CN113949773B - 一种实时多人视频的排队方法及系统 - Google Patents
一种实时多人视频的排队方法及系统 Download PDFInfo
- Publication number
- CN113949773B CN113949773B CN202111565558.0A CN202111565558A CN113949773B CN 113949773 B CN113949773 B CN 113949773B CN 202111565558 A CN202111565558 A CN 202111565558A CN 113949773 B CN113949773 B CN 113949773B
- Authority
- CN
- China
- Prior art keywords
- queuing
- queue
- client
- length
- determining
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 239000000463 material Substances 0.000 claims abstract description 6
- 238000002360 preparation method Methods 0.000 claims description 33
- 230000015654 memory Effects 0.000 claims description 20
- 238000004891 communication Methods 0.000 claims description 19
- 238000003860 storage Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 16
- 230000009471 action Effects 0.000 claims description 14
- 230000000977 initiatory effect Effects 0.000 claims description 11
- 230000008451 emotion Effects 0.000 claims description 10
- 230000006399 behavior Effects 0.000 claims description 9
- 230000007423 decrease Effects 0.000 claims description 5
- 238000012549 training Methods 0.000 description 46
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 230000007246 mechanism Effects 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000000306 recurrent effect Effects 0.000 description 3
- 208000019901 Anxiety disease Diseases 0.000 description 2
- 230000036506 anxiety Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000011010 flushing procedure Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000035900 sweating Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M3/00—Automatic or semi-automatic exchanges
- H04M3/42—Systems providing special services or facilities to subscribers
- H04M3/50—Centralised arrangements for answering calls; Centralised arrangements for recording messages for absent or busy subscribers ; Centralised arrangements for recording messages
- H04M3/51—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing
- H04M3/523—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing with call distribution or queueing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/14—Systems for two-way working
- H04N7/141—Systems for two-way working between two video terminals, e.g. videophone
