CN117831518A - 基于移动远场语音识别的网点客情监测方法和装置 - Google Patents
基于移动远场语音识别的网点客情监测方法和装置 Download PDFInfo
- Publication number
- CN117831518A CN117831518A CN202311826319.5A CN202311826319A CN117831518A CN 117831518 A CN117831518 A CN 117831518A CN 202311826319 A CN202311826319 A CN 202311826319A CN 117831518 A CN117831518 A CN 117831518A
- Authority
- CN
- China
- Prior art keywords
- target object
- target
- robot
- information
- guest
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000012544 monitoring process Methods 0.000 title claims abstract description 48
- 238000004458 analytical method Methods 0.000 claims abstract description 128
- 238000004590 computer program Methods 0.000 claims description 36
- 238000001228 spectrum Methods 0.000 claims description 28
- 230000005236 sound signal Effects 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 15
- 230000007246 mechanism Effects 0.000 claims description 8
- 230000005012 migration Effects 0.000 claims description 8
- 238000013508 migration Methods 0.000 claims description 8
- 230000009471 action Effects 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 7
- 238000012806 monitoring device Methods 0.000 claims description 6
- 230000001960 triggered effect Effects 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 description 13
- 238000001514 detection method Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000021615 conjugation Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012549 training Methods 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
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 238000005259 measurement 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
- 238000005070 sampling Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Manipulator (AREA)
Abstract
本申请涉及一种基于移动远场语音识别的网点客情监测方法和装置。所述方法包括：获取目标区域内目标对象的音频信息；对目标对象的音频信息进行客情分析，得到目标机器人针对于目标对象的第一客情分析结果；若第一客情分析结果为目标对象的音频信息存在客情风险，则获取其他机器人针对于目标对象的语音信息所生成的第二客情分析结果；若第二客情分析结果为目标对象的语音信息不存在客情风险，则根据目标机器人的任务执行情况，从目标机器人和其他机器人中确定执行机器人；通过执行机器人，对目标对象进行监控。采用本方法能够有效降低客诉率。
Description
技术领域
本申请涉及人工智能和语音处理技术领域，特别是涉及一种基于移动远场语音识别的网点客情监测方法和装置。
背景技术
随着数字化金融服务到来，线上业务办理越来越大众化，相应的，网点员工也在一定程度上进行减配，但目前老年人大部分还是去网点完成业务的办理，一般情况下老年人在网点办理业务时基本需要工作人员协助，但由于网点人员较少、老年人在产品了解以及自身能力等方面的限制，经常导致矛盾客情产生，发生服务评价下降、客户投诉、乃至纠纷等情况。
因此，需要对网点的实时信息进行监测，便于管理层对网点客情进行态势感知，提升客情的响应速度。
发明内容
基于此，有必要针对上述技术问题，提供一种基于移动远场语音识别的网点客情监测方法和装置，能够有效降低客诉率。
第一方面，本申请提供了一种基于移动远场语音识别的网点客情监测方法，由目标机器人执行，包括：
获取目标区域内目标对象的音频信息；
对目标对象的音频信息进行客情分析，得到目标机器人针对于目标对象的第一客情分析结果；
若第一客情分析结果为目标对象的音频信息存在客情风险，则获取其他机器人针对于目标对象的语音信息所生成的第二客情分析结果；
若第二客情分析结果为目标对象的语音信息不存在客情风险，则根据目标机器人的任务执行情况，从目标机器人和其他机器人中确定执行机器人；
通过执行机器人，对目标对象进行监控。
在其中一个实施例中，对目标对象的音频信息进行客情分析，得到目标机器人针对于目标对象的第一客情分析结果，包括：
