CN113792688A - 业务状态的分析方法、装置、电子设备和存储介质 - Google Patents
业务状态的分析方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113792688A CN113792688A CN202111101528.4A CN202111101528A CN113792688A CN 113792688 A CN113792688 A CN 113792688A CN 202111101528 A CN202111101528 A CN 202111101528A CN 113792688 A CN113792688 A CN 113792688A
- Authority
- CN
- China
- Prior art keywords
- frame
- analysis
- state
- target
- identification
- 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.)
- Withdrawn
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 296
- 230000014509 gene expression Effects 0.000 claims abstract description 145
- 238000000034 method Methods 0.000 claims abstract description 58
- 230000008859 change Effects 0.000 claims abstract description 36
- 238000001514 detection method Methods 0.000 claims description 81
- 230000004044 response Effects 0.000 claims description 45
- 230000001186 cumulative effect Effects 0.000 claims description 37
- 238000012545 processing Methods 0.000 claims description 22
- 230000015654 memory Effects 0.000 claims description 18
- 238000005206 flow analysis Methods 0.000 claims description 15
- 238000010195 expression analysis Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 6
- 230000009191 jumping Effects 0.000 claims description 2
- 238000013507 mapping Methods 0.000 claims 1
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000007726 management method Methods 0.000 description 7
- 230000008921 facial expression Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000008909 emotion recognition Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
Images
Classifications
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本公开实施例提供了一种业务状态分析方法、装置、电子设备和存储介质,方法包括:针对目标业务分析类型,获取金融业务场景的待处理视频帧序列;响应于识别触发指令,对待处理视频帧序列进行人物识别,得到与目标业务分析类型对应的人物状态的识别结果;其中,人物状态表征人体状态和表情状态中的至少一项;基于识别结果,记录金融业务场景数据;金融业务场景数据表征人物状态的变化;基于金融业务场景数据,得到金融业务场景中对象的目标业务状态。通过本公开提高了业务状态分析效率和准确性。
Description
技术领域
本公开涉及计算机视觉技术,尤其涉及一种业务状态的分析方法、装置、电子设备和存储介质。
背景技术
目前,业务办理场景下,通常有大量顾客在多个业务办理岗位进行业务办理,对于业务状态的分析,例如,业务办理的效率、顾客满意度等等,往往需要统计人员统计业务办理数据,从而完成业务状态分析,例如通过向每个顾客发放满意度调查问卷,进而统计问卷结果,得到顾客满意度结果。由于人工统计的工作量较大,容易出错,导致业务状态分析的效率差,且准确性低。
发明内容
本公开实施例提供一种业务状态的分析方法、装置、电子设备和存储介质,提高了业务状态检测的效率和准确性。
本公开的技术方案是这样实现的:
本公开实施例提供一种业务状态的分析方法,包括:
针对目标业务分析类型,获取金融业务场景的待处理视频帧序列;响应于识别触发指令,对所述待处理视频帧序列进行人物识别,得到与所述目标业务分析类型对应的人物状态的识别结果;其中,人物状态表征人体状态和表情状态中的至少一项;基于所述识别结果,记录金融业务场景数据;所述金融业务场景数据表征所述人物状态的变化;基于所述金融业务场景数据,得到金融业务场景中对象的目标业务状态。
这样,终端可以基于目标业务分析类型,获取对应的待处理视频帧序列;对待处理视频帧序列进行人物识别,得到与目标业务分析类型对应的人物状态的识别结果,人物状态表征与目标业务分析类型对应的人体状态和表情状态中的至少一项;进而根据识别结果,记录表征人物状态的变化的金融业务场景数据;如此,终端可以根据金融业务场景数据进行目标业务状态分析;从而提高了业务状态分析的效率和准确性。
本公开实施例提供一种业务状态的分析装置,包括:
获取模块,用于针对目标业务分析类型,获取金融业务场景的待处理视频帧序列;
识别模块,用于响应于识别触发指令,对所述待处理视频帧序列进行人物识别,得到与所述目标业务分析类型对应的人物状态的识别结果;其中,人物状态表征人体状态和表情状态中的至少一项;
记录模块,用于基于所述识别结果,记录金融业务场景数据;所述金融业务场景数据表征所述人物状态的变化;
分析模块,用于基于所述金融业务场景数据,得到金融业务场景中对象的目标业务状态。
本公开实施例提供一种电子设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述存储器中存储的计算机程序时,实现上述业务的分析方法。
本公开实施例提供一种计算机存储介质,存储有计算机程序,用于被处理器执行时,实现上述业务状态的分析方法。
附图说明
图1为本公开实施例提供的一个可选的业务状态的分析系统的结构示意图;
图2为本公开实施例提供的一个可选的业务状态的分析方法流程图;
图3为本公开实施例提供的一个可选的业务状态的分析方法流程图;
图4为本公开实施例提供的一个可选的业务状态的分析方法流程图;
图5为本公开实施例提供的一个可选的目标区域的示意图;
图6为本公开实施例提供的一个可选的目标区域的示意图;
图7为本公开实施例提供的一个可选的业务状态的分析方法流程图;
图8为本公开实施例提供的一个可选的业务状态的分析方法流程图;
图9为本公开实施例提供的一个可选的业务状态的分析方法流程图;
图10为本公开实施例提供的一个可选的绘制热区页面的示意图;
图11为本公开实施例提供的一个可选的检测线的示意图;
图12为本公开实施例提供的一个可选的业务状态的分析方法流程图;
图13为本公开实施例提供的一个可选的业务状态的分析方法流程图;
图14为本公开实施例提供的一个可选的业务状态的分析界面的示意图;
图15为本公开实施例提供的一个可选的业务状态的分析装置的结构示意图;
图16为本公开实施例提供的一个可选的电子设备的结构示意图。
具体实施方式
为了使本公开的目的、技术方案和优点更加清楚,下面将结合附图对本公开作进一步地详细描述,所描述的实施例不应视为对本公开的限制,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它实施例,都属于本公开保护的范围。
在以下的描述中,涉及到“一些实施例”,其描述了所有可能实施例的子集,但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集,并且可以在不冲突的情况下相互结合。
在以下的描述中,所涉及的术语“第一\第二\第三”仅仅是是区别类似的对象,不代表针对对象的特定排序,可以理解地,“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序,以使这里描述的本公开实施例能够以除了在这里图示或描述的以外的顺序实施。
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公开的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本公开实施例的目的,不是旨在限制本公开。
一般情况下,业务办理工作人员可以在业务办理地点服务客户,帮助客户办理各种业务,例如,在银行办理存取款和理财,在移动营业厅办理话费缴纳和流量包,在出入境管理中心办理护照等等。在业务办理的场景下,业务办理工作人员在岗情况、业务办理效率、客户满意度等业务状态的分析,通常需要通过人工观察业务办理场景,来确定业务状态;以及对客户进行问卷调查,来统计分析客户满意度;也就是说,业务办理分析通常需要耗费大量的人工,效率低,并且容易出错,影响了业务分析的准确性。
本公开实施例提供一种业务状态的分析方法、装置、电子设备和存储介质,能够提高业务状态分析的效率和准确性。下面说明本公开实施例提供的电子设备的示例性应用,本公开实施例提供的电子设备可以实施为业务状态分析设备,如笔记本电脑,平板电脑,台式计算机,机顶盒,移动设备(例如,移动电话,便携式音乐播放器,个人数字助理,专用消息设备,便携式游戏设备)等各种类型的用户终端,也可以实施为服务器。下面,将说明设备实施为终端时示例性应用。
参见图1,图1是本公开实施例提供的业务状态的分析系统100的一个可选的架构示意图;为实现支撑一个业务状态分析应用,终端400通过网络300连接服务器200,终端400中包括业务状态分析装置;网络300可以是广域网或者局域网,又或者是二者的组合。终端400用于从服务器200获取待处理场景视频帧序列;响应于识别触发指令,对待处理视频帧序列进行人物识别,得到与目标业务分析类型对应的人物状态的识别结果;其中,人物状态表征人体状态和表情状态中的至少一项;基于识别结果,记录金融业务场景数据;金融业务场景数据表征人物状态发生变化时的人物状态的变化;基于金融业务场景数据,分析金融业务场景中对象的目标业务状态。
示例性的,如银行业务场景,终端400可以从银行业务场景的视频中获取待处理视频帧序列;在接收到识别触发指令后,对待处理视频帧序列进行人物识别,得到目标业务分析类型为银行工作人员在岗分析对应的人物状态的识别结果,基于识别结果,记录金融业务场景数据,如银行工作人员到岗时间、离岗时间等;通过视频帧序列中的到岗时间和离岗时间,表征银行工作人员的人物状态变化,进而通过到岗时间和离岗时间,分析银行工作人员的在岗业务状态。
