CN113837568A - 风险订单识别方法、装置、电子设备及机器可读存储介质 - Google Patents
风险订单识别方法、装置、电子设备及机器可读存储介质 Download PDFInfo
- Publication number
- CN113837568A CN113837568A CN202111051851.5A CN202111051851A CN113837568A CN 113837568 A CN113837568 A CN 113837568A CN 202111051851 A CN202111051851 A CN 202111051851A CN 113837568 A CN113837568 A CN 113837568A
- Authority
- CN
- China
- Prior art keywords
- target
- order data
- order
- data
- current
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000012544 monitoring process Methods 0.000 claims abstract description 115
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 7
- 238000007726 management method Methods 0.000 description 29
- 238000010586 diagram Methods 0.000 description 11
- 238000001514 detection method Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 239000007787 solid Substances 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种风险订单识别方法、装置、电子设备及机器可读存储介质，该方法包括：获取订单数据；对于当前订单数据，依据所述当前订单数据的时间戳，获取目标时间范围内的目标监控数据；依据所述目标监控数据，确定所述目标时间范围内监控场景的指定区域内是否存在人员，并在所述监控场景的指定区域内不存在人员时，确定所述当前订单数据为风险订单。该方法可以实现风险订单的自动识别，并提高风险订单识别的效率和准确性。
Description
技术领域
本申请涉及数据分析和图像分析技术领域，尤其涉及一种风险订单识别方法、装置、电子设备及机器可读存储介质。
背景技术
随着信息技术的发展，各大连锁门店开始逐渐通过各类软件管理系统，使用线上手段来进行公司人员和工作管理，这些软件管理系统收集门店在运营过程中的各类数据，展示给管理者，极大地节省了人力成本和管理成本。
相较于纯线上运营，线下门店的运营有着更加复杂的影响因素。仅通过线上管理和数据查看无法真正了解到门店运营的情况，企业的运营存在各种潜在风险，因此连锁门店还需要通过数据分析手段进行异常检测追溯和风险控制，才能更好的发展。
发明内容
有鉴于此，本申请提供一种风险订单识别方法、装置、电子设备及机器可读存储介质。
根据本申请实施例的第一方面，提供一种风险订单识别方法，包括：
获取订单数据；
对于当前订单数据，依据所述当前订单数据的时间戳，获取目标时间范围内的目标监控数据；其中，所述目标时间范围的起始时间早于或等于所述当前订单数据的时间戳，所述目标时间范围的结束时间晚于或等于所述当前订单数据的时间戳，该起始时间与结束时间不同，所述目标监控数据为目标监控点位的监控数据，所述目标监控点位为与所述当前订单数据归属的订单处理设备关联的监控点位；
依据所述目标监控数据，确定所述目标时间范围内监控场景的指定区域内是否存在人员，并在所述监控场景的指定区域内不存在人员时，确定所述当前订单数据为风险订单。
根据本申请实施例的第二方面，提供一种风险订单识别装置，包括：
获取单元，用于获取订单数据；
所述获取单元，还用于对于当前订单数据，依据所述当前订单数据的时间戳，获取目标时间范围内的目标监控数据；其中，所述目标时间范围的起始时间早于或等于所述当前订单数据的时间戳，所述目标时间范围的结束时间晚于或等于所述当前订单数据的时间戳，该起始时间与结束时间不同，所述目标监控数据为目标监控点位的监控数据，所述目标监控点位为与所述当前订单数据归属的订单处理设备关联的监控点位；
确定单元，用于依据所述目标监控数据，确定所述目标时间范围内监控场景的指定区域内是否存在人员；
识别单元，用于在所述监控场景的指定区域内不存在人员时，确定所述当前订单数据为风险订单。
根据本申请实施例的第三方面，提供一种电子设备，包括处理器和机器可读存储介质，所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令，所述处理器用于执行机器可执行指令，以实现上述风险订单识别方法。
根据本申请实施例的第四方面，提供一种机器可读存储介质，所述机器可读存储介质内存储有机器可执行指令，所述机器可执行指令被处理器执行时实现上述风险订单识别方法。