对目标对象的音频信息进行语义分析，得到音频信息中的客情关键词；将音频信息中的客情关键词与客情知识库中的投诉关键词集、支持关键词集、故障关键词集和潜在预警关键词集分别进行匹配；若客情关键词与潜在预警关键词集匹配成功，则确定目标机器人针对于目标对象的第一客情分析结果为目标对象的音频信息存在客情风险；相应的，第二客情分析结果为目标对象的语音信息不存在客情风险是指，目标对象的语音信息中的客情关键词与投诉关键词集、支持关键词集、故障关键词集和潜在预警关键词集均未匹配成功的结果。
在其中一个实施例中，还包括：
若第二客情分析结果为目标对象的语音信息已触发客情机制，则终止对目标对象的监控任务；其中，第二客情分析结果为目标对象的语音信息已触发客情机制是指目标对象的语音信息中的客情关键词与投诉关键词集、支持关键词集、故障关键词集中的任一项匹配成功的结果。
在其中一个实施例中，根据目标机器人的任务执行情况，从目标机器人和其他机器人中确定执行机器人，包括：
若根据目标机器人的任务执行情况，确定目标机器人为空闲状态，则将目标机器人作为执行机器人；若目标机器人为非空闲状态，则将其他机器人作为执行机器人。
在其中一个实施例中，通过执行机器人，对目标对象进行监控，包括：
若执行机器人为目标机器人，则采集目标对象的图像信息；根据目标对象的音频信息和目标对象的图像信息，确定目标对象的位置信息；根据目标对象的位置信息，确定行进路线；在根据行进路线执行行进动作的过程中，通过行进过程中采集到的目标对象的音频信息和图像信息，对目标对象进行监控。
在其中一个实施例中，通过执行机器人，对目标对象进行监控，包括：
若执行机器人为其他机器人且其他机器人的个数大于一，则向平台发送迁移指令，以指示平台根据其他机器人的任务执行情况，从其他机器人中可用机器人，通过可用机器人，对目标对象进行监控。
在其中一个实施例中，获取目标区域内目标对象的音频信息，包括：
获取目标区域内目标对象的声源信息，声源信息包含音频信息和噪声信息；确定声源信息中音频信息的时频遮蔽和噪声信息噪音的时频遮蔽，得到音频信息的功率谱和噪声信息噪音的功率谱；通过音频信息的功率谱和噪声信息噪音的功率谱，将声源信息中的噪声信息与声源信息中的音频信号进行分离；对声源信息中分离后的音频信号进行增强处理，得到目标区域内目标对象的音频信息。
第二方面，本申请还提供了一种基于移动远场语音识别的网点客情监测装置，包括：
本地获取模块，用于获取目标区域内目标对象的音频信息；
客情分析模块，用于对目标对象的音频信息进行客情分析，得到目标机器人针对于目标对象的第一客情分析结果；
外部获取模块，用于若第一客情分析结果为目标对象的音频信息存在客情风险，则获取其他机器人针对于目标对象的语音信息所生成的第二客情分析结果；
调度模块，用于若第二客情分析结果为目标对象的语音信息不存在客情风险，则根据目标机器人的任务执行情况，从目标机器人和其他机器人中确定执行机器人；
执行模块，用于通过执行机器人，对目标对象进行监控。
第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取目标区域内目标对象的音频信息；
对目标对象的音频信息进行客情分析，得到目标机器人针对于目标对象的第一客情分析结果；
若第一客情分析结果为目标对象的音频信息存在客情风险，则获取其他机器人针对于目标对象的语音信息所生成的第二客情分析结果；
若第二客情分析结果为目标对象的语音信息不存在客情风险，则根据目标机器人的任务执行情况，从目标机器人和其他机器人中确定执行机器人；
通过执行机器人，对目标对象进行监控。
第四方面，本申请还提供了一种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：
获取目标区域内目标对象的音频信息；
对目标对象的音频信息进行客情分析，得到目标机器人针对于目标对象的第一客情分析结果；
若第一客情分析结果为目标对象的音频信息存在客情风险，则获取其他机器人针对于目标对象的语音信息所生成的第二客情分析结果；
若第二客情分析结果为目标对象的语音信息不存在客情风险，则根据目标机器人的任务执行情况，从目标机器人和其他机器人中确定执行机器人；
通过执行机器人，对目标对象进行监控。
第五方面，本申请还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以下步骤：
获取目标区域内目标对象的音频信息；
对目标对象的音频信息进行客情分析，得到目标机器人针对于目标对象的第一客情分析结果；
若第一客情分析结果为目标对象的音频信息存在客情风险，则获取其他机器人针对于目标对象的语音信息所生成的第二客情分析结果；
若第二客情分析结果为目标对象的语音信息不存在客情风险，则根据目标机器人的任务执行情况，从目标机器人和其他机器人中确定执行机器人；
通过执行机器人，对目标对象进行监控。
上述基于移动远场语音识别的网点客情监测方法和装置，获取所述目标机器人针对于所述目标对象的第一客情分析结果，以及其他机器人针对于所述目标对象的语音信息所生成的第二客情分析结果，对目标对象的客情结果进行综合分析，提高了分析的准确性，另外，从所述目标机器人和其他机器人中确定执行机器人，通过多机器人之间的调度，实现了对存在客情风险的目标对象进行及时监控处理的效果，做出响应的应对措施，有效降低客诉率。
附图说明
为了更清楚地说明本申请实施例或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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为本申请实施例中提供的一种基于移动远场语音识别的网点客情监测方法的应用环境图；
图2为本申请实施例中提供的一种基于移动远场语音识别的网点客情监测方法的流程示意图；
图3为本申请实施例中提供的一种获取目标区域内目标对象的音频信息方法的流程示意图；
图4为本申请实施例中提供的一种对目标对象的音频信息进行客情分析方法的流程示意图；
图5为本申请实施例中提供的一种确定执行机器人方法的流程示意图；
图6为本申请实施例中提供的一种基于移动远场语音识别的网点客情监测装置的结构框图；
图7为本申请实施例中提供的一种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基于移动远场语音识别的网点客情监测方法，可以应用于如图1所示的应用环境中。其中，目标机器人102与平台104进行通信，完成各目标区域现场状况的检测。数据存储系统可以存储平台104需要处理的数据。数据存储系统可以集成在平台104上，也可以放在云上或其他网络服务器上。具体的，平台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。
