CN114553684B - 网点运维方法、装置、计算机设备、存储介质 - Google Patents
网点运维方法、装置、计算机设备、存储介质 Download PDFInfo
- Publication number
- CN114553684B CN114553684B CN202210161900.9A CN202210161900A CN114553684B CN 114553684 B CN114553684 B CN 114553684B CN 202210161900 A CN202210161900 A CN 202210161900A CN 114553684 B CN114553684 B CN 114553684B
- Authority
- CN
- China
- Prior art keywords
- maintenance
- information
- target
- result
- mode
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 218
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012545 processing Methods 0.000 claims abstract description 37
- 238000004590 computer program Methods 0.000 claims abstract description 23
- 230000001960 triggered effect Effects 0.000 claims abstract description 13
- 238000001514 detection method Methods 0.000 claims description 96
- 238000012795 verification Methods 0.000 claims description 45
- 238000004422 calculation algorithm Methods 0.000 claims description 31
- 230000004044 response Effects 0.000 claims description 26
- 238000012216 screening Methods 0.000 claims description 23
- 238000012544 monitoring process Methods 0.000 claims description 13
- 230000006399 behavior Effects 0.000 claims description 10
- 238000012552 review Methods 0.000 claims description 10
- 238000003058 natural language processing Methods 0.000 claims description 9
- 238000010252 digital analysis Methods 0.000 claims description 6
- 238000012550 audit Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 7
- 230000003993 interaction Effects 0.000 description 6
- 230000001815 facial effect Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0889—Techniques to speed-up the configuration process
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/28—Restricting access to network management systems or functions, e.g. using authorisation function to access network configuration
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
- H04L63/0428—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
- H04L63/0861—Network architectures or network communication protocols for network security for authentication of entities using biometrical features, e.g. fingerprint, retina-scan
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Security & Cryptography (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Computer Hardware Design (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及金融科技技术领域或其他相关领域,特别是涉及一种网点运维方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括:通过获取经网点的端设备所触发的运维请求;其中,该端设备包含移动设备和摄像设备中的至少一种。基于该运维请求,从至少一个运维场景中确定网点的目标运维场景。从多个预设协同模式中确定与该目标运维场景相匹配的目标协同模式,并通过该目标协同模式进行相应的网点运维处理;其中,该预设协同模式包括云推理模式、边缘推理模式、端推理模式、以及分段推理模式。这样,大大提高了对网点运维的效率。
Description
技术领域
本申请涉及金融科技技术领域,特别是涉及一种网点运维方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着金融科技技术的发展,常常需要对金融网点进行运维管理。其中,网点的运维管理是在网点的运维场景下进行的运维操作。
在对网点进行运维管理的过程中,常常采用现场办理业务的模式或者单一的推理模式。然而,对于不同的运维场景,若都采用现场办理业务的模式,存在对网点运维的效率低的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种网点运维方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种网点运维方法。所述方法包括:
获取经网点的端设备所触发的运维请求;其中,所述端设备包含移动设备和摄像设备中的至少一种;
