CN116993133B - 一种基于人脸识别的智能工单系统 - Google Patents
一种基于人脸识别的智能工单系统 Download PDFInfo
- Publication number
- CN116993133B CN116993133B CN202311256294.XA CN202311256294A CN116993133B CN 116993133 B CN116993133 B CN 116993133B CN 202311256294 A CN202311256294 A CN 202311256294A CN 116993133 B CN116993133 B CN 116993133B
- Authority
- CN
- China
- Prior art keywords
- sales
- image
- client
- module
- pixel
- 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
- 238000012545 processing Methods 0.000 claims abstract description 45
- 238000003860 storage Methods 0.000 claims abstract description 31
- 238000013475 authorization Methods 0.000 claims abstract description 15
- 238000000034 method Methods 0.000 claims description 24
- 238000005457 optimization Methods 0.000 claims description 16
- 238000004891 communication Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 230000001815 facial effect Effects 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 5
- 238000005520 cutting process Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000008859 change Effects 0.000 description 6
- 230000008439 repair process Effects 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000003313 weakening effect Effects 0.000 description 2
- 239000010779 crude oil Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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
- G06Q30/00—Commerce
- G06Q30/01—Customer relationship services
- G06Q30/015—Providing customer assistance, e.g. assisting a customer within a business location or via helpdesk
- G06Q30/016—After-sales
-
- 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
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Human Computer Interaction (AREA)
- Databases & Information Systems (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Accounting & Taxation (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Finance (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于人脸识别的智能工单系统,包括客户模块、判断模块、存储模块、智能处理模块和工单生成模块。本发明通过事先设置售后问题的集合U和解决策略,然后在接收到客户的售后问题时,先判断U中是否存在对应的解决策略,若是,则在获得客户授权的情况下,根据解决策略对客户购买的云服务的配置参数进行修改。从而有效地降低了售后工单的生成数量,不仅使得部分客户的售后问题能够及时得到解决,而且还能够有效地降低负责售后的员工的压力。
