CN117035316A - 排队位置调整方法、装置、设备及存储介质 - Google Patents

排队位置调整方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN117035316A
CN117035316A CN202311002000.0A CN202311002000A CN117035316A CN 117035316 A CN117035316 A CN 117035316A CN 202311002000 A CN202311002000 A CN 202311002000A CN 117035316 A CN117035316 A CN 117035316A
Authority
CN
China
Prior art keywords
risk
face
user
website
entropy
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
CN202311002000.0A
Other languages
English (en)
Inventor
朱江波
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 CN202311002000.0A priority Critical patent/CN117035316A/zh
Publication of CN117035316A publication Critical patent/CN117035316A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/06316—Sequencing of tasks or work
    • 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
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Finance (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Technology Law (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本申请提供一种排队位置调整方法、装置、设备及存储介质，可用于云计算领域。该方法包括：获取银行网点中网点用户的网点用户交易数据；根据网点用户交易数据，确定网点用户交易风险熵，网点用户交易风险熵表征网点用户的交易风险的信息量；根据网点用户交易风险熵、以及预设的风险熵对应关系，确定网点用户中的人脸可控用户、以及人脸可控用户的人脸信息；向银行网点发送人脸可控用户的人脸信息，以使银行网点的排队机对排队客户进行身份审核，进行排队客户的排队位置调整。本申请的方法，提高了提高排队客户进行业务办理效率的效果。

Description

排队位置调整方法、装置、设备及存储介质
技术领域
本申请涉及云计算领域，尤其涉及一种排队位置调整方法、装置、设备及存储介质。
背景技术
银行排队进行业务办理是指客户在银行办理业务时，需要按照先来先服务的原则排队等待办理。这是银行为了保证业务办理的公平性和效率性而采取的一种管理方式。客户需要根据自己的需求选择相应的业务窗口排队等待，等待时间长短取决于银行的业务量和客户的数量。
目前，客户在去银行营业厅进行业务办理时，银行营业厅一般是根据客户取号排序位置，当排序位置达到该客户时，进行业务的办理。
然而，现有的方法会使得银行营业厅在对客户的业务进行办理时，存在效果不好的问题。
发明内容
本申请提供一种排队位置调整方法、装置、设备及存储介质，用以解决银行营业厅在对客户的业务进行办理时，存在效果不好的问题。
第一方面，本申请提供一种排队位置调整方法，应用于银行服务器，方法包括：
获取银行网点中网点用户的网点用户交易数据；
根据网点用户交易数据，确定网点用户交易风险熵，网点用户交易风险熵表征网点用户的交易风险的信息量；
根据网点用户交易风险熵、以及预设的风险熵对应关系，确定网点用户中的人脸可控用户、以及人脸可控用户的人脸信息，其中，风险熵对应关系为根据银行用户的银行用户交易数据和银行用户人脸识别数据，得到的表征银行用户的银行用户交易风险熵和银行用户人脸风险熵的对应关系；
向银行网点发送人脸可控用户的人脸信息，以使银行网点的排队机对排队客户进行身份审核，进行排队客户的排队位置调整。
第二方面，本申请提供一种排队位置调整装置，应用于银行服务器，装置包括：
获取模块，用于获取银行网点中网点用户的网点用户交易数据；
第一确定模块，用于根据网点用户交易数据，确定网点用户交易风险熵，网点用户交易风险熵表征网点用户的交易风险的信息量；
第二确定模块，用于根据网点用户交易风险熵、以及预设的风险熵对应关系，确定网点用户中的人脸可控用户、以及人脸可控用户的人脸信息，其中，风险熵对应关系为根据银行用户的银行用户交易数据和银行用户人脸识别数据，得到的表征银行用户的银行用户交易风险熵和银行用户人脸风险熵的对应关系；
发送模块，用于向银行网点发送人脸可控用户的人脸信息，以使银行网点的排队机对排队客户进行身份审核，进行排队客户的排队位置调整。
第三方面，本申请提供一种电子设备，包括：处理器，以及与处理器通信连接的存储器；
存储器存储计算机执行指令；
处理器执行存储器存储的计算机执行指令，以实现本申请的方法。
第四方面，本申请提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，计算机执行指令被处理器执行时用于实现本申请的方法。
第五方面，本申请提供一种计算机程序产品，包括计算机程序或指令，计算机程序或指令被处理器执行时实现本申请的方法中的步骤。
