[发明专利]一种判断目标门店的业务是否正常的方法

说明书

本说明书实施例提供一种判断目标门店的业务是否正常的方法和系统，该方法包括：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，视频数据与目标门店的业务数据相关，业务数据包括目标门店的客流量和订单数量中的至少一种；将视频数据输入预测模型，确定目标门店在第N个时间段的预测业务数据；获取目标门店在第N个时间段的实际业务数据，并基于预测业务数据和实际业务数据，确定目标门店的业务是否正常；其中，预测模型包括嵌入层和预测层；其中，嵌入层包括至少一个RNN模型和GNN模型；预测层基于对至少一个业务特征进行处理，确定预测业务数据；以及预测模型通过端到端的学习方式训练得到。

分案说明

本申请是2021年06月11日提交的题为“一种检测目标对象的方法和系统”的中国专利申请CN 202110655032.5的分案申请。

技术领域

本说明书涉及信息技术领域，特别涉及一种检测目标对象的方法和系统。

背景技术

终端的系统安全为运维管理之重，终端一旦出现系统异常就有可能影响运维人员和操作员工一天甚至更长时间的正常工作。有效的异常检测被广泛用于现实世界的多种领域，例如，网络安全检测、工业设备的日常维护和交易系统等。目前的异常检测大多依托于通过摄像头进行视频监控视频分析的方法，需要工作人员随时地查看监控设备，增加了人力成本。因此，亟需一种检测目标对象的方法和系统，可以自动地检测目标对象是否正常。

发明内容

本说明书实施例之一提供一种检测目标对象的方法。所述检测目标对象的方法包括：获取所述目标对象在预设的第1至第N-1个时间点的第一数据以及拍摄所述目标对象的至少一个摄像终端在所述第1至第N-1个时间点的第二数据；将所述第一数据和所述第二数据输入预测模型，确定所述目标对象在第N个时间点的预测数据；获取所述目标对象在所述第N个时间点的真实数据，并基于所述预测数据和所述真实数据，确定所述目标对象是否正常工作；其中，所述预测模型包括至少一个RNN模型和一个GNN模型；其中，所述至少一个RNN模型用于对所述第一数据和所述第二数据进行处理，得到所述目标对象的第一特征和所述至少一个摄像终端的第二特征；所述GNN模型对图进行处理，确定所述目标对象的预测数据，其中，以所述目标对象和所述至少一个摄像终端作为所述图的顶点，以所述目标对象和所述至少一个摄像终端之间的关系，和所述至少一个摄像终端之间的关系作为所述图的边，其中，所述边对应的关系满足预设条件，所述预设条件与所述目标对象和所述至少一个摄像终端以及所述至少一个摄像终端之间距离相关，所述目标对象对应的顶点的特征为第一特征，所述至少一个摄像终端对应的顶点的特征为第二特征，所述边的特征包括相对距离和/或相对角度。

本说明书实施例之一提供一种检测目标对象的系统，所述系统包括：获取模块，用于获取所述目标对象在预设的第1至第N-1个时间点的第一数据以及拍摄所述目标对象的至少一个摄像终端在所述第1至第N-1个时间点的第二数据；预测模块，用于将所述第一数据和所述第二数据输入预测模型，确定所述目标对象在第N个时间点的预测码流；判断模块，用于获取所述目标对象在所述第N个时间点的真实码流，并基于所述预测码流和所述真实码流，确定所述目标对象是否正常工作；其中，所述至少一个RNN模型用于对所述第一数据和所述第二数据进行处理，得到所述目标对象的第一特征和所述至少一个摄像终端的第二特征；所述GNN模型对图进行处理，确定所述目标对象的预测数据，其中，以所述目标对象和所述至少一个摄像终端作为所述图的顶点，以所述目标对象和所述至少一个摄像终端之间的关系，和所述至少一个摄像终端之间的关系作为所述图的边，其中，所述边对应的关系满足预设条件，所述预设条件与所述目标对象和所述至少一个摄像终端以及所述至少一个摄像终端之间距离相关，所述目标对象对应的顶点的特征为第一特征，所述至少一个摄像终端对应的顶点的特征为第二特征，所述边的特征包括相对距离和/或相对角度。

本说明书实施例之一提供一种检测目标对象的装置，包括处理器，所述处理器用于执行检测目标对象的方法。