CN112560646A - 交易行为的检测方法、装置、设备及存储介质 - Google Patents
交易行为的检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112560646A CN112560646A CN202011447958.7A CN202011447958A CN112560646A CN 112560646 A CN112560646 A CN 112560646A CN 202011447958 A CN202011447958 A CN 202011447958A CN 112560646 A CN112560646 A CN 112560646A
- Authority
- CN
- China
- Prior art keywords
- detection frame
- transaction
- behavior
- human body
- ordinate
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 216
- 230000006399 behavior Effects 0.000 claims abstract description 132
- 238000000034 method Methods 0.000 claims abstract description 40
- 230000036544 posture Effects 0.000 claims description 57
- 210000000707 wrist Anatomy 0.000 claims description 40
- 238000004590 computer program Methods 0.000 claims description 10
- 238000013145 classification model Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 9
- 238000012549 training Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000012546 transfer Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0609—Buyer or seller confidence or verification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/28—Recognition of hand or arm movements, e.g. recognition of deaf sign language
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Social Psychology (AREA)
- Accounting & Taxation (AREA)
- Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种交易行为的检测方法、装置、设备及存储介质。包括:采集交易场景中的图像;对所述图像进行目标识别,获得所述图像中的目标检测框;所述目标检测框包括人体检测框;对所述人体进行姿态检测,获得手部姿态信息;根据所述目标检测框和/或所述手部姿态信息判断人体行为是否为交易行为。本发明实施例提供的交易行为的检测方法,根据目标检测框和/或手部姿态信息判断人体行为是否为交易行为,可以实现对购买者交易行为的检测,可以在一定程度上减少盗窃行为的出现,从而避免商家的经济损失。
Description
技术领域
本发明实施例涉及计算机技术领域,尤其涉及一种交易行为的检测方法、装置、设备及存储介质。
背景技术
随着人工智能领域的不断发展以及市场需求的逐渐提升,市场经济逐渐多元化发展,人们越来越趋向于方便、高效、快捷的生活节奏。一种全新的商业零售形式-无人零售诞生了,可以节省人力,方便交易。但是无人零售容易出现偷窃行为,给商家造成损失。因此,对交易行为的检测显得尤为重要。
发明内容
本发明实施例提供一种交易行为的检测方法、装置、设备及存储介质,以实现对购买者交易行为的检测,可以在一定程度上减少盗窃行为的出现,从而避免商家的经济损失。
第一方面,本发明实施例提供了一种交易行为的检测方法,包括:
采集交易场景中的图像;
对所述图像进行目标识别,获得所述图像中的目标检测框;所述目标检测框包括人体检测框;
对所述人体检测框中的人体进行姿态检测,获得手部姿态信息;
根据所述目标检测框和/或所述手部姿态信息,判断人体行为是否为交易行为。
