[发明专利]一种基于图像金字塔匹配后验的客户满意度判别方法

说明书

本发明提出了一种基于图像金字塔匹配后验的客户满意度判别方法及装置，涉及客户满意度判断领域。其中一种基于图像金字塔匹配后验的客户满意度判别方法，包括如下步骤：将部分满意客户的面部图像的作为正训练样本，将部分不满意客户的面部图像的作为负训练样本；对选取的正训练样本和负训练样本进行多尺度图像加强处理；对加强处理后的图像进行SIFT特征提取；利用SVM模型对表征后的训练样本进行训练，得到客户满意度决策模型；输入经过加强处理和图像表征后的待检测图像时，利用客户满意度决策模型判别客户满意度；当客户满意度的得分在分类边缘部分时，利用图像金字塔后验匹配算法进行二次判定，满足了客户满意度的准确判断。

技术领域

本发明涉及客户满意度判别领域，具体而言，涉及一种基于图像金字塔匹配后验的客户满意度判别方法。

背景技术

在现代社会中，网络极大地方便了我们的生活，很多重要业务都可以直接进行网上办理。在办理的过程中，客户的满意度是一个非常重要的指标。对于部分金融业务，考虑到安全、法律等因素，仍然需要用户到金融部门进行当面办理，因此常常会用到图像识别技术对客户满意度进行采集和分析。

目前，图像识别技术对客户满意度的判别仍然存在较大局限性，容易出现误判等情况。因此，如何建立一种客户满意度判别方法，能够较为准确地判别客户是否满意是一项非常有意义且亟待解决的工作。

发明内容

本发明的目的在于提供一种基于图像金字塔匹配后验的客户满意度判别方法，其能够满足客户满意度的判断，并且准确性高。

本发明的另一目的在于提供一种客户满意度判别装置，其能够满足客户满意度的判断，并且准确性高。

本发明的实施例是这样实现的：

第一方面，本申请实施例提供一种基于图像金字塔匹配后验的客户满意度判别方法，包括如下步骤：

采集样本：将部分满意客户的面部图像的作为正训练样本，将部分不满意客户的面部图像的作为负训练样本；

加强处理：对选取的正训练样本和负训练样本进行多尺度图像加强处理；

图像表征：对加强处理后的图像进行SIFT特征提取；

机器学习：利用SVM模型对表征后的训练样本进行训练，得到客户满意度决策模型；

模型判别：输入经过加强处理和图像表征后的待检测图像时，利用所述客户满意度决策模型判别客户满意度；

分析结果：当所述客户满意度的得分较高时，将所述待检测图像判定为客户满意图像；当所述客户满意度的得分较低时，将所述待检测图像判定为客户不满意图像；当所述客户满意度的得分在分类边缘部分时，利用图像金字塔后验匹配算法进行二次判定。

在本发明的一些实施例中，所述加强处理中包括如下步骤：对图像进行3个不同尺度的高斯模糊；将模糊后的图像分别和原图做减法，得到不同程度的细节信息；将不同程度的细节信息加权到原图中，得到含有丰富细节信息的加强图像。

在本发明的一些实施例中，所述结果分析中，利用所述图像金字塔后验匹配算法进行二次判定包括如下步骤：将得分在分类边缘部分的待检测图像进行多尺度分解，计算不同尺度下的图像分别与正训练样本以及负训练样本的样本均值的相似度，根据相似度大小判定是否为客户满意图像。

在本发明的一些实施例中，所述多尺度分解包括将图像分解成大尺度、中尺度和小尺度。

在本发明的一些实施例中，所述结果分析中包括如下步骤：图像经过多尺度分解后，若图像与正训练样本的样本均值相似度较高，则判定为客户满意图像，若图像与负训练样本的样本均值相似度较高，则判定为客户不满意图像。

在本发明的一些实施例中，所述结果分析中包括如下步骤：计算多尺度分解后图像与正训练样本的样本均值的第一欧式距离，计算多尺度分解后图像与负训练样本的样本均值的第二欧式距离，若所述第一欧式距离大于所述第二欧式距离，判定图像为客户满意图像，否则判定为客户不满意图像。