本申请提供的排队位置调整方法、装置、设备及存储介质，通过获取银行网点中网点用户的用户交易数据；根据网点用户的用户交易数据，确定网点用户的交易风险熵，网点用户的交易风险熵表征网点用户交易风险的信息量；根据网点用户的交易风险熵、以及预设的风险熵对应关系，确定网点用户中的人脸可控用户、以及人脸可控用户的人脸信息，其中，风险熵对应关系为根据银行用户的用户交易数据和人脸识别数据，确定表征银行用户的交易风险熵和人脸风险熵的关系；向银行网点发送人脸可控用户的人脸信息，以使银行网点的排队机对排队客户进行身份审核，进行排队客户的排队位置调整的手段，可以通过获取银行网点中网点用户的用户交易数据，确定网点用户的交易风险熵，并根据交易风险熵和银行服务器中存储的风险熵对应关系，快速确定网点用户中的人脸可控用户，并由此将人脸可控用户的人脸信息发送至银行网点，使得银行网点的排队机在使用时，能提前确定排队客户的身份，并根据排队客户的身份，进行业务准备，并根据业务准备时间确定排队位置，由此，实现提高排队客户进行业务办理效率的效果。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
图1为本申请实施例提供的排队位置调整方法的场景示意图；
图2为本申请实施例提供的排队位置调整方法的流程示意图；
图3为本申请实施例提供的另一种排队位置调整方法的流程示意图；
图4为本申请实施例提供的排队位置调整装置的结构示意图；
图5为本申请实施例提供的电子设备的结构示意图；
图6为本申请实施例提供的一种终端设备的框图。
通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
现有技术中，一个用户在银行网点办理业务时，需要将身份标识信息比如人脸发送到银行后台服务器，这种方式会增加后台服务器的系统压力，尤其当系统繁忙时。同时这种方式也会导致用户验证身份时间较长，同时也增加了其他用户在排队时的等待时间。
为了解决上述问题，本申请提供排队位置调整方法、装置、设备及存储介质，可以通过获取银行网点中网点用户的用户交易数据；并根据用户交易数据，得到交易风险熵，通过预设的风险熵对应关系，确定与交易风险熵对应的人脸风险熵，并根据人脸风险熵确定人脸可控用户、以及人脸可控用户的人脸信息，由此，将人脸可控用户的人脸信息发送至银行网点，使得银行网点的排队机在使用时，能提前确定排队客户的身份，并根据排队客户的身份，进行业务准备，并根据业务准备时间确定排队位置，由此，实现提高排队客户进行业务办理效率的效果。
本申请提供的排队位置调整方法，旨在解决现有技术的如上技术问题。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。
图1为本申请实施例提供的排队位置调整方法的场景示意图，如图1所示，本申请实施例提供的排队位置调整方法的执行主体可以是服务器。其中，服务器可以为手机、平板、电脑等设备。本实施例对执行主体的实现方式不做特别限制，只要该执行主体能够获取银行网点中网点用户的网点用户交易数据；根据网点用户交易数据，确定网点用户交易风险熵，网点用户交易风险熵表征网点用户的交易风险的信息量；根据网点用户交易风险熵、以及预设的风险熵对应关系，确定网点用户中的人脸可控用户、以及人脸可控用户的人脸信息，其中，风险熵对应关系为根据银行用户的银行用户交易数据和银行用户人脸识别数据，得到的表征银行用户的银行用户交易风险熵和银行用户人脸风险熵的对应关系；向银行网点发送人脸可控用户的人脸信息，以使银行网点的排队机对排队客户进行身份审核，进行排队客户的排队位置调整即可。
需要说明的是，本申请所涉及的客户信息(包括但不限于客户属性信息、用户个人信息等)和数据(包括但不限于用于分析的交易数据、人脸识别数据等)，均为经用户授权或者经过各方充分授权的信息和数据，并且相关数据的收集、使用和处理需要遵守相关法律法规和标准，并提供有相应的操作入口，供用户选择授权或者拒绝。
需要说明的是，本申请实施例提供的排队位置调整方法和装置可用于金融领域，也可用于除金融领域之外的任意领域，本申请实施例提供的排队位置调整的方法和装置的应用领域不做限定。
银行服务器可以指银行机构使用的服务器，用于存储和处理银行业务数据。
银行网点可以指银行在各个地区或城市设立的实体机构，银行网点可以提供各种金融服务，包括存款、贷款、理财、外汇兑换、信用卡、保险等。银行网点通常设有柜台、ATM机、财务顾问等服务设施，方便客户进行各种金融交易和咨询。
图2为本申请实施例提供的排队位置调整方法的流程示意图。该方法的执行主体可以为服务器或其它服务器，本实施例此处不做特别限制，如图2所示，该方法可以包括：
S201、获取银行网点中网点用户的网点用户交易数据。
其中，网点用户可以指在银行网点内进行过业务办理、咨询、查询等操作的个人或企业客户。
网点用户交易数据可以指网点用户在银行网点进行交易时产生的数据，包括但不限于交易时间、交易金额、交易类型、交易地点、交易对手等信息。在本申请实施例中，用户交易数据可以存储在银行的数据库，在进行使用时，可以从银行的数据库中调取银行网点中网点用户的用户交易数据。
S202、根据网点用户交易数据，确定网点用户交易风险熵，网点用户交易风险熵表征网点用户的交易风险的信息量。
其中，网点用户交易风险熵可以指在金融交易中，涉及到的各种风险因素所构成的熵值，即可以用于指示网点用户关于交易风险的信息量。其中，网点用户的交易风险的信息量可以通过网点用户在各个交易维度下风险历史业务数据与历史业务数据的比例确定。其中，交易维度可以表征网点用户已进行的银行业务的类型，比如，存款业务、贷款业务、信用卡业务、外汇业务等。历史业务数据可以指执行业务时的数据，比如，历史业务数据可以包括客户信息、账户信息、交易信息、贷款信息等。风险历史业务数据可以指历史业务数据中与银行风险相关的业务数据，比如，不良贷款、逾期贷款、欺诈交易、洗钱交易等。
其中，在本申请实施例中，在根据网点用户交易风险熵、以及预设的风险熵对应关系，确定网点用户中的人脸可控用户、以及人脸可控用户的人脸信息之前，方法还包括：
获取银行用户的银行用户交易数据和银行用户人脸识别数据；
根据银行用户的银行用户交易数据和银行用户人脸识别数据，确定银行用户中的目标风险客户、以及目标风险客户的目标风险用户交易数据和目标风险人脸识别数据；