第二方面,本发明实施例还提供了一种交易行为的检测装置,包括:
图像采集模块,用于采集交易场景中的图像;
目标检测框获取模块,用于对所述图像进行目标识别,获得所述图像中的目标检测框;所述目标检测框包括人体检测框;
手部姿态信息获取模块,用于对所述人体检测框中的人体进行姿态检测,获得手部姿态信息;
交易行为判断模块,用于根据所述目标检测框和/或所述手部姿态信息,判断人体行为是否为交易行为。
第三方面,本发明实施例还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如本发明实施例所述的交易行为的检测方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例所述的交易行为的检测方法。
本发明实施例公开了一种交易行为的检测方法、装置、设备及存储介质。首先采集交易场景中的图像,然后对图像进行目标识别,获得图像中的目标检测框,再然后对人体检测框中的人体进行姿态检测,获得手部姿态信息,再然后根据目标检测框和/或手部姿态信息判断人体行为是否为交易行为。本发明实施例提供的交易行为的检测方法,根据目标检测框和/或手部姿态信息判断人体行为是否为交易行为,可以实现对购买者交易行为的检测,可以在一定程度上减少盗窃行为的出现,从而避免商家的经济损失。
附图说明
图1是本发明实施例一中的一种交易行为的检测方法的流程图;
图2是本发明实施例二中的一种交易行为的检测方法的流程图
图3是本发明实施例三中的一种交易行为的检测方法的流程图;
图4是本发明实施例四中的一种交易行为的检测方法的流程图;
图5是本发明实施例五中的一种交易行为的检测方法的流程图;
图6是本发明实施例六中的一种交易行为的检测装置的结构示意图;
图7是本发明实施例七中的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种交易行为的检测方法的流程图,本实施例可适用于对交易场所中的交易行为进行检测的情况,该方法可以由交易行为的检测装置来执行,该装置可由硬件和/或软件组成,并一般可集成在具有交易行为的检测功能的设备中。如图1所示,该方法具体包括如下步骤:
步骤110,采集交易场景中的图像。
其中,交易场景可以理解为实际交易场所对应的场景,例如:可以是超市、菜市场、衣物交易市场等零售场所等。
本实施例中,采集交易场景中的图像的方式可以是通过在交易场地周围设置摄像头来采集图像。例如:可以在摊位四周上方安装摄像头,以便从各个角度采集图像。
步骤120,对图像进行目标识别,获得图像中的目标检测框。
其中,目标检测框可以包括人体检测框、交易场地检测框、支付码检测框、货币检测框及移动终端检测框中的至少之一。其中,交易场地可以为零售中的摊位或者结账区域,例如:超市中的无人结账区域。支付码可以是用于支付的图形码,如二维码、条形码等。
具体的,对图像进行目标识别,获得图像中的目标检测框的方式可以是:将图像输入训练好的目标检测模型中,获得图像中的目标检测框。
其中,目标检测模型的训练过程为:采集交易场景中的多张图像;对各图像包含的目标进行标注,获得训练样本;基于训练样本对设定神经网络进行训练,获得目标检测模型。
具体的,从安装于交易场所周围的摄像头采集的图像中筛选出包含清晰的人体、交易场地、支付码、货币或者移动终端的图像,将筛选出的图像分为训练集和测试集。对训练集采用标注工具(labelImg)进行人体、交易场地、支付码、货币或者移动终端的标注。基于标注后的训练集对设定神经网络进行训练,获得目标检测模型,最后再基于测试集对目标检测模型进行测试。
步骤130,对人体检测框中的人体进行姿态检测,获得手部姿态信息。
其中,手部姿态信息包括左手姿态信息或者右手姿态信息,且左手姿态信息和右手姿态信息分别包括手部检测框、指尖纵坐标、手腕纵坐标及手肘纵坐标。
本实施例中,当检测到图像有人体时,调用设定姿态估计算法进行关键点检测,获取人体手部姿态信息。
步骤140,根据目标检测框和/或手部姿态信息,判断人体行为是否为交易行为。
其中,交易行为可以理解为支付行为或者付款行为。
具体的,根据目标检测框和/或手部姿态信息判断人体行为是否为交易行为的方式可以是:若人体检测框与交易场地检测框的交并比大于第一设定阈值且移动终端检测框与支付码检测框的交并比大于第二设定阈值,则人体行为为交易行为。
其中,交并比(Intersection over Union,IOU)可以理解为两检测框所围区域的交集与并集的比例。第一设定阈值和第二设定阈值可以设置为0.8-0.9之间的任意值,如:0.8。本实施例中,人体检测框与交易场地检测框的交并比大于第一设定阈值表示人体位于交易场地旁边;移动终端检测框与支付码检测框的交并比大于第二设定阈值表示用户正利用移动终端通过扫码的方式进行支付。
