[发明专利]一种银行柜员行为分析方法、装置、系统和介质

说明书

本申请提供一种银行柜员行为分析方法、装置、系统和介质，可应用于金融领域或其他领域。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，训练集包括：银行柜员历史行为数据和银行柜员历史行为数据中的异常数据；利用训练集学习银行柜员历史行为数据和银行柜员历史行为数据中的异常数据之间的映射关系；根据映射关系确定卷积神经网络模型的模型参数；将银行柜员当前行为数据输入预先训练的卷积神经网络模型，预先训练的卷积神经网络模型输出银行柜员当前行为数据中的异常数据。可实现自动化实时检测分析银行柜员的行为活动，便于管理者对柜员的行为进行分析，及时检测到柜员的异常违规行为，提高银行的金融安全性和便捷性，提高效率。

技术领域

本申请涉及计算机技术领域，特别涉及一种银行柜员行为分析方法、装置、系统和介质。

背景技术

由于银行基层网点柜员人数众多，且活动范围局限于柜台范围，虽然有摄像头监控其行为，但缺乏实时有效的行为分析，传统的监控摄像头只能实时记录，在需要时进行调取依靠人为识别。

因此，如何便于管理者对柜员的行为进行分析，及时检测到柜员的异常违规行为，提高银行的金融安全性和便捷性，提高效率，是本领域需要解决的技术问题。

发明内容

有鉴于此，提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本申请的目的在于提供一种银行柜员行为分析方法、装置、系统和介质，可以便于管理者对柜员的行为进行分析，及时检测到柜员的异常违规行为，提高银行的金融安全性和便捷性，提高效率。

为实现上述目的，本申请有如下技术方案：

第一方面，本申请实施例提供了一种银行柜员行为分析方法，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。

在一种可能的实现方式中，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。

在一种可能的实现方式中，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。

在一种可能的实现方式中，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。

第二方面，本申请实施例提供了一种银行柜员行为分析装置，包括：

采集单元，用于采集银行柜员当前行为数据；