本申请实施例的风险订单识别方法，通过关联订单执行设备部署监控点位，依据订单数据的时间戳关联的目标时间范围内的监控数据，确定目标时间范围内监控场景的指定区域内是否存在人员，并当目标时间范围内监控场景的指定区域内不存在人员时，确定当前订单数据为风险订单，实现了风险订单的自动识别，并提高了风险订单识别的效率和准确性。
附图说明
图1是本申请实施例提供的一种风险订单识别方法的流程示意图；
图2是本申请实施例提供的一种消费次数告警规则/打单次数告警规则的实现流程示意图；
图3是本申请实施例提供的一种风险订单识别方法的流程示意图；
图4是本申请实施例提供的一种按照门店的维度统计的POS单数据的示意图；
图5是本申请实施例提供的一种在平台上查看POS单列表页的示意图；
图6是本申请实施例提供的一种在详情页中观看录像回放确认是否风险单的示意图；
图7是本申请实施例提供的一种风险订单识别装置的结构示意图；
图8是本申请实施例提供的一种电子设备的硬件结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
为了使本领域技术人员更好地理解本申请实施例提供的技术方案，并使本申请实施例的上述目的、特征和优点能够更加明显易懂，下面结合附图对本申请实施例中技术方案作进一步详细的说明。
请参见图1，为本申请实施例提供的一种风险订单识别方法的流程示意图，如图1所示，该风险订单识别方法可以包括以下步骤：
示例性的，下文以步骤S100～步骤S120的执行主体为订单数据管理平台(简称管理平台)为例进行说明。
步骤S100、获取订单数据。
示例性的，订单数据可以为POS(Pointofsales，销售点)单据，即线下连锁门店，顾客消费时生成的POS小票。
示例性的，POS单据数据可以通过管理平台提供的接口录入到管理平台。
示例性的，订单数据可以包括但不限于订单执行设备的标识信息(如POS机编号)、门店标识、时间以及商品等信息。
步骤S110、对于当前订单数据，依据当前订单数据的时间戳，获取目标时间范围内的目标监控数据；其中，目标时间范围的起始时间早于或等于当前订单数据的时间戳，目标时间范围的结束时间晚于或等于当前订单数据的时间戳，该起始时间与结束时间不同，目标监控数据为目标监控点位的监控数据，目标监控点位为与当前订单数据归属的订单处理设备关联的监控点位。
示例性的，当前订单数据指当前录入到管理平台的订单数据。
本申请实施例中，考虑到正常情况下，当产生订单数据时，门店的指定区域(如收银台前的一定区域范围)通常会存在人员(即顾客)，若产生订单数据时，该指定区域不存在人员，则表明该订单数据存在风险。
相应地，为了实现指定区域是否存在人员的判定，可以在门店的特定位置部署监控点位，并将监控点位与门店对应的订单执行设备(以POS机为例)进行关联。
管理平台可以依据当前订单数据归属的POS机，确定与该POS机关联的监控点位，并依据当前订单数据的时间戳，获取以该时间戳为基准的一定时间范围(本文中称为目标时间范围)内该监控点位的监控数据(本文中称为目标监控数据)。
示例性的，目标时间范围的起始时间早于或等于当前订单数据的时间戳，目标时间范围的结束时间晚于或等于当前订单数据的时间戳，目标时间范围的起始时间与目标时间的结束时间不同。
例如，目标时间范围的起始时间可以为当前订单数据的时间戳的前10秒，目标时间范围的结束时间可以为当前订单数据的时间戳的后10秒。
步骤S120、依据目标监控数据，确定目标时间范围内监控场景的指定区域内是否存在人员，并在监控场景的指定区域内不存在人员时，确定当前订单数据为风险订单。
本申请实施例中，管理平台可以依据目标监控数据，确定目标时间范围内监控场景的指定区域，如收银台前的一定区域范围内是否存在人员，并当监控场景的指定区域内不存在人员时，可以确定当前订单数据为风险订单。
可见，在图1所示方法流程中，通过关联订单执行设备部署监控点位，依据订单数据的时间戳关联的目标时间范围内的监控数据，确定目标时间范围内监控场景的指定区域内是否存在人员，并当目标时间范围内监控场景的指定区域内不存在人员时，确定当前订单数据为风险订单，实现了风险订单的自动识别，并提高了风险订单识别的效率和准确性。
在一些实施例中，步骤S120中，依据目标监控数据，确定目标时间范围内监控场景的指定区域内是否存在人员，可以包括：
对目标监控数据进行视频帧抽取，并对所抽取的视频帧进行人员检测，以确定所抽取的视频帧的标定区域是否存在人员；
当所抽取的视频帧的标定区域存在人员时，确定目标时间范围内监控场景的指定区域内存在人员；
当所抽取的视频帧的标定区域不存在人员时，确定目标时间范围内监控场景的指定区域内不存在人员。
示例性的，为了减少人员检测的工作量，提高人员检测效率，可以通过对监控数据(如监控视频录像数据)进行抽帧的方式，得到用于进行人员检测的视频帧(可以称为待检测帧)。
示例性的，抽帧间隔可以均衡考虑准确性要求和效率要求，抽帧间隔越小，准确性越高，但工作量会增大，相应效率会降低；抽帧间隔越大，效率会越高，但准确性会下降。
示例性的，可以对所抽取的视频帧(即待检测帧)进行人员检测，以确定待检测帧的标定区域(对应上述监控场景的指定区域)是否存在人员。
当待检测帧的标定区域存在人员，即任一待检测帧的标定区域存在人员时，确定目标时间范围内监控场景的指定区域内存在人员。
