CN115641548A - 异常检测方法、装置、设备及存储介质 - Google Patents

Abstract

本申请实施例提供一种异常检测方法、装置、设备及存储介质。方法包括：获取商品陈列处在目标时段的至少一个交易时间、同一行人的进入时人体图像、离开时人体图像及对应的进入时间和离开时间；基于同一行人的进入时人体图像和离开时人体图像进行识别处理，得到用于表示同一行人是否存在购买行为的识别结果；基于用于表示存在购买行为的至少一个目标识别结果对应的进入时间和离开时间及至少一个交易时间，确定不存在对应的交易时间的目标识别结果，以得到不存在对应的交易时间的目标识别结果的数量；基于不存在对应的交易时间的目标识别结果的数量，得到商品陈列处对应于目标时段的异常检测结果。本申请能够缩短耗时、降低人工成本并提升效率。

Description

异常检测方法、装置、设备及存储介质

技术领域

本申请涉及计算机技术领域，尤其涉及一种异常检测方法、装置、设备及存储介质。

背景技术

商场一般在招商的过程中采用多种模式，如租赁、自营、联营等，联营模式是其中一种比较常见的模式。

联营模式下一般由商场统一收银并和商家共担风险。然而在联营模式下，存在联营模式商家的专柜飞单的情况，飞单导致了商场侧的资损，也破坏了商场和商家之间的信任关系，因此需要对飞单进行检测。通常，为了发现飞单风险，需要人工从交易数据、库存数据等进行排查，人力成本较高、耗时较长且效率较低。

发明内容

本申请实施例提供一种异常检测方法、装置、设备及存储介质，用以解决现有技术中人工排查数据来发现飞单风险，人工成本较高、耗时较长且效率较低的技术问题。

第一方面，本申请实施例提供一种飞单的检测方法，包括：

获取商品陈列处在目标时段的客流数据和交易数据，所述客流数据包括同一行人的进入时人体图像、离开时人体图像以及对应的进入时间和离开时间，所述交易数据包括至少一个交易时间；

基于所述同一行人的进入时人体图像和离开时人体图像进行识别处理，得到用于表示所述同一行人是否存在购买行为的识别结果；

基于用于表示存在购买行为的至少一个目标识别结果对应的进入时间和离开时间以及所述至少一个交易时间，确定所述至少一个目标识别结果中不存在对应的交易时间的目标识别结果，以得到所述不存在对应的交易时间的目标识别结果的数量；

基于所述不存在对应的交易时间的目标识别结果的数量，得到所述商品陈列处对应于所述目标时段内的异常检测结果。

第二方面，本申请实施例提供一种飞单的检测装置，包括：

获取模块，用于获取商品陈列处在目标时段的客流数据和交易数据，所述客流数据包括同一行人的进入时人体图像、离开时人体图像以及对应的进入时间和离开时间，所述交易数据包括至少一个交易时间；

识别模块，用于基于所述同一行人的进入时人体图像和离开时人体图像进行识别处理，得到用于表示所述同一行人是否存在购买行为的识别结果；

第一确定模块，用于基于用于表示存在购买行为的至少一个目标识别结果对应的进入时间和离开时间以及所述至少一个交易时间，确定所述至少一个目标识别结果中不存在对应的交易时间的目标识别结果，以得到所述不存在对应的交易时间的目标识别结果的数量；

第二确定模块，用于基于所述不存在对应的交易时间的目标识别结果的数量，得到所述商品陈列处对应于所述目标时段的异常检测结果。

第三方面，本申请实施例提供一种电子设备，包括：存储器、处理器；其中，所述存储器存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行时实现如第一方面中任一项所述的方法。

第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序被执行时，实现如第一方面中任一项所述的方法。

本申请实施例还提供一种计算机程序，当所述计算机程序被计算机执行时，用于实现如第一方面任一项所述的方法。

在本申请实施例中，可以基于同一行人的进入时人体图像和离开时人体图像进行识别处理，得到用于表示同一行人是否存在购买行为的识别结果，基于用于表示存在购买行为的至少一个目标识别结果对应的进入时间和离开时间以及至少一个交易时间，确定至少一个目标识别结果中不存在对应的交易时间的目标识别结果，以得到不存在对应的交易时间的目标识别结果的数量，并基于该数量得到商品陈列处对应于目标时段的异常检测结果，实现了基于商品陈列处的客流数据和交易数据自动发现存在飞单风险的商品陈列处，不仅缩短了发现飞单风险的耗时、降低了人工成本，而且还提升了对于飞单风险的发现效率。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，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他的附图。

图1为本申请实施例的应用场景示意图；

图2为本申请一实施例提供的飞单的检测方法的流程示意图；

图3为本申请另一实施例提供的飞单的检测方法的流程示意图；

图4为本申请一实施例提供的飞单的检测装置的结构示意图；

图5为本申请一实施例提供的电子设备的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本申请一部分实施例，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，都属于本申请保护的范围。

在本申请实施例中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。在本申请实施例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，“多种”一般包含至少两种，但是不排除包含至少一种的情况。

应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

取决于语境，如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。

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商品或者系统不仅包括那些要素，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商品或者系统所固有的要素。在没有更多限制情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。