Description
技术领域
本发明涉及工单管理领域,尤其涉及一种基于人脸识别的智能工单系统。
背景技术
工单系统是一种用于客户帮助支持服务、客户售后服务、企业IT支持服务、呼叫中心等,用来创建、挂起、解决用户、客户、合作伙伴或企业内部职员提交的事务请求的系统软件。
云服务提供商在对客户进行售后服务时,需要先从客户获得需要解决的问题,然后生成售后维护工单,然后再由主管分配到相应的负责售后的员工进行跟进处理。
但是现有的工单系统将所有问题全部都生成售后维护工单,使得负责售后的员工需要处理的工单数量比较多,使得员工工作压力比较大。
发明内容
本发明的目的在于公开一种基于人脸识别的智能工单系统,解决现有技术中的工单系统使得负责售后的员工需要处理的工单数量比较多,使得员工工作压力比较大的问题。
为了达到上述目的,本发明采用如下技术方案:
一种基于人脸识别的智能工单系统,包括客户模块、判断模块、存储模块、智能处理模块和工单生成模块;
客户模块用于获取客户输入的售后问题Q;
存储模块用于存储云服务提供商提前输入的售后问题的集合U以及U中的每个售后问题对应的解决策略;
判断模块用于判断客户输入的售后问题Q在存储模块中是否存在对应的解决策略,若是,则将解决策略发送至客户模块;若否,则将客户输入的售后问题Q传输至工单生成模块;
客户模块还用于显示解决策略,以及用于获取客户针对解决策略输入的意见文本;
判断模块还用于对意见文本进行语义识别处理,判断客户是否同意执行解决策略,若是,则向客户模块发送拍摄指令,若否,则将客户输入的售后问题Q传输至工单生成模块;
客户模块还用于接收到拍摄指令后,获取客户的脸部图像;
智能处理模块用于基于客户的脸部图像进行人脸识别,判断是否获得客户授权,若是,则基于解决策略对客户的云服务的配置参数进行修改;
工单生成模块用于基于客户输入的售后问题Q生成售后工单。
作为优选,所述判断客户输入的售后问题Q在存储模块中是否有对应的解决策略,包括:
对客户输入的售后问题Q进行文本语义理解处理,分别获取售后问题Q与售后问题的集合U中的每个售后问题的之间的相似度;
判断相似度的最大值是否大于设定的相似度阈值,若是,则表示客户输入的售后问题Q在存储模块中存在对应的解决策略;若否,则表示客户输入的售后问题Q在存储模块中不存在对应的解决策略。
作为优选,所述分别获取售后问题Q与售后问题的集合U中的每个售后问题的之间的相似度,包括:
将售后问题的集合U中的售后问题记为R;
分别对Q和R进行切句处理,获得分句集合UQ和分句集合RQ;
将分句集合UQ和分句集合RQ输入到SimHash算法中,获得UQ和RQ之间的相似度simidx。
作为优选,所述客户模块包括显示单元、输入单元、通信单元和拍摄单元;
显示单元用于显示所述解决策略;
输入单元用于获取客户输入的售后问题Q,以及用于获取客户针对解决策略输入的意见文本;
通信单元用于将客户输入的售后问题Q发送至判断模块、用于将客户针对解决策略输入的意见文本发送至判断模块以及用于接收判断模块发送的拍摄指令;
拍摄单元用于获取客户的脸部图像;
通信单元还用于将脸部图像传输至智能处理模块。
作为优选,所述存储模块还用于存储客户在注册云服务账号时上传的脸部图像P。
作为优选,所述基于客户的脸部图像进行人脸识别,判断是否获得客户授权,包括:
将客户模块在接收到拍摄指令后,获取的客户的脸部图像记为O;
将P和O进行匹配,若匹配成功,则表示获得客户授权,若匹配失败,则表示没有获得客户授权。
作为优选,所述将P和O进行匹配,包括:
使用预设的图像预处理算法分别对P和O进行图像优化处理,获得aP和aO;
使用Mean Absolute Differences算法对aP和aO进行匹配,计算aP和aO之间的相似度;
若相似度大于设定的相似度阈值,则表示匹配成功,否则,表示匹配失败。
作为优选,所述云服务的配置参数包括处理器参数、内存参数和带宽参数。
作为优选,所述存储模块还用于存储负责售后的员工的负责的售后领域、名称、工号、联系方式和现存未处理工单数量。
作为优选,所述基于客户输入的售后问题Q生成售后工单,包括:
对Q进行语义识别处理,获取Q中的关键词;
根据关键词所对应的售后领域以及负责售后的员工的现存未处理工单数量,获取负责处理Q的员工S;
基于员工S的名称、工号、联系方式和客户输入的售后问题Q生产售后工单。
本发明通过事先设置售后问题的集合U和解决策略,然后在接收到客户的售后问题时,先判断U中是否存在对应的解决策略,若是,则在获得客户授权的情况下,根据解决策略对客户购买的云服务的配置参数进行修改。从而有效地降低了售后工单的生成数量,不仅使得部分客户的售后问题能够及时得到解决,而且还能够有效地降低负责售后的员工的压力。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1,为本发明一种基于人脸识别的智能工单系统的一种示例性实施例图。
