CN113837075A - 基于人脸识别的业务办理方法、装置、电子设备及介质 - Google Patents
基于人脸识别的业务办理方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN113837075A CN113837075A CN202111118351.9A CN202111118351A CN113837075A CN 113837075 A CN113837075 A CN 113837075A CN 202111118351 A CN202111118351 A CN 202111118351A CN 113837075 A CN113837075 A CN 113837075A
- Authority
- CN
- China
- Prior art keywords
- target object
- service
- handled
- target
- handling
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000000605 extraction Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 12
- 230000015654 memory Effects 0.000 claims description 11
- 230000004044 response Effects 0.000 claims description 11
- 230000001815 facial effect Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 7
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 238000001514 detection method Methods 0.000 description 22
- 238000005516 engineering process Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 238000013473 artificial intelligence Methods 0.000 description 5
- 238000012795 verification Methods 0.000 description 4
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 3
- 230000008451 emotion Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Security & Cryptography (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了基于人脸识别的业务办理方法、装置、电子设备及介质，涉及生物识别技术领域，该方法可以包括：接收进入取号区域的目标对象输入的待办业务信息，并输出目标对象的排队序号；获取目标对象在取号区域的人脸图像数据，并根据人脸图像数据得到对象人脸特征；将对象人脸特征与标数据库中的多个候选人脸特征分别进行匹配，并根据匹配结果确定目标对象的对象标识；基于对象标识确定待办业务信息所指示的待办业务的办理权限；若办理权限指示待办业务不可办理，则输出提示信息以提示排队序号对应的对象的待办业务不可办理。通过本方法实施例有助于提高业务办理的效率。
Description
技术领域
本申请涉及生物识别技术领域，尤其涉及基于人脸识别的业务办理方法、装置、电子设备及介质。
背景技术
目前，在线下办理业务时，通常需要对象去到业务办理点，例如银行网点，然后现场进行排队或获取排队序号，当轮到排队序号所对应的次序时则可以进行业务办理。发明人意识到，在对目标对象进行业务办理时，需要由业务办理人员花费时间查询目标对象是否具有业务办理资格，并且，若目标对象不能办理业务，则浪费了较多时间进行排队，由此导致客户体验较差，业务办理的效率较低。
发明内容
本申请实施例提供了基于人脸识别的业务办理方法、装置、电子设备及介质，有助于提高业务办理的效率。
一方面，本申请实施例公开了基于人脸识别的业务办理方法，所述方法包括：
接收进入取号区域的目标对象输入的待办业务信息，并响应于接收到的所述待办业务信息输出所述目标对象的排队序号；
获取所述目标对象在所述取号区域的人脸图像数据，对所述目标对象的所述人脸图像数据进行特征提取，得到针对所述目标对象的对象人脸特征；
获取目标数据库中的多个候选人脸特征，所述目标数据库中的每个候选人脸特征对应一个对象标识；
将所述对象人脸特征与所述多个候选人脸特征分别进行匹配，得到匹配结果，并根据所述匹配结果确定所述目标对象的对象标识；
基于所述目标对象的对象标识获取所述目标对象的业务办理范围，基于所述业务办理范围确定所述目标对象对所述待办业务信息所指示的待办业务的办理权限；
若所述办理权限指示所述待办业务不可办理，则获取所述目标对象对应的所述排队序号，并输出提示信息以提示所述排队序号对应的对象的待办业务不可办理。
另一方面，本本申请实施例公开了基于人脸识别的业务办理装置，所述装置包括：
接收单元，用于接收进入取号区域的目标对象输入的待办业务信息，并响应于接收到的所述待办业务信息输出所述目标对象的排队序号；
获取单元，用于获取所述目标对象在所述取号区域的人脸图像数据，对所述目标对象的所述人脸图像数据进行特征提取，得到针对所述目标对象的对象人脸特征；
所述获取单元，还用于获取目标数据库中的多个候选人脸特征，所述目标数据库中的每个候选人脸特征对应一个对象标识；
处理单元，用于将所述对象人脸特征与所述多个候选人脸特征分别进行匹配，得到匹配结果，并根据所述匹配结果确定所述目标对象的对象标识；
所述处理单元，还用于基于所述目标对象的对象标识获取所述目标对象的业务办理范围，基于所述业务办理范围确定所述目标对象对所述待办业务信息所指示的待办业务的办理权限；
所述处理单元，还用于若所述办理权限指示所述待办业务不可办理，则获取所述目标对象对应的所述排队序号，并输出提示信息以提示所述排队序号对应的对象的待办业务不可办理。
又一方面，本申请实施例提供了一种电子设备，电子设备包括处理器、存储器，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于执行如下步骤：
接收进入取号区域的目标对象输入的待办业务信息，并响应于接收到的所述待办业务信息输出所述目标对象的排队序号；
获取所述目标对象在所述取号区域的人脸图像数据，对所述目标对象的所述人脸图像数据进行特征提取，得到针对所述目标对象的对象人脸特征；
获取目标数据库中的多个候选人脸特征，所述目标数据库中的每个候选人脸特征对应一个对象标识；
将所述对象人脸特征与所述多个候选人脸特征分别进行匹配，得到匹配结果，并根据所述匹配结果确定所述目标对象的对象标识；
基于所述目标对象的对象标识获取所述目标对象的业务办理范围，基于所述业务办理范围确定所述目标对象对所述待办业务信息所指示的待办业务的办理权限；
若所述办理权限指示所述待办业务不可办理，则获取所述目标对象对应的所述排队序号，并输出提示信息以提示所述排队序号对应的对象的待办业务不可办理。
又一方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序指令，计算机程序指令被处理器执行时，用于执行如下步骤：
接收进入取号区域的目标对象输入的待办业务信息，并响应于接收到的所述待办业务信息输出所述目标对象的排队序号；
获取所述目标对象在所述取号区域的人脸图像数据，对所述目标对象的所述人脸图像数据进行特征提取，得到针对所述目标对象的对象人脸特征；
获取目标数据库中的多个候选人脸特征，所述目标数据库中的每个候选人脸特征对应一个对象标识；