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Business, Economics & Management (AREA)
- Marketing (AREA)
- Multimedia (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本发明提供了一种实时多人视频的排队方法及系统，属于计算机和互联网技术领域。其中，所述方法包括：S10，获取第一周期内接收到的发起视频连线请求的客户终端信息，所述客户终端信息包括客户终端数量及各客户资料；S20，在基于所述客户终端数量判断满足第一排队条件时，基于各所述客户资料确定第一排队队列；S30，对所述第一排队队列中的客户终端进行虚拟接通，基于所述虚拟接通数据对对应客户进行分析，基于分析结果对所述第一排队队列进行修正，以得到第二排队队列；S40，基于所述第二排队队列接通对应坐席终端；其中，所述第一排队队列和所述第二排队队列均包括队列序号、坐席序号。本发明的方案能够提升坐席的接听效率、降低客户无谓的等待时长。
Description
技术领域
本发明涉及计算机和互联网技术领域，具体而言，涉及一种实时多人视频的排队方法及系统。
背景技术
随着多媒体通信技术的飞速发展，视频会议技术逐渐被各行各业所应用，而且视频会议技术也日臻成熟。例如，某些企业为客户开通了视频连线功能，实现了与客户“面对面”的交流，极大的提升了沟通的效率。但是，与传统的“客服电话”方式类似的，视频连线功能实际上也面临着坐席人员不足的问题，当同时连线的客户数较多时，无法及时处理，视频排队就不可避免。但是，现有技术主要是基于发起连线的时间先后来确定视频排队的顺序，但是，这种排队方式并没有考虑到不同客户的权限、沟通事件的重要性等因素，导致客户的视频连线体验较差。
可见，如何确定合理的视频排队机制以提升坐席的接听效率、降低客户无谓的等待时长，是现有技术亟需解决的技术问题。
发明内容
为了解决上述背景技术中存在的技术问题，本发明提供了一种实时多人视频的排队方法、系统、电子设备及存储介质，以提升坐席的接听效率、降低客户无谓的等待时长。
本发明的第一方面提供了一种实时多人视频的排队方法，包括如下步骤：
S10，获取第一周期内接收到的发起视频连线请求的客户终端信息，所述客户终端信息包括客户终端数量及各客户资料；
S20，在基于所述客户终端数量判断满足第一排队条件时，基于各所述客户资料确定第一排队队列；
S30，对所述第一排队队列中的客户终端进行虚拟接通，基于所述虚拟接通数据对对应客户进行分析，基于分析结果对所述第一排队队列进行修正，以得到第二排队队列；
S40，基于所述第二排队队列接通对应坐席终端；
其中，所述第一排队队列和所述第二排队队列均包括队列序号、坐席序号。
可选地，步骤S20中，所述基于各所述客户资料确定第一排队队列，包括：
对各所述客户资料进行重要度分析，基于所述重要度分析结果确定所述第一排队队列。
可选地，步骤S30中，所述基于所述虚拟接通对对应客户进行分析，包括：基于所述虚拟接通获取所述客户终端的视频流，对所述视频流进行客户状态的识别，基于识别结果确定对应客户的准备程度；
基于所述准备程度调整所述队列序号，其中，所述准备程度越高，则对应调低所述队列序号。
可选地，所述对所述视频流进行客户状态的识别，基于所述识别结果确定对应客户的准备程度，包括：
将所述视频流输入深度识别模型，所述深度识别模型包括两部分，第一部分输出所述客户的行为特征集合，所述行为特征包括动作特征、情绪特征及对应的时间序列；第二部分计算所述行为特征集合与各准备程度的关联关系，并输出对应的准备程度。
可选地，在步骤S20之后，还包括：
基于满足所述第一排队条件的第一时长计算所述第一时长在所述第一周期内的第一比值，在所述第一比值小于或等于第一阈值时，将所述第一周期调低为第二周期；获取所述第二周期内接收到的发起视频连线请求的客户终端信息，基于所述客户终端信息确定第三排队队列；
以及，在步骤S40之后，还包括：
计算所述第二排队队列中的待接通客户终端数量满足第二排队条件的第二时长；基于所述第一时长和所述第二时长确定所述第二排队队列新的队列长度，基于所述新的队列长度和所述待接通客户终端的数量确定补入数量，将所述第三排队队列中排名靠前的所述补入数量的客户终端补入所述第二排队队列。
可选地，所述基于所述第一时长和所述第二时长确定所述第二排队队列新的队列长度，包括：
若所述第一比值小于或等于第一阈值，且所述第二时长小于或等于第二阈值，则确定所述第二排队队列新的队列长度为第一长度；
若所述第一比值小于或等于第一阈值，且所述第二时长大于第二阈值，则确定所述第二排队队列新的队列长度为第二长度；
若所述第一比值小于或等于第一阈值，且所述第二时长大于第三阈值，则确定所述第二排队队列新的队列长度为第三长度；
其中，所述第一长度、所述第二长度、所述第三长度依次减小。
可选地，在步骤S40之后，还包括：
若检测到所述客户终端断开信号，则调取该客户终端在接通过程中的网络状态信号，检测所述网络状态信号是否满足第一条件；以及，检测所述坐席终端是否满足第二条件；若所述第一条件和所述第二条件均满足，则执行虚拟连接，并尝试与该客户终端建立连接。