另外，下述各方法实施例中的步骤时序仅为一种举例，而非严格限定。

为了方便本领域技术人员理解本申请实施例提供的技术方案，下面先对技术方案实现的技术环境进行说明。

图1为本申请实施例提供的飞单的检测方法的应用场景示意图，如图1所示，该应用场景中可以包括商品陈列处11、拍摄装置12和电子设备13。其中，商品陈列处11是指能够用于进行商品陈列的任意类型的地点，示例性的，商品陈列处11可以为商场专柜或商家门店等，商品陈列处11的数量可以为一个或多个。拍摄装置12可以用于采集行人进出商品陈列处11的数据，拍摄装置12例如可以为摄像头、相机等能够进行拍摄的装置或设备。电子设备13可以基于拍摄装置12采集的数据，识别存在飞单风险的商品陈列处11，电子设备13例如可以为个人计算机、服务器等能够进行数据处理的设备。其中，飞单是指营销人员拿到订单后不录入销售进系统或者未录入当天销售进系统，而是私下交付订单，滞留销售订单等手段获利。

通常，为了发现飞单风险，需要人工从商品陈列处的交易数据、库存数据等进行排查，人力成本较高、耗时较长且效率较低。

为了解决需要人工排查数据来发现飞单风险，人工成本较高、耗时较长且效率较低的技术问题，在本申请实施例中，可以基于同一行人的进入时人体图像和离开时人体图像进行识别处理，得到用于表示同一行人是否存在购买行为的识别结果，基于用于表示存在购买行为的至少一个目标识别结果对应的进入时间和离开时间以及至少一个交易时间，确定至少一个目标识别结果中不存在对应的交易时间的目标识别结果，以得到不存在对应的交易时间的目标识别结果的数量，并基于该数量得到商品陈列处对应于目标时段的异常检测结果，实现了基于商品陈列处的客流数据和交易数据自动发现存在飞单风险的商品陈列处，不仅缩短了发现飞单风险的耗时、降低了人工成本，而且还提升了对于飞单风险的发现效率。

需要说明的是，图1中是以拍摄装置12进行数据采集为例，可以理解的是，在其他实施例中在电子设备13具备图像采集功能时也可以由电子设备13进行采集。

下面结合附图，对本申请的一些实施方式作详细说明。在不冲突情况下，下述的实施例及实施例中的特征可以相互组合。

图2为本申请一实施例提供的盗窃者的识别方法的流程示意图，本实施例可以应用于图1中的电子设备13，具体可以由电子设备13的处理器执行。如图2所示，本实施例的方法可以包括：

步骤21，获取商品陈列处在目标时段的客流数据和交易数据，客流数据包括同一行人的进入时人体图像、离开时人体图像以及对应的进入时间和离开时间，交易数据包括至少一个交易时间；

步骤22，基于同一行人的进入时人体图像和离开时人体图像进行识别处理，得到用于表示同一行人是否存在购买行为的识别结果；

步骤23，基于用于表示存在购买行为的至少一个目标识别结果对应的进入时间和离开时间以及至少一个交易时间，确定至少一个目标识别结果中不存在对应的交易时间的目标识别结果，以得到不存在对应的交易时间的目标识别结果的数量；

步骤24，基于不存在对应的交易时间的目标识别结果的数量，得到商品陈列处对应于目标时段内的异常检测结果。

本申请实施例中，目标时段是指需要确定是否存在飞单风险的时段，目标时段可以根据需求灵活实现，示例性的，目标时段的时长可以为1天，从而可以实现确定商品陈列处在任意一天是否存在飞单风险。

一方面，可以获取商品陈列处在目标时段的客流数据，客流数据可以包括同一行人进入商品陈列处时的人体图像(以下可以记为进入时人体图像)以及离开商品陈列处时的人体图像(以下可以记为离开时人体图像)，客流数据还可以包括进入时人体图像对应的时间(以下可以记为进入时间)以及离开时人体图像对应的时间(以下可以记为离开时间)。另一方面，可以获取商品陈列处在目标时段的交易数据，交易数据可以包括至少一个交易时间，其中，交易数据具体可以是能够体现商品陈列处发生交易的任意类型数据，一个实施例中，交易数据具体可以为订单数据，相应的交易时间具体可以为订单时间，另一个实施例中，交易数据可以为支付数据，相应的交易时间具体可以为支付时间。

示例性的，交易数据可以从收银系统获得，以商品陈列处为商场中联营模式商家的专柜为例，收银系统可以为商场的收银系统，区别于自营和租赁模式，联营模式下商场和商家共担经营风险，由商场统一收银，同时商场对品牌商品、营业员等的介入相对于租赁更深。当然，在其他实施例中，也可以通过其他方式获得交易数据，本申请对此不做限定。可选的，交易数据还可以包括交易量。

示例性的，客流数据可以通过基于拍摄装置采集到的数据进行客流分析获得，拍摄装置可以设置在任意能够拍摄到行人进出商品陈列处的位置，例如可以设置在商品陈列处的入口，或者商场的走廊等。

一个实施例中，拍摄装置可以为人工智能(Artificial Intelligence，AI)摄像头，AI摄像头可以包括处理器和图像传感器，示例性的，AI摄像头可以在有行人进入其拍摄范围的情况下进行拍摄，可以连续拍摄多帧图像，AI摄像头还可以基于拍摄的图像判断行人是否进入或离开商品陈列处，在确定行人是进入或是离开专柜时，可以向电子设备上报行人进入或离开专柜的时间以及对应的人体图像，其中，人体图像可以通过对图像进行人体检测的方式得到。

示例性的，同一行人的进入时人体图像和离开时人体图像可以由电子设备基于AI摄像头上报的数据计算得到，示例性的，电子设备可以对人体图像进行特征提取得到人体特征，并基于人体特征确定属于同一行人的进入时人体图像和离开时人体图像。

可选的，客流数据还可以包括：同一行人进入商品陈列处时的运动轨迹(可以记为进入时轨迹)以及离开陈列处时的运动轨迹(可以记为离开时轨迹)，和/或进入人数。示例性的，进入人数可以由电子设备基于AI摄像头上报的数据统计得到，进入时轨迹和离开时轨迹可以通过AI摄像头上报得到，即可以由AI摄像头进行人体跟踪。