当待检测帧的标定区域不存在人员，即各待检测帧的标定区域均不存在人员时，确定目标时间范围内监控场景的指定区域不存在人员。
在一些实施例中，上述依据当前订单数据的时间戳，获取目标时间范围内的目标监控数据之前，还可以包括：
获取风险订单识别规则；
当风险订单识别规则包括第一类型规则时，确定执行上述依据当前订单数据的时间戳，获取目标时间范围内的目标监控数据的操作；其中，第一类型规则用于指示订单完成时监控场景的指定区域内不存在人员的订单为风险订单。
示例性的，为了提高风险订单识别的灵活性，可以依据需求配置风险订单识别规则，并依据所配置的风险订单识别规则进行风险订单识别。
相应地，当获取到新录入的订单数据(即上述当前订单数据)时，管理平台可以获取当前应用的风险订单识别规则。
示例性的，当前应用的风险订单识别规则可以由订单导入方(如门店管理人员)根据需求配置。
其中，不同的门店的订单数据采用的风险订单识别规则可以不同，或者，不同订单执行设备的订单数据采用的风险订单识别规则可以不同。
示例性的，当获取到的风险订单识别规则中包括用于指示订单完成时监控场景的指定区域内不存在人员的订单为风险订单的规则(本文中称为第一类型规则)时，管理平台可以按照步骤S110～步骤S120中描述的方式进行风险订单识别。
在一个示例中，上述获取风险订单识别规则之后，还可以包括：
当风险订单识别规则包括第二类型规则时，确定已获取到的订单数据中是否包括第一目标订单数据，第一目标订单数据为时间戳晚于当前订单数据的时间戳的订单数据，第二类型规则用于指示预设统计周期内数量超过预设阈值的第二目标订单数据为异常订单，第二目标订单数据为同一用户的订单或同一门店的订单；
当获取到的订单数据中未包括第一目标订单数据时，确定第一统计周期内第三目标订单数据的总数是否超过所述预设阈值；其中，第三目标订单数据为与当前订单数据归属于相同用户或相同门店的订单；第一统计周期为以当前订单数据的时间戳为结束时间的统计周期；
当第一统计周期所述第三目标订单数据的总数超过预设阈值时，确定当前订单数据为风险订单。
示例性的，考虑到正常情况下同一用户通常不会连续多天在同一门店消费太多次，而同一门店在较短时间内通常也不会完成太多订单，因此，可以依据预设统计周期内同一用户的订单或同一门店的订单的数量是否超过预设阈值，来识别风险订单。
示例性的，订单数据中可以包括消费的用户的标识信息，如会员ID，同一用户的订单可以依据会员ID来识别。
示例性的，针对同一用户的订单的数量进行风险订单识别与针对同一门店的订单的数量进行风险订单识别时，预设统计周期和/或预设阈值可以不同。
示例性的，当管理平台获取到的风险订单识别规则中包括用于指示预设统计周期内数量超过预设阈值的第二目标订单数据为异常订单的规则(本文中称为第二类型规则)时，管理平台可以确定已获取到的订单数据中是否包括时间戳晚于当前订单数据的时间戳的订单数据(本文中称为第一目标订单数据)。
当管理平台确定已获取到的订单数据中未包括第一目标订单数据时，即当前订单数据是管理平台已获取到的订单数据中的最新订单数据，管理平台可以确定以当前订单数据的时间戳为结束时间的统计周期(本文中称为第一统计周期)内包括的与当前订单数据归属于相同用户或相同门店的订单(本文中称为第三目标订单数据)的总数是否超过预设阈值。
当管理平台确定第一统计周期内第三目标订单数据的总数超过预设阈值时，可以确定当前订单数据为风险订单。
需要说明的是，在本申请实施例中，当所应用的风险订单识别规则包括多种不同类型的风险订单识别规则(如上述第一类型规则和第二类型规则)时，对于任一订单数据，当该订单数据满足任一风险订单识别规则时，均可以将该订单数据确定为风险订单。当该订单数据不满足全部风险订单识别规则时，可以确定该订单数据为正常订单。
在一个示例中，上述确定已获取到的订单数据中是否包括第一目标订单数据之后，还可以包括：
当已获取到的订单数据中包括所述第一目标订单数据时，确定第一统计周期以及第二统计周期内包括的第三目标订单数据的总数是否超过预设阈值；其中，第二统计周期为以当前订单数据的时间戳为起始时间的统计周期。
示例性的，为了减少风险订单识别的计算量，当管理平台确定已获取到的订单数据中包括第一目标订单数据时，即当前订单数据不是管理平台已获取到的订单数据中的最新订单，而是历史订单，管理平台可以依据当前订单数据的时间戳，分别确定以当前订单数据的时间戳为起始时间的统计周期(本文中称为第二统计周期)，以及上述第一统计周期内的第三目标订单数据的总数是否超过预设阈值。
当第一统计周期以及第二统计周期内包括的第三目标订单数据的总数超过预设阈值时，可以认为当前订单数据以及时间戳在当前订单数据的时间戳之后的订单数据中可能存在风险订单。
此时，管理平台可以依据第二类型规则，分别确定第二统计周期内内各第三目标订单数据是否为风险订单。
作为一种示例，上述依据第二类型规则，分别确定第二统计周期内的各第三目标订单数据是否为风险订单，可以包括：
依次将第二统计周期内的各第三目标订单数据作为当前第三目标订单数据，确定第三统计周期内第三目标订单数据的数量是否超过预设阈值；第三统计周期为以当前第三目标订单数据的时间戳为结束时间的所述统计周期；
