CN111723702B - 数据监控方法、装置以及支付*** - Google Patents

数据监控方法、装置以及支付*** Download PDF

Info

Publication number
CN111723702B
CN111723702B CN202010515467.5A CN202010515467A CN111723702B CN 111723702 B CN111723702 B CN 111723702B CN 202010515467 A CN202010515467 A CN 202010515467A CN 111723702 B CN111723702 B CN 111723702B
Authority
CN
China
Prior art keywords
target frame
behavior
timestamp
data
data monitoring
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010515467.5A
Other languages
English (en)
Other versions
CN111723702A (zh
Inventor
陈涛
艾旭升
陈园园
姚文杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Vocational Institute of Industrial Technology
Original Assignee
Suzhou Vocational Institute of Industrial Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Suzhou Vocational Institute of Industrial Technology filed Critical Suzhou Vocational Institute of Industrial Technology
Priority to CN202010515467.5A priority Critical patent/CN111723702B/zh
Publication of CN111723702A publication Critical patent/CN111723702A/zh
Application granted granted Critical
Publication of CN111723702B publication Critical patent/CN111723702B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07G—REGISTERING THE RECEIPT OF CASH, VALUABLES, OR TOKENS
    • G07G1/00—Cash registers

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biophysics (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种数据监控方法、装置以及支付***，该方法包括：从视频图像中采集目标帧；对所述目标帧进行检测，得到所述目标帧对应的行为类别；当所述行为类别为预设行为时，获取所述目标帧对应的第一时间戳；若在所述第一时间戳对应的时间范围内，未查询到POS机上传的交易数据，则将所述第一时间戳和对应的目标帧，标记为异常数据。从而可以对POS机的交易数据进行自动检测，无需人工干预，检测效率高，能够准确地检测出交易异常的数据，避免员工漏单、偷单行为。