本发明的第二方面提供了一种实时多人视频的排队系统，包括处理模块、存储模块、通信模块、坐席终端和客户终端，所述处理模块分别与所述存储模块和所述通信模块连接，所述通信模块分别与所述坐席终端和所述客户终端连接；其中，
所述存储模块，用于存储可执行的计算机程序代码；
所述通信模块，用于实现所述坐席终端和所述客户终端的通信连接；
所述处理模块，用于通过调用所述存储模块中的所述可执行的计算机程序代码，执行如前任一项所述的方法。
本发明的第三方面提供了一种电子设备，包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行如前任一项所述的方法。
本发明的第四方面提供了一种计算机存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上任一项所述的方法。
本发明的有益效果在于：
本发明的技术方案在第一周期内接收到若干视频连线请求时，先基于已经获取到的客户终端信息来确定初始的第一排队队列，再通过虚拟接通技术来分析得出对应客户的准备状态，进而对第一排队队列进行修正以得出第二排队队列，此时再依照第二排队队列依次接通客户终端与坐席终端的视频连线即可。本发明的方案能够确定合理的视频连线的接通顺序，一方面可以减少客户的接通等待时长，降低坐席终端的空闲率，提高整体的接听效率；另一方面，还能够根据客户的重要程度、准备状态等针对性调节接通顺序，能够极大的提高客户的使用体验。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1是本发明实施例公开的一种实时多人视频的排队方法的流程示意图。
图2是本发明实施例公开的一种实时多人视频的排队场景的示意图。
图3是本发明实施例公开的一种实时多人视频的排队系统的结构示意图。
图4是本发明实施例公开一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中，需要说明的是，若出现术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，若出现术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
需要说明的是，在不冲突的情况下，本发明的实施例中的特征可以相互结合。
实施例一
请参阅图1，图1是本发明实施例公开的一种实时多人视频的排队方法的流程示意图。如图1所示，本发明实施例的一种实时多人视频的排队方法，包括如下步骤：
S10，获取第一周期内接收到的发起视频连线请求的客户终端信息，所述客户终端信息包括客户终端数量及各客户资料；
S20，在基于所述客户终端数量判断满足第一排队条件时，基于各所述客户资料确定第一排队队列；
S30，对所述第一排队队列中的客户终端进行虚拟接通，基于所述虚拟接通数据对对应客户进行分析，基于分析结果对所述第一排队队列进行修正，以得到第二排队队列；
S40，基于所述第二排队队列接通对应坐席终端；
其中，所述第一排队队列和所述第二排队队列均包括队列序号、坐席序号。
在本发明实施例中，现有技术中的排队主要是按照请求时间的先后来确定，即先到先接通，但是这种排队方式仅考虑了时间这一单一因素，没有考虑其它更多的因素，而客户建立视频连线的原因却是多种多样的，显然，这种传统的排队方式已经无法满足客户进行视频连线的实际需求。
针对于此，本发明在接收到客户的视频连线请求时先调取请求中的客户终端信息，当客户终端数量过多而需要建立排队队列（即满足了第一排队条件，参照图2所示请求连接的客户终端的数量大于了坐席终端的数量）时，则可以基于客户终端信息先确定第一排队队列，然后再通过虚拟接通技术获取各个客户终端中的客户实际状态，基于该实际状态对第一排队队列进行修正，经过两步排序之后再按照队列序号、坐席序号依次建立各坐席与对应客户终端的视频连线通话。于是，本发明的方案对发起视频连线请求的客户需求进行了更多因素的考虑，相应地，最终确定的排队队列也就更能提升坐席终端的接听效率。
同时，第一周期的长度可以设定为3s、5s、10s等，本发明对此不作限定，但不宜过长。长度适中的第一周期可以使得排队队列的长度适中，这样可以使得队列中的客户终端更为快速的被排序、接通，进而降低等待时长，也就减少了请求视频连线的客户的排队等待时长。
本发明的方法可以实现于本地终端（即坐席终端所在处），也可以实现于服务器端。其中，本地终端包括但不限于计算机（可为Windows、IOS、Unix等系统）及移动处理设备，例如，智能手机、平板电脑、可穿戴设备等；服务器端包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或云服务器，其中，所述云服务器可以是运行在分布式系统中的、由一群松散耦合的计算机集组成的一个虚拟超级计算机。
其中，关于本发明步骤S30中的虚拟接通，指的是实现本发明的方法的本地终端或服务器端单方面获取发起视频连线请求的客户终端的视频流，而非将视频流传输至坐席终端（即不接通坐席终端与客户终端）。当然，虚拟接通应当提前或者实时告知客户，以保障客户的知情权，而且该视频流不进行任何形式的存储，以避免客户隐私被泄露。
可选地，步骤S20中，所述基于各所述客户资料确定第一排队队列，包括：
对各所述客户资料进行重要度分析，基于所述重要度分析结果确定所述第一排队队列。