当第三统计周期内第三目标订单数据的数量超过预设阈值时，确定当前第三目标订单数据为风险订单。
示例性的，当第一统计周期以及第二统计周期内包括的第三目标订单数据的总数超过预设阈值时，管理平台可以依次确定第二统计周期内的各第三目标订单数据是否为风险订单。
示例性的，管理平台可以依次将第二统计周期内的各第三目标订单数据作为当前订单数据，并确定以当前订单数据的时间戳为结束时间的统计周期(本文中称为第三统计周期)内第三目标订单数据的数量是否超过预设阈值，并当第三统计周期内第三目标订单数据的数量超过预设阈值时，可以确定当前第三目标订单数据为风险订单。
为了使本领域技术人员更好地理解本申请实施例提供的技术方案，下面结合具体应用场景对本申请实施例提供的技术方案进行说明。
在该实施例中，风险订单识别实现流程如下：
1、线下门店安装监控设备，并将设备通道与门店对应的POS机进行关联，平台提供关联配置的功能。
2、用户对接管理平台，调用录入POS单据(即订单数据，简称POS单)的接口，将数据录入到管理平台，POS单信息可以包括但不限于POS机编号、门店标识、时间戳、商品等信息，管理平台便可通过关联配置、POS单上的时间戳获取门店对应的监控录像。
3、用户可以在平台上按照门店的维度进行风险订单识别规则配置，风险订单识别规则配置即配置该门店的POS单的风险订单识别规则。
示例性的，管理平台提供的风险订单识别规则可以包括但不限于如下风险订单识别规则中的部分或全部：
1.1、退货规则：用于指示POS单类型(即订单类型)为退货单的POS单为风险订单。
1.2、换货规则：用于指示POS单类型为换货单的POS单为风险订单。
1.3、AI智能分析打单时无顾客规则(即上述第一类型规则)：用于指示POS单的时间戳前10秒以及后10秒的时间范围内监控场景的指定区域不存在人员的POS单为风险订单。
示例性的，管理平台可以对POS单的销售时间(即POS单的时间戳对应的时间)、销售时间前10s、销售时间后10s的三个时间点进行视频帧抽取，通过AI人体检测算法，若在标定区域内三帧视频帧均无顾客，则识别为有单无人风险订单。
1.4、单品数量异常告警规则：用于指示单笔订单单品数量超过n件的POS单为风险订单。
示例性的，n1为正整数，且2≤n1≤10。
1.5、消费次数告警规则(上述第二类型规则中的一种)：用于指示同一个会员在m1天内消费超过n2次的情况为异常情况。
示例性的，m1和n2均为正整数，且1≤m1≤31，2≤n2≤50。
1.6、打单次数告警规则(上述第二类型规则中的一种)：用于指示同一门店在m2分钟内打单超过n3单的情况为异常情况。
示例性的，m2和n3为正整数，5≤m2≤1440，2≤n3≤999。
1.7、单笔订单金额异常告警规则：用于指示单笔订单金额超过n4元的POS单为风险订单。
示例性的，100≤n4≤99999。
1.8、会员积分抵扣异常告警规则：用于指示会员积分抵扣超过n5分的POS单为风险订单。
示例性的，100≤n5≤99999。
1.9、单品折扣异常告警规则：用于指示单品折扣低于n6折的POS订单为风险订单。
示例性的，0<n6≤10。
1.10、整单折扣异常告警规则：用于指示整单折扣低于n7折的POS订单为风险订单。
示例性的，0<n7≤10。
1.11、多种支付方式告警规则：用于指示单笔订单使用了多种支付方式的POS单为风险订单。
示例性的，针对上述1.5和1.6中的规则，在m时间周期(如m1天或m2分钟)内超过阈值n(如n2次或n3单)的风险订单识别规则可以包括如下两种识别情况：
1)、新录入系统的POS单(即上述当前订单数据)为最新的POS单(POS单的时间戳为当前时间或者本次POS单的时间戳之后无其他已录入的POS单)：此时，可以对前m时间周期内的数据进行统计，当前m时间周期内的对应的数据指标大于阈值n，则本次新录入的POS单为对应规则的风险订单。
示例性的，假设当前订单的时间戳为T，则可以统计[T-m，T]时间范围内对应指标是否大于阈值n。
2)、新录入系统的POS单为历史单(本次POS单的时间戳远早于当前时间或者在当前系统内在本次POS单的时间戳之后还存在其他已录入的POS单)：此时，不仅要对当前录入的POS单的风险状态进行识别，还需要对系统内在本次POS单的销售时间之后m时间周期内的其他POS单的风险状态进行再次识别(刷新风险状态)。
示例性的，为了减少风险订单识别统计的计算量，可以先统计当前POS单时间戳前后m时间周期内(2个m时间周期)的数据指标是否大于阈值n，即统计[T-m，T+m]时间范围内对应指标是否大于阈值n：
2.1)、若不大于n，则当前POS单时间戳前后m时间周期内的所有POS单均不会是风险单，识别结束；
2.2)、若大于n，则需要对当前POS单，以及时间戳晚于当前POS单的时间戳的其他POS单逐个进行风险订单识别，其实现示意图可以如图2所示。
在该实施例中，各门店可以根据需要，对上述风险订单识别规则进行自定义配置，当门店有POS单录入时，会根据配置的规则进行风险订单识别，其实现流程可以如图3所示。
其中，图3中以“有单无人”规则(即上述1.3)为例进行说明。
在该实施例中，管理平台可以按照门店的维度统计所有的POS单数据，如总单数、风险单数、退货单数、换货单数等，其示意图可以如图4所示。
