全性。

具体的，本实施例中的方法可以包括以下步骤：

步骤101：获得多个操作人员的人脸图像。

其中，操作人员处于钞箱所朝向的区域中，如图2中所示，本实施例中可以通过设置在ATM机上的摄像头采集到处于钞箱所朝向的区域中的多个操作人员的人脸图像。

具体的，本实施例中可以通过摄像头采集钞箱所朝向的区域中的整体图像，再对整体图像中的人脸区域进行截取；或者，本实施例中可以在摄像头中配置人脸框识别算法，进而通过摄像头识别到人脸区域，基于此，只采集人脸区域的图像，即可得到人脸图像。

步骤102：对人脸图像进行图像识别，以得到操作人员的身份标识和表情标识。

其中，表情标识表征操作人员的表情类型，如以0表示微笑的表情类型，以1表示哭泣的表情类型，以2表示担忧的表情类型，等等。身份标识可以唯一表征操作人员的身份，如身份编码等标识。

具体的，本实施例中可以通过人脸识别算法，对人脸图像中的人脸特征进行识别，进而得到操作人员的身份标识和表情标识。

步骤103：至少根据操作人员的身份标识和表情标识以及预设的分配人员的身份信息，获得风险判断结果。

其中，本实施例的风险判断结果表征操作人员对钞箱进行加钞操作是否存在风险。

需要说明的是，预设的分配人员是指能够合法执行加钞任务的人员，该分配人员由金融机构预先指定，具体可以通过短信等方式将加钞任务通知到合法的分配人员。

具体的，本实施例中可以通过对实际上准备进行加钞操作的操作人员和身份标识和表情标识以及合法执行加钞任务的分配人员的身份标识进行比对或者计算等处理，进而获得到能够表征操作人员对钞箱进行加钞操作是否存在风险的风险判断结果。

步骤104：判断风险判断结果表征操作人员对钞箱进行加钞操作是否存在风险，进而在风险判断结果表征操作人员对钞箱进行加钞操作存在风险的情况下，执行步骤105，在风险判断结果表征操作人员对所述钞箱进行加钞操作不存在风险的情况下，执行步骤106。

步骤105：生成第一加钞请求。

其中，第一加钞请求用于指示执行第一加钞流程。

步骤106：生成第二加钞请求。

其中，第二加钞请求用于指示执行第二加钞流程，第一加钞流程的安全等级高于第二加钞流程。

具体的，第二加钞流程可以包括有以下实现方案：

将第二加钞请求发送给与钞箱相关联的后台服务器，由后台服务器发送的验证码给操作人员所携带的终端，操作人员可以将该验证码输入到为钞箱所在的终端如ATM机等，钞箱所在的终端将接收到的验证码发送给后台服务器，在后台服务器对钞箱所在的终端发送来的验证码进行校验通过的情况下，后台服务器发送安全指令给钞箱所在的终端，此时，钞箱所在的终端允许操作人员进行清机及加钞操作，如打开钞箱，并添加新钞等等。

而第一加钞流程是安全等级高于第二加钞流程的，第一加钞流程可以包括有以下实现方案：

将第一加钞请求以及操作人员的人脸图像或者操作人员的身份标识和表情标识等发送给与钞箱相关联的后台服务器，后台服务器发送安全审核的任务请求给预设的审核人员所持有的终端，由审核人员对此次加钞请求进行人工审核，在审核通过的情况下，审核人员在其终端上进行审核通过的输入操作，而后台服务器可以根据该输入操作发送安全指令给钞箱所在的终端，此时，钞箱所在的终端允许操作人员进行清机及加钞操作，如打开钞箱，并添加新钞等等。

或者，第一加钞流程可以包括有以下实现方案：

将第一加钞请求发送给与钞箱相关联的后台服务器，后台服务器建立与钞箱所在的终端之间的远程视频连接，并将所采集到的钞箱所朝向区域的远程视频画面传输给审核人员所持有的终端，由审核人员进行人工审核，在审核通过的情况下，审核人员在其终端上进行审核通过的输入操作，而后台服务器可以根据该输入操作发送安全指令给钞箱所在的终端，此时，钞箱所在的终端允许操作人员进行清机及加钞操作，如打开钞箱，并添加新钞等等。