基于所述运维请求,从至少一个运维场景中确定网点的目标运维场景;
从多个预设协同模式中确定与所述目标运维场景相匹配的目标协同模式,并通过所述目标协同模式进行相应的网点运维处理;其中,所述预设协同模式包括云推理模式、边缘推理模式、端推理模式、以及分段推理模式。
第二方面,本申请还提供了一种网点运维装置。所述装置包括:
获取模块,用于获取经网点的端设备所触发的运维请求;其中,所述端设备包含移动设备和摄像设备中的至少一种;
确定模块,用于基于所述运维请求,从至少一个运维场景中确定网点的目标运维场景;
运维模块,用于从多个预设协同模式中确定与所述目标运维场景相匹配的目标协同模式,并通过所述目标协同模式进行相应的网点运维处理;其中,所述预设协同模式包括云推理模式、边缘推理模式、端推理模式、以及分段推理模式。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取经网点的端设备所触发的运维请求;其中,所述端设备包含移动设备和摄像设备中的至少一种;
基于所述运维请求,从至少一个运维场景中确定网点的目标运维场景;
从多个预设协同模式中确定与所述目标运维场景相匹配的目标协同模式,并通过所述目标协同模式进行相应的网点运维处理;其中,所述预设协同模式包括云推理模式、边缘推理模式、端推理模式、以及分段推理模式。
第四方面,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,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取经网点的端设备所触发的运维请求;其中,所述端设备包含移动设备和摄像设备中的至少一种;
基于所述运维请求,从至少一个运维场景中确定网点的目标运维场景;
从多个预设协同模式中确定与所述目标运维场景相匹配的目标协同模式,并通过所述目标协同模式进行相应的网点运维处理;其中,所述预设协同模式包括云推理模式、边缘推理模式、端推理模式、以及分段推理模式。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取经网点的端设备所触发的运维请求;其中,所述端设备包含移动设备和摄像设备中的至少一种;
基于所述运维请求,从至少一个运维场景中确定网点的目标运维场景;
从多个预设协同模式中确定与所述目标运维场景相匹配的目标协同模式,并通过所述目标协同模式进行相应的网点运维处理;其中,所述预设协同模式包括云推理模式、边缘推理模式、端推理模式、以及分段推理模式。
上述网点运维方法、装置、计算机设备、存储介质和计算机程序产品,通过获取经网点的端设备所触发的运维请求;其中,该端设备包含移动设备和摄像设备中的至少一种。基于该运维请求,从至少一个运维场景中确定网点的目标运维场景,从而,能够精准确定与运维请求对应的目标运维场景。从多个预设协同模式中确定与该目标运维场景相匹配的目标协同模式,并通过该目标协同模式进行相应的网点运维处理;其中,该预设协同模式包括云推理模式、边缘推理模式、端推理模式、以及分段推理模式。这样,结合云推理模式、边缘推理模式、端推理模式和分段推理模式,确定与目标运维场景相匹配的目标协同模式,以满足不同运维场景的需求,确保了运维的准确性,从而,大大提高了对网点运维的效率。
附图说明
图1为一个实施例中网点运维方法的应用环境图;
图2为一个实施例中网点运维方法的流程示意图;
图3为一个实施例中网点运维处理步骤的流程示意图;
图4为另一个实施例中网点运维处理步骤的流程示意图;
图5为另一个实施例中网点运维处理步骤的流程示意图;
图6为另一个实施例中网点运维方法的流程示意图;
图7为另一个实施例中网点运维方法的流程示意图;
图8为另一个实施例中网点运维方法的流程示意图;
图9为另一个实施例中网点运维方法的流程示意图;
图10为一个实施例中网点运维装置的结构框图;
图11为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的网点运维方法,可以应用于如图1所示的应用环境中。其中,端设备102通过网络与边缘设备106进行通信,该边缘设备106通过网络与云服务器104进行通信。数据存储系统可以存储云服务器104需要处理的数据。数据存储系统可以集成在云服务器104上,也可以放在云上或其他网络服务器上。云服务器104获取经网点的端设备102所触发的运维请求;其中,所述端设备包含移动设备和摄像设备中的至少一种;云服务器104基于所述运维请求,从至少一个运维场景中确定网点的目标运维场景。云服务器104从多个预设协同模式中确定与所述目标运维场景相匹配的目标协同模式,并通过所述目标协同模式进行相应的网点运维处理;其中,所述预设协同模式包括云推理模式、边缘推理模式、端推理模式、以及分段推理模式。其中,端设备102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器云104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种网点运维方法,以该方法应用于图1中的云服务器104为例进行说明。该方法包括以下步骤:
步骤S202,获取经网点的端设备所触发的运维请求;其中,该端设备包含移动设备和摄像设备中的至少一种。
其中,网点可以是某一营业厅中的某一区域,该运维请求与运维场景对应。
具体地,网点的端设备触发生生成运维请求,并将该运维请求发送至云服务器,云服务器获取该运维请求。其中,该云服务器可以是云服务器或者大型数据处理中心等,具体不做限定。
例如,网点的摄像设备获取到客户进入网点,则摄像设备触发生成运维请求。或者,网点的工作人员所持有的移动终端进入营业厅系统的音视频平台,则网点的工作人员所持有的移动终端触发生成运维请求。或者,网点的工作人员所持有的的移动终端进入营业厅系统的信息审核模块,则网点的工作人员所持有的移动终端触发生成运维请求。或者,网点的摄像设备获取到工作人员进入网点,则摄像设备触发生成运维请求。
步骤S204,基于该运维请求,从至少一个运维场景中确定网点的目标运维场景。
具体地,云服务器基于该运维请求,从至少一个运维场景中确定网点的目标运维场景。其中,该运维场景可以是网点要客识别场景、线上面审场景、业务运营凭证审核场景、行为检测场景等,具体不作限定。
其中,网点要客识别为识别客户是否为重要客户,微小信贷面审是对有微小信贷需求的客户进行审核,业务运营凭证审核为对业务运营凭证进行审核,该业务运营凭证可以是报销单等,行为检测为对工作人员是否出现违规行为进行检测。
步骤S206,从多个预设协同模式中确定与该目标运维场景相匹配的目标协同模式,并通过该目标协同模式进行相应的网点运维处理;其中,该预设协同模式包括云推理模式、边缘推理模式、端推理模式、以及分段推理模式。
其中,协同模式为与智能协同所对应的模式,该智能协同是一种将“端侧采集数据,云上智能处理”的智能模型部署模式,延申为端边云协同智能处理模式。即端(各类用户直接使用的客户端),边(连接端侧和云测的设备),云(大型数据处理中心)协同智能运算的模式。其中,云推理模式为端设备收集数据,云服务器提供智能服务进行智能处理。边缘推理模式:端设备收集数据,边缘设备完成智能处理。端推理模式:端设备负责数据采集、智能处理。分段推理模式可以是端智能服务和云智能服务,也可以是边缘智能服务和云智能服务。其中,边缘设备为链接端设备和元服务器的设备,该边缘设备是向企业或服务提供商核心网络提供入口点的设备。