将所述对象人脸特征与所述多个候选人脸特征分别进行匹配，得到匹配结果，并根据所述匹配结果确定所述目标对象的对象标识；
基于所述目标对象的对象标识获取所述目标对象的业务办理范围，基于所述业务办理范围确定所述目标对象对所述待办业务信息所指示的待办业务的办理权限；
若所述办理权限指示所述待办业务不可办理，则获取所述目标对象对应的所述排队序号，并输出提示信息以提示所述排队序号对应的对象的待办业务不可办理。
又一方面，本申请实施例公开了一种计算机程序产品或计算机程序，所述计算机程序产品或计算机程序包括计算机指令，所述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所述计算机指令，处理器执行所述计算机指令，使得所述计算机设备执行上述基于人脸识别的业务办理方法。
本申请实施例中，接收进入取号区域的目标对象输入的待办业务信息，并输出目标对象的排队序号；获取目标对象在取号区域的人脸图像数据，并根据人脸图像数据得到对象人脸特征；获取目标数据库中的多个候选人脸特征，将对象人脸特征与多个候选人脸特征分别进行匹配，并根据匹配结果确定目标对象的对象标识；基于目标对象的对象标识获取目标对象的业务办理范围，基于业务办理范围确定目标对象对待办业务信息所指示的待办业务的办理权限；若办理权限指示待办业务不可办理，则获取目标对象对应的排队序号，并输出提示信息以提示排队序号对应的对象的待办业务不可办理。由此可以在对象办理业务之前，提前告知目标对象是否能够办理待办业务，避免在业务办理时进行业务办理权限的验证，有助于提升业务办理的效率。
附图说明
为了更清楚地说明本申请实施例技术方案，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是本申请实施例提供的一种基于人脸识别的业务办理系统的结构示意图；
图2是本申请实施例提供的一种基于人脸识别的业务办理方法的流程示意图；
图3是本申请实施例提供的一种基于人脸识别的业务办理方法的流程示意图；
图4是本申请实施例提供的一种基于人脸识别的业务办理装置的结构示意图；
图5是本申请实施例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。
本申请提供一种基于人脸识别的业务办理方案，能够当检测到目标对象进入取号区域时，接收目标对象输入的待办业务信息，并且获取目标对象人脸图像数据，基于人脸图像数据确定目标对象的对象标识，然后通过对象标识查询目标对象的业务办理范围，若检测到目标对象的待办业务不可办理，则输出提示信息以提示目标对象的待办业务不可办理。由此可以在对象办理业务之前，提前告知目标对象是否能够办理待办业务，避免在业务办理时进行业务办理权限的验证，有助于提升业务办理的效率，推动智慧城市的建设。
本申请的技术方案可运用在电子设备中，该电子设备可以是终端，也可以是服务器，或者也可以是用于基于人脸识别的业务办理的其他设备，本申请不做限定。本申请可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
在一种可能的实施方式中，本申请实施例可以应用于人工智能领域，例如可以基于人工智能技术对目标对象的人脸图像数据进行处理得到对象人脸特征，以获取到目标对象的对象标识。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
在一种可能的实施方式中，本申请实施例可以应用于基于人脸识别的业务办理系统中。请参见图1，图1是本申请实施例提供的一种基于人脸识别的业务办理系统的结构示意图。该基于人脸识别的业务办理系统的结构示意图可以包括电子设备以及目标数据库。该目标数据库可以用于存储候选对象的候选人脸特征以及候选人脸特征对应的对象标识，该目标数据库中的候选人脸特征可以为具有候选对象的授权的人脸特征。该电子设备可以用于为目标对象提供取号服务，并从目标数据库中获取候选人脸特征与基于目标对象的人脸图像数据的对象人脸特征进行匹配，以确定识别目标对象的对象标识，进而确定目标对象的待办业务是否能够办理，若不能办理则提示输出提示信息以提示目标对象的待办业务不够办理。由此可以在用户不输入身份信息的情况下，在等候办理业务时就确定目标对象能够办理业务，避免浪费时间排队。
基于上述的描述，本申请实施例提出一种基于人脸识别的业务办理方法。请参见图2，图2是本申请实施例提供的一种基于人脸识别的业务办理方法的流程示意图。该方法可以由上述所提及的电子设备执行。该方法可以包括以下步骤。
S201、接收进入取号区域的目标对象输入的待办业务信息，并响应于接收到的待办业务信息输出目标对象的排队序号。
其中，该目标对象可以为进入取号区域的任一对象。该取号区域可以为用于提供取号服务的电子设备的图像采集装置能够采集到图像的范围所对应的区域。
该待办业务信息可以指示目标对象的待办业务，该待办业务可以为目标对象需要进行办理的业务。可选的，该待办业务信息可以为目标对象的待办业务的业务编码或业务名称等等，此处不做限制。
在一种可能的实施方式中，当检测到目标对象进入取号区域时，则可以输出待办业务输入页面，以便于目标对象通过该待办业务输入页面输入待办业务信息。该待办业务输入页面可以包括至少一个业务选项，当目标对象可以从该至少一个业务选项中选择需要办理的业务。可选的，在输出待办业务输入页面时，还可以输出语音提示信息以提示目标对象于待办业务输入页面中输入待办业务信息，或者，可以提示目标对象通过语音指令输入待办业务信息，此处不做限制。
在一种可能的实施方式中，对于未进入取号区域或未完全进入取号区域的对象，则不输出待办业务输入页面。这是由于未进入或未完全进入取号区域的对象可能不需要进行取号操作，并且，也不能清晰完整地采集到对象的人脸图像数据。
该排队序号可以为用于指示各对象办理业务的顺序的序号。通常排队序号可以为依次递增的数字和/或字母组成的序号，此处不做限制。可以理解的是，输出目标对象的排队序号，可以使目标对象知晓其对应的排队序号，当轮到排队序号时，则目标对象可以进行业务办理。在输出目标对象的排队序号时，还可以将该排队序号与目标对象的待办业务信息关联存储。
在一种可能的实施方式中，本申请实施例还可以在接收进入取号区域的目标对象输入的待办业务信息之前，输出当前的预测等候时长，由此可以提示目标对象若需要办理业务预计需要等候的时长，若目标对象感觉预测等候时长超出预期，则可以不输入待办业务信息，由此可以避免不必要的时间的浪费，提升用户体验。
S202、获取目标对象在取号区域的人脸图像数据，对目标对象的人脸图像数据进行特征提取，得到针对目标对象的对象人脸特征。
其中，该人脸图像数据可以为电子设备的图像采集装置采集到的目标对象的人脸图像的数据。
该对象人脸特征可以为基于目标对象的人脸图像数据生成的特征矩阵。对人脸图像数据进行特征提取，得到针对目标对象的对象人脸特征，可以为将目标对象的人脸图像数据输入目标模型，以提取到目标对象的人脸图像数据分别对应的对象人脸特征。该目标模型可以采用预训练好的人脸特征提取模型，如enterloss、CosineFace、MobileFaceNet或Combined Margin loss等模型，此处不做限制。
在一种可能的实施方式中，在将目标对象的人脸图像数据输入目标模型之前，还可以对目标对象的人脸图像数据进行预处理，如，对目标对象的人脸图像数据进行灰度调整、图像滤波、图像尺寸归一化等处理，从而有助于更准确地提取人脸图像数据的人脸特征。
在一种可能的实施方式中，还可以获取目标对象的多个人脸图像数据，进而调用目标模型对目标对象的每个人脸图像数据分别进行处理，得到多个对象人脸特征。