基于此，本实施例中在判断出操作人员对钞箱进行加钞操作可能存在风险的情况下，执行安全性更高的加钞流程，从而在经过风险预判的情况下实现加钞，由此提高加钞安全准确性。

需要说明的是，不管在第一加钞流程中还是在第二加钞流程中，只要存在一环节不成功的情况，操作人员均不能执行加钞操作，由此保障钞箱安全。

由上述方案可知，本申请实施例一提供的一种加钞控制方法中，在获得到钞箱所朝向区域中的操作人员的人脸图像之后，通过对人脸图像进行识别，进而得到操作人员的身份标识和表情标识，由此就可以根据这些操作人员的身份标识和表情标识以及预设的分配人员的身份信息来获得表征操作人员对钞箱进行加钞操作是否存在风险的风险判断结果，基于此，在风险判断结果表征操作人员对钞箱进行加钞操作存在风险的情况下就可以执行更高安全级别的加钞流程。可见，本实施例在进行风险判断时，不仅考虑操作人员的身份信息还考虑操作人员的表情等信息，从而提高风险判断的准确性，进一步的在判断出存在风险的情况下执行安全性更高加钞流程，以提高加钞的安全性。

在一种实现方式中，步骤103中在至少根据所述操作人员的身份标识和表情标识以及预设的分配人员的身份信息，获取风险判断结果时，具体可以通过以下方式实现，如图3中所示：

步骤301：至少根据操作人员的身份标识和表情标识以及预设的分配人员的身份信息，生成多项加钞特征数据。

其中，加钞特征数据中至少包含有：操作人员的人数特征数据、操作人员的身份特征数据、操作人员的表情特征数据、分配人员的人数特征数据、分配人员的身份特征数据，等等。另外，加钞特征数据中还包含有操作人员的加钞时间特征数据，例如，对操作人员进行加钞的当前时间数据进行特征提取所得到的特征数据，如2020年9月*日的时间特征。

具体的，本实施例中可以对操作人员的身份标识的数量进行统计，以得到操作人员的人数特征数据；本实施例中可以对操作人员的身份标识进行特征提取，以得到操作人员的身份特征数据；本实施例中可以对操作人员的表情标识进行特征提取，以得到操作人员的表情特征数据；本实施例中可以对分配人员的身份标识的数量进行统计，以得到分配人员的人数特征数据；本实施例中可以对分配人员的身份标识进行特征提取，以得到分配人员的身份特征数据，等等。

步骤302：获得操作人员在加钞特征数据的条件下的风险概率值。

其中，风险概率值的高低表征加钞特征数据的条件下操作人员对钞箱进行加钞没有风险的可能性的高低。

在一种实现方式中，本实施例中可以利用贝叶斯原理所建立的模型获得风险概率值，具体如下：

首先，获得每项加钞特征数据在历史数据集合中各自对应的历史特征数据，历史特征数据形成的集合以x表示，其中，x＝{A1，A2...An}，A1-An分别为每项加钞特征数据对应的历史特征数据，以C表示风险类别集合，其中，C＝(Y1,Y2)，Y1表示是无风险，Y2表示是有风险；

在另一种实现方式中，本实施例中可以利用预先训练的分类模型获得风险概率值，具体如下：

将加钞特征数据输入到预先训练的分类模型中，以得到分类模型输出的风险概率值；

其中，分类模型利用多个具有风险概率标签的样本特征数据进行训练得到，样本特征数据至少包含根据样本操作人员的身份标识和表情标识以及样本分配人员的身份信息所生成的样本特征数据，风险概率标签表征样本操作人员对钞箱进行加钞操作是否有风险。基于此，将样本特征数据作为输入样本，将风险概率标签作为输出，对分类模型进行训练，使得训练出的分类模型能够对加钞特征数据进行处理并输出表征操作人员对钞箱进行加钞操作的风险高低的风险概率值。

在具体实现中，所述加钞特征数据中至少包含：所述操作人员的人数特征数据、所述操作人员的身份特征数据、所述操作人员的表情特征数据、所述分配人员的人数特征数据、所述分配人员的身份特征数据；另外，还可以包含有本操作人员的加钞时间特征数据，如当前加钞时刻等。

基于此，用于分类模型训练的样本特征数据中至少包含：所述样本操作人员的人数特征数据、所述样本操作人员的身份特征数据、所述样本操作人员的表情特征数据、所述样本分配人员的人数特征数据、所述样本分配人员的身份特征数据。另外，样本特征数据中还包含有所述样本操作人员的加钞时间特征数据。

步骤303：根据风险概率值，获得风险判断结果。

具体的，本实施例中可以将风险概率值与预设的概率阈值进行比对，以得到概率比对结果，进而根据概率比对结果，获得风险判断结果。

在一种实现方式中，在风险概率值采用操作人员在加钞特征数据的条件下有风险类别的风险概率值的情况下，概率阈值为有风险概率阈值，基于此，在风险概率值大于或等于概率阈值的情况下，所得到的风险判断结果表征操作人员对钞箱进行加钞操作有风险，在风险概率值小于概率阈值的情况下，所得到的风险判断结果表征操作人员对钞箱进行加钞操作没有风险；

