本发明专利技术公开了基于视频图像的刷单检测方法、装置、计算机设备及介质，方法包括获取订单交易时刻所对应的视频图像；检测视频图像中是否存在顾客；若存在顾客，则判断顾客是否在设定的交易区内；若在交易区内，则判定为有效顾客；统计有效顾客的数量；判断有效顾客中是否存在新顾客；若存在新顾客，则判定当前交易订单为有效订单；若不存在新顾客，则订单计数增加一个数量；统计订单交易时刻所累积的订单数量是否大于订单交易时刻所对应的视频图像中的有效顾客数量；如果大于订单交易时刻所对应的视频图像中的有效顾客数量，则判定当前交易订单为无效订单。本发明专利技术可以检测出无顾客刷单以及相同人员多次刷单等场景，无需分析历史数据，抗攻击性强。抗攻击性强。抗攻击性强。
【技术实现步骤摘要】
基于视频图像的刷单检测方法、装置、计算机设备及介质
[0001]本专利技术涉及交易数据处理技术，更具体地说是一种基于视频图像的刷单检测方法、装置、计算机设备及介质。
技术介绍
[0002]对于刷单的检测，现有技术的做法是在历史订单数据的基础上进行分析，当新型刷单手段出现时，可能会出现无法识别的情况，且检测机制容易被识别和规避，只需在任意时刻使用随机价格和商品进行少量刷单即可破解，而且，现有数据检测技术无法直接指证订单是否为刷单，需要与刷单当事人核对信息并调取摄像头监控查看后才能确认。
技术实现思路
[0003]本专利技术的目的在于克服现有技术的不足，提供基于视频图像的刷单检测方法、装置、计算机设备及介质。
[0004]为实现上述目的，本专利技术采用以下技术方案：
[0005]第一方面，基于视频图像的刷单检测方法，所述方法包括:
[0006]获取订单交易时刻所对应的视频图像；
[0007]检测视频图像中是否存在顾客；
[0008]若不存在顾客，则判定当前交易订单为无效订单；
[0009]若存在顾客，则判断顾客是否在设定的交易区内；
[0010]若不在交易区内，则执行所述的判定当前交易订单为无效订单的步骤；
[0011]若在交易区内，则判定为有效顾客；
[0012]统计有效顾客的数量；
[0013]判断有效顾客中是否存在新顾客；
[0014]若存在新顾客，则判定当前交易订单为有效订单；
[0015]若不存在新顾客，则订单计数增加一个数量；
[0016]统计订单交易时刻所累积的订单数量是否大于订单交易时刻所对应的视频图像中的有效顾客数量；
[0017]如果大于订单交易时刻所对应的视频图像中的有效顾客数量，则执行所述的判定当前交易订单为无效订单的步骤；
[0018]如果不是大于订单交易时刻所对应的视频图像中的有效顾客数量，则执行所述判定当前交易订单为有效订单的步骤。
[0019]其进一步技术方案为：所述的检测视频图像中是否存在顾客，通过目标检测算法检测视频图像中是否存在顾客。
[0020]其进一步技术方案为：所述的通过目标检测算法检测视频图像中是否存在顾客，具体包括：
[0021]收集门店交易场景图像作为训练样本集，其中场景图像中包括收银员、顾客和收
银机；
[0022]对图像中的收银员、顾客和收银机使用矩形框框出并标记类别；
[0023]把标注好的训练集输入到深度神经网络中进行训练，得到三个输出结果，三个输出结果分别为目标的预测框、目标类别和类别置信度；
[0024]使用训练好的神经网络模型对场景图像中出现的收银机、顾客、收银员进行检测。
[0025]其进一步技术方案为：所述的判断有效顾客中是否存在新顾客，具体包括：
[0026]使用基于深度卷积神经网络的行人重识别算法提取每个有效顾客的特征；
[0027]将每个有效顾客的特征均与顾客队列中存在的特征进行逐个比对；
[0028]若存在某顾客与队列中的所有特征的余弦相似度都小于设定的相似阈值，则认为该顾客为新顾客。
[0029]第二方面，基于视频图像的刷单检测装置，所述装置包括获取单元、检测单元、第一判定单元、第一判断单元、第二判定单元、第一统计单元、第二判断单元、第三判定单元、累计单元和第二统计单元；
[0030]所述获取单元，用于获取订单交易时刻所对应的视频图像；
[0031]所述检测单元，用于检测视频图像中是否存在顾客；
[0032]所述第一判定单元，用于判定当前交易订单为无效订单；
[0033]所述第一判断单元，用于判断顾客是否在设定的交易区内，若不在交易区内，则执行所述第一判定单元；
[0034]所述第二判定单元，用于判定为有效顾客；
[0035]所述第一统计单元，用于统计有效顾客的数量；
[0036]所述第二判断单元，用于判断有效顾客中是否存在新顾客；
[0037]所述第三判定单元，用于判定当前交易订单为有效订单；
[0038]所述累计单元，用于将订单计数增加1个数量；
[0039]所述第二统计单元，用于统计订单交易时刻所累积的订单数量是否大于订单交易时刻所对应的视频图像中的有效顾客数量，若是，则执行所述第一判定单元，若否，则执行所述第三判定单元。
[0040]其进一步技术方案为：所述检测单元中，通过目标检测算法检测视频图像中是否存在顾客。
[0041]其进一步技术方案为：所述检测单元包括收集模块、标记模块、训练模块和检测模块；