具体的,根据目标检测框和/或手部姿态信息判断人体行为是否为交易行为的方式可以是:若目标检测框和/或手部姿态信息满足如下条件,则人体行为为交易行为:人体检测框与交易场地检测框的交并比大于第三设定阈值;货币检测框与手部检测框的交并比大于第四设定阈值;指尖纵坐标、手腕纵坐标及手肘纵坐标相等。
其中,第三阈值和第一阈值可以相等。第四设定阈值可以设置为0.8-0.9之间的任意值,如:0.8。本实施例中,人体检测框与交易场地检测框的交并比大于第一设定阈值表示人体位于交易场地旁边;货币检测框与手部检测框的交并比大于第三设定阈值表示购买者手中握着货币;指尖纵坐标、手腕纵坐标及手肘纵坐标相等表示购买者正将货币付给商家。其中,指尖纵坐标、手腕纵坐标及手肘纵坐标相等可以是左手的指尖纵坐标、手腕纵坐标及手肘纵坐标,或者右手的指尖纵坐标、手腕纵坐标及手肘纵坐标。
具体的,根据目标检测框和/或手部姿态信息判断人体行为是否为交易行为的方式可以是:若目标检测框和/或手部姿态信息满足如下条件,则人体行为为交易行为:人体检测框与交易场地检测框的交并比大于第五设定阈值;移动终端检测框与支付码检测框的交并比大于第六设定阈值;指尖纵坐标小于手腕纵坐标,手腕纵坐标小于手肘纵坐标。
其中,第五设定阈值与第一设定阈值可以相等,第六设定阈值与第二设定阈值可以相等。
本实施例中,人体检测框与交易场地检测框的交并比大于第一设定阈值表示人体位于交易场地旁边;移动终端检测框与支付码检测框的交并比大于第二设定阈值,指尖纵坐标小于手腕纵坐标、手腕纵坐标小于手肘纵坐标表示用户正利用移动终端通过扫码的方式进行支付。其中,可以是左手的指尖纵坐标小于手腕纵坐标、手腕纵坐标小于手肘纵坐标,或者右手的指尖纵坐标小于手腕纵坐标、手腕纵坐标小于手肘纵坐标。
本实施例的技术方案,首先采集交易场景中的图像,然后对图像进行目标识别,获得图像中的目标检测框,再然后对人体进行姿态检测,获得手部姿态信息,再然后根据目标检测框和/或手部姿态信息判断人体行为是否为交易行为,若是交易行为,则在设定时长内判断是否交易成功,若否,则产生报警信号。本发明实施例提供的交易行为的检测方法,根据目标检测框和/或手部姿态信息判断人体行为是否为交易行为,可以实现对购买者交易行为的检测,防止盗窃行为的出现,从而避免商家的经济损失。
实施例二
图2是本发明实施例二提供的一种交易行为的检测方法的流程图,以上述实施例为基础,在根据目标检测框和/或手部姿态信息,判断人体行为是否为交易行为之后,还包括:若判定人体行为为交易行为,则在设定时长内判断是否交易成功;若否,则产生报警信号。如图2所示,该方法包括如下步骤:
步骤410,采集交易场景中的图像。
步骤420,对图像进行目标识别,获得图像中的目标检测框。
步骤430,对人体检测框中的人体进行姿态检测,获得手部姿态信息。
步骤440,根据目标检测框和/或手部姿态信息,判断人体行为是否为交易行为,若是交易行为,则执行步骤450。
步骤450,在设定时长内判断是否交易成功,若否,则产生报警信号。
其中,设定时长可以设置为10秒。
具体的,在设定时长内判断是否交易成功的方式可以是:判断收款方是否收到转账信息;若收到,则交易成功。
其中,转账信息可由负责交易的APP产生。本实施例中,转账信息可以以语音的形式进行播报。
具体的,在设定时长内判断收款方是否收到转账信息的方式可以是:在设定时长内采集移动终端的页面图像;将页面图像输入设定分类模型,获得页面的类别;若类别为支付成功页面,则交易成功。
其中,设定分类模型可以是由ResNet50网络构成的二分类模型。本实施例中,将页面图像输入至二分类模型后,输出的结果为支付成功类别或者支付失败类别。
本实施例的技术方案,在根据目标检测框和/或手部姿态信息,判断人体行为是否为交易行为之后,若判定人体行为为交易行为,则在设定时长内判断是否交易成功;若否,则产生报警信号。可以在一定程度上减少盗窃行为的出现,从而避免商家的经济损失。
实施例三
图3是本发明实施例三提供的一种交易行为的检测方法的流程图,以上述实施例为基础,该方法包括如下步骤:
步骤510,采集交易场景中的图像。
步骤520,对图像进行目标识别,获得图像中的交易场地检测框、支付码检测框、货币检测框及移动终端检测框中的至少一个。
步骤530,对人体检测框中的人体进行姿态检测,获得手部姿态信息。
步骤540,若人体检测框与交易场地检测框的交并比大于第一设定阈值且移动终端检测框与支付码检测框的交并比大于第二设定阈值,则判定人体行为为交易行为。
其中,第一设定阈值和第二设定阈值可以设置为0.8-0.9之间的任意值,如:0.8。本实施例中,人体检测框与交易场地检测框的交并比大于第一设定阈值表示人体位于交易场地旁边;移动终端检测框与支付码检测框的交并比大于第二设定阈值表示用户正利用移动终端通过扫码的方式进行支付。
