CN115019250A - 银行网点的异常行为检测方法及装置 - Google Patents

银行网点的异常行为检测方法及装置 Download PDF

Info

Publication number
CN115019250A
CN115019250A CN202210606133.8A CN202210606133A CN115019250A CN 115019250 A CN115019250 A CN 115019250A CN 202210606133 A CN202210606133 A CN 202210606133A CN 115019250 A CN115019250 A CN 115019250A
Authority
CN
China
Prior art keywords
abnormal behavior
abnormal
worker
target
staff
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
Application number
CN202210606133.8A
Other languages
English (en)
Inventor
白景岚
李明岩
宋娉婷
徐卓然
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Bank of China Ltd
Original Assignee
Bank of China Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Bank of China Ltd filed Critical Bank of China Ltd
Priority to CN202210606133.8A priority Critical patent/CN115019250A/zh
Publication of CN115019250A publication Critical patent/CN115019250A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • 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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/02—Banking, e.g. interest calculation or account maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Computational Linguistics (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • Software Systems (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Alarm Systems (AREA)

Abstract

本发明提出了一种银行网点的异常行为检测方法及装置，涉及计算机技术领域，该方法包括：获取监控视频；根据该监控视频及工作人员识别模型，得到工作人员识别结果；根据该工作人员识别结果，进行异常行为识别；根据识别到的异常行为，进行异常行为提醒，本发明通过分析监控视频能够发现和记录工作人员具有风险性的异常行为；减少人工查阅视频或人工现场监督的成本；通过及时的告警，能够及时规避风险，保障营业网点的安全。

Description

银行网点的异常行为检测方法及装置
技术领域
本发明涉及计算机技术领域，尤指一种银行网点的异常行为检测方法及装置。
背景技术
本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
银行网点作为银行与社会对接金融交易的媒介之一，经常处理一些百姓常用的存款取款、账户设定等业务，工作人员熟悉银行各项金融相关业务，但也存在机会接触现金汇支票等涉及金融安全的物品。
然而，目前在工作人员的工作区域存在仅具有记录功能的监控，需要人工去查看视频工作人员是否存在异常行为，监察力度较小，由于目前客观监管机制的缺失，工作人员存在部分异常甚至违规行为的风险。因此，如何有效利用监控视频的具体信息，去提高银行网点面向内部工作人员的抗风险能力，是有待进一步解决的问题。
综上来看，亟需一种可以克服上述问题，能够高效准确的检测工作人员的异常行为的技术方案。
发明内容
为解决现有技术存在的问题，本发明提出了一种银行网点的异常行为检测方法及装置。相较于现在的仅具有记录功能的视频监控方法，本发明有效利用了监控视频的内容信息，结合图像识别对视频内容进行提取和分析，能够自动化地检测工作人员是否具有异常行为，一来通过实时进行提醒和记录的方式，及时发现和规避潜在的异常风险，增强银行网点的风险防控能力；二来免去了人工实时查看视频，降低了人工成本，提高了监管效率。
在本发明实施例的第一方面，提出了一种银行网点的异常行为检测方法，包括：
获取监控视频；
根据该监控视频及工作人员识别模型，得到工作人员识别结果；
根据该工作人员识别结果，进行异常行为识别；
根据识别到的异常行为，进行异常行为提醒。
在本发明实施例的第二方面，提出了一种银行网点的异常行为检测装置，包括：
获取模块，用于获取监控视频；
工作人员识别模块，用于根据该监控视频及工作人员识别模型，得到工作人员识别结果；
异常行为识别模块，用于根据该工作人员识别结果，进行异常行为识别；
异常行为提醒模块，用于根据识别到的异常行为，进行异常行为提醒。
在本发明实施例的第三方面，提出了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现银行网点的异常行为检测方法。
在本发明实施例的第四方面，提出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，所述计算机程序被处理器执行时实现银行网点的异常行为检测方法。
在本发明实施例的第五方面，提出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，所述计算机程序被处理器执行时实现银行网点的异常行为检测方法。
本发明提出的银行网点的异常行为检测方法及装置通过获取监控视频，根据该监控视频及工作人员识别模型，得到工作人员识别结果；根据该工作人员识别结果，进行异常行为识别；根据识别到的异常行为，进行异常行为提醒，本发明通过分析监控视频能够发现和记录工作人员具有风险性的异常行为；减少人工查阅视频或人工现场监督的成本；通过及时的告警，能够及时规避风险，保障营业网点的安全。
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它的附图。
图1是本发明一实施例的银行网点的异常行为检测方法流程示意图。
图2是本发明一具体实施例的根据该监控视频及工作人员识别模型进行工作人员识别的流程示意图。
图3是本发明一具体实施例的异常行为识别的流程示意图。
图4是本发明一实施例的银行网点的异常行为检测装置架构示意图。
图5是本发明另一实施例的银行网点的异常行为检测装置架构示意图。
图6是本发明一具体实施例的异常行为识别模块的架构示意图。
图7是本发明一实施例的计算机设备结构示意图。
具体实施方式
下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明，而并非以任何方式限制本发明的范围。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。
本领域技术人员知道，本发明的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。
根据本发明的实施方式，提出了一种银行网点的异常行为检测方法及装置，涉及计算机技术领域。本发明在银行网点传统监控的基础上，通过对监控视频的分析，增设与工作人员相关金融产品和办公产品的识别功能，并结合识别得到的相关产品对目标工作人员潜在的异常或违规行为进行检测。当检测到工作人员出现一项或多项异常行为时，会及时记录和输出异常行为对应的提醒信息。
下面参考本发明的若干代表性实施方式，详细阐释本发明的原理和精神。
图1是本发明一实施例的银行网点的异常行为检测方法流程示意图。如图1所示，该方法包括：
S1，获取监控视频；
S2，根据该监控视频及工作人员识别模型，得到工作人员识别结果；
S3，根据该工作人员识别结果，进行异常行为识别；
S4，根据识别到的异常行为，进行异常行为提醒。
为了对上述银行网点的异常行为检测方法进行更为清楚的解释，下面结合每一步骤来进行详细说明。
在S1中，通过监控设备采集监控视频。
进一步的，对监控视频进行实时采样，得到监控视频的图像帧；其中，采样频次根据应用场景进行设定。
在S2中，参考图2，根据该监控视频及工作人员识别模型，得到工作人员识别结果的具体方法为：
S201，构造一个目标人员数据库，其中，该目标人员数据库中至少包含银行场景内所有工作人员的人体特征；
具体的，人体特征至少包括：五官、样貌、身材等参数。
S202，利用分类器在图像帧中提取人员检测样本，并与目标人员数据库的样本进行相似度计算，当相似度达到设定阈值时视为工作人员识别成功，得到工作人员识别结果。
其中，在分类器训练阶段，需要通过大量的人体特征数据去训练学习分类器。
在检测阶段，从监控视频的图像帧中提取人员检测样本，并与目标人员数据库中的样本进行相似度计算，当人员检测样本与目标人员数据库中的样本的相似度达到一定阈值时视为识别成功，其中，具体阈值可根据不同场景应用自行设定。
在实际应用场景中，经过(S1、S2)对监控视频进行初步处理后，能够获取得到采样后每一帧画面中存在目标人员的数量以及具体位置。进一步的，为了提高异常行为的识别精确率，将检测范围从监控视频全局范围缩小至目标工作人员及其周围的局部区域，在本发明中将其称为“检测区域”。
举例而言，在一个监控视频中，某一帧图像中检测得出存在4个目标工作人员，则将全局图像帧剪切成4张分别以工作人员为中心的padding(补丁区域)作为后续步骤(S3)的检测区域，一般检测区域的长宽取值为目标工作人员长宽的2倍大小，具体区域的大小可视不同场景而定。
在S3中，参考图3，根据该工作人员识别结果，进行异常行为识别包含两个方面，即，“异常行为”的识别，“与异常行为相关的物品”的识别。
在识别“异常行为”的具体方法为：
S310，根据工作人员识别结果，以单个目标人员为单位进行异常行为检测，其中，异常行为至少包括：未戴口罩、未穿工作服、携带箱包进入现金区域、携带现金或空白凭证离开监控区域、离开位置电脑未锁屏，使用手机、位于非本人的工作岗位、接触现金或接触支票汇票分别超过各项对应的预设时间。
上述提到的各项对应的预设时间是针对不同的行为分别设置不同的检测时间。
在本实施例中，“使用手机”的异常行为可以是长时间玩手机，长时间打电话等。
具体的，识别“与异常行为相关的物品”的具体方法为：
S320，根据工作人员识别结果，在每一个目标工作人员的检测区域内，对与异常行为相关的物品进行识别；其中，异常行为相关的物品至少包括：箱包、现金、支票汇票、手机。
本发明可以有效分析工作人员的异常行为，并且通过物体识别方法辅助决策异常行为的检测，以提高异常行为检测的准确性和全面性。
在S3的实施过程中，需要将上述特定的异常行为进行归类，总结这些异常行为发生时的人体特征，通过采集和构造大量人体特征作为训练样本数据，并通过人工标注每一种行为标签构建成一个行为数据库。S3中的异常行为识别的过程可以采用神经网络模型，神经网络模型可以通过上述构造的行为数据库进行训练，从而获得学习能力和检测能力，在本发明中对具体的神经网络选型不做限制，例如，可以采用ResNet18模型等。
由于在银行网点场景中，一些异常行为的外观特征较为明显，例如“未戴口罩”，可以通过对目标人员的面部进行识别，判断其是否存在遮挡物，并辅助以物体识别是否为“口罩”。但大多数异常行为的外观特征不明显，因此，得到行为识别结果后，可与S320识别得到的结果(“与异常行为相关的物品”)进行匹配，综合两者结果得到异常行为结果。
举例而言，针对携带箱包(一般是私有箱包)进入现金区域行为，则可以在指定区域对目标人员进行检测，判断是否有携带额外物件，并对额外物件进行物体识别，判断是否为箱包，综合两者得到结果是否存在异常行为。
比如，“使用手机”行为，可先识别出目标人员的处于坐姿的学习或工作状态，其次对手末端的区域进行识别判断是否为手机，综上两个结果得到行为结果。如果是则可以认为目标人员正在使用手机(如，长时间玩手机)。
本发明中通过两方面识别方法的结合，一方面识别人体行为，另一个方面识别相关物体，综合两个识别结果得到的最终的识别结果，可以更为准确的将异常行为进行归类和记录，也提高了行为识别的精确率。
在S4中，根据识别到的异常行为，进行异常行为提醒的具体方法为：
根据识别到的目标人员的异常行为，生成该目标人员的异常行为对应的提醒信息。
具体的，可以将提醒信息推送至目标人员或银行管理人员，并存储至后台服务器。
在该场景中，由于异常行为所造成的风险不同，因此，可以将异常行为划分为多个等级，例如，一级异常、二级异常及三级异常等。
举例而言，由于“未戴口罩”、“未穿工作服”等行为风险较低，仅仅归类于工作行为基本规范，因此当识别到发生该行为时，仅仅出现“一级异常”并记录下此刻的图像信息。
“打电话”、“长时间玩手机”、“串岗”等行为的发生，都表明未能专注于工作在做其他的事情，则可能会存在影响对外服务态度和工作效率较低等情况，归类为“二级异常”；
“长时间接触现金硬币”、“携带私有包箱进入现金区域”等行为与金钱直接挂钩，一旦发生可能会对网点的财产等造成影响，该类需要及时发现和规避风险的行为则属于“三级异常”。
本发明示例性的对多种行为进行参考性的级别划分。在不同应用场景中，可以根据实际情况对行为的风险等级以及分类归属进行优化。
同步的，在进行异常提醒时，也会在后台服务器中记录和统计该目标人员发生异常行为的所有信息，包括且不限于：时间、识别结果的原图、识别结果等。
需要说明的是，尽管在上述实施例及附图中以特定顺序描述了本发明方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
在介绍了本发明示例性实施方式的方法之后，接下来，参考图4对本发明示例性实施方式的银行网点的异常行为检测装置进行介绍。
银行网点的异常行为检测装置的实施可以参见上述方法的实施，重复之处不再赘述。以下所使用的术语“模块”或者“单元”，可以是实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
基于同一发明构思，本发明还提出了一种银行网点的异常行为检测装置，如图4所示，该装置包括：
获取模块410，用于获取监控视频；
工作人员识别模块420，用于根据该监控视频及工作人员识别模型，得到工作人员识别结果；
异常行为识别模块430，用于根据该工作人员识别结果，进行异常行为识别；
异常行为提醒模块440，用于根据识别到的异常行为，进行异常行为提醒。
在一实施例中，参考图5，该装置还包括：
实时采样模块450，用于对监控视频进行实时采样，得到监控视频的图像帧；其中，采样频次根据应用场景进行设定。
在一实施例中，工作人员识别模块420具体用于：
构造一个目标人员数据库，其中，该目标人员数据库中至少包含银行场景内所有工作人员的人体特征；
利用分类器在图像帧中提取人员检测样本，并与目标人员数据库的样本进行相似度计算，当相似度达到设定阈值时视为工作人员识别成功，得到工作人员识别结果。
在一实施例中，参考图6，异常行为识别模块430包括：异常行为识别单元431及物品识别单元432；
异常行为识别单元431具体用于：
根据工作人员识别结果，以单个目标人员为单位进行异常行为检测，其中，异常行为至少包括：未戴口罩、未穿工作服、携带箱包进入现金区域、携带现金或空白凭证离开监控区域、离开位置电脑未锁屏，使用手机、位于非本人的工作岗位、接触现金或接触支票汇票分别超过各项对应的预设时间。
其中，物品识别单元432具体用于：
根据工作人员识别结果，在每一个目标工作人员的检测区域内，对与异常行为相关的物品进行识别；其中，异常行为相关的物品至少包括：箱包、现金、支票汇票、手机。
在一实施例中，异常行为提醒模块440具体用于：
根据识别到的目标人员的异常行为，生成该目标人员的异常行为对应的提醒信息。
应当注意，尽管在上文详细描述中提及了银行网点的异常行为检测装置的若干模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多模块的特征和功能可以在一个模块中具体化。反之，上文描述的一个模块的特征和功能可以进一步划分为由多个模块来具体化。
基于前述发明构思，如图7所示，本发明还提出了一种计算机设备700，包括存储器710、处理器720及存储在存储器710上并可在处理器720上运行的计算机程序730，所述处理器720执行所述计算机程序730时实现前述银行网点的异常行为检测方法。
基于前述发明构思，本发明提出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，所述计算机程序被处理器执行时实现前述银行网点的异常行为检测方法。
基于前述发明构思，本发明提出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，所述计算机程序被处理器执行时实现银行网点的异常行为检测方法。
本发明提出的银行网点的异常行为检测方法及装置通过获取监控视频，根据该监控视频及工作人员识别模型，得到工作人员识别结果；根据该工作人员识别结果，进行异常行为识别；根据识别到的异常行为，进行异常行为提醒，本发明通过分析监控视频能够发现和记录工作人员具有风险性的异常行为；减少人工查阅视频或人工现场监督的成本；通过及时的告警，能够及时规避风险，保障营业网点的安全。
本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明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，本发明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。
本发明是参照根据本发明实施例的方法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。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：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，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，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所述以权利要求的保护范围为准。

Claims (15)

1.一种银行网点的异常行为检测方法，其特征在于，包括：
获取监控视频；
根据该监控视频及工作人员识别模型，得到工作人员识别结果；
根据该工作人员识别结果，进行异常行为识别；
根据识别到的异常行为，进行异常行为提醒。
2.根据权利要求1所述的方法，其特征在于，还包括：
对监控视频进行实时采样，得到监控视频的图像帧；其中，采样频次根据应用场景进行设定。
3.根据权利要求2所述的方法，其特征在于，根据该监控视频及工作人员识别模型，得到工作人员识别结果，包括：
构造一个目标人员数据库，其中，该目标人员数据库中至少包含银行场景内所有工作人员的人体特征；
利用分类器在图像帧中提取人员检测样本，并与目标人员数据库的样本进行相似度计算，当相似度达到设定阈值时视为工作人员识别成功，得到工作人员识别结果。
4.根据权利要求1所述的方法，其特征在于，根据该工作人员识别结果，进行异常行为识别，包括：
根据工作人员识别结果，以单个目标人员为单位进行异常行为检测，其中，异常行为至少包括：未戴口罩、未穿工作服、携带箱包进入现金区域、携带现金或空白凭证离开监控区域、离开位置电脑未锁屏，使用手机、位于非本人的工作岗位、接触现金或接触支票汇票分别超过各项对应的预设时间。
5.根据权利要求1所述的方法，其特征在于，根据该工作人员识别结果，进行异常行为识别，包括：
根据工作人员识别结果，在每一个目标工作人员的检测区域内，对与异常行为相关的物品进行识别；其中，异常行为相关的物品至少包括：箱包、现金、支票汇票、手机。
6.根据权利要求1所述的方法，其特征在于，根据识别到的异常行为，进行异常行为提醒，包括：
根据识别到的目标人员的异常行为，生成该目标人员的异常行为对应的提醒信息。
7.一种银行网点的异常行为检测装置，其特征在于，包括：
获取模块，用于获取监控视频；
工作人员识别模块，用于根据该监控视频及工作人员识别模型，得到工作人员识别结果；
异常行为识别模块，用于根据该工作人员识别结果，进行异常行为识别；
异常行为提醒模块，用于根据识别到的异常行为，进行异常行为提醒。
8.根据权利要求7所述的装置，其特征在于，还包括：实时采样模块；
其中，实时采样模块具体用于：
对监控视频进行实时采样，得到监控视频的图像帧；其中，采样频次根据应用场景进行设定。
9.根据权利要求8所述的装置，其特征在于，工作人员识别模块具体用于：
构造一个目标人员数据库，其中，该目标人员数据库中至少包含银行场景内所有工作人员的人体特征；
利用分类器在图像帧中提取人员检测样本，并与目标人员数据库的样本进行相似度计算，当相似度达到设定阈值时视为工作人员识别成功，得到工作人员识别结果。
10.根据权利要求7所述的装置，其特征在于，异常行为识别模块具体用于：
根据工作人员识别结果，以单个目标人员为单位进行异常行为检测，其中，异常行为至少包括：未戴口罩、未穿工作服、携带箱包进入现金区域、携带现金或空白凭证离开监控区域、离开位置电脑未锁屏，使用手机、位于非本人的工作岗位、接触现金或接触支票汇票分别超过各项对应的预设时间。
11.根据权利要求7所述的装置，其特征在于，异常行为识别模块具体用于：
根据工作人员识别结果，在每一个目标工作人员的检测区域内，对与异常行为相关的物品进行识别；其中，异常行为相关的物品至少包括：箱包、现金、支票汇票、手机。
12.根据权利要求7所述的装置，其特征在于，异常行为提醒模块具体用于：
根据识别到的目标人员的异常行为，生成该目标人员的异常行为对应的提醒信息。
13.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，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6任一所述方法。
14.一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，所述计算机程序被处理器执行时实现权利要求1至6任一所述方法。
15.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现权利要求1至6任一所述方法。
CN202210606133.8A 2022-05-31 2022-05-31 银行网点的异常行为检测方法及装置 Pending CN115019250A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210606133.8A CN115019250A (zh) 2022-05-31 2022-05-31 银行网点的异常行为检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210606133.8A CN115019250A (zh) 2022-05-31 2022-05-31 银行网点的异常行为检测方法及装置

Publications (1)

Publication Number Publication Date
CN115019250A true CN115019250A (zh) 2022-09-06

Family

ID=83071299

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210606133.8A Pending CN115019250A (zh) 2022-05-31 2022-05-31 银行网点的异常行为检测方法及装置

Country Status (1)

Country Link
CN (1) CN115019250A (zh)

Similar Documents

Publication Publication Date Title
CN112328999B (zh) 双录质检方法、装置、服务器及存储介质
CN111861240A (zh) 可疑用户识别方法、装置、设备及可读存储介质
CN109345375B (zh) 一种可疑洗钱行为识别方法及装置
WO2018012148A1 (ja) 監視装置
CN101556717A (zh) 一种atm智能安保系统及监测方法
CN109919754A (zh) 一种数据获取方法、装置、终端及存储介质
CN111275416B (zh) 数字货币异常交易检测方法、装置、电子设备及介质
TWM565361U (zh) 金融交易詐騙偵測防範系統
CN111428572B (zh) 信息处理方法、装置、电子设备和介质
Rusli et al. Evaluating the masked and unmasked face with LeNet algorithm
CN113850183A (zh) 一种基于人工智能技术判断视频中行为的方法
CN112788269A (zh) 视频处理方法、装置、服务器及存储介质
CN111291912A (zh) 一种使用人证核验的取号方法、取号机及取号系统
CN110378587A (zh) 智能质检方法、系统、介质以及设备
TWI671701B (zh) 交易行為偵測系統及其方法
CN116189063B (zh) 一种用于智能视频监控的关键帧优化方法及装置
Hamdy et al. Criminal act detection and identification model
US11948365B2 (en) Frictionless authentication and monitoring
CN115019250A (zh) 银行网点的异常行为检测方法及装置
CN111144181A (zh) 一种基于背景协同的风险检测方法、装置及系统
CN112818150B (zh) 一种图片内容审核方法、装置、设备和介质
CN111161743B (zh) 基于语音识别的收银监督方法及系统
CN114550253B (zh) 用于在排队的场景下对人脸图像进行预处理的方法及装置
US11881088B2 (en) Hand action tracking for card slot tampering
CN117809367A (zh) 一种违规行为检测方法、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