图2为本申请实施例中提供的一种基于移动远场语音识别的网点客情监测方法的流程示意图，以该方法由目标机器人102执行为例进行说明，目标机器人102为银行网点内的任一机器人。如图2所示，该基于移动远场语音识别的网点客情监测方法包括以下S201至S205。其中：
S201、获取目标区域内目标对象的音频信息。
其中，目标区域为网点中目标机器人的监控区域；目标对象为网点中所有人员，目标对象可以为多个，不同目标对象之间的音频信息通过不同的声纹区分，音频信息可以为预设时间段内的音频。
具体的，通过将网点划分为多个目标区域，在预设时间段内，每个目标机器人对应一个目标区域，以实现目标机器人的调度。
示例性的，在网点中目标机器人机身上部署多路麦克风设备，按照一定的频率，采集目标机器人周围三米半径内的音频信息。例如，将某一网点划分为4个区域，分别为A、B、C和D，按照轮询的方式，依次对该网点中的各区域完成监测。
当目标机器人S对应的目标区域为A时，目标区域A中的人员作为目标机器人S监测的目标对象，目标机器人S对目标区域A中各人员的音频信息进行采集并进行降噪和增强处理。当目标机器人S对应的目标区域分别为B、C、D时，过程与上述相同。
S202、对目标对象的音频信息进行客情分析，得到目标机器人针对于目标对象的第一客情分析结果。其中，第一客情分析结果可以表征该音频信息达到触发客情预警的相应条件。
S203、若第一客情分析结果为目标对象的音频信息存在客情风险，则获取其他机器人针对于目标对象的语音信息所生成的第二客情分析结果。
可以理解的是，不同机器人由于与目标对象的距离不同，因此生成的客情分析结果也可能不同。
S204、若第二客情分析结果为目标对象的语音信息不存在客情风险，则根据目标机器人的任务执行情况，从目标机器人和其他机器人中确定执行机器人。
其中，第二客情分析结果为目标对象的语音信息不存在客情风险，可以表征该音频信息未达到触发客情预警的相应条件。
可选的，
方式1)若目标机器人的任务执行情况表征当前存在监控任务，则从其他机器人中确定执行机器人；若目标机器人的任务执行情况表征当前不存在监控任务，则将目标机器人确定为执行机器人。
方式2)若目标机器人不存在监控任务，则可以根据目标机器人与其他机器人与目标对象之间的距离，从所述目标机器人和其他机器人中确定执行机器人。
S205、通过执行机器人，对目标对象进行监控。
可选的，对目标对象进行监控可以是指，根据目标对象的位置，控制执行机器人逐渐靠近目标对象，并根据靠近过程中采集到的语音信息，对目标对象进行监控。
上述基于移动远场语音识别的网点客情监测方法，获取目标机器人针对于目标对象的第一客情分析结果，以及其他机器人针对于目标对象的语音信息所生成的第二客情分析结果，对目标对象的客情结果进行综合分析，提高了分析的准确性，另外，从目标机器人和其他机器人中确定执行机器人，通过多机器人之间的调度，实现了对存在客情风险的目标对象进行及时监控处理的效果，做出响应的应对措施，有效降低客诉率。
在一个实施例中，如图3所示，所述获取目标区域内目标对象的音频信息，包括：
S301，获取目标区域内目标对象的声源信息。
其中，声源信息包含音频信息和噪声信息。
S302，确定声源信息中音频信息的时频遮蔽和噪声信息噪音的时频遮蔽，得到音频信息的功率谱和噪声信息噪音的功率谱。
示例性的，基于Beamnet网络架构(一种多通道语音识别(Automatic SpeechRecognition，ASR)系统的端到端训练方法)，首先利用神经网络分别估计噪音和音频信息的时频遮蔽，从而得到噪声和音频信息的功率谱密度。
具体的，分别估计语音的协方差矩阵Rxxf和噪声的协方差矩阵Rnnf：
其中，v∈{x，n}，x对应语音，n对应噪声；表示t时间步长经过中值滤波整合之后的语音的时频遮蔽值；/>表示t时间步长经过中值滤波整合之后的噪声的时频遮蔽值；T为时间掩膜参数，取决于采样周期；yf，t表示t时间步长的音频信号；H表示共轭；/>表示共轭音频信号。
S303，通过音频信息的功率谱和噪声信息噪音的功率谱，将声源信息中的噪声信息与声源信息中的音频信号进行分离。
S304，对声源信息中分离后的音频信号进行增强处理，得到目标区域内目标对象的音频信息。
可选的，通过广义特征值(Generalized Extreme Value，GEV)波束形成器和盲分析归一化(Blind Analysis Normalization，BAN)对音频信息进行增强处理，使得输出信噪比最大，得到增强后的音频信息。
其中，GEV波束形成可以表示为：
其中，wf代表波束形成滤波参数；H表示共轭；Rnnf代表噪声的协方差矩阵，Rxxf代表信号的协方差矩阵。
BAN方法主要对GEV波束形成的滤波参数进行归一化处理，其中，BAN的滤波参数可以表示为：
其中，M为信号路数。
最后，将BAN的滤波参数对应乘上相应频率的GEV波束形成滤波参数，最后构成整体的波束形成参数(波束形成器)。
在本实施例中，通过对目标对象声源信息中的噪声信息与声源信息进行分析，提高了客情监测的准确性。
在一个实施例中，如图4所示，对目标对象的音频信息进行客情分析，得到目标机器人针对于目标对象的第一客情分析结果，包括：
S401，对目标对象的音频信息进行语义分析，得到音频信息中的客情关键词。
如上示例，对经过降噪和增强处理的音频信号进行声纹提取和语义分析。其中，声纹提取通过声纹识别模型实现，可以将每个人的音频信息拼凑出来，最后通过语义分析将每个人的音频信息转换成相应的文本信息，进而得到客情关键词。其中，该声纹识别模型是基于Triplet Loss(深度学习中一种损失函数)进行相似度计算和训练得到的。
示例性的，客情关键词可以为“取号”、“排队”、“出错”、“反映”等。
S402，将音频信息中的客情关键词与客情知识库中的投诉关键词集、支持关键词集、故障关键词集和潜在预警关键词集分别进行匹配。
其中，预警类型分为投诉类、支持类、故障类以及潜在预警类。
示例性的，当客情关键词为“取哪个号”以及“这怎么填”，并且上述客情关键词的出现频次超过第一安全阈值时，则确定此时为“取哪个号”以及“这怎么填”客情关键词对应的预警类型中的支持类；当客情关键词为“报错了”以及“吞卡了”，并且上述客情关键词的出现频次超过第一安全阈值时，则确定此时为“报错了”以及“吞卡了”客情关键词对应的预警类型中的故障类；当客情关键词为抱怨、谩骂等敏感词，并且上述客情关键词的出现频次超过第一安全阈值时，则确定此时为该客情关键词对应的预警类型中的投诉类。