本实施例的计算方案,若人体检测框与交易场地检测框的交并比大于第一设定阈值且移动终端检测框与支付码检测框的交并比大于第二设定阈值,则判定人体行为为交易行为,可以提高人体交易行为检测的准确性。
实施例四
图4是本发明实施例四提供的一种交易行为的检测方法的流程图,以上述实施例为基础,该方法包括如下步骤:
步骤610,采集交易场景中的图像。
步骤620,对图像进行目标识别,获得图像中的交易场地检测框、支付码检测框、货币检测框及移动终端检测框中的至少一个。
步骤630,对人体检测框中的人体进行姿态检测,获得手部检测框、指尖纵坐标、手腕纵坐标及手肘纵坐标。
步骤640,若人体检测框与交易场地检测框的交并比大于第三设定阈值,且货币检测框与手部检测框的交并比大于第四设定阈值,且指尖纵坐标、手腕纵坐标及手肘纵坐标相等,则判定人体行为为交易行为。
其中,第四设定阈值可以设置为0.8-0.9之间的任意值,如:0.8。本实施例中,人体检测框与交易场地检测框的交并比大于第一设定阈值表示人体位于交易场地旁边;货币检测框与手部检测框的交并比大于第三设定阈值表示购买者手中握着货币;指尖纵坐标、手腕纵坐标及手肘纵坐标相等表示购买者正将货币付给商家。其中,指尖纵坐标、手腕纵坐标及手肘纵坐标相等可以是左手的指尖纵坐标、手腕纵坐标及手肘纵坐标,或者右手的指尖纵坐标、手腕纵坐标及手肘纵坐标。
本实施例的计算方案,若人体检测框与交易场地检测框的交并比大于第三设定阈值,且货币检测框与手部检测框的交并比大于第四设定阈值,且指尖纵坐标、手腕纵坐标及手肘纵坐标相等,则判定人体行为为交易行为,可以提高人体交易行为检测的准确性。
实施例五
图5是本发明实施例五提供的一种交易行为的检测方法的流程图,以上述实施例为基础,该方法包括如下步骤:
步骤710,采集交易场景中的图像。
步骤720,对图像进行目标识别,获得图像中的交易场地检测框、支付码检测框、货币检测框及移动终端检测框中的至少一个。
步骤730,对人体检测框中的人体进行姿态检测,获得手部检测框、指尖纵坐标、手腕纵坐标及手肘纵坐标。
步骤740,若人体检测框与交易场地检测框的交并比大于第五设定阈值,且移动终端检测框与支付码检测框的交并比大于第六设定阈值,且指尖纵坐标小于手腕纵坐标,手腕纵坐标小于手肘纵坐标,则判定人体行为为交易行为。
本实施例中,人体检测框与交易场地检测框的交并比大于第一设定阈值表示人体位于交易场地旁边;移动终端检测框与支付码检测框的交并比大于第二设定阈值,指尖纵坐标小于手腕纵坐标、手腕纵坐标小于手肘纵坐标表示用户正利用移动终端通过扫码的方式进行支付。其中,可以是左手的指尖纵坐标小于手腕纵坐标、手腕纵坐标小于手肘纵坐标,或者右手的指尖纵坐标小于手腕纵坐标、手腕纵坐标小于手肘纵坐标。
本实施例的技术方案,若人体检测框与交易场地检测框的交并比大于第五设定阈值,且移动终端检测框与支付码检测框的交并比大于第六设定阈值,且指尖纵坐标小于手腕纵坐标,手腕纵坐标小于手肘纵坐标,则判定人体行为为交易行为,可以提高人体交易行为检测的准确性。
实施例六
图6是本发明实施例六提供的一种交易行为的检测装置的结构示意图。如图6所示,该装置包括:
图像采集模块210,用于采集交易场景中的图像;
目标检测框获取模块220,用于对图像进行目标识别,获得图像中的目标检测框;目标检测框包括人体检测框;
手部姿态信息获取模块230,用于对人体检测框中的人体进行姿态检测,获得手部姿态信息;
交易行为判断模块240,用于根据目标检测框和/或手部姿态信息判断人体行为是否为交易行为。。
可选的,目标检测框还包括交易场地检测框、支付码检测框、货币检测框及移动终端检测框中的至少之一;手部姿态信息包括左手姿态信息或者右手姿态信息,且左手姿态信息和右手姿态信息分别包括手部检测框、指尖纵坐标、手腕纵坐标及手肘纵坐标。
可选的,交易行为判断模块240,还用于:
若人体检测框与交易场地检测框的交并比大于第一设定阈值且移动终端检测框与支付码检测框的交并比大于第二设定阈值,则人体行为为交易行为。
可选的,交易行为判断模块240,还用于:
若目标检测框和/或手部姿态信息满足如下条件,则人体行为为交易行为:
人体检测框与交易场地检测框的交并比大于第三设定阈值;
货币检测框与手部检测框的交并比大于第四设定阈值;
指尖纵坐标、手腕纵坐标及手肘纵坐标相等。
可选的,交易行为判断模块240,还用于:
若目标检测框和/或手部姿态信息满足如下条件,则人体行为为交易行为:
人体检测框与交易场地检测框的交并比大于第第五设定阈值;
移动终端检测框与支付码检测框的交并比大于第六设定阈值;
指尖纵坐标小于手腕纵坐标,手腕纵坐标小于手肘纵坐标。
可选的,还包括:交易成功判断模块,用于:
若判定人体行为为交易行为,则在设定时长内判断是否交易成功;
若否,则产生报警信号。