在该实施例中，用户可以在平台上查看POS单列表页，可根据时间戳、门店、区域、POS单号、POS单类型等查看对应的POS单，并可以进入详情查看对应单据销售时间的录像回放，其示意图可以如图5所示。
示例性的，对于需要人工复核和标记处理的POS单，可以在详情页中观看录像回放，确认是否风险单，进行标记处理，添加处理意见，其示意图可以如图6所示。
以上对本申请提供的方法进行了描述。下面对本申请提供的装置进行描述：
请参见图7，为本申请实施例提供的一种风险订单识别装置的结构示意图，如图7所示，该风险订单识别装置可以包括：
获取单元710，用于获取订单数据；
所述获取单元710，还用于对于当前订单数据，依据所述当前订单数据的时间戳，获取目标时间范围内的目标监控数据；其中，所述目标时间范围的起始时间早于或等于所述当前订单数据的时间戳，所述目标时间范围的结束时间晚于或等于所述当前订单数据的时间戳，该起始时间与结束时间不同，所述目标监控数据为目标监控点位的监控数据，所述目标监控点位为与所述当前订单数据归属的订单处理设备关联的监控点位；
确定单元720，用于依据所述目标监控数据，确定所述目标时间范围内监控场景的指定区域内是否存在人员；
识别单元730，用于在所述监控场景的指定区域内不存在人员时，确定所述当前订单数据为风险订单。
在一些实施例中，所述确定单元720依据所述目标监控数据，确定所述目标时间范围内监控场景的指定区域内是否存在人员，包括：
对所述目标监控数据进行视频帧抽取，并对所抽取的视频帧进行人员检测，以确定所抽取的视频帧的标定区域是否存在人员；
当所抽取的视频帧的标定区域存在人员时，确定所述目标时间范围内监控场景的指定区域内存在人员；
当所抽取的视频帧的标定区域不存在人员时，确定所述目标时间范围内监控场景的指定区域内不存在人员。
在一些实施例中，所述获取单元710依据所述当前订单数据的时间戳，获取目标时间范围内的目标监控数据之前，还包括：
获取风险订单识别规则；
当所述风险订单识别规则包括第一类型规则时，确定执行依据所述当前订单数据的时间戳，获取目标时间范围内的目标监控数据的操作；其中，所述第一类型规则用于指示订单完成时监控场景的指定区域内不存在人员的订单为风险订单。
在一些实施例中，所述确定单元720，还用于当所述风险订单识别规则包括第二类型规则时，确定已获取到的订单数据中是否包括第一目标订单数据，所述第一目标订单数据为时间戳晚于当前订单数据的时间戳的订单数据，所述第二类型规则用于指示预设统计周期内数量超过预设阈值的第二目标订单数据为异常订单，所述第二目标订单数据为同一用户的订单或同一门店的订单；
当获取到的订单数据中未包括所述第一目标订单数据时，确定第一统计周期内第三目标订单数据的总数是否超过所述预设阈值；其中，所述第三目标订单数据为与所述当前订单数据归属于相同用户或相同门店的订单；所述第一统计周期为以所述当前订单数据的时间戳为结束时间的所述统计周期；
所述识别单元730，还用于当所述第一统计周期内所述第三目标订单数据的总数超过所述预设阈值时，确定所述当前订单数据为风险订单。
在一些实施例中，所述确定单元720，还用于当已获取到的订单数据中包括所述第一目标订单数据时，确定所述第一统计周期以及第二统计周期内包括的所述第三目标订单数据的总数是否超过所述预设阈值；其中，所述第二统计周期为以当前订单数据的时间戳为起始时间的所述统计周期；
所述识别单元730，还用于当所述第三目标订单数据的总数超过所述预设阈值时，依据所述第二类型规则，分别确定所述第二统计周期内的各所述第三目标订单数据是否为风险订单。
在一些实施例中，所述确定单元720，还用于依次将所述第二统计周期内的各第三目标订单数据作为当前第三目标订单数据，确定第三统计周期内第三目标订单数据的数量是否超过所述预设阈值；所述第三统计周期为以当前第三目标订单数据的时间戳为结束时间的所述统计周期；
所述识别单元730，具体用于当所述第三统计周期内第三目标订单数据的数量超过所述预设阈值时，确定当前第三目标订单数据为风险订单。
请参见图8，为本申请实施例提供的一种电子设备的硬件结构示意图。该电子设备可包括处理器801、存储有机器可执行指令的存储器802。处理器801与存储器802可经由系统总线803通信。并且，通过读取并执行存储器802中与风险订单识别控制逻辑对应的机器可执行指令，处理器801可执行上文描述的风险订单识别方法。
本文中提到的存储器802可以是任何电子、磁性、光学或其它物理存储装置，可以包含或存储信息，如可执行指令、数据，等等。例如，机器可读存储介质可以是：RAM(RadomAccess Memory，随机存取存储器)、易失存储器、非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、固态硬盘、任何类型的存储盘(如光盘、dvd等)，或者类似的存储介质，或者它们的组合。
在一些实施例中，还提供了一种机器可读存储介质，如图8中的存储器802，该机器可读存储介质内存储有机器可执行指令，所述机器可执行指令被处理器执行时实现上文描述的风险订单识别方法。例如，所述机器可读存储介质可以是ROM、RAM、CD-ROM、磁带、软盘和光数据存储设备等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。