在另一种实现方式中，在风险概率值采用操作人员在加钞特征数据的条件无风险类别的风险概率值的情况下，概率阈值为无风险概率阈值，基于此，在风险概率值大于或等于概率阈值的情况下，所得到的风险判断结果表征操作人员对钞箱进行加钞操作没有风险，在风险概率值小于概率阈值的情况下，所得到的风险判断结果表征操作人员对钞箱进行加钞操作存在风险。

参考图4，为本申请实施例二提供的一种加钞控制装置的结构示意图，该装置可以配置在具有钞箱并且能够进行数据处理的电子设备中，如配置在ATM机上的计算机或服务器等设备。本实施例中的技术方案主要用于提高加钞的安全性。

具体的，本实施例中的装置可以包括以下单元：

图像获得单元401，用于获得多个操作人员的人脸图像，所述操作人员处于钞箱所朝向的区域中；

图像识别单元402，用于对所述人脸图像进行图像识别，以得到所述操作人员的身份标识和表情标识，所述表情标识表征所述操作人员的表情类型；

风险判断单元403，用于至少根据所述操作人员的身份标识和表情标识以及预设的分配人员的身份信息，获得风险判断结果，所述风险判断结果表征所述操作人员对所述钞箱进行加钞操作是否存在风险；

加钞控制单元404，用于在所述风险判断结果表征所述操作人员对所述钞箱进行加钞操作存在风险的情况下，生成加钞请求，所述加钞请求用于指示执行加钞流程。

由上述方案可知，本申请实施例二提供的一种加钞控制装置中，在获得到钞箱所朝向区域中的操作人员的人脸图像之后，通过对人脸图像进行识别，进而得到操作人员的身份标识和表情标识，由此就可以根据这些操作人员的身份标识和表情标识以及预设的分配人员的身份信息来获得表征操作人员对钞箱进行加钞操作是否存在风险的风险判断结果，基于此，在风险判断结果表征操作人员对钞箱进行加钞操作存在风险的情况下就可以执行更高安全级别的加钞流程。可见，本实施例在进行风险判断时，不仅考虑操作人员的身份信息还考虑操作人员的表情等信息，从而提高风险判断的准确性，进一步的在判断出存在风险的情况下执行安全性更高加钞流程，以提高加钞的安全性。

在一种实现方式中，风险判断单元403具体用于：至少根据所述操作人员的身份标识和表情标识以及预设的分配人员的身份信息，生成多项加钞特征数据；获得所述操作人员在所述加钞特征数据的条件下的风险概率值；根据所述风险概率值，获得风险判断结果。

可选的，风险判断单元403在获得所述操作人员在所述加钞特征数据的条件下的风险概率值时，可以通过以下方式实现：

获得每项所述加钞特征数据在历史数据集合中各自对应的历史特征数据；获得每项所述历史特征数据在没有风险的条件下的条件概率值；至少根据每项所述历史特征数据对应的条件概率值，获得所述操作人员在所述加钞特征数据的条件下的风险概率值。

或者，风险判断单元403在获得所述操作人员在所述加钞特征数据的条件下的风险概率值时，可以通过以下方式实现：

将所述加钞特征数据输入到预先训练的分类模型中，以得到所述分类模型输出的风险概率值；其中，所述分类模型利用多个具有风险概率标签的样本特征数据进行训练得到，所述样本特征数据至少包含根据样本操作人员的身份标识和表情标识以及样本分配人员的身份信息所生成的样本特征数据。

具体的，所述加钞特征数据中至少包含：所述操作人员的人数特征数据、所述操作人员的身份特征数据、所述操作人员的表情特征数据、所述分配人员的人数特征数据、所述分配人员的身份特征数据；

基于此，所述样本特征数据至少包含：所述样本操作人员的人数特征数据、所述样本操作人员的身份特征数据、所述样本操作人员的表情特征数据、所述样本分配人员的人数特征数据、所述样本分配人员的身份特征数据；

另外，所述样本特征数据中还包含有所述样本操作人员的加钞时间特征数据。

在一种实现方式中，加钞控制单元404具体用于：将所述风险概率值与预设的概率阈值进行比对，以得到概率比对结果；根据所述概率比对结果，获得风险判断结果。

需要说明的是，本实施例中各单元的具体实现可以参考前文中的相应内容，此处不再详述。

参考图5，为本申请实施例三提供的一种电子设备的结构示意图，该电子设备可以为装配有处理器以能够进行数据处理且具有钞箱的设备，如连接ATM机的计算机或服务器，或者配置摄像头和处理器的ATM机等。本实施例中的技术方案主要用于提高加钞的安全性。

