违规行为的分析方法、装置、电子设备及计算机存储介质与流程

本申请涉及计算机，特别涉及一种违规行为的分析方法、装置、电子设备及计算机存储介质。

背景技术：

1、目前，银行网点柜面及厅堂仍存在人工监控压力，例如临柜时柜面客户现金、银行卡、身份证等物品遗留，人员离岗时柜面现金、钥匙遗留等问题，而且人工监控费时费力，由于人员疲劳可能对异常行为漏检，人工监控事项也耗费一定的人力资源。

技术实现思路

1、有鉴于此，本申请提供一种违规行为的分析方法、装置、电子设备及计算机存储介质，可以有效的对人员是否存在违规行为进行监控，释放人力资源。

2、本申请第一方面提供了一种违规行为的分析方法，包括：

3、实时获取每一个监控区域的监控录像；

4、针对每一个监控区域的监控录像，将所述监控区域的监控录像输入至行为识别模型中，输出得到识别参数；其中，所述识别参数为监控录像中的人员行为特征和事件特征；所述行为识别模型由训练样本数据对机器学习模型进行训练得到；所述训练样本数据包括训练样本录像和真实识别参数；

5、获取所述监控区域的业务类型对应的预设算法；

6、将所述识别参数输入至所述监控区域的业务类型所对应的预设算法，得到第一行为分析结果；

7、读取系统中员工的操作信息；

8、根据所述员工的操作信息，确定第二行为分析结果；

9、结合所述第一行为分析结果以及所述第二行为分析结果，确定目标行为分析结果；其中，所述目标行为分析结果表明所述监控区域内是否存在违规行为。

10、可选的，所述行为识别模型的构建方法，包括：

11、构建训练样本集；其中，所述训练样本集包括至少一个训练样本数据；所述训练样本数据包括训练样本录像和真实识别参数；

12、将所述训练样本录像输入至机器学习模型中，输出得到预测识别参数；

13、利用所述预测识别参数与所述真实识别参数之间的误差对所述机器学习模型中的参数进行调整，直至所述预测识别参数与所述真实识别参数之间的误差满足预设的收敛条件，将所述机器学习模型作为行为识别模型。

14、可选的，所述结合所述第一行为分析结果以及所述第二行为分析结果，确定目标行为分析结果之后，还包括：

15、若所述目标行为分析结果表明当前存在违规行为，则生成提示信息；其中，所述提示信息用于提示负责人所述监控区域当前存在违规行为。

16、可选的，所述结合所述第一行为分析结果以及所述第二行为分析结果，确定目标行为分析结果之后，还包括：

17、若所述目标行为分析结果表明当前存在违规行为，则截取存在违规行为部分的视频。

18、本申请第二方面提供了一种违规行为的分析装置，包括：

19、第一获取单元，用于实时获取每一个监控区域的监控录像；

20、第一输入单元，用于针对每一个监控区域的监控录像，将所述监控区域的监控录像输入至行为识别模型中，输出得到识别参数；其中，所述识别参数为监控录像中的人员行为特征和事件特征；所述行为识别模型由训练样本数据对机器学习模型进行训练得到；所述训练样本数据包括训练样本录像和真实识别参数；

21、第二获取单元，用于获取所述监控区域的业务类型对应的预设算法；

22、第二输入单元，用于将所述识别参数输入至所述监控区域的业务类型所对应的预设算法，得到第一行为分析结果；

23、读取单元，用于读取系统中员工的操作信息；

24、第一确定单元，用于根据所述员工的操作信息，确定第二行为分析结果；

25、第二确定单元，用于结合所述第一行为分析结果以及所述第二行为分析结果，确定目标行为分析结果；其中，所述目标行为分析结果表明所述监控区域内是否存在违规行为。

26、可选的，所述行为识别模型的构建单元，包括：

27、训练样本集构建单元，用于构建训练样本集；其中，所述训练样本集包括至少一个训练样本数据；所述训练样本数据包括训练样本录像和真实识别参数；

28、第三输入单元，用于将所述训练样本录像输入至机器学习模型中，输出得到预测识别参数；

29、模型确定单元，用于利用所述预测识别参数与所述真实识别参数之间的误差对所述机器学习模型中的参数进行调整，直至所述预测识别参数与所述真实识别参数之间的误差满足预设的收敛条件，将所述机器学习模型作为行为识别模型。

30、可选的，所述违规行为的分析装置，还包括：

31、提示单元，用于若所述目标行为分析结果表明当前存在违规行为，则生成提示信息；其中，所述提示信息用于提示负责人所述监控区域当前存在违规行为。

32、可选的，所述违规行为的分析装置，还包括：

33、截取单元，用于若所述目标行为分析结果表明当前存在违规行为，则截取存在违规行为部分的视频。

34、本申请第三方面提供了一种电子设备，包括：

35、一个或多个处理器；

36、存储装置，其上存储有一个或多个程序；

37、当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如第一方面任意一项所述的违规行为的分析方法。

38、本申请第四方面提供了一种计算机存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如第一方面任意一项所述的违规行为的分析方法。

39、由以上方案可知，本申请提供一种违规行为的分析方法、装置、电子设备及计算机存储介质，所述违规行为的分析方法包括：首先，实时获取每一个监控区域的监控录像，然后，针对每一个监控区域的监控录像，将所述监控区域的监控录像输入至行为识别模型中，输出得到识别参数，再获取所述监控区域的业务类型对应的预设算法；将所述识别参数输入至所述监控区域的业务类型所对应的预设算法，得到第一行为分析结果；根据在系统中读取的员工的操作信息，确定第二行为分析结果；结合所述第一行为分析结果以及所述第二行为分析结果，确定目标行为分析结果；其中，所述目标行为分析结果表明所述监控区域内是否存在违规行为。从而可以有效的对人员是否存在违规行为进行监控，释放人力资源。

技术特征：

1.一种违规行为的分析方法，其特征在于，包括：

2.根据权利要求1所述的违规行为的分析方法，其特征在于，所述行为识别模型的构建方法，包括：

3.根据权利要求1所述的违规行为的分析方法，其特征在于，所述结合所述第一行为分析结果以及所述第二行为分析结果，确定目标行为分析结果之后，还包括：

4.根据权利要求1所述的违规行为的分析方法，其特征在于，所述结合所述第一行为分析结果以及所述第二行为分析结果，确定目标行为分析结果之后，还包括：

5.一种违规行为的分析装置，其特征在于，包括：

6.根据权利要求5所述的违规行为的分析装置，其特征在于，所述行为识别模型的构建单元，包括：

7.根据权利要求5所述的违规行为的分析装置，其特征在于，还包括：

8.根据权利要求5所述的违规行为的分析装置，其特征在于，还包括：

9.一种电子设备，其特征在于，包括：

10.一种计算机存储介质，其特征在于，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至4中任一所述的违规行为的分析方法。

技术总结
本申请提供一种违规行为的分析方法、装置、电子设备及计算机存储介质，可应用于金融领域或其他领域，该方法包括：首先，实时获取每一个监控区域的监控录像，然后，针对每一个监控区域的监控录像，将监控区域的监控录像输入至行为识别模型中，输出得到识别参数，再获取监控区域的业务类型对应的预设算法；将识别参数输入至监控区域的业务类型所对应的预设算法，得到第一行为分析结果；根据在系统中读取的员工的操作信息，确定第二行为分析结果；结合第一行为分析结果以及第二行为分析结果，确定目标行为分析结果；其中，目标行为分析结果表明监控区域内是否存在违规行为。从而可以有效的对人员是否存在违规行为进行监控，释放人力资源。

技术研发人员：许彬彬
受保护的技术使用者：中国银行股份有限公司
技术研发日：
技术公布日：2024/1/15