Claims (10)
1.一种风险订单识别方法，其特征在于，包括：
获取订单数据；
对于当前订单数据，依据所述当前订单数据的时间戳，获取目标时间范围内的目标监控数据；其中，所述目标时间范围的起始时间早于或等于所述当前订单数据的时间戳，所述目标时间范围的结束时间晚于或等于所述当前订单数据的时间戳，该起始时间与结束时间不同，所述目标监控数据为目标监控点位的监控数据，所述目标监控点位为与所述当前订单数据归属的订单处理设备关联的监控点位；
依据所述目标监控数据，确定所述目标时间范围内监控场景的指定区域内是否存在人员，并在所述监控场景的指定区域内不存在人员时，确定所述当前订单数据为风险订单。
2.根据权利要求1所述的方法，其特征在于，所述依据所述目标监控数据，确定所述目标时间范围内监控场景的指定区域内是否存在人员，包括：
对所述目标监控数据进行视频帧抽取，并对所抽取的视频帧进行人员检测，以确定所抽取的视频帧的标定区域是否存在人员；
当所抽取的视频帧的标定区域存在人员时，确定所述目标时间范围内监控场景的指定区域内存在人员；
当所抽取的视频帧的标定区域不存在人员时，确定所述目标时间范围内监控场景的指定区域内不存在人员。
3.根据权利要求1所述的方法，其特征在于，所述依据所述当前订单数据的时间戳，获取目标时间范围内的目标监控数据之前，还包括：
获取风险订单识别规则；
当所述风险订单识别规则包括第一类型规则时，确定执行依据所述当前订单数据的时间戳，获取目标时间范围内的目标监控数据的操作；其中，所述第一类型规则用于指示订单完成时监控场景的指定区域内不存在人员的订单为风险订单。
4.根据权利要求3所述的方法，其特征在于，所述获取风险订单识别规则之后，还包括：
当所述风险订单识别规则包括第二类型规则时，确定已获取到的订单数据中是否包括第一目标订单数据，所述第一目标订单数据为时间戳晚于当前订单数据的时间戳的订单数据，所述第二类型规则用于指示预设统计周期内数量超过预设阈值的第二目标订单数据为异常订单，所述第二目标订单数据为同一用户的订单或同一门店的订单；
当获取到的订单数据中未包括所述第一目标订单数据时，确定第一统计周期内第三目标订单数据的总数是否超过所述预设阈值；其中，所述第三目标订单数据为与所述当前订单数据归属于相同用户或相同门店的订单；所述第一统计周期为以所述当前订单数据的时间戳为结束时间的所述统计周期；
当所述第一统计周期内所述第三目标订单数据的总数超过所述预设阈值时，确定所述当前订单数据为风险订单。
5.根据权利要求4所述的方法，其特征在于，所述确定已获取到的订单数据中是否包括第一目标订单数据之后，还包括：
当已获取到的订单数据中包括所述第一目标订单数据时，确定所述第一统计周期以及第二统计周期内包括的所述第三目标订单数据的总数是否超过所述预设阈值；其中，所述第二统计周期为以当前订单数据的时间戳为起始时间的所述统计周期；
当所述第三目标订单数据的总数超过所述预设阈值时，依据所述第二类型规则，分别确定所述第二统计周期内的各所述第三目标订单数据是否为风险订单。
6.根据权利要求5所述的方法，其特征在于，所述依据所述第二类型规则，分别确定所述第二统计周期内的各所述第三目标订单数据是否为风险订单，包括：
依次将所述第二统计周期内的各第三目标订单数据作为当前第三目标订单数据，确定第三统计周期内第三目标订单数据的数量是否超过所述预设阈值；所述第三统计周期为以当前第三目标订单数据的时间戳为结束时间的所述统计周期；
当所述第三统计周期内第三目标订单数据的数量超过所述预设阈值时，确定当前第三目标订单数据为风险订单。
7.一种风险订单识别装置，其特征在于，包括：
获取单元，用于获取订单数据；
所述获取单元，还用于对于当前订单数据，依据所述当前订单数据的时间戳，获取目标时间范围内的目标监控数据；其中，所述目标时间范围的起始时间早于或等于所述当前订单数据的时间戳，所述目标时间范围的结束时间晚于或等于所述当前订单数据的时间戳，该起始时间与结束时间不同，所述目标监控数据为目标监控点位的监控数据，所述目标监控点位为与所述当前订单数据归属的订单处理设备关联的监控点位；
确定单元，用于依据所述目标监控数据，确定所述目标时间范围内监控场景的指定区域内是否存在人员；
识别单元，用于在所述监控场景的指定区域内不存在人员时，确定所述当前订单数据为风险订单。
8.根据权利要求7所述的装置，其特征在于，所述确定单元依据所述目标监控数据，确定所述目标时间范围内监控场景的指定区域内是否存在人员，包括：
对所述目标监控数据进行视频帧抽取，并对所抽取的视频帧进行人员检测，以确定所抽取的视频帧的标定区域是否存在人员；
当所抽取的视频帧的标定区域存在人员时，确定所述目标时间范围内监控场景的指定区域内存在人员；
当所抽取的视频帧的标定区域不存在人员时，确定所述目标时间范围内监控场景的指定区域内不存在人员；
和/或，
所述获取单元依据所述当前订单数据的时间戳，获取目标时间范围内的目标监控数据之前，还包括：
获取风险订单识别规则；
当所述风险订单识别规则包括第一类型规则时，确定执行依据所述当前订单数据的时间戳，获取目标时间范围内的目标监控数据的操作；其中，所述第一类型规则用于指示订单完成时监控场景的指定区域内不存在人员的订单为风险订单；