Description

数据监控方法、装置以及支付***
技术领域
本发明涉及POS机技术领域，具体地，涉及数据监控方法、装置以及支付***。
背景技术
随着电子商务的兴起，POS(Point of Sales，销售点终端)机作为一种常用的电子支付工具，具有读卡、密码键盘等功能，可与后台服务器远程交互，完成交易，在各大商场、加油站及一些消费场所得到广泛应用。
POS机作为一种金融应用工具，通常由银行、银联及具备相应资质的第三方金融机构管理并发出。然后，商家店员使用POS机完成与线下客户的支付行为。
由于POS机的使用是一种线下操作行为，因此很难进行监控，容易出现店员偷单、漏单的情况，给商家造成损失。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种数据监控方法、装置以及支付***，以实现对POS交易数据的有效监控。
第一方面，本发明实施例提供一种数据监控方法，包括：
从视频图像中采集目标帧；
对所述目标帧进行检测，得到所述目标帧对应的行为类别；
当所述行为类别为预设行为时，获取所述目标帧对应的第一时间戳；
若在所述第一时间戳对应的时间范围内，未查询到POS机上传的交易数据，则将所述第一时间戳和对应的目标帧，标记为异常数据。
可选地，所述从视频图像中采集目标帧，包括：
按照预设的采样周期，从视频图像中抽取至少一个目标帧。
可选地，所述对所述目标帧进行检测，得到所述目标帧对应的行为类别，包括：
采用实时对象检测网络模型YOLO对所述目标帧进行检测，得到所述目标帧对应的行为类别；其中，所述行为类别包括：基于POS机的支付行为、其他行为。
可选地，所述获取所述目标帧对应的第一时间戳，包括：
采用卷积神经网络获取所述目标帧拍摄的时间，记为所述第一时间戳。
可选地，还包括：
按照预设周期，和/或员工信息，统计所述异常数据，得到统计表；
将所述统计表发送给管理员对应的终端。
第二方面，本发明实施例提供一种数据监控装置，包括：
采集模块，用于从视频图像中采集目标帧；
第一检测模块，用于对所述目标帧进行检测，得到所述目标帧对应的行为类别；
第二检测模块，用于当所述行为类别为预设行为时，获取所述目标帧对应的第一时间戳；
处理模块，用于在所述第一时间戳对应的时间范围内，未查询到POS机上传的交易数据时，将所述第一时间戳和对应的目标帧，标记为异常数据。
可选地，所述采集模块，具体用于：
按照预设的采样周期，从视频图像中抽取至少一个目标帧。
可选地，所述第一检测模块，具体用于：
采用实时对象检测网络模型YOLO对所述目标帧进行检测，得到所述目标帧对应的行为类别；其中，所述行为类别包括：基于POS机的支付行为、其他行为。
可选地，所述第二检测模块，具体用于：
采用卷积神经网络获取所述目标帧拍摄的时间，记为所述第一时间戳。
可选地，所述处理模块，还用于：
按照预设周期，和/或员工信息，统计所述异常数据，得到统计表；
将所述统计表发送给管理员对应的终端。
第三方面，本发明实施例提供一种支付***，包括：摄像头、存储器，以及至少一个处理器；
所述摄像头用于拍摄视频图像；
所述存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行第一方面中任一项所述数据监控方法。
第四方面，本发明实施例提供一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面中任一项所述数据监控方法。
与现有技术相比，本发明具有如下的有益效果：
本发明提供的数据监控方法、装置以及支付***，通过从视频图像中采集目标帧；对所述目标帧进行检测，得到所述目标帧对应的行为类别；当所述行为类别为预设行为时，获取所述目标帧对应的第一时间戳；若在所述第一时间戳对应的时间范围内，未查询到POS机上传的交易数据，则将所述第一时间戳和对应的目标帧，标记为异常数据。从而可以对POS机的交易数据进行自动检测，无需人工干预，检测效率高，能够准确地检测出交易异常的数据，避免员工漏单、偷单行为。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明一实施例提供的应用场景示意图；
图2为本发明一实施例提供的数据监控方法的流程示意图；
图3为本发明一实施例提供的数据监控装置的结构示意图；
图4为本发明一实施例提供的支付***的结构示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
图1为本发明一实施例提供的应用场景示意图；如图1所示，在店员的柜台位置设置至少一个摄像头，该摄像头用于拍摄店员和客户之间的交易行为。摄像头将拍摄到的视频图像发送给后台服务器，后台服务器从视频图像中采集目标帧；并对目标帧进行检测，得到目标帧对应的行为类别；当行为类别为预设行为时，获取目标帧对应的第一时间戳(参见图1，第一时间戳为2019-06-13，09:39:50)。基于该第一时间戳设置一个时间范围，基于该时间范围从POS机***中抽取出在该时间范围内的交易数据。若在该第一时间戳对应的时间范围内，未查询到POS机上传的交易数据，则将该第一时间戳和对应的目标帧，标记为异常数据。从而可以对POS机的交易数据进行自动检测，无需人工干预，检测效率高，能够准确地检测出交易异常的数据，避免员工漏单、偷单行为。
图2为本发明一实施例提供的数据监控方法的流程示意图；如图2所示，本实施例中的方法可以包括如下步骤：
S101、从视频图像中采集目标帧。
S102、对目标帧进行检测，得到目标帧对应的行为类别。
S103、当行为类别为预设行为时，获取目标帧对应的第一时间戳。
S104、若在第一时间戳对应的时间范围内，未查询到POS机上传的交易数据，则将第一时间戳和对应的目标帧，标记为异常数据。
示例性的，在步骤S101中，可以按照预设的采样周期，从视频图像中抽取至少一个目标帧。例如每隔视频帧数(F)的一半(F/2)，抽取一次目标帧。
示例性的，在步骤S102中可以采用实时对象检测网络模型YOLO(一种基于CNN和锚框的简洁架构，可以针对普遍使用问题的实时对象检测技术)对目标帧进行检测，得到目标帧对应的行为类别；其中，行为类别包括：基于POS机的支付行为、其他行为。采用对象检测网络模型YOLO对目标帧进行检测，可以有效提高图像处理效率和准确度。
示例性的，在步骤S103中，可以利用卷积神经网络的时间戳技术获取目标帧拍摄的时间，记为第一时间戳。通过提取出时间戳，从而能够将交易数据的抽取限定在该时间戳对应的范围内，有效降低了数据抽取的数量，在保证数据监控准确率的前提下，有效提高了检测效率。
本实施例，可以对POS机的交易数据进行自动检测，无需人工干预，检测效率高，能够准确地检测出交易异常的数据，避免员工漏单、偷单行为。
可选地，在获取到异常数据之后，还可以按照预设周期，和/或员工信息，统计异常数据，得到统计表；将统计表发送给管理员对应的终端。从而能够方便管理员对异常数据进行统计，让管理员及时发现员工漏单、偷单行为，减少商家损失。
图3为本发明一实施例提供的数据监控装置的结构示意图；如图3所示，本实施例中的装置可以包括：
采集模块21，用于从视频图像中采集目标帧；
第一检测模块22，用于对目标帧进行检测，得到目标帧对应的行为类别；
第二检测模块23，用于当行为类别为预设行为时，获取目标帧对应的第一时间戳；
处理模块24，用于在第一时间戳对应的时间范围内，未查询到POS机上传的交易数据时，将第一时间戳和对应的目标帧，标记为异常数据。
可选地，采集模块21，具体用于：
按照预设的采样周期，从视频图像中抽取至少一个目标帧。
可选地，第一检测模块22，具体用于：
采用实时对象检测网络模型YOLO对目标帧进行检测，得到目标帧对应的行为类别；其中，行为类别包括：基于POS机的支付行为、其他行为。
可选地，第二检测模块23，具体用于：
采用卷积神经网络获取目标帧拍摄的时间，记为第一时间戳。
可选地，处理模块24，还用于：
按照预设周期，和/或员工信息，统计异常数据，得到统计表；
将统计表发送给管理员对应的终端。
本实施例中的装置可以执行如图2所示的数据监控方法，其具体实现过程和技术效果，此处不再赘述。
图4为本发明一实施例提供的支付***的结构示意图，如4所示，本实施例中的支付***30包括：
处理器31；以及，
存储器32，用于存储处理器的可执行指令，该存储器还可以是flash(闪存)；
其中，处理器31配置为经由执行可执行指令来执行上述方法中的各个步骤。具体可以参见前面方法实施例中的相关描述。
可选地，存储器32既可以是独立的，也可以跟处理器31集成在一起。
当存储器32是独立于处理器31之外的器件时，支付***30，还可以包括：
总线33，用于连接处理器31以及存储器32。
本实施例提供的支付***30，可以用于执行图2所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。需要说明的是，支付***30可以与外部摄像头进行通信连接，也可以是在支付***中集成摄像头，从而可以拍摄视频图像。
需要说明的是，本发明提供的数据监控方法中的步骤，可以利用支付***中对应的模块、装置、单元等予以实现，本领域技术人员可以参照***的技术方案实现方法的步骤流程，即，***中的实施例可理解为实现方法的优选例，在此不予赘述。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的***及其各个装置以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的***及其各个装置以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的***及其各项装置可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (9)