进一步的，当任一预警类型的客情关键词的出现频次大于第二安全阈值且小于第一安全阈值时，则确定此时为预警类型中的潜在预警类；
进一步的，当各预警类型的客情关键词的出现频次均小于第二安全阈值，则确定该目标对象的音频信息内不存在预警风险。另外，若目标对象的音频信息的语义分析结果中并未出现客情关键词，则可以确定该目标对象的音频信息内不存在预警风险。
S403，若客情关键词与潜在预警关键词集匹配成功，则确定目标机器人针对于目标对象的第一客情分析结果为目标对象的音频信息存在客情风险。
相应的，第二客情分析结果为目标对象的语音信息不存在客情风险是指，目标对象的语音信息中的客情关键词与投诉关键词集、支持关键词集、故障关键词集和潜在预警关键词集均未匹配成功的结果。
其中，第二客情分析结果为目标对象的语音信息已触发客情机制是指目标对象的语音信息中的客情关键词与投诉关键词集、支持关键词集、故障关键词集中的任一项匹配成功的结果。
进一步的，若第二客情分析结果为目标对象的语音信息已触发客情机制，则终止对目标对象的监控任务。
在本实施例中，通过将音频信息中的客情关键词与客情知识库中客情关键词集进行匹配，实现了对目标区域客情的及时发现。
在其中一个实施例中，根据目标机器人的任务执行情况，从目标机器人和其他机器人中确定执行机器人，包括：若根据目标机器人的任务执行情况，确定目标机器人为空闲状态，则将目标机器人作为执行机器人；若目标机器人为非空闲状态，则将其他机器人作为执行机器人。
相应的，如图5所示，在一种可实现方式中：
S501，若执行机器人为所述目标机器人，则采集目标对象的图像信息。
S502，根据目标对象的音频信息和目标对象的图像信息，确定目标对象的位置信息。
S503，根据目标对象的位置信息，确定行进路线。
S504，在根据行进路线执行行进动作的过程中，通过行进过程中采集到的目标对象的音频信息和图像信息，对目标对象进行监控。
在一种可实现方式中，根据客情关键词对应的音频信息，通过音频定位算法获得声源与麦克风设备之间的距离。其中，音频定位算法可以为GCC-PHAT、SRP-PHAT等。
在另一种可实现方式中，采用音视频结合的方式识别目标对象的位置信息，本实施例中的目标机器人的双目位置配有摄像头，具体为：采用基于深度学习的目标检测算法对视频信号进行检测，判断是否检测到人员；若是人员，获取人员目标检测框中的人员目标与目标机器人双目摄像头之间的距离，将该距离作为视频有效距离，即视频定位结果。采用双目测距算法获得人员目标检测框中的人员目标与双目摄像头之间的距离，这样可以极大的减少搜索目标的计算量。将音频定位算法的结果和目标检测算法的结果进行融合，确定目标对象的位置信息。
在另一种可实现方式中，本申请实施例中涉及根据目标对象的音频信息和包含目标对象的图像信息，确定目标对象的位置信息的过程，具体包括：根据包含目标对象的图像信息，确定目标对象的第一当前位置；根据目标对象的音频信息，确定目标对象的第二当前位置；根据第一当前位置和第二当前位置，确定目标对象的位置信息。
具体的，采用基于深度学习的目标检测算法对视频信号进行检测，得到包含目标对象的图像信息，通过该图像信息判断是否检测到人员；若是人员，获取人员目标检测框中的目标对象与目标机器人双目摄像头之间的距离，将该距离作为视频有效距离。对连续的N帧图像分别进行视频定位，然后计算获得视频有效距离的均值m1、方差s1(采用现有的计算均值、方差的公式计算即可，在此不再赘述。方差越小，可信度越高)，如果视频有效距离的数量n1大于N/2，且方差s1小于设定的阈值，则判定m1、s1有效，否则判定m1、s1无效。
具体的，根据客情关键词对应的音频信息，通过音频定位算法获得声源与麦克风设备之间的距离。对连续的N段音频分别进行音频定位，然后计算获得音频有效距离的均值m2、方差s2(采用现有的计算均值、方差的公式计算即可，在此不再赘述。方差越小，可信度越高)。如果音频有效距离的个数n2大于N/2,且方差s2小于阈值，则判定m2、s2有效，否则判定m2、s2无效，因此，可以实现根据目标对象的音频信息，确定目标对象的第二当前位置。
需要说明的是，实际采集时，视频信号采集与音频信号采集的时间均比较短，可以交替采集视频信号与音频信号。
具体的，融合视频定位结果与音频定位结果，获得目标对象与目标机器人之间的距离，具体可以表示为：
如果m1、m2均无效(对应既看不到目标对象，又听不到音频的情况)，则输出-1，表示没有检测到目标对象；
如果m1有效，m2无效(对应能看到目标对象，但听不到音频的情况)，则输出m1，即目标对象与目标机器人之间的距离为m1；
如果m1无效，m2有效(对应不能看到目标对象，但听到音频的情况)，则输出m2，即目标对象与目标机器人之间的距离为m2；
如果m1、m2均有效(对应能看到目标对象，且听到音频的情况)，则利用下式进行计算获得目标对象与目标机器人之间的距离d:
可以理解的是，由于本实施例中，目标机器人自身的位置已知，因此，已知视频信号的拍摄角度，以及目标对象在该图像中相对位置，以及目标对象与目标机器人之间的有效距离m1，即可确定，确定目标对象的第一当前位置信息；
可选的，将第一当前位置和第二当前位置根据权重分配进行加权，确定目标对象的位置信息。
在本实施例中，通过获取目标区域的音频信息和视频信息，为确认客情关键词对应人员的位置奠定了基础。
相应的，在另一种可实现方式中：若执行机器人为其他机器人且其他机器人的个数大于一，则向平台发送迁移指令，以指示平台根据其他机器人的任务执行情况，从其他机器人中可用机器人，通过可用机器人，对目标对象进行监控。
具体的，平台根据巡逻调度算法调度确定替换机器人，使替换机器人对目标区域进行监测。其中，巡逻调度算法是基于Dijkstra算法。
在一个实施例中，本实施例提供了一种基于移动远场语音识别的网点客情监测方法，由图1中的平台104执行，所述方法包括：接收目标机器人发送的迁移指令；根据各候选机器人的任务执行情况、剩余电量、当前位置，选择执行机器人；调度执行机器人对目标对象进行监测。
可选的，巡逻调度算法是根据目标机器人当前位置、是否空闲、剩余电量等状态信息，查询在预设定时间内未巡逻的区域，分别计算出各目标机器人距离待巡逻区域的距离，对每一个待巡逻区域，选择空闲、电量充足目标机器人，按就近原则确定。