可选的,交易成功判断模块,还用于:在设定时长内判断收款方是否收到转账信息;
若收到,则交易成功。
可选的,交易成功判断模块,还用于:
在设定时长内采集移动终端的页面图像;
将页面图像输入设定分类模型,获得页面的类别;
若类别为支付成功页面,则交易成功。
上述装置可执行本发明前述所有实施例所提供的方法,具备执行上述方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明前述所有实施例所提供的方法。
实施例七
图7为本发明实施例三提供的一种计算机设备的结构示意图。图7示出了适于用来实现本发明实施方式的计算机设备312的框图。图7显示的计算机设备312仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。设备312是典型的交易行为的检测功能的计算设备。
如图7所示,计算机设备312以通用计算设备的形式表现。计算机设备312的组件可以包括但不限于:一个或者多个处理器316,存储装置328,连接不同系统组件(包括存储装置328和处理器316)的总线318。
总线318表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture,ISA)总线,微通道体系结构(Micro Channel Architecture,MCA)总线,增强型ISA总线、视频电子标准协会(Video Electronics Standards Association,VESA)局域总线以及外围组件互连(Peripheral Component Interconnect,PCI)总线。
计算机设备312典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备312访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储装置328可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(Random Access Memory,RAM)330和/或高速缓存存储器332。计算机设备312可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统334可以用于读写不可移动的、非易失性磁介质(图7未显示,通常称为“硬盘驱动器”)。尽管图7中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如只读光盘(Compact Disc-Read Only Memory,CD-ROM)、数字视盘(Digital Video Disc-Read Only Memory,DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线318相连。存储装置328可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块326的程序336,可以存储在例如存储装置328中,这样的程序模块326包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块326通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备312也可以与一个或多个外部设备314(例如键盘、指向设备、摄像头、显示器324等)通信,还可与一个或者多个使得用户能与该计算机设备312交互的设备通信,和/或与使得该计算机设备312能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口322进行。并且,计算机设备312还可以通过网络适配器320与一个或者多个网络(例如局域网(Local AreaNetwork,LAN),广域网Wide Area Network,WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器320通过总线318与计算机设备312的其它模块通信。应当明白,尽管图中未示出,可以结合计算机设备312使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of IndependentDisks,RAID)系统、磁带驱动器以及数据备份存储系统等。
处理器316通过运行存储在存储装置328中的程序,从而执行各种功能应用以及数据处理,例如实现本发明上述实施例所提供的交易行为的检测方法。
实施例八
本发明实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该程序被处理装置执行时实现如本发明实施例中的交易行为的检测方法。