在一些实施例中,服务器200可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content DeliveryNetwork,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。终端400可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等,但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本发明实施例中不做限制。
参见图2,图2是本公开实施例提供的业务状态的分析方法的一个可选的流程示意图,将结合图2示出的步骤进行说明。
S101、针对目标业务分析类型,获取金融业务场景的待处理视频帧序列。
在本公开实施例中,待处理视频帧是通过在金融业务场景中的摄像装置采集的业务场景视频中的视频帧。金融业务场景可以为银行业务场景,也可以为证件办理场景等;金融业务场景中,工作人员在工作位置对来到金融业务场景办理业务的办理对象进行服务,办理对象在人工办理位置上与工作人员交互,从而实现业务办理;或者,办理对象可以在自动业务办理设备前的自动办理位置上与设备交互,从而实现业务办理。
需要说明的是,本公开实施例中的金融业务场景的待处理视频帧序列可以是处于离线状态的金融业务场景所对应的待处理视频帧序列,也可以是在线状态的,本公开实施例不作限制。
需要说明的是,金融业务场景中可以设置多个摄像装置;通过不同的摄像装置采集不同的业务场景视频。例如,对于银行业务场景,通过摄像装置A采集银行办理人员A进行业务办理的场景视频,通过摄像装置B采集客户在自动柜员机(Automated TellerMachine,ATM)1办理业务的场景视频。
在本公开实施例中,通过摄像装置采集的业务场景视频可以包括多个离线的视频文件;每个视频文件对应的视频时长为预设时长;这里,预设时长可以为1小时、2小时、30分钟等,对此,可以根据需要设置,本公开实施例不作限制;终端可以根据需要分析的时间段,从业务场景视频中获取对应的至少一个视频文件,基于至少一个视频文件中的每个视频文件进行业务状态分析。
其中,视频文件的格式支持各种视频格式,例如:MP4、ASF、AVI、3GP、RMVB等,对此,本公开实施例不作限制。
在本公开实施例中,目标业务分析类型包括以下至少一个:在岗分析、忙岗分析、设备工作状态分析、人流分析和表情分析。
这样,终端可以进行多种目标业务分析中的至少一种,提高了目标业务分析的灵活性。
其中,在岗分析用于分析工作人员的在岗状态,例如,工作人员在一段时间内的离岗频次,在岗时长等;忙岗分析用于分析办理金融业务的客户的状态,例如,在一段时间内办理业务办理对象的总数,每个办理对象在办理业务时的时长等;设备工作状态分析用于分析自动业务办理的设备在一段时间内服务办理对象的总数、每个办理对象在设备上办理业务的时长等;人流分析用于分析一段时间内到达金融业务场景中办理业务的人流情况;其中,一段时间可以为一个视频文件对应的时间段;表情分析用于分析人脸表情,进而根据人脸表情确定对金融业务办理的满意度。
在本公开实施例中,终端在确定目标业务分析类型后,可以从多个摄像装置采集的多个业务场景视频中获取与目标业务分析类型对应的待处理视频帧序列。例如,终端在进行设备工作状态分析的情况下,可以从摄像装置B采集的客户在自动柜员机1办理业务的场景视频中获取待处理视频帧序列;终端在进行在岗分析的情况下,可以从摄像装置A采集银行办理人员A进行业务办理的场景视频中获取待处理视频帧序列。
在本公开实施例中,不同的目标业务分析类型对应的待处理视频帧序列可以是通过不同的摄像装置采集的,也可以是通过相同的摄像装置采集的;相同的目标业务分析类型对应的待处理视频帧序列可以是通过不同的摄像装置采集的,也可以是通过相同的摄像装置采集的;对此,本公开实施例不作限制。
示例性的,终端可以获取摄像装置A采集的银行办理人员A进行业务办理的场景视频,场景视频中包括银行办理人员A及其服务的客户;如此,终端可以从上述场景视频中获取待处理视频帧,进行在岗分析及忙岗分析。
S102、响应于识别触发指令,对待处理视频帧序列进行人物识别,得到与目标业务分析类型对应的人物状态的识别结果;其中,人物状态表征人体状态和表情状态中的至少一项。
在本公开实施例中,人物状态表征人体状态和表情状态中的至少一项。其中,人体状态可以表征有是否存在人体;表情状态可以体现为人脸表情,例如:生气、微笑、悲伤等。
在本公开实施例中,人物识别为人体识别或表情识别;终端需要对待处理视频帧序列进行与目标业务分析类型对应的人物识别。在目标业务分析类型对应的任务识别为人体识别的情况下,终端对待处理视频帧序列进行人体识别,可以得到人体识别结果作为人物状态识别结果;在目标业务分析类型对应的人物识别为表情识别的情况下,终端对待处理视频帧序列进行表情识别,可以得到表情识别结果作为人物状态识别结果。
在本公开的一些实施例中,在目标业务分析类型包括在岗分析、忙岗分析、设备工作状态分析和人流量分析的情况下,人物识别包括人体识别。
在本公开的一些实施例中,在目标业务分析类型包括表情分析的情况下,人物识别包括表情识别。
在本公开的一些实施例中,在目标业务分析类型包括表情分析的情况下,人物识别包括人体识别和表情识别。
在本公开实施例中,表情识别为对预设表情进行识别;这里预设表情可以包括以下至少之一:微笑、生气、悲伤和大笑、痛苦等;对此,可以根据需要设置,本公开实施例不作限制。
示例性的,目标业务分析类型为工作人员在岗分析,终端可以对待处理视频帧序列进行人体识别,得到人体识别结果;根据人体识别结果,确定工作人员是否在岗;目标业务分析类型为客户的满意度分析,终端可以对待处理视频帧序列进行表情分析,得到表情分析结果;根据表情分析结果确定客户的满意程度,例如,表情为微笑则表示满意,表情为生气则表示不满意。
S103、基于识别结果,记录金融业务场景数据;金融业务场景数据表征人物状态的变化。
在本公开实施例中,终端在得到人物状态的识别结果后,可以根据识别结果,在确定人物状态发生变化的情况下,记录金融业务场景数据;金融业务场景数据表征人物状态发生变化时的人物状态的变化。
在本公开实施例中,人物状态的变化可以包括以下至少之一:人体离开、人体到来、人体数量发生变化以及表情变化等。金融业务场景数据可以包括以下至少之一:人体离开时间、人体到来时间、人体到来数量、人体离开数量、微笑时间以及人物状态的变化时的视频帧图像等;对于金融业务场景数据,可以根据需要设置,对此,本公开实施例不作限制。
在本公开实施例中,记录的金融业务场景数据可以保存为csc文件、excel文件等表格类型的文件,也可以为文字类型的文件,对此,本公开实施例不作限制。
在本公开实施例中,人体离开时间和人体到来时间,可以为实际的时间,例如,8点30分21秒;也可以为在一个视频文件中对应的时间,例如,在一个视频文件开始后的4分51秒。
表1
视频文件编号 | 人体到来时间1 | 人体离开时间1 | 人体到来时间2 | 人体离开时间2 |
spwj0001 | 0:04:21 | 0:34:05 | 0:36:22 | 0:55:58 |
示例性的,表1示出了一种金融业务场景数据记录,表1中记录了对于视频文件编号为spwj0001进行人物识别后,记录的金融业务场景数据,包括两次人体到来时间和两次人体离开时间。
在本公开实施例中,金融业务场景数据包括视频帧图像;视频帧图像可以为视频帧图像原图,也可以为视频帧图像名称;其中,视频帧图像名称可以链接至视频帧图像原图的存储地址;如此,终端在接收到视频帧图像名称的触发操作的情况下,可以通过链接的存储地址,打开视频帧图像进行显示。
在本公开实施例中,终端可以对视频帧序列中的每一帧进行人物识别,得到每一帧的人物状态的识别结果;如此,终端可以根据每一帧的人物状态的识别结果,确定人物状态是否发生变化,从而确定人物状态的变化,在人物状态发生变化的情况下,记录金融业务场景数据。
在本公开的一些实施例中,终端可以识别出待处理视频帧中的目标区域是否存在生物体,得到每一帧的人体识别结果;根据每一帧的人体识别结果,确定目标区域中是否有人体到来,是否有人体离开以及人体数量是否发生变化等,从而确定目标区域中的人物状态是否发生变化。
示例性的,终端可以在上一帧的目标区域中不存在生物体,而当前帧的目标区域中存在生物体的情况下,确定目标区域有人体到来;或者,终端可以在上一帧的目标区域中不存在生物体,而当前帧的目标区域中存在生物体,且当前帧之后的连续多个视频帧中存在生物体的情况下,确定目标区域有人体到来;这里,多个视频帧可以根据需要设置,对此,本公开实施例不作限制。
在本公开实施例中,终端可以根据目标业务分析类型确定对应的目标区域;不同的目标分析类型对应不同的目标区域。
示例性的,目标业务分析类型为在岗分析的情况下,目标区域可以为工作人员的座位区域;目标业务分析类型为忙岗分析的情况下,目标区域可以为工作人员的座位区域对面的办理对象的座位区域。
在本公开实施例中,目标区域可以为检测标志绘制的区域;检测标志绘制的区域可以为检测标志包围或对应的区域,例如:圆形区域、矩形区域、多边形区域等;对于目标区域的设置,本公开实施例不作限制。
在本公开实施例中,检测标志可以为检测线,也可以为检测区域,本公开实施例不作限制。
示例性的,目标业务分析类型为在岗分析的情况下,目标区域可以为包围工作人员的座位的圆形区域;目标业务分析类型为忙岗分析的情况下,目标区域可以为办理对象的座位的矩形区域。
S104、基于金融业务场景数据,得到金融业务场景中对象的目标业务状态。
在本公开实施例中,终端在记录了金融业务场景数据后,可以根据金融业务场景数据和目标业务分析类型,对金融业务场景中的对象进行业务分析,得到目标业务分析结果;目标业务分析结果用于表征金融业务场景中的对象的目标业务状态。
示例性的,目标业务分析类型为在岗分析,金融业务场景数据包括工作人员的到岗时间和离岗时间,终端基于金融业务场景数据可以确定工作人员的离岗频次或到岗频次,确定工作人员的在岗业务状态;目标业务分析类型为忙岗分析,金融业务场景数据可以包括办理对象的到来时间和离开时间,终端基于金融业务场景数据可以确定在一段时间内办理对象的数量;金融业务场景数据包括人体到来数量和人体离开数量,基于金融业务场景数据可以确定人流量。
可以理解的是,终端可以基于目标业务分析类型,获取对应的待处理视频帧序列;对待处理视频帧序列进行人物识别,得到与目标业务分析类型对应的人物状态的识别结果,人物状态表征与目标业务分析类型对应的人体状态和表情状态中的至少一项;进而根据识别结果,记录表征人物状态发生变化时的金融业务场景数据;如此,终端可以根据金融业务场景数据进行目标业务状态分析;从而提高了业务状态分析的效率和准确性。
在本公开的一些实施例中,人物识别包括人体识别;S102中响应于识别触发指令,对待处理视频帧序列进行人物识别,得到与目标业务分析类型对应的人物状态的识别结果,如图3所示,包括:S201-S202。
S201、响应于识别触发指令,确定待处理视频帧序列的每个视频帧中,与目标业务分析类型对应的目标区域。
在本公开实施例中,终端在接收到识别触发指令的情况下,可以确定与目标业务分析类型对应的目标区域,从而基于目标区域,进行人体识别。
在本公开实施例中,终端可以通过显示的目标业务分析界面接收识别触发指令。在一些实施例中,目标业务分析界面上显示有识别控件,在接收到对识别控件的操作的情况下,终端确定接收到是被触发指令。
在本公开的一些实施例中,目标区域与目标业务分析类型对应;目标区域可以为预设区域;如此,终端在确定目标业务分析类型后,可以确定出待处理视频帧中的目标区域。
在本公开的一些实施例中,终端可以在接收到检测指令的情况下,显示目标区域的绘制界面,这里,目标区域的绘制界面上可以显示与目标业务分析类型对应的金融场景图像;在接收到用户在金融场景图像上绘制的目标区域后,终端可以得到与目标业务分析类型对应的目标区域。
在本公开的一些实施例中,目标业务分析类型为在岗分析、忙岗分析、设备工作状态分析和人流分析中的任意一种的情况下,S201中响应于识别触发指令,确定待处理视频帧序列的每个视频帧中,与目标业务分析类型对应的目标区域的实现,如图4所示,可以包括:
S2011、针对待处理视频帧序列的每个视频帧,响应于目标区域的检测指令,显示绘制热区页面,并显示每个视频帧。
在本公开实施例中,响应于目标区域的检测指令,终端显示绘制热区页面,在绘制热区页面上,显示待处理视频帧序列的每个视频帧。
S2012、在绘制热区页面中,响应于区域形状控件的区域形状选择指令,从每个视频帧中选择区域形状。
在本公开实施例中,终端显示绘制热区页面后,可以接收对区域形状控件的触发操作,得到区域形状选择指令,响应于区域形状选择指令,从待选区域形状中选择每个视频帧的目标区域的区域形状。
S2013、响应于开始绘制控件的绘制指令,基于所述区域形状,显示目标区域的标注标志;或者,响应于清空画布空间的清空指令,清除目标区域的标注标志。
在本公开实施例中,终端选择了目标区域的区域形状后,可以接收到开始绘制控件的触发操作,得到绘制指令,响应于绘制指令,显示目标区域的标注标志;这里,目标区域的标注标志围城的形状为区域形状。
在本公开实施例中,终端可以接收到清空画布控件的触发操作,得到清空指令,响应于清空指令,清楚目标区域的标注标志。
需要说明的是,在本公开实施例中,标注标志可以为标准线或标注物,本公开实施例不作限制。
S2014、响应于确定指令,将标注标志标定的区域确定为目标区域。
在本公开实施例中,终端接收到确定指令后,可以将标注标志标定的区域作为目标区域。
可以理解的是,终端可以通过绘制热区页面,获取标注线标注的目标区域,如此,可以对不同的待处理视频帧序列设置不同的目标区域,即根据需要设置目标区域,提高了业务分析的灵活性。即终端可以根据绘制热区页面接收到的指令,确定目标区域,提高了设置目标区域的灵活度。
S202、对目标区域对应的图像进行人体识别,得到人物状态的识别结果;人物状态的识别结果表征目标区域中是否存在生物体。
在本公开实施例中,终端在确定目标区域后,可以对待处理视频帧序列中每一帧的目标区域进行人体识别,得到人物状态的识别结果;这里,人物状态的识别结果表征目标区域中是否存在生物体。
需要说明的是,生物体为人体的任意一个或多个组织,例如:人脸、人脸五官中的任意一个或多个、耳朵、四肢、手、脚、头发等;对此,本公开实施例不作限制;在人物状态的识别结果表征目标区域存在生物体的情况下,终端可以确定目标区域中存在人体;例如,工作人员的工作区域中识别出人手,终端可以确定工作人员在岗。
可以理解的是,终端可以确定与目标业务分析类型对应的目标区域;如此,终端可以对目标业务分析类型对应的目标区域进行人体识别,从而得到针对不同的目标业务分析类型的人物状态的识别结果,提高了对不同的目标业务分析的灵活性。
在本公开的一些实施例中,S202中对目标区域对应的图像进行人体识别,得到人物状态的识别结果之后的实现,可以包括:在人物状态的识别结果表征目标区域中存在生物体的情况下,对目标区域中的生物体进行人脸识别,确定表情识别结果。
在本公开实施例中,终端对目标区域对应的图像进行人体识别,得到任务状态的识别结果表征目标区域存在生物体的情况下,再对生物体对应的对象进行人脸识别,在识别出人脸的情况下,确定人脸的表情,得到表情识别结果。
在本公开实施例中,终端在确定表情识别结果的情况下,可以根据表情识别结果确定表情所属对象对业务办理的满意程度;在目标区域为办理对象的位置区域的情况下,终端可以得到办理对象的表情识别结果,从而确定办理对象对业务的满意度。例如,在表情识别结果为生气的情况下,确定客户对业务办理不满意;在表情识别结果为微笑的情况下,确定客户对业务办理满意。
可以理解的是,终端在目标区域识别出生物体后,可以进一步对生物体进行人脸识别,得到表情识别结果,根据表情识别结果确定客户满意度。
在本公开的一些实施例中,目标业务分析类型包括在岗分析、忙岗分析和设备工作状态分析中的至少一个,目标区域对应包括:在岗区域、忙岗区域和设备业务区域中的至少一个;在岗区域用于表征工作人员的位置区域;忙岗区域用于表征办理对象在工作区域面相工作人员时的位置区域;设备业务区域用于表征办理对象在自助业务办理区域面向自助设备的位置区域;S202中对目标区域对应的图像进行人体识别,得到人物状态的识别结果,包括以下至少一种:对在岗区域对应的图像进行人体识别,得到在岗状态的识别结果;在岗状态的识别结果表征在岗区域中是否存在生物体;对忙岗区域对应的图像进行人体识别,得到忙岗状态的识别结果;忙岗状态的识别结果表征忙岗区域中是否存在生物体;对设备业务区域对应的图像进行人体识别,得到设备工作状态的识别结果;设备工作状态的识别结果表征设备业务区域中是否存在生物体。
在本公开实施例中,目标业务分析类型包括在岗分析,目标区域包括在岗区域;在岗区域用于表征工作人员的位置区域;终端可以对在岗区域中的图像进行人体识别,得到在岗状态的识别结果;在岗状态的识别结果表征在岗区域中是否存在生物体。
可以理解的是,终端可以对在岗区域对应的图像进行人体识别,得到在岗状态的识别结果;通过在岗状态的识别结果确定工作人员是否在岗,通过工作人员的在岗状态确定工作人员的业务状态。
在本公开实施例中,目标业务分析类型包括忙岗分析,目标区域包括忙岗区域;忙岗区域用于表征进行人工业务办理情况下的办理对象的第一办理位置区域;终端可以对忙岗区域对应的图像进行人体识别,得到忙岗状态的识别结果;忙岗状态的识别结果表征在岗区域中是否存在生物体。
在本公开实施例中,第一办理位置区域是与工作人员对应的位置区域;即由工作人员为办理对象办理业务时,办理对象的位置区域。
在本公开实施例中,第一办理位置区域可以是面向工作人员的区域,也可以是紧邻工作人员的区域;对此,本公开实施例不作限制。
可以理解的是,终端可以对忙岗区域对应的图像进行人体识别,得到忙岗状态的识别结果;通过忙岗状态的识别结果确定办理对象的位置区域是否有办理对象到来,从而确定办理对象的位置区域对应的工作人员的业务状态。
示例性的,如图5所示的金融业务场景中,目标区域32为以工作人员的岗位座位为中心绘制的在岗区域,目标区域31为以办理对象的座位为中心绘制的忙岗区域;目标区域31中的办理对象有目标区域32中的工作人员服务的对象。
在本公开实施例中,目标业务分析类型包括设备工作状态分析,目标区域包括设备业务区域;设备业务区域用于表征办理对象在进行自助业务办理情况下的第二办理位置区域;终端可以对设备业务区域中的图像进行人体识别,得到设备工作状态的识别结果;设备工作状态的识别结果表征设备业务区域中是否存在生物体。
示例性的,如图6所示的金融场景中,包括自助业务设备42和设备业务区域41,其中,设备业务区域41为自助业务设备42正面面对的圆形区域。
可以理解的是,终端可以对设备业务区域对应的图像进行人体识别,得到设备工作状态的识别结果;通过设备工作状态的识别结果确定在自助业务设备上办理业务的办理对象是否到来,从而确定自助业务设备的繁忙程度,得到自助业务设备的业务状态。
在本公开的一些实施例中,金融业务场景数据包括以下至少一个:到达时间和到达图像;离开时间和离开图像;S103中基于识别结果,记录所述金融业务场景数据,包括以下至少一个:
S1031、从识别结果中确定出,在目标区域中存在生物体的连续视频帧中的第k个视频帧,作为到达帧,记录到达帧的时间信息作为到达时间,以及记录到达帧作为到达图像;k为大于或者等于1的整数。
在本公开实施例中,终端得到每一帧的识别结果后,可以确定每一帧的目标区域中是否存在人体;如此,终端可以将目标区域中存在生物体的连续视频帧中的第k个视频帧,作为到达帧,基于到达帧确定到达时间和到达图像。其中,k为大于或者等于1的整数。
在本公开的一些实施例中,终端在可以从待处理视频帧序列中确定出目标区域中存在生物体的视频帧,将目标区域中存在生物体的连续视频帧中的第k个视频帧,作为到达帧。
在本公开的一些实施例中,k等于1,终端可以将目标区域中出现生物体的第一帧确定为到达帧,提高了到达帧的确定效率。
在本公开的一些实施例中,k大于1,终端可以在目标区域中出现生物体的连续视频帧达到k个的情况下,才将第k个视频帧确定为到达帧,提高了到达帧的确定准确性;这里,k的取值可以根据需要设置,对此,本公开实施例不作限制。
在本公开的一些实施例中,终端S1031中从识别结果中确定出,在目标区域中存在生物体的连续视频帧中的第k个视频帧,作为到达帧的实现,如图7所示,可以包括:
S10311、获取当前帧的识别结果。
S10312、在当前帧的识别结果表征目标区域中存在生物体的情况下,对比当前帧的识别结果和上一帧的识别结果,得到对比结果;
在本公开实施例中,终端可以依次对待处理视频帧序列中的每一帧进行识别,得到每一帧的识别结果。终端在得到当前帧的识别结果,在确定当前帧的识别结果表征目标区域中存在生物体的情况下,将当前帧的识别结果和上一帧的识别结果进行对比,得到对比结果。
S10313、在对比结果表征当前帧的识别结果和上一帧的识别结果不同的情况下,将初始第一帧数作为当前帧的第一累积帧数;第一累积帧数用于表征目标区域中存在生物体的连续帧数。
在本公开实施例中,初始第一帧数用于表征当前帧为目标区域中存在生物体的第一帧;初始第一帧数可以根据需要设置,对此,不作限制。
S10314、在对比结果表征当前帧的识别结果和上一帧的识别结果相同的情况下,获取上一帧的第一累积帧数,并将第一累积帧数增加第一累计值,得到当前帧的第一累积帧数。
在本公开实施例中,第一累积帧数表示目标区域存在人体的连续帧数;在当前帧的识别结果和上一帧的识别结果相同的情况下,表示上一帧的目标区域中也存在人体;如此,终端可以获取上一帧的第一累积帧数,将上一帧的第一累积帧数增加第一累计值,得到当前帧的第一累积帧数。其中,第一累计值可以根据需要设置,对此,本公开实施例不作限制。
示例性的,待处理视频帧序列中前5帧的目标区域中都不存在生物体,终端在识别出第6帧的目标区域中存在生物体的情况下,将第6帧的第一累积帧数记为初始第一帧数1,终端在识别出第7帧的目标区域中存在生物体的情况下,将第6帧的第一累积帧数1增加第一累计值1,得到第7帧的第一累积帧数2。
S10315、在当前帧的第一累积帧数大于或者等于k的情况下,确定当前帧为到达帧。
在本公开实施例中,终端在得到当前帧的第一累积帧数后,可以判断当前帧的第一累积帧数是否大于或者等于k,在当前帧的第一累积帧数大于或者等于k的情况下,确定当前帧为到达帧。
S1032、从识别结果中确定出,在目标区域中不存在生物体的连续视频帧中的第p个视频帧,作为离开帧,记录离开帧的时间信息作为离开时间,以及记录离开帧作为离开图像;p为大于或者等于1的整数。
在本公开实施例中,终端得到每一帧的识别结果后,可以确定每一帧的目标区域中是否存在人体;如此,终端可以将目标区域中不存在生物体的连续视频帧中的第p个视频帧,作为离开帧,基于离开帧确定离开时间和离开图像。其中,p为大于或者等于1的整数。
在本公开的一些实施例中,终端在可以从待处理视频帧序列中确定出目标区域中不存在生物体的视频帧,将目标区域中不存在生物体的连续视频帧中的第p个视频帧,作为离开帧。
在本公开的一些实施例中,p等于1,终端可以将目标区域中生物体消失的第一帧确定为离开帧,提高了离开帧的确定效率。
在本公开的一些实施例中,p大于1,终端可以在目标区域中生物体消失的连续视频帧达到p个的情况下,才将第p个视频帧确定为离开帧,提高了离开帧的确定准确性;这里,k的取值可以根据需要设置,对此,本公开实施例不作限制。
在本公开的一些实施例中,p与k可以相等。
在本公开的一些实施例中,S1032中从识别结果中确定出,在目标区域中不存在生物体的连续视频帧中的第p个视频帧,作为离开帧的实现,如图8所示,可以包括:
S10321、获取当前帧的识别结果。
S10322、在当前帧的识别结果表征目标区域中存在生物体的情况下,对比当前帧的识别结果和上一帧的识别结果,得到对比结果;