图2,为本发明的客户模块的一种示例性实施例图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
如图1所示的一种实施例,本发明提供了一种基于人脸识别的智能工单系统,包括客户模块、判断模块、存储模块、智能处理模块和工单生成模块;
客户模块用于获取客户输入的售后问题Q;
存储模块用于存储云服务提供商提前输入的售后问题的集合U以及U中的每个售后问题对应的解决策略;
判断模块用于判断客户输入的售后问题Q在存储模块中是否存在对应的解决策略,若是,则将解决策略发送至客户模块;若否,则将客户输入的售后问题Q传输至工单生成模块;
客户模块还用于显示解决策略,以及用于获取客户针对解决策略输入的意见文本;
判断模块还用于对意见文本进行语义识别处理,判断客户是否同意执行解决策略,若是,则向客户模块发送拍摄指令,若否,则将客户输入的售后问题Q传输至工单生成模块;
客户模块还用于接收到拍摄指令后,获取客户的脸部图像;
智能处理模块用于基于客户的脸部图像进行人脸识别,判断是否获得客户授权,若是,则基于解决策略对客户的云服务的配置参数进行修改;
工单生成模块用于基于客户输入的售后问题Q生成售后工单。
本发明通过事先设置售后问题的集合U和解决策略,然后在接收到客户的售后问题时,先判断U中是否存在对应的解决策略,若是,则在获得客户授权的情况下,根据解决策略对客户购买的云服务的配置参数进行修改。从而有效地降低了售后工单的生成数量,不仅使得部分客户的售后问题能够及时得到解决,而且还能够有效地降低负责售后的员工的压力。
具体的,例如客户输入的意见文本包括“同意”或“可以”或“确认”等词语时,通过文本语义识别,便能判断客户是否同意执行解决策略。
作为优选,解决策略包括云服务器的硬件和/或软件的类型和每种类型的硬件和/或软件的参数的取值。
作为优选,所述判断客户输入的售后问题Q在存储模块中是否有对应的解决策略,包括:
对客户输入的售后问题Q进行文本语义理解处理,分别获取售后问题Q与售后问题的集合U中的每个售后问题的之间的相似度;
判断相似度的最大值是否大于设定的相似度阈值,若是,则表示客户输入的售后问题Q在存储模块中存在对应的解决策略;若否,则表示客户输入的售后问题Q在存储模块中不存在对应的解决策略。
作为优选,所述分别获取售后问题Q与售后问题的集合U中的每个售后问题的之间的相似度,包括:
将售后问题的集合U中的售后问题记为R;
分别对Q和R进行切句处理,获得分句集合UQ和分句集合RQ;
将分句集合UQ和分句集合RQ输入到SimHash算法中,获得UQ和RQ之间的相似度simidx。
作为优选,如图2所示,所述客户模块包括显示单元、输入单元、通信单元和拍摄单元;
显示单元用于显示所述解决策略;
输入单元用于获取客户输入的售后问题Q,以及用于获取客户针对解决策略输入的意见文本;
通信单元用于将客户输入的售后问题Q发送至判断模块、用于将客户针对解决策略输入的意见文本发送至判断模块以及用于接收判断模块发送的拍摄指令;
拍摄单元用于获取客户的脸部图像;
通信单元还用于将脸部图像传输至智能处理模块。
作为优选,所述存储模块还用于存储客户在注册云服务账号时上传的脸部图像P。
作为优选,所述基于客户的脸部图像进行人脸识别,判断是否获得客户授权,包括:
将客户模块在接收到拍摄指令后,获取的客户的脸部图像记为O;
将P和O进行匹配,若匹配成功,则表示获得客户授权,若匹配失败,则表示没有获得客户授权。
作为优选,所述分别获取售后问题Q与售后问题的集合U中的每个售后问题的之间的相似度,包括:
将售后问题的集合U中的售后问题记为R;
分别对Q和R进行切句处理,获得分句集合UQ和分句集合RQ;
将分句集合UQ和分句集合RQ输入到SimHash算法中,获得UQ和RQ之间的相似度simidx。
作为优选,如图2所示,所述客户模块包括显示单元、输入单元、通信单元和拍摄单元;
显示单元用于显示所述解决策略;
输入单元用于获取客户输入的售后问题Q,以及用于获取客户针对解决策略输入的意见文本;
通信单元用于将客户输入的售后问题Q发送至判断模块、用于将客户针对解决策略输入的意见文本发送至判断模块以及用于接收判断模块发送的拍摄指令;
拍摄单元用于获取客户的脸部图像;
通信单元还用于将脸部图像传输至智能处理模块。
作为优选,所述存储模块还用于存储客户在注册云服务账号时上传的脸部图像P。
作为优选,所述基于客户的脸部图像进行人脸识别,判断是否获得客户授权,包括:
将客户模块在接收到拍摄指令后,获取的客户的脸部图像记为O;