本发明上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:采集交易场景中的图像;对所述图像进行目标识别,获得所述图像中的目标检测框;所述目标检测框包括人体检测框;对所述人体进行姿态检测,获得手部姿态信息;根据所述目标检测框和/或所述手部姿态信息判断人体行为是否为交易行为;若是,则在设定时长内判断是否交易成功,若否,则产生报警信号。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种交易行为的检测方法,其特征在于,包括:
采集交易场景中的图像;
对所述图像进行目标识别,获得所述图像中的目标检测框;所述目标检测框包括人体检测框;
对所述人体检测框中的人体进行姿态检测,获得手部姿态信息;
根据所述目标检测框和/或所述手部姿态信息,判断人体行为是否为交易行为。
2.根据权利要求1所述的方法,其特征在于,所述目标检测框还包括交易场地检测框、支付码检测框、货币检测框及移动终端检测框中的至少之一;
所述手部姿态信息包括左手姿态信息或者右手姿态信息,且所述左手姿态信息和所述右手姿态信息分别包括手部检测框、指尖纵坐标、手腕纵坐标及手肘纵坐标。
3.根据权利要求2所述的方法,其特征在于,根据所述目标检测框和/或所述手部姿态信息判断人体行为是否为交易行为,包括:
若所述人体检测框与所述交易场地检测框的交并比大于第一设定阈值且所述移动终端检测框与所述支付码检测框的交并比大于第二设定阈值,则判定人体行为为交易行为。
4.根据权利要求2所述的方法,其特征在于,根据所述目标检测框和/或所述手部姿态信息判断人体行为是否为交易行为,包括:
若所述目标检测框和/或所述手部姿态信息满足如下条件,则判定人体行为为交易行为:
所述人体检测框与所述交易场地检测框的交并比大于第三设定阈值;
所述货币检测框与所述手部检测框的交并比大于第四设定阈值;
所述指尖纵坐标、所述手腕纵坐标及所述手肘纵坐标相等。
5.根据权利要求2所述的方法,其特征在于,根据所述目标检测框和/或所述手部姿态信息判断人体行为是否为交易行为,包括:
若所述目标检测框和/或所述手部姿态信息满足如下条件,则判定人体行为为交易行为:
所述人体检测框与所述交易场地检测框的交并比大于第五设定阈值;
所述移动终端检测框与所述支付码检测框的交并比大于第六设定阈值;
所述指尖纵坐标小于所述手腕纵坐标,所述手腕纵坐标小于所述手肘纵坐标。
6.根据权利要求1所述的方法,其特征在于,在所述根据所述目标检测框和/或所述手部姿态信息,判断人体行为是否为交易行为之后,还包括:
若判定人体行为为交易行为,则在设定时长内判断是否交易成功;
若否,则产生报警信号。
7.根据权利要求6所述的方法,其特征在于,所述在设定时长内判断是否交易成功,包括:
在设定时长内采集移动终端的页面图像;
将所述页面图像输入设定分类模型,获得所述页面的类别;
若所述类别为支付成功页面,则交易成功。
8.一种交易行为的检测装置,其特征在于,包括:
图像采集模块,用于采集交易场景中的图像;
目标检测框获取模块,用于对所述图像进行目标识别,获得所述图像中的目标检测框;所述目标检测框包括人体检测框;
手部姿态信息获取模块,用于对所述人体检测框中的人体进行姿态检测,获得手部姿态信息;
交易行为判断模块,用于根据所述目标检测框和/或所述手部姿态信息,判断人体行为是否为交易行为。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7中任一所述的交易行为的检测方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一所述的交易行为的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011447958.7A CN112560646A (zh) | 2020-12-09 | 2020-12-09 | 交易行为的检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011447958.7A CN112560646A (zh) | 2020-12-09 | 2020-12-09 | 交易行为的检测方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112560646A true CN112560646A (zh) | 2021-03-26 |
Family
ID=75062291
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011447958.7A Pending CN112560646A (zh) | 2020-12-09 | 2020-12-09 | 交易行为的检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112560646A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110309821A (zh) * | 2019-05-24 | 2019-10-08 | 阿里巴巴集团控股有限公司 | 图像采集检测方法以及装置 |
CN110674712A (zh) * | 2019-09-11 | 2020-01-10 | 苏宁云计算有限公司 | 交互行为识别方法、装置、计算机设备和存储介质 |
CN111488841A (zh) * | 2020-04-15 | 2020-08-04 | 上海眼控科技股份有限公司 | 抽烟行为检测方法、装置、计算机设备及存储介质 |
-
2020
- 2020-12-09 CN CN202011447958.7A patent/CN112560646A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110309821A (zh) * | 2019-05-24 | 2019-10-08 | 阿里巴巴集团控股有限公司 | 图像采集检测方法以及装置 |
CN110674712A (zh) * | 2019-09-11 | 2020-01-10 | 苏宁云计算有限公司 | 交互行为识别方法、装置、计算机设备和存储介质 |
CN111488841A (zh) * | 2020-04-15 | 2020-08-04 | 上海眼控科技股份有限公司 | 抽烟行为检测方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109410218B (zh) | 用于生成车辆损伤信息的方法和装置 | |
US8401230B2 (en) | Signature based drive-through order tracking system and method | |
US20200110965A1 (en) | Method and apparatus for generating vehicle damage information | |
CN110245580B (zh) | 一种检测图像的方法、装置、设备和计算机存储介质 | |
CN109408829B (zh) | 文章可读性确定方法、装置、设备和介质 | |
CN113239227B (zh) | 图像数据结构化方法、装置、电子设备及计算机可读介质 | |
CN112766284B (zh) | 图像识别方法和装置、存储介质和电子设备 | |
CN111783626A (zh) | 图像识别方法、装置、电子设备及存储介质 | |
CN113239807B (zh) | 训练票据识别模型和票据识别的方法和装置 | |
CN108470179B (zh) | 用于检测对象的方法和装置 | |
CN114663871A (zh) | 图像识别方法、训练方法、装置、系统及存储介质 | |
CN110796108B (zh) | 一种人脸质量检测的方法、装置、设备及存储介质 | |
CN111209856B (zh) | 发票信息的识别方法、装置、电子设备及存储介质 | |
CN114428677A (zh) | 任务处理方法、处理装置、电子设备及存储介质 | |
CN113643260A (zh) | 用于检测图像质量的方法、装置、设备、介质和产品 | |
CN108898067B (zh) | 确定人和物关联度的方法、装置及计算机可读存储介质 | |
CN109064464B (zh) | 用于检测电池极片毛刺的方法和装置 | |
CN114463853A (zh) | 一种商品漏扫码行为的识别方法、装置、存储介质和电子设备 | |
CN112232804B (zh) | 扫码支付方法、装置和电子设备 | |
CN114120454A (zh) | 活体检测模型的训练方法、装置、电子设备及存储介质 | |
CN111783632A (zh) | 针对视频流的人脸检测方法、装置、电子设备及存储介质 | |
CN112560646A (zh) | 交易行为的检测方法、装置、设备及存储介质 | |
CN113792569B (zh) | 对象识别方法、装置、电子设备及可读介质 | |
CN110827261B (zh) | 图像质量检测方法及装置、存储介质及电子设备 | |
CN113205092A (zh) | 文本检测方法、装置、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 |