在一种可能的实施方式中，在获取目标对象在取号区域的人脸图像数据后，还可进行对该人脸图像数据进行人脸完整性检测。具体的，可以获取目标对象的人脸图像数据后，将人脸图像数据输入人脸完整性检测模型，得到检测结果，该检测结果可以指示该人脸图像数据的脸部显示完整或脸部不显示完整。若该检测结果指示人脸图像数据的脸部显示完整，对目标对象的人脸图像数据进行特征提取，得到针对目标对象的对象人脸特征；若该完整检测结果指示人脸图像数据的脸部显示不完整，则输出状态调整提示信息提示目标对象调整脸部状态，以露出完整的脸部。该状态调整提示信息可以为在显示界面输出的文字提示信息，也可以为语音提示信息，此处不做限制。其中，该人脸完整性检测模型可以为一个分类模型，通过人脸完整性检测模型提取人脸图像数据中的脸部特征信息，确定人脸图像数据的检测结果以指示脸部显示完整或脸部不显示完整。
可选的，在将人脸图像数据输入人脸完整性检测模型之前，可以通过样本数据对人脸完整性检测模型进行训练。该完整该样本数据可以为基于取号区域获取的多个历史人脸图像数据，然后对每个历史人脸图像数据的完整性进行标注。例如，历史人脸图像显示完整则标注为1，若不完整则标注为0。将取号区域获取的多个历史人脸图像数据作为样本数据对人脸完整性检测模型进行训练，能够使得该人脸完整性检测模型能够更好地检测在取号区域获取的人脸图像数据的完整性，有助于提升人脸完整性检测的检测结果的准确度。进而将该样本数据输入初始人脸完整性检测模型，得到针对样本数据的预测结果，该初始人脸完整性检测模型的模型结构与人脸完整性检测模型相同，但模型参数可能不同。然后基于预测结果与标注的完整性修正初始人脸完整性检测模型的模型参数。例如，利用二分类损失函数修正初始人脸完整性检测模型的模型参数，以得到训练好的人脸完整性检测模型，该训练好的人脸完整性检测模型能够快速识别出人脸图像数据中的人脸是否显示完整。
S203、获取目标数据库中的多个候选人脸特征。
其中，目标数据库中的每个候选人脸特征对应一个对象标识，也就是说，每个候选人脸特征可以具有对应的候选对象。该目标数据库中的每个候选人脸特征可以为获取了候选对象的授权的人脸特征。该对象标识可以为指示对象的身份的标识信息，如对象对应的姓名、唯一身份识别码等标识信息，此处不做限制。该候选对象为目标数据库中的候选人脸特征对应的对象标识所标识的对象。
可选的，获取的多个候选对像可以为目标数据库中的全部候选人脸特征，也可以为从目标数据库中的所有候选人脸特征中筛选出的部分候选人脸特征，此处不做限制。
在一种可能的实施方式中，可以基于业务办理点的地区信息从目标数据库中的所有候选人脸特征中筛选出的部分候选人脸特征。例如，当前的业务办理点位于地区A，则前来该业务办理点办理业务的对象大概率是位于地区A的对象，则可以基于该业务办理点的地区信息，从目标数据库中的所有候选人脸特征对应的候选对象中，筛选出对象信息中的地区信息为地区A的多个候选对象，并获取该多个候选对象的对象标识分别对应的候选人脸特征。可选的，在目标对象的人脸图像数据后，基于该人脸图像数据确定目标对象可能的年龄范围，进而可以基于目标对象可能的年龄范围从目标数据库中的所有候选人脸特征中筛选出部分候选人脸特征。或者还可以通过其他形式进行筛选，此处不做限制。由此可以对目标数据库中的候选人脸特征进行初步的筛选，以减少计算量，提升处理效率。
在一种可能的实施方式中，获取目标数据库中的多个候选人脸特征之前，还可以执行以下步骤：获取多个候选对象的对象标识以及人脸图像数据；调用目标模型对每个候选对象的人脸图像数据进行处理，得到每个候选对象对应的候选人脸特征；将每个候选对象对应的候选人脸特征与对应的对象标识关联存储至目标数据库。
其中，该候选对象的人脸图像数据可以为具有人脸特征提取的授权的人脸图像数据。可选的，该候选对象的人脸图像数据可以为候选对象在首次办理业务时录入的人脸图像数据，也可以为从获取了候选对象的授权的第三方数据中获取的候选对象的人脸图像数据，此处不做限制。
该候选人脸特征可以为基于候选对象的人脸图像数据生成的特征矩阵。该目标模型与对目标对象的人脸图像数据进行特征提取时所用的目标模型，由此可以保证生成的对象人脸特征与候选人脸特征的提取方式的一致性，提升人脸识别的准确性。通过将每个候选对象对应的候选人脸特征与对应的对象标识关联存储至目标数据库，可以使得在确定了候选人脸特征后，可以基于该候选人脸特征确定出对应的对象的对象标识。
S204、将对象人脸特征与多个候选人脸特征分别进行匹配，得到匹配结果，并根据匹配结果确定目标对象的对象标识。
其中，该匹配结果可以指示与对象人脸特征相匹配的目标候选人脸特征，或者对象人脸特征与该多个对象人脸特征均不匹配。其中，该目标候选人脸特征可以为与对象人脸特征相匹配的候选人脸特征。
在一种可能的实施方式，将对象人脸特征与多个候选人脸特征分别进行匹配，得到匹配结果，并根据匹配结果确定目标对象的对象标识，可以包括以下步骤：分别确定对象人脸特征与多个候选人脸特征之间的相似度；若对象人脸特征与多个候选人脸特征之间的相似度中存在至少一个相似度大于阈值，则根据大于阈值的至少一个相似度对应的候选人脸特征确定与对象人脸特征相匹配的目标候选人脸特征，并将目标候选人脸特征对应的对象标识确定为目标对象的对象标识；若对象人脸特征与多个候选人脸特征之间的相似度均小于阈值，则确定对象人脸特征与目标数据库中的多个候选人脸特征均不匹配，并确定目标对象为陌生对象，将陌生对象的陌生对象标识确定为目标对象的对象标识。
其中，该相似度的确定方法可以为计算对象人脸特征与候选人脸特征之间的欧氏距离、余弦相似度(Cosine Similarity)等等方式，此处不做限制。该阈值可以为将候选人脸特征确定为与对象人脸特征相匹配的人脸特征的最小值，例如，当该阈值为0.8，则当候选人脸特征与对象人脸特征的相似度大于0.8时，才能将该候选人脸特征确定为与对象人脸特征相匹配的人脸特征。
若存在多个大于阈值的相似度，则可以将相似度最大的候选人脸特征确定为与对象人脸特征相匹配的人脸特征，也就是目标候选人脸特征；若存在一个大于阈值的相似度，则直接将该候选人脸特征确定为与对象人脸特征相匹配的人脸特征。将目标候选人脸特征对应的对象标识确定为目标对象的对象标识，可以为基于目标候选人脸特征从目标数据库中获取与该目标候选人脸特征关联存储的对象标识，也就是获取到目标对象的对象标识，由此可以在目标对象不输入相关信息的情况下，快速准确地确定出目标对象的身份。
若该多个相似度均小于阈值，则表示对象人脸特征与目标数据库中的多个候选人脸特征均不匹配，进而将该目标对象确定为陌生对象。该陌生对象可以为未在目标数据库中录入候选人脸特征的对象，即认为该目标对象为未在该业务办理点办理业务，或未在该业务办理点的其他同类业务办理点(如属于同一企业的业务办理点)办业务的对象。陌生对象对应一个对象标识，也就是陌生对象标识，为陌生对象特有的标识，以指示该对象为陌生对象，如可以以000标识该对象为陌生对象。通常来说，陌生对象关联有对应的业务办理范围，通过陌生对象标识即可确定陌生对象的业务办理范围。
在一种可能的实施方式中，若获取的目标对象的人脸图像数据为多个，也就是有多个对象人脸特征，进而可以针对每个对象人脸特征均确定对应的目标候选人脸特征，从而根据多个对象人脸特征对应的目标候选人脸特征确定最终的目标候选人脸特征，进而基于该最终的目标候选人脸特征确定目标对象的对象标识。例如可以将该多个目标候选人脸特征中重复的数量最多的目标候选人脸特征确定为最终的目标候选人脸特征。通过针对同一目标对象的多个人脸图像数据分别确定相匹配的候选人脸特征，可以避免获取的人脸图像数据不清晰而识别错误的情况，提升目标对象的对象标识的确定准确性。
S205、基于目标对象的对象标识获取目标对象的业务办理范围，基于业务办理范围确定目标对象对待办业务信息所指示的待办业务的办理权限。
其中，该业务办理范围可以指示目标对象哪些业务可以办理或者哪些业务不可以办理，也就是说，该业务办理范围可以指示针对每种业务的办理权限。该办理权限用于指示对象能否办理对应的业务。由此可以通过人脸识别确定目标对象的身份，在目标对象等候办理业务时，提前查询到目标对象的业务办理范围。
在一种可能的实施方式中，若该目标对象不为陌生对象，则该目标对象的业务办理范围可以根据黑名单数据库进行确定。该黑名单数据库中包括多个被加入黑名单的对象的对象标识，若检测到目标对象的对象标识属于该黑名单数据库，则表示该目标对象不能够进行部分或全部的业务的办理，进而可以确定出目标对象哪些业务不可办理，确定出目标对象的业务办理范围。