将P和O进行匹配,若匹配成功,则表示获得客户授权,若匹配失败,则表示没有获得客户授权。
作为优选,所述对P进行优化处理,获得第一图像,包括:
对P进行像素点分类,将像素点分成一类像素点和二类像素点;
对于一类像素点,采用如下方式进行优化处理:
式中,表示一类像素点q在P对应的亮度分量图像L中的像素值,/>表示一类像素点q在优化处理后获得图像/>中的像素值,/>、/>、/>分别表示预设的权重系数;/>表示所有的一类像素点的像素值的平均值,/>表示预设的一类像素点的像素值标准值,/>,
对于二类像素点,采用如下方式进行优化处理:
式中,表示二类像素点r在亮度分量图像L中的像素值,/>表示二类像素点r在优化处理后获得图像/>中的像素值,/>表示比例系数,/>,/>表示二类型像素点r和P的图像中心mid之间的距离,/>表示P中的像素点与mid之间的距离的最大值,/>表示所有的二类像素点的像素值的平均值;
将图像转换到RGB颜色模型,获得第一图像。
本发明在对像素点进行优化处理时,通过先将像素点分成两个类别,然后在为不同类别的像素点选择不同的函数进行优化处理,一方面,能够均衡同一种类型的像素点之间的光线分布,另一方面,还能够实现对背景像素点的削弱处理,达到突出主体的目的。具体的,在对一类像素点进行优化处理时,主要考虑了同类型的像素点的像素值均值以及像素值标准值,达到了均衡像素点的光线分布的目的。而在对二类像素点进行处理时,加入了图像中心、距离这两种类型的参数,图像r距离图像中心mid越远,则优化处理后的像素值就越小,从而实现对背景像素点的削弱处理。
作为优选,所述对P进行像素点分类,将像素点分成一类像素点和二类像素点,包括:
获取P中符合预设的像素点筛选模型的像素点的集合;
计算中的像素点在P对应的亮度分量图像L中的像素值平均值/>;
对于亮度分量图像L中的像素点k,计算像素点k的分类系数:
式中,表示像素点k的分类系数,/>表示预设的权重系数,,/>表示L中的像素点与L的中心/>之间的距离的最大值,表示像素点k与/>之间的最大值,/>表示判断函数,当d的取值为Cr时,若/>,则/>的取值为h,否则,/>的取值为0,当d的取值为Cb时,若/>则/>的取值为h,否则,/>的取值为0,/>和分别表示像素点k在P对应的YCrCb模型中的Cr分量和Cb分量的值,/>表示预设的常数参数,/>,/>表示亮度分量图像L中的像素点k的像素值,
若小于设定的分类系数阈值,则像素点k为二类像素点,若/>大于等于设定的分类系数阈值,则像素点k为一类像素点。
本发明在对像素点进行分类时,并不是仅从像素值上面进行分类,因为背景中会存在于脸部皮肤像素值较为接近的像素点,仅依靠像素点显然会降低分类结果的准确性。而本发明是从距离、Cr分量、Cb分量、中的像素值平均值/>这几个方面综合计算分类系数,然后再根据分类系数对像素点的类型进行划分。这样的设置方式,有效地提高了分类结果的准确性,与图像中心越近、Cr分量的值和Cb分量的值越接近给出的数值区间、像素值越接近/>,则表示像素点属于前景区域像素点的可能性越大,从而实现提高像素点的分类结果的准确性。
作为优选,所述预设的像素点筛选模型为肤色检测模型。
作为优选,所述对第一图像进行灰度化处理,获得第二图像,包括:
使用如下公式对第一图像进行灰度化处理:
式中,、/>、/>分别表示第一图像中的像素点t在RGB颜色模型中的红、绿、蓝三种颜色分量值,/>表示像素点t在第二图像/>中的像素值。
作为优选,所述对第三图像进行细节修复处理,获得aP,包括:
分别计算第三图像中的每个像素点在经过降噪处理后的像素值变化率;
将像素值变化率小于预设的变化率阈值的像素点存入待处理集合中;
在第三图像中使用预设的修复处理公式对中的每个像素点进行细节修复处理,获得aP。
作为优选,所述像素值变化率通过如下公式进行计算:
式中,表示第三图像中的像素点i的像素值变化率,/>和/>分别表示像素点i在第一图像和第二图像中对应位置的像素点的像素值。
作为优选,所述修复处理公式为:
式中,表示第三图像中的像素点i使用修复处理公式进行处理后的像素值,/>和/>分别表示第三图像中的像素点i和像素点/>在第二图像中对应的位置的像素点的像素值,/>表示第三图像中的像素点/>的像素值,像素点/>为/>中像素值最大的像素点。
第三图像经过降噪处理后,虽然噪声得到了有效的处理,但是同时也降低了像素点之间的像素值差异幅度,使得部分边缘像素点的像素值遭到了破坏,图像细节信息有一定程度的损失。而本发明先通过像素值的变化率来选出不属于噪声像素点的像素点,然后再根据这些像素点在第二图像中原油的像素值的比例关系,在第三图像中对这些像素点进行像素点间的像素值的差异幅度的修复,从而大幅度地提高了最终获得的图像aP中所包含的细节信息的含量。从而提高后续的图像匹配的准确性。
具体的,对O进行图像优化处理的过程与对P进行图像优化处理的过程是相同的。
