本发明专利技术提供了一种网点可疑人员检测方法及装置，方法包括：按照网点不同的区域特点确定区域权重；根据客户到访网点的次数确定客户的可信度初始值；通过动作提取和动作聚类算法按区域对获取的视频数据中的可疑动作进行分析，获得分析结果；根据分析结果获取不同区域的视频摘要；根据区域权重、客户的可信度初始值以及视频摘要确定可疑人员。本申请通过对网点的区域划分，在区域内通过OPENPOSE进行动作的提取，并在此基础上通过聚类分析出潜在的可疑动作，同时借助行人重识别技术，结合人员在多区域间的动作组合和活动规律，制定对人的可信度评价方法，从而筛选出异常的人员，提升银行网点抵御风险的能力。行网点抵御风险的能力。行网点抵御风险的能力。
【技术实现步骤摘要】
一种网点可疑人员检测方法及装置
[0001]本申请属于图像识别
，具体地讲，涉及一种网点可疑人员检测方法及装置。
技术介绍
[0002]银行网点作为日常重要的经济活动场所，是银行与客户之间接触的主要途径。银行通过基层网点对客户提供服务并营销金融产品，而客户了解银行也主要是通过银行基层网点。然而，在基层网点往往也容易滋生不法行为，现有技术在对可疑人员的检测上仍存在不足。首先，现有的动作识别关注动作本身的当前特征，直接对动作进行分析，但动作与所属人其他动作的关系往往被忽略。另一方面，在银行网点的特殊场景下，不同区域的动作特征往往差异明显，需要按特定功能将动作按区域划分开再在各个区域内进行动作识别。
技术实现思路
[0003]本申请提供了一种网点可疑人员检测方法及装置，以至少解决现有的动作识别只关注动作本身的当前特征而不关注动作与所述人其他动作的关系的问题。
[0004]根据本申请的第一个方面，提供了一种网点可疑人员检测方法，包括：
[0005]按照网点不同的区域特点确定区域权重；
[0006]根据客户到访网点的次数确定客户的可信度初始值；
[0007]通过动作提取和动作聚类算法按区域对获取的视频数据中的可疑动作进行分析，获得分析结果；
[0008]根据分析结果获取不同区域的视频摘要；
[0009]根据区域权重、客户的可信度初始值以及视频摘要确定可疑人员。
[0010]在一实施例中，按照网点不同的区域特点确定区域权重，包括：
[0011]将网点划分为区域集合；
[0012]根据预设的各区域敏感性为不同区域计算区域权重。
[0013]在一实施例中，根据客户到访网点的次数确定客户的可信度初始值，包括：
[0014]获取客户到访网点的访问次数；
[0015]根据所有客户的访问次数之和与当前客户的访问次数确定当前客户的可信度初始值。
[0016]在一实施例中，通过动作提取和动作聚类算法按区域对获取的视频数据中的可疑动作进行分析，包括：
[0017]利用OPENPOSE动作提取方法从视频数据中提取动作集合；
[0018]对比同区域内的动作集合，再通过K
‑
means聚类将动作集合划分类别确定可疑动作。
[0019]在一实施例中，利用OPENPOSE动作提取方法从视频数据中提取动作集合，包括：
[0020]利用VGG19卷积网络对图片进行特征提取，获取特征图；
[0021]根据特征图确定关键点的位置及关键点之间的关联程度从而确定关键点是否属于同一个人；
[0022]通过OPENPOSE将各个关键点进行配对并使用匈牙利算法确定各个客户的关键点情况生成动作集合。
[0023]在一实施例中，对比同区域内的动作集合，再通过K
‑
means聚类将动作集合划分类别确定可疑动作，包括：
[0024]对比同区域内的动作集合，从中找出差异性较大的动作；
[0025]通过VGG深度神经卷积网络获取各差异性较大的动作特征，再通过KMEANS聚类将动作集合划分类别确定可疑动作。
[0026]在一实施例中，根据分析结果获取不同区域的视频摘要，包括：
[0027]从分析结果中抽取第一图片特征；
[0028]检索区域的所有图片全部抽取第二图片特征；
[0029]计算第一图片特征与第二图片特征的欧氏距离并根据欧氏距离确定区域内同一人的动作集合。
[0030]根据本申请的另一个方面，还提供了一种网点可疑人员检测装置，包括：
[0031]区域权重确定单元，用于按照网点不同的区域特点确定区域权重；
[0032]可信度初始值赋予单元，用于根据客户到访网点的次数确定客户的可信度初始值；
[0033]动作分析单元，用于通过动作提取和动作聚类算法按区域对获取的视频数据中的可疑动作进行分析，获得分析结果；
[0034]视频摘要获取单元，用于根据分析结果获取不同区域的视频摘要；
[0035]可疑人员确定单元，用于根据区域权重、客户的可信度初始值以及视频摘要确定可疑人员。
[0036]在一实施例中，区域权重确定单元包括：
[0037]划分模块，用于将网点划分为区域集合；
[0038]区域权重计算模块，用于根据预设的各区域敏感性为不同区域计算区域权重。
[0039]在一实施例中，可信度初始值赋予单元包括：
[0040]访问次数获取模块，用于获取客户到访网点的访问次数；
[0041]初始值确定模块，用于根据所有客户的访问次数之和与当前客户的访问次数确定当前客户的可信度初始值。
[0042]在一实施例中，动作分析单元包括：
[0043]动作提取模块，用于利用OPENPOSE动作提取方法从视频数据中提取动作集合；
[0044]可疑动作确定模块，用于对比同区域内的动作集合，再通过K
‑
means聚类将动作集合划分类别确定可疑动作。
[0045]在一实施例中，动作提取模块包括：
[0046]特征提取模块，用于利用VGG19卷积网络对图片进行特征提取，获取特征图；
[0047]关键点锁定模块，用于根据特征图确定关键点的位置及关键点之间的关联程度从而确定关键点是否属于同一个人；
[0048]动作集合生成模块，用于通过OPENPOSE将各个关键点进行配对并使用匈牙利算法
确定各个客户的关键点情况生成动作集合。
[0049]在一实施例中，可疑动作确定模块包括：
[0050]差异较大动作筛选模块，用于对比同区域内的动作集合，从中找出差异性较大的动作；
[0051]聚类模块，用于通过VGG深度神经卷积网络获取各差异性较大的动作特征，再通过KMEANS聚类将动作集合划分类别确定可疑动作。
[0052]在一实施例中，视频摘要获取单元包括：
[0053]第一图片特征提取模块，用于从分析结果中抽取第一图片特征；
[0054]第二图片特征提取模块，用于检索区域的所有图片全部抽取第二图片特征；
[0055]欧氏距离计算模块，用于计算第一图片特征与第二图片特征的欧氏距离并根据欧氏距离确定区域内同一人的动作集合。
[0056]本申请提供了一种基于OPENPOSE的网点可疑人员检测方法，通过对网点的区域划分，在区域内通过OPENPOSE进行动作的提取，并在此基础上通过聚类分析出潜在的可疑动作，同时借助行人重识别技术，结合人员在多区域间的动作组合和活动规律，制定对人的可信度评价方法，从而筛选出异常的人员，提升银行网点抵御风险的能力。
附图说明
[0057]为了更清楚地说明本专利技术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简单地介绍，显而易见地，下面描述中的附图仅仅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，本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种网点可疑人员检测方法，其特征在于，包括：按照网点不同的区域特点确定区域权重；根据客户到访网点的次数确定客户的可信度初始值；通过动作提取和动作聚类算法按区域对获取的视频数据中的可疑动作进行分析，获得分析结果；根据所述分析结果获取不同区域的视频摘要；根据所述区域权重、所述客户的可信度初始值以及所述视频摘要确定可疑人员。2.根据权利要求1所述的网点可疑人员检测方法，其特征在于，所述按照网点不同的区域特点确定区域权重，包括：将网点划分为区域集合；根据预设的各区域敏感性为不同区域计算区域权重。3.根据权利要求1所述的网点可疑人员检测方法，其特征在于，所述根据客户到访网点的次数确定客户的可信度初始值，包括：获取客户到访网点的访问次数；根据所有客户的访问次数之和与当前客户的访问次数确定当前客户的可信度初始值。4.根据权利要求1所述的网点可疑人员检测方法，其特征在于，所述通过动作提取和动作聚类算法按区域对获取的视频数据中的可疑动作进行分析，包括：利用OPENPOSE动作提取方法从视频数据中提取动作集合；对比同区域内的动作集合，再通过K
‑
means聚类将动作集合划分类别确定可疑动作。5.根据权利要求4所述的网点可疑人员检测方法，其特征在于，所述利用OPENPOSE动作提取方法从视频数据中提取动作集合，包括：利用VGG19卷积网络对图片进行特征提取，获取特征图；根据所述特征图确定关键点的位置及关键点之间的关联程度从而确定所述关键点是否属于同一个人；通过OPENPOSE将各个关键点进行配对并使用匈牙利算法确定各个客户的关键点情况生成动作集合。6.根据...
【专利技术属性】
技术研发人员：程锦东，涂晴宇，李艳莉，李洲，
申请(专利权)人：中国工商银行股份有限公司，
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。