在一种可能的实施方式中，若该目标对象为陌生对象，则该目标对象的业务办理范围可以根据陌生对象对应的业务办理范围进行确定。可以理解的是，陌生对象可以为未在该业务办理点办理业务，或未在该业务办理点的其他同类业务办理点(如属于同一企业的业务办理点)办业务的对象。若目标对象是陌生对象，则可能无法办理一些非陌生对象才有资格办理的业务。可选的，电子设备可以直接根据陌生对象标识获取陌生对象对应的业务办理范围作为目标对象的业务办理范围。
S206、若办理权限指示待办业务不可办理，则获取目标对象对应的排队序号，并输出提示信息以提示排队序号对应的对象的待办业务不可办理。
其中，该提示信息可以为用于提示目标对象的待办业务不可办理的提示信息。可选的，该提示信息可以以语音播报的形式进行输出，也可以以文字的形式在显示界面中输出，此处不做限制。
可以理解的是，在输出的提示信息中，可以输出的排队序号对应的待办业务不可办理，由此可以保护目标对象的隐私。例如，输出的提示信息可以为“89号的客户的待办业务不可办理”。
在一种可能的实施方式中，输出提示信息以提示排队序号对应的对象的待办业务不可办理，可以包括以下步骤：基于目标对象的对象标识确定目标对象的特征信息；根据目标对象的特征信息确定目标对象对应的语音播报策略；根据目标对象对应的语音播报策略输出语音播报信息以提示排队序号对应的对象的待办业务不可办理。其中，该目标对象的特征信息可以包括目标对象的年龄信息、性别信息、性格信息等等信息，此处不做限制。该语音播报策略可以为指示输出语音播报信息时所对应的话术模板，以及对应的语音播报声音等信息的策略。例如，若目标对象的对象特征信息指示目标对象为性格比较暴躁的男性，则该语音播报策略可以采取温柔知性的女性声音输出语音播报信息，并提示目标对象有相关问题可以找相关人员进行咨询，避免客户在得知待办业务不可办理时情绪暴躁，通过温柔知性的女性声音进行播报以进行情绪安抚，以提升用户体验。又如，若目标对象的对象特征信息指示目标对象为老年人，则该语音播报策略可以采取辨识度较高的声音输出语音播报信息，且输出语音播报信息时声音更大，避免老年人听不清语音播报信息，并提示目标对象有相关问题可以找相关人员进行咨询。由此可以通过根据目标对象的特征信息采取对应的语音播报策略，提升目标对象的用户体验。
根据目标对象对应的语音播报策略输出语音播报信息，可以为获取目标对象对应的语音播报策略所指示的话术模板，将目标对象对应的排队序号替换至话术模板中的对应位置，则可得到语音播报信息的内容，进而输出语音播报信息。例如，目标对象对应的语音播报策略所指示的话术模板为“【排队序号】号的客户的待办业务不可办理，有疑问请咨询业务办理点的相关人员”，将话术模板中的【排队序号】替换为目标对象的排队序号，若目标对象的排队序号为77号，则语音播报信息的内容可以为“77号的客户的待办业务不可办理，有疑问请咨询业务办理点的相关人员”。
在一种可能的实施方式中，若办理权限指示待办业务不可办理，还可以根据目标对象的对象标识获取目标对象预留的联系方式，并利用该预留的联系方式向目标对象的终端发送短信以提示目标对象的待办业务不可办理。由此可以更精准的让目标对象知晓待办业务不可办理，避免目标对象没有留意语音播报的情况。
在一种可能的实施方式中，若办理权限指示待办业务不可办理，还可以基于目标对象的动向和/或目标对象的特征信息确定目标对象的该提示信息的提示策略。该提示策略可以指示采用何种方式输出提示信息，如可以通过业务办理点的语音播报设备输出提示信息，也可以通过业务办理点的等候区域的显示屏设备输出提示信息，还可以为通过目标对象的联系方式将提示信息发送至目标对象的终端，还可以为人工提醒，此处不做限制。例如，当检测到目标对象进入等候区域，则通过等候区域的显示屏设备输出提示信息，以便于目标对象通过等候区域的显示屏设备看到提示信息；当检测到目标对象离开业务办理点时，可以根据目标对象的对象标识获取目标对象预留的联系方式，并利用该预留的联系方式向目标对象的终端发送短信以提示目标对象的待办业务不可办理；当检测到目标对象未进入等候区域且未离开业务办理点时，通过业务办理点的语音播报设备输出提示信息；当检测到目标对象为老年人时，由于老年人视力和听觉可能存在障碍，则可以向业务办理点的工作客户端发送提示信息，以提示让业务办理点的相关人员人工进行提醒。可以理解的是，在一些场景中，还可以多个融合上述多种提示策略，以通过多种提示策略输出提示信息，此处不做限制。
其中，获取目标对象的动向可以为获取目标对象离开取号区域时的全身图像数据，对该目标对象的全身图像进行特征提取，得到第一特征信息，并与目标对象的排队序号关联存储至缓存区域。然后基于业务办理点的出口、等候区域的入口等地的图像采集设备，获取退出业务办理点的对象的全身图像数据以及进入等候区域的对象的全身图像数据，进而得到根据业务办理点的出口以及等候区域的入口的全身图像数据得到至少一个第二特征信息，若检测到的基于业务办理点的出口获取到的第二特征信息与第一特征信息匹配，则确定该目标对象离开业务办理点，若检测到的基于等候区域的入口的获取到的第二特征信息与第一特征信息匹配，则确定该目标对象进入等候区域。可选的，若检测到目标对象完成业务办理，则可以将缓存区域存储的第一特征信息与目标对象的排队序号存储的数据删除。
在一种可能的实施方式中，若办理权限指示待办业务可办理，则可以不输出提示信息，也就是使目标对象默默等候即可。可选的，还可以确定目标对象的待办业务的预测办理时长，并输出提示信息以提示目标对象办理该待办业务可能需要的时长。
本申请实施例中，接收进入取号区域的目标对象输入的待办业务信息，并输出目标对象的排队序号；获取目标对象在取号区域的人脸图像数据，并根据人脸图像数据得到对象人脸特征；获取目标数据库中的多个候选人脸特征，将对象人脸特征与多个候选人脸特征分别进行匹配，并根据匹配结果确定目标对象的对象标识；基于目标对象的对象标识获取目标对象的业务办理范围，基于业务办理范围确定目标对象对待办业务信息所指示的待办业务的办理权限；若办理权限指示待办业务不可办理，则获取目标对象对应的排队序号，并输出提示信息以提示排队序号对应的对象的待办业务不可办理。由此可以在对象办理业务之前，提前告知目标对象是否能够办理待办业务，避免在业务办理时进行业务办理权限的验证，有助于提升业务办理的效率。
请参见图3，图3是本申请实施例提供的一种基于人脸识别的业务办理方法的流程示意图，可以由上述电子设备执行。该方法可以包括以下步骤。
S301、获取至少一个等候对象的对象标识和等候待办业务信息。
其中，该等候对象为在目标对象之前获取到排队序号且未完成业务办理的对象。该等候待办业务信息可以为每个等候对象对应的待办业务的信息，该等候待办业务信息所指示的待办业务也可称为等候待办业务。在一种实际业务场景中，在输出针对进入取号区域的对象的排队序号后，则可将该排队序号对应的对象确定为等候对象，并获取该等候对象的对象标识和等候待办业务信息进行处理。可选的，可以基于该至少一个等候对象构建等候对象集合，若检测到等候对象的待办业务办理完毕，则将该等候对象从等候对象集合中删除，也就是不再将该对象作为等候对象。
S302、针对每一个等候对象，基于等候对象的对象标识确定等候对象的特征信息，并基于等候对象的特征信息从多个对象分群中确定出等候对象所属的目标对象分群。
其中，该多个对象分群可以为基于分群对象的特征信息进行划分的分群，每个对象分群中包括多个分群对象。该分群对象可以为在业务办理点办理过业务的对象，且每个分群对象均关联有办理过的业务的办理时长。该办理时长可以为分群对象办理业务所消耗的时间。
分群对象的特征信息可以包括对象的年龄信息、性别信息、学历信息等等信息，此处不做限制。进而每个对象分群中的分群对象具有相似的特征信息，例如，可以按照年龄信息将分群对象划分为多个对象分群，每个对象分群中分群对象属于不同年龄范围，也可以按照学历信息将分群对象划分为多个对象分群，每个对象分群中分群对象属于不同学历，或者，还可以基于多个特征划分为更细致的对象分群，此处不做限制。进而可以通过等候对象的特征信息从多个对象分群中确定出等候对象所属的目标对象分群。
