本技术涉及人工智能领域,具体涉及一种银行网点人流量监测方法及装置。
背景技术:
1、银行网点是银行业务的实体载体,在金融服务提供、客户接触点、品牌形象展示、社区服务、风险管理等方面都有着至关重要的作用。但目前的大部分银行网点存在着客流量大、柜台服务人员有限,导致客户在银行网点长时间排队等待办理业务的问题。这不仅给客户带来不便,还增加了客户流失的风险。
技术实现思路
1、针对现有技术中的问题,本技术实施例提供一种银行网点人流量监测方法及装置,能够至少部分地解决现有技术中存在的问题。
2、一方面,本技术实施例提供一种银行网点人流量监测方法,包括:
3、按照预设的时间周期获取银行网点的监控视频图像;
4、根据当前时间周期内银行网点的监控视频图像,确定所述银行网点在当前时间周期内的人流量;
5、根据所述银行网点在当前时间周期内的人流量,预测所述银行网点当前的业务办理等待时间;
6、发送所述银行网点在该时间周期内的人流量以及所述当前的业务办理等待时间。
7、在一些实施例中,所述根据当前时间周期内银行网点的监控视频图像,确定所述银行网点在当前时间周期内的人流量包括:
8、对当前时间周期内银行网点的监控视频图像进行切帧处理,得到连续的图像;
9、按照拍摄时间顺序对所述连续的图像进行分组,得到n个图像组,n为正整数;
10、在每个所述图像组中随机抽取m个图像分别进行图像增强处理,得到增强图像,m为正整数;
11、利用人脸识别技术对每个所述增强图像进行人脸识别,得到每个增强图像中的人脸特征;
12、根据每个增强图像中的人脸特征,确定所述银行网点在当前时间周期内的人流量。
13、在一些实施例中,在根据当前时间周期内银行网点的监控视频图像,确定所述银行网点在当前时间周期内的人流量之后,所述方法还包括:
14、根据所述银行网点在当前时间周期内的人流量,确定所述银行网点当前的服务状态;
15、发送所述银行网点当前的服务状态。
16、在一些实施例中,所述根据所述银行网点在当前时间周期内的人流量,确定所述银行网点当前的服务状态包括:
17、若所述银行网点在当前时间周期内的人流量小于第一阈值,则确定所述银行网点当前在第一服务状态;和/或
18、若所述银行网点在当前时间周期内的人流量大于第一阈值且小于第二阈值,则确定所述银行网点当前在第二服务状态,其中,所述第二阈值大于第一阈值;和/或
19、若所述银行网点在当前时间周期内的人流量大于第二阈值且小于第三阈值,则确定所述银行网点当前在第三服务状态,其中,所述第三阈值大于第二阈值;和/或
20、若所述银行网点在当前时间周期内的人流量大于第三阈值,则确定所述银行网点当前在第四服务状态。
21、在一些实施例中,所述方法还包括:
22、获取最近第一时间长度内每隔所述预设的时间周期所述银行网点的人流量,其中,所述第一时间长度大于所述预设的时间周期的时间长度;
23、根据所述最近第一时间长度内每隔所述预设的时间周期所述银行网点的人流量,绘制所述最近第一时间长度内所述银行网点的人流量变化趋势曲线;
24、发送所述最近第一时间长度内所述银行网点的人流量变化趋势曲线。
25、在一些实施例中,所述根据所述银行网点在当前时间周期内的人流量,预测所述银行网点当前的业务办理等待时间包括:
26、获取当前时间周期前最近第一时间长度内的人流量高峰时间段以及该第一时间长度内的人流量变化趋势数据;
27、将所述银行网点在当前时间周期内的人流量、当前时间周期前最近第一时间长度内的人流量高峰时间段以及该第一时间长度内的人流量输入预先训练好的人流量预设模型,得到所述人流量预测模型预测的所述银行网点在接下来的第二时间长度内的业务办理等待时间。
28、在一些实施例中,所述方法还包括:
29、获取样本数据集中所述银行网点在第一历史时间周期内的人流量、第一历史时间周期前最近第一时间长度内的人流量高峰时间段以及该第一时间长度内的人流量变化趋势数据;
30、以所述银行网点在第一历史时间周期内的人流量、第一历史时间周期前最近第一时间长度内的人流量高峰时间段以及该第一时间长度内的人流量作为输入,以在所述第一历史时间周期之后的第二历史时间长度内到达所述银行网点的客户的业务办理等待时间为标签,训练所述人流量预测模型。
31、另一方面,本技术实施例提供一种银行网点人流量监测装置,包括:
32、获取模块,用于按照预设的时间周期获取银行网点的监控视频图像;
33、确定模块,用于根据当前时间周期内银行网点的监控视频图像,确定所述银行网点在当前时间周期内的人流量;
