一种对象监控方法及装置、电子设备与流程

本申请涉及计算机控制技术领域，尤其涉及一种对象监控方法及装置、电子设备和计算机可读存储介质。

背景技术：

随着互联网技术的发展，在线购物的使用日益广泛，商家的在线订单量获得了爆炸性的增长，服务器的处理压力也接踵而至。为了满足用户在线购物的良好体验，对在线订单的快速即时处理的重要性日益凸显，因此对在线订单的数据监控和处理也成为当务之急。

现有技术中，使用订单绝对量作为数据监控指标。但是，基于订单绝对量进行监控的方法无法应对订单量的自然增长，尤其对一些快速发展的业务需要频繁地人为设定监控参数，监控效果差。

技术实现要素：

有鉴于此，本申请提供一种对象监控方法及装置、电子设备和计算机可读存储介质，以提高监控效果。

具体地，本申请是通过如下技术方案实现的：

根据本公开实施例的第一方面，提供一种对象监控方法，包括：

根据当前时段的监控对象特征信息及当前时段之前任一时段的监控对象特征信息，确定所述当前时段的监控对象信息；

确定所述当前时段的监控对象信息对应的阈值范围；

基于所述当前时段的监控对象信息与所述阈值范围之间的关系，生成关于所述监控对象的监控结果。

根据本公开实施例的第二方面，提供一种对象监控装置，包括：

第一确定模块，用于根据当前时段的监控对象特征信息及当前时段之前任一时段的监控对象特征信息，确定所述当前时段的监控对象信息；

第二确定模块，用于确定所述第一确定模块确定的所述当前时段的监控对象信息对应的阈值范围；

生成模块，用于基于所述第一确定模块确定的所述当前时段的监控对象信息与所述第二确定模块确定的所述阈值范围之间的关系，生成关于所述监控对象的监控结果。

根据本公开实施例的第三方面，提供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，所述计算机程序用于执行上述对象监控方法。

根据本公开实施例的第四方面，提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述对象监控方法。

本公开的实施例提供的技术方案可以包括以下有益效果：通过根据当前时段的监控对象特征信息及当前时段之前任一时段的监控对象特征信息来确定所述当前时段的监控对象信息，然后基于该监控对象信息生成监控结果，可以很好地应对订单量的自然增长，尤其对于一些快速发展的业务不需要频繁地人为设定监控参数，监控效果好。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

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，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1是本申请一示例性实施例示出的一种对象监控方法的流程图；

图2a是本申请一示例性实施例示出的一种确定当前时段的监控对象信息对应的阈值范围的流程图；

图2b是本申请一示例性实施例示出的另一种确定当前时段的监控对象信息对应的阈值范围的流程图；

图3是本申请一示例性实施例示出的另一种对象监控方法的流程图；

图4是本申请一示例性实施例示出的对象监控装置所在电子设备的一种硬件结构图；

图5是本申请一示例性实施例示出的一种对象监控装置的框图；

图6是本申请一示例性实施例示出的另一种对象监控装置的框图；

图7a是本申请一示例性实施例示出的另一种对象监控装置的框图；

图7b是本申请一示例性实施例示出的另一种对象监控装置的框图。

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。

在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

图1是本申请一示例性实施例示出的一种对象监控方法的流程图，如图1所示，该对象监控方法包括：

步骤s101，根据当前时段的监控对象特征信息及当前时段之前任一时段的监控对象特征信息，确定当前时段的监控对象信息。

在该实施例中，可以将每天以预设时长为单位划分为多个时段。其中，预设时长可以根据需要灵活设置，例如可以为1分钟、2分钟或5分钟等。

假设预设时长为1分钟，则可以将每天划分为24*60＝1440个时段，当前时段可以为当前1分钟，假设当前时间为上午10点31分，则当前时段为上午10点30分到上午10点31分，而上午10点30分到上午10点31分之前的任意一分钟均可以为当前时段之前的一个时段，例如上午10点24分到上午10点25分、上午10点29分到上午10点30分等均为当前时段之前的一个时段。