S303、基于目标对象分群中的分群对象办理等候待办业务信息所指示的待办业务的业务办理时长，确定出等候对象分别对应的预测业务办理时长。
其中，该预测业务办理时长可以为预计的等候对象办理对应的待办业务的时长。
目标对象分群中的分群对象具有部分分群对象办理过该等候待办业务，则可以从目标对象人群中确定出办理过该等候待办业务的分群对象，进而获取办理过该等候待办业务的分群对象办理该等候待办业务的业务办理时长，然后基于该获取的多个业务办理时长确定出预测业务办理时长。例如，可以将多个分群对象针对等候待办业务的业务办理时长的平均值作为等候对象对应的预测业务办理时长，也可以将多个分群对象针对等候待办业务的业务办理时长的众数作为等候对象对应的预测业务办理时长，众数为一组数据中出现次数最多的数值，若存在多个众数，则可以将与平均值的差最小的众数作为最终的众数。
可以理解是，针对每个等候对象都可以执行S302-S303所对应的操作，则可以得到等候对象分别对应的预测业务办理时长。在一种实际应用场景中，当每次获取接收目标对象输入的待办业务信息，并响应于接收到的待办业务信息生成目标对象对应的排队序号后，也可以将该目标对象确定为等候对象，进而计算该等候对象对应的预测业务办理时长。
S304、根据至少一个等候对象对应的预测业务办理时长生成第一预测等候时长，并输出第一预测等候时长。
其中，该第一预测等候时长可以为在接收目标对象的待办业务信息之前，预计的所有等候对象办理业务所需的时长。
在一种可能的实施方式中，根据至少一个等候对象对应的预测业务办理时长生成第一预测等候时长，可以为将至少一个等候对象对应的预测业务办理相加作为第一预测等候时长。
在一种可能的实施方式中，根据至少一个等候对象对应的预测业务办理时长生成第一预测等候时长，也可以为在至少一个等候对象对应的预测业务办理的基础上加上预设调节时长，进而可以将至少一个等候对象对应的预测业务办理时长以及预设调节时长相加作为第一预测等候时长。该预设调节时长可以为实际业务办理时长之外的时长，如被叫号的人去到业务办理窗口这个过程所花费的时长。进而通过预设调节时长可以使得第一预测等候时长的确定更加准确。该预设调节时长可以基于经验进行设置，也可以为基于历史排队数据进行统计计算得到，此处不做限制。
在一种可能的实施方式中，根据至少一个等候对象对应的业务办理时长生成第一预测等候时长，还可以包括以下步骤：确定业务办理窗口的数量；基于业务办理窗口的数量与至少一个等候对象对应的业务办理时长生成第一预测等候时长。该业务办理窗口可以为用于办理业务的窗口，业务办理窗口越多，则表示同一时间可以有更多的对象进行业务办理。可选的，基于业务办理窗口的数量与至少一个等候对象对应的业务办理时长生成第一预测等候时长，可以为将至少一个等候对象对应的业务办理时长候，再除以业务办理窗口的数量，则可以得到第一预测等候时长。
在一种可能的实施方式中，还可以检测当前是否有等候对象，若有等候对象，则获取至少一个等候对象的对象标识和等候待办业务信息，以进行处理得到第一预测等候时长。若没有等候对象，则可以直接输出第一预测等候时长为零。
输出第一预测等候时长可以为于电子设备的显示界面中显示第一预测等候时长，也可以为输出语音提示信息以提示第一预测等候时间。由此可以使得目标对象知晓当前办理业务需要等候的时长，若目标对象不想长时间等候，则可以直接放弃业务办理，不输入待办业务信息，若目标对象在知晓当前办理业务需要等候的时长，仍要进行业务办理，则可以输入待办业务信息。
S305、接收进入取号区域的目标对象输入的待办业务信息，并响应于接收到的待办业务信息输出目标对象的排队序号。
S306、获取目标对象在取号区域的人脸图像数据，对目标对象的人脸图像数据进行特征提取，得到针对目标对象的对象人脸特征。
S307、获取目标数据库中的多个候选人脸特征。
S308、将对象人脸特征与多个候选人脸特征分别进行匹配，得到匹配结果，并根据匹配结果确定目标对象的对象标识。
S309、基于目标对象的对象标识获取目标对象的业务办理范围，基于业务办理范围确定目标对象对待办业务信息所指示的待办业务的办理权限。
S310、若办理权限指示待办业务不可办理，则获取目标对象对应的排队序号，并输出提示信息以提示排队序号对应的对象的待办业务不可办理。
步骤S305-S310可以参照步骤S201-S206，此处不做赘述。
在一种可能的实施方式中，若办理权限指示待办业务信息可办理，则可以进而计算该等候对象对应的预测业务办理时长。具体可以包括以下步骤：若办理权限指示待办业务信息可办理，则基于目标对象的对象标识确定目标对象的特征信息，并基于目标对象的特征信息从多个对象分群中确定出目标对象所属的目标对象分群；基于目标对象分群中的分群对象办理待办业务信息所指示的待办业务的业务办理时长，确定出目标对象对应的预测业务办理时长；根据目标对象对应的预测业务办理时长以及第一预测等候时长生成第二预测等候时长，并输出第二预测等候时长。
其中，该第二预测等候时长为基于在第一预测等候时长的基础上增加了目标喜爱那个的预测业务办理时长的时长，相当于第二预测等候时长为基于第一预测等候时长更新后的预测等候时长。该第二预测等候时长可以用于提示下一个进入取号区域的目标对象预计的等候时长，也可以提示目标对象从获取到排队序号到完整业务办理共需要花费的时间。确定出目标对象对应的预测业务办理时长的相关描述可以参照步骤S302-S303的相关描述，也就是将该目标对象作为一个候选对象进行处置，该目标对象的待办业务信息即为对应的候选待办业务信息，此处不做赘述。
根据目标对象对应的预测业务办理时长以及第一预测等候时长生成第二预测等候时长，可以为将预测业务办理时长与第一预测等候时长相加，即可得到第二预测等候时长。可选的，还可以为第一预测等候时长加上目标对象的预测业务办理时长以及预设调节时长，得到第二预测等候时长。输出第二预测等候时长可以与输出第一预测等候时长的过程相似，此处不做赘述。
可以理解的是，预测等候时长可以实时进行更新，当接收到新的对象的待办业务信息，则可以将该新的对象加入候选对象集合，并基于该新的对象的对象标识以及待办业务信息确定对应的预测办理时长，进而在之前的预测等候时长(如第一预测等候时长)的基础上增加该预测办理时长。当检测到等候对象的业务办理完毕，则可以在之前的预测等候时长的基础上减少该业务办理完毕的等候对象的预测办理时长。由此可以实现预测等候时长的动态更新，以供进入取号区域的目标对象知晓更准确的预测等候时间。
本申请实施例中，通过至少一个等候对象的对象标识和等候待办业务信息，确定出第一预测等候时长，然后接收进入取号区域的目标对象输入的待办业务信息，并输出目标对象的排队序号；获取目标对象在取号区域的人脸图像数据，并根据人脸图像数据得到对象人脸特征；获取目标数据库中的多个候选人脸特征，将对象人脸特征与多个候选人脸特征分别进行匹配，并根据匹配结果确定目标对象的对象标识；基于目标对象的对象标识获取目标对象的业务办理范围，基于业务办理范围确定目标对象对待办业务信息所指示的待办业务的办理权限；若办理权限指示待办业务不可办理，则获取目标对象对应的排队序号，并输出提示信息以提示排队序号对应的对象的待办业务不可办理。由此可以在对象获取排队序号之前，输出第一预测等候时长，以便于让对象选择是否需要进行排队取号，并在业务办理之前提前告知目标对象是否能够办理待办业务，避免在业务办理时进行业务办理权限的验证，有助于提升业务办理的效率。
请参见图4，图4是本申请实施例提供的一种基于人脸识别的业务办理装置的结构示意图。可选的，该基于人脸识别的业务办理装置可以设置于上述电子设备中。如图4所示，本实施例中所描述的基于人脸识别的业务办理装置可以包括：
接收单元401，用于接收进入取号区域的目标对象输入的待办业务信息，并响应于接收到的所述待办业务信息输出所述目标对象的排队序号；
