[发明专利]一种银行柜员行为分析方法、装置、系统和介质

权利要求书

1.一种银行柜员行为分析方法，其特征在于，包括：

采集银行柜员当前行为数据；

获取卷积神经网络模型的训练集，所述训练集包括：银行柜员历史行为数据和所述银行柜员历史行为数据中的异常数据；

利用所述训练集学习所述银行柜员历史行为数据和所述银行柜员历史行为数据中的异常数据之间的映射关系；

根据所述映射关系确定所述卷积神经网络模型的模型参数；

将所述银行柜员当前行为数据输入预先训练的所述卷积神经网络模型，预先训练的所述卷积神经网络模型输出所述银行柜员当前行为数据中的异常数据。

2.根据权利要求1所述的方法，其特征在于，所述卷积神经网络模型通过以下步骤得到：

获取移动网络单激发多框探测器模型；

利用超频优化和贝叶斯优化进行所述移动网络单激发多框探测器模型的超参数优化，以得到所述卷积神经网络模型。

3.根据权利要求1所述的方法，其特征在于，所述采集银行柜员当前行为数据，包括：

利用摄像头对所述银行柜员的当前行为进行预设帧数的照片数据采集；

利用变换自注意力机制对所述照片数据中的动作过程进行分割得到分割数据；

利用细粒度回归对比对所述分割数据进行量化得到所述银行柜员当前行为数据。

4.根据权利要求1所述的方法，其特征在于，还包括：

将所述银行柜员当前行为数据中的异常数据上传至数据库，并将所述银行柜员当前行为数据中的异常数据进行可视化展示。

5.一种银行柜员行为分析装置，其特征在于，包括：

采集单元，用于采集银行柜员当前行为数据；

获取单元，用于获取卷积神经网络模型的训练集，所述训练集包括：银行柜员历史行为数据和所述银行柜员历史行为数据中的异常数据；

学习单元，用于利用所述训练集学习所述银行柜员历史行为数据和所述银行柜员历史行为数据中的异常数据之间的映射关系；

确定单元，用于根据所述映射关系确定所述卷积神经网络模型的模型参数；

输入单元，用于将所述银行柜员当前行为数据输入预先训练的所述卷积神经网络模型，预先训练的所述卷积神经网络模型输出所述银行柜员当前行为数据中的异常数据。

6.根据权利要求5所述的装置，其特征在于，还包括：

模型建立单元，用于获取移动网络单激发多框探测器模型；利用超频优化和贝叶斯优化进行所述移动网络单激发多框探测器模型的超参数优化，以得到所述卷积神经网络模型。

7.根据权利要求5所述的装置，其特征在于，所述采集单元，具体用于：

利用摄像头对所述银行柜员的当前行为进行预设帧数的照片数据采集；

利用变换自注意力机制对所述照片数据中的动作过程进行分割得到分割数据；

利用细粒度回归对比对所述分割数据进行量化得到所述银行柜员当前行为数据。

8.根据权利要求5所述的装置，其特征在于，还包括：

上传展示单元，用于将所述银行柜员当前行为数据中的异常数据上传至数据库，并将所述银行柜员当前行为数据中的异常数据进行可视化展示。

9.一种银行柜员行为分析系统，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1-4任意一项所述银行柜员行为分析方法的步骤。

10.一种计算机可读介质，其特征在于，所述计算机可读介质上存储有计算机程序，所述计算机程序被处理执行时实现如权利要求1-4任意一项所述银行柜员行为分析方法的步骤。