本發(fā)明屬于銀行網(wǎng)點(diǎn)智能安防，具體涉及一種基于深度學(xué)習(xí)的銀行網(wǎng)點(diǎn)異常情況檢測方法和裝置。

背景技術(shù)：

1、隨著社會經(jīng)濟(jì)的發(fā)展，銀行網(wǎng)點(diǎn)廣泛分布于全國各地。由于涉及民眾經(jīng)濟(jì)安全，銀行網(wǎng)點(diǎn)對安防要求較高，對于網(wǎng)點(diǎn)內(nèi)可能發(fā)生的突發(fā)情況，要求能第一時間妥善處理。隨著智能安防技術(shù)的普及，銀行網(wǎng)點(diǎn)內(nèi)一般會安置多方位多角度攝像頭來監(jiān)控網(wǎng)點(diǎn)運(yùn)行情況。傳統(tǒng)監(jiān)控方法需要結(jié)合人工值班監(jiān)測來發(fā)現(xiàn)網(wǎng)點(diǎn)異常情況，不僅耗費(fèi)較多的人力，而且容易導(dǎo)致誤判、漏判等情況。隨著銀行網(wǎng)點(diǎn)監(jiān)控量的急劇增加，傳統(tǒng)的依靠人工來監(jiān)控網(wǎng)點(diǎn)內(nèi)是否存在異常情況的方式將不再適用。

2、由于異常行為種類多樣、發(fā)生概率較低且分散，用單一的分類方法實(shí)現(xiàn)異常行為的檢測效果不佳。當(dāng)前基于監(jiān)控視頻的異常行為檢測中主流方法是以半監(jiān)督的方式在正常視頻中學(xué)習(xí)正常行為模式，目的是使用不包含異常行為的訓(xùn)練集學(xué)習(xí)描述正常模式的模型。在測試階段，用該模型可以檢測到外觀和運(yùn)動模式與訓(xùn)練中學(xué)習(xí)到的正常特征不一致的特征，該特征即為異常行為的特征。

3、專利cn113159003a公開了一種銀行網(wǎng)點(diǎn)異常監(jiān)控方法。該模型采用弱監(jiān)督的方法，不僅將正常視頻作為模型的訓(xùn)練集，還將異常視頻作為模型的輸入。該模型是將多個異常視頻及對應(yīng)的視頻級標(biāo)簽輸入至幀級偽標(biāo)簽生成器中生成偽異常標(biāo)簽集合，然后將多個正常視頻對應(yīng)的視頻級標(biāo)簽、多個異常視頻片段對應(yīng)的偽異常標(biāo)簽集合，輸入到三維異常檢測網(wǎng)絡(luò)中進(jìn)行訓(xùn)練，以此訓(xùn)練獲得異常分類器。該專利在將訓(xùn)練數(shù)據(jù)集輸入至模型之前還對多個監(jiān)控視頻進(jìn)行前背景分離，獲得每個監(jiān)控視頻的前景視頻。在測試階段，先對測試視頻進(jìn)行前背景分離，然后將前景視頻輸入到訓(xùn)練好的模型中，獲得測試視頻的異常片段。

4、然而專利cn113159003a至少存在如下的不足：其所提供的銀行網(wǎng)點(diǎn)異常檢測方法未考慮到異常行為的多樣性，訓(xùn)練視頻中僅包含已知的異常行為類型。若未來出現(xiàn)有別于異常訓(xùn)練視頻的視頻片段，模型會缺乏對該視頻的判斷力，從而檢測不出來異常行為；此外專利cn113159003a未從幀級別出發(fā)考慮幀級外觀異常，其僅僅考慮了上下文語義信息，這將會削弱模型檢測異常的能力。

技術(shù)實(shí)現(xiàn)思路

1、基于上述說明，本發(fā)明提供了一種基于深度學(xué)習(xí)的銀行網(wǎng)點(diǎn)異常情況檢測方法和裝置。

2、依據(jù)本發(fā)明的第一方面，提供的基于深度學(xué)習(xí)的銀行網(wǎng)點(diǎn)異常情況檢測方法，包括如下步驟：

3、s1，利用u-net網(wǎng)絡(luò)搭建基礎(chǔ)模型，在所述基礎(chǔ)模型的編碼器和解碼器之間添加方差注意力模塊和記憶模塊構(gòu)建檢測模型；

4、s2，使用基于預(yù)測誤差的方法訓(xùn)練所述檢測模型，得到訓(xùn)練好的檢測模型；

5、s3，對銀行網(wǎng)點(diǎn)實(shí)時采集的監(jiān)控視頻，利用所述訓(xùn)練好的檢測模型預(yù)測未來幀，根據(jù)所述未來幀的均方預(yù)測損失計算置信度，進(jìn)而根據(jù)置信度判斷所述未來幀是否異常，以此進(jìn)行銀行網(wǎng)點(diǎn)的異常情況檢測。

6、依據(jù)本發(fā)明的第二方面，提供的基于深度學(xué)習(xí)的銀行網(wǎng)點(diǎn)異常情況檢測裝置，包括：

7、模型構(gòu)建單元，用于利用u-net網(wǎng)絡(luò)構(gòu)建基礎(chǔ)模型，在所述基礎(chǔ)模型的編碼器和解碼器之間添加方差注意力模塊和記憶模塊構(gòu)建檢測模型；

8、模型訓(xùn)練單元，用于使用基于預(yù)測誤差的方法訓(xùn)練所述檢測模型，得到訓(xùn)練好的檢測模型；

9、異常幀檢測單元，用于對銀行網(wǎng)點(diǎn)實(shí)時采集的監(jiān)控視頻，根據(jù)所述訓(xùn)練好的檢測模型預(yù)測未來幀，根據(jù)所述未來幀的均方預(yù)測損失計算置信度，進(jìn)而根據(jù)置信度判斷所述未來幀是否異常，以此進(jìn)行銀行網(wǎng)點(diǎn)的異常情況檢測。

10、依據(jù)本發(fā)明的第三方面，提供了一種計算機(jī)可讀存儲介質(zhì)，所述計算機(jī)可讀存儲介質(zhì)存儲有計算機(jī)程序，所述計算機(jī)程序被處理器運(yùn)行時執(zhí)行前述的方法。

11、依據(jù)本發(fā)明的第四方面，提供了一種電子設(shè)備，包括：至少一個處理器；以及，與所述至少一個處理器通信連接的存儲器；其中，所述存儲器存儲有可被所述至少一個處理器執(zhí)行的指令，所述指令被所述至少一個處理器執(zhí)行，以使所述至少一個處理器能夠執(zhí)行前述的方法。

12、本發(fā)明實(shí)施例方案的有益效果是：

13、本發(fā)明實(shí)施例提供的基于深度學(xué)習(xí)的銀行網(wǎng)點(diǎn)異常情況檢測方法和裝置，利用u-net網(wǎng)絡(luò)搭建基礎(chǔ)模型，在基礎(chǔ)模型的編碼器和解碼器之間添加方差注意力模塊和記憶模塊構(gòu)建檢測模型，實(shí)現(xiàn)了銀行網(wǎng)點(diǎn)的智能監(jiān)控，解決了傳統(tǒng)方法中依靠人工方式監(jiān)控銀行網(wǎng)點(diǎn)出現(xiàn)的錯報和漏報等問題；由于異常情況往往發(fā)生在運(yùn)動前景上，而不是靜止前景或者背景上，通過引入方差注意力模塊，利用方差注意力模塊給予運(yùn)動速度快的前景更大的權(quán)重，給予運(yùn)動速度慢的前景或背景更小的權(quán)重，使檢測模型更加關(guān)注運(yùn)動前景，從而加快模型訓(xùn)練速度，提升系統(tǒng)檢測異常行為的準(zhǔn)確度；通過在檢測模型中增加記憶模塊，利用記憶模塊去除特征冗余，保留差異化特征，提升了系統(tǒng)檢測異常行為的速度和精度；通過基于歷史幀預(yù)測未來幀的方式，不僅從幀級別出發(fā)考慮到了幀外觀信息，還考慮到了幀之間的上下文信息，提取的特征包含有豐富信息，進(jìn)一步保證了系統(tǒng)檢測異常行為的精度。

技術(shù)特征：

1.一種基于深度學(xué)習(xí)的銀行網(wǎng)點(diǎn)異常情況檢測方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟s2包括：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述步驟s22包括：

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述步驟s23包括：

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述步驟s24包括：

6.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述步驟s25包括：

7.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述s26包括：

8.一種基于深度學(xué)習(xí)的銀行網(wǎng)點(diǎn)異常情況檢測裝置，其特征在于，包括：

9.根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述模型訓(xùn)練單元包括：

10.一種計算機(jī)可讀存儲介質(zhì)，其特征在于，所述計算機(jī)可讀存儲介質(zhì)存儲有計算機(jī)程序，所述計算機(jī)程序被處理器運(yùn)行時執(zhí)行如權(quán)利要求1至7任一所述的方法。

11.一種電子設(shè)備，其特征在于，包括：

技術(shù)總結(jié)
本發(fā)明公開了一種基于深度學(xué)習(xí)的銀行網(wǎng)點(diǎn)異常情況檢測方法和裝置。其方法包括：S1，利用U?Net網(wǎng)絡(luò)搭建基礎(chǔ)模型，在所述基礎(chǔ)模型的編碼器和解碼器之間添加方差注意力模塊和記憶模塊構(gòu)建檢測模型；S2，使用基于預(yù)測誤差的方法訓(xùn)練所述檢測模型，得到訓(xùn)練好的檢測模型；S3，對銀行網(wǎng)點(diǎn)實(shí)時采集的監(jiān)控視頻，利用所述訓(xùn)練好的檢測模型預(yù)測未來幀，根據(jù)所述未來幀的均方預(yù)測損失計算置信度，進(jìn)而根據(jù)置信度判斷所述未來幀是否異常，以此進(jìn)行銀行網(wǎng)點(diǎn)的異常情況檢測。本發(fā)明方案實(shí)現(xiàn)了銀行網(wǎng)點(diǎn)的智能監(jiān)控，構(gòu)建的檢測模型包括方差注意力模塊和記憶模塊，基于歷史幀預(yù)測未來幀，從幀級別出發(fā)考慮到了幀外觀和上下文信息，提升系統(tǒng)檢測異常行為的速度和精度。

技術(shù)研發(fā)人員：杜娜,許艷松,范麗文,曹輝平,錢愛華
受保護(hù)的技術(shù)使用者：中國郵政儲蓄銀行股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/9/12