获取单元402，用于获取所述目标对象在所述取号区域的人脸图像数据，对所述目标对象的所述人脸图像数据进行特征提取，得到针对所述目标对象的对象人脸特征；
所述获取单元403，还用于获取目标数据库中的多个候选人脸特征，所述目标数据库中的每个候选人脸特征对应一个对象标识；
处理单元403，用于将所述对象人脸特征与所述多个候选人脸特征分别进行匹配，得到匹配结果，并根据所述匹配结果确定所述目标对象的对象标识；
所述处理单元403，还用于基于所述目标对象的对象标识获取所述目标对象的业务办理范围，基于所述业务办理范围确定所述目标对象对所述待办业务信息所指示的待办业务的办理权限；
所述处理单元403，还用于若所述办理权限指示所述待办业务不可办理，则获取所述目标对象对应的所述排队序号，并输出提示信息以提示所述排队序号对应的对象的待办业务不可办理。
在一种实现方式中，所述处理单元403，还用于：
获取至少一个等候对象的对象标识和等候待办业务信息，所述等候对象为在所述目标对象之前获取到排队序号且未完成业务办理的对象；
针对每一个等候对象，基于所述等候对象的对象标识确定所述等候对象的特征信息，并基于所述等候对象的特征信息从多个对象分群中确定出所述等候对象所属的目标对象分群；每个对象分群中包括多个分群对象，所述多个对象分群基于所述分群对象的特征信息进行划分；
基于所述目标对象分群中的分群对象办理所述等候待办业务信息所指示的待办业务的业务办理时长，确定出所述等候对象分别对应的预测业务办理时长；
根据所述至少一个等候对象对应的预测业务办理时长生成第一预测等候时长，并输出所述第一预测等候时长。
在一种实现方式中，所述处理单元403，还用于：
若所述办理权限指示所述待办业务信息可办理，则基于所述目标对象的对象标识确定所述目标对象的特征信息，并基于所述目标对象的特征信息从多个对象分群中确定出所述目标对象所属的目标对象分群；
基于所述目标对象分群中的分群对象办理所述待办业务信息所指示的待办业务的业务办理时长，确定出所述目标对象对应的预测业务办理时长；
根据所述目标对象对应的预测业务办理时长以及所述第一预测等候时长生成第二预测等候时长，并输出所述第二预测等候时长。
在一种实现方式中，所述处理单元403，具体用于：
确定业务办理窗口的数量；
基于所述业务办理窗口的数量与所述至少一个等候对象对应的业务办理时长生成第一预测等候时长。
在一种实现方式中，所述处理单元403，具体用于：
分别确定所述对象人脸特征与所述多个候选人脸特征之间的相似度；
若所述对象人脸特征与所述多个候选人脸特征之间的相似度中存在至少一个相似度大于阈值，则根据所述大于阈值的至少一个相似度对应的候选人脸特征确定与所述对象人脸特征相匹配的目标候选人脸特征，并将所述目标候选人脸特征对应的对象标识确定为所述目标对象的对象标识；
若所述对象人脸特征与所述多个候选人脸特征之间的相似度均小于阈值，则确定所述对象人脸特征与所述目标数据库中的多个候选人脸特征均不匹配，并确定所述目标对象为陌生对象，将所述陌生对象的陌生对象标识确定为所述目标对象的对象标识。
在一种实现方式中，所述处理单元403，还用于：
获取多个候选对象的对象标识以及人脸图像数据；
调用目标模型对每个候选对象的人脸图像数据进行处理，得到每个候选对象对应的候选人脸特征；
将每个候选对象对应的候选人脸特征与对应的对象标识关联存储至目标数据库。
在一种实现方式中，所述处理单元403，具体用于：
基于所述目标对象的对象标识确定所述目标对象的特征信息；
根据所述目标对象的特征信息确定所述目标对象对应的语音播报策略；
根据所述目标对象对应的语音播报策略输出语音播报信息以提示所述排队序号对应的对象的待办业务不可办理。
请参见图5，图5是本申请实施例提供的一种电子设备的结构示意图。本实施例中所描述的电子设备，包括：处理器501、存储器502。可选的，该电子设备还可包括网络接口503或供电模块等结构。上述处理器501、存储器502以及网络接口503之间可以交互数据。
上述处理器501可以是中央处理单元(Central Processing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
上述网络接口503可以包括输入设备和/或输出设备，例如该输入设备是可以是控制面板、麦克风、接收器等，输出设备可以是显示屏、发送器等，此处不一一列举。例如，在申请实施例中，该网络接口可包括接收器和发送器。
上述存储器502可以包括只读存储器和随机存取存储器，并向处理器501提供程序指令和数据。存储器502的一部分还可以包括非易失性随机存取存储器。其中，所述处理器501调用所述程序指令时用于执行：
接收进入取号区域的目标对象输入的待办业务信息，并响应于接收到的所述待办业务信息输出所述目标对象的排队序号；
获取所述目标对象在所述取号区域的人脸图像数据，对所述目标对象的所述人脸图像数据进行特征提取，得到针对所述目标对象的对象人脸特征；
获取目标数据库中的多个候选人脸特征，所述目标数据库中的每个候选人脸特征对应一个对象标识；
将所述对象人脸特征与所述多个候选人脸特征分别进行匹配，得到匹配结果，并根据所述匹配结果确定所述目标对象的对象标识；
基于所述目标对象的对象标识获取所述目标对象的业务办理范围，基于所述业务办理范围确定所述目标对象对所述待办业务信息所指示的待办业务的办理权限；
若所述办理权限指示所述待办业务不可办理，则获取所述目标对象对应的所述排队序号，并输出提示信息以提示所述排队序号对应的对象的待办业务不可办理。
在一种实现方式中，所述处理器501，还用于：
获取至少一个等候对象的对象标识和等候待办业务信息，所述等候对象为在所述目标对象之前获取到排队序号且未完成业务办理的对象；
针对每一个等候对象，基于所述等候对象的对象标识确定所述等候对象的特征信息，并基于所述等候对象的特征信息从多个对象分群中确定出所述等候对象所属的目标对象分群；每个对象分群中包括多个分群对象，所述多个对象分群基于所述分群对象的特征信息进行划分；
基于所述目标对象分群中的分群对象办理所述等候待办业务信息所指示的待办业务的业务办理时长，确定出所述等候对象分别对应的预测业务办理时长；
根据所述至少一个等候对象对应的预测业务办理时长生成第一预测等候时长，并输出所述第一预测等候时长。
在一种实现方式中，所述处理器501，还用于：
若所述办理权限指示所述待办业务信息可办理，则基于所述目标对象的对象标识确定所述目标对象的特征信息，并基于所述目标对象的特征信息从多个对象分群中确定出所述目标对象所属的目标对象分群；
基于所述目标对象分群中的分群对象办理所述待办业务信息所指示的待办业务的业务办理时长，确定出所述目标对象对应的预测业务办理时长；
根据所述目标对象对应的预测业务办理时长以及所述第一预测等候时长生成第二预测等候时长，并输出所述第二预测等候时长。
在一种实现方式中，所述处理器501，具体用于：
确定业务办理窗口的数量；
基于所述业务办理窗口的数量与所述至少一个等候对象对应的业务办理时长生成第一预测等候时长。
在一种实现方式中，所述处理器501，具体用于：
分别确定所述对象人脸特征与所述多个候选人脸特征之间的相似度；
若所述对象人脸特征与所述多个候选人脸特征之间的相似度中存在至少一个相似度大于阈值，则根据所述大于阈值的至少一个相似度对应的候选人脸特征确定与所述对象人脸特征相匹配的目标候选人脸特征，并将所述目标候选人脸特征对应的对象标识确定为所述目标对象的对象标识；
若所述对象人脸特征与所述多个候选人脸特征之间的相似度均小于阈值，则确定所述对象人脸特征与所述目标数据库中的多个候选人脸特征均不匹配，并确定所述目标对象为陌生对象，将所述陌生对象的陌生对象标识确定为所述目标对象的对象标识。
在一种实现方式中，所述处理器501，还用于：
获取多个候选对象的对象标识以及人脸图像数据；
调用目标模型对每个候选对象的人脸图像数据进行处理，得到每个候选对象对应的候选人脸特征；
将每个候选对象对应的候选人脸特征与对应的对象标识关联存储至目标数据库。