作为优选,所述云服务的配置参数包括处理器参数、内存参数和带宽参数。
具体的,除了以上列举的硬件的参数外,还可以包括软件的参数。
作为优选,所述存储模块还用于存储负责售后的员工的负责的售后领域、名称、工号、联系方式和现存未处理工单数量。
具体的,负责的售后的领域包括CPU领域、内存领域等。
作为优选,所述基于客户输入的售后问题Q生成售后工单,包括:
对Q进行语义识别处理,获取Q中的关键词;
根据关键词所对应的售后领域以及负责售后的员工的现存未处理工单数量,获取负责处理Q的员工S;
基于员工S的名称、工号、联系方式和客户输入的售后问题Q生产售后工单。
具体的,关键词获取后便于售后领域进行匹配,从而确定负责解决Q的所有员工的列表,然后将Q分配到现存未处理工单数量最小的员工S。
具体的,售后工单包括编号、员工S的名称、工号、联系方式、客户输入的售后问题Q、处理期限、客户的联系方式等。
尽管已经示出和描述了本发明的实施例,本领域技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变形,本发明的范围由权利要求及其等同物限定。
需要说明的是,在本发明各个实施例中的各功能单元/模块可以集成在一个处理单元/模块中,也可以是各个单元/模块单独物理存在,也可以是两个或两个以上单元/模块集成在一个单元/模块中。上述集成的单元/模块既可以采用硬件的形式实现,也可以采用软件功能单元/模块的形式实现。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解应当理解,可以以硬件、软件、固件、中间件、代码或其任何恰当组合来实现这里描述的实施例。对于硬件实现,处理器可以在一个或多个下列单元中实现:专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、设计用于实现这里所描述功能的其他电子单元或其组合。对于软件实现,实施例的部分或全部流程可以通过计算机程序来指令相关的硬件来完成。
实现时,可以将上述程序存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质,其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。计算机可读介质可以包括但不限于 RAM、ROM、EEPROM、CD-ROM 或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。
Claims (7)
1.一种基于人脸识别的智能工单系统,其特征在于,包括客户模块、判断模块、存储模块、智能处理模块和工单生成模块;
客户模块用于获取客户输入的售后问题Q;
存储模块用于存储云服务提供商提前输入的售后问题的集合U以及U中的每个售后问题对应的解决策略;
判断模块用于判断客户输入的售后问题Q在存储模块中是否存在对应的解决策略,若是,则将解决策略发送至客户模块;若否,则将客户输入的售后问题Q传输至工单生成模块;
客户模块还用于显示解决策略,以及用于获取客户针对解决策略输入的意见文本;
判断模块还用于对意见文本进行语义识别处理,判断客户是否同意执行解决策略,若是,则向客户模块发送拍摄指令,若否,则将客户输入的售后问题Q传输至工单生成模块;
客户模块还用于接收到拍摄指令后,获取客户的脸部图像;
智能处理模块用于基于客户的脸部图像进行人脸识别,判断是否获得客户授权,若是,则基于解决策略对客户的云服务的配置参数进行修改;
工单生成模块用于基于客户输入的售后问题Q生成售后工单;
所述存储模块还用于存储客户在注册云服务账号时上传的脸部图像P;
所述基于客户的脸部图像进行人脸识别,判断是否获得客户授权,包括:
将客户模块在接收到拍摄指令后,获取的客户的脸部图像记为O;
将P和O进行匹配,若匹配成功,则表示获得客户授权,若匹配失败,则表示没有获得客户授权;
所述将P和O进行匹配,包括:
使用预设的图像预处理算法分别对P和O进行图像优化处理,获得aP和aO;
使用Mean Absolute Differences算法对aP和aO进行匹配,计算aP和aO之间的相似度;
若相似度大于设定的相似度阈值,则表示匹配成功,否则,表示匹配失败;
使用预设的图像预处理算法对P进行图像优化处理,获得aP,包括:
对P进行优化处理,获得第一图像;
对第一图像进行灰度化处理,获得第二图像;
对第二图像进行降噪处理,获得第三图像;
对第三图像进行细节修复处理,获得aP;
所述对P进行优化处理,获得第一图像,包括:
对P进行像素点分类,将像素点分成一类像素点和二类像素点;
对于一类像素点,采用如下方式进行优化处理:
式中,表示一类像素点q在P对应的亮度分量图像L中的像素值,/>表示一类像素点q在优化处理后获得图像/>中的像素值,/>、/>、/>分别表示预设的权重系数;表示所有的一类像素点的像素值的平均值,/>表示预设的一类像素点的像素值标准值,/>,