具体地,云服务器从多个预设协同模式中确定与该目标运维场景相匹配的协同模式,并将与该目标运维场景相匹配的协同模式作为目标协同模式。云服务器通过该目标协同模式进行相应的网点运维处理。
通过获取经网点的端设备所触发的运维请求;其中,该端设备包含移动设备和摄像设备中的至少一种。基于该运维请求,从至少一个运维场景中确定网点的目标运维场景,从而,能够精准确定与运维请求对应的目标运维场景。从多个预设协同模式中确定与该目标运维场景相匹配的目标协同模式,并通过该目标协同模式进行相应的网点运维处理;其中,该预设协同模式包括云推理模式、边缘推理模式、端推理模式、以及分段推理模式。这样,结合云推理模式、边缘推理模式、端推理模式和分段推理模式,确定与目标运维场景相匹配的目标协同模式,以满足不同运维场景的需求,确保了运维的准确性,从而,大大提高了对网点运维的效率。
在一个实施例中,如图3所示,若该目标运维场景为网点要客识别场景,则与该目标运维场景相匹配的目标协同模式为分段推理模式,该通过该目标协同模式进行相应的网点运维处理,包括:
步骤S302,将要客识别模型发送至边缘设备,该要客识别模型用于指示该边缘设备通过该要客识别模型对基于第一视频数据中出现的网点对象进行目标部位检测,得到部位特征信息,并将该部位特征信息与信息库中存储的参考特征信息进行匹配,得到第一匹配结果;该第一视频数据由部署在该网点的端设备将采集并发送至边缘设备的。
其中,目标部位可以是网点对象的任意部位,比如,脸部、手指指纹、眼睛等等。
具体地,云服务器将要客识别模型下发至边缘设备,并且部署在该网点的端设备采集预处理第一视频数据,端设备将该预处理第一视频数据进行加密,得到第一视频数据。端设备将该第一视频数据发送至边缘设备。该边缘设备对该第一视频数据进行解密,得到解密后的第一视频数据。该边缘设备将该解密后的第一视频数据转化为与该第一视频数据对应的数值,该边缘设备通过该要客识别模型对与该第一视频数据对应的数值进行目标部位识别,得到部位特征信息。边缘设备将该部位特征信息与信息库存储的参考特征信息进行匹配,得到第一匹配结果。其中,该边缘设备采用网格化的方式,即在重要网点部署边缘设备,建立网格小站,每个端设备将数据传输至相近的网格小站中,以进行处理。
需要说明的是,一旦端设备采集到第一视频数据,则端设备将该第一视频数据持续不断发送给边缘设备,该要客识别模型保持在一个持续运营的状态,以能够对第一视频数据进行及时处理。
需要说明的是,若采集视频数据的端设备采用普通摄像设备即可实现本申请的方案,在确保准确获取视频数据的同时,进一步减低运维成本。
步骤S304,若该第一匹配结果表征为匹配成功、且该部位特征信息表征为要客,则通过该边缘设备生成要客提醒信息,并将该要客提醒信息发送至第一业务系统,该要客提醒信息用于指示该第一业务系统完成对该网点的运维。
其中,第一业务系统用于网点要客识别场景中,以显示要客识别结果。
具体地,若该第一匹配结果表征为匹配成功、且该部位特征信息表征为要客,则边缘设备生成要客提醒信息,并且该边缘设备调用第一业务系统的接口,该边缘设备通过该接口将该要客提醒信息发送至第一业务系统,以提醒相应工作人员。
需要说明的是,本实施例中涉及到的信息均为已授权的信息。
在本实施例中,采用分段处理模式进行网点要客识别场景的运维时,用普通摄像设备的端设备,在确保准确获取视频数据的同时,还能减低运维成本。此外,还能将数据处理的计算量分布到边缘设备,进一步降低计算压力。这样,能够大大提升对网点要客识别场景运维的效率。
在一个实施例中,该方法还包括:若第一匹配结果表征为匹配不成功,则接收该边缘设备发送的建档请求和部位特征信息。通过生物识别算法对该部位特征信息进行第二匹配,得到第二匹配结果。若该第二匹配结果表征为匹配不成功,则获取第二业务系统发送的筛选结果。若该筛选结果表征为该网点的对象为要客,则基于该部位特征信息进行建档操作,并将建档操作的结果发送至边缘设备进行更新,该建档操作的结果用于指示该边缘设备完成对该网点的运维。
其中,该第二业务系统用于存储有要客的相关信息。该要客为重要客户。
具体地,若第一匹配结果表征为匹配不成功,则边缘设备调用云服务器的应用程序接口(API,Application Programming Interface),该边缘设备通过该应用程序接口发送建档请求和部位特征信息。云服务器接收该边缘设备发送的建档请求和部位特征信息。计算设备通过生物识别算法对该部位特征信息进行第二匹配,得到第二匹配结果。若该第二匹配结果为匹配不成功,则云服务器将该部位特征信息发送至第二业务系统进行筛选,该第二业务系统将该筛选结果发送给云服务器。若筛选结果表征为该网点的对象为要客,云服务器基于该部位特征信息进行建档操作,云服务器将该建档操作的结果发送至边缘设备进行更新,该建档操作的结果用于指示该边缘设备完成对该网点的运维。
例如,若该第二匹配结果为匹配成功,则确定该部位特征信息存储在云服务器中,并确定与该部位特征信息对应的用户信息。云服务器将加密后的部位特征信息和用户信息发送给边缘设备,以使得边缘设备保持该用户信息和该部位特征信息。若该第二匹配结果为匹配不成功,则云服务器将该部位特征信息发送至第二业务系统进行筛选,该第二业务系统将该筛选结果发送给云服务器。若该筛选结果表征为该网点的对象不为要客,则不处理该部位特征信息。若筛选结果表征为该网点的对象为要客,云服务器基于该部位特征信息进行建档操作,云服务器将该建档操作的结果发送至边缘设备进行更新,该建档操作的结果用于指示该边缘设备完成对该网点的运维。
需要说明的是,本实施例中涉及到的信息均为已授权的信息。
在本实施例中,若第一匹配结果表征为匹配不成功,则对部位特征信息进行二次识别,若二次识别结果表征为匹配不成功,则基于第二业务系统对该部位特征信息进行精准筛选,使得及时且准确的实现对该网点的对象的要客识别运维操作。若该筛选结果表征为该网点的对象为要客,则及时对该网点的对象进行建档操作,并且将该建档操作的结果实时发送给边缘设备,实时更新边缘设备所缓存的信息库。这样,能够提升要客识别的准确率,避免后续对网点的对象进行错误的服务,进一步提高用户体验。
在一个实施例中,如图4所示,若该目标运维场景为线上面审场景,则与该目标运维场景相匹配的目标协同模式为云推理模式,该通过该目标协同模式进行相应的网点运维处理,包括:
步骤S402,通过生物识别算法对待面审对象进行身份校验。
具体地,云服务器获取待面审对象的生物特征信息,并基于该生物特征信息,通过生物识别算法进行身份校验。其中,该生物特征信息可以是待面审对象的面部特征信息、声纹信息等,具体不做限定。需要说明的是,该生物特征信息是经待面审对象授权后获取的。
步骤S404,若身份校验结果通过,则获取该端设备发送的待面审对象的申请文件,并通过计算机视觉算法对该申请文件的文本信息进行文本校验。
具体地,若身份校验结果通过,则云服务器获取该端设备发送的待面审对象的申请文件,并通过计算机视觉算法解析该申请文件中的文本信息,得到多个文本解析结果。对于每一个文本解析结果,云服务器均将相应文本解析结果与对应的规范细则进行比较,得到与相应文本解析结果对应的比较结果。
步骤S406,若文本校验结果通过,则获取该端设备发送的语音信息,并通过自然语言处理算法对该语音信息进行转换,得到转换的文字信息。
具体地,若多个比较结果均通过,则确定文本校验结果通过,则云服务器通过数字人算法获取该端设备发送的语言信息。云服务器通过自然语言处理算法对该语言信息进行转换,得到转换的文字信息。若存在至少一个比较结果为不通过,则确定文本校验结果为不通过,则云服务器基于不通过的比较结果,提示工作人员存在申请文件不规范。
步骤S408,若从知识库中查找到与该文字信息相匹配的响应信息,则显示该响应信息,该响应信息用于完成对该网点的运维;其中,该知识库中存储有文字信息与响应信息的映射关系。
具体地,云服务器基于该转换的文字信息,从知识库中查找是否存在与该文字信息相匹配的响应信息。若从知识库中查找到与该文字信息相匹配的响应信息,则云服务器显示该响应信息,该响应信息用于完成对该网点的运维。若从知识库中未查找到与该文字信息相匹配的响应信息,则云服务器提示工作人员响应该文字信息。
需要说明的是,该线上面审场景可以为微小信贷面审场景,具体不作限定。需要说明的是,本实施例中涉及到的信息均为已授权的信息。
在本实施例,基于生物识别算法对待面审对象进行身份校验,以避免待面审对象深度伪造,确保微小信贷的安全性,以降低风险。若身份校验结果通过,则对申请文件的文本信息进行校验,避免申请文件内容存在不规范,提升面审质量。若该文本校验通过,则基于自然语言处理算法和知识库能够及时响应待面审对象的语言信息,进一步提升对线上面审场景的运维效率。
在一个实施例中,若该目标运维场景为业务运营凭证审核场景,则与该目标运维场景相匹配的目标协同模式为分段推理模式,该通过该目标协同模式进行相应的网点运维处理,包括:获取待检测的数码影像信息,该待检测的数码影像信息为该端设备对待检测的业务运营凭证进行数码解析得到。通过影像识别模型对该数码影像信息中的各个凭证信息进行信息识别,得到各个凭证信息分别对应的校验结果。基于各个凭证信息分别对应的校验结果,确定待检测的业务运营凭证的审核结果,该审核结果用于完成对该网点的运维。
其中,凭证信息为待检测的业务运营凭证中的各类信息,比如,业务运营凭证为报销单,则凭证信息可以为报销单位、报销数量、报销金额等等。该校验结果用于确定凭证信息是否正确。
具体地,端设备获取待检测的业务运营凭证,并通过端设备的预处理模型,对该待检测的业务运营凭证进行预检测,若预检测结果通过,则端设备将待检测的业务运营凭证进行数码解析,得到待检测的数码影像信息。端设备将该待检测的数码影像信息发送至云服务器。对于每个凭证信息,云服务器通过影像识别模型,将与相应凭证信息对应的凭证校验规则,和相应凭证信息进行匹配,得到与相应凭证信息对应的校验结果。云服务器基于各个校验结果,确定待检测的业务运营凭证的审核结果,该审核结果用于完成对该网点的运维。
其中,凭证校验规则可以是业务运营凭证内容填写是否正确,每个凭证信息是否符合相应业务办理条件。
例如,若多个校验结果中存在至少一个校验结果为不通过,则云服务器确定该审核结果为不通过,则将该审核结果、以及不通过的校验结果发送至端设备进行显示,以使得工作人员基于不通过的校验结果,对待检测的业务运营凭证进行修改。若校验结果均通过,则云服务器确定该审核结果为通过,并将该审核结果发送至端设备进行显示。
需要说明的是,本实施例中涉及到的信息均为已授权的信息。
在本实施例中,通过影像识别模型对数码影像信息进行信息识别,能够及时识别出不规范的信息,并实时更新给工作人员。这样,有助于工作人员及时告知客户修改不规范的信息,避免了重复往返网点进行修改,提升了客户的满意度,从而提升了业务办理效率,即,提升对业务运营凭证审核场景的运维效率。还能降低了复审的工作人员的工作量。
在一个实施例中,如图5所示,若该目标运维场景为行为检测场景,则与该目标运维场景相匹配的目标协同模式为边缘推理模式,该通过该目标协同模式进行相应的网点运维处理,包括:
步骤S502,将违规检测模型发送至边缘设备,该违规检测模型用于指示该边缘设备基于各个违规检测模型对第二视频数据进行违规行为检测,得到第一检测结果,该第二视频数据是由部署在网点的端设备采集并传输至该边缘设备的。
其中,该违规检测模型包括用于检测违规使用移动终端的模型、用于检测违规聊天的模型、用于检测代客操作的模型、用于检测违规使用终端阅读器的模型等等。其中,该终端阅读器可以为POS(Point of sales)机。
具体地,云服务器将违规检测模型下发至边缘设备,并且部署在网点的端设备将采集得到第二视频数据发送至边缘设备。边缘设备基于各个违规检测模型对第二视频数据进行违规行为检测,得到与各个违规检测模型分别对应的第一检测结果。
例如,若该违规检测模型为用于检测违规使用手机模型,则通过解析第二视频数据中同一画面里工作人员和手机共同出现的频率和时间,以确定工作人员是否长时间操作手机。或者,若该违规检测模型为用于检测违规聊天模型,则根据第二视频数据中出现在同一地点的人数和时间进行检测。或者,若该违规检测模型为检测代客操作的模型、违规使用POS机的模型、以及违规向客户展示产品资料的模型等,则根据第二视频数据中不同工作人员、客户、产品出现的时序、时长,比对行为规则,进行监测。
需要说明的是,每个违规检测模型对应一种违规操作。
步骤S504,接收边缘设备发送的第一检测结果,接收由监控终端发送的与第二视频数据对应的第二检测结果。
具体地,边缘设备将第一检测结果上传至云服务器,云服务器接收边缘设备发送的第一检测结果。云服务器接收由监控终端发送的与第二视频数据对应的第二检测结果。
其中,第二检测结果为监控人员通过第二视频数据而确定的检测结果,并监控人员将第二检测结果输入监控终端。
需要说明的是,第二检测结果与违规操作对应,比如,对于用于检测违规使用移动终端的模型,对应为违规使用移动终端的违规操作,则第二检测结果为监控人员监控违规使用移动终端的违规操作的检测结果。也就是说,对于同一个违规操作,存在第一检测结果和第二检测结果。
步骤S506,基于该第一检测结果和第二检测结果,确定操作违规结果,该操作违规结果用于实现对该网点的运维。
具体地,对于每个违规操作,计算机设获取与相应违规操作对应的第一检测结果和第二检测结果。对于每个违规操作,云服务器基于第一检测结果和第二检测结果,确定与相应违规操作对应的操作违规结果,该操作违规结果用于实现对该网点的运维。其中,违规操作与违规检测模型相对应,且每个违规操作均对应第一检测结果和第二检测结果。
例如,对于每个违规操作,云服务器基于第一检测结果的第一权重,第二检测结果的第二权重,通过加权求和,确定与相应违规操作对应的操作违规结果。
需要说明的是,本实施例中涉及到的信息均为已授权的信息。
在本实施例中,通过违规检测模型的第一检测结果和由监控终端做发送的第二检测结果,能够准确且清楚的确定操作违规结果,能够对网点的工作人员进行实时的检测,提升网点经营的规范性和非现场检测效率,大大提升了对行为检测场景的运维效率。
为了便于更加清楚的了解本申请的技术方案,提供了一个更为详细实施例进行描述。本实施例中的云服务器可以看作为云平台,或者大型数据处理中心。需要说明的是,本申请中边缘设备采用网格化方式,在重要网点部署边缘设备,建立网格小站,即按区域划分,每片区域均安装一套边缘设备。并且若端设备为摄像设备时,本申请涉及到的摄像设备采用普通摄像设备即可。需要说明的是,本申请中涉及到的信息均为已授权的信息。
场景一:如图6所示,该目标运维场景为网点要客识别场景。
步骤6.1视频流采集:利用网点的端设备,即摄像设备(即对应图中普通摄像头)采集网点对象的第一视频数据,该视频数据为面部信息。摄像设备将该该第一视频数据发送至边缘设备,该边缘设备接收第一视频数据。
步骤6.2镜像版本要客识别模型更新下发:由云服务器中的物联平台将镜像版本的要客识别模型推送至边缘设备上并进行安装。需要说明的是,要客识别模型的模型文件统一由云服务器的物联平台实施维护,以确保模型文件的统一管理。
步骤6.3要客识别:该边缘设备对该第一视频数据进行解密,得到解密后的第一视频数据。该边缘设备将该解密后的第一视频数据转化为与该第一视频数据对应的数值,该边缘设备通过该要客识别模型对与该第一视频数据对应的数值进行目标部位识别(即对应图中视频流人像检测),得到部位特征信息。边缘设备将该部位特征信息与信息库存储的参考特征信息进行匹配,得到第一匹配结果。若该第一匹配结果表征为匹配成功、且该部位特征信息在信息库(即对应图中的面部库)中记录标识为要客,即要客识别成功,则边缘设备生成要客提醒信息,并且该边缘设备调用第一业务系统的接口,该边缘设备通过该接口将该要客提醒信息发送至第一业务系统,提示客户经理。
需要说明的是,边缘设备上不保存任何网点对象(即客户)的其他信息,以防信息泄露。该信息库定期同步云服务器的生物识别平台中的生物识别面部信息库信息。
步骤6.4建档操作:若第一匹配结果表征为匹配不成功,则边缘设备调用云服务器的应用程序接口(API,Application Programming Interface),该边缘设备通过该应用程序接口发送建档请求和部位特征信息。云服务器接收该边缘设备发送的建档请求和部位特征信息。云服务器通过生物识别算法对该部位特征信息进行第二匹配,得到第二匹配结果。若该第二匹配结果为匹配成功,则确定该部位特征信息存储在云服务器中,并确定与该部位特征信息对应的用户信息。云服务器将加密后的部位特征信息和用户信息发送给边缘设备,以使得边缘设备保持该用户信息和该部位特征信息。若该第二匹配结果为匹配不成功,则云服务器将该部位特征信息发送至第二业务系统进行筛选,该第二业务系统将该筛选结果发送给云服务器。若该筛选结果表征为该网点的对象不为要客,则不处理该部位特征信息。若筛选结果表征为该网点的对象为要客,云服务器基于该部位特征信息进行建档操作。
步骤6.5到访加密面部特征同步:云服务器定期将该建档操作的结果加密后发送至边缘设备进行更新,该建档操作的结果用于指示边缘设备完成对该网点的运维。这样,使得网点本地能能够完成缓存要客的面部识别,减少与云服务器的交互,降低网络传输压力。
场景二:如图7所示,该目标运维场景为线上面审场景。该线上面审场景可以为微小信贷面审场景,以该微小信贷面审场景为例进行如下说明。
步骤7.1音视频连线:基于5G(5th Generation Mobile CommunicationTechnology,第五代移动通信技术)网络,利用云服务器的音视频平台直播技术,通过服务器的音视频平台连线待面审对象(即客户)和客户经理。音视频互动由客户经理与客户双方通过指定渠道接入行内音视频平台。
步骤7.2云上智能服务:云服务器基于数字人技术接收待面审对象的语言信息,并通过自然语言处理算法对该语言信息进行转换,得到转换后的文字信息。基于该转换的文字信息,从知识库中查找是否存在与该文字信息相匹配的响应信息。若从知识库中查找到与该文字信息相匹配的响应信息,则云服务器显示该响应信息,该响应信息用于完成对该网点的运维。若从知识库中未查找到与该文字信息相匹配的响应信息,则云服务器提示客户经理响应该文字信息。
需要说明的是,采用数字人、自然语言处理等算法建立云上的数字员工,交互式指导客户完成申请、在线提交等工作。对于流程化的申请、提交步骤,通过数字人+自然语言算法,将流程化的操作步骤以转换成自然语言,通过数字人实现与待面审对象互动。利用智能对话技术实现与客户问答互动,减轻客户经理重复的工作。在此过程中,客户经理仅需要关注数字人与客户的互动内容,如果数字人无法解答客户问题时,客户经理及时介入,解决机器无法解答的问题。
在进行步骤7.2步骤之前,还需要进行客户审核审核操作,即步骤7.2之前,还需要进行步骤7.3客户审核辅助:云服务器获取待面审对象的生物特征信息,并基于该生物特征信息,通过生物识别算法进行身份校验。若身份校验结果通过,则云服务器获取该端设备发送的待面审对象的申请文件,并通过计算机视觉算法解析该申请文件中的文本信息,得到多个文本解析结果。对于每一个文本解析结果,云服务器均将相应文本解析结果与对应的规范细则进行比较,得到与相应文本解析结果对应的比较结果。若多个比较结果均通过,则确定文本校验结果通过,则云服务器通过数字人算法获取该端设备发送的语言信息。云服务器通过自然语言处理算法对该语言信息进行转换,得到转换的文字信息。若存在至少一个比较结果为不通过,则确定文本校验结果为不通过,则云服务器基于不通过的比较结果,提示客户经理存在申请文件不规范。
场景三:如图8所示,该目标运维场景为业务运营凭证审核场景。
步骤8.1图像质量检测:网点的工作人员在办理业务凭证时,通过移动端的端设备拍摄获取待检测的业务运营凭证,并通过端设备的预处理模型,对该待检测的业务运营凭证进行预检测,若预检测结果通过,则端设备将待检测的业务运营凭证进行数码解析,得到待检测的数码影像信息。端设备将该待检测的数码影像信息发送至云服务器。其中,该预检测用于校验影像质量,实现影像质量的过滤。
步骤8.2智能识别:云服务器接收该待检测的数码影像,进行信息识别,即识别具体凭证条款内容信息。对于每个凭证信息,云服务器通过影像识别模型,将与相应凭证信息对应的凭证校验规则,和相应凭证信息进行匹配,得到与相应凭证信息对应的校验结果。云服务器基于各个校验结果,确定待检测的业务运营凭证的审核结果,该审核结果用于完成对该网点的运维。
步骤8.3信息校验反馈:云服务器将该审核结果反馈至工作人员的移动终端,以提示工作人员查看,并根据审核结果修改凭证信息。云服务器将该审核结果下发至业务系统,业务系统同步记录工作人员的操作过程,退回修改的记录请求,以防范工作人员操作风险。
场景四:如图9所示,该目标运维场景为行为检测场景。
步骤9.1视频流采集:利用网点的端设备,即摄像设备(即对应图中普通摄像头)采集网点对象的第二视频数据,该摄像设备将第二视频数据发送至边缘设备。
步骤9.2违规检测模型(即边缘模型):由云服务器中的机器学习平台完成违规检测模型的训练,并将模型训练文件推送给云服务器的物联平台。由物联平台完成模型文件的镜像制作,保证模型文件的统一管理。
步骤9.3:云服务器中的物联平台将模型镜像版本的违规检测模型下发至边缘设备上,完成模型文件的安装和部署。部署的边缘设备可同步部署多个智能服务,云服务器提供模型训练和边缘智能服务在线更新服务,边缘智能服务由线上发起部署和升级,无须到小站安装。
步骤9.4:边缘设备基于各个违规检测模型对第二视频数据进行违规行为检测,得到与各个违规检测模型分别对应的第一检测结果。
步骤9.5检测结果上传。边缘设备将第一检测结果上传到云服务器,云服务器接收由监控终端发送的与第二视频数据对应的第二检测结果。云服务器基于第一检测结果和第二检测结果,确定操作违规结果。云服务器基于该操作违规结果标注出确认的违规行为。
步骤9.6标注供给:云服务器将标注信息提供给机器学习平台,以对违规检测模型进行改进和优化。
步骤9.7:云服务器定期向边缘设备缓存一份现有的工作人员的面部特征信息。
在本实施例中,从多个预设协同模式中确定与该目标运维场景相匹配的目标协同模式,并通过该目标协同模式进行相应的网点运维处理;其中,该预设协同模式包括云推理模式、边缘推理模式、端推理模式、以及分段推理模式。这样,结合云推理模式、边缘推理模式、端推理模式和分段推理模式,确定与目标运维场景相匹配的目标协同模式,以满足不同运维场景的需求,确保了运维的准确性,从而,大大提高了对网点运维的效率,即提升了网点运维管理效能,也降低了运营成本。此外,对于客户营销方面,复用高清摄像头设备,无需新增采购智能摄像头降低成本。边缘设备实现到缓存客户的面部识别,规避和云服务器的频繁交互,网络传输小,避免网点边缘侧泄露要客面部库敏感信息,保护客户信息安全。风险防控方面,通过云服务器的人工智能技术,为客户经理提供客户状况风险识别的技术辅助信息,捕捉客户可能在面谈过程中忽略的信息,提升线上面审风险防控效果。业务运营方面,通过线上初审,避免错填客户多次往返网点,提升客户满意度,提升业务办理效率,释放复审人员工作量。内部管理方面,实现对网点员工实时事中监测。提升网点经营规范性和非现场检查效率。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的网点运维方法的网点运维装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个网点运维装置实施例中的具体限定可以参见上文中对于网点运维方法的限定,在此不再赘述。
在一个实施例中,如图10所示,提供了一种网点运维装置,包括:获取模块1002、确定模块1004和运维模块1006,其中:
获取模块1002,用于获取经网点的端设备所触发的运维请求;其中,该端设备包含移动设备和摄像设备中的至少一种。
确定模块1004,用于基于该运维请求,从至少一个运维场景中确定网点的目标运维场景。
运维模块1006,用于从多个预设协同模式中确定与该目标运维场景相匹配的目标协同模式,并通过该目标协同模式进行相应的网点运维处理;其中,该预设协同模式包括云推理模式、边缘推理模式、端推理模式、以及分段推理模式。
在一个实施例中,该运维模块1006,用于将要客识别模型发送至边缘设备,该要客识别模型用于指示该边缘设备通过该要客识别模型对基于该第一视频数据中出现的网点对象进行目标部位检测,得到部位特征信息,并将该部位特征信息与信息库中存储的参考特征信息进行匹配,得到第一匹配结果;该第一视频数据由部署在该网点的端设备将采集并发送至边缘设备的。若该第一匹配结果表征为匹配成功、且该部位特征信息表征为要客,则通过该边缘设备生成要客提醒信息,并将该要客提醒信息发送至第一业务系统,该要客提醒信息用于指示该第一业务系统完成对该网点的运维。
在一个实施例中,该运维模块1006,还用于若第一匹配结果表征为匹配不成功,则接收该边缘设备发送的建档请求和部位特征信息。通过生物识别算法对该部位特征信息进行第二匹配,得到第二匹配结果。若该第二匹配结果表征为匹配不成功,则获取第二业务系统发送的筛选结果。若该筛选结果表征为该网点的对象为要客,则基于该部位特征信息进行建档操作,并将建档操作的结果发送至边缘设备进行更新,该建档操作的结果用于指示该边缘设备完成对该网点的运维。
在一个实施例中,该运维模块1006,用于通过生物识别算法对待面审对象进行身份校验。若身份校验结果通过,则获取该端设备发送的待面审对象的申请文件,并通过计算机视觉算法对该申请文件的文本信息进行文本校验。若文本校验结果通过,则获取该端设备发送的语音信息,并通过自然语言处理算法对该语音信息进行转换,得到转换的文字信息。若从知识库中查找到与该文字信息相匹配的响应信息,则显示该响应信息,该响应信息用于完成对该网点的运维;其中,该知识库中存储有文字信息与响应信息的映射关系。
在一个实施例中,该运维模块1006,用于获取待检测的数码影像信息,该待检测的数码影像信息为该端设备对待检测的业务运营凭证进行数码解析得到。通过影像识别模型对该数码影像信息中的各个凭证信息进行信息识别,得到各个凭证信息分别对应的校验结果。基于各个凭证信息分别对应的校验结果,确定待检测的业务运营凭证的审核结果,该审核结果用于完成对该网点的运维。
在一个实施例中,该运维模块1006,用于将违规检测模型发送至边缘设备,该违规检测模型用于指示该边缘设备基于各个违规检测模型对第二视频数据进行违规行为检测,得到第一检测结果,该第二视频数据是由部署在网点的端设备采集并传输至该边缘设备的。接收边缘设备发送的第一检测结果,接收由监控终端发送的与第二视频数据对应的第二检测结果。基于该第一检测结果和第二检测结果,确定操作违规结果,该操作违规结果用于实现对该网点的运维。
上述网点运维装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是云服务器、端设备或者边缘设备,其内部结构图可以如图11所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储网点运维数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种网点运维方法。
本领域技术人员可以理解,图11中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (12)
1.一种网点运维方法,其特征在于,由云服务器执行,所述方法包括:
获取经网点的端设备所触发的运维请求;其中,所述端设备包含移动设备和摄像设备中的至少一种,所述网点为预设营业厅中的预设区域;
基于所述运维请求,从至少一个运维场景中确定网点的目标运维场景;
从多个预设协同模式中确定与所述目标运维场景相匹配的目标协同模式,并通过所述目标协同模式进行相应的网点运维处理;其中,所述预设协同模式包括云推理模式、边缘推理模式、端推理模式、以及分段推理模式;
其中,若所述目标运维场景为网点要客识别场景,则与所述目标运维场景相匹配的目标协同模式为分段推理模式,所述通过所述目标协同模式进行相应的网点运维处理,包括:
将要客识别模型发送至边缘设备,所述要客识别模型用于指示所述边缘设备通过所述要客识别模型对基于第一视频数据中出现的网点对象进行目标部位检测,得到部位特征信息,并将所述部位特征信息与信息库中存储的参考特征信息进行匹配,得到第一匹配结果;所述第一视频数据由部署在所述网点的端设备采集并发送至边缘设备的;
若第一匹配结果表征为匹配不成功,则接收所述边缘设备发送的建档请求和部位特征信息;
通过生物识别算法对所述部位特征信息进行第二匹配,得到第二匹配结果;
若所述第二匹配结果表征为匹配不成功,则将所述部位特征信息发送至第二业务系统进行筛选,并获取第二业务系统发送的筛选结果,所述第二业务系统存储有要客的相关信息,所述要客为重要客户;
若所述筛选结果表征为所述网点的对象为要客,则基于所述部位特征信息进行建档操作,并将建档操作的结果发送至边缘设备进行更新,所述建档操作的结果用于指示所述边缘设备完成对所述网点的运维。
2.根据权利要求1所述的方法,其特征在于,若所述目标运维场景为网点要客识别场景,则与所述目标运维场景相匹配的目标协同模式为分段推理模式,所述方法还包括:
若所述第一匹配结果表征为匹配成功、且所述部位特征信息表征为要客,则通过所述边缘设备生成要客提醒信息,并将所述要客提醒信息发送至第一业务系统,所述要客提醒信息用于指示所述第一业务系统完成对所述网点的运维。
3.根据权利要求1所述的方法,其特征在于,若所述目标运维场景为线上面审场景,则与所述目标运维场景相匹配的目标协同模式为云推理模式,所述通过所述目标协同模式进行相应的网点运维处理,包括:
通过生物识别算法对待面审对象进行身份校验;
若身份校验结果通过,则获取所述端设备发送的待面审对象的申请文件,并通过计算机视觉算法对该申请文件的文本信息进行文本校验;
若文本校验结果通过,则获取所述端设备发送的语音信息,并通过自然语言处理算法对所述语音信息进行转换,得到转换的文字信息;
若从知识库中查找到与所述文字信息相匹配的响应信息,则显示所述响应信息,所述响应信息用于完成对所述网点的运维;其中,所述知识库中存储有文字信息与响应信息的映射关系。
4.根据权利要求1所述的方法,其特征在于,若所述目标运维场景为业务运营凭证审核场景,则与所述目标运维场景相匹配的目标协同模式为分段推理模式,所述通过所述目标协同模式进行相应的网点运维处理,包括:
获取待检测的数码影像信息,所述待检测的数码影像信息为所述端设备对待检测的业务运营凭证进行数码解析得到;
通过影像识别模型对所述数码影像信息中的各个凭证信息进行信息识别,得到各个凭证信息分别对应的校验结果;
基于各个凭证信息分别对应的校验结果,确定待检测的业务运营凭证的审核结果,所述审核结果用于完成对所述网点的运维。
5.根据权利要求1所述的方法,其特征在于,若所述目标运维场景为行为检测场景,则与所述目标运维场景相匹配的目标协同模式为边缘推理模式,所述通过所述目标协同模式进行相应的网点运维处理,包括:
将违规检测模型发送至边缘设备,所述违规检测模型用于指示所述边缘设备基于各个违规检测模型对第二视频数据进行违规行为检测,得到第一检测结果,所述第二视频数据是由部署在网点的端设备采集并传输至所述边缘设备的;
接收边缘设备发送的第一检测结果,接收由监控终端发送的与第二视频数据对应的第二检测结果;
基于所述第一检测结果和第二检测结果,确定操作违规结果,所述操作违规结果用于实现对所述网点的运维。
6.一种网点运维装置,其特征在于,所述装置包括:
获取模块,用于获取经网点的端设备所触发的运维请求;其中,所述端设备包含移动设备和摄像设备中的至少一种,所述网点为预设营业厅中的预设区域;
确定模块,用于基于所述运维请求,从至少一个运维场景中确定网点的目标运维场景;
运维模块,用于从多个预设协同模式中确定与所述目标运维场景相匹配的目标协同模式,并通过所述目标协同模式进行相应的网点运维处理;其中,所述预设协同模式包括云推理模式、边缘推理模式、端推理模式、以及分段推理模式;
其中,若所述目标运维场景为网点要客识别场景,则与所述目标运维场景相匹配的目标协同模式为分段推理模式,所述运维模块,具体用于:
将要客识别模型发送至边缘设备,所述要客识别模型用于指示所述边缘设备通过所述要客识别模型对基于第一视频数据中出现的网点对象进行目标部位检测,得到部位特征信息,并将所述部位特征信息与信息库中存储的参考特征信息进行匹配,得到第一匹配结果;所述第一视频数据由部署在所述网点的端设备采集并发送至边缘设备的;
若第一匹配结果表征为匹配不成功,则接收所述边缘设备发送的建档请求和部位特征信息;
通过生物识别算法对所述部位特征信息进行第二匹配,得到第二匹配结果;
若所述第二匹配结果表征为匹配不成功,则将所述部位特征信息发送至第二业务系统进行筛选,并获取第二业务系统发送的筛选结果,所述第二业务系统存储有要客的相关信息,所述要客为重要客户;
若所述筛选结果表征为所述网点的对象为要客,则基于所述部位特征信息进行建档操作,并将建档操作的结果发送至边缘设备进行更新,所述建档操作的结果用于指示所述边缘设备完成对所述网点的运维。
7.根据权利要求6所述的装置,其特征在于,所述运维模块,还用于若所述第一匹配结果表征为匹配成功、且所述部位特征信息表征为要客,则通过所述边缘设备生成要客提醒信息,并将所述要客提醒信息发送至第一业务系统,所述要客提醒信息用于指示所述第一业务系统完成对所述网点的运维。
8.根据权利要求6所述的装置,其特征在于,若所述目标运维场景为线上面审场景,则与所述目标运维场景相匹配的目标协同模式为云推理模式,所述运维模块,还用于通过生物识别算法对待面审对象进行身份校验;若身份校验结果通过,则获取所述端设备发送的待面审对象的申请文件,并通过计算机视觉算法对该申请文件的文本信息进行文本校验;若文本校验结果通过,则获取所述端设备发送的语音信息,并通过自然语言处理算法对所述语音信息进行转换,得到转换的文字信息;若从知识库中查找到与所述文字信息相匹配的响应信息,则显示所述响应信息,所述响应信息用于完成对所述网点的运维;其中,所述知识库中存储有文字信息与响应信息的映射关系。
9.根据权利要求6所述的装置,其特征在于,若所述目标运维场景为业务运营凭证审核场景,则与所述目标运维场景相匹配的目标协同模式为分段推理模式,所述运维模块,还用于获取待检测的数码影像信息,所述待检测的数码影像信息为所述端设备对待检测的业务运营凭证进行数码解析得到;通过影像识别模型对所述数码影像信息中的各个凭证信息进行信息识别,得到各个凭证信息分别对应的校验结果;基于各个凭证信息分别对应的校验结果,确定待检测的业务运营凭证的审核结果,所述审核结果用于完成对所述网点的运维。
10.根据权利要求6所述的装置,其特征在于,若所述目标运维场景为行为检测场景,则与所述目标运维场景相匹配的目标协同模式为边缘推理模式,所述运维模块,还用于将违规检测模型发送至边缘设备,所述违规检测模型用于指示所述边缘设备基于各个违规检测模型对第二视频数据进行违规行为检测,得到第一检测结果,所述第二视频数据是由部署在网点的端设备采集并传输至所述边缘设备的;接收边缘设备发送的第一检测结果,接收由监控终端发送的与第二视频数据对应的第二检测结果;基于所述第一检测结果和第二检测结果,确定操作违规结果,所述操作违规结果用于实现对所述网点的运维。
11.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的方法的步骤。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210161900.9A CN114553684B (zh) | 2022-02-22 | 2022-02-22 | 网点运维方法、装置、计算机设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210161900.9A CN114553684B (zh) | 2022-02-22 | 2022-02-22 | 网点运维方法、装置、计算机设备、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114553684A CN114553684A (zh) | 2022-05-27 |
CN114553684B true CN114553684B (zh) | 2024-02-09 |
Family
ID=81676657
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210161900.9A Active CN114553684B (zh) | 2022-02-22 | 2022-02-22 | 网点运维方法、装置、计算机设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114553684B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111695961A (zh) * | 2019-03-13 | 2020-09-22 | 阿里巴巴集团控股有限公司 | 共享设备管理方法、装置、系统以及计算装置和存储介质 |
CN112926787A (zh) * | 2021-03-15 | 2021-06-08 | 中国工商银行股份有限公司 | 钞车线路规划方法及装置 |
CN113364758A (zh) * | 2021-06-24 | 2021-09-07 | 珠海市鸿瑞信息技术股份有限公司 | 一种基于堡垒机的网络安全运维管理系统 |
CN113836215A (zh) * | 2021-11-09 | 2021-12-24 | 神州数码系统集成服务有限公司 | 金融场景类用户感知信息处理方法、系统、设备及应用 |
-
2022
- 2022-02-22 CN CN202210161900.9A patent/CN114553684B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111695961A (zh) * | 2019-03-13 | 2020-09-22 | 阿里巴巴集团控股有限公司 | 共享设备管理方法、装置、系统以及计算装置和存储介质 |
CN112926787A (zh) * | 2021-03-15 | 2021-06-08 | 中国工商银行股份有限公司 | 钞车线路规划方法及装置 |
CN113364758A (zh) * | 2021-06-24 | 2021-09-07 | 珠海市鸿瑞信息技术股份有限公司 | 一种基于堡垒机的网络安全运维管理系统 |
CN113836215A (zh) * | 2021-11-09 | 2021-12-24 | 神州数码系统集成服务有限公司 | 金融场景类用户感知信息处理方法、系统、设备及应用 |
Also Published As
Publication number | Publication date |
---|---|
CN114553684A (zh) | 2022-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110009475B (zh) | 风险稽核监察方法、装置、计算机设备及存储介质 | |
CN109783338A (zh) | 基于业务信息的录制处理方法、装置和计算机设备 | |
US8290951B1 (en) | Unstructured data integration with a data warehouse | |
US20230281238A1 (en) | Facial test database management system for detection of facial recognition device, and method | |
US11847584B2 (en) | Systems and methods for automated identity verification | |
CN111651731A (zh) | 将实体产品转化为数字资产并存储在区块链上的方法 | |
CN113873088B (zh) | 语音通话的交互方法、装置、计算机设备和存储介质 | |
CN114282882A (zh) | 素材工单审核方法、装置、设备及存储介质 | |
CN112508621A (zh) | 一种交易分析方法及装置 | |
CN114553684B (zh) | 网点运维方法、装置、计算机设备、存储介质 | |
CN115756255A (zh) | 停车场设备的设备参数处理方法、装置、设备和存储介质 | |
US11301616B1 (en) | Using machine learning to predict performance of secure documents | |
CN114418380A (zh) | 基于联邦学习的用户评分方法、服务器及存储介质 | |
CN113658010A (zh) | 电子投保单生成方法、装置、设备及存储介质 | |
CN113836566B (zh) | 基于区块链系统的模型处理方法及装置、设备、介质 | |
US11451556B2 (en) | Dynamic profile control system | |
CN112907243B (zh) | 区块链交易审计方法及装置 | |
CN111681745B (zh) | 一种数据处理方法及装置 | |
US20230237180A1 (en) | Systems and methods for linking a screen capture to a user support session | |
CN118245987A (zh) | 数据认证方法、装置、计算机设备和存储介质 | |
Bhargava et al. | Image Recognition Using Machine Learning for Classifying Finger Print Recognition using direction filtering | |
CN115689811A (zh) | 基于区块链的电子遗嘱生成方法、资产继承方法及系统 | |
CN117291734A (zh) | 一种信息处理方法、装置、设备及其存储介质 | |
CN117495519A (zh) | 金融凭证处理方法、装置、计算机设备和存储介质 | |
CN117034358A (zh) | 业务凭证的处理方法、装置及计算机设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |