[发明专利]一种判断目标门店的业务是否正常的方法

权利要求书

1.一种判断目标门店的业务是否正常的方法，包括：

获取目标门店的至少一个摄像终端在第1至第N-1个时间段的视频数据，所述视频数据与所述目标门店的业务数据相关，所述业务数据包括所述目标门店的客流量和订单数量中的至少一种；

将所述视频数据输入预测模型，确定所述目标门店在第N个时间段的预测业务数据；

获取所述目标门店在所述第N个时间段的实际业务数据，并基于所述预测业务数据和所述实际业务数据，确定所述目标门店的业务是否正常；其中，

所述预测模型包括嵌入层和预测层；其中，

所述嵌入层包括至少一个RNN模型和GNN模型，所述至少一个RNN模型用于对所述至少一个摄像终端对应的所述第1至第N-1个时间段的视频数据进行处理，得到所述至少一个摄像终端的融合视频特征；

所述GNN模型对图进行处理，确定所述目标门店的至少一个业务特征，其中，以所述目标门店和所述至少一个摄像终端作为所述图的顶点，以所述目标门店和所述至少一个摄像终端之间的关系以及所述至少一个摄像终端之间的关系作为所述图的边，所述至少一个摄像终端对应的顶点的特征为所述融合视频特征，所述边的特征包括所述目标门店和所述至少一个摄像终端之间以及所述至少一个摄像终端之间的相对距离和/或相对角度；

所述预测层基于对所述至少一个业务特征进行处理，确定所述预测业务数据；

以及所述预测模型通过端到端的学习方式训练得到。

2.如权利要求1所述的方法，所述获取目标门店的至少一个摄像终端在第1至第N-1个时间段的视频数据包括：

获取所述第1至第N-1个时间段的N-1个视频片段；

基于每个视频片段的码流和第一预设条件，从所述每个视频片段中确定所述N-1个时间段的待处理图像数据；

以及对所述N-1个时间段的待处理图像数据进行处理，确定所述N-1个时间段的视频数据。

3.如权利要求1所述的方法，基于所述预测业务数据和所述实际业务数据，确定所述目标门店的业务是否正常，包括：

判断所述预测业务数据和所述实际业务数据是否满足预设条件，得到第一判断结果；

以及基于所述第一判断结果，得到用于表示所述目标门店的业务是否正常的第二判断结果。

4.如权利要求1所述的方法，所述预测模型通过训练过程获取，所述训练过程包括：

获取多个训练样本及其标签，所述多个训练样本包括样本门店的至少一个样本摄像终端在多个样本时间段的样本视频数据，所述标签表示所述样本门店的业务是否正常；

基于所述多个训练样本训练初始预测模型，得到所述预测模型。

5.一种判断目标门店的业务是否正常的系统，包括：

获取模块，用于获取目标门店的至少一个摄像终端在第1至第N-1个时间段的视频数据，所述视频数据与所述目标门店的业务数据相关，所述业务数据包括所述目标门店的客流量和订单数量中的至少一种；

第一确定模块，用于将所述视频数据输入预测模型，确定所述目标门店在第N个时间段的预测业务数据；

第二确定模块，用于获取所述目标门店在所述第N个时间段的实际业务数据，并基于所述预测业务数据和所述实际业务数据，确定所述目标门店的业务是否正常；其中，

所述预测模型包括嵌入层和预测层；其中，

所述嵌入层包括至少一个RNN模型和GNN模型，所述至少一个RNN模型用于对所述至少一个摄像终端对应的所述第1至第N-1个时间段的视频数据进行处理，得到所述至少一个摄像终端的融合视频特征；

所述GNN模型对图进行处理，确定所述目标门店的至少一个业务特征，其中，以所述目标门店和所述至少一个摄像终端作为所述图的顶点，以所述目标门店和所述至少一个摄像终端之间的关系以及所述至少一个摄像终端之间的关系作为所述图的边，所述至少一个摄像终端对应的顶点的特征为所述融合视频特征，所述边的特征包括所述目标门店和所述至少一个摄像终端之间以及所述至少一个摄像终端之间的相对距离和/或相对角度；

所述预测层基于对所述至少一个业务特征进行处理，确定所述预测业务数据；

以及所述预测模型通过端到端的学习方式训练得到。