根据目标风险客户的目标风险用户交易数据和目标风险人脸识别数据，确定目标风险客户的目标风险交易风险熵和目标风险人脸风险熵；
根据目标风险交易风险熵和目标风险人脸风险熵，确定风险熵对应关系。
其中，目标风险客户可以指根据银行用户人脸识别数据，确定的有关人脸识别风险较高的用户。在本申请实施例中，当银行用户人脸识别数据中风险数据的数据量超过预设数据量时，则确定银行客户为目标风险客户，其中，风险数据可以指由于人脸信息被盗用等问题而造成的人脸图像数据。
目标风险用户交易数据和目标风险人脸识别数据可以指从银行用户交易数据和银行用户人脸识别数据中选取的目标风险客户的数据。
目标风险交易风险熵可以指根据目标风险用户交易数据，确定的交易风险熵。
目标风险人脸风险熵可以指根据目标风险人脸识别数据，确定的人脸风险熵。
其中，在本申请实施例中，根据银行用户的银行用户交易数据和银行用户人脸识别数据，确定银行用户中的目标风险客户、以及目标风险客户的目标风险用户交易数据和目标风险人脸识别数据，包括：
获取人脸识别图，其中，人脸识别图包括节点、以及节点之间的箭头，节点用于表征银行用户，箭头表征银行用户之间的人脸识别风险关系；
历遍人脸识别图，确定目标箭头数满足预设数量要求的目标节点，目标箭头为指向目标节点的箭头；
根据目标节点，确定目标风险客户；
根据银行用户的银行用户交易数据和银行用户人脸识别数据，确定目标风险客户的目标风险用户交易数据和目标风险人脸识别数据。
其中，人脸识别图可以用于表征银行用户之间的人脸风险关系，在本申请实施例中，人脸识别图可以包括节点、以及节点之间的箭头，其中，节点用于表征银行用户，箭头表征银行用户之间的人脸识别风险关系。
人脸识别风险关系可以指任意两个银行用户之间人脸识别风险大小关系，比如，当银行用户A的人脸识别风险大于银行用户B的人脸识别风险时，则表征银行用户之间的人脸识别风险关系的箭头由银行用户B指向银行用户A。
目标节点可以指指向表征该银行用户的箭头的数量大于预设数量的节点。根据目标节点可以确定出与目标节点对应的目标风险客户，并由此可以确定出目标风险客户的目标风险用户交易数据和目标风险人脸识别数据。
其中，确定人脸识别图的方法可以为：
获取多个人脸识别关系规则，其中，人脸识别关系规则可以包括规则体和规则头，且对应两个变量，变量的取值范围是银行用户，该规则的规则体是：两个变量对应各个用户属性的值的二元关系，该规则的规则头是：两个变量的人脸识别风险的大小关系；
根据多个人脸识别关系规则，确定每两个银行用户的人脸识别风险的大小关系；
确定人脸识别图，其中，人脸识别图的顶点和银行用户一一对应，对于该人脸识别图中任何两个顶点，当根据该两个顶点对应的两个银行用户的人脸识别风险的大小关系，确定两个节点的第一节点对应的银行用户的人脸识别风险高于第二节点对应的银行用户的人脸识别风险，则构建从第一节点至第二节点的有向边。
在本申请实施例中，确定多个人脸识别关系规则的方法可以为：
1、获取银行的人脸识别关系数据，其中，人脸识别关系数据用于表征任何两个用户类型的用户属性之间的二元关系和人脸识别风险之间的大小关系；
2、将人脸识别关系数据集设置为所有的人脸识别关系数据，以及根据人脸识别关系数据，确定多个人脸识别特征组合；
3、循环执行下述步骤，直到人脸识别关系数据集为空。
其中，下述步骤可以包括：
A、从人脸识别关系数据集中选取出一人脸识别关系数据；
B、对于每一人脸识别特征组合，执行如下操作：B1、根据该人脸识别关系数据对应该人脸识别特征组合的值，设置该人脸识别关系数据对应该人脸识别特征组合的规则体；
B2、根据该人脸识别关系数据，设置该人脸识别关系数据对应的规则头；B3、根据该人脸识别关系数据对应该人脸识别特征组合的规则体和该人脸识别关系数据对应的规则头，设置该人脸识别关系数据对应该人脸识别特征组合的潜在人脸识别规则；B4、根据人脸识别关系数据集，确定该人脸识别关系数据对应该人脸识别特征组合的潜在人脸识别规则对应的人脸识别关系数据；
C、当对各个人脸识别特征组合执行完上述步骤后，根据该人脸识别关系数据对应各个人脸识别特征组合的潜在人脸识别规则对应的人脸识别关系数据，从该人脸识别关系数据对应各个人脸识别特征组合的潜在人脸识别规则中选取出一潜在人脸识别规则；
D、将选取出的潜在人脸识别规则添加到人脸识别关系规则，以及将选取出的潜在人脸识别规则对应的人脸识别关系数据从人脸识别关系数据集中删除。
其中，在本申请实施例中，根据目标风险用户的交易数据和目标风险人脸识别数据，确定目标风险客户的目标风险交易风险熵和目标风险人脸风险熵，包括：
根据目标风险客户的目标风险用户交易数据，确定与目标风险客户对应交易维度的交易风险比例；
根据与目标风险客户对应各个交易维度的交易风险比例，确定目标风险客户的目标风险交易风险熵；
根据目标风险客户的目标风险人脸识别数据，确定与目标风险客户对应人脸维度的人脸风险比例；
根据与目标风险客户对应各个人脸维度的人脸风险比例，确定目标风险客户的目标风险人脸风险熵。
其中，交易维度用来将交易数据划分为多个互不相交的交易子数据。交易维度可以是多个交易时间，也可以是多个交易地点，也可以是多个交易渠道、或者多个交易场景等等。
人脸维度用来将人脸识别数据划分为多个互不相交的人脸识别子数据。人脸维度可以是多个客户类别，也可以是多个交易渠道、或者是多个交易场景等等。
其中，在本申请实施例中，根据目标风险客户的目标风险用户交易数据，确定与目标风险客户对应交易维度的交易风险比例，包括：
依据交易维度将目标风险客户的目标风险用户交易数据划分为目标风险客户对应各个交易维度的目标风险用户交易数据；
将目标风险客户的目标风险用户交易数据包含的交易数量作为第一交易数量；
将目标风险客户对应各个交易维度的目标风险用户交易数据包含的交易数量与第一交易数量的比值作为与目标风险客户对应各个交易维度的交易风险比例。
其中，在本申请实施例中，根据目标风险客户的目标风险人脸识别数据，确定与目标风险客户对应人脸维度的人脸风险比例，包括：
依据人脸维度将目标风险客户的目标风险人脸识别数据划分为目标风险客户对应各个人脸维度的目标风险人脸识别数据；
将目标风险客户的目标风险人脸识别数据包含的人脸识别数量作为第一识别数量；
将目标风险客户对应各个人脸维度的目标风险人脸识别数据包含的人脸识别数量与第一识别数量的比值作为与目标风险客户对应各个人脸维度的人脸风险比例。
其中，在本申请实施例中，根据与目标风险客户对应各个交易维度的交易风险比例，确定目标风险客户的目标风险交易风险熵，包括：
根据公式：
确定目标风险交易风险熵；
其中，S为目标风险交易风险熵；
pj为目标风险客户的对应第j个交易维度的交易风险比例；
pi为目标风险客户的对应第i个交易维度的交易风险比例。
其中，通过该公式，也可以确定出银行用户的银行用户交易风险熵和网点用户的网点用户交易风险熵。
其中，在本申请实施例中，根据与目标风险客户对应各个人脸维度的人脸风险比例，确定目标风险客户的目标风险人脸风险熵，包括：
根据公式：
确定目标风险人脸风险熵；
其中，T为目标风险人脸风险熵；
qk为目标风险客户的对应第k个人脸维度的人脸风险比例；
ql为目标风险客户的对应第l个人脸维度的人脸风险比例。其中，通过该公式，也可以确定出银行用户的银行用户人脸风险熵和网点用户的网点用户人脸风险熵。
S203、根据网点用户交易风险熵、以及预设的风险熵对应关系，确定网点用户中的人脸可控用户、以及人脸可控用户的人脸信息，其中，风险熵对应关系为根据银行用户的银行用户交易数据和银行用户人脸识别数据，得到的表征银行用户的银行用户交易风险熵和银行用户人脸风险熵的对应关系。
其中，预设的风险熵对应关系可以指银行用户的银行用户交易风险熵和银行用户人脸风险熵的对应关系。
银行用户交易风险熵可以指银行用户在进行交易时有关风险的信息量。其中，银行用户在进行交易时有关风险的信息量可以通过银行用户在各个交易维度下风险历史业务数据与历史业务数据的比例确定。
银行用户交易数据为银行服务器中存储在银行用户进行交易的历史交易数据。
用户人脸风险熵可以指银行用户在进行人脸识别时有关风险的信息量。其中，银行用户在进行人脸识别时有关风险的信息量可以通过银行用户在人脸识别时出现风险与所有在人脸识别时的比例确定。
银行用户人脸识别数据可以指银行服务器中存储在银行用户进行人脸识别时的数据。
人脸可控用户可以指根据网点用户交易风险熵、以及预设的风险熵对应关系，确定出的风险可控制的用户，即人脸风险熵表征的有关人脸识别的风险比较低的用户。
人脸信息可以指银行服务器中存储的人脸可控用户的照片。在确定人脸可控用户后，通过人脸可控用户的信息匹配，得到人脸可控用户的人脸信息。
其中，在本申请实施例中，根据网点用户交易风险熵、以及预设的风险熵对应关系，确定网点用户中的人脸可控用户、以及人脸可控用户的人脸信息，包括：
根据风险熵对应关系，确定网点用户的人脸风险熵；
根据网点用户的人脸风险熵，确定网点用户中的人脸可控用户、以及人脸可控用户的人脸信息。
其中，根据风险熵对应关系，确定网点用户的人脸风险熵，包括：
将风险熵对应关系包含的银行用户交易风险熵作为潜在交易风险熵；
将大于网点用户的交易风险熵的潜在交易风险熵中值最小的潜在交易风险熵作为网点用户的参考交易风险熵；
将在风险熵对应关系中，网点用户的参考交易风险熵对应的人脸风险熵，作为网点用户的人脸风险熵。
其中，在本申请实施例中，根据网点用户的人脸风险熵，确定网点用户中的人脸可控用户、以及人脸可控用户的人脸信息，包括：
确定银行网点的人脸风险熵阈值；
根据网点用户的人脸风险熵、以及银行网点的人脸风险熵阈值，确定网点用户中的人脸可控用户、以及人脸可控用户的人脸信息。
其中，在确定网点用户交易风险熵后，通过风险熵对应关系，可以网点用户的人脸风险熵，即通过网点用户交易风险熵与风险熵对应关系比对后，确定的网点用户的人脸风险熵，然后根据人脸风险熵和银行网点的人脸风险熵阈值，确定网点用户中的人脸可控用户，以及人脸可控用户的人脸信息。
其中，确定银行网点的人脸风险熵阈值，包括：
获取银行网点的人脸识别数据；
获取人脸识别预估时长和人脸风险熵的对应关系；
根据银行网点的人脸识别数据，确定银行网点的人脸识别预估时长；
根据银行网点的人脸识别预估时长、以及人脸识别预估时长和人脸风险熵的对应关系，确定该银行网点的人脸风险熵阈值。
在本申请实施例中，确定人脸识别预估时长和人脸风险熵的对应关系的方法包括：
获取多个银行网点的人脸识别数据；
对于每个银行网点，根据银行网点的人脸识别数据，确定银行网点的人脸风险熵；
对于每一人脸风险熵，根据各个银行网点的人脸风险熵，确定人脸风险熵对应的银行网点；
根据人脸风险熵对应的银行网点的人脸识别数据，确定人脸风险熵对应的人脸识别预估时长；
根据各个人脸风险熵对应的人脸识别预估时长，确定人脸识别预估时长和人脸风险熵的对应关系。
S204、向银行网点发送人脸可控用户的人脸信息，以使银行网点的排队机对排队客户进行身份审核，进行排队客户的排队位置调整。
其中，排队机可以指一种用于管理客户排队和叫号的设备。它通常由一个显示屏和一个控制器组成，可以显示客户的号码和窗口号码，以便客户知道自己的位置。
身份审核可以指确定排队客户身份的过程，通过身份审核，可以确定排队客户的历史业务，并根据其历史业务，进行排队位置调整和业务准备，由此，实现提高排队客户进行业务办理效率的效果。
进行排队客户的排队位置调整的方式可以包括当排队客户的历史交易风险较低时，可以将该客户排在历史交易风险较高的排队客户前、当排队客户的业务准备时间较短时，可以将该客户排在业务准备时间较长的排队客户前。
图3为本申请实施例提供的另一种排队位置调整方法的流程示意图。如图3所示，该方法可以包括：S301、银行服务器根据银行的用户交易数据和人脸识别数据，确定交易风险熵和人脸风险熵的关系，其中，交易风险熵用于表征银行用户在进行交易时有关风险的信息量，人脸风险熵用于表征银行用户在进行人脸识别时有关风险的信息量。
其中，在本申请实施例中，银行服务器根据银行的用户交易数据和人脸识别数据，确定交易风险熵和人脸风险熵的关系的方法包括：
根据银行的人脸识别数据，确定人脸待控用户类型；
对于每一人脸待控用户类型，根据该人脸待控用户类型的用户交易数据和人脸识别数据，确定该人脸待控用户类型的交易风险熵和人脸风险熵；
根据各个人脸待控用户类型的交易风险熵和人脸风险熵，确定交易风险熵和人脸风险熵的关系。
其中，人脸待控用户类型为银行的用户类型中对应的人脸风险熵超过预设风险熵阈值的高风险用户。
其中，在本申请实施例中，根据银行的人脸识别数据，确定人脸待控用户类型的方法可以包括：
根据银行的人脸识别数据，获取确定人脸识别图，其中，该人脸识别图的顶点和用户类型一一对应，该人脸识别图的有向边表示该有向边的头节点对应的用户类型的人脸识别风险高于该有向边的尾节点对应的用户类型的人脸识别风险；
确定该人脸识别图中各个顶点对应的边的头节点；
对于该人脸识别图中每个顶点，当该顶点对应的边的头节点都是该顶点时，将该顶点对应的用户类型作为人脸待控用户类型。
其中，人脸识别图可以根据多个人脸识别关系规则进行确定，其中，人脸识别关系规则可以包括规则体和规则头，该规则的规则体是：两个用户类型变量对应的用户属性的值，该规则的规则头是：两个用户类型变量的人脸识别风险的大小关系；
根据多个人脸识别关系规则，确定每两个用户类型的人脸识别风险的大小关系；
确定人脸识别图，其中，人脸识别图的顶点和用户类型一一对应，对于该人脸识别图中任何两个顶点，当根据该两个顶点对应的两个用户类型的人脸识别风险的大小关系，确定两个节点的第一节点对应的用户类型的人脸识别风险高于第二节点对应的用户类型的人脸识别风险，则构建从第一节点至第二节点的有向边。
其中，在本申请实施例中，对于每一人脸待控用户类型，根据该人脸待控用户类型的用户交易数据和人脸识别数据，确定该人脸待控用户类型的交易风险熵和人脸风险熵的方法包括：
将该人脸待控用户类型的用户交易数据中涉及风险的用户交易数据作为该人脸待控用户类型的风险交易数据、以及将该人脸待控用户类型的人脸识别数据中涉及风险的人脸识别数据作为该人脸待控用户类型的人脸风险数据；
从该人脸待控用户类型的风险交易数据中选取出各个交易维度对应的风险交易数据、以及从该人脸待控用户类型的人脸风险数据中选取出各个人脸维度对应的人脸风险数据；
将每一交易维度对应的风险交易数据包含的交易数量与该人脸待控用户类型的用户交易数据包含的交易数量的比值作为该人脸待控用户类型对应交易维度的交易风险比例；
将每一人脸维度对应的人脸风险数据包含的人脸识别数量与根据该人脸待控用户类型的人脸识别数据包含的人脸识别数量的比值作为该人脸待控用户类型对应人脸维度的人脸风险比例；
根据公式：
和公式：
确定人脸待控用户类型的交易风险熵和人脸风险熵。
其中，交易维度用于划分交易数据，比如、各个交易要素，如交易时间、交易地点、渠道、场景等；人脸维度用于划分人脸识别数据，比如、各个人脸识别要素，如客户类别、渠道、场景等。
S302、银行服务器获取银行网点的用户交易数据，并根据银行网点的用户交易数据，确定银行网点中各个用户的交易风险熵；
S303、银行服务器根据交易风险熵和人脸风险熵的关系、以及银行网点中各个用户的交易风险熵，确定银行网点中的人脸可控用户。
其中，在本申请实施例中，银行服务器根据交易风险熵和人脸风险熵的关系、以及银行网点中各个用户的交易风险熵，确定银行网点中的人脸可控用户的方法包括：
对于银行网点的每个用户，银行服务器根据交易风险熵和人脸风险熵的关系、用户的交易风险熵，确定用户的参考交易风险熵；
根据交易风险熵和人脸风险熵的关系、用户的参考交易风险熵，确定用户的人脸风险熵；
根据用户的人脸风险熵，确定银行网点的人脸可控用户。
其中，将交易风险熵和人脸风险熵的关系包含的交易风险熵作为潜在交易风险熵，然后确定大于交易风险熵的潜在交易风险熵，并将潜在交易风险熵中值最小的潜在交易风险熵作为用户的参考交易风险熵。
其中，在本申请实施例中，根据用户的人脸风险熵，确定银行网点的人脸可控用户的方法包括：
根据银行网点的人脸识别数据，确定银行网点的人脸风险熵阈值；
根据各个用户的人脸风险熵、银行网点的人脸风险熵阈值，确定银行网点的人脸可控用户。
S304、银行服务器将银行网点的人脸可控用户的人脸信息下发到银行网点；
S305、银行网点的排队机根据下发到该银行网点的人脸信息，对用户进行身份审核，并在审核完成后进行排队位置的调整。
其中，当用户在银行网点的排队机上排队时，基于获取的人脸信息与下发到银行网点的人脸信息进行匹配，确定用户是否是银行网点的人脸可控用户；
在确定用户是该银行网点的人脸可控用户时，用户的身份验证通过；否则，采取银行网点的排队机之前的用户身份验证方式。
本申请实施例提供的排队位置调整方法，可以通过获取银行网点中网点用户的用户交易数据，确定网点用户的交易风险熵，并根据交易风险熵和银行服务器中存储的风险熵对应关系，快速确定网点用户中的人脸可控用户，并由此将人脸可控用户的人脸信息发送至银行网点，使得银行网点的排队机在使用时，能提前确定排队客户的身份，并根据排队客户的身份，进行业务准备，并根据业务准备时间确定排队位置，由此，实现提高排队客户进行业务办理效率的效果。
图4为本申请实施例提供的排队位置调整装置的结构示意图。如图4所示，该排队位置调整装置40包括：获取模块401、第一确定模块402、第二确定模块403和发送模块404。
获取模块401，用于获取银行网点中网点用户的网点用户交易数据；
第一确定模块402，用于根据网点用户交易数据，确定网点用户交易风险熵，网点用户交易风险熵表征网点用户的交易风险的信息量；
第二确定模块403，用于根据网点用户交易风险熵、以及预设的风险熵对应关系，确定网点用户中的人脸可控用户、以及人脸可控用户的人脸信息，其中，风险熵对应关系为根据银行用户的银行用户交易数据和银行用户人脸识别数据，得到的表征银行用户的银行用户交易风险熵和银行用户人脸风险熵的对应关系；
发送模块404，用于向银行网点发送人脸可控用户的人脸信息，以使银行网点的排队机对排队客户进行身份审核，进行排队客户的排队位置调整。
在本申请实施例中，第二确定模块403还可以具体用于：
获取银行用户的银行用户交易数据和银行用户人脸识别数据；
根据银行用户的银行用户交易数据和银行用户人脸识别数据，确定银行用户中的目标风险客户、以及目标风险客户的目标风险用户交易数据和目标风险人脸识别数据；
根据目标风险客户的目标风险用户交易数据和目标风险人脸识别数据，确定目标风险客户的目标风险交易风险熵和目标风险人脸风险熵；
根据目标风险交易风险熵和目标风险人脸风险熵，确定风险熵对应关系。
在本申请实施例中，第二确定模块403还可以具体用于：
根据银行用户的银行用户人脸识别数据，构建人脸识别图，其中，人脸识别图包括节点、以及节点之间的箭头，节点用于表征银行用户，箭头表征银行用户之间的人脸识别风险关系；
历遍人脸识别图，确定目标箭头数满足预设数量要求的目标节点，目标箭头为指向目标节点的箭头；
根据目标节点，确定目标风险客户；
根据银行用户的银行用户交易数据和银行用户人脸识别数据，确定目标风险客户的目标风险用户交易数据和目标风险人脸识别数据。
在本申请实施例中，第二确定模块403还可以具体用于：
根据目标风险客户的目标风险用户交易数据，确定与目标风险客户对应交易维度的交易风险比例，交易维度包括交易时间、交易地点、渠道、场景；
根据与目标风险客户对应各个交易维度的交易风险比例，确定目标风险客户的目标风险交易风险熵；
根据目标风险客户的目标风险人脸识别数据，确定与目标风险客户对应人脸维度的人脸风险比例，人脸维度包括客户类别、渠道、场景；
根据与目标风险客户对应各个人脸维度的人脸风险比例，确定目标风险客户的目标风险人脸风险熵。
在本申请实施例中，第二确定模块403还可以具体用于：
根据公式：
确定目标风险交易风险熵；
其中，S为目标风险交易风险熵；
pj为目标风险客户的对应第j个交易维度的交易风险比例；
pi为目标风险客户的对应第i个交易维度的交易风险比例。
在本申请实施例中，第二确定模块403还可以具体用于：
根据公式：
确定目标风险人脸风险熵；
其中，T为目标风险交易风险熵；
qk为目标风险客户的对应第k个人脸维度的人脸风险比例；
ql为目标风险客户的对应第l个人脸维度的人脸风险比例。
在本申请实施例中，第二确定模块403还可以具体用于：
根据风险熵对应关系，确定网点用户的人脸风险熵；
根据网点用户的人脸风险熵，确定网点用户中的人脸可控用户、以及人脸可控用户的人脸信息。
在本申请实施例中，第二确定模块403还可以具体用于：
确定银行网点的人脸风险熵阈值；
根据网点用户的人脸风险熵、以及银行网点的人脸风险熵阈值，确定网点用户中的人脸可控用户、以及人脸可控用户的人脸信息。
本申请实施例提供的排队位置调整装置，由获取模块401，用于获取银行网点中网点用户的网点用户交易数据；由第一确定模块402，用于根据网点用户交易数据，确定网点用户交易风险熵，网点用户交易风险熵表征网点用户的交易风险的信息量；由第二确定模块403，用于根据网点用户交易风险熵、以及预设的风险熵对应关系，确定网点用户中的人脸可控用户、以及人脸可控用户的人脸信息，其中，风险熵对应关系为根据银行用户的银行用户交易数据和银行用户人脸识别数据，得到的表征银行用户的银行用户交易风险熵和银行用户人脸风险熵的对应关系；由发送模块404，用于向银行网点发送人脸可控用户的人脸信息，以使银行网点的排队机对排队客户进行身份审核，进行排队客户的排队位置调整。由此，可以实现提高排队客户进行业务办理效率的效果。
图5为本申请实施例提供的电子设备的结构示意图。如图5所示，该电子设备50包括：
该电子设备50可以包括一个或者一个以上处理核心的处理器501、一个或一个以上计算机可读存储介质的存储器502、通信部件503等部件。其中，处理器501、存储器502以及通信部件503通过总线504连接。
在具体实现过程中，至少一个处理器501执行存储器502存储的计算机执行指令，使得至少一个处理器501执行如上的排队位置调整方法。
处理器501的具体实现过程可参见上述方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。
在上述的图5所示的实施例中，应理解，处理器可以是中央处理单元(英文：Central Processing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：Digital Signal Processor，简称：DSP)、专用集成电路(英文：Application SpecificIntegrated Circuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速存储器(Random Access Memory，RAM)，也可能还包括非易失性存储器(Non-volatile Memory，NVM)，例如至少一个磁盘存储器。
总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral Component，PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture，EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
图6为本申请实施例提供的一种终端设备的框图，该设备可以是消息收发设备等。
装置600可以包括以下一个或多个组件：处理组件602，存储器604，电源组件606，输入/输出(I/O)接口612，以及通信组件616。
处理组件602通常控制装置600的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件602可以包括一个或多个处理器620来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件602可以包括一个或多个模块，便于处理组件602和其他组件之间的交互。例如，处理组件602可以包括多媒体模块，以方便多媒体组件608和处理组件602之间的交互。
存储器604被配置为存储各种类型的数据以支持在装置600的操作。这些数据的示例包括用于在装置600上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器604可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件606为装置600的各种组件提供电力。电源组件606可以包括电源管理系统，一个或多个电源，及其他与为装置600生成、管理和分配电力相关联的组件。
I/O接口612为处理组件602和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
通信组件616被配置为便于装置600和其他设备之间有线或无线方式的通信。装置600可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件616经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，通信组件616还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，装置600可以被一个或多个应用专用集成电路(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)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器604，上述指令可由装置600的处理器620执行以完成上述方法。例如，非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种非临时性计算机可读存储介质，当该存储介质中的指令由终端设备的处理器执行时，使得终端设备能够执行上述终端设备的排队位置调整方法。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求书指出。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。

Claims (11)

1.一种排队位置调整方法，其特征在于，应用于银行服务器，所述方法包括：
获取银行网点中网点用户的网点用户交易数据；
根据所述网点用户交易数据，确定所述网点用户交易风险熵，所述网点用户交易风险熵表征所述网点用户的交易风险的信息量；
根据所述网点用户交易风险熵、以及预设的风险熵对应关系，确定所述网点用户中的人脸可控用户、以及所述人脸可控用户的人脸信息，其中，所述风险熵对应关系为根据银行用户的银行用户交易数据和银行用户人脸识别数据，得到的表征所述银行用户的银行用户交易风险熵和银行用户人脸风险熵的对应关系；
向所述银行网点发送所述人脸可控用户的人脸信息，以使所述银行网点的排队机对排队客户进行身份审核，进行所述排队客户的排队位置调整。
2.根据权利要求1所述的方法，其特征在于，在所述根据所述网点用户交易风险熵、以及预设的风险熵对应关系，确定所述网点用户中的人脸可控用户、以及所述人脸可控用户的人脸信息之前，所述方法还包括：
获取所述银行用户的银行用户交易数据和银行用户人脸识别数据；
根据所述银行用户的银行用户交易数据和银行用户人脸识别数据，确定所述银行用户中的目标风险客户、以及所述目标风险客户的目标风险用户交易数据和目标风险人脸识别数据；
根据所述目标风险客户的所述目标风险用户交易数据和所述目标风险人脸识别数据，确定所述目标风险客户的目标风险交易风险熵和目标风险人脸风险熵；
根据所述目标风险交易风险熵和所述目标风险人脸风险熵，确定所述风险熵对应关系。
3.根据权利要求2所述的方法，其特征在于，所述根据所述银行用户的银行用户交易数据和银行用户人脸识别数据，确定所述银行用户中的目标风险客户、以及所述目标风险客户的目标风险用户交易数据和目标风险人脸识别数据，包括：
获取人脸识别图，其中，所述人脸识别图包括节点、以及节点之间的箭头，所述节点用于表征所述银行用户，所述箭头表征所述银行用户之间的人脸识别风险关系；
历遍所述人脸识别图，确定目标箭头数满足预设数量要求的目标节点，所述目标箭头为指向所述目标节点的箭头；
根据所述目标节点，确定所述目标风险客户；
根据所述银行用户的银行用户交易数据和银行用户人脸识别数据，确定所述目标风险客户的目标风险用户交易数据和目标风险人脸识别数据。
4.根据权利要求2所述的方法，其特征在于，所述根据所述目标风险用户的交易数据和所述目标风险人脸识别数据，确定所述目标风险客户的目标风险交易风险熵和目标风险人脸风险熵，包括：
根据所述目标风险客户的所述目标风险用户交易数据，确定与所述目标风险客户对应交易维度的交易风险比例；
根据与所述目标风险客户对应各个交易维度的交易风险比例，确定所述目标风险客户的目标风险交易风险熵；
根据所述目标风险客户的所述目标风险人脸识别数据，确定与所述目标风险客户对应人脸维度的人脸风险比例；
根据与所述目标风险客户对应各个人脸维度的人脸风险比例，确定所述目标风险客户的目标风险人脸风险熵。
5.根据权利要求4所述的方法，其特征在于，所述根据与所述目标风险客户对应各个交易维度的交易风险比例，确定所述目标风险客户的目标风险交易风险熵，包括：
根据公式：
确定所述目标风险交易风险熵；
其中，S为目标风险交易风险熵；
pj为目标风险客户的对应第j个交易维度的交易风险比例；
pi为目标风险客户的对应第i个交易维度的交易风险比例。
6.根据权利要求4所述的方法，其特征在于，所述根据与所述目标风险客户对应各个人脸维度的人脸风险比例，确定所述目标风险客户的目标风险人脸风险熵，包括：
根据公式：
确定所述目标风险人脸风险熵；
其中，T为目标风险人脸风险熵；
qk为目标风险客户的对应第k个人脸维度的人脸风险比例；
ql为目标风险客户的对应第l个人脸维度的人脸风险比例。
7.根据权利要求1所述的方法，其特征在于，所述根据所述网点用户交易风险熵、以及预设的风险熵对应关系，确定所述网点用户中的人脸可控用户、以及所述人脸可控用户的人脸信息，包括：
根据所述风险熵对应关系，确定所述网点用户的人脸风险熵；
根据所述网点用户的人脸风险熵，确定所述网点用户中的人脸可控用户、以及所述人脸可控用户的人脸信息。
8.根据权利要求7所述的方法，其特征在于，所述根据所述网点用户的人脸风险熵，确定所述网点用户中的人脸可控用户、以及所述人脸可控用户的人脸信息，包括：
确定所述银行网点的人脸风险熵阈值；
根据所述网点用户的人脸风险熵、以及所述银行网点的人脸风险熵阈值，确定所述网点用户中的人脸可控用户、以及所述人脸可控用户的人脸信息。
9.一种排队位置调整装置，其特征在于，应用于银行服务器，所述装置包括：
获取模块，用于获取银行网点中网点用户的网点用户交易数据；
第一确定模块，用于根据所述网点用户交易数据，确定所述网点用户交易风险熵，所述网点用户交易风险熵表征所述网点用户的交易风险的信息量；
第二确定模块，用于根据所述网点用户交易风险熵、以及预设的风险熵对应关系，确定所述网点用户中的人脸可控用户、以及所述人脸可控用户的人脸信息，其中，所述风险熵对应关系为根据银行用户的银行用户交易数据和银行用户人脸识别数据，得到的表征所述银行用户的银行用户交易风险熵和银行用户人脸风险熵的对应关系；
发送模块，用于向所述银行网点发送所述人脸可控用户的人脸信息，以使所述银行网点的排队机对排队客户进行身份审核，进行所述排队客户的排队位置调整。
10.一种电子设备，其特征在于，包括：处理器，以及与所述处理器通信连接的存储器；
所述存储器存储计算机执行指令；
所述处理器执行所述存储器存储的计算机执行指令，以实现如权利要求1至8任一项所述的方法。
11.一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中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1至8任一项所述的方法。
CN202311002000.0A 2023-08-09 2023-08-09 排队位置调整方法、装置、设备及存储介质 Pending CN117035316A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311002000.0A CN117035316A (zh) 2023-08-09 2023-08-09 排队位置调整方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311002000.0A CN117035316A (zh) 2023-08-09 2023-08-09 排队位置调整方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN117035316A true CN117035316A (zh) 2023-11-10

Family

ID=88622194

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311002000.0A Pending CN117035316A (zh) 2023-08-09 2023-08-09 排队位置调整方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN117035316A (zh)

Similar Documents

Publication Publication Date Title
US11023874B2 (en) N to N money transfers
CN109284044A (zh) 一种基于大数据的功能菜单展示方法及相关设备
CN110322317B (zh) 一种交易数据处理方法、装置、电子设备及介质
CN108510233A (zh) 远程面签匹配坐席方法、电子装置及计算机可读存储介质
CN108416670A (zh) 信贷配单方法及服务器
CN112200450A (zh) 客服业务分配方法、装置及介质
US20150088748A1 (en) Payment Action Page Queue for a Mobile Device
CN112102067A (zh) 互联网金融管理方法、系统、设备及介质
CN111105238A (zh) 一种交易风险控制方法和装置
CN112241915A (zh) 一种贷款产品的生成方法和装置
CN112686666A (zh) 一种针对铁路业务系统的电子钱包交易方法及装置
CN111709731A (zh) 一种交易处理方法及装置
CN117035315A (zh) 银行网点的排队方法、装置、电子设备及存储介质
US20150149337A1 (en) Apparatus, method, system, and storage medium
CN107730259A (zh) 一种指纹支付方法及其装置、用户终端
CN107528822A (zh) 一种业务执行方法以及装置
CN111275542A (zh) 一种贷款请求的处理方法、装置和系统
CN111242576A (zh) 处理请求的方法和装置
CN108156206B (zh) 一种数据转移方法、服务器、客户端以及系统
CN117035316A (zh) 排队位置调整方法、装置、设备及存储介质
CN111539742B (zh) 信息处理方法、装置、电子设备及存储介质
CN110738480B (zh) 数字资产托管风险控制方法、设备和存储介质
US20180164956A1 (en) Multicomputer Processing of Client Device Request Data with Centralized Event Orchestration
CN117035969A (zh) 业务办理的风险控制方法、装置、设备及存储介质
CN117035314A (zh) 排队顺序调整方法、装置、设备及存储介质

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