将每天划分为多个时段可以以更小的粒度来反映监控对象的变化规律，从而为后续得到更好的监控效果提供了条件。

为了更好地表征每个时段的监控对象信息，在该实施例中引入了监控对象特征信息，其中，监控对象可以包括但不限于订单、点击率等，所谓监控对象特征信息是指对应时段之前连续预设数量时段内的监控对象总量。

假设，监控对象为订单，当前时段为上午10点30分到上午10点31分，预设数量时段可以根据需要灵活设置，例如为5个，则当前时段的监控对象特征信息是指当前时段之前连续5个时段内的订单总量，即上午10点25分到上午10点30分的订单总量。

在该实施例中，可以计算当前时段及其之前任一时段的监控对象特征信息的差值以及几何平均值，然后基于上述差值和几何平均值确定当前时段的监控对象信息。

例如，可以通过监控对象信息计算公式来计算当前时段的监控对象信息，其中，监控对象信息计算公式为：

f′i表示当前时段的监控对象信息，bni表示当前时段的监控对象特征信息，bni-d表示当前时段之前的一个时段的监控对象特征信息，表示当前时段及其之前一个时段的监控对象特征信息的几何平均值，1≤d<i且d为整数。通过上述监控对象信息计算公式可以看出，当前时段的监控对象信息可以很好地反映出当前时段的监控对象特征信息相对于当前时段之前的一个时段的监控对象特征信息的变化率，即当前时段的监控对象信息可以很好地反映出监控对象特征信息的变化规律。

需要说明的是，上述监控对象信息计算公式仅为列举的一种计算监控对象信息的方式，本领域的技术人员应当知晓：通过对上述计算公式进行变形等处理可以获得其他计算监控对象信息的方式。

步骤s102，确定当前时段的监控对象信息对应的阈值范围。

其中，确定当前时段的监控对象信息对应的阈值范围可以包括基于历史数据确定当前时段的监控对象信息对应的阈值范围。

如图2a所示，确定当前时段的监控对象信息对应的阈值范围可以包括以下步骤：

步骤s1021，确定当前时段所在日期的属性值，获取预设历史天数中同属性值的同时段的监控对象信息。

其中，属性值可以包括工作日和节假日，预设历史天数可以根据需要进行设置，例如可以为100天、200天等。

假设，当前时段所在日期的属性值为工作日，预设历史天数为100天，当前时段为上午10点30分到上午10点31分，监控对象为订单，则获取预设历史天数中同属性值同时段的监控对象信息为获取过去100天中工作日的上午10点30分到上午10点31分的订单特征量相对于上午10点29分到上午10点30分的订单特征量的变化率。其中，上午10点30分到上午10点31分的订单特征量可以为上午10点25分到上午10点30分的订单总量，上午10点29分到上午10点30分的订单特征量可以为上午10点24分到上午10点29分的订单总量。

假设，当前时段所在日期的属性值为节假日，预设历史天数为100天，当前时段为上午10点30分到上午10点31分，监控对象为订单，则获取预设历史天数中同属性值的同时段的监控对象信息为获取过去100天中节假日的上午10点30分到上午10点31分的订单特征量相对于上午10点29分到上午10点30分的订单特征量的变化率。其中，上午10点30分到上午10点31分的订单特征量可以为上午10点25分到上午10点30分的订单总量，上午10点29分到上午10点30分的订单特征量可以为上午10点24分到上午10点29分的订单总量。