34、预测模块,用于根据所述银行网点在当前时间周期内的人流量,预测所述银行网点当前的业务办理等待时间;
35、发送模块,用于发送所述银行网点在该时间周期内的人流量以及所述当前的业务办理等待时间。
36、在一些实施例中,所述确定模块具体用于:
37、对当前时间周期内银行网点的监控视频图像进行切帧处理,得到连续的图像;
38、按照拍摄时间顺序对所述连续的图像进行分组,得到n个图像组,n为正整数;
39、在每个所述图像组中随机抽取m个图像分别进行图像增强处理,得到增强图像,m为正整数;
40、利用人脸识别技术对每个所述增强图像进行人脸识别,得到每个增强图像中的人脸特征;
41、根据每个增强图像中的人脸特征,确定所述银行网点在当前时间周期内的人流量。
42、在一些实施例中,所述确定模块还用于:
43、根据所述银行网点在当前时间周期内的人流量,确定所述银行网点当前的服务状态;
44、所述发送模块还用于:发送所述银行网点当前的服务状态。
45、在一些实施例中,所述确定模块根据所述银行网点在当前时间周期内的人流量,确定所述银行网点当前的服务状态包括:
46、若所述银行网点在当前时间周期内的人流量小于第一阈值,则确定所述银行网点当前在第一服务状态;和/或
47、若所述银行网点在当前时间周期内的人流量大于第一阈值且小于第二阈值,则确定所述银行网点当前在第二服务状态,其中,所述第二阈值大于第一阈值;和/或
48、若所述银行网点在当前时间周期内的人流量大于第二阈值且小于第三阈值,则确定所述银行网点当前在第三服务状态,其中,所述第三阈值大于第二阈值;和/或
49、若所述银行网点在当前时间周期内的人流量大于第三阈值,则确定所述银行网点当前在第四服务状态。
50、在一些实施例中,所述获取模块还用于:
51、获取最近第一时间长度内每隔所述预设的时间周期所述银行网点的人流量,其中,所述第一时间长度大于所述预设的时间周期的时间长度;
52、所述装置还包括:
53、绘制模块,用于根据所述最近第一时间长度内每隔所述预设的时间周期所述银行网点的人流量,绘制所述最近第一时间长度内所述银行网点的人流量变化趋势曲线;
54、所述发送模块还用于发送所述最近第一时间长度内所述银行网点的人流量变化趋势曲线。
55、在一些实施例中,所述预测模块具体用于:
56、获取当前时间周期前最近第一时间长度内的人流量高峰时间段以及该第一时间长度内的人流量变化趋势数据;
57、将所述银行网点在当前时间周期内的人流量、当前时间周期前最近第一时间长度内的人流量高峰时间段以及该第一时间长度内的人流量输入预先训练好的人流量预设模型,得到所述人流量预测模型预测的所述银行网点在接下来的第二时间长度内的业务办理等待时间。
58、在一些实施例中,所述获取模块还用于:
59、获取样本数据集中所述银行网点在第一历史时间周期内的人流量、第一历史时间周期前最近第一时间长度内的人流量高峰时间段以及该第一时间长度内的人流量变化趋势数据;
60、所述装置还包括:
61、训练模块,用于以所述银行网点在第一历史时间周期内的人流量、第一历史时间周期前最近第一时间长度内的人流量高峰时间段以及该第一时间长度内的人流量作为输入,以在所述第一历史时间周期之后的第二历史时间长度内到达所述银行网点的客户的业务办理等待时间为标签,训练所述人流量预测模型。
62、本技术实施例还提供一种电子设备,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任一实施例所述的银行网点人流量监测方法的步骤。
63、本技术实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述任一实施例所述的银行网点人流量监测方法的步骤。
64、本技术实施例提供的银行网点人流量监测方法及装置,按照预设的时间周期获取银行网点的监控视频图像;根据当前时间周期内银行网点的监控视频图像,确定所述银行网点在当前时间周期内的人流量;根据所述银行网点在当前时间周期内的人流量,预测所述银行网点当前的业务办理等待时间;发送所述银行网点在该时间周期内的人流量以及所述当前的业务办理等待时间。这样,能够实时获取银行网点的人流量信息以及当前业务办理等待时间,使得客户根据这些信息决定是否前往该银行网点,减少客户在银行网点长时间排队等待办理业务的问题,能够提高银行的服务质量和客户满意度。