在本公开实施例中,终端可以依次对待处理视频帧序列中的每一帧进行识别,得到每一帧的识别结果。终端在得到当前帧的识别结果,在确定当前帧的识别结果表征目标区域中不存在生物体的情况下,将当前帧的识别结果和上一帧的识别结果进行对比,得到对比结果。
S10323、在对比结果表征当前帧的识别结果和上一帧的识别结果不同的情况下,将初始第二帧数作为当前帧的第二累积帧数;第二累积帧数用于表征目标区域中不存在生物体的连续帧数。
在本公开实施例中,初始第二帧数用于表征当前帧为目标区域中不存在生物体的第一帧;初始第二帧数可以根据需要设置,对此,不作限制。
S10324、在对比结果表征当前帧的识别结果和上一帧的识别结果相同的情况下,获取上一帧的第二累积帧数,并将第二累积帧数增加第二累计值,得到当前帧的第二累积帧数。
在本公开实施例中,第二累积帧数表示目标区域不存在人体的连续帧数;在当前帧的识别结果和上一帧的识别结果相同的情况下,表示上一帧的目标区域中也不存在人体;如此,终端可以获取上一帧的第二累积帧数,将上一帧的第二累积帧数增加第二累计值,得到当前帧的第二累积帧数。其中,第二累计值可以根据需要设置,对此,本公开实施例不作限制。
示例性的,待处理视频帧序列中前5帧的目标区域中都存在生物体,终端在识别出第6帧的目标区域中不存在生物体的情况下,将第6帧的第二累积帧数记为初始第二帧数1,终端在识别出第7帧的目标区域中不存在生物体的情况下,将第6帧的第二累积帧数1增加第二累计值1,得到第7帧的第二累积帧数2。
S10325、在当前帧的第二累积帧数大于或者等于p的情况下,确定当前帧为离开帧。
在本公开实施例中,终端在得到当前帧的第二累积帧数后,可以判断当前帧的第二累积帧数是否大于或者等于p,在当前帧的第二累积帧数大于或者等于p的情况下,确定当前帧为离开帧。
在本公开的一些实施例中,目标区域为在岗区域,到达时间表征工作人员到岗时间,到达图像表征工作人员到岗的图像。离开时间表征工作人员离岗时间,到达图像表征工作人员离岗的图像。
表2
视频文件编号 | 到岗时间 | 到岗图像 | 离岗时间 | 离岗图像 |
zgfx0001 | 0:04:21 | dgtx0001.jpg | 0:36:22 | lgtx0001.jpg |
示例性的,表2示出了一种在岗分析的金融业务场景数据记录,表2中记录了对于视频文件编号为spwj0001进行人物识别后,记录的金融业务场景数据,包括工作人员的一次到岗时间和一次离岗时间,到岗图像和离岗图像通过图像名称表示。
在本公开的一些实施例中,目标区域为忙岗区域,到达时间表征办理对象到达忙岗区域的时间,到达图像表征办理对象到达忙岗区域的图像。离开时间表征办理对象离开忙岗区域的时间,离开图像表征办理对象离开忙岗区域的图像。
在本公开的一些实施例中,目标区域为设备业务区域,到达时间表征办理对象到达设备业务区域的时间,到达图像表征办理对象到达设备业务区域的图像;离开时间表征办理对象到达设备业务区域的时间,到达图像表征办理对象到达设备业务区域的图像。
在本公开的一些实施例中,人物识别包括人体识别;目标业务分析类型包括人流分析;S102中响应于识别触发指令,对待处理视频帧序列进行人物识别,得到与目标业务分析类型对应的人物状态的识别结果的实现,可以包括:响应于识别触发指令,对待处理视频帧序列中的每一帧进行人体识别,得到每一帧中存在的人体作为人物状态的识别结果。
在本公开实施例中,终端在接收到识别触发指令,响应识别触发指令,可以对待处理视频帧序列中每一帧进行人体识别,得到每一帧的人体作为人物状态的识别结果,基于每一帧的人体,记录金融业务数据。
在本公开的一些实施例中,终端在得到每一帧的人体后,可以按照预设间隔获取视频帧作为人流帧,记录人流帧的人体总数作为金融业务数据,通过金融业务数据确定人体的数量变化。
在本公开实施例中,终端可以在移动轨迹指向预设方向的情况下,记录人体数量,从而确定人流方向;或者,金融业务场景包括多个业务办理区域,终端可以在移动轨迹到达一个业务办理区域的情况下,确定人体办理了对应的业务,从而确定人体办理过的业务数量,得到人体业务需求;终端还可以在移动轨迹到达固定区域或者离开固定区域的情况下,记录人体数量,确定人体针对固定区域的人流量;这里,对于基于移动轨迹记录的金融业务数据,可以根据需要设置,本公开实施例不作限制。
可以理解的是,终端可以对待处理视频帧序列中每一帧进行人体识别,得到人体的移动轨迹,根据人体的移动轨迹记录金融业务数据,进而根据金融业务数据确定金融业务场景中对象的业务状态。
在本公开的一些实施例中,金融业务场景数据包括:初始人流量和人流变化数量;S103中基于识别结果,记录金融业务场景数据的实现,如图9所示,包括:
S301、获取检测标志;
在本公开实施例中,检测标志可以是预先设置好的与目标业务分析类型对应的;也可以是通过终端的绘制热区页面,获取到的用户绘制的检测标志;对于检测标志的获取方式,本公开实施例不作限制。
在本公开的一些实施例中,S301中获取检测标志的实现,可以包括:
S3011、响应于检测标志的绘制指令,显示绘制热区页面,并显示每个视频帧。
在本公开实施例中,终端可以接收到检测标志的绘制指令,响应于绘制指令,显示绘制热区页面,并显示每个视频帧;这里,终端获取到一个视频帧的检测标志,可以确定视频帧对应的场景中的检测标志,从而确定每个视频帧的检测标志。
S3012、在绘制热区页面中,在接收到检测标志控件的选择指令的情况下,响应于绘制指令,显示标注标志;或者,在接收到检测标志控件的选择指令的情况下,响应于清空指令,清除标注标志。
在本公开实施例中,终端在接收到检测标志控件的选择指令的情况下,终端可以接收绘制指令或者清空指令;在终端接收到开始绘制控件的触发操作的情况下,得到绘制指令,响应于绘制指令,显示标注标志;在终端接收到清空画布控件的触发操作的情况下,得到清空指令,响应于清空指令,清除标注标志。
S3013、响应于确定指令,将标注标志确定为检测标志。
在本公开实施例中,终端接收到确定指令后,可以将标注标志作为目检测标志。
参考图10,图10示出了一种绘制热区页面,终端接收到绘制指令后,可以显示绘制热区页面,在绘制热区页面上显示每一个视频帧的场景图像50;终端在接收到区域形状控件51的触发操作的情况下,得到区域形状选择指令,响应于区域形状选择指令,可以选择目标区域的区域形状;终端在接收到检测标志控件52的触发操作的情况下,得到检测标志的选择指令,确定需要绘制检测标志。示例性的,以绘制检测线、标注线为例说明,终端在接收到开始绘制控件53的触发操作的情况下,得到开始绘制指令,显示用户在场景图像50上标注的标注线521;在接收到清空画布控件54的触发操作的情况下,得到清空指令,对标注的标注线521进行清空;在接收到确定控件55的触发操作的情况下,得到确定指令,响应于确定指令,将标注线521确定为检测线。
可以理解的是,终端可以通过绘制热区页面,获取绘制的检测标志,如此,终端可以对不同的待处理视频帧序列设置不同的检测标志,即可以根据需要设置检测标志,提高了人流分析的灵活性。
S302、从第一帧的识别结果中确定出在检测标志的第一侧的人体总数,作为初始人流量。
在本公开实施例中,终端可以从待处理视频帧中的第一帧中,确定出在检测标志的第一侧的人体总数;即在第一子场景中的人体总数,作为初始人流量。
S303、基于识别结果,确定人体的移动轨迹。
S304、在移动轨迹穿过检测标志的情况下,根据移动轨迹的方向,记录人流变化数量。
在本公开实施例中,终端在获取了检测标志的情况下,可以判断识别出的人体移动轨迹是否穿过检测标志;在人体移动轨迹穿过检测标志的情况下,根据移动轨迹的方向,记录人流变化数量;人流变化数量用于表征穿过检测标志的人体数量。
可以理解的是,终端在识别出人体的移动轨迹后,可以通过人体的移动轨迹穿过检测标志的方向确定不同方向的人流量。
在本公开的一些实施例中,人流变化数量包括第一变化数量和第二变化数量中的至少一个;S302中根据移动轨迹的方向,记录人流变化数量的实现可以包括以下至少之一:在移动轨迹的方向为第一方向的情况下,记录移动轨迹对应的人体数量作为第一变化数量;第一方向为检测标志的第一侧指向检测标志的第二侧;在移动轨迹的方向为第二方向的情况下,记录移动轨迹对应的人体数量作为第二变化数量;第二方向为从检测标志的第二侧指向检测标志的第一侧。
在本公开实施例中,终端可以将第一侧指向第二侧的方向确定为第一方向,将第二侧指向第一侧的方向确定为第二方向;终端可以在移动轨迹的方向为第一方向的情况下,记录移动轨迹对应的人体数量作为第一变化数量;第一变化数量表征人体从检测标志的第一侧走向第二侧;终端还可以在移动轨迹的方向为第二方向的情况下,记录移动轨迹对应的人体数量作为第二变化数量;第二变化数量表征人体从检测标志的第二侧走向第一侧;这里,终端可以记录第一变化数量作为金融业务场景数据,也可以记录第二变化数量作为金融业务场景数据,还可以记录第一变化数量和第二变化数量作为金融业务场景数据。
需要说明的是,第一方向和第二方向是相反的方向;第一方向和第二方向可以根据需要设置;对此,本公开实施例不作限制。
示例性的,如图11所示的银行业务办理场景,以检测标志为检测线为例,检测线61位于银行大门内;第一方向62沿进门的方向,第二方向63沿出门的方向;终端可以将人体的移动轨迹穿过检测线61,且方向为第一方向62的人体数量确定为第一变化数量,通过第一变化数量表征进入金融业务场景的人流量;并将人体的移动轨迹穿过检测线61,且方向为第二方向63的人体数量确定为第二变化数量,通过第二变化数量表征离开金融业务场景的人流量。
可以理解的是,终端可以根据移动轨迹的方向确定第一变化数量和第二变化数量,进而确定人体到来数量和人体离开数量,从而确定人流变化情况。
表3
视频文件编号 | 初始人流量 | 第一变化数量 | 第二变化数量 |
rlfx0001 | 8 | 15 | 9 |
示例性的,表3示出了一种人流分析的金融业务场景数据记录,表3中记录了初始人流量、第一变化数量和第二变化数量。
在本公开的一些实施例中,表情识别结果为表情分值;表情分值用于表征表情表达的程度;金融业务场景数据包括表情时间和表情图像;S103中基于识别结果,记录金融业务场景数据的实现可以包括:终端从表情分值中确定出高于预设分值的连续视频帧中的第m个视频帧,作为表情帧;m大于或者等于1;记录表情帧的时间信息作为表情时间,以及记录从表情帧中获取表情图像。
在本公开的一些实施例中,终端从表情分值中确定出高于预设分值的连续视频帧中的第m个视频帧,作为表情帧的实现可以为:终端获取当前帧的表情分值和上一帧的表情分值;在当前帧的表情分值高于预设分值,且上一帧的表情分值低于或者等于预设分值的情况下,将初始帧数作为当前帧的累积帧数;累积帧数用于表示表情分值高于预设分值的连续帧数;在当前帧的表情分值和上一帧的表情分值均高于预设分值的情况下,获取上一帧的累积帧数,并将上一帧的累积帧数增加一帧累计值,得到当前帧的累积帧数;在当前帧的累积帧数大于或者等于m的情况下,确定当前帧为表情帧。
示例性的,以表情为微笑为例进行说明。表情识别结果为微笑表情分值;微笑表情分值用于表征微笑的程度;金融业务场景数据包括微笑时间和微笑图像;S103中基于识别结果,记录金融业务场景数据,如图12所示,可以包括:
S401、从微笑表情分值中确定出高于预设分值的连续视频帧中的第m个视频帧,作为微笑帧。
在本公开实施例中,终端得到每一帧的识别结果后,可以确定每一帧的中的微笑表情分值;如此,终端可以将微笑表情分值高于预设分值的连续视频帧中的第m个视频帧,作为微笑帧,基于微笑帧确定微笑时间和微笑图像。其中,m为大于或者等于1的整数。
在本公开的一些实施例中,终端在可以从待处理视频帧序列中确定出微笑表情分值高于预设分值的视频帧,将连续视频帧中的第m个视频帧,作为微笑帧。
在本公开的一些实施例中,m等于1,终端可以将人脸微笑的第一个视频帧确定为微笑帧,提高了微笑帧的确定效率。
