[发明专利]异常检测方法、装置、设备及存储介质

权利要求书

1.一种异常检测方法，其特征在于，包括：

获取商品陈列处在目标时段的客流数据和交易数据，所述客流数据包括同一行人的进入时人体图像、离开时人体图像以及对应的进入时间和离开时间，所述交易数据包括至少一个交易时间；

基于所述同一行人的进入时人体图像和离开时人体图像进行识别处理，得到用于表示所述同一行人是否存在购买行为的识别结果；

基于用于表示存在购买行为的至少一个目标识别结果对应的进入时间和离开时间以及所述至少一个交易时间，确定所述至少一个目标识别结果中不存在对应的交易时间的目标识别结果，以得到所述不存在对应的交易时间的目标识别结果的数量；

基于所述不存在对应的交易时间的目标识别结果的数量，得到所述商品陈列处对应于所述目标时段的异常检测结果。

2.根据权利要求1所述的方法，其特征在于，所述基于所述同一行人的进入时人体图像和离开时人体图像进行识别处理，得到用于表示所述同一行人是否存在购买行为的识别结果，包括：

将所述同一行人的进入时人体图像和离开时人体图像输入至识别模型进行处理，得到用于表示所述同一行人是否存在购买行为的识别结果。

3.根据权利要求2所述的方法，其特征在于，所述识别模型包括类型识别子模块、数量比较子模块和结果生成子模块；

所述类型识别子模块，用于对所述进入时人体图像进行处理，得到进入时是否携带有目标类型的包的第一识别结果，并对所述离开时人体图像进行处理，得到离开时是否携带有所述目标类型的包的第二识别结果，所述目标类型是指用于描述商家提供的用来装顾客购买的商品的包的类型；

所述数量比较子模块，用于对所述进入时人体图像和所述离开时人体图像进行处理，得到离开时携带的包的数量是否多于进入时携带的包的数量的比较结果；

所述结果生成子模块，用于基于所述第一识别结果、所述第二识别结果和比较结果，得到用于表示所述同一行人是否存在购买行为的识别结果。

4.根据权利要求2所述的方法，其特征在于，所述识别模型是采用如下方式训练得到：

构建所述识别模型，所述识别模型中设置有训练参数；

将多对样本人体图像分别输入至所述识别模型中，生成预测结果；

基于所述预测结果与每对样本人体图像的样本标签对应的期望结果之间的差异，对所述训练参数进行迭代调整，直至所述差异满足预设要求。

5.根据权利要求1所述的方法，其特征在于，所述基于对应的进入时间和离开时间以及所述至少一个交易时间，确定所述至少一个目标识别结果中不存在对应的交易时间的目标识别结果的数量，包括：

按顺序对所述至少一个交易时间中的每个交易时间进行如下处理，以得到所述至少一个目标识别结果中不存在对应的交易时间的目标识别结果的数量：

判断当前未对应有交易时间的目标识别结果中是否存在当前交易时间位于其对应进入时间与离开时间之间的目标识别结果；

如果是，则将所述当前交易时间与所述目标识别结果对应；

将所述当前交易时间的下一交易时间作为当前交易时间并返回判断步骤执行，直至遍历完所述至少一个交易时间。

6.根据权利要求1所述的方法，其特征在于，所述基于所述不存在对应的交易时间的目标识别结果的数量，得到所述商品陈列处对应于所述目标时段的异常检测结果，包括：

基于所述不存在对应的交易时间的目标识别结果的数量，计算得到第一指标数据，所述第一指标数据用于表征识别购买行为的召回率；

基于得到的指标数据，得到所述商品陈列处对应于所述目标时段的异常检测结果，所述指标数据包括所述第一指标数据。

7.根据权利要求6所述的方法，其特征在于，所述交易数据还包括交易量；

所述基于所述不存在对应的交易时间的目标识别结果的数量，计算第一指标数据，包括：

对所述交易量和所述不存在对应的交易时间的目标识别结果的数量进行求和，得到求和结果；

将所述至少一个目标识别结果的数量与所述求和结果之比作为第一指标数据。