其中，所述确定单元，还用于当所述风险订单识别规则包括第二类型规则时，确定已获取到的订单数据中是否包括第一目标订单数据，所述第一目标订单数据为时间戳晚于当前订单数据的时间戳的订单数据，所述第二类型规则用于指示预设统计周期内数量超过预设阈值的第二目标订单数据为异常订单，所述第二目标订单数据为同一用户的订单或同一门店的订单；
当获取到的订单数据中未包括所述第一目标订单数据时，确定第一统计周期内第三目标订单数据的总数是否超过所述预设阈值；其中，所述第三目标订单数据为与所述当前订单数据归属于相同用户或相同门店的订单；所述第一统计周期为以所述当前订单数据的时间戳为结束时间的所述统计周期；
所述识别单元，还用于当所述第一统计周期内所述第三目标订单数据的总数超过所述预设阈值时，确定所述当前订单数据为风险订单；
其中，所述确定单元，还用于当已获取到的订单数据中包括所述第一目标订单数据时，确定所述第一统计周期以及第二统计周期内包括的所述第三目标订单数据的总数是否超过所述预设阈值；其中，所述第二统计周期为以当前订单数据的时间戳为起始时间的所述统计周期；
所述识别单元，还用于当所述第三目标订单数据的总数超过所述预设阈值时，依据所述第二类型规则，分别确定所述第二统计周期内的各所述第三目标订单数据是否为风险订单；
其中，所述确定单元，还用于依次将所述第二统计周期内的各第三目标订单数据作为当前第三目标订单数据，确定第三统计周期内第三目标订单数据的数量是否超过所述预设阈值；所述第三统计周期为以当前第三目标订单数据的时间戳为结束时间的所述统计周期；
所述识别单元，具体用于当所述第三统计周期内第三目标订单数据的数量超过所述预设阈值时，确定当前第三目标订单数据为风险订单。
9.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器用于执行机器可执行指令，以实现如权利要求1-6任一项所述的方法。
10.一种机器可读存储介质，其特征在于，所述机器可读存储介质内存储有机器可执行指令，所述机器可执行指令被处理器执行时实现如权利要求1-6任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111051851.5A CN113837568B (zh) | 2021-09-08 | 2021-09-08 | 风险订单识别方法、装置、电子设备及机器可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111051851.5A CN113837568B (zh) | 2021-09-08 | 2021-09-08 | 风险订单识别方法、装置、电子设备及机器可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113837568A true CN113837568A (zh) | 2021-12-24 |
| CN113837568B CN113837568B (zh) | 2024-03-01 |
Family
ID=78958580
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111051851.5A Active CN113837568B (zh) | 2021-09-08 | 2021-09-08 | 风险订单识别方法、装置、电子设备及机器可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113837568B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107609950A (zh) * | 2017-09-27 | 2018-01-19 | 掌合天下（北京）信息技术有限公司 | 订单处理方法及装置 |
| CN107918905A (zh) * | 2017-11-22 | 2018-04-17 | 阿里巴巴集团控股有限公司 | 异常交易识别方法、装置及服务器 |
| CN108550052A (zh) * | 2018-04-03 | 2018-09-18 | 杭州呯嘭智能技术有限公司 | 基于用户行为数据特征的刷单检测方法及系统 |
| CN108564448A (zh) * | 2018-04-23 | 2018-09-21 | 广东奥园奥买家电子商务有限公司 | 一种订单防刷的实现方法 |
| CN111858704A (zh) * | 2020-06-29 | 2020-10-30 | 口碑(上海)信息技术有限公司 | 一种数据监控方法、装置、电子设备以及存储介质 |
| CN112561633A (zh) * | 2020-12-09 | 2021-03-26 | 完美世界控股集团有限公司 | 订单数据的校验方法、装置及设备 |
| CN112749647A (zh) * | 2020-12-30 | 2021-05-04 | 成都云盯科技有限公司 | 基于监控视频的智能收银巡检方法及系统 |
-
2021