本申请实施例中，在获取到商品陈列处在目标时段的客流数据之后，可以基于同一行人的进入时人体图像和离开时人体图像进行识别处理，得到用于表示该同一行人是否发生购买行为的识别结果。

一个实施例中，可以采用识别模型对同一行人的进入时人体图像和离开时人体图像进行处理，得到用于表示该同一行人是否发生购买行为的识别结果。一个实施例中，识别模型可以为可以采用基于深度学习算法构建的模型。

示例性的，识别模型可以是采用下述方式训练得到：构建识别模型，识别模型中设置有训练参数；将多对样本人体图像分别输入至识别模型中，生成预测结果；基于预测结果与每对样本人体图像的样本标签对应的期望结果之间的差异，对训练参数进行迭代调整，直至差异满足预设要求。其中，每对样本人体图像中包括同一行人进出同一商品陈列处的一个进入时人体图像和一个离开时人体图像。一个实施例中，一对样本人体图像的样本标签可以用于表征该对样本人体图像对应的行人是否发生购买行为。

一个实施例中，可以通过识别行人进出时携带的包的类型并比较进出时包的数量变化的方式来识别是否存在购买行为。在此情况下，识别模型可以包括类型识别子模块、数量比较子模块和结果生成子模块；其中，类型识别子模块，可以用于对进入时人体图像进行处理，得到进入时是否携带有目标类型的包的第一识别结果，并对离开时人体图像进行处理，得到离开时是否携带有目标类型的包的第二识别结果；数量比较子模块，用于对进入时人体图像和离开时人体图像进行处理，得到离开时携带的包的数量是否对于进入时携带的的数量的比较结果；结果生成子模块，用于基于第一识别结果、第二识别结果和比较结果，得到用于表示同一行人是否存在购买行为的识别结果。

其中，目标类型是指用于描述商家提供的用来装顾客购买的商品的包的类型，以应用于商场专柜为例，目标类型具体可以为商场购物袋。由于商家提供的用来装顾客购买的商品的包与顾客自带的包在材质、形状、颜色等方面均存在较大差异，因此可以识别出人体图像中是否存在目标类型的包。

示例性的，在第一识别结果为进入时未携带有目标类型的包，且第二识别结果为离开时携带有目标类型的包的情况下，结果生成子模块可以得到用于表示存在购买行为的识别结果。

示例性的，在第一识别结果为进入时携带有目标类型的包，第二识别结果为离开时携带有目标类型的包，且比较结果为离开时携带的包的数量多于进入时携带的包的数量的情况下爱，结果生成子模块可以得到用于表示存在购买行为的识别结果。

示例性的，在第一识别结果为进入时携带有目标类型的包，第二识别结果为离开时携带有目标类型的包，且比较结果为离开时携带的包的数量不多于进入时携带的包的数量的情况下，结果生成子模块可以得到用于表示不存在购买行为的识别结果。

需要说明的是，在目标时段内有多个行人进出商品陈列处的情况下，可以得到多个识别结果；在目标时段内同一行人多次进出商品陈列处的情况下，可以得到多个识别结果。

本申请实施例中，用于表示存在购买行为的识别结果可以记为目标识别结果，在得到用于表示所述同一行人是否存在购买行为的识别结果之后，可以基于至少一个目标识别结果对应的进入时间和离开时间以及至少一个易时间，确定不存在对应的交易时间的目标识别结果，以得到不存在对应的交易时间的目标识别结果的数量。其中，不存在对应交易时间的目标识别结果对应的购买行为可以理解为是存在异常风险的购买行为。

一个实施例中，可以采用遍历交易时间的方式，确定不存在对应的交易时间的目标识别结果的数量。在此情况下，步骤23具体可以包括：按顺序对至少一个交易时间中的每个交易时间进行如下处理，以得到至少一个目标识别结果中不存在对应的交易时间的目标识别结果的数量：判断当前未对应有交易时间的目标识别结果中是否存在当前交易时间位于其对应进入时间与离开时间之间的目标识别结果；如果是，则将当前交易时间与该目标识别结果对应；将当前交易时间的下一交易时间作为当前交易时间并返回判断步骤执行，直至遍历完至少一个交易时间。

例如，假设至少一个交易时间分别为11时30分20秒、12时20分15秒和14时15分45秒，多个目标识别结果对应的进入时间和离开时间分别为11时29分15秒和11时32分12秒，11时29分18秒和11时35分20秒，12时19分20秒和12时30分30秒，14时10分10秒和14时16分0秒，15时15分20秒和15时20分0秒，则首先可以将交易时间“11时30分20秒”作为当前交易时间，此时5个目标识别结果均为当前未对应有交易时间的目标识别结果，因此可以判断这5个目标识别结果中是否存在当前交易时间“11时30分20秒”位于其对应进入时间与离开时间之间的目标识别结果，由于存在“11时29分15秒和11时32分12秒”和“11时29分18秒和11时35分20秒”，因此可以将交易时间“11时30分20秒”与这两个中的任意一个例如“11时29分15秒和11时32分12秒”对应的目标识别结果对应；然后可以将交易时间“12时20分15秒”作为当前交易时间，此时还有4个目标识别结果为当前未对应有交易时间的目标识别结果，因此可以判断这4个目标识别结果中是否存在当前交易时间“12时20分15秒”位于其对应进入时间与离开时间之间的目标识别结果，由于存在“12时19分20秒和12时30分30秒”，因此可以将交易时间“12时20分15秒”与“12时19分20秒和12时30分30秒”对应的目标识别结果对应；最后，可以将交易时间“14时15分45秒”作为当前交易时间，此时还有3个目标识别结果为当前未对应有交易时间的目标识别结果，因此可以判断这3个目标识别结果中是否存在当前交易时间“14时15分45秒”位于其对应进入时间与离开时间之间的目标识别结果，由于存在“14时10分10秒和14时16分0秒”，因此可以将交易时间“14时15分45秒”与“14时10分10秒和14时16分0秒”对应的目标识别结果对应。由于还剩2个目标识别结果未对应有交易时间，因此可以得到不存在对应的交易时间的目标识别结果的数量为2。