在本公开的一些实施例中,m大于1,终端可以在人脸微笑的连续视频帧达到m个的情况下,才将第m个视频帧确定为微笑帧,提高了微笑帧的确定准确性;这里,m的取值可以根据需要设置,对此,本公开实施例不作限制。
在本公开的一些实施例中,S401中从微笑表情分值中确定出高于预设分值的连续视频帧中的第m个视频帧,作为微笑帧的实现,如图13所示,可以包括:
S501、获取当前帧的微笑表情分值和上一帧的微笑表情分值。
S502、在当前帧的微笑表情分值高于预设分值,且上一帧的微笑表情分值低于或者等于预设分值的情况下,将初始帧数作为当前帧的累积帧数;累积帧数用于表示微笑表情分值高于预设分值的连续帧数。
在本公开实施例中,终端可以依次对待处理视频帧序列中的每一帧进行表情识别,得到每一帧的微笑表情分值;在当前帧的微笑表情分值高于预设分值的情况下,判断上一帧的微笑表情分值是否大于或者等于预设分值,在上一帧的微笑表情分值小于或者等于预设分值的情况下,将初始帧数作为当前帧的累积帧数;累积帧数用于表征微笑表情分值高于预设分值的连续帧数;初始帧数用于表征微笑表情分值高于预设分值的第一帧。其中,初始帧数可以根据需要设置,对此,本公开实施例不作限制。
S503、在当前帧的微笑表情分值和上一帧的微笑表情分值均高于预设分值的情况下,获取上一帧的累积帧数,并将累积帧数增加一帧累计值,得到当前帧的累积帧数。
S504、在当前帧的累积帧数大于或者等于m的情况下,确定当前帧为微笑帧。
在本公开实施例中,终端在当前帧的微笑表情分值高于预设分值,且上一帧的微笑表情分值也高于预设分值的情况下,获取上一帧的累积帧数,将上一帧的累积帧数增加一帧累计值,得到当前帧的累积帧数。其中,一帧累计值可以根据需要设置,对此,本公开实施例不作限制。
示例性的,待处理视频帧序列中前6-11帧的微笑表情分值低于预设分值,终端在识别出第12帧的微笑表情分值高于预设分值的情况下,将第12帧的累积帧数记为初始帧数1,终端在识别出第13帧的微笑表情分值也高于预设分值的情况下,将第12帧的累积帧数1增加一帧累计值1,得到第13帧的累积帧数2。
可以理解的是,终端可以识别出微笑表情分值,记录高于预设分值的微笑表情,通过高于预设分值的微笑表情确定对象对业务办理的满意程度。
S402、记录微笑帧的时间信息作为微笑时间,以及记录从微笑帧中获取的表情图像作为微笑图像。
在本公开实施例中,终端在确定微笑帧后,可以记录微笑帧的时间信息作为微笑时间,并从微笑帧中获取表情图像作为微笑图像。
在本公开实施例中,终端可以将微笑帧直接表情图像,也可以从微笑帧中扣取包含表情的图像作为表情图像;对此,本公开实施例不作限制。
可以理解的是,终端可以在检测到微笑表情且持续一定数量的视频帧的情况下,才确定人物表情为微笑,提高了表情检测的准确率。
在本公开的一些实施例中,S101中针对目标业务分析类型,获取金融业务场景的待处理视频帧序列的实现,可以包括:
S601、针对目标业务分析类型,在目标业务分析界面中,响应于视频选择指令,从显示的金融业务场景的视频帧序列集合中,选中待处理视频帧序列。
在本公开实施例中,不同的目标业务分析类型对应不同的目标业务分析界面,在目标业务分析界面中显示视频帧序列集合,用于进行目标业务分析;响应于视频选择指令,终端可以从金融业务场景的视频帧序列集合中,选择处理状态为待处理状态的视频帧序列作为待处理视频帧序列。
在本公开的一些实施例中,视频帧序列集合中的视频帧序列有对应的目标业务分析类型;如此,终端在确定目标业务分析类型后,可以从视频帧序列集合中确定待处理是视频帧序列。
可以理解的是,终端可以基于目标业务分析界面,获取待处理视频帧序列,提高了获取待处理视频帧序列的灵活性,方便用户选择视频帧序列进行目标业务分析。
在本公开的一些实施例中,S601中针对目标业务分析类型,在目标业务分析界面中,响应于视频选择指令,从显示的金融业务场景的视频帧序列集合中,选中待处理视频帧序列的实现,可以包括:
在本公开的一些实施例中,S601中针对目标业务分析类型,在目标业务分析界面中,响应于视频选择指令,从显示的金融业务场景的视频帧序列集合中,选中待处理视频帧序列的实现,可以包括:
S701、在业务分析管理界面中,响应于目标业务选取指令,针对所述目标业务分析类型,跳转至所述目标业务分析界面。
在本公开实施例中,终端上显示有业务分析管理界面,在业务分析管理界面上接收到目标业务选取指令后,响应目标业务选取指令,从业务分析管理界面跳转至目标业务分析界面。
在本公开的一些实施例中,不同的目标业务分析界面对应不同的目标业务选取指令;示例性的,终端在接收到在岗分析业务选取指令的情况下,将跳转至在岗分析业务界面,在接收到忙岗分析业务选取指令的情况下,将跳转至忙岗分析业务界面。
S702、在目标业务分析界面中,响应于视频选择指令中路径获取指令,从视频文件控件中获取视频文件路径。
S703、响应于视频选择指令中文件读取指令,获取并显示视频文件路径中保存的金融业务场景的视频帧序列集合。
在本公开实施例中,终端在跳转至目标业务分析界面后,在接收到视频选择指令中的路径获取指令后,可以获取视频文件路径;视频文件路径对应的地址中包括离线状态的视频帧序列集合。
示例性的,终端在人流业务分析界面,接收到路径获取指令后,可以获取到人流业务分析对应的视频文件路径;该视频文件路径中的视频序列集合用于进行人流业务分析。
在本公开实施例中,终端可以获取视频文件路径后,在接收到视频选择指令中的文件读取指令的情况下,可以获取并显示视频文件路径中的视频帧序列集合。
S704、从所述视频帧序列集合中,选中处理状态为待处理状态的视频序列作为所述待处理视频帧序列。
在本公开实施例中,终端在目标业务分析界面上显示了视频序列集合后,可以从视频帧序列集合中选择处理状态为待处理状态的视频帧序列作为待处理视频帧序列。
在本公开实施例中,终端在显示了视频帧序列集合后,可以接收到用户从视频帧序列中选择的视频帧,作为待处理视频帧序列。
需要说明的是,在显示出的视频帧序列集合中,每个视频帧序列在未进行业务分析前,均处于待处理状态。
这里,待处理视频帧在分析完成且分析成功的情况下,处理状态为正常结束状态;待处理视频帧在分析完成且分析失败的情况下,处理状态为失败状态;待处理视频帧在正在进行分析的情况下,处理状态为进行状态。
示例性的,如图14所示,业务分析管理界面70中包括5个目标业务分析管理控件:在岗分析71、忙岗分析72、表情分析73、设备工作状态分析74和人流分析75;终端在接收到对在岗分析71的触发操作后,确定接收到目标业务选取指令,显示在岗分析业务界面710;在在岗分析业务界面710上,终端可以在接收对路径获取控件713的触发指令后,获取视频文件路径;之后,终端在接收到文件读取控件712的触发指令后,显示视频文件路径中保存的待处理视频帧序列集合,选中待处理视频可以在文件列表区域714中显示。终端可以在文件选择控件718被触发的情况下,选中文件选择空间718对应的文件zgfx0003作为待处理视频帧序列;之后,终端在接收到对绘制热区控件716的触发操作的情况下,显示绘制热区页面(参考图5),通过绘制热区页面获取zgfx0003的目标区域后,在接收到对提交测试控件717的触发操作的情况下,终端可以对zgfx0003的视频帧序列进行人体识别,得到人体识别结果,并根据人体识别结果记录到岗时间和离岗时间等金融业务场景数据。
可以理解的是,终端可以响应目标业务分析界面上的视频选择指令,获取待处理视频帧序列;对待处理视频帧序列进行目标业务分析界面对应的人物识别,得到人物状态的识别结果,进而根据人物状态的识别结果,记录目标业务类型对应的金融业务场景数据。终端可以通过目标业务分析界面获取选中的待处理视频帧序列进行业务分析,提高了业务分析的灵活度。
在本公开的一些实施例中,目标业务分析类型为在岗分析、忙岗分析、设备工作状态分析和人流分析中的任意一种的情况下;终端可以响应于目标业务分析界面中人物模型控件中的模型选择指令,获取与目标业务类型对应的人物识别模型。
在本公开实施例中,人物对于目标业务分析类型为在刚分析、忙岗分析、设备工作状态分析和人流分析中的任意一种,终端需要对待处理视频帧序列进行人体识别;如此,终端在目标业务分析界面上还可以通过模型选择指令,获取与目标业务类型对应的人物识别模型,通过人物识别模型进行人体识别。
参考图14,终端在显示在岗分析的业务界面71的情况下,接收到模型选择控件711的触发操作,可以确定接收到模型选择指令,响应于模型选择指令,显示待选择人物识别模型,从待选择人物识别模型中选中目标人物识别模型,作为与目标业务类型对应的人物识别模型。
可以理解的是,对于不同的目标业务类型,金融业务场景中的人体状态可能不同,人体状态可能为人体侧面、人体正面、站立的人体、坐姿人体等等,对于不同的人体状态采用不同的人物识别模型,可以提高识别精度。对于不同的目标业务类型,可以采用不同的人物识别模型,从而提高对不同的目标业务类型对应的人物状态的识别精度。
在本公开的一些实施例中,S102中响应于识别触发指令,对待处理视频帧序列进行人物识别,得到与目标业务分析类型对应的人物状态的识别结果的实现,可以包括:响应于识别触发指令,通过人物识别模型对待处理视频帧序列进行人物识别,得到与目标业务分析类型对应的人物状态的识别结果。
在本公开实施例中,终端在获取了与目标业务分析类型对应的人物识别模型后,在接收到识别触发指令的情况下,可以通过人物识别模型对待处理视频帧序列进行人物识别,得到与目标业务分析类型对应的人物状态的识别结果。
参考图14,终端在接收到提交测试控件717的触发操作后,确定接收到识别触发指令,如此,终端可以对待处理视频帧序列进行人物识别,得到与在岗分析对应的人物状态的识别结果。
在本公开的一些实施例中,S102中响应于识别触发指令,对待处理视频帧序列进行人物识别,得到与目标业务分析类型对应的人物状态的识别结果之后的实现,可以包括:
S801、在人物状态的识别结果识别失败的情况下,在目标业务分析界面中,将待处理视频帧序列的处理状态显示为失败状态,并显示与失败状态对应的重试控件。
S802、响应于重试控件的重试指令,对待处理视频帧序列重新进行下一次人物识别流程。
在本公开实施例中,在终端对待处理视频帧序列的人物识别失败的情况下,终端可以在目标业务分析界面中显示待处理视频帧序列的处理状态为失败状态,并显示与失败状态对应的重试控件。如此,终端可以接收到重试控件的触发操作,得到重试指令,响应重试指令,对待处理视频帧序列重新进行人物识别,得到人物状态的识别结果,根据人物状态的识别结果记录金融业务场景数据。
参考图14,图14中的视频文件zgfx0001的处理状态为失败,则在zgfx0001的操作选项中显示重试控件719;如此,终端在接收到重试控件719的触发操作的情况下,可以重新对zgfx0001的视频帧序列进行人物识别,在得到在岗状态的识别结果的情况下,基于在岗状态的识别结果,记录与在岗业务对应的金融业务场景数据。
可以理解的是,在终端对待处理视频帧序列进行人物识别,且识别失败的情况下,终端可以重新对待处理视频帧序列进行人物识别,得到人物状态的识别结果,而不用重新获取待处理视频帧序列,提高了业务分析的效率。即终端可以快速对识别失败的视频帧序列再次进行识别,提高了人物状态的识别效率。
在本公开的一些实施例中,102中响应于识别触发指令,对待处理视频帧序列进行人物识别,得到与目标业务分析类型对应的人物状态的识别结果之后的实现,可以包括:
S901、在待处理视频帧序列均识别结束的情况下,响应于下一个目标业务分析类型的选择指令,对下一个目标业务分析类型对应的视频序列进行下一次人物状态的识别流程。
在本公开实施例中,终端对当前目标业务类型的待处理视频帧序列均识别结束的情况下,待处理视频帧序列的处理状态均为正常结束状态,终端可以接收到下一个目标业务分析类型的选择指令,显示下一个目标业务分析界面,通过下一个目标业务分析界面,对下一个目标业务分析类型对应的待处理视频帧序列进行人物识别,得到下一个目标业务分析对应的人物状态的识别结果,基于识别结果,记录下一个目标业务类型对应的金融业务场景数据。
S902、在待处理视频帧序列存在至少一帧未识别结束的情况下,下一个目标业务分析类型的选择控件显示为禁止选择状态。
在本公开实施例中,在当前目标业务分析类型对应的待处理视频帧序列存在至少一帧未识别结束的情况下,在当前目标业务分析界面上,该待处理视频帧序列的处理状态不是正常结束状态,下一个目标业务分析类型的选择控件显示为禁止选择状态。
其中,待处理视频帧序列的处理状态不是正常结束状态,包括以下至少之一:待处理视频帧序列正在进行识别,处理状态为进行状态;待处理视频帧序列的人物识别失败,处理状态为失败状态;待处理视频帧序列还没有进行人物识别,处理状态为待处理状态。
参考图14,在在岗分析的分析界面710中,待处理视频帧序列包括:zgfx0001、zgfx0002、zgfx0003和zgfx0004;其中,zgfx0003的状态为正常结束,其他均不是正常结束,终端可以将其他业务分析类型的选择控件72-75均显示为灰色控件,灰色控件不能接收触发操作,如此,终端不会接收到选择指令。
可以理解的是,终端可以在当前目标业务类型的待处理视频帧序列存在至少一帧未识别结束的情况下,将下一个目标业务分析类型的选择控件显示为禁止选择状态,从而提高对每个目标业务分析类型的待处理视频帧序列进行处理的完整性,从而提高了业务状态分析的准确性。并且终端在当前目标业务分析类型对应的所有视频帧都识别结束的情况下,才可以进行下一个目标业务分析类型对应的识别过程,提高了业务状态检测的完成效果。
图15为本公开实施例的提供的业务状态的分析装置的可选的结构组成示意图,如图15所示,业务状态的分析装置16包括:
获取模块161,用于针对目标业务分析类型,获取金融业务场景的待处理视频帧序列;
识别模块162,用于响应于识别触发指令,对所述待处理视频帧序列进行人物识别,得到与所述目标业务分析类型对应的人物状态的识别结果;其中,人物状态表征人体状态和表情状态中的至少一项;
记录模块163,用于基于所述识别结果,记录金融业务场景数据;所述金融业务场景数据表征所述人物状态的变化;
分析模块164,用于基于所述金融业务场景数据,得到金融业务场景中对象的目标业务状态。
在一些实施例中,所述目标业务分析类型包括以下至少之一:在岗分析、忙岗分析、设备工作状态分析、人流分析和表情分析。
在一些实施例中,所述人物识别包括人体识别;所述识别模块162,还用于响应于所述识别触发指令,确定所述待处理视频帧序列的每个视频帧中,与所述目标业务分析类型对应的目标区域;对所述目标区域对应的图像进行人体识别,得到人物状态的识别结果;所述人物状态的识别结果表征所述目标区域中是否存在生物体。
在一些实施例中,所述识别模块162,还用于在所述人物状态的识别结果表征所述目标区域中存在生物体的情况下,对所述目标区域中的所述生物体进行人脸识别,确定表情识别结果。
在一些实施例中,所述人物识别包括表情识别;所述目标业务分析类型为表情分析;所述识别模块162,还用于响应于所述识别触发指令,对所述待处理视频帧序列中的每个视频帧进行表情识别,得到所述每个视频帧中,与所述表情分析对应的人物状态的表情识别结果。
在一些实施例中,所述目标业务分析类型包括所述在岗分析、所述忙岗分析和所述设备工作状态分析中的至少一个,所述目标区域对应包括:在岗区域、忙岗区域和设备业务区域中的至少一个;所述在岗区域用于表征工作人员的位置区域;所述忙岗区域用于表征办理对象在进行人工业务办理情况下的办理对象的第一办理位置区域;所述设备业务区域用于表征办理对象在进行自助业务办理情况下的第二办理位置区域;所述识别模块162,还用于以下至少一种:对所述在岗区域中的图像进行人体识别,得到在岗状态的识别结果;所述在岗状态的识别结果表征所述在岗区域中是否存在生物体;对所述忙岗区域中的图像进行人体识别,得到忙岗状态的识别结果;所述忙岗状态的识别结果表征所述忙岗区域中是否存在生物体;对所述设备业务区域中的图像进行人体识别,得到设备工作状态的识别结果;所述设备工作状态的识别结果表征所述设备业务区域中是否存在生物体。
在一些实施例中,所述金融业务场景数据包括以下至少一个:到达时间和到达图像;离开时间和离开图像;所述记录模块163,还用于以下至少一种:从所述识别结果中确定出,在所述目标区域中存在生物体的连续视频帧中的第k个视频帧,作为到达帧,记录所述到达帧的时间信息作为所述到达时间,以及记录所述到达帧作为所述到达图像;k为大于或者等于1的整数;从所述识别结果中确定出,在所述目标区域中不存在生物体的连续视频帧中的第p个视频帧,作为离开帧,记录所述离开帧的时间信息作为所述离开时间,以及记录所述离开帧作为所述到达图像;p为大于或者等于1的整数。
在一些实施例中,所述人物识别包括人体识别;所述目标业务分析类型包括人流分析,所述识别模块162,还用于响应于所述识别触发指令,对所述待处理视频帧序列中的每一帧进行人体识别,得到每一帧中的人体作为所述人物状态的识别结果。
在一些实施例中,所述金融业务场景数据包括:初始人流量和人流变化数量;所述识别模块162,还用于获取检测标志;从第一帧的识别结果中确定出在检测标志的第一侧的人体总数,作为初始人流量;基于所述识别结果,确定人体的移动轨迹;在所述移动轨迹穿过所述检测标志的情况下,根据所述移动轨迹的方向,记录人流变化数量。
在一些实施例中,所述人流变化数量包括第一变化数量和第二变化数量中的至少一个;所述记录模块163,还用于以下至少一种:在所述移动轨迹的方向为第一方向的情况下,记录所述移动轨迹对应的人体数量作为所述第一变化数量;所述第一方向为从所述检测标志的第一侧指向所述检测标志的第二侧;在所述移动轨迹的方向为第二方向的情况下,记录所述移动轨迹对应的人体数量作为所述第二变化数量;所述第二方向为从所述检测标志的第二侧指向所述检测标志的第一侧。
在一些实施例中,所述表情识别结果为表情分值;所述表情分值用于表征表情表达的程度;所述记录模块163,还用于从所述表情分值中确定出高于预设分值的连续视频帧中的第m个视频帧,作为表情帧;m大于或者等于1;记录所述表情帧的时间信息作为所述表情时间,以及记录从所述表情帧中获取所述表情图像。
在一些实施例中,所述记录模块163,还用于获取所述当前帧的表情分值和上一帧的表情分值;在所述当前帧的表情分值高于所述预设分值,且所述上一帧的表情分值低于或者等于所述预设分值的情况下,将初始帧数作为当前帧的累积帧数;所述累积帧数用于表示表情分值高于所述预设分值的连续帧数;在所述当前帧的表情分值和所述上一帧的表情分值均高于所述预设分值的情况下,获取上一帧的累积帧数,并将所述上一帧的累积帧数增加一帧累计值,得到当前帧的累积帧数;在所述当前帧的累积帧数大于或者等于m的情况下,确定所述当前帧为所述表情帧。
在一些实施例中,所述获取模块161还用于针对所述目标业务分析类型,在目标业务分析界面中,响应于视频选择指令,从显示的金融业务场景的视频帧序列集合中,选中所述待处理视频帧序列。
在一些实施例中,所述获取模块161还用于在业务分析管理界面中,响应于目标业务选取指令,针对所述目标业务分析类型,跳转至所述目标业务分析界面;在所述目标业务分析界面中,响应于所述视频选择指令中路径获取指令,从视频文件控件中获取视频文件路径;响应于所述视频选择指令中文件读取指令,获取并显示所述视频文件路径中保存的所述金融业务场景的所述视频帧序列集合;从所述视频帧序列集合中,选中处理状态为待处理状态的视频序列作为所述待处理视频帧序列。
在一些实施例中,所述目标业务分析类型为在岗分析、忙岗分析、设备工作状态分析和人流分析中的任意一种的情况下;所述获取模块161还用于响应于目标业务分析界面中人物模型控件中的模型选择指令,获取与所述目标业务类型对应的人物识别模型。
在一些实施例中,所述识别模块162还用于响应于所述识别触发指令,通过所述人物识别模型对所述待处理视频帧序列进行人物识别,得到与所述目标业务分析类型对应的人物状态的识别结果。
在一些实施例中,所述目标业务分析类型为在岗分析、忙岗分析、设备工作状态分析和人流分析中的任意一种的情况下;所述识别模块162还用于针对所述待处理视频帧序列的每个视频帧,响应于目标区域的检测指令,显示绘制热区页面,并显示所述每个视频帧;在所述绘制热区页面中,响应于区域形状控件的区域形状选择指令,从所述每个视频帧中选择区域形状;响应于开始绘制控件的绘制指令,根据所述区域形状,显示目标区域的标注标志;或者,响应于清空画布空间的清空指令,清除目标区域的标注标志;响应于确定指令,将所述标注标志标定的区域确定为所述目标区域。
在一些实施例中,所述识别模块162还用于响应于检测标志的绘制指令,显示绘制热区页面,并显示所述每个视频帧;在所述绘制热区页面中,在接收到检测标志控件的选择指令的情况下,响应于开始绘制指令,显示标注标志;或者,在接收到检测标志控件的选择指令的情况下,响应于清空指令,清除标注标志;响应于确定指令,将所述标注标志确定为所述检测标志。
在一些实施例中,所述识别模块162,还用于在响应于识别触发指令,对所述待处理视频帧序列进行人物识别,得到与所述目标业务分析类型对应的人物状态的识别结果之后,在所述人物状态的识别结果识别失败的情况下,在所述目标业务分析界面中,将所述待处理视频帧序列的处理状态显示为失败状态,并显示与失败状态对应的重试控件;响应于所述重试控件的重试指令,对所述待处理视频帧序列重新进行下一次人物识别流程。
在一些实施例中,所述识别模块162,还用于在响应于识别触发指令,对所述待处理视频帧序列进行人物识别,得到与所述目标业务分析类型对应的人物状态的识别结果之后,在所述待处理视频帧序列均识别结束的情况下,响应于下一个目标业务分析类型的选择指令,对所述下一个目标业务分析类型对应的视频序列进行下一次人物状态的识别流程;在所述待处理视频帧序列存在至少一帧未识别结束的情况下,下一个目标业务分析类型的选择控件显示为禁止选择状态。
图16为本公开实施例的电子设备的结构组成示意图,如图16所示,电子设备19包括存储器1901、处理器1902及存储在存储器1901上并可在处理器1902上运行的计算机程序;其中,处理器用于运行计算机程序时,执行如前述实施例中的业务状态的分析方法。
可以理解,目标检测设备19还包括通信总线1903;通信设备19中的各个组件通过通信总线1903耦合在一起。可理解,总线系统1903用于实现这些组件之间的连接通信。通信总线1903除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。
存储器1901配置为存储由处理器1902计算机程序和应用,还可以缓存待处理器1902以及目标检测设备中各模块待处理或已经处理的数据(例如,图像数据、音频数据、语音通信数据和视频通信数据),可以通过闪存(FLASH)或随机访问存储器(Random AccessMemory,RAM)实现。
处理器1902执行程序时实现上述任一项业务状态的分析方法的步骤。处理器1902通常控制电子设备19的总体操作。
上述处理器可以为特定用途集成电路(Application Specific IntegratedCircuit,ASIC)、数字信号处理器(Digital Signal Processor,DSP)、数字信号处理装置(Digital Signal Processing Device,DSPD)、可编程逻辑装置(Programmable LogicDevice,PLD)、现场可编程门阵列(Field Programmable Gate Array,FPGA)、中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器中的至少一种。可以理解地,实现上述处理器功能的电子器件还可以为其它,本公开实施例不作限制。
上述计算机可读存储介质/存储器可以是只读存储器(Read Only Memory,ROM)、可编程只读存储器(Programmable Read-Only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,EPROM)、电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,EEPROM)、磁性随机存取存储器(Ferromagnetic Random Access Memory,FRAM)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(Compact Disc Read-Only Memory,CD-ROM)等存储器;也可以是包括上述存储器之一或任意组合的各种终端,如移动电话、计算机、平板设备、个人数字助理等。
本公开实施例提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行本公开实施例上述的业务状态的分析方法。
在一些实施例中,可执行指令可以采用程序、软件、软件模块、脚本或代码的形式,按任意形式的编程语言(包括编译或解释语言,或者声明性或过程性语言)来编写,并且其可按任意形式部署,包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在计算环境中使用的其它单元。
作为示例,可执行指令可以但不一定对应于文件系统中的文件,可以可被存储在保存其它程序或数据的文件的一部分,例如,存储在超文本标记语言(HTML,Hyper TextMarkup Language)文档中的一个或多个脚本中,存储在专用于所讨论的程序的单个文件中,或者,存储在多个协同文件(例如,存储一个或多个模块、子程序或代码部分的文件)中。
作为示例,可执行指令可被部署为在一个计算设备上执行,或者在位于一个地点的多个计算设备上执行,又或者,在分布在多个地点且通过通信网络互连的多个计算设备上执行。
这里需要指出的是:以上存储介质和设备实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本公开存储介质和设备实施例中未披露的技术细节,请参照本公开方法实施例的描述而理解。
以上所述,仅为本公开的实施例而已,并非用于限定本公开的保护范围。凡在本公开的精神和范围之内所作的任何修改、等同替换和改进等,均包含在本公开的保护范围之内。
Claims (20)
1.一种业务状态的分析方法,其特征在于,包括:
针对目标业务分析类型,获取金融业务场景的待处理视频帧序列;
响应于识别触发指令,对所述待处理视频帧序列进行人物识别,得到与所述目标业务分析类型对应的人物状态的识别结果;其中,人物状态表征人体状态和表情状态中的至少一项;
基于所述识别结果,记录金融业务场景数据;所述金融业务场景数据表征所述人物状态的变化;
基于所述金融业务场景数据,得到金融业务场景中对象的目标业务状态。
2.根据权利要求1所述的方法,其特征在于,所述目标业务分析类型包括以下至少之一:
在岗分析、忙岗分析、设备工作状态分析、人流分析和表情分析。
3.根据权利要求2所述的方法,其特征在于,所述人物识别包括人体识别;
所述响应于识别触发指令,对所述待处理视频帧序列进行人物识别,得到与所述目标业务分析类型对应的人物状态的识别结果,包括:
响应于所述识别触发指令,确定所述待处理视频帧序列的每个视频帧中,与所述目标业务分析类型对应的目标区域;
对所述目标区域对应的图像进行人体识别,得到人物状态的识别结果;所述人物状态的识别结果表征所述目标区域中是否存在生物体。
4.根据权利要求3所述的方法,其特征在于,所述对所述目标区域对应的图像进行人体识别,得到人物状态的识别结果之后,所述方法还包括:
在所述人物状态的识别结果表征所述目标区域中存在生物体的情况下,对所述目标区域中的所述生物体进行人脸识别,确定表情识别结果。
5.根据权利要求1至4任一项所述的方法,其特征在于,所述人物识别包括表情识别;所述目标业务分析类型为表情分析;
所述响应于识别触发指令,对所述待处理视频帧序列进行人物识别,得到与所述目标业务分析类型对应的人物状态的识别结果,包括:
响应于所述识别触发指令,对所述待处理视频帧序列中的每个视频帧进行表情识别,得到所述每个视频帧中,与所述表情分析对应的人物状态的表情识别结果。
6.根据权利要求3或4所述的方法,其特征在于,所述目标业务分析类型包括所述在岗分析、所述忙岗分析和所述设备工作状态分析中的至少一个,所述目标区域对应包括:在岗区域、忙岗区域和设备业务区域中的至少一个;所述在岗区域用于表征工作人员的位置区域;所述忙岗区域用于表征办理对象在进行人工业务办理情况下的办理对象的第一办理位置区域;所述设备业务区域用于表征办理对象在进行自助业务办理情况下的第二办理位置区域;
所述对所述目标区域对应的图像进行人体识别,得到人物状态的识别结果,包括以下至少一种:
对所述在岗区域对应的图像进行人体识别,得到在岗状态的识别结果;所述在岗状态的识别结果表征所述在岗区域中是否存在生物体;
对所述忙岗区域对应的图像进行人体识别,得到忙岗状态的识别结果;所述忙岗状态的识别结果表征所述忙岗区域中是否存在生物体;
对所述设备业务区域对应的图像进行人体识别,得到设备工作状态的识别结果;所述设备工作状态的识别结果表征所述设备业务区域中是否存在生物体。
7.根据权利要求1至6任一项所述的方法,其特征在于,所述金融业务场景数据包括以下至少一个:
到达时间和到达图像;
离开时间和离开图像;
所述基于所述识别结果,记录金融业务场景数据,包括以下至少一个:
从所述识别结果中确定出,在所述目标区域中存在生物体的连续视频帧中的第k个视频帧,作为到达帧,记录所述到达帧的时间信息作为所述到达时间,以及记录所述到达帧作为所述到达图像;k为大于或者等于1的整数;
从所述识别结果中确定出,在所述目标区域中不存在生物体的连续视频帧中的第p个视频帧,作为离开帧,记录所述离开帧的时间信息作为所述离开时间,以及记录所述离开帧作为所述到达图像;p为大于或者等于1的整数。
8.根据权利要求1至4任一项所述的方法,其特征在于,所述人物识别包括人体识别;所述目标业务分析类型包括人流分析,所述响应于识别触发指令,对所述待处理视频帧序列进行人物识别,得到与所述目标业务分析类型对应的人物状态的识别结果,包括:
响应于所述识别触发指令,对所述待处理视频帧序列中的每一帧进行人体识别,得到每一帧中的人体作为所述人物状态的识别结果。
9.根据权利要求8所述的方法,其特征在于,所述金融业务场景数据包括:初始人流量和人流变化数量;所述基于所述识别结果,记录金融业务场景数据,包括:
获取检测标志;
从第一帧的识别结果中确定出在检测标志的第一侧的人体总数,作为初始人流量;
基于所述识别结果,确定人体的移动轨迹;在所述移动轨迹穿过所述检测标志的情况下,根据所述移动轨迹的方向,记录人流变化数量。
10.根据权利要求9所述的方法,所述人流变化数量包括第一变化数量和第二变化数量中的至少一个;所述根据所述移动轨迹的方向,记录人流变化数量,包括以下至少一个:
在所述移动轨迹的方向为第一方向的情况下,记录所述移动轨迹对应的人体数量作为所述第一变化数量;所述第一方向为从所述检测标志的第一侧指向所述检测标志的第二侧;
在所述移动轨迹的方向为第二方向的情况下,记录所述移动轨迹对应的人体数量作为所述第二变化数量;所述第二方向为从所述检测标志的第二侧指向所述检测标志的第一侧。
11.根据权利要求5所述的方法,其特征在于,所述表情识别结果为表情分值;所述表情分值用于表征表情表达的程度;所述金融业务场景数据包括表情时间和表情图像;所述基于所述识别结果,记录金融业务场景数据,包括:
从所述表情分值中确定出高于预设分值的连续视频帧中的第m个视频帧,作为表情帧;m大于或者等于1;
记录所述表情帧的时间信息作为所述表情时间,以及记录从所述表情帧中获取所述表情图像。
12.根据权利要求11所述的方法,其特征在于,所述从所述表情分值中确定出高于预设分值的连续视频帧中的第m个视频帧,作为表情帧,包括:
获取当前帧的表情分值和上一帧的表情分值;
在所述当前帧的表情分值高于所述预设分值,且所述上一帧的表情分值低于或者等于所述预设分值的情况下,将初始帧数作为当前帧的累积帧数;所述累积帧数用于表示表情分值高于所述预设分值的连续帧数;
在所述当前帧的表情分值和所述上一帧的表情分值均高于所述预设分值的情况下,获取上一帧的累积帧数,并将所述上一帧的累积帧数增加一帧累计值,得到当前帧的累积帧数;
在所述当前帧的累积帧数大于或者等于m的情况下,确定所述当前帧为所述表情帧。
13.根据权利要求1至12任一项所述的方法,其特征在于,所述针对目标业务分析类型,获取金融业务场景的待处理视频帧序列,包括:
针对所述目标业务分析类型,在目标业务分析界面中,响应于视频选择指令,从显示的金融业务场景的视频帧序列集合中,选中所述待处理视频帧序列;
所述针对所述目标业务分析类型,在目标业务分析界面中,响应于视频选择指令,从显示的金融业务场景的视频帧序列集合中,选中所述待处理视频帧序列,包括:
在业务分析管理界面中,响应于目标业务选取指令,针对所述目标业务分析类型,跳转至所述目标业务分析界面;
在所述目标业务分析界面中,响应于所述视频选择指令中路径获取指令,从视频文件控件中获取视频文件路径;
响应于所述视频选择指令中文件读取指令,获取并显示所述视频文件路径中保存的所述金融业务场景的所述视频帧序列集合;
从所述视频帧序列集合中,选中处理状态为待处理状态的视频序列作为所述待处理视频帧序列;
响应于识别触发指令,对所述待处理视频帧序列进行人物识别,得到与所述目标业务分析类型对应的人物状态的识别结果之后,所述方法还包括:
在所述人物状态的识别结果识别失败的情况下,在所述目标业务分析界面中,将所述待处理视频帧序列的处理状态显示为失败状态,并显示与失败状态对应的重试控件;
响应于所述重试控件的重试指令,对所述待处理视频帧序列重新进行下一次人物识别流程。
14.根据权利要求1、2或13任一项所述的方法,其特征在于,所述目标业务分析类型为在岗分析、忙岗分析、设备工作状态分析和人流分析中的任意一种的情况下;所述方法还包括:
响应于目标业务分析界面中人物模型控件中的模型选择指令,获取与所述目标业务类型对应的人物识别模型;
所述响应于识别触发指令,对所述待处理视频帧序列进行人物识别,得到与所述目标业务分析类型对应的人物状态的识别结果,包括:
响应于所述识别触发指令,通过所述人物识别模型对所述待处理视频帧序列进行人物识别,得到与所述目标业务分析类型对应的人物状态的识别结果。
15.根据权利要求3或4所述的方法,其特征在于,所述目标业务分析类型为在岗分析、忙岗分析、设备工作状态分析和人流分析中的任意一种的情况下;
所述响应于所述识别触发指令,确定所述待处理视频帧序列的每个视频帧中,与所述目标业务分析类型对应的目标区域,包括:
针对所述待处理视频帧序列的每个视频帧,响应于目标区域的检测指令,显示绘制热区页面,并显示所述每个视频帧;
在所述绘制热区页面中,响应于区域形状控件的区域形状选择指令,从所述每个视频帧中选择区域形状;
响应于开始绘制控件的绘制指令,根据所述区域形状,显示目标区域的标注标志;或者,响应于清空画布空间的清空指令,清除目标区域的标注标志;
响应于确定指令,将所述标注标志标定的区域确定为所述目标区域。
16.根据权利要求9或10所述的方法,其特征在于,所述获取检测标志,包括:
响应于检测标志的绘制指令,显示绘制热区页面,并显示所述每个视频帧;
在所述绘制热区页面中,在接收到检测标志控件的选择指令的情况下,响应于开始绘制指令,显示标注标志;或者,在接收到检测标志控件的选择指令的情况下,响应于清空指令,清除标注标志;
响应于确定指令,将所述标注标志确定为所述检测标志。
17.根据权利要求1至16任一项所述的方法,其特征在于,所述响应于识别触发指令,对所述待处理视频帧序列进行人物识别,得到与所述目标业务分析类型对应的人物状态的识别结果之后,所述方法还包括:
在所述待处理视频帧序列均识别结束的情况下,响应于下一个目标业务分析类型的选择指令,对所述下一个目标业务分析类型对应的视频序列进行下一次人物状态的识别流程;
在所述待处理视频帧序列存在至少一帧未识别结束的情况下,下一个目标业务分析类型的选择控件显示为禁止选择状态。
18.一种业务状态的分析装置,包括:
获取模块,用于针对目标业务分析类型,获取金融业务场景的待处理视频帧序列;
识别模块,用于响应于识别触发指令,对所述待处理视频帧序列进行人物识别,得到与所述目标业务分析类型对应的人物状态的识别结果;其中,人物状态表征人体状态和表情状态中的至少一项;
记录模块,用于基于所述识别结果,记录金融业务场景数据;所述金融业务场景数据表征所述人物状态的变化;
分析模块,用于基于所述金融业务场景数据,得到金融业务场景中对象的目标业务状态。
19.一种电子设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述存储器中存储的计算机程序时,实现权利要求1至17任一项所述的方法。
20.一种计算机存储介质,存储有计算机程序,用于被处理器执行时,实现权利要求1至17任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111101528.4A CN113792688A (zh) | 2021-09-18 | 2021-09-18 | 业务状态的分析方法、装置、电子设备和存储介质 |
PCT/CN2022/083033 WO2023040233A1 (zh) | 2021-09-18 | 2022-03-25 | 业务状态的分析方法、装置、电子设备、存储介质和计算机程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111101528.4A CN113792688A (zh) | 2021-09-18 | 2021-09-18 | 业务状态的分析方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113792688A true CN113792688A (zh) | 2021-12-14 |
Family
ID=79184155
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111101528.4A Withdrawn CN113792688A (zh) | 2021-09-18 | 2021-09-18 | 业务状态的分析方法、装置、电子设备和存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113792688A (zh) |
WO (1) | WO2023040233A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023040233A1 (zh) * | 2021-09-18 | 2023-03-23 | 上海商汤智能科技有限公司 | 业务状态的分析方法、装置、电子设备、存储介质和计算机程序产品 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105069429A (zh) * | 2015-07-29 | 2015-11-18 | 中国科学技术大学先进技术研究院 | 一种基于大数据平台的人流量分析统计方法和系统 |
US20180032939A1 (en) * | 2016-07-27 | 2018-02-01 | International Business Machines Corporation | Analytics to determine customer satisfaction |
CN108629327A (zh) * | 2018-05-15 | 2018-10-09 | 北京环境特性研究所 | 一种基于图像处理的人数统计方法及装置 |
CN109858949A (zh) * | 2018-12-26 | 2019-06-07 | 秒针信息技术有限公司 | 一种基于监控摄像的顾客满意度评估方法和评估系统 |
CN111079694A (zh) * | 2019-12-28 | 2020-04-28 | 神思电子技术股份有限公司 | 一种柜面助手履职监控装置和方法 |
CN111191576A (zh) * | 2019-12-27 | 2020-05-22 | 长安大学 | 人员行为目标检测模型构建方法、智能分析方法及系统 |
CN113343948A (zh) * | 2021-08-02 | 2021-09-03 | 深圳市爱深盈通信息技术有限公司 | 一种满意度分析方法、系统及其计算机存储介质 |
CN113361468A (zh) * | 2021-06-30 | 2021-09-07 | 北京百度网讯科技有限公司 | 一种业务质检方法、装置、设备及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10963680B2 (en) * | 2018-01-12 | 2021-03-30 | Capillary Technologies International Pte Ltd | Overhead people detection and tracking system and method |
CN110298683A (zh) * | 2019-05-22 | 2019-10-01 | 深圳壹账通智能科技有限公司 | 基于微表情的信息推广方法、装置、设备及介质 |
CN113792688A (zh) * | 2021-09-18 | 2021-12-14 | 北京市商汤科技开发有限公司 | 业务状态的分析方法、装置、电子设备和存储介质 |
-
2021
- 2021-09-18 CN CN202111101528.4A patent/CN113792688A/zh not_active Withdrawn
-
2022
- 2022-03-25 WO PCT/CN2022/083033 patent/WO2023040233A1/zh unknown
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105069429A (zh) * | 2015-07-29 | 2015-11-18 | 中国科学技术大学先进技术研究院 | 一种基于大数据平台的人流量分析统计方法和系统 |
US20180032939A1 (en) * | 2016-07-27 | 2018-02-01 | International Business Machines Corporation | Analytics to determine customer satisfaction |
CN108629327A (zh) * | 2018-05-15 | 2018-10-09 | 北京环境特性研究所 | 一种基于图像处理的人数统计方法及装置 |
CN109858949A (zh) * | 2018-12-26 | 2019-06-07 | 秒针信息技术有限公司 | 一种基于监控摄像的顾客满意度评估方法和评估系统 |
CN111191576A (zh) * | 2019-12-27 | 2020-05-22 | 长安大学 | 人员行为目标检测模型构建方法、智能分析方法及系统 |
CN111079694A (zh) * | 2019-12-28 | 2020-04-28 | 神思电子技术股份有限公司 | 一种柜面助手履职监控装置和方法 |
CN113361468A (zh) * | 2021-06-30 | 2021-09-07 | 北京百度网讯科技有限公司 | 一种业务质检方法、装置、设备及存储介质 |
CN113343948A (zh) * | 2021-08-02 | 2021-09-03 | 深圳市爱深盈通信息技术有限公司 | 一种满意度分析方法、系统及其计算机存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023040233A1 (zh) * | 2021-09-18 | 2023-03-23 | 上海商汤智能科技有限公司 | 业务状态的分析方法、装置、电子设备、存储介质和计算机程序产品 |
Also Published As
Publication number | Publication date |
---|---|
WO2023040233A1 (zh) | 2023-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110147726B (zh) | 业务质检方法和装置、存储介质及电子装置 | |
CN109635772B (zh) | 一种听写内容的批改方法及电子设备 | |
CN109816441B (zh) | 策略推送方法、系统及相关装置 | |
CN111144191B (zh) | 字体识别方法、装置、电子设备及存储介质 | |
CN111310019A (zh) | 信息推荐方法、信息处理方法、系统及设备 | |
CN107909443A (zh) | 信息推送方法、装置及系统 | |
CN109597943B (zh) | 一种基于场景的学习内容推荐方法及学习设备 | |
CN109308490A (zh) | 用于生成信息的方法和装置 | |
CN107786549A (zh) | 音频文件的添加方法、装置、系统及计算机可读介质 | |
CN113111690B (zh) | 一种人脸表情分析方法和系统及满意度分析方法和系统 | |
CN111881785A (zh) | 客流分析方法及装置、存储介质和系统 | |
CN108109445A (zh) | 教学课情监控方法 | |
CN107392614A (zh) | 线下交易的实现方法和装置 | |
CN114677634B (zh) | 面签识别方法、装置、电子设备及存储介质 | |
CN113792688A (zh) | 业务状态的分析方法、装置、电子设备和存储介质 | |
CN114005019B (zh) | 一种翻拍图像识别方法及其相关设备 | |
CN113630721A (zh) | 推荐游览路线的生成方法和装置、及计算机可读存储介质 | |
CN111291627A (zh) | 人脸识别方法、装置及计算机设备 | |
CN110166642A (zh) | 一种预测式外呼方法及设备 | |
CN112668562B (zh) | 一种客户识别方法及装置 | |
CN113657509A (zh) | 教学训练提升方法、装置、终端和存储介质 | |
CN112560775A (zh) | 一种开关控制方法、装置、计算机设备及存储介质 | |
CN111933107A (zh) | 语音识别方法、装置、存储介质和处理器 | |
CN111222825A (zh) | 基于货物签收的双录方法、装置、终端及存储介质 | |
CN111460210B (zh) | 目标语音的处理方法和装置 |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40056778 Country of ref document: HK |
|
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20211214 |
|
WW01 | Invention patent application withdrawn after publication |