- 2021-09-08 CN CN202111051851.5A patent/CN113837568B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107609950A (zh) * | 2017-09-27 | 2018-01-19 | 掌合天下（北京）信息技术有限公司 | 订单处理方法及装置 |
| CN107918905A (zh) * | 2017-11-22 | 2018-04-17 | 阿里巴巴集团控股有限公司 | 异常交易识别方法、装置及服务器 |
| CN108550052A (zh) * | 2018-04-03 | 2018-09-18 | 杭州呯嘭智能技术有限公司 | 基于用户行为数据特征的刷单检测方法及系统 |
| CN108564448A (zh) * | 2018-04-23 | 2018-09-21 | 广东奥园奥买家电子商务有限公司 | 一种订单防刷的实现方法 |
| CN111858704A (zh) * | 2020-06-29 | 2020-10-30 | 口碑(上海)信息技术有限公司 | 一种数据监控方法、装置、电子设备以及存储介质 |
| CN112561633A (zh) * | 2020-12-09 | 2021-03-26 | 完美世界控股集团有限公司 | 订单数据的校验方法、装置及设备 |
| CN112749647A (zh) * | 2020-12-30 | 2021-05-04 | 成都云盯科技有限公司 | 基于监控视频的智能收银巡检方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113837568B (zh) | 2024-03-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8165945B2 (en) | Transaction velocity counting for fraud detection | |
| CN108965826B (zh) | 监控方法、装置、处理设备及存储介质 | |
| CN109981328B (zh) | 一种故障预警方法及装置 | |
| KR101748122B1 (ko) | 경보의 오류율 계산 방법 | |
| EP3015989A1 (en) | System analysis device, system analysis method and system analysis program | |
| US20070253595A1 (en) | Still Image Queue Analysis System and Method | |
| JP6082341B2 (ja) | 異常検出装置及び異常検出方法 | |
| US20100257092A1 (en) | System and method for predicting a measure of anomalousness and similarity of records in relation to a set of reference records | |
| US9600391B2 (en) | Operations management apparatus, operations management method and program | |
| JP5768983B2 (ja) | 契約違反予測システム、契約違反予測方法および契約違反予測プログラム | |
| CN108154252A (zh) | 用于预估流程完成时间的方法和装置 | |
| CN110727533A (zh) | 一种告警的方法、装置、设备和介质 | |
| CN111553732A (zh) | 移动轨迹的处理方法和装置 | |
| CN108418703B (zh) | 一种基于实时事件侦测的预警方法及系统 | |
| CN106408751B (zh) | 一种atm设备的清机盘库方法及系统 | |
| KR101278135B1 (ko) | 확률론적 특허 인용 분석에 기반한 미래 유망 특허 탐색 장치 및 그 방법 | |
| CN113343056A (zh) | 一种用户用气量异常检测方法及装置 | |
| CN113837568B (zh) | 风险订单识别方法、装置、电子设备及机器可读存储介质 | |
| CN113190623A (zh) | 数据处理方法、装置、服务器和存储介质 | |
| CN111639213A (zh) | 一种异常行为的识别方法及装置 | |
| CN114679342A (zh) | 一种网络安全告警信息展示方法、装置、设备和介质 | |
| CN111507282B (zh) | 一种目标检测预警分析系统、方法、设备及介质 | |
| JP3721735B2 (ja) | 因果関係検出装置 | |
| CN112819182A (zh) | 一种钞盒状态预测模型的训练方法、装置及设备 | |
| JP5380386B2 (ja) | 機器情報管理システム及び方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |