基于系统的操作控制方法、装置、计算机设备和存储介质与流程

1.本技术涉及人工智能技术领域，具体涉及一种基于系统的操作控制方法、装置、计算机设备和存储介质。


背景技术：

2.随着目前证券市场的交易量不断增大，交易行为越来越丰富，借助计算器硬件发展、软件升级、网络带宽扩充，期间衍生出各类电子化交易行为，甚至已经有部分交易员已经可以通过新型电子交易系统在证券市场自动化完成股票、债券、基金的交易。当前存在一种由电子交易系统自动获取行情、计算出合理报价并成交，交易员则负责监控程序运行和判断报价是否合理的自动做市系统，一般在业内称为人机结合做市系统。
3.然而，这类人机结合做市系统会出现异常情况，就是交易员在监控人机结合做市系统时，可能会遇到一些紧急情况要临时离开座位或者交易员精神状态不佳，就可能出现忘记关闭该做市系统的情况，进而导致人机结合做市系统在无人的情况下完成了自动化报价，而一旦出现重大行情变化，可能会报出不合理的价格，甚至出现“乌龙指”事件。因此，现有的一些业务系统在运行过程中容易出现误操作而导致严重后果，对于业务系统的操作控制缺乏智能性。


技术实现要素：

4.本技术的主要目的为提供一种基于系统的操作控制方法、装置、计算机设备和存储介质，旨在解决现有的业务系统在运行过程中容易出现误操作而导致严重后果，对于业务系统的操作控制缺乏智能性的技术问题。
5.本技术提出一种基于系统的操作控制方法，所述方法包括步骤：
6.接收用户触发的对于预设系统的启动请求；其中，所述启动请求携带用户信息；
7.基于所述用户信息对所述用户进行身份验证，并判断是否验证通过；
8.若验证通过，启动所述预设系统，并控制所述预设系统执行预设的业务操作；
9.通过预设的监控组件对所述用户进行行为监控，对检测到的所述用户的行为特征进行分析处理，得到与所述行为特征对应的行为标签；
10.确定与所述行为标签对应的处理策略，并基于所述处理策略控制所述预设系统执行相应操作。
11.可选地，所述通过预设的监控组件对所述用户进行行为监控，对检测到的所述用户的行为特征进行分析处理，得到与所述行为特征对应的行为标签的步骤，包括：
12.基于所述监控组件获取指定区域内的面部图像；
13.获取与所述面部图像对应的面部行为特征；
14.基于所述面部行为特征，检测所述用户是否处于疲劳状态；
15.若处于疲劳状态，则将处于疲劳状态作为所述行为标签；
16.若不处于疲劳状态，则将不处于疲劳状态作为所述行为标签。
17.可选地，所述面部行为特征的数量包括多个，所述基于所述面部行为特征，检测所述用户是否处于疲劳状态的步骤，包括：
18.分别统计在预设时间段内各所述面部行为特征的发生次数；
19.获取与各所述面部行为特征分别对应的权重；
20.基于各所述权重对各所述发生次数进行运算处理，得到对应的疲劳分数；
21.判断所述疲劳分数是否大于预设的分数阈值；
22.若大于所述分数阈值，则判定所述用户处于疲劳状态。
23.可选地，所述判断所述疲劳分数是否大于预设的分数阈值的步骤之后，包括：
24.若不大于所述分数阈值，基于所述面部图像建立3d面部模型；
25.基于所述3d面部模型确定所述用户的视线的注视位置；
26.判断所述注视位置是否处于预设范围内；
27.若不处于所述预设范围内，获取所述用户视线停留在所述注视位置的停留时间；
28.判断所述停留时间是否大于预设的时间阈值；
29.若大于所述时间阈值，则判定所述用户处于疲劳状态，并将处于疲劳状态作为所述行为标签；
30.若不大于所述预设时间阈值，则判定所述用户不处于疲劳状态，并将不处于疲劳状态作为所述行为标签。
31.可选地，所述行为标签包括处于疲劳状态或不处于疲劳状态，所述确定与所述行为标签对应的处理策略，并基于所述处理策略控制所述预设系统执行相应操作的步骤，包括：
32.若所述行为标签为处于疲劳状态，则控制所述预设系统停止执行所述业务操作；以及，
33.获取预设的警告信息并展示在当前界面；
34.若所述行为标签为不处于疲劳状态，则控制所述预设系统保持执行所述业务操作。
35.可选地，所述基于所述用户信息对所述用户进行身份验证，并判断是否验证通过的步骤，包括：
36.获取预存储的与所述用户信息对应的标准语音，并在当前界面展示与所述标准语音对应的文字信息；
37.采集用户朗读所述文字信息后生成的待验证语音；
38.从所述待验证语音中提取出待验证声纹特征向量，并获取与所述标准语音对应的标准声纹特征向量；
39.调用预设的距离计算公式，计算所述待验证声纹特征向量与所述标准声纹特征向量之间的声纹相似度；以及，
40.基于预设的概率计算算法，计算所述待验证语音与所述标准语音属于同一句话的条件概率；
41.获取与所述声纹相似度对应的声纹权重，以及获取与所述条件概率对应的概率权重；
42.基于所述声纹权重与所述概率权重，对所述声纹相似度与所述条件概率进行运算
处理，得到对应的身份验证分数；
43.判断所述身份验证分数是否大于预设的验证分数阈值；
44.若大于所述验证分数阈值，则判定身份验证通过；