本申请实施例中，在确定出不存在对应的交易时间的目标识别结果的数量之后，可以基于该数量，得到商品陈列处对应于目标时段的异常检测结果。异常检测结果具体可以存在异常风险或者不存在异常风险，需要说明的是，本申请中的异常具体是指飞单。

一个实施例中，可以只基于不存在对应的交易时间的目标识别结果的数量得到商品陈列处对应于目标时段的异常检测结果，例如可以在不存在对应的交易时间的目标识别结果的数量大于数量阈值时，得到商品陈列处对应于目标时段存在异常的异常检测结果，可以在不存在对应的交易时间的目标识别结果的数量小于数量阈值时，得到商品陈列处对应于目标时段不存在异常的异常检测结果。

另一个实施例中，可以基于不存在对应的交易时间的目标识别结果的数量确定指标数据，并根据指标数据确定商品陈列处对应于目标时段的异常检测结果。从而可以增加检测异常所考虑的数据维度，有利于提高检测结果的准确性。基于此，步骤24具体可以包括：基于不存在对应的交易时间的目标识别结果的数量，计算第一指标数据；以及，基于得到的指标数据，得到商品陈列处对应于目标时段的异常检测结果，指标数据包括第一指标数据。

其中，第一指标数据用于表征识别购买行为的召回率。一个实施例中，可以基于交易量和前述至少一个目标识别结果的数量得到第一指标数据，基于此，交易数据还可以包括交易量，所述基于不存在对应的交易时间的目标识别结果的数量，计算第一指标数据，具体可以包括：对交易量和不存在对应的交易时间的目标识别结果的数量进行求和，得到求和结果；将至少一个目标识别结果的数量与求和结果之比作为第一指标数据。其中，交易量+不存在对应的交易时间的目标识别结果的数量可以理解为真实发生的交易的数量，从而可以实现在识别异常风险时，考虑能够识别出的交易的数量在真实发生的交易的数量中的占比。

又一个实施例中，在确定异常风险时还可以考虑前述至少一个目标识别结果的数量和/或交易量与进入人数之间的关系，基于此，客流数据还可以包括进入人数；所述基于不存在对应的交易时间的目标识别结果的数量，得到商品陈列处对应于目标时段的异常检测结果，还可以包括：将至少一个目标识别结果的数量与进入人数之比作为第二指标数据；和/或，将交易量与进入人数之比作为第三指标数据；指标数据还包括第二指标数据和/或第三指标数据。从而可以实现在识别异常风险时，考虑进店到识别为购买的转化率和/或进店到成功交易的转换率。

可选的，在对商品陈列处进行异常检测时，除了考虑该商品陈列处在同一时段的客流数据和交易数据，还可以考虑该商品陈列处在不同时段之间交易数据的变化，基于此，又一个实施例中，本实施例提供的方法还可以包括：获取商品陈列处在第一时段的第一交易数据以及商品陈列处在第二时段的第二交易数据；第一交易数据和第二交易数据包括下述中的一个或多个：退款交易的数量、退换货交易的数量、总的交易的数量或分佣的交易的数量；以及，基于第一交易数据和第二交易数据，计算得到用于表征交易数据变化情况的第四指标数据，指标数据还可以包括第四指标数据。应理解，第四指标数据的数量可以为一个或多个。

其中，第一时段与目标时段可以为同一时段也可以为不同时段，在为不同时段时第一时段可以包括目标时段，第一时段与第二时段是不同的时段，第一时段的时长与第二时段的时长相同。以交易数据为订单数据为例，退款交易的数量具体可以为退款订单数，退换货交易的数量具体可以为退换货订单数、总的交易的数量具体可以为交易订单数，分佣的交易的数量具体可以为分佣订单数。

以第一时段和第二时段的时长为1个月且交易数据为退款订单数为例，可以环比上一个月退款订单数，一第四指标数据可以等于(当前月退款订单数/上一个月退款订单数-1)，和/或，可以同比上一年对应月份退款订单数，另一第四指标数据可以等于(当前月退款订单数/上一年对应月份退款订单数-1)。其中，当前月可以是指目标时段所在的月份。

可选的，在对商品陈列处进行异常检测时，除了考虑该商品陈列处的交易数据，还可以考虑该商品陈列处与其他商品陈列处之间交易数据的变化，基于此，又一个实施例中，本实施例提供的方法还可以包括：获取商品陈列处在第一时段的第一交易数据以及同业态商品陈列处在第一时段的第三交易数据；第一交易数据和第三交易数据包括下述中的一个或多个：退款交易的数量、退换货交易的数量、总的交易的数量或分佣的交易的数量；以及，基于第一交易数据和第三交易数据，计算得到用于表征交易数据变化情况的第五指标数据，指标数据还可以包括第五指标数据。应理解，第五指标数据的数量可以为一个或多个。

其中，第一时段与目标时段可以为同一时段也可以为不同时段，在为不同时段时第一时段可以包括目标时段。同业态商品陈列处是指业态相同的商品陈列处，例如在商品陈列处为服装专柜时，同业态商品陈列处具体可以为一个或多个服装专柜。

