[发明专利]一种基于人工智能的电力营业厅服务方法

权利要求书

1.一种基于人工智能的电力营业厅服务方法，其特征在于：包括以下步骤：

步骤S1：进行客户识别；

步骤S2：业务受理阶段；电力公司提供二维码给客户，客户获取二维码后，客户线上办理业务通过扫一扫该二维码登录营业厅客户端，线下工作人员受理业务时，通过扫一扫二维码获取客户相关信息；

步骤S3：资料审核阶段；客户线上业务办理上传的图片文件资料采取系统图片识别技术进行审核；

步骤S4：业务办理阶段；

所述步骤S1的具体包括以下步骤：

步骤S11：在无过曝或过暗的适当光照环境下，采用摄像头对五官无遮挡的客户的正脸信息进行采集，采集脸部边缘清晰、无运动模糊的照片；

步骤S12：对采集到的人脸信息进行人脸检测：将采集到的客户人脸图片,输入到人脸检测模型中，用来判断图片中的某一处区域是否属于人脸，当一个区域通过了所有特征小窗的检测，则判断该区域就是检测到的人脸区域；

步骤S13：进行人脸图像预处理，将图像进行压缩到20*20大小，并将彩色图像转化为灰度图像，利用灰度拉伸的公式将原图像中的灰度分布扩展到具有整个灰度级的图像，取得尺寸一致、灰度取值范围相同的人脸图像多维特征向量；

其中：图像灰度拉伸的具体公式为：

其中，N(i,j)为图像转换后第i,j位置处像素点灰度，I(i,j)为转换前第i,j位置处像素点灰度，min表示原图像各像素点灰度最小值，max表示原图像各像素点灰度最大值；

步骤S14：采用主成分分析法，对步骤S13中获得的人脸图像多维特征向量进行降维处理，提取人脸特征系数矩阵；

步骤S15：进行人脸匹配与识别；首先，将数据库中存储的特征模板在空间Wpca上进行投影，得到投影特征系数矩阵；然后将采集的人脸图像的特征数据也在空间Wpca上进行投影，得到投影特征系数矩阵；再将上述两次得到的投影特征系数矩阵进行欧式距离度量，即为人脸匹配相似度；给定一个相似度阈值，通过采集的人脸图像的特征数据与数据库中存储的特征模板进行匹配，当相似度超过这一阈值，则把匹配得到的结果输出；

所述步骤S4具体包括以下步骤：

步骤S41：确立数据来源：数据来源于包括电力app、营销业务系统、供电营业厅、客服系统内部数据和第三方数据，涉及的数据信息包括户名、用电地址、业务工单信息、缴费情况记录、渠道使用记录、投诉、故障报修、客户联络记录、用电采集信息和业扩报装信息；

步骤S42：根据用户基本属性、近期已办理业务、历史办理业务的规律、尚未办理业务清单四个维度，进行数据的清洗、转化、合并，获得用户数据宽表；

步骤S43：采用基于k-means聚类算法，将相近特质的电力客户聚类，不同特质的分组，聚类分析依据在数据中发现的描述对象及其关系信息，将数据对象分组；分组后的组内对象是相似的，而不同组之间的对象不同；多次反复指派并更新步骤，直到迭代收敛，质心不发生变化，输出聚类结果；

步骤S44：聚类情况，对每一分组，进行数据观察，设定对应标签，建立相同行为类型的客户群体分组画像；

步骤S45：通过客户画像，基于协同过滤算法智能分析预测用户近期可能需办理的业务清单，提前进行包括用电提醒、业务办理提醒、用电计划提醒和在线沟通服务；

步骤S46：信息主动推送：分为客户线上业务办理和线下业务办理两种场景，根据智能分析预测结果通过包括线上APP或线下人工服务的渠道在客户业务办理前、业务办理过程中和业务办理结束后三个时间段，实现全过程智能提醒服务。

2.根据权利要求1所述的一种基于人工智能的电力营业厅服务方法，其特征在于：所述步骤S12的具体包括以下步骤：

步骤S121：采用2000张20*20大小的人脸图片、2000张20*20大小的非人脸图片和4000张大图片人脸图片作为人脸识别正负样本；

步骤S122：训练之前,对图片进行预处理，通过排列组合穷举获得输入的20*20大小图片的所有的Haar-like特征的子图像，一个普通清晰度的照片的排列穷举能够产生数以10万计的特征子图像；

步骤S123：采用Adaboost算法，区分出人脸和非人脸，训练人脸检测模型；

步骤S124：将新采集到的人脸图像输入到训练好的人脸检测模型中，输出含整个面部区域的子窗口。