在本发明实施例中，客户在发起视频连线请求时，客户资料同时被附加提交，于是，系统就可以基于客户资料来分析各个客户终端的重要性，进而确定初始的第一排队队列。其中，客户资料的来源可以有多种途径，例如，例如在发起视频连线请求时客户自主输入本次视频连线请求的简要说明、相关资料等；或者，客户资料仅为客户终端对应账号在被创建时所输入的相关客户信息，例如客户类别、权限、属性等；当然，也可以是上述两种客户资料的混合形式，本发明对此不作限定。
另外，为了避免不良客户通过提交虚假信息来争取有利的排队序列，可设置惩罚机制，例如，在接通坐席终端之后，可以对视频通话过程中的内容进行语义分析，以提取本次视频通话的主题，检测该主题是否与客户在发起视频连线请求时自主输入的客户资料相符，若不符，则可对该客户终端执行惩罚机制，例如，适当降低其重要度，进而影响其后续视频连线时的序号，也可以设置该客户视频连线通话的时长上限，还可以直接断开本次的视频连线通话等，可由本领域的普通技术人员自由设定，本发明在此不再赘述。
可选地，步骤S30中，所述基于所述虚拟接通对对应客户进行分析，基于分析结果对所述第一排队队列进行修正,包括：基于所述虚拟接通获取所述客户终端的视频流，对所述视频流进行客户状态的识别，基于识别结果确定对应客户的准备程度；
基于所述准备程度调整所述队列序号，其中，所述准备程度越高，则对应调低所述队列序号。
在本发明实施例中，现实情况是，不少客户在发起视频连线请求时尚未做好准备工作，或者在发起连线请求之后临时又有资料需要拿取、整理等，又或者发起连线请求的客户的情绪状态尚未进入最佳（例如视频面试场景）。针对于此，本发明通过虚拟接通技术来预先获得各客户目前的准备状态，基于客户的准备状态来对第一排队序列进行修正，即对应客户的准备程度越高，则将其在排队队列中的位置调整靠前（队列序号越小），以优先接通其视频连线请求，这样一方面减少了该客户的等待时间，另一方面也可以给那些尚未做好准备工作的客户更多的准备时间，一定意义上也可以降低这类客户的视频连线时长，从而能够提高整体的接通效率。
可选地，所述对所述视频流进行客户状态的识别，基于所述识别结果确定对应客户的准备程度，包括：
将所述视频流输入深度识别模型，所述深度识别模型包括两部分，第一部分输出所述客户的行为特征集合，所述行为特征包括动作特征、情绪特征及对应的时间序列；第二部分计算所述行为特征集合与各准备程度的关联关系，并输出对应的准备程度。
在本发明实施例中，通常情况下，准备充分的客户其多余动作较少，且情绪较为稳定，整体表现泰然，而准备工作尚未完成的客户则会出现频繁拿取物品、站坐、与周边人交谈等动作，而且情绪上也会出现明显的紧张、焦虑、脸红、出汗等情况，并且，这些特征在时间特征上也有一定的规律，例如，准备不充分时会产生频繁的肢体动作、表情动作。针对上述对准备是否充分的常规表象分析，本发明设置基于客户的动作特征、情绪特征来分析其准备程度，具体而言，本发明搭建了深度识别模型，其中，第一部分用于将客户的动作特征、情绪特征及各特征对应时刻提取出来输送至第二部分，该部分可以进一步包括两个子部分，分别用于提取动作特征及时间序列、情绪特征及时间序列，而对于具体的提取算法，可以自由设置，本发明对此不作限定；第二部分是本发明的深度识别模型的核心，其需要使用训练集进行预先训练，其中，训练集包括已经被标定为各种不同准备程度的视频数据，这些视频数据可以从实际的视频连线过程中获得，其中包括了不同客户在不同准备程度之下的动作特征、情绪特征及这些特征的时间序列，训练好的深度识别模型即可建立行为特征与准备程度之间的关联关系，进而在输入实时的视频流时即可输出准确的准备程度。
其中，深度识别模型通过卷积神经网络（Convolutional Neural Network，CNN）、循环神经网络（Recurrent Neural Network，RNN）、递归神经网络（Recursive NeuralNetwork）搭建。深度识别模型的训练典型过程为：1)网络进行权值的初始化；2)输入数据经过卷积层、下采样层、全连接层的向前传播得到输出值；3)求出网络的输出值与目标值之间的误差；4)当误差大于期望值时，将误差传回网络中，依次求得全连接层，下采样层，卷积层的误差（各层的误差可以理解为对于网络的总误差，网络应承担多少），当误差等于或小于期望值时，结束训练；5)根据求得误差进行权值更新。
深度识别模型最常规的训练方式是利用标记好的训练集进行训练，此处的训练集一般是正向标记的数据，也有少部分采用逆向标记的，这类单一标记的训练集在实际训练过程中容易陷入局部最优，进而使得训练过程提前结束，显然，如此训练出来的深度识别模型并不能确保较高的识别准确性。针对上述问题，本发明给深度识别模型设置了训练调度子模块，该训练调度子模块可以内嵌于深度识别模型中：在训练过程中，将训练集中标记过的训练数据逐一输入搭建的深度识别模型进行训练，训练调度子模块实时获取所述深度识别模型的训练数据，当满足训练结束条件时（例如前述的误差等于或小于期望值时），训练调度子模块从训练集中调取一定数量的、剩余的训练数据并抹去标记，将这些数据输入训练中的深度识别模型并计算识别准确率，若识别准确率高于预设值，则结束训练，否则，将深度识别模型的全连接层的权值矩阵回退N步，使用剩余的训练数据继续进行训练。其中，“权值矩阵回退N步”指的是将满足训练结束条件时的训练数据之前的第N个前训练数据对应的权值矩阵，例如，当前输入的是第150个训练数据，此时满足训练结束条件，但测试发现识别准确率不满足要求，于是，权值矩阵的数值更新为使用第145（N=5）个训练数据进行训练时的权值矩阵的数值；并且，回退步数N与满足训练结束条件时的训练数据的序号成反比，即越早满足训练结束条件（序号越小），则回退步数越多，同时，调取的用于测试的训练数据的数量也可以与满足训练结束条件时的训练数据的序号成反比，即越早满足训练结束条件（序号越小），则从测试集中调取越多的测试数据进行测试。于是，本发明对深度是被模型的训练过程采取的是边训练边测试，而且还同时对全连接层的权值矩阵进行动态更新，这样的训练过程不宜陷入局部最优，训练出的深度识别模型的识别准确率更高。
