用户流量监测方法及装置与流程

1.本发明涉及人工智能技术领域，尤其涉及用户流量监测方法及装置。


背景技术：

2.本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
3.各银行网点涉及的业务、以及用户流量都不同，用户在选择银行网点时，常常都是随机就近选取，可能会出现部分银行网点用户流量过大，排队时间较长，用户体验不佳，部分银行网点用户流量稀少，服务资源闲置，造成服务资源浪费。


技术实现要素：

4.本发明实施例提供一种用户流量监测方法，用以得到各银行网点的各时间点的用户流量，并在手机银行进行展示，以便用户选择适合的银行网点办理业务，避免长时间排队，提升用户体验度，降低银行网点服务资源的浪费，该方法包括：
5.采集银行网点的柜台区域的第一视频、以及用户等待区域的第二视频；
6.每隔第一预设时长，从所述第一视频中抽取一帧第一图像，从所述第二视频中抽取一帧第二图像；
7.采用预先训练的弱监督实例分割模型分别对第一图像、以及第二图像进行分割，得到银行网点的用户流量；其中，所述弱监督实例分割模型为利用标注了用户标签的银行网点图像进行训练得到的；
8.将所述银行网点的网点标识、所述银行网点的柜台数量、以及用户流量发送至手机银行进行展示。
9.本发明实施例还提供一种用户流量监测装置，用以得到各银行网点的各时间点的用户流量，并在手机银行进行展示，以便用户选择适合的银行网点办理业务，避免长时间排队，提升用户体验度，降低银行网点服务资源的浪费，该装置包括：
10.采集模块，用于采集银行网点的柜台区域的第一视频、以及用户等待区域的第二视频；
11.图像抽取模块，用于每隔第一预设时长，从所述第一视频中抽取一帧第一图像，从所述第二视频中抽取一帧第二图像；
12.图像分割模块，用于采用预先训练的弱监督实例分割模型分别对第一图像、以及第二图像进行分割，得到银行网点的用户流量；其中，所述弱监督实例分割模型为利用标注了用户标签的银行网点图像进行训练得到的；
13.发送模块，用于将所述银行网点的网点标识、所述银行网点的柜台数量、以及用户流量发送至手机银行进行展示。
14.本发明实施例还提供一种计算机设备，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计算机程序时实现上述用户流量监
测方法。
15.本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述用户流量监测方法。
16.本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述用户流量监测方法。
17.本发明实施例中，采集银行网点的柜台区域的第一视频、以及用户等待区域的第二视频；每隔第一预设时长，从所述第一视频中抽取一帧第一图像，从所述第二视频中抽取一帧第二图像；采用预先训练的弱监督实例分割模型分别对第一图像、以及第二图像进行分割，得到银行网点的用户流量；其中，所述弱监督实例分割模型为利用标注了用户标签的银行网点图像进行训练得到的；将所述银行网点的网点标识、所述银行网点的柜台数量、以及用户流量发送至手机银行进行展示。这样，可以得到各银行网点的各时间点的用户流量，并在手机银行进行展示，以便用户选择适合的银行网点办理业务，避免长时间排队，提升用户体验度，降低银行网点服务资源的浪费。
附图说明
18.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
19.图1为本发明实施例中提供的一种用户流量监测方法的流程图；
20.图2为本发明实施例中提供的一种训练得到弱监督实例分割模型的方法流程图；
21.图3为本发明实施例中提供的一种用户流量监测装置的示意图；
22.图4为本发明实施例中提供的另一种用户流量监测装置的示意图；
23.图5为本发明实施例中提供的又一种用户流量监测装置的示意图；
24.图6为本发明实施例中提供的又一种用户流量监测装置的示意图；
25.图7为本发明实施例中提供的又一种用户流量监测装置的示意图；
26.图8为本发明实施例中提供的一种计算机设备的示意图。
具体实施方式
27.为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
28.本文中术语“和/或”，仅仅是描述一种关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括a、b、c中的至少一种，可以表示包括从a、b和c构成的集合中选择的任意一个或多个元素。
29.在本说明书的描述中，所使用的“包含”、“包括”、“具有”、“含有”等，均为开放性的用语，即意指包含但不限于。参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”等的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本技术的
至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。各实施例中涉及的步骤顺序用于示意性说明本技术的实施，其中的步骤顺序不作限定，可根据需要作适当调整。
30.经研究发现，各银行网点涉及的业务、以及用户流量都不同，用户在选择银行网点时，常常都是随机就近选取，可能会出现部分银行网点用户流量过大，排队时间较长，用户体验不佳，部分银行网点用户流量稀少，服务资源闲置，造成服务资源浪费。
31.针对上述研究，本发明实施例提供一种用户流量监测方法，如图1所示，包括：
32.s101：采集银行网点的柜台区域的第一视频、以及用户等待区域的第二视频；
33.s102：每隔第一预设时长，从所述第一视频中抽取一帧第一图像，从所述第二视频中抽取一帧第二图像；
34.s103：采用预先训练的弱监督实例分割模型分别对第一图像、以及第二图像进行分割，得到银行网点的用户流量；其中，所述弱监督实例分割模型为利用标注了用户标签的银行网点图像进行训练得到的；
35.s104：将所述银行网点的网点标识、所述银行网点的柜台数量、以及用户流量发送至手机银行进行展示。
36.本发明实施例中，采集银行网点的柜台区域的第一视频、以及用户等待区域的第二视频；每隔第一预设时长，从所述第一视频中抽取一帧第一图像，从所述第二视频中抽取一帧第二图像；采用预先训练的弱监督实例分割模型分别对第一图像、以及第二图像进行分割，得到银行网点的用户流量；其中，所述弱监督实例分割模型为利用标注了用户标签的银行网点图像进行训练得到的；将所述银行网点的网点标识、所述银行网点的柜台数量、以及用户流量发送至手机银行进行展示。这样，可以得到各银行网点的各时间点的用户流量，并在手机银行进行展示，以便用户选择适合的银行网点办理业务，避免长时间排队，提升用户体验度，降低银行网点服务资源的浪费。
37.下面对上述s101～s104加以详细介绍。
38.针对上述s101，采集银行网点的柜台区域的第一视频、以及用户等待区域的第二视频时，例如在预设的时间点采集银行网点的柜台区域预设时间长度的第一视频、以及用户等待区域的预设时间长度第二视频。
39.其中，每次采集第一视频和第二视频的时间点相同，且采集的第一视频和第二视频的时间长度是相同的，以保证第一视频和第二视频为银行网点同一时间不同区域的视频。
40.针对上述s102，第一图像和第二图像为银行网点同一时刻不同区域的图像，每个预设时长从视频中抽一帧图像，可以得到不同时间段银行网点不同区域的图像，这样可以基于不同时间段银行网点的图像确定对应时间段银行网点的用户流量，保证对银行网点的用户流量进行实时的更新。
41.另外，第一预设时长可以结合银行网点历史用户流量变化速率进行设置，若银行网点用户流量变化速率大于预设用户变化速率，则设置第一预设时长为m，若银行网点用户流量变化速率不大于预设用户变化速率，则设置第一预设时长为n，其中，n》m。
42.这样，若银行网点用户流量变化速率较快，则第一预设时长可以设置的较短，若银
行网点用户流量变化的速率较慢，则第一预设时长可以设置的较长，不仅可以提高对银行网点的用户流量实时更新的准确性，还可以减少无效的更新，降低更新计算资源的浪费。
43.此处，银行历史用户流量变化速率例如可以根据银行网点单位时间内历史用户流量变化量确定(例如银行网点平均每小时历史用户流量变化量、平均每半小时历史用户流量变化量等)，单位时间可结合实际场景进行设置，这里不做限制。
44.针对上述s103，弱监督实例分割模型为预先利用标注了用户标签的银行网点图像进行训练得到的。
45.如图2所示，为本发明实施例提供的一种训练得到弱监督实例分割模型的方法流程图，包括：
46.s201：在用户授权的情况下，获取银行网点的历史银行网点图像。
47.其中，历史银行网点图像例如包含银行网点历史柜台区域的图像、历史用户等待区域的图像，历史银行网点图像中包含用户图像。
48.s202：针对每一历史银行网点图像，对该银行网点图像中的用户进行边界框标注、边界框类别标注，得到该银行网点图像的标注图像。
49.例如，将图像中的用户用预设形状的边界框标注出来，并标注边界框类别为“用户”，代表边界框内的像素点为用户代表的像素点。
50.s203：将一个历史银行网点图像、以及该历史银行网点图像对应的标注图像作为一个训练样本，生成多个训练样本。
51.s204：利用训练样本训练初始弱监督实例分割模型，得到中间弱监督实例分割模型。
52.其中，初始弱监督实例分割模型例如包括：grabcut算法处理过程、resnet50 fpn算法处理过程、rpn算法处理过程、roi align算法处理过程、分类和边界框回归分支模块、掩码分割分支模块。
53.另外，利用训练样本训练初始弱监督实例分割模型为一个有监督学习过程，将训练样本中的历史银行网点图像作为初始弱监督实例分割模型的输入，将训练样本中历史银行网点图像对应的标注图像作为初始弱监督实例分割模型根据所述输入要得到的输出，利用大量的训练样本重复该训练过程，得到中间弱监督实例分割模型。
54.s205：将一个历史银行网点图像、以及该历史银行网点图像对应的标注图像作为一个测试样本，生成多个测试样本。
55.s206：利用测试样本对中间弱监督实例分割模型进行测试，在中间弱监督实例分割模型的输出结果与测试样本中的标准图像的误差小于预设误差时，则将中间弱监督实例分割模型作为训练好的弱监督实例分割模型。
56.此处，中间弱监督实例分割模型的输出结果与测试样本中的标准图像的误差例如为测试成功的测试样本数量占总测试样本数量的比例。
57.例如，测试样本中的历史银行网点图像对应的标注图像中包含10个用户的边界框，将测试本中的历史银行网点图像输入到中间弱监督实例分割模型，中间弱监督实例分割模型的输出结果中也包含10个用户的边界框，则代表该测试样本测试成功。
58.s207：在中间弱监督实例分割模型的输出结果与测试样本中的标准图像的误差不小于预设误差时，利用训练样本重新训练中间弱监督实例分割模型，直至中间弱监督实例
分割模型的输出结果与测试样本中的标准图像的误差小于预设误差时，将中间弱监督实例分割模型作为训练好的弱监督实例分割模型。
59.这样，通过不断的训练测试，可以修正中间弱监督实例分割模型中的参数，得到最终训练好的弱监督实例分割模型。
60.具体的，采用预先训练的弱监督实例分割模型分别对第一图像、以及第二图像进行分割，得到银行网点的用户流量时，例如可以采用下述方法：采用预先训练的弱监督实例分割模型分别对第一图像、以及第二图像进行分割，得到第一图像、第二图像分别对应的图像分割结果：将第一图像的图像分割结果中用户对应的边界框的数量、第二图像的图像分割结果中用户对应的边界框的数量相加，得到银行网点的用户流量。
61.此外，弱监督实例分割模型预先还可以使用标注了柜台标签的银行网点图像进行训练，例如，银行网点历史柜台区域的图像中包含柜台图像，对银行网点历史柜台区域的图像中柜台进行边界框标注、边界框类别标注，在上述训练模型的过程中，训练样本中银行网点历史图像对应的标准图像中例如还包括柜台的边界框标注、以及柜台的边界框类别标注，这样训练得到的弱监督实例分割模型还可以将图像中的柜台分割出来。
62.针对上述s104，银行网点的柜台数量例如可以通过下述方法获取后发送至手机银行进行展示：根据所述银行网点的网点标识从所述银行网点的预存信息中获取所述银行网点的柜台数量；在从所述银行网点的预存信息中获取所述银行网点的柜台数量失败时，采用预先训练的弱监督实例分割模型对第一图像进行分割，得到所述银行网点的柜台数量；其中，所述弱监督实例分割模型预先还使用标注了柜台标签的银行网点图像进行训练。
63.此外，本发明另一实施例中，在所述第二图像的图像分割结果中包含用户对应的边界框时，利用第二图像的图像分割结果中用户对应的边界框的数量除以所述银行网点的柜台数量，得到所述银行网点的每一柜台预计排队用户数量；将所述银行网点的每一柜台预计排队用户数量发送至手机银行进行展示。
64.这样，可以更加详细的展示银行网点的每一柜台预计排队用户数量，以便用户更直观的了解银行网点的排队情况，提升用户体验度。
65.此外，本发明另一实施例中，根据所述银行网点每一柜台每天在预设时间点的被占用情况，得到在第二预设时长内所述银行网点每一柜台的占用率；将所述银行网点每一柜台的占用率发送至手机银行进行展示。
66.其中，第二预设时长可以结果实际场景进行设置，例如第二预设时长可以设置为一周、或者一个月等。
67.这样，用户可以更加直观的了解银行网点每一柜台在不同时间点被占用的可能性，从而选择适合的银行网点办理业务，提升用户体验度。
68.本技术技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
69.本发明实施例中还提供了一种用户流量监测装置，如下面的实施例所述。由于该装置解决问题的原理与用户流量监测方法相似，因此该装置的实施可以参见用户流量监测方法的实施，重复之处不再赘述。
70.如图3所示，为本发明实施提供的一种用户流量监测装置的示意图，包括：采集模块301、图像抽取模块302、图像分割模块303、以及发送模块304；其中，
71.采集模块301，用于采集银行网点的柜台区域的第一视频、以及用户等待区域的第二视频；
72.图像抽取模块302，用于每隔第一预设时长，从所述第一视频中抽取一帧第一图像，从所述第二视频中抽取一帧第二图像；
73.图像分割模块303，用于采用预先训练的弱监督实例分割模型分别对第一图像、以及第二图像进行分割，得到银行网点的用户流量；其中，所述弱监督实例分割模型为利用标注了用户标签的银行网点图像进行训练得到的；
74.发送模块304，用于将所述银行网点的网点标识、所述银行网点的柜台数量、以及用户流量发送至手机银行进行展示。
75.此外，如图4上述用户流量监测装置例如还包括：获取模块305，用于根据所述银行网点的网点标识从所述银行网点的预存信息中获取所述银行网点的柜台数量；图像分割模块303，还用于在从所述银行网点的预存信息中获取所述银行网点的柜台数量失败时，采用预先训练的弱监督实例分割模型对第一图像进行分割，得到所述银行网点的柜台数量；其中，所述弱监督实例分割模型预先还使用标注了柜台标签的银行网点图像进行训练。
76.在一种可能的实施方式中，图像分割模块303，具体用于采用预先训练的弱监督实例分割模型分别对第一图像、以及第二图像进行分割，得到第一图像、第二图像分别对应的图像分割结果：将第一图像的图像分割结果中用户对应的边界框的数量、第二图像的图像分割结果中用户对应的边界框的数量相加，得到银行网点的用户流量。
77.此外，如图5上述用户流量监测装置例如还包括：第一处理模块306，用于在所述第二图像的图像分割结果中包含用户对应的边界框时，利用第二图像的图像分割结果中用户对应的边界框的数量除以所述银行网点的柜台数量，得到所述银行网点的每一柜台预计排队用户数量；将所述银行网点的每一柜台预计排队用户数量发送至手机银行进行展示。
78.此外，如图6上述用户流量监测装置例如还包括：第二处理模块307，用于根据所述银行网点每一柜台每天在预设时间点的被占用情况，得到在第二预设时长内所述银行网点每一柜台的占用率；将所述银行网点每一柜台的占用率发送至手机银行进行展示。
79.此外，如图7上述用户流量监测装置例如还包括：第三处理模块308，用于在用户授权的情况下，获取银行网点的历史银行网点图像；其中，历史银行网点图像中包含用户图像；针对每一历史银行网点图像，对该银行网点图像中的用户进行边界框标注、边界框类别标注，得到该银行网点图像的标注图像；将一个历史银行网点图像、以及该历史银行网点图像对应的标注图像作为一个训练样本，生成多个训练样本；利用训练样本训练初始弱监督实例分割模型，得到中间弱监督实例分割模型；将一个历史银行网点图像、以及该历史银行网点图像对应的标注图像作为一个测试样本，生成多个测试样本；利用测试样本对中间弱监督实例分割模型进行测试，在中间弱监督实例分割模型的输出结果与测试样本中的标准图像的误差小于预设误差时，则将中间弱监督实例分割模型作为训练好的弱监督实例分割模型；在中间弱监督实例分割模型的输出结果与测试样本中的标准图像的误差不小于预设误差时，利用训练样本重新训练中间弱监督实例分割模型，直至中间弱监督实例分割模型的输出结果与测试样本中的标准图像的误差小于预设误差时，将中间弱监督实例分割模型作为训练好的弱监督实例分割模型。
80.基于前述发明构思，如图8所示，本发明还提出了一种计算机设备500，包括存储器
510、处理器520及存储在存储器510上并可在处理器520上运行的计算机程序530，所述处理器520执行所述计算机程序530时实现前述用户流量监测方法。
81.本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述用户流量监测方法。
82.本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述用户流量监测方法。
83.本发明实施例中，采集银行网点的柜台区域的第一视频、以及用户等待区域的第二视频；每隔第一预设时长，从所述第一视频中抽取一帧第一图像，从所述第二视频中抽取一帧第二图像；采用预先训练的弱监督实例分割模型分别对第一图像、以及第二图像进行分割，得到银行网点的用户流量；其中，所述弱监督实例分割模型为利用标注了用户标签的银行网点图像进行训练得到的；将所述银行网点的网点标识、所述银行网点的柜台数量、以及用户流量发送至手机银行进行展示。这样，可以得到各银行网点的各时间点的用户流量，并在手机银行进行展示，以便用户选择适合的银行网点办理业务，避免长时间排队，提升用户体验度，降低银行网点服务资源的浪费。
84.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
85.本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
86.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
87.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
88.以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。