45.若不大于所述验证分数阈值，则判定身份验证未通过。
46.可选地，所述通过预设的监控组件对所述用户进行行为监控的步骤之后，包括：
47.若未检测到所述用户的行为特征，则控制所述预设系统暂停执行所述业务操作；
48.判断在预设时长内是否检测到所述用户的行为特征；
49.若在所述预设时长内未检测到所述用户的行为特征，生成停止处理指令；
50.基于所述停止处理指令，控制所述预设系统停止执行所述业务操作。
51.本技术还提供一种基于系统的操作控制装置，包括：
52.接收模块，用于接收用户触发的对于预设系统的启动请求；其中，所述启动请求携带用户信息；
53.验证模块，用于基于所述用户信息对所述用户进行身份验证，并判断是否验证通过；
54.第一控制模块，用于若验证通过，启动所述预设系统，并控制所述预设系统执行预设的业务操作；
55.分析模块，用于通过预设的监控组件对所述用户进行行为监控，对检测到的所述用户的行为特征进行分析处理，得到与所述行为特征对应的行为标签；
56.第二控制模块，用于确定与所述行为标签对应的处理策略，并基于所述处理策略控制所述预设系统执行相应操作。
57.本技术还提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
58.本技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。
59.本技术中提供的基于系统的操作控制方法、装置、计算机设备和存储介质，具有以下有益效果：
60.本技术中提供的基于系统的操作控制方法、装置、计算机设备和存储介质，在接收到用户触发的对于预设系统的启动请求，且判定用户通过了身份验证后，会启动预设系统，并控制预设系统执行预设的业务操作，然后对用户进行行为监控，并对检测到的用户的行为特征进行分析处理，以得到与行为特征对应的行为标签，最后确定与行为标签对应的处理策略，并基于处理策略控制预设系统执行相应操作。通过本技术能够在预设系统执行业务操作过程中，通过对用户的行为特征进行分析，并基于分析得到的行为标签来采用相匹配的处理策略以控制所述预设系统执行相对应的操作，从而能够避免预设系统的误操作的发生，有效地提高了对于预设系统的操作控制的智能性。
附图说明
61.图1是本技术一实施例的基于系统的操作控制方法的流程示意图；
62.图2是本技术一实施例的基于系统的操作控制装置的结构示意图；
63.图3是本技术一实施例的计算机设备的结构示意图。
64.本技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
65.应当理解，此处所描述的具体实施例仅仅用于解释本技术，并不用于限定本技术。
66.本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。
67.本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
68.人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
69.参照图1，本技术一实施例的基于系统的操作控制方法，包括：
70.s10：接收用户触发的对于预设系统的启动请求；其中，所述启动请求携带用户信息；
71.s20：基于所述用户信息对所述用户进行身份验证，并判断是否验证通过；
72.s30：若验证通过，启动所述预设系统，并控制所述预设系统执行预设的业务操作；
73.s40：通过预设的监控组件对所述用户进行行为监控，对检测到的所述用户的行为特征进行分析处理，得到与所述行为特征对应的行为标签；
74.s50：确定与所述行为标签对应的处理策略，并基于所述处理策略控制所述预设系统执行相应操作。
75.如上述步骤s10至s50所述，本方法实施例的执行主体为一种基于系统的操作控制装置。在实际应用中，上述基于系统的操作控制装置可以通过虚拟装置，例如软件代码实现，也可以通过写入或集成有相关执行代码的实体装置实现，且可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。本实施例中的基于系统的操作控制装置，能够避免预设系统的误操作的发生，有效地提高对于预设系统的操作控制的智能性。具体地，首先接收用户触发的对于预设系统的启动请求。其中，所述启动请求携带用户信息。另外，所述启动请求为用户触发的用于对预设系统进行启动的请求。所述预设系统可为人机结合做市系统，所述用户可为监控人机结合做市系统的交易员。此外，所述用户信息可包括用户姓名或用户id信息。然后基于所述用户信息对所述用户进行身份验证，并判断是否验证通过。其中，对于所述基于所述用户信息对所述用户进行身份验证的具体实施过程，本技术将在后续的具体实施例中对此进行进一步的细节描述，在此不作过多阐述。
76.若验证通过，启动所述预设系统，并控制所述预设系统执行预设的业务操作。其中，所述预设系统可为人机结合做市系统，或称为自动做市系统，所述预设的业务操作可为
自动化做市操作。后续通过预设的监控组件对所述用户进行行为监控，对检测到的所述用户的行为特征进行分析处理，得到与所述行为特征对应的行为标签。其中，所述行为标签可包括处于疲劳状态或不处于疲劳状态。另外，对于所述通过预设的监控组件对所述用户进行行为监控，对检测到的所述用户的行为特征进行分析处理，得到与所述行为特征对应的行为标签的具体实施过程，本技术将在后续的具体实施例中对此进行进一步的细节描述，在此不作过多阐述。最后确定与所述行为标签对应的处理策略，并基于所述处理策略控制所述预设系统执行相应操作。其中，可根据行为标签的内容来智能地确定出相应的处理策略。在行为标签为不处于疲劳状态时，则会控制所述预设系统保持执行所述业务操作。而当行为标签为处于疲劳状态时，则会智能地控制所述预设系统停止执行所述业务操作。
77.本实施例中，在接收到用户触发的对于预设系统的启动请求，且判定用户通过了身份验证后，会启动预设系统，并控制预设系统执行预设的业务操作，然后对用户进行行为监控，并对检测到的用户的行为特征进行分析处理，以得到与行为特征对应的行为标签，最后确定与行为标签对应的处理策略，并基于处理策略控制预设系统执行相应操作。通过本实施例能够在预设系统执行业务操作过程中，通过对用户的行为特征进行分析，并基于分析得到的行为标签来采用相匹配的处理策略以控制所述预设系统执行相对应的操作，从而能够避免预设系统的误操作的发生，有效地提高了对于预设系统的操作控制的智能性。
78.进一步地，本技术一实施例中，上述步骤s40，包括：
79.s400：基于所述监控组件获取指定区域内的面部图像；
80.s401：获取与所述面部图像对应的面部行为特征；
81.s402：基于所述面部行为特征，检测所述用户是否处于疲劳状态；
82.s403：若处于疲劳状态，则将处于疲劳状态作为所述行为标签；
83.s404：若不处于疲劳状态，则将不处于疲劳状态作为所述行为标签。
84.如上述步骤s400至s404所述，所述通过预设的监控组件对所述用户进行行为监控，对检测到的所述用户的行为特征进行分析处理，得到与所述行为特征对应的行为标签的步骤，具体可包括：首先基于所述监控组件获取指定区域内的面部图像。其中，所述指定区域是指用户的面部所在区域，用户可以通过调整监控组件的角度和反向实现对指定区域的调整。另外，所述监控组件可为装置内置的摄像设备。然后获取与所述面部图像对应的面部行为特征。其中，可通过监控组件获取用户的面部图像，再运用现有技术机器视觉中的人脸检测、面部特征点定位、图像识别以及目标跟踪技术，对用户的各类面部特征行为的发生次数分别进行识别和统计。另外，面部特征行为可选取眼部、口部、头部整体的特征变化，具体的面部特征行为分别为：眨眼、打哈欠和低头三种。后续基于所述面部行为特征，检测所述用户是否处于疲劳状态。其中，对于基于所述面部行为特征，检测所述用户是否处于疲劳状态的具体实施过程，本技术将在后续的具体实施例中对此进行进一步的细节描述，在此不作过多阐述。若处于疲劳状态，则将处于疲劳状态作为所述行为标签。而若不处于疲劳状态，则将不处于疲劳状态作为所述行为标签。本实施例中，通过获取用户的面部图像，再从面部图像中确定出相应的面部行为特征，进而可以基于所述面部行为特征来快速准确地检测出所述用户是否处于疲劳状态，以根据得到的检测结果来生成与所述行为特征对应的行为标签，有利于后续可以确定与所述行为标签对应的处理策略，并基于所述处理策略控制所述预设系统执行相应操作，从而可以有效避免预设系统出现误操作，提高了对于预设系
统的操作控制的智能性。
85.进一步地，本技术一实施例中，所述面部行为特征的数量包括多个，上述步骤s402，包括：
86.s4020：分别统计在预设时间段内各所述面部行为特征的发生次数；
87.s4021：获取与各所述面部行为特征分别对应的权重；
88.s4022：基于各所述权重对各所述发生次数进行运算处理，得到对应的疲劳分数；
89.s4023：判断所述疲劳分数是否大于预设的分数阈值；
90.s4024：若大于所述分数阈值，则判定所述用户处于疲劳状态。
91.如上述步骤s4020至s4024所述，所述面部行为特征的数量包括多个，所述基于所述面部行为特征，检测所述用户是否处于疲劳状态的步骤，具体可包括：首先分别统计在预设时间段内各所述面部行为特征的发生次数。其中，对于所述预设时间段的取值不作限定，可根据实际需求进行设置，例如可为距离当前时间的前30分钟内。然后获取与各所述面部行为特征分别对应的权重。其中，对于各所述面部行为特征分别对应的权重的取值不作限定，可根据实际需求进行设置。之后基于各所述权重对各所述发生次数进行运算处理，得到对应的疲劳分数。其中，所述面部行为特征包括眨眼、打哈欠、低头行为。具体的可基于以下计算公式计算得到疲劳分数：s1＝z*w1 h*w2 d*w3。s1为疲劳分数，z为用户在预设时间段内眨眼的发生次数，w1为与眨眼行为对应的权重，h为用户在预设时间段内打哈欠的发生次数，w2为与打哈欠行为对应的权重，d为低头的发生次数，w3为低头行为对应的权重。最后判断所述疲劳分数是否大于预设的分数阈值。其中，对于分数阈值的取值不作具体限定，可根据实际需求进行设置。若大于所述分数阈值，则判定所述用户处于疲劳状态。其中，如果计算得到的疲劳分数大于该分数阈值，则可直接判定用户当前处于疲劳状态。而如果计算得到的疲劳分数不大于该分数阈值，则可后续还需基于用户的3d面部模型来进一步判定用户当前是否处于疲劳状态。本实施例中，通过基于对得到的用户在预设时间段内的面部行为特征的发生次数与权重进行分析处理以计算出相应的疲劳分数，进而可以根据该疲劳分数与相应的分数阈值的数值比较结果来快速准确地检测出用户是否处于疲劳状态，有利于后续可以根据得到的检测结果来生成与所述行为特征对应的行为标签，从而可以确定与所述行为标签对应的处理策略，并基于所述处理策略控制所述预设系统执行相应操作，从而可以有效避免预设系统出现误操作，提高了对于预设系统的操作控制的智能性。
92.进一步地，本技术一实施例中，上述步骤s4023之后，包括：
93.s40230：若不大于所述分数阈值，基于所述面部图像建立3d面部模型；
94.s40231：基于所述3d面部模型确定所述用户的视线的注视位置；
95.s40232：判断所述注视位置是否处于预设范围内；
96.s40233：若不处于所述预设范围内，获取所述用户视线停留在所述注视位置的停留时间；
97.s40234：判断所述停留时间是否大于预设的时间阈值；
98.s40235：若大于所述时间阈值，则判定所述用户处于疲劳状态，并将处于疲劳状态作为所述行为标签；
99.s40236：若不大于所述预设时间阈值，则判定所述用户不处于疲劳状态，并将不处于疲劳状态作为所述行为标签。
100.如上述步骤s40230至s40236所述，所述判断所述疲劳分数是否大于预设的分数阈值的步骤之后，包括：若不大于所述分数阈值，首先基于所述面部图像建立3d面部模型。其中，所述面部图像具体为三维面部图像，由于人脸识别容易受环境、姿态、表情等因素的影响，而三维面部图像与二维面部图像相比，能够提供更完整、更丰富的识别信息，因而三维人脸识别对光照、姿态以及表情等因素的鲁棒性较强，故通过利用获取到的三维面部图像来完成对用户的疲劳状态的检测，从而可以达到提高检测精度的目的。另外，所述监控组件具体可以为深度相机，深度相机能够检测出三维面部图像的景深距离，进而装置能够利用该面部图像建立3d面部模型。具体的，可以通过双目视觉人脸识别算法来获取指定区域内的三维面部图像。双目视觉人脸识别算法以结构简单的双目立体视觉系统为基础，通过调整左、右摄像机与人脸的相对位置，完成人脸的二维图像采集，从而能经济、高效地完成图像采集；之后再识别过程中，利用主动形状模型(active shape model，asm)技术对二维图像进行二维特征点自动定位，并结合摄像机的内外参数得出特征点的三维坐标，从而避免了复杂的人脸三维重建；最后利用反向传播(back propagation，bp)神经网络进行识别，以得到三维面部图像。然后基于所述3d面部模型确定所述用户的视线的注视位置。其中，可以通过3d面部模型确定用户两只眼睛的瞳孔位置，并根据瞳孔位置确定两只眼睛的视线方向，然后将两条视线的交点作为用户的视线的注视位置。并判断所述注视位置是否处于预设范围内。其中，通过3d面部模型确定出用户的视线的注视位置之后，判断该注视位置是否在预设范围内，该预设范围即为用户正常监看装置对应的设备时视线所在的位置的范围，通常为该设备所处的区域。另外，还可以根据用户个人信息的不同，为其设定对应的预设范围，更进一步的提高疲劳状态检测的精度。举例地，针对于身高较高的梁某，可以适当将该预设范围向下偏移，而针对于身高较矮的李某，可以适当的将该预设范围向上偏移。若不处于所述预设范围内，获取所述用户视线停留在所述注视位置的停留时间。若大于所述时间阈值，则判定所述用户处于疲劳状态，并将处于疲劳状态作为所述行为标签。其中，如果用户处于疲劳状态，可能存在着视线长时间停留在非正常位置的情况，故在检测到注视位置不在预设范围内时判断注视时间是否超过预设的时间阈值，超过则认为该用户处于疲劳状态。另外，停留时间即为用户视线停留在注视位置的时间，当停留时间超过该时间阈值时，则证明用户视线偏离正常监看位置的时间较长，此时确定用户处于疲劳状态。这里提到的预设时间阈值即为用户在正常监看状态下，视线偏离正常监看位置的时间所允许的最大值，该时间阈值可以为生产厂家自行设定，也可以为相关技术人员依据特定的计算方式确定的值，对时间阈值的确定方式不作具体限定。可选的，当停留时间未超过时间阈值时，则证明用户视线偏离正常监看位置的时间较短，不能确定用户处于疲劳状态，此时还可以发出视线偏离的提示信息，以使用户能够及时收回视线，从而保持正常的业务监看状态。后续判断所述停留时间是否大于预设的时间阈值。此外，在确定用户处于疲劳状态之后，还可以发出警告信号，以使用户能够及时清醒，避免预设系统发生误操作。而若不大于所述预设时间阈值，则判定所述用户不处于疲劳状态，并将不处于疲劳状态作为所述行为标签。本实施例中，通过利用指定区域内获取到的面部图像建立3d面部模型，然后利用3d面部模型确定用户的视线的注视位置，来判断用户此时视线的注视位置是否在根据正常监看情况确定的预设范围内，若不在，且停留时间过长，则确定用户处于疲劳状态。本实施例在基于图像采集技术获取到面部图像后，通过利用建立好的3d面部模型来检测用户是否处于疲劳状态，
提高了对于用户的疲劳状态检测的精度，能够有效减少疲劳误判情况的发生。
101.进一步地，本技术一实施例中，所述行为标签包括处于疲劳状态或不处于疲劳状态，上述步骤s50，包括：
102.s500：若所述行为标签为处于疲劳状态，则控制所述预设系统停止执行所述业务操作；以及，
103.s501：获取预设的警告信息并展示在当前界面；
104.s502：若所述行为标签为不处于疲劳状态，则控制所述预设系统保持执行所述业务操作。
105.如上述步骤s500至s502所述，所述行为标签包括处于疲劳状态或不处于疲劳状态，所述确定与所述行为标签对应的处理策略，并基于所述处理策略控制所述预设系统执行相应操作的步骤，具体可包括：若所述行为标签为处于疲劳状态，则控制所述预设系统停止执行所述业务操作。以及获取预设的警告信息并展示在当前界面。其中，所述警告信息可为根据相关的业务需求预先编写生成并存储在装置内的，对于该警告信息的具体内容不作限定，可根据实际需求进行设置。而若所述行为标签为不处于疲劳状态，则控制所述预设系统保持执行所述业务操作。本实施例中，通过根据行为标签的内容来智能地确定出相应的处理策略。只有在行为标签为不处于疲劳状态时，才会控制所述预设系统保持执行所述业务操作。而当行为标签为处于疲劳状态时，则会智能地控制所述预设系统停止执行所述业务操作，以避免出现预设系统在缺乏用户的监控的情况下自动发生误操作的情况，提高了对于预设系统的操作控制的智能性。
106.进一步地，本技术一实施例中，上述步骤s20，包括：
107.s200：获取预存储的与所述用户信息对应的标准语音，并在当前界面展示与所述标准语音对应的文字信息；
108.s201：采集用户朗读所述文字信息后生成的待验证语音；
109.s202：从所述待验证语音中提取出待验证声纹特征向量，并获取与所述标准语音对应的标准声纹特征向量；
110.s203：调用预设的距离计算公式，计算所述待验证声纹特征向量与所述标准声纹特征向量之间的声纹相似度；以及，
111.s204：基于预设的概率计算算法，计算所述待验证语音与所述标准语音属于同一句话的条件概率；
112.s205：获取与所述声纹相似度对应的声纹权重，以及获取与所述条件概率对应的概率权重；
113.s206：基于所述声纹权重与所述概率权重，对所述声纹相似度与所述条件概率进行运算处理，得到对应的身份验证分数；
114.s207：判断所述身份验证分数是否大于预设的验证分数阈值；
115.s208：若大于所述验证分数阈值，则判定身份验证通过；
116.s209：若不大于所述验证分数阈值，则判定身份验证未通过。
117.如上述步骤s200至s209所述，所述基于所述用户信息对所述用户进行身份验证，并判断是否验证通过的步骤，具体可包括：首先获取预存储的与所述用户信息对应的标准语音，并在当前界面展示与所述标准语音对应的文字信息。其中，所述标准语音为合法用户
预先输入的用于进行身份验证的语音。然后采集用户朗读所述文字信息后生成的待验证语音。在得到待验证语音后，从所述待验证语音中提取出待验证声纹特征向量，并获取与所述标准语音对应的标准声纹特征向量。之后调用预设的距离计算公式，计算所述待验证声纹特征向量与所述标准声纹特征向量之间的声纹相似度。其中，所述距离计算公式可为：a为待验证声纹特征向量，b为标准声纹特征向量。以及基于预设的概率计算算法，计算所述待验证语音与所述标准语音属于同一句话的条件概率。其中，所述概率计算算法具体为朴素贝叶斯算法，朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法，其是使用概率统计的知识对样本数据集进行分类，具体的以贝叶斯定理为基础并且假设特征条件之间相互独立的方法，先通过已给定的训练集，以特征词之间独立作为前提假设，学习从输入到输出的联合概率分布，再基于学习到的模型，输入x求出使得后验概率最大的输出y。本实施例可以提取该标准语音包含的关键词，可以由集合x＝{a1，a2，
···
，am}表示，之后，采用朴素贝叶斯算法，来判断用户预留的标准语音与在线输入的待验证语音是否是同一句话，由c＝(y1,y2)表示，若所得结果c＝1可以表示为同一句话，若c＝2可以表示不是同一句话，计算相应的条件概率p(y1|x)和p(y2|x)，具体计算方式不做限定，由此得到用户预留的标准语音与在线输入的待验证语音是同一句话的条件概率n。另外，还可以基于朴素贝叶斯算法，对预收集的样本进行文本相似训练，直至满足约束条件来得到对应的分类模型，进而后续能够通过使用该分类模型来计算所述待验证语音与所述标准语音属于同一句话的条件概率，所述约束条件可以利用随机梯度下降算法的优化方向来确定。后续获取与所述声纹相似度对应的声纹权重，以及获取与所述条件概率对应的概率权重。其中，对于所述声纹权重与概率权重的取值不作具体限定，可以根据实际需求进行设置，例如可通过对历史数据进行分析生成，或者可利用遗传算法进行参数确定，等等。在得到了声纹权重与概率权重后，再基于所述声纹权重与所述概率权重，对所述声纹相似度与所述条件概率进行运算处理，得到对应的身份验证分数。其中，将声纹相似度记为r，与声纹相似度r对应的声纹权重系数为w4，条件概率t对应的概率权重系数为w5，则可通过公式s2＝r*w4 t*w5来计算出所述身份验证分数。最后判断所述身份验证分数是否大于预设的验证分数阈值。其中，对于所述验证分数阈值的取值不作具体限定，可根据历史经验数值进行设置。若大于所述验证分数阈值，则判定身份验证通过。而若不大于所述验证分数阈值，则判定身份验证未通过。本实施例中，通过基于标准语音对待验证语音进行声纹分析以及文本分析，并根据得到的声纹分析结果与文本分析结果来生成对应的身份验证分数，进而可以通过将身份验证分数与预设的验证分数阈值进行数值大小比较来准确地对用户进行身份验证，从而可以快速地生成用户的身份验证结果，有效地提高了身份验证的准确性与可靠性。另外，只有在用户通过了身份验证时，后续才会对用户触发的对于预设系统的启动请求进行响应，有效地保证了对于启动请求的处理规范性与安全性。
118.进一步地，本技术一实施例中，上述步骤s40中的通过预设的监控组件对所述用户进行行为监控之后，包括：
119.s410：若未检测到所述用户的行为特征，则控制所述预设系统暂停执行所述业务操作；
120.s411：判断在预设时长内是否检测到所述用户的行为特征；
121.s412：若在所述预设时长内未检测到所述用户的行为特征，生成停止处理指令；
122.s413：基于所述停止处理指令，控制所述预设系统停止执行所述业务操作。
123.如上述步骤s410至s413所述，所述通过预设的监控组件对所述用户进行行为监控的步骤之后，还可包括：若未检测到所述用户的行为特征，则控制所述预设系统暂停执行所述业务操作。其中，还可以出现没有检测到用户的行为特征的情况，例如出现了用户当前不在装置对应的设备前的情况，则此时会先暂停所述预设系统执行所述业务操作。之后判断在预设时长内是否检测到所述用户的行为特征。若在所述预设时长内未检测到所述用户的行为特征，生成停止处理指令。后续基于所述停止处理指令，控制所述预设系统停止执行所述业务操作。其中，对于所述预设时长的取值不作具体限定，可根据实际需求进行设置，例如可设为1分钟。如果在该预设时长内依旧没有检测到该用户的行为特征，则会判定用户当前有其他事情离开了且忘记了关闭预设系统，并停止所述预设系统执行所述业务操作。本实施例中，当没有检测到用户的行为特征时，会先暂停预设系统执行所述业务操作，并会进一步检测在预设时长内是否检测所述用户的行为特征，如果在该预设时长内依旧没有检测到该用户的行为特征，则会智能地停止所述预设系统执行所述业务操作，从而可以避免预设系统的误操作的发生，有效地提高了控制预设系统执行业务操作的处理智能性。
124.本技术实施例中的基于系统的操作控制方法还可以应用于区块链领域，如将上述行为特征等数据存储于区块链上。通过使用区块链来对上述行为特征进行存储和管理，能够有效地保证上述行为特征的安全性与不可篡改性。
125.上述区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
126.区块链底层平台可以包括用户管理、基础服务、智能合约以及运营监控等处理模块。其中，用户管理模块负责所有区块链参与者的身份信息管理，包括维护公私钥生成(账户管理)、密钥管理以及用户真实身份和区块链地址对应关系维护(权限管理)等，并且在授权的情况下，监管和审计某些真实身份的交易情况，提供风险控制的规则配置(风控审计)；基础服务模块部署在所有区块链节点设备上，用来验证业务请求的有效性，并对有效请求完成共识后记录到存储上，对于一个新的业务请求，基础服务先对接口适配解析和鉴权处理(接口适配)，然后通过共识算法将业务信息加密(共识管理)，在加密之后完整一致的传输至共享账本上(网络通信)，并进行记录存储；智能合约模块负责合约的注册发行以及合约触发和合约执行，开发人员可以通过某种编程语言定义合约逻辑，发布到区块链上(合约注册)，根据合约条款的逻辑，调用密钥或者其它的事件触发执行，完成合约逻辑，同时还提供对合约升级注销的功能；运营监控模块主要负责产品发布过程中的部署、配置的修改、合约设置、云适配以及产品运行中的实时状态的可视化输出，例如：告警、监控网络情况、监控节点设备健康状态等。
127.参照图2，本技术一实施例中还提供了一种基于系统的操作控制装置，包括：
128.接收模块1，用于接收用户触发的对于预设系统的启动请求；其中，所述启动请求携带用户信息；
129.验证模块2，用于基于所述用户信息对所述用户进行身份验证，并判断是否验证通过；
130.第一控制模块3，用于若验证通过，启动所述预设系统，并控制所述预设系统执行预设的业务操作；
131.分析模块4，用于通过预设的监控组件对所述用户进行行为监控，对检测到的所述用户的行为特征进行分析处理，得到与所述行为特征对应的行为标签；
132.第二控制模块5，用于确定与所述行为标签对应的处理策略，并基于所述处理策略控制所述预设系统执行相应操作。
133.本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的基于系统的操作控制方法的步骤一一对应，在此不再赘述。
134.进一步地，本技术一实施例中，上述分析模块4，包括：
135.第一获取单元，用于基于所述监控组件获取指定区域内的面部图像；
136.第二获取单元，用于获取与所述面部图像对应的面部行为特征；
137.检测单元，用于基于所述面部行为特征，检测所述用户是否处于疲劳状态；
138.第一确定单元，用于若处于疲劳状态，则将处于疲劳状态作为所述行为标签；
139.第二确定单元，用于若不处于疲劳状态，则将不处于疲劳状态作为所述行为标签。
140.本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的基于系统的操作控制方法的步骤一一对应，在此不再赘述。
141.进一步地，本技术一实施例中，所述面部行为特征的数量包括多个，上述检测单元，包括：
142.统计子单元，用于分别统计在预设时间段内各所述面部行为特征的发生次数；
143.第一获取子单元，用于获取与各所述面部行为特征分别对应的权重；
144.计算子单元，用于基于各所述权重对各所述发生次数进行运算处理，得到对应的疲劳分数；
145.第一判断子单元，用于判断所述疲劳分数是否大于预设的分数阈值；
146.第一判定子单元，用于若大于所述分数阈值，则判定所述用户处于疲劳状态。
147.本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的基于系统的操作控制方法的步骤一一对应，在此不再赘述。
148.进一步地，本技术一实施例中，上述检测单元，包括：
149.建立子单元，用于若不大于所述分数阈值，基于所述面部图像建立3d面部模型；
150.确定子单元，用于基于所述3d面部模型确定所述用户的视线的注视位置；
151.第二判断子单元，用于判断所述注视位置是否处于预设范围内；
152.第二获取子单元，用于若不处于所述预设范围内，获取所述用户视线停留在所述注视位置的停留时间；
153.第三判断子单元，用于判断所述停留时间是否大于预设的时间阈值；
154.第二判定子单元，用于若大于所述时间阈值，则判定所述用户处于疲劳状态，并将处于疲劳状态作为所述行为标签；
155.第三判定子单元，用于若不大于所述预设时间阈值，则判定所述用户不处于疲劳状态，并将不处于疲劳状态作为所述行为标签。
156.本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的基于系统的操作控制方法的步骤一一对应，在此不再赘述。
157.进一步地，本技术一实施例中，所述行为标签包括处于疲劳状态或不处于疲劳状态，上述第二控制模块5，包括：
158.第一控制单元，用于若所述行为标签为处于疲劳状态，则控制所述预设系统停止执行所述业务操作；以及，
159.展示单元，用于获取预设的警告信息并展示在当前界面；
160.第二控制单元，用于若所述行为标签为不处于疲劳状态，则控制所述预设系统保持执行所述业务操作。
161.本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的基于系统的操作控制方法的步骤一一对应，在此不再赘述。
162.进一步地，本技术一实施例中，上述验证模块2，包括：
163.第三获取单元，用于获取预存储的与所述用户信息对应的标准语音，并在当前界面展示与所述标准语音对应的文字信息；
164.采集单元，用于采集用户朗读所述文字信息后生成的待验证语音；
165.提取单元，用于从所述待验证语音中提取出待验证声纹特征向量，并获取与所述标准语音对应的标准声纹特征向量；
166.第一计算单元，用于调用预设的距离计算公式，计算所述待验证声纹特征向量与所述标准声纹特征向量之间的声纹相似度；以及，
167.第二计算单元，用于基于预设的概率计算算法，计算所述待验证语音与所述标准语音属于同一句话的条件概率；
168.第四获取单元，用于获取与所述声纹相似度对应的声纹权重，以及获取与所述条件概率对应的概率权重；
169.第三计算单元，用于基于所述声纹权重与所述概率权重，对所述声纹相似度与所述条件概率进行运算处理，得到对应的身份验证分数；
170.判断单元，用于判断所述身份验证分数是否大于预设的验证分数阈值；
171.第一判定单元，用于若大于所述验证分数阈值，则判定身份验证通过；
172.第二判定单元，用于若不大于所述验证分数阈值，则判定身份验证未通过。
173.本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的基于系统的操作控制方法的步骤一一对应，在此不再赘述。
174.进一步地，本技术一实施例中，上述基于系统的操作控制装置，包括：
175.第三控制模块，用于若未检测到所述用户的行为特征，则控制所述预设系统暂停执行所述业务操作；
176.判断模块，用于判断在预设时长内是否检测到所述用户的行为特征；
177.生成模块，用于若在所述预设时长内未检测到所述用户的行为特征，生成停止处理指令；
178.第四控制模块，用于基于所述停止处理指令，控制所述预设系统停止执行所述业务操作。
179.本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的基于系统的
操作控制方法的步骤一一对应，在此不再赘述。
180.参照图3，本技术实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏、输入装置和数据库。其中，该计算机设备设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括存储介质、内存储器。该存储介质存储有操作系统、计算机程序和数据库。该内存储器为存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储用户信息、行为特征、行为标签以及处理策略。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机设备的显示屏是计算机中必不可少的一种图文输出设备，用于将数字信号转换为光信号，使文字与图形在显示屏的屏幕上显示出来。该计算机设备的输入装置是计算机与用户或其他设备之间进行信息交换的主要装置，用于把数据、指令及某些标志信息等输送到计算机中去。该计算机程序被处理器执行时以实现一种基于系统的操作控制方法。
181.上述处理器执行上述基于系统的操作控制方法的步骤：
182.接收用户触发的对于预设系统的启动请求；其中，所述启动请求携带用户信息；
183.基于所述用户信息对所述用户进行身份验证，并判断是否验证通过；
184.若验证通过，启动所述预设系统，并控制所述预设系统执行预设的业务操作；
185.通过预设的监控组件对所述用户进行行为监控，对检测到的所述用户的行为特征进行分析处理，得到与所述行为特征对应的行为标签；
186.确定与所述行为标签对应的处理策略，并基于所述处理策略控制所述预设系统执行相应操作。
187.本领域技术人员可以理解，图3中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的装置、计算机设备的限定。
188.本技术一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，计算机程序被处理器执行时实现一种基于系统的操作控制方法，具体为：
189.接收用户触发的对于预设系统的启动请求；其中，所述启动请求携带用户信息；
190.基于所述用户信息对所述用户进行身份验证，并判断是否验证通过；
191.若验证通过，启动所述预设系统，并控制所述预设系统执行预设的业务操作；
192.通过预设的监控组件对所述用户进行行为监控，对检测到的所述用户的行为特征进行分析处理，得到与所述行为特征对应的行为标签；
193.确定与所述行为标签对应的处理策略，并基于所述处理策略控制所述预设系统执行相应操作。
194.综上所述，本技术实施例中提供的基于系统的操作控制方法、装置、计算机设备和存储介质，在接收到用户触发的对于预设系统的启动请求，且判定用户通过了身份验证后，会启动预设系统，并控制预设系统执行预设的业务操作，然后对用户进行行为监控，并对检测到的用户的行为特征进行分析处理，以得到与行为特征对应的行为标签，最后确定与行为标签对应的处理策略，并基于处理策略控制预设系统执行相应操作。通过本技术实施例能够在预设系统执行业务操作过程中，通过对用户的行为特征进行分析，并基于分析得到的行为标签来采用相匹配的处理策略以控制所述预设系统执行相对应的操作，从而能够避免预设系统的误操作的发生，有效地提高了对于预设系统的操作控制的智能性。
195.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram通过多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双速据率sdram(ssrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
196.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
197.以上所述仅为本技术的优选实施例，并非因此限制本技术的专利范围，凡是利用本技术说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本技术的专利保护范围内。