具体的，本实施例中的电子设备可以包括以下结构：

图像采集装置501，用于获得多个操作人员的人脸图像，所述操作人员处于钞箱所朝向的区域中。

其中，图像采集装置501可以为ATM机上的摄像头等部件，能够进行图像采集，进而获得到钞箱所朝向的区域中多个操作人员的人脸图像。

处理器502，用于对所述人脸图像进行图像识别，以得到所述操作人员的身份标识和表情标识，所述表情标识表征所述操作人员的表情类型；至少根据所述操作人员的身份标识和表情标识以及预设的分配人员的身份信息，获得风险判断结果，所述风险判断结果表征所述操作人员对所述钞箱进行加钞操作是否存在风险；在所述风险判断结果表征所述操作人员对所述钞箱进行加钞操作存在风险的情况下，生成第一加钞请求，所述第一加钞请求用于指示执行第一加钞流程；在所述风险判断结果表征所述操作人员对所述钞箱进行加钞操作不存在风险的情况下，生成第二加钞请求，所述第二加钞请求用于指示执行第二加钞流程，所述第一加钞流程的安全等级高于所述第二加钞流程。

由上述方案可知，本申请实施例三提供的一种电子设备中，在获得到钞箱所朝向区域中的操作人员的人脸图像之后，通过对人脸图像进行识别，进而得到操作人员的身份标识和表情标识，由此就可以根据这些操作人员的身份标识和表情标识以及预设的分配人员的身份信息来获得表征操作人员对钞箱进行加钞操作是否存在风险的风险判断结果，基于此，在风险判断结果表征操作人员对钞箱进行加钞操作存在风险的情况下就可以执行更高安全级别的加钞流程。可见，本实施例在进行风险判断时，不仅考虑操作人员的身份信息还考虑操作人员的表情等信息，从而提高风险判断的准确性，进一步的在判断出存在风险的情况下执行安全性更高加钞流程，以提高加钞的安全性。

进一步的，本实施例中的电子设备中可以配置有存储器，用于存储能够实现以上方案的应用程序以及应用程序运行所产生的数据，如人脸图像、特征数据、分类模型等内容。

需要说明的是，本实施例中处理器的具体实现可以参考前文中的相应内容，此处不再详述。

基于以上实现方案，以银行的ATM机清机加钞场景为例，对本申请的技术方案进行举例说明：

首先，银行的自助存取款机ATM机清机加钞的过程中钞箱中有很多的现钞，且钞箱多采用机械锁的方式保证钞箱安全，所以就存在不法分子通过盗用钥匙的方式盗取钞箱现钞的现象，给银行带来的损失的同时社会影响也不好。

基于此，基于本申请的技术方案建立一种自助存取款机智能身份认证加钞系统，当有清机加钞任务时，本申请所实现的系统根据值班表查询到当前工作人员，将任务信息通过手机银行推送给工作人员，任务信息包括机具位置、加钞金额等；工作人员到达自助存取款机，在自助存取款机界面有清机加钞按钮，工作人员点击以后，自助存取款机调用人脸识别系统，识别客户的身份与表情信息(表情信息通过标签展示)，并将识别的身份信息发送到本申请所实现的系统，本申请所实现的系统获得当前任务的分配人员(数量与人员信息)、当前实际办理人员(数量与人员信息)、办理人员的表情信息、清机加钞的开始时间等，借助朴素贝叶斯模型判断这笔业务是否有风险需要更高级别的审核。具体方法如下：

1、设x＝{A1，A2，...，An}为本次清机加钞的特征值情况(例如客户表情的标签信息、分配人员为两人实际验证有三人，有一人和任务分配相同、另一人身份不相同等)。

2、设类别集合C＝(Y1，Y2)，Y1表示是无风险，Y2表示是有风险。

3、计算P(Y1|x)与P(Y2|x)，即这笔清机加钞特征值的条件下是有风险与没风险的概率。

基于此，以下关键在于获得P(Y1|x)与P(Y2|x)，具体方法如下：

1、获得过往清机加钞信息中x的集合，即训练样本，即过往清机加钞数据与是否有风险榜的对应关系，即得到现有x＝{A1，A2，...，An}与C＝(Y1,Y2)的对应关系；

2、统计得到在各风险类别下各个特征值的条件概率估计。即：

P(A1|Y1)、P(A2|Y1)、…、P(An|Y1)，以及，P(A1|Y2)、P(A2|Y2)、…、P(An|Y2)，即求在无风险的条件下每种特征值的概率与有风险条件下每种特征值的概率。例如，历史数据里，在无风险的所有特征里，清机加钞人员面部表情紧张属性占所有无风险的比例即是概率；

3、根据贝叶斯定理有如下推导：

P(Yi|x)＝P(x|Yi)P(Yi)/P(x)，因为分母对所有的类别为常数，因此以下计算分子即可以得到相应概率：

P(x|Yi)*P(Yi)＝P(A1|Yi)*P(A2|Yi)*…*P(An|Yi)*P(Yi)；

4、基于此，P(Y1|x)＝P(x|Y1)P(Y1)＝P(A1|Y1)*P(A2|Y1)*…*P(An|Y1)*P(Y1)；

而P(Y2|x)＝P(x|Y2)P(Y2)＝P(A1|Y2)*P(A2|Y2)*…*P(An|Y2)*P(Y2)；

5、当P(Y1|x)到达概率阈值m时(m的设置根据需求设定)，则该清机加钞为无风险。

基于此，如果以上判断出该笔加钞业务无风险，则本申请所实现的系统通知后天服务器发送短信验证码给工作人员，将验证码信息输入到ATM中，ATM将验证码返回给后台服务器，后台服务器验证验证码是否正确，如果正确则清机加钞。如果上述判断出此次业务有风险，则银行后台服务器会将清机加钞任务的信息发送给相关审核人员，只有相关审核人员全部审核成功以后才可以发送短信清机加钞，否则无法继续业务办理，通过这种实现方案提高银行现金的安全。

可见，本申请中通过建立一种自助存取款机智能身份认证加钞系统，可以通过自助存取款机的人脸识别系统验证客户身份，同时借助动态密码的方式打开密码锁，保证自助存取款机清机过程的安全。

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。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

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

1.一种加钞控制方法，其特征在于，包括：

利用贝叶斯原理所建立的模型或预先训练的分类模型，获得所述操作人员在所述加钞特征数据的条件下的风险概率值；

根据所述风险概率值，获得风险判断结果，所述风险判断结果表征所述操作人员对所述钞箱进行加钞操作是否存在风险；

2.根据权利要求1所述的方法，其特征在于，利用贝叶斯原理所建立的模型，获得所述操作人员在所述加钞特征数据的条件下的风险概率值，包括：

3.根据权利要求1所述的方法，其特征在于，利用预先训练的分类模型，获得所述操作人员在所述加钞特征数据的条件下的风险概率值，包括：

4.根据权利要求3所述的方法，其特征在于，所述加钞特征数据中至少包含：所述操作人员的人数特征数据、所述操作人员的身份特征数据、所述操作人员的表情特征数据、所述分配人员的人数特征数据、所述分配人员的身份特征数据；

5.根据权利要求4所述的方法，其特征在于，所述样本特征数据中还包含有所述样本操作人员的加钞时间特征数据。

6.根据权利要求1所述的方法，其特征在于，根据所述风险概率值，获得风险判断结果，包括：

根据所述概率比对结果，获得风险判断结果。

7.一种加钞控制装置，其特征在于，所述装置包括：

风险判断单元，用于至少根据所述操作人员的身份标识和表情标识以及预设的分配人员的身份信息，生成多项加钞特征数据；利用贝叶斯原理所建立的模型或预先训练的分类模型，获得所述操作人员在所述加钞特征数据的条件下的风险概率值；根据所述风险概率值，获得风险判断结果，所述风险判断结果表征所述操作人员对所述钞箱进行加钞操作是否存在风险；

8.一种电子设备，其特征在于，包括：

处理器，用于对所述人脸图像进行图像识别，以得到所述操作人员的身份标识和表情标识，所述表情标识表征所述操作人员的表情类型；至少根据所述操作人员的身份标识和表情标识以及预设的分配人员的身份信息，生成多项加钞特征数据；利用贝叶斯原理所建立的模型或预先训练的分类模型，获得所述操作人员在所述加钞特征数据的条件下的风险概率值；根据所述风险概率值，获得风险判断结果，所述风险判断结果表征所述操作人员对所述钞箱进行加钞操作是否存在风险；在所述风险判断结果表征所述操作人员对所述钞箱进行加钞操作存在风险的情况下，生成第一加钞请求，所述第一加钞请求用于指示执行第一加钞流程；在所述风险判断结果表征所述操作人员对所述钞箱进行加钞操作不存在风险的情况下，生成第二加钞请求，所述第二加钞请求用于指示执行第二加钞流程，所述第一加钞流程的安全等级高于所述第二加钞流程。