另外，由于在网络不佳时会导致画面卡顿，此时进行分析可能会将客户准备不足的状态识别为准备充分（因为客户的动作、表情均比较平稳）。于是，本发明实施例中，在利用深度识别模型来分析实时视频流时，应当先检测网络状态是否正常，在网络状态正常的情况下才将视频流输入深度识别模型。
可选地，在步骤S20之后，还包括：
基于满足所述第一排队条件的第一时长计算所述第一时长在所述第一周期内的第一比值，在所述第一比值小于或等于第一阈值时，将所述第一周期调低为第二周期；获取所述第二周期内接收到的发起视频连线请求的客户终端信息，基于所述客户终端信息确定第三排队队列；
以及，在步骤S40之后，还包括：
计算所述第二排队队列中的待接通客户终端数量满足第二排队条件的第二时长；基于所述第一时长和所述第二时长确定所述第二排队队列新的队列长度，基于所述新的队列长度和所述待接通客户终端的数量确定补入数量，将所述第三排队队列中排名靠前的所述补入数量的客户终端补入所述第二排队队列。
在本发明实施例中，由于发起连线请求的客户并不仅局限于第一周期内的这些已经被安排进第二排队序列的客户终端，在第一周期以外仍然会接收到客户终端的连线请求，传统的排队方法是等待第二排队队列全部完成之后才对下一周期的客户终端进行排队并接通，但在接通第二排队队列的后期时必然会出现部分坐席终端已经处于空闲状态，这会严重降低坐席的接通效率，也会使得排队序列以外的客户过多的等待。针对于此，本发明设置了第二排队队列的队尾补入机制，即当第二排队队列中待接通客户终端数量满足第二排队条件时，将第一周期的下一周期中的排队靠前的客户终端补入第二排队队列的队尾，这样既可以使得坐席终端不空闲，也可以充分利用第二排队队列的接通间隙进行第三排队队列的计算，整体也降低了排队时间。其中，第三排队队列的确定方式可以与第二排队队列相同。由于是对尾增补机制，所以并不会影响原第二排队队列的客户终端的序号，保证组间的先到先接通原则。
同时，当排队开始的越快，说明该时期为连线高峰期，需要更快的进行第二排队队列的增补，也就最大限度的压缩排队序列计算的时间浪费。针对于此，本发明在第一周期以后的计算周期是动态的，如果第一比值小于或等于第一阈值，则说明第一排队条件很快就满足了，后续接入的客户终端会更多，此时调低第一周期为第二周期，以便更快的计算出第三排队队列，进而实现以更高的频率对第二排队队列进行增补。而且，本发明中的第二排队队列的长度也设置为动态的，具体来说，基于第一时长和第二时长来确定第二排队队列新的队列长度，可见，排队开始的快慢与第二排队队列被接通的快慢均影响第二排队队列的新的队列长度。其中，第一排队条件和第二排队条件可以具有类似的含义，均可以是坐席终端的数量刚好无空闲，区别在于，第一排队条件是空闲转无空闲，而第二排队条件是无空闲转空闲，当然，第二排队条件也可以是第二排队队列中被接通的比例达到预定值，例如1/2，本发明对此不作具体限定。
可选地，所述基于所述第一时长和所述第二时长确定所述第二排队队列新的队列长度，包括：
若所述第一比值小于或等于第一阈值，且所述第二时长小于或等于第二阈值，则确定所述第二排队队列新的队列长度为第一长度；
若所述第一比值小于或等于第一阈值，且所述第二时长大于第二阈值，则确定所述第二排队队列新的队列长度为第二长度；
若所述第一比值小于或等于第一阈值，且所述第二时长大于第三阈值，则确定所述第二排队队列新的队列长度为第三长度；
其中，所述第一长度、所述第二长度、所述第三长度依次减小。
在本发明实施例中，上述第一种情况时，说明请求视频连线的客户终端比较多，且坐席终端的处理效率也高，此时将第二排队队列更新为最长，以使更多的客户终端进行排队序列；上述第二种情况时，说明请求视频连线的客户终端比较多，但坐席终端此时段的处理效率一般，此时将第二排队队列更新为次长，以适当延长第二排队队列的长度，但增补的客户终端数量并不太多，这样会使得进入排队序列的客户不宜产生焦躁情绪；上述第三种情况时，说明请求视频连线的客户终端比较多，且坐席终端的处理效率较低，此时应当尽量谨慎延长第二排队队列的长度，以减少进入排队序列的客户终端，尽量降低客户的焦躁情绪，此时，第三长度可以是与原第二排队序列的长度相同，即不延长第二排队序列的长度。另外，对于第一长度、第二长度、第三长度的具体设置，可以基于经验值确定，也可以通过统计分析得出，当然，也可以同样采用构建深度识别模型的方式得出，本发明对此不作具体限定，但第二排队队列的长度需要设置上限。另外，在上述几种情况之外，则说明接收到的视频连线请求数量并不多，此时可以恢复第二排队队列为预设长度。
可选地，在步骤S40之后，还包括：
若检测到所述客户终端断开信号，则调取该客户终端在接通过程中的网络状态信号，检测所述网络状态信号是否满足第一条件；以及，检测所述坐席终端是否满足第二条件；若所述第一条件和所述第二条件均满足，则执行虚拟连接，并尝试与该客户终端建立连接。
在本发明实施例中，在接通过程中，除了坐席终端完成沟通解答之后主动挂断之外，多种其他因素也会导致客户终端断开连接，例如，网络信号差、沟通完成后客户主动挂断，对于后者情况则显然需要设置锁机机制。针对于此，本发明在此种情况下同样设置执行虚拟连接，此时系统就不会判定该坐席处于空闲状态，间接实现了锁机机制，同时，尝试与该客户终端建立连接。
另外，对于后者情况的识别，本发明实施例采用如下方式，即：在检测到客户终端断开信号时，判断该客户终端在本次接通过程中的网络状态信号是否满足第一条件（例如信号强度出现多次低于阈值，和/或视频画面超时无变化，和/或音频信号无接收，等），若是，则可初步判定为该客户终端是因网络信号不佳而掉线；接着，再检测坐席终端的人员是否仍在正常输出语音信号，且语音信号符合本次接通过程中的主题内容（可通过前述的客户资料确定），若是，则说明该客户终端确实是因网络信号不佳而掉线，而且坐席人员因未及时发现仍在进行沟通，此时执行虚拟连接。于是，本发明的方案在发现客户终端掉线之后，会主动保持该客户终端的连接状态，以使该客户终端还能够及时上线，并且上线之后还能与同一个坐席人员接通，可以极大的提高接听效率，也降低了客户的等待时间。
实施例二
请参阅图3，图3是本发明实施例公开的一种实时多人视频的排队系统的结构示意图。如图3所示，本发明实施例的一种实时多人视频的排队系统100，包括处理模块101、存储模块102、通信模块103、坐席终端104和客户终端105，所述处理模块101分别与所述存储模块102和所述通信模块103连接，所述通信模块103分别与所述坐席终端104和所述客户终端105连接；其中，
所述存储模块102，用于存储可执行的计算机程序代码；
所述通信模块103，用于实现所述坐席终端104和所述客户终端105的通信连接；
所述处理模块101，用于通过调用所述存储模块102中的所述可执行的计算机程序代码，执行如实施例一所述的方法。
该实施例中的一种实时多人视频的排队系统的具体功能参照上述实施例一，由于本实施例中的系统采用了上述实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。
实施例三
请参阅图4，图4是本发明实施例公开的一种电子设备，包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行如实施例一所述的方法。
实施例四
本发明实施例还公开了一种计算机存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如实施例一所述的方法。
需要说明的是，本发明实施例二中的存储模块102、实施例三中的存储器、实施例四中的计算机存储介质均可为，包括但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带等。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (8)
1.一种实时多人视频的排队方法，其特征在于，包括如下步骤：
S10，获取第一周期内接收到的发起视频连线请求的客户终端信息，所述客户终端信息包括客户终端数量及各客户资料；
S20，在基于所述客户终端数量判断满足第一排队条件时，基于各所述客户资料确定第一排队队列；
S30，对所述第一排队队列中的客户终端进行虚拟接通，基于虚拟接通数据对对应客户进行分析，基于分析结果对所述第一排队队列进行修正，以得到第二排队队列；
S40，基于所述第二排队队列接通对应坐席终端；
其中，所述第一排队队列和所述第二排队队列均包括队列序号、坐席序号；
步骤S20中，所述基于各所述客户资料确定第一排队队列，包括：
对各所述客户资料进行重要度分析，基于重要度分析结果确定所述第一排队队列；
步骤S30中，所述基于所述虚拟接通对对应客户进行分析，基于分析结果对所述第一排队队列进行修正，包括：基于所述虚拟接通获取所述客户终端的视频流，对所述视频流进行客户状态的识别，基于识别结果确定对应客户的准备程度；
基于所述准备程度调整所述队列序号，其中，所述准备程度越高，则对应调低所述队列序号。
2.根据权利要求1所述的方法，其特征在于：所述对所述视频流进行客户状态的识别，基于所述识别结果确定对应客户的准备程度，包括：
将所述视频流输入深度识别模型，所述深度识别模型包括两部分，第一部分输出所述客户的行为特征集合，所述行为特征包括动作特征、情绪特征及对应的时间序列；第二部分计算所述行为特征集合与各准备程度的关联关系，并输出对应的准备程度。
3.根据权利要求1所述的方法，其特征在于：在步骤S20之后，还包括：
基于满足所述第一排队条件的第一时长计算所述第一时长在所述第一周期内的第一比值，在所述第一比值小于或等于第一阈值时，将所述第一周期调低为第二周期；获取所述第二周期内接收到的发起视频连线请求的客户终端信息，基于所述客户终端信息确定第三排队队列；
以及，在步骤S40之后，还包括：
计算所述第二排队队列中的待接通客户终端数量满足第二排队条件的第二时长；基于所述第一时长和所述第二时长确定所述第二排队队列新的队列长度，基于所述新的队列长度和所述待接通客户终端的数量确定补入数量，将所述第三排队队列中排名靠前的所述补入数量的客户终端补入所述第二排队队列。
4.根据权利要求3所述的方法，其特征在于：所述基于所述第一时长和所述第二时长确定所述第二排队队列新的队列长度，包括：
若所述第一比值小于或等于第一阈值，且所述第二时长小于或等于第二阈值，则确定所述第二排队队列新的队列长度为第一长度；
若所述第一比值小于或等于第一阈值，且所述第二时长大于第二阈值，则确定所述第二排队队列新的队列长度为第二长度；
若所述第一比值小于或等于第一阈值，且所述第二时长大于第三阈值，则确定所述第二排队队列新的队列长度为第三长度；
其中，所述第一长度、所述第二长度、所述第三长度依次减小。
5.根据权利要求1-4任一项所述的方法，其特征在于：在步骤S40之后，还包括：
若检测到所述客户终端断开信号，则调取该客户终端在接通过程中的网络状态信号，检测所述网络状态信号是否满足第一条件；以及，检测所述坐席终端是否满足第二条件；若所述第一条件和所述第二条件均满足，则执行虚拟连接，并尝试与该客户终端建立连接。
6.一种实时多人视频的排队系统，包括处理模块、存储模块、通信模块、坐席终端和客户终端，所述处理模块分别与所述存储模块和所述通信模块连接，所述通信模块分别与所述坐席终端和所述客户终端连接；其中，
所述存储模块，用于存储可执行的计算机程序代码；
所述通信模块，用于实现所述坐席终端和所述客户终端的通信连接；
其特征在于：所述处理模块，用于通过调用所述存储模块中的所述可执行的计算机程序代码，执行如权利要求1-5任一项所述的方法。
7.一种电子设备，包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
其特征在于：所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1-5任一项所述的方法。
8.一种计算机存储介质，该存储介质上存储有计算机程序，其特征在于：该计算机程序被处理器运行时执行如权利要求1-5任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111565558.0A CN113949773B (zh) | 2021-12-20 | 2021-12-20 | 一种实时多人视频的排队方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111565558.0A CN113949773B (zh) | 2021-12-20 | 2021-12-20 | 一种实时多人视频的排队方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113949773A CN113949773A (zh) | 2022-01-18 |
| CN113949773B true CN113949773B (zh) | 2022-04-15 |
Family
ID=79339382
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111565558.0A Active CN113949773B (zh) | 2021-12-20 | 2021-12-20 | 一种实时多人视频的排队方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113949773B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109508638A (zh) * | 2018-10-11 | 2019-03-22 | 平安科技（深圳）有限公司 | 人脸情绪识别方法、装置、计算机设备及存储介质 |
| CN111078436A (zh) * | 2019-12-18 | 2020-04-28 | 上海金仕达软件科技有限公司 | 数据处理的方法、装置、设备及存储介质 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8514872B2 (en) * | 2007-06-19 | 2013-08-20 | Virtual Hold Technology, Llc | Accessory queue management system and method for interacting with a queuing system |
| CN202395798U (zh) * | 2011-11-18 | 2012-08-22 | 苏州阔地网络科技有限公司 | 一种网络会议音视频传输系统 |
| US10200653B2 (en) * | 2015-01-12 | 2019-02-05 | MathYak Inc. | System and method for network-based provision of on-demand real-time video communication |
| CN107155082A (zh) * | 2017-02-13 | 2017-09-12 | 中科天地互联网科技（苏州）有限公司 | 一种移动端与pc端的面对面视频互动方法 |
| CN109783227B (zh) * | 2018-12-13 | 2023-06-20 | 平安科技（深圳）有限公司 | 任务分配方法、装置、系统及计算机可读存储介质 |
| CN109784640A (zh) * | 2018-12-13 | 2019-05-21 | 深圳壹账通智能科技有限公司 | 任务分配方法、装置、设备及计算机可读存储介质 |
| CN112862615A (zh) * | 2021-04-09 | 2021-05-28 | 上海金仕达软件科技有限公司 | 一种数据处理方法、服务端、客户端及数据处理系统 |
| CN113506018A (zh) * | 2021-07-26 | 2021-10-15 | 中国工商银行股份有限公司 | 线上作业处理方法、装置及系统 |
-
2021
- 2021-12-20 CN CN202111565558.0A patent/CN113949773B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109508638A (zh) * | 2018-10-11 | 2019-03-22 | 平安科技（深圳）有限公司 | 人脸情绪识别方法、装置、计算机设备及存储介质 |
| CN111078436A (zh) * | 2019-12-18 | 2020-04-28 | 上海金仕达软件科技有限公司 | 数据处理的方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113949773A (zh) | 2022-01-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10291767B2 (en) | Information presentation method and device | |
| JP2022088304A (ja) | ビデオを処理するための方法、装置、電子機器、媒体及びコンピュータプログラム | |
| CN113055751B (zh) | 数据处理方法、装置、电子设备和存储介质 | |
| KR20210156243A (ko) | 딥러닝 프레임워크의 훈련 방법, 장치 및 저장 매체 | |
| CN116887001B (zh) | 融合社会属性信息的短视频推送方法、装置及电子设备 | |
| CN111259245B (zh) | 作品推送方法、装置及存储介质 | |
| CN111506717B (zh) | 问题答复方法、装置、设备及存储介质 | |
| CN111068305A (zh) | 云游戏加载控制方法、装置、电子设备及存储介质 | |
| CN114391260A (zh) | 文字识别方法、装置、存储介质及电子设备 | |
| CN114115533A (zh) | 智能交互方法和装置 | |
| CN113949773B (zh) | 一种实时多人视频的排队方法及系统 | |
| CN117033590A (zh) | 信息处理及获取方法、装置、设备及存储介质 | |
| CN113312554B (zh) | 用于评价推荐系统的方法及装置、电子设备和介质 | |
| CN113923477A (zh) | 视频处理方法、装置、电子设备以及存储介质 | |
| CN113382310A (zh) | 信息推荐方法及装置、电子设备和介质 | |
| CN112163078A (zh) | 智能应答方法、装置、服务器及存储介质 | |
| CN113079262B (zh) | 智能语音对话的数据处理方法和装置、电子设备和介质 | |
| CN112118410B (zh) | 业务处理方法、装置、终端及存储介质 | |
| CN113490045B (zh) | 针对直播视频的特效添加方法、装置、设备及存储介质 | |
| CN114172857B (zh) | 一种业务会话管理方法、装置和计算机可读存储介质 | |
| CN112966077B (zh) | 对话状态的确定方法、装置、设备及存储介质 | |
| CN113515719B (zh) | 对社区产品进行冷启动的方法和装置 | |
| CN116233045A (zh) | 跨场景的聊天构建方法、装置及电子设备 | |
| CN114422742A (zh) | 一种通话氛围提升方法、装置、智能设备及存储介质 | |
| CN116662649A (zh) | 一种课程推荐方法、装置、设备及介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 210 Liangjing Road, China (Shanghai) pilot Free Trade Zone, Pudong New Area, Shanghai, 201203 Patentee after: Shanghai Jinshida Software Technology Co.,Ltd. Address before: 210 Liangjing Road, China (Shanghai) pilot Free Trade Zone, Pudong New Area, Shanghai, 201203 Patentee before: Shanghai Kingstar Software Technology Co.,Ltd. |