示例性的，可以通过计算商品陈列处的交易数据在同业态商品陈列处的平均交易数据中占比的方式，计算得到第五指标数据。以第一时段的时长为1个月且交易数据为交易订单数为例，可以对比同业态专柜交易订单均值，相应的一个第五指标数据可以等于(当前月份交易订单数/同业态专柜交易订单数均值-1)。其中，当前月可以是指目标时段所在的月份。

本申请实施例中，得到商品陈列处对应于目标时段的异常检测结果的指标数据的数量可以为一个或多个。

一个实施例中，在指标数据的数量为多个时，每个指标数据可以存在对应的检测阈值，前述基于得到的指标数据，得到商品陈列处对应于目标时段的异常检测结果，具体可以包括：基于每个指标数据与其对应检测阈值的大小关系，确定每个指标数据对应的比较值；以及，基于每个指标数据对应的比较值计算总比较值；以及，基于总比较值与总阈值的大小关系，得到商品陈列处对应于目标时段的异常检测结果。

示例性的，在指标数据小于其检测阈值时得到的比较值可以为0，在指标数据大于其检测阈值时得到的比较值可以为1。示例性的，在总比较值小于总阈值时，可以得到商品陈列处对应于目标时段不存在异常风险的异常检测结果；在总比较值大于总阈值时，可以得到商品陈列处对应于目标时段存在异常风险的异常检测结果。

一个实施例中，在计算总比较值时可以对不同指标数据的重要程度进行区分，基于此，每个指标数据可以存在对应的权重，基于每个指标数据对应的比较值计算总比较值具体可以包括：基于每个指标数据对应的比较值和权重，采用加权求和的方式计算总比较值。示例性的，第一指标数据、第二指标数据和第三指标数据对应的权重可以大于第四指标数据和第五指标数据对应的权重，第四指标数据和第五指标数据对应的权重可以相同。

可选的，如果商品陈列处存在异常风险，还可以输出相应的提示信息，以便工作人员可以及时获知并进行人工审核。基于此，一个实施例中，本申请实施例提供的方法还可以包括：输出告警提示信息，告警提示信息用于提示商品陈列处在目标时段内存在异常风险。以电子设备为服务器为例，可以将告警提示信息发送给工作人员使用的终端，并由终端向工作人员提示告警提示信息。

其中，告警提示信息可以根据提示需要灵活实现，示例性的，告警提示信息还可以用于提示对应于存在异常风险的商品陈列处的指标数据、不存在对应的交易时间的目标识别结果对应的进入时人体图像、离开时人体图像、进入时轨迹和离开时轨迹等。

一个实施例中，在商品陈列处和目标时段的数量均为多个的情况下，告警提示信息具体可以用于从时间维度和商品陈列处维度对商品陈列处在目标时段内存在异常风险进行提示，例如可以采用图表的形式进行展示。

和/或另一个实施例中，在商品陈列处包括商场专柜的情况下，告警提示信息还可以用于提示商品陈列处所处商场在目标时段的进入人数。示例性的，进入人数可以由电子设备基于设置在商场入口的AI摄像头上报的数据统计得到。从而使得工作人员可以结合商场在目标时段的进入人数进行异常风险的审核。

本实施例提供的异常检测方法，通过基于同一行人的进入时人体图像和离开时人体图像进行识别处理，得到用于表示同一行人是否存在购买行为的识别结果，基于用于表示存在购买行为的至少一个目标识别结果对应的进入时间和离开时间以及至少一个交易时间，确定至少一个目标识别结果中不存在对应的交易时间的目标识别结果，以得到不存在对应的交易时间的目标识别结果的数量，并基于该数量得到商品陈列处对应于目标时段的异常检测结果，实现了基于商品陈列处的客流数据和交易数据自动发现存在飞单风险的商品陈列处，不仅缩短了发现飞单风险的耗时、降低了人工成本，而且还提升了对于飞单风险的发现效率。

一个实施例中，以商品陈列处为联营模式的商场专柜(以下可以记为联营专柜)为例，飞单的检测方法的整体处理流程可以如图3所示，主要可以分为数据准备、数据汇聚、数据挖掘、数据展现和人工审核五个阶段。

1、数据准备阶段

(1)客流数据准备数据：为识别商场联营专柜客流，需要建立商场客流识别能力和专柜客流识别能力，以便能识别商场客流和专柜客流。可以通过搭建客流识别系统和完成AI摄像头的部署上线建立客流识别能力，产生对应的客流数据。其中，客流识别系统的输入可以是AI摄像头上报的数据，客流识别系统的输出可以是客流数据，商场的客流数据例如可以包括进入人数，专柜的客流数据例如可以包括同一行人的进入时人体图像、离开时人体图像以及对应的进入时间和离开时间。

(2)拎包数据准备：为识别进出联营专柜的顾客在联营专柜是否存在购买行为，可以基于进入时人体图像和离开时人体图像识别拎包动作和手提袋，差异化的得出拎包数据。其中，拎包数据可以理解为前述的识别结果。

2、数据汇聚阶段

在数据汇聚阶段可以对数据准备阶段得到客流数据、拎包数据以及联营专柜的交易数据进行汇聚，以便于能够在数据挖掘阶段使用。在数据汇聚阶段，还可以进行数据监控，及时发现数据的异常变化，以便能够尽早发现引起数据异常变化的原因，例如摄像头异常等。

3、数据挖掘阶段

在数据挖掘阶段可以对数据汇聚阶段中的数据进行数据挖掘，得到指标数据，指标数据可以包括前述的第一指标数据、第二指标数据等。另外，在数据挖掘阶段还可以进行飞单算法的改进，飞单算法是指基于指标数据得到是否存在飞单风险的算法，可以由开发人员基于飞单算法进行飞单检测所使用的指标数据以及人工审核的反馈结果，对飞单算法进行改进，以提高飞单检测的准确率。

