CN114463816A - 满意度确定方法、装置、处理器及电子设备 - Google Patents

Abstract

本申请公开了一种满意度确定方法、装置、处理器及电子设备。涉及金融科技领域，方法包括：采集目标对象在业务办理过程中的多个面部图像；分别对所述多个面部图像进行情绪识别，得到所述面部图像分别对应的情绪类型和情绪指数；根据所述多个面部图像分别对应的情绪类型和情绪指数，以及预设的影响比例因子，确定所述目标对象对所述业务办理过程的满意度。通过本申请，解决了相关技术中由人工点击的方式进行满意度调查，存在效率低，容易出错的问题。

Description

满意度确定方法、装置、处理器及电子设备

技术领域

本申请涉及金融科技领域，具体而言，涉及一种满意度确定方法、装置、处理器及电子设备。

背景技术

目前银行柜员普遍使用手动客户选择“非常满意”“满意”“不满意”等一些用户手动选择的方法，来完成客户对柜员的满意度评价。现有手工确认满意度和打分，通常可能面临客户误点的情况，对柜员造成比较大的困扰，客户也会因为误点而很抱歉，另外单向的打分可能并不客观，本案通过双向判断，一方面对客户通过人脸识别完成客户在办理业务情况下客户的满意度，也从对柜员通过人脸识别对柜员服务态度服务质量有一个客观的评估，防止被顾客单方向主观判断。

针对相关技术中由人工点击的方式进行满意度调查，存在效率低，容易出错的问题，目前尚未提出有效的解决方案。

发明内容

本申请的主要目的在于提供一种满意度确定方法、装置、处理器及电子设备，以解决相关技术中由人工点击的方式进行满意度调查，存在效率低，容易出错的问题。

为了实现上述目的，根据本申请的一个方面，提供了一种满意度确定方法，包括：采集目标对象在业务办理过程中的多个面部图像；分别对所述多个面部图像进行情绪识别，得到所述面部图像分别对应的情绪类型和情绪指数；根据所述多个面部图像分别对应的情绪类型和情绪指数，以及预设的影响比例因子，确定所述目标对象对所述业务办理过程的满意度。

可选的，分别对所述多个面部图像进行情绪识别，得到所述面部图像分别对应的情绪类型和情绪指数包括：对所述面部图像进行特征点标记，得到点阵图；对所述点阵图进行数字化处理，得到特征点数字矩阵；将所述特征点数字矩阵与表情库中存储的多个不同表情的数字矩阵进行查找比对，确定所述面部图像的情绪类型和情绪指数。

可选的，将所述特征点数字矩阵与表情库中存储的多个不同表情的数字矩阵进行查找比对，确定所述面部图像的情绪类型和情绪指数包括：分别确定所述特征点数字矩阵与多个表情的数字矩阵的相似度；根据相似度最高的数字矩阵对应的表情，确定所述面部图像的情绪类型和情绪指数。

可选的，分别确定所述特征点数字矩阵与所述多个表情的数字矩阵的相似度包括：确定所述特征点数字矩阵与目标表情的目标数字矩阵的相同元素的数量，其中，所述特征点数字矩阵的元素行列数与所述目标数字矩阵的元素行列数相同；根据所述相同元素的数量与所述特征点数字矩阵的元素总数量的比值，确定所述相似度。

可选的，对所述点阵图进行数字化处理，得到特征点数字矩阵包括：基于所述点阵图的像素点是否为所述特征点，创建特征点数字矩阵，其中，所述特征点数字矩阵中为特征点的像素点对应的元素的值为第一预设值，所述特征点数字矩阵中不为特征点的像素点对应的元素的值为第二预设值，所述第一预设值与所述第二预设值不同。

可选的，根据所述多个面部图像分别对应的情绪类型和情绪指数，以及预设的影响比例因子，确定所述目标对象对所述业务办理过程的满意度包括：根据所述多个面部图像分别对应的所述情绪类型确定对应的计算方式以及对应的影响比例因子；根据所述情绪指数和所述影响比例因子，按照所述计算方式确定所述满意度。

可选的，根据所述情绪类型确定对应的计算方式以及对应的影响比例因子包括：在所述情绪类型为正面情绪的情况下，计算方式为累加，影响比例因子为第一比例；在所述情绪类型为负面情绪的情况下，计算方式为减去，影响比例因子为第二比例。

为了实现上述目的，根据本申请的另一方面，提供了一种满意度确定装置，包括：采集模块，用于采集目标对象在业务办理过程中的多个面部图像；识别模块，用于分别对所述多个面部图像进行情绪识别，得到所述面部图像分别对应的情绪类型和情绪指数；确定模块，用于根据所述多个面部图像分别对应的情绪类型和情绪指数，以及预设的影响比例因子，确定所述目标对象对所述业务办理过程的满意度。

为了实现上述目的，根据本申请的另一方面，提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述中任意一项所述的满意度确定方法。

为了实现上述目的，根据本申请的另一方面，提供了一种电子设备，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现上述中任意一项所述的满意度确定方法。

通过本申请，采用以下步骤：采集目标对象在业务办理过程中的多个面部图像；分别对多个面部图像进行情绪识别，得到面部图像分别对应的情绪类型和情绪指数；根据多个面部图像分别对应的情绪类型和情绪指数，以及预设的影响比例因子，确定目标对象对业务办理过程的满意度。通过采集目标对象的面部图像，对面部图像的情绪进行识别，通过业务办理过程中的多个面部图像的情绪，确定目标对象的满意程度，解决了相关技术中由人工点击的方式进行满意度调查，存在效率低，容易出错的问题。进而达到了准确的识别目标对象对业务办理的满意度的效果。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例提供的满意度确定方法的流程图；

图2是根据本申请实施方式提供的面部特征点的示意图；

图3是根据本申请实施方式提供的基于人脸识别的满意度确定方法的流程图；

图4是根据本申请实施例提供的满意度确定装置的示意图；

图5是根据本申请实施例提供的电子设备的示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

为了使本技术领域的人员更好地理解本申请方案，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，所描述的实施例仅仅是本申请一部分的实施例，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，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

下面结合优选的实施步骤对本发明进行说明，图1是根据本申请实施例提供的满意度确定方法的流程图，如图1所示，该方法包括如下步骤：

步骤S101，采集目标对象在业务办理过程中的多个面部图像；

步骤S102，分别对多个面部图像进行情绪识别，得到面部图像分别对应的情绪类型和情绪指数；

步骤S103，根据多个面部图像分别对应的情绪类型和情绪指数，以及预设的影响比例因子，确定目标对象对业务办理过程的满意度。

上述步骤的执行主体可以为处理器或控制器，通过上述步骤，采集目标对象在业务办理过程中的多个面部图像；分别对多个面部图像进行情绪识别，得到面部图像分别对应的情绪类型和情绪指数；根据多个面部图像分别对应的情绪类型和情绪指数，以及预设的影响比例因子，确定目标对象对业务办理过程的满意度。通过采集目标对象的面部图像，对面部图像的情绪进行识别，通过业务办理过程中的多个面部图像的情绪，确定目标对象的满意程度，解决了相关技术中由人工点击的方式进行满意度调查，存在效率低，容易出错的问题。进而达到了准确的识别目标对象对业务办理的满意度的效果。

上述目标对象可以为办理业务的客户，相关技术中在客户办理完业务后，由客户点击评级按钮，包括非常满意，满意，不满意等。由于客户评价采取自愿，不仅无法采集每个客户的满意程度，而且客户在评价时，更容易受到环境影响，无法比较客观反映客户的满意态度，存在准确率较低的问题。本实施例通过在业务办理窗口设置图像采集装置，采集客户在办理业务过程中的多个面部图像，对面部图像对应的情绪进行识别，根据识别的情绪确定客户办理业务的满意程度。

上述采集目标对象在业务办理过程中的多个面部图像，可以由上述设置在业务办理窗口朝向目标对象面部的图像采集设备进行采集。在采集时，可以按照预设频率进行采集，例如，每10s采集一次，以获取客户在业务办理过程中的多个面部图像，综合判定客户对业务办理过程的满意程度。

上述对面部图像进行情绪识别，确定面部图像对应的情绪类型和情绪指数。在一种实施例中，可以采用情绪识别模型进行识别，情绪识别模型为机器学习模型，通过多组训练数据训练而成，每组训练数据包括输入的面部图像，以及输出的情绪类型和情绪指数。本实施例采用特征点比较的方式，确定面部图像的特征点，根据特征点，与存储的表情的特征点进行匹配，存储的表情特征点包括面部图像，面部图像的特征点，以及该面部图像的情绪类型和情绪指数。

根据识别到的多张面部图像的情绪类型和情绪指数，计算目标对象在业务办理过程中的满意度。上述情绪类型可以包括正向情绪类型和负向情绪类型，设定任一正向情绪类型Xi∈正向情绪集合，相应情绪影响比例因子为Yi％，设定任一负向情绪类型Zi∈正向情绪集合，相应情绪影响比例因子为Ki％，情绪影响反馈为正或负，比如正向情绪会增加满意度，负向情绪会降低满意度。通过下式计算满意度：满意度＝(100+∑Xi*Yi％-∑Zi*Ki％)/100。

从而通过采集目标对象的面部图像，对面部图像的情绪进行识别，通过业务办理过程中的多个面部图像的情绪，确定目标对象的满意程度，解决了相关技术中由人工点击的方式进行满意度调查，存在效率低，容易出错的问题。进而达到了准确的识别目标对象对业务办理的满意度的效果。

可选的，分别对多个面部图像进行情绪识别，得到面部图像分别对应的情绪类型和情绪指数包括：对面部图像进行特征点标记，得到点阵图；对点阵图进行数字化处理，得到特征点数字矩阵；将特征点数字矩阵与表情库中存储的多个不同表情的数字矩阵进行查找比对，确定面部图像的情绪类型和情绪指数。

上述特征点可以为面部特征点，包括额头，嘴角，鼻尖，上眼睑，下眼睑，瞳孔，颧骨，耳朵，上嘴唇，下嘴唇，人中，鼻翼，下巴，眉毛，山根等。对面部图像进行标记后，得到如图2所示的点阵图，包括面部图像的面部轮廓，以及面部轮廓的特征点。

通过数字化处理可以将上述点阵图转化为特征点数字矩阵。便于后续进行查找和比对。以确定面部图像的情绪类型和情绪指数。

可选的，将特征点数字矩阵与表情库中存储的多个不同表情的数字矩阵进行查找比对，确定面部图像的情绪类型和情绪指数包括：分别确定特征点数字矩阵与多个表情的数字矩阵的相似度；根据相似度最高的数字矩阵对应的表情，确定面部图像的情绪类型和情绪指数。

在根据特征点数字矩阵查找的时候，先从预先存储的多个表情的数字矩阵中选择一个作为比较对象，确定特征点数字矩阵和该表情的数字矩阵值相同的元素的数量，除以该特征点数字矩阵的元素总数量，确定相似度。

需要说明的是，上述特征点数字矩阵和表情的数字矩阵的元素数量相同，也即是行列数相同，以便有效形成对比，准确确定其相似度。在一种实施例中，若特征点数字矩阵和表情的数字矩阵代销不同，可以通过默认值进行填充和扩展。

可选的，分别确定特征点数字矩阵与多个表情的数字矩阵的相似度包括：确定特征点数字矩阵与目标表情的目标数字矩阵的相同元素的数量，其中，特征点数字矩阵的元素行列数与目标数字矩阵的元素行列数相同；根据相同元素的数量与特征点数字矩阵的元素总数量的比值，确定相似度。

从而根据面部图像的特征点数字矩阵分别与多个表情的数字矩阵的相似度，确定相似度最高的数字矩阵对应的表情，根据该表情的情绪类型和情绪指数，确定该面部图像的情绪类型和情绪指数。

可选的，对点阵图进行数字化处理，得到特征点数字矩阵包括：基于点阵图的像素点是否为特征点，创建特征点数字矩阵，其中，特征点数字矩阵中为特征点的像素点对应的元素的值为第一预设值，特征点数字矩阵中不为特征点的像素点对应的元素的值为第二预设值，第一预设值与第二预设值不同。

比如一个10*10的矩阵中，将具体采集到的点直接映射到矩阵中，下面这个矩阵举例映射上面这张图，1表示点，矩阵是基于像素点来建立的，通常会是1024*1024甚至更大的矩阵图：

上述第一预设值为1，上述第二预设值为0。

可选的，根据多个面部图像分别对应的情绪类型和情绪指数，以及预设的影响比例因子，确定目标对象对业务办理过程的满意度包括：根据多个面部图像分别对应的情绪类型确定对应的计算方式以及对应的影响比例因子；根据情绪指数和影响比例因子，按照计算方式确定满意度。

例如，设定任一正向情绪类型Xi∈正向情绪集合，相应情绪影响比例因子为Yi％，设定任一负向情绪类型Zi∈正向情绪集合，相应情绪影响比例因子为Ki％，情绪影响反馈为正或负，比如正向情绪会增加满意度，负向情绪会降低满意度。

满意度＝(100+∑Xi*Yi％-∑Zi*Ki％)/100

上述Yi％也即是上述第一比例，上述Ki％为上述第二比例。

可选的，根据情绪类型确定对应的计算方式以及对应的影响比例因子包括：在情绪类型为正面情绪的情况下，计算方式为累加，影响比例因子为第一比例；在情绪类型为负面情绪的情况下，计算方式为减去，影响比例因子为第二比例。

从而根据多个面部图像的情绪类型和情绪参数，确定目标对象在业务处理过程的满意度。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本实施例还提供了一种可选的实施方式，下面对该实施方式进行详细说明。

本实施方式针对现有技术中存在的缺陷和不足。提供了一种人脸识别进行情绪识别的技术方法，并通过该方法完成了一种银行柜面客户满意度及柜员服务质量评价系统及装置。本实施方式提出的这种自动的银行柜面客户满意度及柜员服务质量评价系统可以更加体现目前行业内树立的以“客户为中心”的产品价值导向。

另外目前传统的情绪识别机制普遍使用了人脸识别的方法，目前尚没有通过人脸情绪识别来完成银行“满意度”系统接入的功能实现。

本实施方式的技术实现上提出了一种人脸识别技术在情绪识别中应用的技术方案，并将该方案与银行“满意度系统”进行对接，形成对应的满意度指标。

本实施方式更多的关注于如何结合人脸识别，并融合到情绪识别反馈机制上，再应用于自动的银行柜面客户满意度及柜员服务质量评价系统中。本实施方式不会关注于人脸识别中具体的训练集的构建。相对更多的专注于人脸识别的具体识别匹配方法及整体在银行柜面客户满意度及柜员服务质量评价系统装置中的应用。

人脸识别技术在情绪识别中的技术方案。

本实施方式为完成情绪识别，采用人脸特征点提取法，进而对人脸的表情完成模型创建，再通过与训练集中的模型比对，来完成当前人脸表情在情绪识别中的判断。这里面人脸识别训练集模型的训练和搭建与相关技术中相同，本实施方式不再描述。本实施方式的技术实现更关注于如何匹配训练集模型来进行情绪识别。

第一步，人脸识别前置接入，在“满意度系统”中，对人脸识别模块通过柜面前置摄像头采集客户和柜员的入画后的图像进行平均每10秒一次的图像获取。

第二步，对图片进行特征点标记，建立特征点矩阵，标识的特征点可以根据识别的精确度做点阵的密度调整，(具体标识人脸上哪个位置做为一个点，会在人脸识别训练集模型的另一个案子中体现)。一张人脸完成的点阵图类似如图2所示，图2是根据本申请实施方式提供的面部特征点的示意图。

第三步，点阵数字化表示，将第二步中的点阵图进行数字化，可以用图片的像素点做为矩阵，比如一个10*10的矩阵中，将具体采集到的点直接映射到矩阵中，下面这个矩阵举例映射图2的矩阵，1表示点，为方便表述，这只是一张简单的举例的矩阵，真正的矩阵是基于像素点来建立的，通常会是1024*1024甚至更大的矩阵图：

第四步，矩阵比对，将第三步中的矩阵点与情绪识别机器学习训练集中的人脸表情库中的情绪映射进行比对，识别出对应该张图片的情绪。

与表情库一张图版矩阵的相似比对可以以矩阵点的相似度进行比对，对比方法是：

再对多个相似度进行排序，获取相似度匹配最高的情绪库中分类的情绪图片，就是我们要获取的对应的客户或柜员情绪值。

第五步，第四步的情绪值仅是10秒中间隔图片中的一次情绪，比如某一个客户开办业务总用时3分钟，共18个10秒组成，一共18张图片，那么分别循环去做上述第一步至第四步，完成所以情绪值的汇总。

第六步，对整体服务中的情绪值进行存储。待后续方案步骤中“满意度系统”使用。

图3是根据本申请实施方式提供的基于人脸识别的满意度确定方法的流程图，如图3所示，是整体的通过人脸进行情绪识别及满意度系统接入装置。

满意度的计算方法：

按上面的装置获取的情绪比例为：设定任一正向情绪类型Xi∈正向情绪集合，相应情绪影响比例因子为Yi％，设定任一负向情绪类型Zi∈正向情绪集合，相应情绪影响比例因子为Ki％，情绪影响反馈为正或负，比如正向情绪会增加满意度，负向情绪会降低满意度。

满意度＝(100+∑Xi*Yi％-∑Zi*Ki％)/100

本实施方式提出了一种人脸识别技术在情绪识别中应用的技术方案，并将该方案与银行“满意度系统”进行对接，形成对应的满意度指标，相应的指标是双向的，可以做用于客户侧也可以做用于柜员侧，可以客观的形成一个满意度和服务质量的评估。

本申请实施例还提供了一种满意度确定装置，需要说明的是，本申请实施例的满意度确定装置可以用于执行本申请实施例所提供的用于满意度确定方法。以下对本申请实施例提供的满意度确定装置进行介绍。

图4是根据本申请实施例的满意度确定装置的示意图。如图4所示，该满意度确定装置，包括：采集模块42，识别模块44和确定模块46，下面对该装置进行详细说明。

采集模块42，用于采集目标对象在业务办理过程中的多个面部图像；识别模块44，与上述采集模块42相连，用于分别对所述多个面部图像进行情绪识别，得到所述面部图像分别对应的情绪类型和情绪指数；确定模块46，与上述识别模块44相连，用于根据所述多个面部图像分别对应的情绪类型和情绪指数，以及预设的影响比例因子，确定所述目标对象对所述业务办理过程的满意度。

通过上述装置，采集模块42采集目标对象在业务办理过程中的多个面部图像；识别模块44分别对多个面部图像进行情绪识别，得到面部图像分别对应的情绪类型和情绪指数；确定模块46根据多个面部图像分别对应的情绪类型和情绪指数，以及预设的影响比例因子，确定目标对象对业务办理过程的满意度。通过采集目标对象的面部图像，对面部图像的情绪进行识别，通过业务办理过程中的多个面部图像的情绪，确定目标对象的满意程度，解决了相关技术中由人工点击的方式进行满意度调查，存在效率低，容易出错的问题。进而达到了准确的识别目标对象对业务办理的满意度的效果。

所述姿态识别装置包括处理器和存储器，上述采集模块42，识别模块44和确定模块46等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。

处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过采集目标对象的面部图像，对面部图像的情绪进行识别，通过业务办理过程中的多个面部图像的情绪，确定目标对象的满意程度。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。

本发明实施例提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现所述满意度确定方法。

本发明实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述满意度确定方法。

如图5所示，本发明实施例提供了一种电子设备，电子设备50包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：

采集目标对象在业务办理过程中的多个面部图像；分别对多个面部图像进行情绪识别，得到面部图像分别对应的情绪类型和情绪指数；根据多个面部图像分别对应的情绪类型和情绪指数，以及预设的影响比例因子，确定目标对象对业务办理过程的满意度。

可选的，分别对多个面部图像进行情绪识别，得到面部图像分别对应的情绪类型和情绪指数包括：对面部图像进行特征点标记，得到点阵图；对点阵图进行数字化处理，得到特征点数字矩阵；将特征点数字矩阵与表情库中存储的多个不同表情的数字矩阵进行查找比对，确定面部图像的情绪类型和情绪指数。

可选的，将特征点数字矩阵与表情库中存储的多个不同表情的数字矩阵进行查找比对，确定面部图像的情绪类型和情绪指数包括：分别确定特征点数字矩阵与多个表情的数字矩阵的相似度；根据相似度最高的数字矩阵对应的表情，确定面部图像的情绪类型和情绪指数。

可选的，分别确定特征点数字矩阵与多个表情的数字矩阵的相似度包括：确定特征点数字矩阵与目标表情的目标数字矩阵的相同元素的数量，其中，特征点数字矩阵的元素行列数与目标数字矩阵的元素行列数相同；根据相同元素的数量与特征点数字矩阵的元素总数量的比值，确定相似度。

可选的，对点阵图进行数字化处理，得到特征点数字矩阵包括：基于点阵图的像素点是否为特征点，创建特征点数字矩阵，其中，特征点数字矩阵中为特征点的像素点对应的元素的值为第一预设值，特征点数字矩阵中不为特征点的像素点对应的元素的值为第二预设值，第一预设值与第二预设值不同。

可选的，根据多个面部图像分别对应的情绪类型和情绪指数，以及预设的影响比例因子，确定目标对象对业务办理过程的满意度包括：根据多个面部图像分别对应的情绪类型确定对应的计算方式以及对应的影响比例因子；根据情绪指数和影响比例因子，按照计算方式确定满意度。

可选的，根据情绪类型确定对应的计算方式以及对应的影响比例因子包括：在情绪类型为正面情绪的情况下，计算方式为累加，影响比例因子为第一比例；在情绪类型为负面情绪的情况下，计算方式为减去，影响比例因子为第二比例。

本文中的设备可以是服务器、PC、PAD、手机等。

本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：采集目标对象在业务办理过程中的多个面部图像；分别对多个面部图像进行情绪识别，得到面部图像分别对应的情绪类型和情绪指数；根据多个面部图像分别对应的情绪类型和情绪指数，以及预设的影响比例因子，确定目标对象对业务办理过程的满意度。

可选的，分别对多个面部图像进行情绪识别，得到面部图像分别对应的情绪类型和情绪指数包括：对面部图像进行特征点标记，得到点阵图；对点阵图进行数字化处理，得到特征点数字矩阵；将特征点数字矩阵与表情库中存储的多个不同表情的数字矩阵进行查找比对，确定面部图像的情绪类型和情绪指数。

可选的，将特征点数字矩阵与表情库中存储的多个不同表情的数字矩阵进行查找比对，确定面部图像的情绪类型和情绪指数包括：分别确定特征点数字矩阵与多个表情的数字矩阵的相似度；根据相似度最高的数字矩阵对应的表情，确定面部图像的情绪类型和情绪指数。

可选的，分别确定特征点数字矩阵与多个表情的数字矩阵的相似度包括：确定特征点数字矩阵与目标表情的目标数字矩阵的相同元素的数量，其中，特征点数字矩阵的元素行列数与目标数字矩阵的元素行列数相同；根据相同元素的数量与特征点数字矩阵的元素总数量的比值，确定相似度。

可选的，对点阵图进行数字化处理，得到特征点数字矩阵包括：基于点阵图的像素点是否为特征点，创建特征点数字矩阵，其中，特征点数字矩阵中为特征点的像素点对应的元素的值为第一预设值，特征点数字矩阵中不为特征点的像素点对应的元素的值为第二预设值，第一预设值与第二预设值不同。

可选的，根据多个面部图像分别对应的情绪类型和情绪指数，以及预设的影响比例因子，确定目标对象对业务办理过程的满意度包括：根据多个面部图像分别对应的情绪类型确定对应的计算方式以及对应的影响比例因子；根据情绪指数和影响比例因子，按照计算方式确定满意度。

可选的，根据情绪类型确定对应的计算方式以及对应的影响比例因子包括：在情绪类型为正面情绪的情况下，计算方式为累加，影响比例因子为第一比例；在情绪类型为负面情绪的情况下，计算方式为减去，影响比例因子为第二比例。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、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。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，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，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，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、商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、商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，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种满意度确定方法，其特征在于，包括：

采集目标对象在业务办理过程中的多个面部图像；

分别对所述多个面部图像进行情绪识别，得到所述面部图像分别对应的情绪类型和情绪指数；

根据所述多个面部图像分别对应的情绪类型和情绪指数，以及预设的影响比例因子，确定所述目标对象对所述业务办理过程的满意度。

2.根据权利要求1所述的方法，其特征在于，分别对所述多个面部图像进行情绪识别，得到所述面部图像分别对应的情绪类型和情绪指数包括：

对所述面部图像进行特征点标记，得到点阵图；

对所述点阵图进行数字化处理，得到特征点数字矩阵；

将所述特征点数字矩阵与表情库中存储的多个不同表情的数字矩阵进行查找比对，确定所述面部图像的情绪类型和情绪指数。

3.根据权利要求2所述的方法，其特征在于，将所述特征点数字矩阵与表情库中存储的多个不同表情的数字矩阵进行查找比对，确定所述面部图像的情绪类型和情绪指数包括：

分别确定所述特征点数字矩阵与多个表情的数字矩阵的相似度；

根据相似度最高的数字矩阵对应的表情，确定所述面部图像的情绪类型和情绪指数。

4.根据权利要求3所述的方法，其特征在于，分别确定所述特征点数字矩阵与所述多个表情的数字矩阵的相似度包括：

确定所述特征点数字矩阵与目标表情的目标数字矩阵的相同元素的数量，其中，所述特征点数字矩阵的元素行列数与所述目标数字矩阵的元素行列数相同；

根据所述相同元素的数量与所述特征点数字矩阵的元素总数量的比值，确定所述相似度。

5.根据权利要求2所述的方法，其特征在于，对所述点阵图进行数字化处理，得到特征点数字矩阵包括：

基于所述点阵图的像素点是否为所述特征点，创建特征点数字矩阵，其中，所述特征点数字矩阵中为特征点的像素点对应的元素的值为第一预设值，所述特征点数字矩阵中不为特征点的像素点对应的元素的值为第二预设值，所述第一预设值与所述第二预设值不同。

6.根据权利要求1所述的方法，其特征在于，根据所述多个面部图像分别对应的情绪类型和情绪指数，以及预设的影响比例因子，确定所述目标对象对所述业务办理过程的满意度包括：

根据所述多个面部图像分别对应的所述情绪类型确定对应的计算方式以及对应的影响比例因子；

根据所述情绪指数和所述影响比例因子，按照所述计算方式确定所述满意度。

7.根据权利要求6所述的方法，其特征在于，根据所述情绪类型确定对应的计算方式以及对应的影响比例因子包括：

在所述情绪类型为正面情绪的情况下，计算方式为累加，影响比例因子为第一比例；

在所述情绪类型为负面情绪的情况下，计算方式为减去，影响比例因子为第二比例。

8.一种满意度确定装置，其特征在于，包括：

采集模块，用于采集目标对象在业务办理过程中的多个面部图像；

识别模块，用于分别对所述多个面部图像进行情绪识别，得到所述面部图像分别对应的情绪类型和情绪指数；

确定模块，用于根据所述多个面部图像分别对应的情绪类型和情绪指数，以及预设的影响比例因子，确定所述目标对象对所述业务办理过程的满意度。

9.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至7中任意一项所述的满意度确定方法。

10.一种电子设备，其特征在于，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1至7中任意一项所述的满意度确定方法。

Images