[0042]所述收集模块，用于收集门店交易场景图像作为训练样本集，其中场景图像中包括收银员、顾客和收银机；
[0043]所述标记模块，用于对图像中的收银员、顾客和收银机使用矩形框框出并标记类别；
[0044]所述训练模块，用于把标注好的训练集输入到深度神经网络中进行训练，得到三个输出结果，三个输出结果分别为目标的预测框、目标类别和类别置信度；
[0045]所述检测模块，用于使用训练好的神经网络模型对场景图像中出现的收银机、顾客、收银员进行检测。
[0046]其进一步技术方案为：所述第二判断单元包括提取模块、对比模块和判定模块；
[0047]所述提取模块，用于使用基于深度卷积神经网络的行人重识别算法提取每个有效顾客的特征；
[0048]所述对比模块，用于将每个有效顾客的特征均与顾客队列中存在的特征进行逐个比对；
[0049]所述判定模块，用于若存在某顾客与队列中的所有特征的余弦相似度都小于设定的相似阈值，则认为该顾客为新顾客。
[0050]第三方面，一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述的方法步骤。
[0051]第四方面，一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器执行时，使得所述处理器执行如上述的方法步骤。
[0052]本专利技术与现有技术相比的有益效果是：本专利技术通过对视频图像分析来进行刷单识别，可以检测出无顾客刷单以及相同人员多次刷单等场景，无需分析历史数据，抗攻击性强。检测的刷单场景清晰明确，无需与当事人确认，且免去监控调查步骤，可以直接留存刷单截图，方便直观，一目了然。
[0053]上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术技术手段，可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征及优点能够更明显易懂，以下特举较佳实施例，详细说明如下。
附图说明
[0054]为了更清楚地说明本专利技术实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，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，还可以根据这些附本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.基于视频图像的刷单检测方法，其特征在于，所述方法包括:获取订单交易时刻所对应的视频图像；检测视频图像中是否存在顾客；若不存在顾客，则判定当前交易订单为无效订单；若存在顾客，则判断顾客是否在设定的交易区内；若不在交易区内，则执行所述的判定当前交易订单为无效订单的步骤；若在交易区内，则判定为有效顾客；统计有效顾客的数量；判断有效顾客中是否存在新顾客；若存在新顾客，则判定当前交易订单为有效订单；若不存在新顾客，则订单计数增加一个数量；统计订单交易时刻所累积的订单数量是否大于订单交易时刻所对应的视频图像中的有效顾客数量；如果大于订单交易时刻所对应的视频图像中的有效顾客数量，则执行所述的判定当前交易订单为无效订单的步骤；如果不是大于订单交易时刻所对应的视频图像中的有效顾客数量，则执行所述判定当前交易订单为有效订单的步骤。2.根据权利要求1所述的基于视频图像的刷单检测方法，其特征在于，所述的检测视频图像中是否存在顾客，通过目标检测算法检测视频图像中是否存在顾客。3.根据权利要求2所述的基于视频图像的刷单检测方法，其特征在于，所述的通过目标检测算法检测视频图像中是否存在顾客，具体包括：收集门店交易场景图像作为训练样本集，其中场景图像中包括收银员、顾客和收银机；对图像中的收银员、顾客和收银机使用矩形框框出并标记类别；把标注好的训练集输入到深度神经网络中进行训练，得到三个输出结果，三个输出结果分别为目标的预测框、目标类别和类别置信度；使用训练好的神经网络模型对场景图像中出现的收银机、顾客、收银员进行检测。4.根据权利要求1所述的基于视频图像的刷单检测方法，其特征在于，所述的判断有效顾客中是否存在新顾客，具体包括：使用基于深度卷积神经网络的行人重识别算法提取每个有效顾客的特征；将每个有效顾客的特征均与顾客队列中存在的特征进行逐个比对；若存在某顾客与队列中的所有特征的余弦相似度都小于设定的相似阈值，则认为该顾客为新顾客。5.基于视频图像的刷单检测装置，其特征在于，所述装置包括获取单元、检测单元、第一判定单元、第一判断单元、第二判定单元、第一统计单元、第二判断单元、第三判定单元、累计单元和第二统计单元；所述获取单元，用于获取订单交易时刻所对应的视频图像；所述检测单元，用于检测视频图像中是否存在顾客；所述第一判定单元...
【专利技术属性】
技术研发人员：郑俊坛，张利霞，谭维敏，
申请(专利权)人：广州市钱大妈农产品有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。