在一种实现方式中，所述处理器501，具体用于：
基于所述目标对象的对象标识确定所述目标对象的特征信息；
根据所述目标对象的特征信息确定所述目标对象对应的语音播报策略；
根据所述目标对象对应的语音播报策略输出语音播报信息以提示所述排队序号对应的对象的待办业务不可办理。
可选的，该程序指令被处理器执行时还可实现上述实施例中方法的其他步骤，这里不再赘述。
本申请还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计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述方法，比如执行上述电子设备执行的方法，此处不赘述。
可选的，本申请涉及的存储介质如计算机可读存储介质可以是非易失性的，也可以是易失性的。
可选的，该计算机可读存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。其中，本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
需要说明的是，对于前述的各个方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某一些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(Random AccessMemory，RAM)、磁盘或光盘等。
本申请实施例还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上述各方法的实施例中所执行的步骤。例如，该计算机设备可以为终端，或者可以为服务器。
以上对本申请实施例所提供的一种基于人脸识别的业务办理方法、装置、电子设备及存储介质进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种基于人脸识别的业务办理方法，其特征在于，包括：
接收进入取号区域的目标对象输入的待办业务信息，并响应于接收到的所述待办业务信息输出所述目标对象的排队序号；
获取所述目标对象在所述取号区域的人脸图像数据，对所述目标对象的所述人脸图像数据进行特征提取，得到针对所述目标对象的对象人脸特征；
获取目标数据库中的多个候选人脸特征，所述目标数据库中的每个候选人脸特征对应一个对象标识；
将所述对象人脸特征与所述多个候选人脸特征分别进行匹配，得到匹配结果，并根据所述匹配结果确定所述目标对象的对象标识；
基于所述目标对象的对象标识获取所述目标对象的业务办理范围，基于所述业务办理范围确定所述目标对象对所述待办业务信息所指示的待办业务的办理权限；
若所述办理权限指示所述待办业务不可办理，则获取所述目标对象对应的所述排队序号，并输出提示信息以提示所述排队序号对应的对象的待办业务不可办理。
2.根据权利要求1所述方法，其特征在于，所述接收进入取号区域的目标对象输入的待办业务信息之前，所述方法还包括：
获取至少一个等候对象的对象标识和等候待办业务信息，所述等候对象为在所述目标对象之前获取到排队序号且未完成业务办理的对象；
针对每一个等候对象，基于所述等候对象的对象标识确定所述等候对象的特征信息，并基于所述等候对象的特征信息从多个对象分群中确定出所述等候对象所属的目标对象分群；每个对象分群中包括多个分群对象，所述多个对象分群基于所述分群对象的特征信息进行划分；
基于所述目标对象分群中的分群对象办理所述等候待办业务信息所指示的待办业务的业务办理时长，确定出所述等候对象分别对应的预测业务办理时长；
根据所述至少一个等候对象对应的预测业务办理时长生成第一预测等候时长，并输出所述第一预测等候时长。
3.根据权利要求2所述方法，其特征在于，所述方法还包括：
若所述办理权限指示所述待办业务信息可办理，则基于所述目标对象的对象标识确定所述目标对象的特征信息，并基于所述目标对象的特征信息从多个对象分群中确定出所述目标对象所属的目标对象分群；
基于所述目标对象分群中的分群对象办理所述待办业务信息所指示的待办业务的业务办理时长，确定出所述目标对象对应的预测业务办理时长；
根据所述目标对象对应的预测业务办理时长以及所述第一预测等候时长生成第二预测等候时长，并输出所述第二预测等候时长。
4.根据权利要求2所述方法，其特征在于，所述根据所述至少一个等候对象对应的业务办理时长生成第一预测等候时长，包括：
确定业务办理窗口的数量；
基于所述业务办理窗口的数量与所述至少一个等候对象对应的业务办理时长生成第一预测等候时长。
5.根据权利要求1所述方法，其特征在于，所述将所述对象人脸特征与所述多个候选人脸特征分别进行匹配，得到匹配结果，并根据所述匹配结果确定所述目标对象的对象标识，包括：
分别确定所述对象人脸特征与所述多个候选人脸特征之间的相似度；
若所述对象人脸特征与所述多个候选人脸特征之间的相似度中存在至少一个相似度大于阈值，则根据所述大于阈值的至少一个相似度对应的候选人脸特征确定与所述对象人脸特征相匹配的目标候选人脸特征，并将所述目标候选人脸特征对应的对象标识确定为所述目标对象的对象标识；
若所述对象人脸特征与所述多个候选人脸特征之间的相似度均小于阈值，则确定所述对象人脸特征与所述目标数据库中的多个候选人脸特征均不匹配，并确定所述目标对象为陌生对象，将所述陌生对象的陌生对象标识确定为所述目标对象的对象标识。
6.根据权利要求1所述方法，其特征在于，所述获取目标数据库中的多个候选人脸特征之前，所述方法还包括：
获取多个候选对象的对象标识以及人脸图像数据；
调用目标模型对每个候选对象的人脸图像数据进行处理，得到每个候选对象对应的候选人脸特征；
将每个候选对象对应的候选人脸特征与对应的对象标识关联存储至目标数据库。
7.根据权利要求1所述方法，其特征在于，所述输出提示信息以提示所述排队序号对应的对象的待办业务不可办理，包括：
基于所述目标对象的对象标识确定所述目标对象的特征信息；
根据所述目标对象的特征信息确定所述目标对象对应的语音播报策略；
根据所述目标对象对应的语音播报策略输出语音播报信息以提示所述排队序号对应的对象的待办业务不可办理。
8.一种数据处理装置，其特征在于，包括：
接收单元，用于接收进入取号区域的目标对象输入的待办业务信息，并响应于接收到的所述待办业务信息输出所述目标对象的排队序号；
获取单元，用于获取所述目标对象在所述取号区域的人脸图像数据，对所述目标对象的所述人脸图像数据进行特征提取，得到针对所述目标对象的对象人脸特征；
所述获取单元，还用于获取目标数据库中的多个候选人脸特征，所述目标数据库中的每个候选人脸特征对应一个对象标识；
处理单元，用于将所述对象人脸特征与所述多个候选人脸特征分别进行匹配，得到匹配结果，并根据所述匹配结果确定所述目标对象的对象标识；
所述处理单元，还用于基于所述目标对象的对象标识获取所述目标对象的业务办理范围，基于所述业务办理范围确定所述目标对象对所述待办业务信息所指示的待办业务的办理权限；
所述处理单元，还用于若所述办理权限指示所述待办业务不可办理，则获取所述目标对象对应的所述排队序号，并输出提示信息以提示所述排队序号对应的对象的待办业务不可办理。
9.一种电子设备，其特征在于，包括处理器、存储器，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求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计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111118351.9A CN113837075A (zh) | 2021-09-23 | 2021-09-23 | 基于人脸识别的业务办理方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111118351.9A CN113837075A (zh) | 2021-09-23 | 2021-09-23 | 基于人脸识别的业务办理方法、装置、电子设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113837075A true CN113837075A (zh) | 2021-12-24 |