对于二类像素点,采用如下方式进行优化处理:
式中,表示二类像素点r在亮度分量图像L中的像素值,/>表示二类像素点r在优化处理后获得图像/>中的像素值,/>表示比例系数,/>,/>表示二类型像素点r和P的图像中心mid之间的距离,/>表示P中的像素点与mid之间的距离的最大值,/>表示所有的二类像素点的像素值的平均值;
将图像转换到RGB颜色模型,获得第一图像;
所述对P进行像素点分类,将像素点分成一类像素点和二类像素点,包括:
获取P中符合预设的像素点筛选模型的像素点的集合;
计算中的像素点在P对应的亮度分量图像L中的像素值平均值/>;
对于亮度分量图像L中的像素点k,计算像素点k的分类系数:
式中,表示像素点k的分类系数,/>表示预设的权重系数,,/>表示L中的像素点与L的中心/>之间的距离的最大值,表示像素点k与/>之间的最大值,/>表示判断函数,当d的取值为Cr时,若/>,则/>的取值为h,否则,/>的取值为0,当d的取值为Cb时,若/>则/>的取值为h,否则,/>的取值为0,/>和/>分别表示像素点k在P对应的YCrCb模型中的Cr分量和Cb分量的值,/>表示预设的常数参数,,/>表示亮度分量图像L中的像素点k的像素值,
若小于设定的分类系数阈值,则像素点k为二类像素点,若/>大于等于设定的分类系数阈值,则像素点k为一类像素点。
2.根据权利要求1所述的一种基于人脸识别的智能工单系统,其特征在于,所述判断客户输入的售后问题Q在存储模块中是否有对应的解决策略,包括:
对客户输入的售后问题Q进行文本语义理解处理,分别获取售后问题Q与售后问题的集合U中的每个售后问题的之间的相似度;
判断相似度的最大值是否大于设定的相似度阈值,若是,则表示客户输入的售后问题Q在存储模块中存在对应的解决策略;若否,则表示客户输入的售后问题Q在存储模块中不存在对应的解决策略。
3.根据权利要求2所述的一种基于人脸识别的智能工单系统,其特征在于,所述分别获取售后问题Q与售后问题的集合U中的每个售后问题的之间的相似度,包括:
将售后问题的集合U中的售后问题记为R;
分别对Q和R进行切句处理,获得分句集合UQ和分句集合RQ;
将分句集合UQ和分句集合RQ输入到SimHash算法中,获得UQ和RQ之间的相似度simidx。
4.根据权利要求1所述的一种基于人脸识别的智能工单系统,其特征在于,所述客户模块包括显示单元、输入单元、通信单元和拍摄单元;
显示单元用于显示所述解决策略;
输入单元用于获取客户输入的售后问题Q,以及用于获取客户针对解决策略输入的意见文本;
通信单元用于将客户输入的售后问题Q发送至判断模块、用于将客户针对解决策略输入的意见文本发送至判断模块以及用于接收判断模块发送的拍摄指令;
拍摄单元用于获取客户的脸部图像;
通信单元还用于将脸部图像传输至智能处理模块。
5.根据权利要求1所述的一种基于人脸识别的智能工单系统,其特征在于,所述云服务的配置参数包括处理器参数、内存参数和带宽参数。
6.根据权利要求1所述的一种基于人脸识别的智能工单系统,其特征在于,所述存储模块还用于存储负责售后的员工的负责的售后领域、名称、工号、联系方式和现存未处理工单数量。
7.根据权利要求6所述的一种基于人脸识别的智能工单系统,其特征在于,所述基于客户输入的售后问题Q生成售后工单,包括:
对Q进行语义识别处理,获取Q中的关键词;
根据关键词所对应的售后领域以及负责售后的员工的现存未处理工单数量,获取负责处理Q的员工S;
基于员工S的名称、工号、联系方式和客户输入的售后问题Q生产售后工单。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311256294.XA CN116993133B (zh) | 2023-09-27 | 2023-09-27 | 一种基于人脸识别的智能工单系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311256294.XA CN116993133B (zh) | 2023-09-27 | 2023-09-27 | 一种基于人脸识别的智能工单系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116993133A CN116993133A (zh) | 2023-11-03 |
CN116993133B true CN116993133B (zh) | 2024-01-26 |
Family
ID=88534188
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311256294.XA Active CN116993133B (zh) | 2023-09-27 | 2023-09-27 | 一种基于人脸识别的智能工单系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116993133B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103077499A (zh) * | 2013-01-09 | 2013-05-01 | 西安电子科技大学 | 基于相似块的sar图像预处理方法 |
CN108846807A (zh) * | 2018-05-23 | 2018-11-20 | Oppo广东移动通信有限公司 | 光效处理方法、装置、终端及计算机可读存储介质 |
CN110532744A (zh) * | 2019-07-22 | 2019-12-03 | 平安科技(深圳)有限公司 | 人脸登录方法、装置、计算机设备及存储介质 |
CN110705245A (zh) * | 2018-07-09 | 2020-01-17 | 中国移动通信集团有限公司 | 一种获取参考处理方案的方法及装置、存储介质 |
CN110796343A (zh) * | 2019-10-10 | 2020-02-14 | 深圳中集智能科技有限公司 | 智能派工方法及装置、系统 |
CN112015878A (zh) * | 2020-09-02 | 2020-12-01 | 中国平安财产保险股份有限公司 | 处理智慧客服未回答问题的方法、装置及计算机设备 |
CN112016546A (zh) * | 2020-08-14 | 2020-12-01 | 中国银联股份有限公司 | 一种文本区域的定位方法及装置 |
CN112419250A (zh) * | 2020-11-13 | 2021-02-26 | 湖北工业大学 | 路面裂缝数字图像提取、裂缝修补及裂缝参数计算方法 |
CN114444940A (zh) * | 2022-01-27 | 2022-05-06 | 黑龙江邮政易通信息网络有限责任公司 | 一种基于大数据的企业数据采集分析系统 |
CN114549023A (zh) * | 2022-02-28 | 2022-05-27 | 今日汽车信息技术有限公司 | 一种汽车销售客户跟进管理系统 |
CN114581979A (zh) * | 2022-03-01 | 2022-06-03 | 北京沃东天骏信息技术有限公司 | 图像处理方法和装置 |
CN115168582A (zh) * | 2022-07-14 | 2022-10-11 | 北京高阳捷迅信息技术有限公司 | 基于机器人的客服问题智能处理方法及系统 |
CN115690884A (zh) * | 2022-11-07 | 2023-02-03 | 南京南瑞信息通信科技有限公司 | 一种人脸识别方法、系统、存储介质及计算设备 |
CN116092170A (zh) * | 2023-04-06 | 2023-05-09 | 广东聚智诚科技有限公司 | 一种基于大数据技术的专利价值分析系统 |
-
2023
- 2023-09-27 CN CN202311256294.XA patent/CN116993133B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103077499A (zh) * | 2013-01-09 | 2013-05-01 | 西安电子科技大学 | 基于相似块的sar图像预处理方法 |
CN108846807A (zh) * | 2018-05-23 | 2018-11-20 | Oppo广东移动通信有限公司 | 光效处理方法、装置、终端及计算机可读存储介质 |
CN110705245A (zh) * | 2018-07-09 | 2020-01-17 | 中国移动通信集团有限公司 | 一种获取参考处理方案的方法及装置、存储介质 |
CN110532744A (zh) * | 2019-07-22 | 2019-12-03 | 平安科技(深圳)有限公司 | 人脸登录方法、装置、计算机设备及存储介质 |
CN110796343A (zh) * | 2019-10-10 | 2020-02-14 | 深圳中集智能科技有限公司 | 智能派工方法及装置、系统 |
CN112016546A (zh) * | 2020-08-14 | 2020-12-01 | 中国银联股份有限公司 | 一种文本区域的定位方法及装置 |
CN112015878A (zh) * | 2020-09-02 | 2020-12-01 | 中国平安财产保险股份有限公司 | 处理智慧客服未回答问题的方法、装置及计算机设备 |
CN112419250A (zh) * | 2020-11-13 | 2021-02-26 | 湖北工业大学 | 路面裂缝数字图像提取、裂缝修补及裂缝参数计算方法 |
CN114444940A (zh) * | 2022-01-27 | 2022-05-06 | 黑龙江邮政易通信息网络有限责任公司 | 一种基于大数据的企业数据采集分析系统 |
CN114549023A (zh) * | 2022-02-28 | 2022-05-27 | 今日汽车信息技术有限公司 | 一种汽车销售客户跟进管理系统 |
CN114581979A (zh) * | 2022-03-01 | 2022-06-03 | 北京沃东天骏信息技术有限公司 | 图像处理方法和装置 |
CN115168582A (zh) * | 2022-07-14 | 2022-10-11 | 北京高阳捷迅信息技术有限公司 | 基于机器人的客服问题智能处理方法及系统 |
CN115690884A (zh) * | 2022-11-07 | 2023-02-03 | 南京南瑞信息通信科技有限公司 | 一种人脸识别方法、系统、存储介质及计算设备 |
CN116092170A (zh) * | 2023-04-06 | 2023-05-09 | 广东聚智诚科技有限公司 | 一种基于大数据技术的专利价值分析系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116993133A (zh) | 2023-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019085064A1 (zh) | 医疗理赔拒付方法、装置、终端设备及存储介质 | |
US20140379554A1 (en) | Report Discrepancy Identification and Improvement | |
US20190087910A1 (en) | Location and social network data predictive analysis system | |
CN109871845B (zh) | 证件图像提取方法及终端设备 | |
CN113345080A (zh) | 一种供应商画像建模方法及系统 | |
CN114444940B (zh) | 一种基于大数据的企业数据采集分析系统 | |
CN112150291A (zh) | 智慧金融产品推荐系统 | |
CN114723481A (zh) | 数据处理方法、装置、电子设备和存储介质 | |
CN116993133B (zh) | 一种基于人脸识别的智能工单系统 | |
CN114549023A (zh) | 一种汽车销售客户跟进管理系统 | |
CN112614110B (zh) | 评估图像质量的方法、装置及终端设备 | |
CN113240531A (zh) | 一种数据处理方法和装置 | |
CN113298121A (zh) | 基于多数据源建模的消息发送方法、装置和电子设备 | |
CN111507850A (zh) | 核保方法及相关装置、设备 | |
CN115146653B (zh) | 对话剧本构建方法、装置、设备及存储介质 | |
CN112149031B (zh) | 一种基于云服务的文化产业创意综合公共服务平台及方法 | |
CN113888760B (zh) | 基于软件应用的违规信息监控方法、装置、设备及介质 | |
JP2022153339A (ja) | データベースシステムにおけるレコードマッチング(データベースシステムにおけるレコードマッチングのコンピュータ実装方法、コンピュータプログラム、コンピュータシステム) | |
WO2023272833A1 (zh) | 一种数据检测方法、装置、设备及可读存储介质 | |
CN113947195A (zh) | 模型确定方法、装置、电子设备和存储器 | |
CN110020728B (zh) | 业务模型强化学习方法以及装置 | |
IL273610B2 (en) | A system and method for generating regular expressions to improve information transfer | |
US10466965B2 (en) | Identification of users across multiple platforms | |
US20140330705A1 (en) | System and Method for Assembling Credit Data | |
CN116738067B (zh) | 一种基于大数据的供应商推荐方法及系统 |
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 |