1.一种数据监控方法，其特征在于，包括：
从视频图像中采集目标帧；
对所述目标帧进行检测，得到所述目标帧对应的行为类别；
当所述行为类别为支付行为时，获取所述目标帧对应的第一时间戳；其中，所述获取所述目标帧对应的第一时间戳，包括：采用卷积神经网络获取所述目标帧拍摄的时间，记为所述第一时间戳；
若在所述第一时间戳对应的时间范围内，未查询到POS机上传的交易数据，则将所述第一时间戳和对应的目标帧，标记为异常数据。
2.根据权利要求1所述的数据监控方法，其特征在于，所述从视频图像中采集目标帧，包括：
按照预设的采样周期，从视频图像中抽取至少一个目标帧。
3.根据权利要求1所述的数据监控方法，其特征在于，所述对所述目标帧进行检测，得到所述目标帧对应的行为类别，包括：
采用实时对象检测网络模型YOLO对所述目标帧进行检测，得到所述目标帧对应的行为类别；其中，所述行为类别包括：基于POS机的支付行为、其他行为。
4.根据权利要求1-3中任一项所述的数据监控方法，其特征在于，还包括：
按照预设周期，和/或员工信息，统计所述异常数据，得到统计表；
将所述统计表发送给管理员对应的终端。
5.一种数据监控装置，其特征在于，包括：
采集模块，用于从视频图像中采集目标帧；
第一检测模块，用于对所述目标帧进行检测，得到所述目标帧对应的行为类别；
第二检测模块，用于当所述行为类别为支付行为时，获取所述目标帧对应的第一时间戳；其中，所述获取所述目标帧对应的第一时间戳，包括：采用卷积神经网络获取所述目标帧拍摄的时间，记为所述第一时间戳；
处理模块，用于在所述第一时间戳对应的时间范围内，未查询到POS机上传的交易数据时，将所述第一时间戳和对应的目标帧，标记为异常数据。
6.根据权利要求5所述的数据监控装置，其特征在于，所述采集模块，具体用于：
按照预设的采样周期，从视频图像中抽取至少一个目标帧。
7.根据权利要求5所述的数据监控装置，其特征在于，所述第一检测模块，具体用于：
采用实时对象检测网络模型YOLO对所述目标帧进行检测，得到所述目标帧对应的行为类别；其中，所述行为类别包括：基于POS机的支付行为、其他行为。
8.一种支付***，其特征在于，包括：摄像头、存储器，以及至少一个处理器；
所述摄像头用于拍摄视频图像；
所述存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1至4中任一项所述数据监控方法。
9.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至4中任一项所述数据监控方法。
CN202010515467.5A 2020-06-08 2020-06-08 数据监控方法、装置以及支付*** Active CN111723702B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010515467.5A CN111723702B (zh) 2020-06-08 2020-06-08 数据监控方法、装置以及支付***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010515467.5A CN111723702B (zh) 2020-06-08 2020-06-08 数据监控方法、装置以及支付***