Family
ID=78969504
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111118351.9A Pending CN113837075A (zh) | 2021-09-23 | 2021-09-23 | 基于人脸识别的业务办理方法、装置、电子设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113837075A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115240315A (zh) * | 2022-08-30 | 2022-10-25 | 中国建设银行股份有限公司 | 排队叫号方法、装置、设备、介质和产品 |
| CN116152984A (zh) * | 2022-06-30 | 2023-05-23 | 江苏楚淮软件科技开发有限公司 | 一种用于业务窗口的智能分流引导系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103914904A (zh) * | 2013-10-30 | 2014-07-09 | 北京安捷天盾科技发展有限公司 | 人脸识别排号机 |
| CN109410027A (zh) * | 2018-08-29 | 2019-03-01 | 中国建设银行股份有限公司 | 一种基于特征识别的金融信息处理方法、智能终端及介质 |
| CN109446904A (zh) * | 2018-09-25 | 2019-03-08 | 中国平安人寿保险股份有限公司 | 排队取号方法、装置、计算机设备及存储介质 |
| CN111681357A (zh) * | 2020-06-15 | 2020-09-18 | 支付宝(杭州)信息技术有限公司 | 用户的排队方法、装置、刷脸设备和业务服务器 |
| CN112818960A (zh) * | 2021-03-25 | 2021-05-18 | 平安科技（深圳）有限公司 | 基于人脸识别的等待时长处理方法、装置、设备及介质 |
| CN113158945A (zh) * | 2021-04-29 | 2021-07-23 | 上海商汤智能科技有限公司 | 基于人脸识别的业务处理方法、装置、设备及存储介质 |
-
2021
- 2021-09-23 CN CN202111118351.9A patent/CN113837075A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103914904A (zh) * | 2013-10-30 | 2014-07-09 | 北京安捷天盾科技发展有限公司 | 人脸识别排号机 |
| CN109410027A (zh) * | 2018-08-29 | 2019-03-01 | 中国建设银行股份有限公司 | 一种基于特征识别的金融信息处理方法、智能终端及介质 |
| CN109446904A (zh) * | 2018-09-25 | 2019-03-08 | 中国平安人寿保险股份有限公司 | 排队取号方法、装置、计算机设备及存储介质 |
| CN111681357A (zh) * | 2020-06-15 | 2020-09-18 | 支付宝(杭州)信息技术有限公司 | 用户的排队方法、装置、刷脸设备和业务服务器 |
| CN112818960A (zh) * | 2021-03-25 | 2021-05-18 | 平安科技（深圳）有限公司 | 基于人脸识别的等待时长处理方法、装置、设备及介质 |
| CN113158945A (zh) * | 2021-04-29 | 2021-07-23 | 上海商汤智能科技有限公司 | 基于人脸识别的业务处理方法、装置、设备及存储介质 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116152984A (zh) * | 2022-06-30 | 2023-05-23 | 江苏楚淮软件科技开发有限公司 | 一种用于业务窗口的智能分流引导系统 |
| CN116152984B (zh) * | 2022-06-30 | 2024-02-09 | 江苏楚淮软件科技开发有限公司 | 一种用于业务窗口的智能分流引导系统 |
| CN115240315A (zh) * | 2022-08-30 | 2022-10-25 | 中国建设银行股份有限公司 | 排队叫号方法、装置、设备、介质和产品 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108596616B (zh) | 用户数据真实性分析方法及装置、存储介质、电子设备 | |
| CN113837075A (zh) | 基于人脸识别的业务办理方法、装置、电子设备及介质 | |
| CN113723288B (zh) | 基于多模态混合模型的业务数据处理方法及装置 | |
| CN111343162B (zh) | 系统安全登录方法、装置、介质及电子设备 | |
| CN111639487A (zh) | 基于分类模型的字段抽取方法、装置、电子设备及介质 | |
| CN111415336B (zh) | 一种图像篡改识别方法、装置、服务器及存储介质 | |
| CN114760149B (zh) | 数据跨境合规管控方法、装置、计算机设备及存储介质 | |
| WO2021218312A1 (zh) | 业务欺诈识别数据库的构建方法、装置和计算机设备 | |
| CN113873088B (zh) | 语音通话的交互方法、装置、计算机设备和存储介质 | |
| CN113705698A (zh) | 基于点击行为预测的信息推送方法及装置 | |
| CN116628161A (zh) | 答案生成方法、装置、设备及存储介质 | |
| CN113269179B (zh) | 数据处理方法、装置、设备及存储介质 | |
| CN113780580B (zh) | 基于机器学习的数据分析方法、装置、设备及存储介质 | |
| CN113743129B (zh) | 基于神经网络的信息推送方法、系统、设备及介质 | |
| CN113326365B (zh) | 回复语句生成方法、装置、设备及存储介质 | |
| CN112364136B (zh) | 关键词生成方法、装置、设备及存储介质 | |
| CN113705468A (zh) | 基于人工智能的数字图像识别方法及相关设备 | |
| CN116092094A (zh) | 图像文本识别方法、装置、计算机可读介质及电子设备 | |
| CN113590786A (zh) | 一种数据预测方法、装置、设备及存储介质 | |
| CN113705749A (zh) | 基于深度学习的二维码识别方法、装置、设备及存储介质 | |
| CN113343970B (zh) | 文本图像检测方法、装置、设备及存储介质 | |
| CN113779635B (zh) | 一种医疗数据的校验方法、装置、设备及存储介质 | |
| CN113421575B (zh) | 声纹识别方法、装置、设备及存储介质 | |
| CN113421594B (zh) | 语音情感识别方法、装置、设备及存储介质 | |
| CN115796803B (zh) | 一种留学生学校资料模型的生成方法、系统及电子设备 |
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 |