具体的，计算目标机器人由当前位置出发，到达各待巡逻区域的最小代价，然后对每个待巡逻区域，选取空闲、电量充足且到达目标区域代价最小的目标机器人，指定其进行巡逻。目标机器人到达指定区域后进入哨兵模式(保持位置不动，采集一定时间的音频信息，该时间可自定义，例如5分钟；当出现预警时，为获取视频信息，目标机器人可在原地转圈进行视线扫描)，哨兵模式结束后，迭代调用巡逻调度算法，确定巡逻目标机器人，直到所有区域在指定时间内全覆盖。
进一步的，平台还包括：解析模块：将目标机器人上传至平台的反馈信息进行解析；反馈信息展示模块：将解析后的反馈信息在统一视图中展现；预警发送模块：将解析后的反馈信息通过短信、邮件等方式推动至对应层级人员；潜在预警处理模块(服务器端)：根据目标机器人发出的潜在预警请求，进行声纹传递和机器人协调等功能。
上述基于移动远场语音识别的网点客情监测方法，平台能够与各机器人联动，当任一目标区域发生潜在预警时，通过目标机器人或替换机器人对该区域进行持续监控，以及时发现预警升级的情况。
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基于移动远场语音识别的网点客情监测方法的基于移动远场语音识别的网点客情监测装置。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基于移动远场语音识别的网点客情监测装置实施例中的具体限定可以参见上文中对于基于移动远场语音识别的网点客情监测方法的限定，在此不再赘述。
在一个示例性的实施例中，如图6所示，提供了一种基于移动远场语音识别的网点客情监测装置1，包括：本地获取模块10、客情分析模块20、外部获取模块30、调度模块40和执行模块50，其中：
本地获取模块10，用于获取目标区域内目标对象的音频信息。
客情分析模块20，用于对目标对象的音频信息进行客情分析，得到目标机器人针对于目标对象的第一客情分析结果。
外部获取模块30，用于若第一客情分析结果为目标对象的音频信息存在客情风险，则获取其他机器人针对于目标对象的语音信息所生成的第二客情分析结果。
调度模块40，用于若第二客情分析结果为目标对象的语音信息不存在客情风险，则根据目标机器人的任务执行情况，从目标机器人和其他机器人中确定执行机器人。
执行模块50，用于通过执行机器人，对目标对象进行监控。
在一个实施例中，客情分析模块20具体用于：
对目标对象的音频信息进行语义分析，得到音频信息中的客情关键词；将音频信息中的客情关键词与客情知识库中的投诉关键词集、支持关键词集、故障关键词集和潜在预警关键词集分别进行匹配；若客情关键词与潜在预警关键词集匹配成功，则确定目标机器人针对于目标对象的第一客情分析结果为目标对象的音频信息存在客情风险；相应的，第二客情分析结果为目标对象的语音信息不存在客情风险是指，目标对象的语音信息中的客情关键词与投诉关键词集、支持关键词集、故障关键词集和潜在预警关键词集均未匹配成功的结果。
在一个实施例中，客情分析模块20具体还用于：
若第二客情分析结果为目标对象的语音信息已触发客情机制，则终止对目标对象的监控任务；其中，第二客情分析结果为目标对象的语音信息已触发客情机制是指目标对象的语音信息中的客情关键词与投诉关键词集、支持关键词集、故障关键词集中的任一项匹配成功的结果。
在一个实施例中，调度模块40具体用于：
若根据目标机器人的任务执行情况，确定目标机器人为空闲状态，则将目标机器人作为执行机器人；若目标机器人为非空闲状态，则将其他机器人作为执行机器人。
在一个实施例中，调度模块40具体还用于：
若执行机器人为目标机器人，则采集目标对象的图像信息；根据目标对象的音频信息和目标对象的图像信息，确定目标对象的位置信息；根据目标对象的位置信息，确定行进路线；在根据行进路线执行行进动作的过程中，通过行进过程中采集到的目标对象的音频信息和图像信息，对目标对象进行监控。
在一个实施例中，调度模块40具体还用于：
若执行机器人为其他机器人且其他机器人的个数大于一，则向平台发送迁移指令，以指示平台根据其他机器人的任务执行情况，从其他机器人中可用机器人，通过可用机器人，对目标对象进行监控。
在一个实施例中，本地获取模块10具体用于：
获取目标区域内目标对象的声源信息，声源信息包含音频信息和噪声信息；确定声源信息中音频信息的时频遮蔽和噪声信息噪音的时频遮蔽，得到音频信息的功率谱和噪声信息噪音的功率谱；通过音频信息的功率谱和噪声信息噪音的功率谱，将声源信息中的噪声信息与声源信息中的音频信号进行分离；对声源信息中分离后的音频信号进行增强处理，得到目标区域内目标对象的音频信息。
上述基于移动远场语音识别的网点客情监测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。
在一个示例性的实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图7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试验数据。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基于移动远场语音识别的网点客情监测方法。
本领域技术人员可以理解，图7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。
在一个示例性的实施例中，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以下步骤：
获取目标区域内目标对象的音频信息；
对目标对象的音频信息进行客情分析，得到目标机器人针对于目标对象的第一客情分析结果；
若第一客情分析结果为目标对象的音频信息存在客情风险，则获取其他机器人针对于目标对象的语音信息所生成的第二客情分析结果；
若第二客情分析结果为目标对象的语音信息不存在客情风险，则根据目标机器人的任务执行情况，从目标机器人和其他机器人中确定执行机器人；
通过执行机器人，对目标对象进行监控。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
对目标对象的音频信息进行语义分析，得到音频信息中的客情关键词；将音频信息中的客情关键词与客情知识库中的投诉关键词集、支持关键词集、故障关键词集和潜在预警关键词集分别进行匹配；若客情关键词与潜在预警关键词集匹配成功，则确定目标机器人针对于目标对象的第一客情分析结果为目标对象的音频信息存在客情风险；相应的，第二客情分析结果为目标对象的语音信息不存在客情风险是指，目标对象的语音信息中的客情关键词与投诉关键词集、支持关键词集、故障关键词集和潜在预警关键词集均未匹配成功的结果。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
若第二客情分析结果为目标对象的语音信息已触发客情机制，则终止对目标对象的监控任务；其中，第二客情分析结果为目标对象的语音信息已触发客情机制是指目标对象的语音信息中的客情关键词与投诉关键词集、支持关键词集、故障关键词集中的任一项匹配成功的结果。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
若根据目标机器人的任务执行情况，确定目标机器人为空闲状态，则将目标机器人作为执行机器人；若目标机器人为非空闲状态，则将其他机器人作为执行机器人。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
若执行机器人为目标机器人，则采集目标对象的图像信息；根据目标对象的音频信息和目标对象的图像信息，确定目标对象的位置信息；根据目标对象的位置信息，确定行进路线；在根据行进路线执行行进动作的过程中，通过行进过程中采集到的目标对象的音频信息和图像信息，对目标对象进行监控。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
若执行机器人为其他机器人且其他机器人的个数大于一，则向平台发送迁移指令，以指示平台根据其他机器人的任务执行情况，从其他机器人中可用机器人，通过可用机器人，对目标对象进行监控。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取目标区域内目标对象的声源信息，声源信息包含音频信息和噪声信息；确定声源信息中音频信息的时频遮蔽和噪声信息噪音的时频遮蔽，得到音频信息的功率谱和噪声信息噪音的功率谱；通过音频信息的功率谱和噪声信息噪音的功率谱，将声源信息中的噪声信息与声源信息中的音频信号进行分离；对声源信息中分离后的音频信号进行增强处理，得到目标区域内目标对象的音频信息。
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，计算机程序被处理器执行时实现以下步骤：
获取目标区域内目标对象的音频信息；
对目标对象的音频信息进行客情分析，得到目标机器人针对于目标对象的第一客情分析结果；
若第一客情分析结果为目标对象的音频信息存在客情风险，则获取其他机器人针对于目标对象的语音信息所生成的第二客情分析结果；
若第二客情分析结果为目标对象的语音信息不存在客情风险，则根据目标机器人的任务执行情况，从目标机器人和其他机器人中确定执行机器人；
通过执行机器人，对目标对象进行监控。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
对目标对象的音频信息进行语义分析，得到音频信息中的客情关键词；将音频信息中的客情关键词与客情知识库中的投诉关键词集、支持关键词集、故障关键词集和潜在预警关键词集分别进行匹配；若客情关键词与潜在预警关键词集匹配成功，则确定目标机器人针对于目标对象的第一客情分析结果为目标对象的音频信息存在客情风险；相应的，第二客情分析结果为目标对象的语音信息不存在客情风险是指，目标对象的语音信息中的客情关键词与投诉关键词集、支持关键词集、故障关键词集和潜在预警关键词集均未匹配成功的结果。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
若第二客情分析结果为目标对象的语音信息已触发客情机制，则终止对目标对象的监控任务；其中，第二客情分析结果为目标对象的语音信息已触发客情机制是指目标对象的语音信息中的客情关键词与投诉关键词集、支持关键词集、故障关键词集中的任一项匹配成功的结果。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
若根据目标机器人的任务执行情况，确定目标机器人为空闲状态，则将目标机器人作为执行机器人；若目标机器人为非空闲状态，则将其他机器人作为执行机器人。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
若执行机器人为目标机器人，则采集目标对象的图像信息；根据目标对象的音频信息和目标对象的图像信息，确定目标对象的位置信息；根据目标对象的位置信息，确定行进路线；在根据行进路线执行行进动作的过程中，通过行进过程中采集到的目标对象的音频信息和图像信息，对目标对象进行监控。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
若执行机器人为其他机器人且其他机器人的个数大于一，则向平台发送迁移指令，以指示平台根据其他机器人的任务执行情况，从其他机器人中可用机器人，通过可用机器人，对目标对象进行监控。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取目标区域内目标对象的声源信息，声源信息包含音频信息和噪声信息；确定声源信息中音频信息的时频遮蔽和噪声信息噪音的时频遮蔽，得到音频信息的功率谱和噪声信息噪音的功率谱；通过音频信息的功率谱和噪声信息噪音的功率谱，将声源信息中的噪声信息与声源信息中的音频信号进行分离；对声源信息中分离后的音频信号进行增强处理，得到目标区域内目标对象的音频信息。
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以下步骤：
获取目标区域内目标对象的音频信息；
对目标对象的音频信息进行客情分析，得到目标机器人针对于目标对象的第一客情分析结果；
若第一客情分析结果为目标对象的音频信息存在客情风险，则获取其他机器人针对于目标对象的语音信息所生成的第二客情分析结果；
若第二客情分析结果为目标对象的语音信息不存在客情风险，则根据目标机器人的任务执行情况，从目标机器人和其他机器人中确定执行机器人；
通过执行机器人，对目标对象进行监控。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
对目标对象的音频信息进行语义分析，得到音频信息中的客情关键词；将音频信息中的客情关键词与客情知识库中的投诉关键词集、支持关键词集、故障关键词集和潜在预警关键词集分别进行匹配；若客情关键词与潜在预警关键词集匹配成功，则确定目标机器人针对于目标对象的第一客情分析结果为目标对象的音频信息存在客情风险；相应的，第二客情分析结果为目标对象的语音信息不存在客情风险是指，目标对象的语音信息中的客情关键词与投诉关键词集、支持关键词集、故障关键词集和潜在预警关键词集均未匹配成功的结果。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
若第二客情分析结果为目标对象的语音信息已触发客情机制，则终止对目标对象的监控任务；其中，第二客情分析结果为目标对象的语音信息已触发客情机制是指目标对象的语音信息中的客情关键词与投诉关键词集、支持关键词集、故障关键词集中的任一项匹配成功的结果。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
若根据目标机器人的任务执行情况，确定目标机器人为空闲状态，则将目标机器人作为执行机器人；若目标机器人为非空闲状态，则将其他机器人作为执行机器人。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
若执行机器人为目标机器人，则采集目标对象的图像信息；根据目标对象的音频信息和目标对象的图像信息，确定目标对象的位置信息；根据目标对象的位置信息，确定行进路线；在根据行进路线执行行进动作的过程中，通过行进过程中采集到的目标对象的音频信息和图像信息，对目标对象进行监控。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
若执行机器人为其他机器人且其他机器人的个数大于一，则向平台发送迁移指令，以指示平台根据其他机器人的任务执行情况，从其他机器人中可用机器人，通过可用机器人，对目标对象进行监控。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取目标区域内目标对象的声源信息，声源信息包含音频信息和噪声信息；确定声源信息中音频信息的时频遮蔽和噪声信息噪音的时频遮蔽，得到音频信息的功率谱和噪声信息噪音的功率谱；通过音频信息的功率谱和噪声信息噪音的功率谱，将声源信息中的噪声信息与声源信息中的音频信号进行分离；对声源信息中分离后的音频信号进行增强处理，得到目标区域内目标对象的音频信息。
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 (10)
1.一种基于移动远场语音识别的网点客情监测方法，其特征在于，由目标机器人执行，所述方法包括：
获取目标区域内目标对象的音频信息；
对所述目标对象的音频信息进行客情分析，得到所述目标机器人针对于所述目标对象的第一客情分析结果；
若所述第一客情分析结果为所述目标对象的音频信息存在客情风险，则获取其他机器人针对于所述目标对象的语音信息所生成的第二客情分析结果；
若所述第二客情分析结果为所述目标对象的语音信息不存在客情风险，则根据所述目标机器人的任务执行情况，从所述目标机器人和其他机器人中确定执行机器人；
通过所述执行机器人，对所述目标对象进行监控。
2.根据权利要求1所述的方法，其特征在于，所述对所述目标对象的音频信息进行客情分析，得到所述目标机器人针对于所述目标对象的第一客情分析结果，包括：
对所述目标对象的音频信息进行语义分析，得到所述音频信息中的客情关键词；
将所述音频信息中的客情关键词与客情知识库中的投诉关键词集、支持关键词集、故障关键词集和潜在预警关键词集分别进行匹配；
若所述客情关键词与所述潜在预警关键词集匹配成功，则确定所述目标机器人针对于所述目标对象的第一客情分析结果为所述目标对象的音频信息存在客情风险；
相应的，所述第二客情分析结果为所述目标对象的语音信息不存在客情风险是指，所述目标对象的语音信息中的客情关键词与所述投诉关键词集、支持关键词集、故障关键词集和潜在预警关键词集均未匹配成功的结果。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
若所述第二客情分析结果为所述目标对象的语音信息已触发客情机制，则终止对所述目标对象的监控任务；
其中，所述第二客情分析结果为所述目标对象的语音信息已触发客情机制是指所述目标对象的语音信息中的客情关键词与所述投诉关键词集、支持关键词集、故障关键词集中的任一项匹配成功的结果。
4.根据权利要求1所述的方法，其特征在于，所述根据所述目标机器人的任务执行情况，从所述目标机器人和其他机器人中确定执行机器人，包括：
若根据所述目标机器人的任务执行情况，确定所述目标机器人为空闲状态，则将所述目标机器人作为执行机器人；
若所述目标机器人为非空闲状态，则将其他机器人作为执行机器人。
5.根据权利要求4所述的方法，其特征在于，所述通过所述执行机器人，对所述目标对象进行监控，包括：
若所述执行机器人为所述目标机器人，则采集所述目标对象的图像信息；
根据所述目标对象的音频信息和所述目标对象的图像信息，确定所述目标对象的位置信息；
根据所述目标对象的位置信息，确定行进路线；
在根据所述行进路线执行行进动作的过程中，通过行进过程中采集到的所述目标对象的音频信息和图像信息，对所述目标对象进行监控。
6.根据权利要求4所述的方法，其特征在于，所述通过所述执行机器人，对所述目标对象进行监控，包括：
若所述执行机器人为其他机器人且所述其他机器人的个数大于一，则向平台发送迁移指令，以指示所述平台根据其他机器人的任务执行情况，从其他机器人中可用机器人，通过所述可用机器人，对所述目标对象进行监控。
7.根据权利要求1所述的方法，其特征在于，所述获取目标区域内目标对象的音频信息，包括：
获取目标区域内目标对象的声源信息，所述声源信息包含音频信息和噪声信息；
确定所述声源信息中音频信息的时频遮蔽和噪声信息噪音的时频遮蔽，得到音频信息的功率谱和噪声信息噪音的功率谱；
通过音频信息的功率谱和噪声信息噪音的功率谱，将所述声源信息中的噪声信息与所述声源信息中的音频信号进行分离；
对所述声源信息中分离后的音频信号进行增强处理，得到目标区域内目标对象的音频信息。
8.一种基于移动远场语音识别的网点客情监测装置，其特征在于，所述装置包括：
本地获取模块，用于获取目标区域内目标对象的音频信息；
客情分析模块，用于对所述目标对象的音频信息进行客情分析，得到所述目标机器人针对于所述目标对象的第一客情分析结果；
外部获取模块，用于若所述第一客情分析结果为所述目标对象的音频信息存在客情风险，则获取其他机器人针对于所述目标对象的语音信息所生成的第二客情分析结果；
调度模块，用于若所述第二客情分析结果为所述目标对象的语音信息不存在客情风险，则根据所述目标机器人的任务执行情况，从所述目标机器人和其他机器人中确定执行机器人；
执行模块，用于通过所述执行机器人，对所述目标对象进行监控。
9.一种计算机设备，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7中任一项所述的方法的步骤。
10.一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7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311826319.5A CN117831518A (zh) | 2023-12-28 | 2023-12-28 | 基于移动远场语音识别的网点客情监测方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311826319.5A CN117831518A (zh) | 2023-12-28 | 2023-12-28 | 基于移动远场语音识别的网点客情监测方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117831518A true CN117831518A (zh) | 2024-04-05 |
Family
ID=90522347
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311826319.5A Pending CN117831518A (zh) | 2023-12-28 | 2023-12-28 | 基于移动远场语音识别的网点客情监测方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117831518A (zh) |
-
2023
- 2023-12-28 CN CN202311826319.5A patent/CN117831518A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210042666A1 (en) | Localized Learning From A Global Model | |
| US9996749B2 (en) | Detecting contextual trends in digital video content | |
| US10074368B2 (en) | Personalized situation awareness using human emotions and incident properties | |
| US10750209B1 (en) | Live video streaming based on an environment-related trigger | |
| US20170278382A1 (en) | Risk early warning method and apparatus | |
| CN104040480A (zh) | 利用声学语境进行搜索的方法和系统 | |
| CN111241883B (zh) | 防止远程被测人员作弊的方法和装置 | |
| US11049382B2 (en) | Fall detection method and system | |
| US10062034B2 (en) | Method and system for obtaining and analyzing information from a plurality of sources | |
| US11954990B2 (en) | Artificial intelligence (AI)-based security systems for monitoring and securing physical locations | |
| WO2022091062A1 (en) | Automatic detection of disease-associated respiratory sounds | |
| US11735017B2 (en) | Artificial intelligence (AI)-based security systems for monitoring and securing physical locations | |
| US20220415138A1 (en) | Artificial Intelligence (AI)-Based Security Systems for Monitoring and Securing Physical Locations | |
| CN114338351B (zh) | 网络异常根因确定方法、装置、计算机设备及存储介质 | |
| CN117831518A (zh) | 基于移动远场语音识别的网点客情监测方法和装置 | |
| US10762339B2 (en) | Automatic emotion response detection | |
| JP6994922B2 (ja) | 会話認識記録システム | |
| US11729011B1 (en) | Rapid and efficient case opening from negative news | |
| WO2021024649A1 (ja) | 情報処理装置、方法およびプログラム | |
| US11477616B2 (en) | Safety detection controller | |
| US20240054154A1 (en) | Dynamic acoustic signature system with sensor fusion for illegal logging in rainforest | |
| US20190132450A1 (en) | System and method for call routing in voice-based call center | |
| CN117975999A (zh) | 阀冷设备故障检测方法、装置、计算机设备及存储介质 | |
| KR20210132514A (ko) | 사고 검지 장치 및 방법 | |
| CN117611300A (zh) | 一种评标违规行为检测方法及系统 |
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 |