4、数据展现阶段

在数据展现阶段，可以基于数据挖掘阶段得到的指标数据，通过飞单算法确定存在飞单风险的专柜，还可以以图表的形式展示和及时推送告警消息给到商场运营方，图表中例如可以展示指标数据、进入时人体图像和离开时人体图像等。

5、人工审核阶段

在人工审核阶段，可以人工线下审核在数据展现阶段中得到的存在飞单风险的专柜的情况，做好取证工作，并反馈给基于飞单算法实现的飞单系统，用于标记飞单记录的准确率，可以为飞单算法迭代提供数据支撑，其中，某个商品陈列处在某个目标时段存在飞单风险可以理解为是一条飞单记录。

本实施例可以结合联营商家交易数据、通过客流识别得到的联营专柜的客流数据以及通过拎包识别得到的拎包数据，从数据维度分析挖掘指标数据，并基于指标数据识别存在飞单风险的联营专柜，为商场运营方提供飞单告警和数据支撑，整个过程可以自动完成，从而节省人力，提高飞单的检查效率并且随着飞单算法的加强，可以得到较高的准确率。

图4为本申请一实施例提供的飞单的检测装置的结构示意图；参考附图4所示，本实施例提供了一种飞单的检测装置，该装置可以执行上述实施例提供的飞单的检测方法，具体的，该装置可以包括：

获取模块41，用于获取商品陈列处在目标时段的客流数据和交易数据，所述客流数据包括同一行人的进入时人体图像、离开时人体图像以及对应的进入时间和离开时间，所述交易数据包括至少一个交易时间；

识别模块42，用于基于所述同一行人的进入时人体图像和离开时人体图像进行识别处理，得到用于表示所述同一行人是否存在购买行为的识别结果；

第一确定模块43，用于基于用于表示存在购买行为的至少一个目标识别结果对应的进入时间和离开时间以及所述至少一个交易时间，确定所述至少一个目标识别结果中不存在对应的交易时间的目标识别结果，以得到所述不存在对应的交易时间的目标识别结果的数量；

第二确定模块44，用于基于所述不存在对应的交易时间的目标识别结果的数量，得到所述商品陈列处对应于所述目标时段的异常检测结果。

在一种可能的实现方式中，识别模块42具体可以用于：将所述同一行人的进入时人体图像和离开时人体图像输入至识别模型进行处理，得到用于表示所述同一行人是否存在购买行为的识别结果。

在一种可能的实现方式中，所述识别模型包括类型识别子模块、数量比较子模块和结果生成子模块；其中，所述类型识别子模块，用于对所述进入时人体图像进行处理，得到进入时是否携带有目标类型的包的第一识别结果，并对所述离开时人体图像进行处理，得到离开时是否携带有所述目标类型的包的第二识别结果，所述目标类型是指用于描述商家提供的用来装顾客购买的商品的包的类型；所述数量比较子模块，用于对所述进入时人体图像和所述离开时人体图像进行处理，得到离开时携带的包的数量是否多于进入时携带的包的数量的比较结果；所述结果生成子模块，用于基于所述第一识别结果、所述第二识别结果和比较结果，得到用于表示所述同一行人是否存在购买行为的识别结果。

在一种可能的实现方式中，所述识别模型是采用如下方式训练得到：构建所述识别模型，所述识别模型中设置有训练参数；将多对样本人体图像分别输入至所述识别模型中，生成预测结果；基于所述预测结果与每对样本人体图像的样本标签对应的期望结果之间的差异，对所述训练参数进行迭代调整，直至所述差异满足预设要求。

在一种可能的实现方式中，第一确定模块43具体可以用于：按顺序对所述至少一个交易时间中的每个交易时间进行如下处理，以得到所述至少一个目标识别结果中不存在对应的交易时间的目标识别结果的数量：判断当前未对应有交易时间的目标识别结果中是否存在当前交易时间位于其对应进入时间与离开时间之间的目标识别结果；如果是，则将所述当前交易时间与所述目标识别结果对应；将所述当前交易时间的下一交易时间作为当前交易时间并返回判断步骤执行，直至遍历完所述至少一个交易时间。

在一种可能的实现方式中，第二确定模块44具体可以用于：基于所述不存在对应的交易时间的目标识别结果的数量计算得到第一指标数据，所述第一指标数据用于表征识别购买行为的召回率；基于得到的指标数据，得到所述商品陈列处对应于所述目标时段的异常检测结果，所述指标数据包括所述第一指标数据。

在一种可能的实现方式中，所述交易数据还包括交易量；所述第二确定模块44基于所述不存在对应的交易时间的目标识别结果的数量，计算第一指标数据，包括：对所述交易量和所述不存在对应的交易时间的目标识别结果的数量进行求和，得到求和结果；将所述至少一个目标识别结果的数量与所述求和结果之比作为第一指标数据。

在一种可能的实现方式中，所述客流数据还包括进入人数；所述第二确定模块44基于所述不存在对应的交易时间的目标识别结果的数量，确定所述商品陈列处在所述目标时段内是否存在飞单风险，还包括：将所述至少一个识别结果的数量与所述进入人数之比作为所述第二指标数据；和/或，将所述交易量与所述进入人数之比作为所述第三指标数据；所述指标数据还包括所述第二指标数据和/或所述第三指标数据。

在一种可能的实现方式中，获取模块41还用于：获取所述商品陈列处在第一时段的第一交易数据以及所述商品陈列处在第二时段的第二交易数据；所述第一交易数据和所述第二交易数据包括下述中的一个或多个：退款交易的数量、退换货交易的数量、总的交易的数量或分佣的交易的数量；

第二确定模块44还用于：基于所述第一交易数据和所述第二交易数据，计算得到用于表征交易数据变化情况的第四指标数据，所述指标数据还包括所述第四指标数据。

在一种可能的实现方式中，获取模块41还用于：获取所述商品陈列处在第一时段的第一交易数据以及同业态商品陈列处在所述第一时段的第三交易数据；所述第一交易数据和所述第三交易数据包括下述中的一个或多个：退款交易的数量、退换货交易的数量、总的交易的数量或分佣的交易的数量；

第二确定模块44还用于：基于所述第一交易数据和所述第三交易数据，计算得到用于表征交易数据变化情况的第五指标数据，所述指标数据还包括所述第五指标数据。

在一种可能的实现方式中，所述指标数据的数量为多个，每个指标数据存在对应的检测阈值，所述第二确定模块44基于得到的指标数据，得到所述商品陈列处对应于所述目标时段的异常检测结果，包括：基于每个指标数据与其对应检测阈值的大小关系，确定每个指标数据对应的比较值；基于每个指标数据对应的比较值计算总比较值；基于所述总比较值与总阈值的大小关系，得到所述商品陈列处对应于所述目标时段的异常检测结果。

在一种可能的实现方式中，本实施例的装置还可以包括告警模块，用于输出告警提示信息，所述告警提示信息用于提示所述商品陈列处在所述目标时段内存在异常风险。

在一种可能的实现方式中，所述商品陈列处和所述目标时段的数量均为多个，所述告警提示信息具体用于从时间维度和商品陈列处维度对所述商品陈列处在所述目标时段内存在异常风险进行提示；和/或，所述商品陈列处包括商场专柜，所述告警提示信息还用于提示所述商品陈列处所处商场在所述目标时段的进入人数。

图4所示装置可以执行图2所示实施例提供的方法，本实施例未详细描述的部分，可参考对图2所示实施例的相关说明。该技术方案的执行过程和技术效果参见图2所示实施例中的描述，在此不再赘述。

在一个可能的实现中，图4所示装置的结构可实现为一电子设备。如图5所示，该电子设备可以包括：处理器51和存储器52。其中，存储器52存储支持控制器执行上述图2所示实施例所提供方法的程序，处理器51被配置为用于执行存储器52中存储的程序。

程序包括一条或多条计算机指令，其中，一条或多条计算机指令被处理器51执行时能够实现如下步骤：

获取商品陈列处在目标时段的客流数据和交易数据，所述客流数据包括同一行人的进入时人体图像、离开时人体图像以及对应的进入时间和离开时间，所述交易数据包括至少一个交易时间；

基于所述同一行人的进入时人体图像和离开时人体图像进行识别处理，得到用于表示所述同一行人是否存在购买行为的识别结果；

基于用于表示存在购买行为的至少一个目标识别结果对应的进入时间和离开时间以及所述至少一个交易时间，确定所述至少一个目标识别结果中不存在对应的交易时间的目标识别结果，以得到所述不存在对应的交易时间的目标识别结果的数量；

基于所述不存在对应的交易时间的目标识别结果的数量，得到所述商品陈列处对应于所述目标时段的异常检测结果。

可选的，处理器51还用于执行前述图2所示实施例中的全部或部分步骤。

其中，电子设备的结构中还可以包括通信接口53，用于电子设备与其他设备或通信网络通信。

本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序被执行时，实现如图2所示实施例所述的方法。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助加必需的通用硬件平台的方式来实现，当然也可以通过硬件和软件结合的方式来实现。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以计算机产品的形式体现出来，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。

内存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)。内存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、链表、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。

最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。

Claims (16)

1.一种异常检测方法，其特征在于，包括：

获取商品陈列处在目标时段的客流数据和交易数据，所述客流数据包括同一行人的进入时人体图像、离开时人体图像以及对应的进入时间和离开时间，所述交易数据包括至少一个交易时间；

基于所述同一行人的进入时人体图像和离开时人体图像进行识别处理，得到用于表示所述同一行人是否存在购买行为的识别结果；

基于用于表示存在购买行为的至少一个目标识别结果对应的进入时间和离开时间以及所述至少一个交易时间，确定所述至少一个目标识别结果中不存在对应的交易时间的目标识别结果，以得到所述不存在对应的交易时间的目标识别结果的数量；

基于所述不存在对应的交易时间的目标识别结果的数量，得到所述商品陈列处对应于所述目标时段的异常检测结果。

2.根据权利要求1所述的方法，其特征在于，所述基于所述同一行人的进入时人体图像和离开时人体图像进行识别处理，得到用于表示所述同一行人是否存在购买行为的识别结果，包括：

将所述同一行人的进入时人体图像和离开时人体图像输入至识别模型进行处理，得到用于表示所述同一行人是否存在购买行为的识别结果。

3.根据权利要求2所述的方法，其特征在于，所述识别模型包括类型识别子模块、数量比较子模块和结果生成子模块；

所述类型识别子模块，用于对所述进入时人体图像进行处理，得到进入时是否携带有目标类型的包的第一识别结果，并对所述离开时人体图像进行处理，得到离开时是否携带有所述目标类型的包的第二识别结果，所述目标类型是指用于描述商家提供的用来装顾客购买的商品的包的类型；

所述数量比较子模块，用于对所述进入时人体图像和所述离开时人体图像进行处理，得到离开时携带的包的数量是否多于进入时携带的包的数量的比较结果；

所述结果生成子模块，用于基于所述第一识别结果、所述第二识别结果和比较结果，得到用于表示所述同一行人是否存在购买行为的识别结果。

4.根据权利要求2所述的方法，其特征在于，所述识别模型是采用如下方式训练得到：

构建所述识别模型，所述识别模型中设置有训练参数；

将多对样本人体图像分别输入至所述识别模型中，生成预测结果；

基于所述预测结果与每对样本人体图像的样本标签对应的期望结果之间的差异，对所述训练参数进行迭代调整，直至所述差异满足预设要求。

5.根据权利要求1所述的方法，其特征在于，所述基于对应的进入时间和离开时间以及所述至少一个交易时间，确定所述至少一个目标识别结果中不存在对应的交易时间的目标识别结果的数量，包括：

按顺序对所述至少一个交易时间中的每个交易时间进行如下处理，以得到所述至少一个目标识别结果中不存在对应的交易时间的目标识别结果的数量：

判断当前未对应有交易时间的目标识别结果中是否存在当前交易时间位于其对应进入时间与离开时间之间的目标识别结果；

如果是，则将所述当前交易时间与所述目标识别结果对应；

将所述当前交易时间的下一交易时间作为当前交易时间并返回判断步骤执行，直至遍历完所述至少一个交易时间。

6.根据权利要求1所述的方法，其特征在于，所述基于所述不存在对应的交易时间的目标识别结果的数量，得到所述商品陈列处对应于所述目标时段的异常检测结果，包括：

基于所述不存在对应的交易时间的目标识别结果的数量，计算得到第一指标数据，所述第一指标数据用于表征识别购买行为的召回率；

基于得到的指标数据，得到所述商品陈列处对应于所述目标时段的异常检测结果，所述指标数据包括所述第一指标数据。

7.根据权利要求6所述的方法，其特征在于，所述交易数据还包括交易量；

所述基于所述不存在对应的交易时间的目标识别结果的数量，计算第一指标数据，包括：

对所述交易量和所述不存在对应的交易时间的目标识别结果的数量进行求和，得到求和结果；

将所述至少一个目标识别结果的数量与所述求和结果之比作为第一指标数据。

8.根据权利要求7所述的方法，其特征在于，所述客流数据还包括进入人数；所述基于所述不存在对应的交易时间的目标识别结果的数量，得到所述商品陈列处对应于所述目标时段的异常检测结果，还包括：

将所述至少一个目标识别结果的数量与所述进入人数之比作为第二指标数据；和/或，将所述交易量与所述进入人数之比作为第三指标数据；

所述指标数据还包括所述第二指标数据和/或所述第三指标数据。

9.根据权利要求6所述的方法，其特征在于，所述方法还包括：

获取所述商品陈列处在第一时段的第一交易数据以及所述商品陈列处在第二时段的第二交易数据；所述第一交易数据和所述第二交易数据包括下述中的一个或多个：退款交易的数量、退换货交易的数量、总的交易的数量或分佣的交易的数量；

基于所述第一交易数据和所述第二交易数据，计算得到用于表征交易数据变化情况的第四指标数据，所述指标数据还包括所述第四指标数据。

10.根据权利要求6所述的方法，其特征在于，所述方法还包括：

获取所述商品陈列处在第一时段的第一交易数据以及同业态商品陈列处在所述第一时段的第三交易数据；所述第一交易数据和所述第三交易数据包括下述中的一个或多个：退款交易的数量、退换货交易的数量、总的交易的数量或分佣的交易的数量；

基于所述第一交易数据和所述第三交易数据，计算得到用于表征交易数据变化情况的第五指标数据，所述指标数据还包括所述第五指标数据。

11.根据权利要求6-10中任一项所述的方法，其特征在于，所述指标数据的数量为多个，每个指标数据存在对应的检测阈值，所述基于得到的指标数据，得到所述商品陈列处对应于所述目标时段的异常检测结果，包括：

基于每个指标数据与其对应检测阈值的大小关系，确定每个指标数据对应的比较值；

基于每个指标数据对应的比较值计算总比较值；

基于所述总比较值与总阈值的大小关系，得到所述商品陈列处对应于所述目标时段的异常检测结果。

12.根据权利要求1-10中任一项所述的方法，其特征在于，所述方法还包括：输出告警提示信息，所述告警提示信息用于提示所述商品陈列处在所述目标时段内存在异常风险。

13.根据权利要求12所述的方法，其特征在于，所述商品陈列处和所述目标时段的数量均为多个，所述告警提示信息具体用于从时间维度和商品陈列处维度对所述商品陈列处在所述目标时段内存在异常风险进行提示；和/或，所述商品陈列处包括商场专柜，所述告警提示信息还用于提示所述商品陈列处所处商场在所述目标时段的进入人数。

14.一种异常检测装置，其特征在于，包括：

获取模块，用于获取商品陈列处在目标时段的客流数据和交易数据，所述客流数据包括同一行人的进入时人体图像、离开时人体图像以及对应的进入时间和离开时间，所述交易数据包括至少一个交易时间；

识别模块，用于基于所述同一行人的进入时人体图像和离开时人体图像进行识别处理，得到用于表示所述同一行人是否存在购买行为的识别结果；

第一确定模块，用于基于用于表示存在购买行为的至少一个目标识别结果对应的进入时间和离开时间以及所述至少一个交易时间，确定所述至少一个目标识别结果中不存在对应的交易时间的目标识别结果，以得到所述不存在对应的交易时间的目标识别结果的数量；

第二确定模块，用于基于所述不存在对应的交易时间的目标识别结果的数量，得到所述商品陈列处对应于所述目标时段的异常检测结果。

15.一种电子设备，其特征在于，包括：存储器、处理器；其中，所述存储器存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行时实现如权利要求1至13中任一项所述的方法。

16.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，当所述计算机程序被执行时，实现如权利要求1至13中任一项所述的方法。

Images