步骤s1022，根据获取的所述同时段的监控对象信息，统计出同时段的监控对象信息均值和监控对象信息标准差。

在确定好同时段的监控对象信息后，可以根据同时段的监控对象信息统计出同时段的监控对象信息均值和监控对象信息标准差。

步骤s1023，根据同时段的监控对象信息均值和监控对象信息标准差，计算出当前时段的监控对象信息对应的阈值范围。

在该实施例中，根据同时段的监控对象信息均值和监控对象信息标准差计算出的当前时段的监控对象信息对应的阈值范围可以为：

其中，表示同时段的监控对象信息均值，σf′i表示同时段的监控对象信息标准差，n是一个可调节参数，n的取值越大，误报率越低但报警越不敏感，n的取值越小，报警越敏感，但误报率越高，因此，可以根据不同的场景进行调节。为了保证较高报警灵敏度和较低误报率，可以将n的取值设置为3～9，其中，n的优选值可以为6。

另外，还可以通过图2b所示的方法确定当前时段的监控对象信息对应的阈值范围，如图2b所示，确定当前时段的监控对象信息对应的阈值范围可以包括以下步骤：

步骤s1024，确定当前时段所在日期的属性值，获取预设历史天数中同属性值的同时段的监控对象信息。

其中，属性值可以包括工作日和节假日，预设历史天数可以根据需要进行设置，例如可以为100天、200天等。

上述步骤s1024中获取同时段的监控对象信息的方法与步骤s1021中获取同时段的监控对象信息的方法相同，此处不赘述。

步骤s1025，确定同时段的异常监控对象信息，并从同时段的监控对象信息中排除异常监控对象信息。

为了避免过去异常情况对当前时段监控效果的影响，需要确定同时段的异常监控对象信息。

其中，可以通过以下方式确定同时段的异常监控对象信息：对步骤s1024获取的同时段的监控对象信息进行排序，并将排序在第一预设阈值之前的监控对象信息和排序在第二预设阈值之后的监控对象信息作为同时段的异常监控对象信息。其中，第一预设阈值可以为5％等，第二预设阈值可以为95％。

例如，可以将获取的过去100天中工作日上午10点30分到上午10点31分的订单特征量相对于上午10点29分到上午10点30分的订单特征量的变化率中最大5％和最小5％的变化率作为异常监控对象信息。

步骤s1026，根据排除异常监控对象信息后的监控对象信息，统计出同时段的监控对象信息均值和监控对象信息标准差。

在确定好同时段的异常监控对象信息后，可以根据排除异常监控对象信息后的监控对象信息，统计出同时段的监控对象信息均值和监控对象信息标准差。

步骤s1027，根据同时段的监控对象信息均值和监控对象信息标准差，计算出当前时段的监控对象信息对应的阈值范围。

上述步骤s1027中计算出当前时段的监控对象信息对应的阈值范围的方法与步骤s1023中计算出当前时段的监控对象信息对应的阈值范围的方法相同，此处不赘述。

上述图2b所示实施例与图2a所示实施例的区别在于：图2b所示实施例是根据排除异常监控对象信息后的监控对象信息来统计同时段的监控对象信息均值和监控对象信息标准差，而图2a所示实施例是根据获取的同时段的监控对象信息来统计同时段的监控对象信息均值和监控对象信息标准差，相对于图2a所示实施例的统计同时段的监控对象信息均值和监控对象信息标准差的方法，图2b所示实施例的统计方法更准确，从而使得计算出的当前时段的监控对象信息对应的阈值范围准确率更高。

步骤s103，基于当前时段的监控对象信息与阈值范围之间的关系，生成关于监控对象的监控结果。

在该实施例中，若当前时段的监控对象信息位于阈值范围之内，则不输出报警信息，若当前时段的监控对象信息位于阈值范围之外，则输出报警信息。

上述实施例，通过根据当前时段的监控对象特征信息及当前时段之前任一时段的监控对象特征信息来确定当前时段的监控对象信息，然后基于该监控对象信息生成监控结果，可以很好地应对监控对象的自然增长，尤其对于一些快速发展的业务不需要频繁地人为设定监控参数，监控效果好。

图3是本申请一示例性实施例示出的另一种对象监控方法的流程图，该实施例将当前时段的前一时段作为当前时段之前任一时段的例子进行描述，如图3所示，该对象监控方法包括：

步骤s301，基于预设数量时段内的监控对象总量，获取当前时段及其前一时段的监控对象特征信息。

其中，获取当前时段的监控对象特征信息可以包括：获取当前时段之前连续预设数量时段内的监控对象总量，并根据该监控对象总量确定当前时段的监控对象特征信息，其中，连续预设数量时段与当前时段相邻。

例如，获取上午10点30分到上午10点31分的订单特征量可以包括：获取上午10点25分到上午10点30分的订单总量，并将上午10点25分到上午10点30分的订单总量作为上午10点30分到上午10点31分的订单特征量。

同样地，获取当前时段的前一时段的监控对象特征信息可以包括：获取当前时段的前一时段之前连续预设数量时段内的监控对象总量，并根据当前时段的前一时段之前连续预设数量时段内的监控对象总量来确定当前时段的前一时段的监控对象特征信息，其中，连续预设数量时段与当前时段的前一时段相邻。

例如，获取上午10点29分到上午10点30分的订单特征量可以包括：获取上午10点24分到上午10点29分的订单总量，并将上午10点24分到上午10点29分的订单总量作为上午10点29分到上午10点30分的订单特征量。

步骤s302，计算当前时段及其前一时段的监控对象特征信息的差值以及几何平均值，并基于上述差值和几何平均值确定当前时段的监控对象信息。

在该实施例中，可以通过监控对象信息计算公式来计算当前时段的监控对象信息，其中，监控对象信息计算公式为：

f′i表示当前时段的监控对象信息，bni表示当前时段的监控对象特征信息，bni-1表示当前时段的前一时段的监控对象特征信息，表示当前时段及其前一时段的监控对象特征信息的几何平均值。

需要说明的是，上述监控对象信息计算公式仅为列举的一种计算监控对象信息的方式，本领域的技术人员应当知晓：通过对上述计算公式进行变形等处理可以获得其他计算监控对象信息的方式。

步骤s303，基于历史数据确定当前时段的监控对象信息对应的阈值范围。

其中，可以采用图2a或图2b所示的方法确定当前时段的监控对象信息对应的阈值范围，此处不赘述。

假设，本实施例中所确定的当前时段的监控对象信息对应的阈值范围为：

其中，表示当前时段的监控对象信息均值，σf′i表示当前时段的监控对象信息标准差。

步骤s304，判断当前时段的监控对象信息是否位于确定的阈值范围之内，若位于阈值范围之内，则不输出报警信息，若位于阈值范围之外，则输出报警信息。

上述实施例，基于预设数量时段内的监控对象信息获取当前时段及其前一时段的监控对象特征信息，然后基于当前时段及其前一时段的监控对象特征信息的差值以及几何平均值确定当前时段的监控对象信息，并根据确定的当前时段的监控对象信息与对应阈值范围的比较结果确定是否输出报警信息，使得监控具有较低的误报率和较高的报警灵敏度，监控效果好。

与前述对象监控方法的实施例相对应，本申请还提供了对象监控装置的实施例。

本申请对象监控装置的实施例可以应用在电子设备上。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在电子设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，如图4所示，为本申请对象监控装置所在电子设备的一种硬件结构图，除了图4所示的处理器410、内存420、网络接口430、以及非易失性存储器440之外，实施例中装置所在的电子设备通常根据该对象监控的实际功能，还可以包括其他硬件，对此不再赘述。

图5是本申请一示例性实施例示出的一种对象监控装置的框图，如图5所示，该对象监控装置包括：第一确定模块51、第二确定模块52和生成模块53。

第一确定模块51用于根据当前时段的监控对象特征信息及当前时段之前任一时段的监控对象特征信息，确定当前时段的监控对象信息。

第二确定模块52用于确定第一确定模块51确定的当前时段的监控对象信息对应的阈值范围。

生成模块53用于基于第一确定模块51确定的当前时段的监控对象信息与第二确定模块52确定的阈值范围之间的关系，生成关于监控对象的监控结果。

如图5所示的装置用于实现上述如图1所示的方法流程，涉及到的相关内容描述相同，此处不赘述。

上述实施例，通过根据当前时段的监控对象特征信息及当前时段之前任一时段的监控对象特征信息来确定当前时段的监控对象信息，然后基于该监控对象信息生成监控结果，可以很好地应对监控对象的自然增长，尤其对于一些快速发展的业务不需要频繁地人为设定监控参数，监控效果好。

图6是根据一示例性实施例示出的另一种对象监控装置的框图，如图6所示，在上述图5所示实施例的基础上，第一确定模块51可以包括：计算单元511和确定单元512。

计算单元511用于计算当前时段及其之前任一时段的监控对象特征信息的差值以及几何平均值。

确定单元512用于基于计算单元511计算的差值和几何平均值，确定当前时段的监控对象信息。

如图6所示的装置用于实现上述如图3所示的方法步骤s302，涉及到的相关内容描述相同，此处不赘述。

上述实施例，基于当前时段及其之前任一时段的监控对象特征信息的差值以及几何平均值确定当前时段的监控对象信息，从而为后续生成较低误报率和较高报警灵敏度的监控信息提供条件。

图7a是根据一示例性实施例示出的另一种对象监控装置的框图，如图7a所示，在上述图5或图6所示实施例的基础上，第二确定模块52可以包括：第一确定获取单元521、第一统计单元522和第一计算单元523。

第一确定获取单元521用于确定当前时段所在日期的属性值，获取预设历史天数中同属性值的同时段的监控对象信息；

第一统计单元522用于根据第一确定获取单元521获取的同时段的监控对象信息，统计出同时段的监控对象信息均值和监控对象信息标准差；

第一计算单元523用于根据第一统计单元522统计出的同时段的监控对象信息均值和监控对象信息标准差，计算出当前时段的监控对象信息对应的阈值范围。

如图7a所示的装置用于实现上述如图2a所示的方法流程，涉及到的相关内容描述相同，此处不赘述。

上述实施例，基于历史数据确定当前时段的监控对象信息对应的阈值范围，可以适用更多监控场景，自动化程度高。

图7b是根据一示例性实施例示出的另一种对象监控装置的框图，如图7b所示，在上述图5或图6所示实施例的基础上，第二确定模块52可以包括：第二确定获取单元524、确定排除单元525、第二统计单元526和第二计算单元527。

第二确定获取单元524用于确定当前时段所在日期的属性值，获取预设历史天数中同属性值的同时段的监控对象信息。

确定排除单元525用于确定当前时段的异常监控对象信息，并从第二确定获取单元524获取的当前时段的监控对象信息中排除异常监控对象信息。

第二统计单元526用于根据确定排除单元525排除异常监控对象信息后的监控对象信息，统计出当前时段的监控对象信息均值和监控对象信息标准差。

第二计算单元527用于根据第二统计单元526统计出的当前时段的监控对象信息均值和监控对象信息标准差，计算出当前时段的监控对象信息对应的阈值范围。

如图7b所示的装置用于实现上述如图2b所示的方法流程，涉及到的相关内容描述相同，此处不赘述。

上述实施例，基于排除了异常监控对象信息后的历史数据确定当前时段的监控对象信息对应的阈值范围，使得计算出的当前时段的监控对象信息对应的阈值范围准确率更高。

在示例性实施例中，还提供了一种计算机可读存储介质，该存储介质存储有计算机程序，该计算机程序用于执行上述对象监控方法，其中，计算机可读存储介质可以是只读存储器(rom)、随机存取存储器(ram)、光盘只读存储器(cd-rom)、磁带、软盘和光数据存储设备等。

对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。