Publications (2)

Publication Number Publication Date
CN111723702A CN111723702A (zh) 2020-09-29
CN111723702B true CN111723702B (zh) 2024-02-27

Family

ID=72566256

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010515467.5A Active CN111723702B (zh) 2020-06-08 2020-06-08 数据监控方法、装置以及支付***

Country Status (1)

Country Link
CN (1) CN111723702B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101268478A (zh) * 2005-03-29 2008-09-17 斯达普力特有限公司 采用视频分析检测可疑活动的方法及装置
CN102714713A (zh) * 2010-02-01 2012-10-03 国际商业机器公司 视频流处理
CN103733633A (zh) * 2011-05-12 2014-04-16 索林科集团 视频分析***
CN104574954A (zh) * 2014-11-26 2015-04-29 深圳市金溢科技股份有限公司 一种基于自由流***的车辆稽查方法、控制设备及***
CN107005599A (zh) * 2015-07-24 2017-08-01 谷歌公司 改善位置传感器查准率的***和方法
CN108183929A (zh) * 2017-11-28 2018-06-19 特斯联（北京）科技有限公司 一种基于智能化物联网的目标关联感知***和方法
CN110415295A (zh) * 2019-07-03 2019-11-05 平安科技（深圳）有限公司 图像数据处理方法和图像数据处理设备
CN110688522A (zh) * 2019-09-25 2020-01-14 神州数码融信软件有限公司 基于关键帧的交易流水记录方法及装置
CN110866429A (zh) * 2018-08-28 2020-03-06 阿里巴巴集团控股有限公司 漏扫识别方法、装置、自助收银终端及***

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080303902A1 (en) * 2007-06-09 2008-12-11 Sensomatic Electronics Corporation System and method for integrating video analytics and data analytics/mining
US8448859B2 (en) * 2008-09-05 2013-05-28 Datalogic ADC, Inc. System and method for preventing cashier and customer fraud at retail checkout
BR112015023693B1 (pt) * 2013-03-15 2023-04-04 James Carey Sistema para gerar investigações em tempo real, método de observar comportamento, e, mídia legível por computador
US10650365B2 (en) * 2017-06-02 2020-05-12 Visa International Service Association Automated point of sale system

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101268478A (zh) * 2005-03-29 2008-09-17 斯达普力特有限公司 采用视频分析检测可疑活动的方法及装置
CN102714713A (zh) * 2010-02-01 2012-10-03 国际商业机器公司 视频流处理
CN103733633A (zh) * 2011-05-12 2014-04-16 索林科集团 视频分析***
CN104574954A (zh) * 2014-11-26 2015-04-29 深圳市金溢科技股份有限公司 一种基于自由流***的车辆稽查方法、控制设备及***
CN107005599A (zh) * 2015-07-24 2017-08-01 谷歌公司 改善位置传感器查准率的***和方法
CN108183929A (zh) * 2017-11-28 2018-06-19 特斯联（北京）科技有限公司 一种基于智能化物联网的目标关联感知***和方法
CN110866429A (zh) * 2018-08-28 2020-03-06 阿里巴巴集团控股有限公司 漏扫识别方法、装置、自助收银终端及***
CN110415295A (zh) * 2019-07-03 2019-11-05 平安科技（深圳）有限公司 图像数据处理方法和图像数据处理设备
CN110688522A (zh) * 2019-09-25 2020-01-14 神州数码融信软件有限公司 基于关键帧的交易流水记录方法及装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Sequence Matching for Suspicious Activity Detection in Anti-Money Laundering;Xuan Liu 等;《Intelligence and Security Informatics》;50-61 *
小型超市收银台视频监控***;孙妍妍;《中国优秀硕士学位论文全文数据库信息科技辑》(第第(2009)09期期);I140-505 *
建立时间戳识别模型的一种新方法;姚文杰 等;《福建电脑》;第35卷(第11期);84-86 *
银行自助设备监控***联网设计方案;滕家亮 等;《中国金融电脑》(第07期);46-49 *

Also Published As

Publication number Publication date
CN111723702A (zh) 2020-09-29

Similar Documents

Publication Publication Date Title
CN107995458B (zh) 一种拍摄包装过程的方法及装置
CN107302469B (zh) 分布式服务集群***数据更新的监控装置及方法
CN110704426B (zh) 数据校验方法、电子装置及计算机可读存储介质
CN112258507B (zh) 互联网数据中心的目标对象检测方法、装置和电子设备
CN104933532A (zh) 一种基于rfid技术对产品生产进行管理的方法
CN110619308A (zh) 一种过道杂物检测方法、装置、***和设备
US20210272170A1 (en) Method, Device, Electronic Apparatus and Storage Medium for Generating Order
CN111625418A (zh) 一种进程监控方法及装置
CN107169627B (zh) 一种基于增强现实技术的电能表质量管控方法和***
CN111723702B (zh) 数据监控方法、装置以及支付***
CN113743547B (zh) 基于rfid标签的资产监管方法和平台、存储介质
CN110632084A (zh) 一种基于传感器的产品质量检测***
CN104750600A (zh) 设备状态记录方法和***
CN111369703A (zh) 一种在线时间确定方法、装置、服务器及介质
CN104318283A (zh) 移动终端式试验仪器管理***及方法
CN111368104B (zh) 信息处理方法、装置及设备
CN115147947B (zh) 一种视频巡检方法、装置、电子设备及计算机程序产品
TW201527913A (zh) 用於點檢設備及提供早期預警之系統及其方法
WO2020107744A1 (zh) 布料检测记录方法、装置、设备及存储介质
CN207067999U (zh) 一种智能移动巡检***
CN114611967A (zh) 目标检测方法、目标检测装置以及计算机可读存储介质
JP2015101424A (ja) 商品の棚卸システム
CN114500316A (zh) 一种物联网设备巡检方法和***
CN113379347A (zh) 快递出库管理方法、装置、电子设备及存储介质
CN113327114A (zh) 信息处理方法、装置和电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant