[發明專利]一種客戶滿意度判別方法及裝置

有效

• 申請號: 202110488309.X
• 申請日: 2021-05-06
• 公開（公告）號: CN112907306B
• 公開（公告）日: 2022-04-08
• 發明（設計）人: 蘇琳
• 申請（專利權）人: 北京惠朗時代科技有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q40/00;G06V10/46;G06V10/762;G06V10/774;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明提出了一種客戶滿意度判別方法及裝置，涉及客戶滿意度領域。一種客戶滿意度判別方法，包括如下步驟：（1）樣本采集：人工選取部分滿意客戶的面部圖像的作為正訓練樣本，人工選取部分不滿意客戶的面部圖像的作為負訓練樣本；（2）多尺度加強：對正訓練樣本和負訓練樣本進行多尺度圖像加強處理；（3）多尺度表征：對加強處理后的圖像進行多尺度金字塔分解，在不同尺度下提取SIFT特征后融合。本發明能夠判別客戶是否滿意，并且滿足金融機構的需求。

技術領域

本發明涉及客戶滿意度識別領域，具體而言，涉及一種客戶滿意度判別方法及裝置。

背景技術

當今社會，金融機構發揮著非常重要的作用，網絡化也大大簡化了金融機構的辦理流程，客戶的滿意度直接影響著金融機構的長遠發展。由于監管、安全等方面的需要，金融單位往往可以較容易地采集客戶的圖像。因此，如何利用圖像對客戶滿意度進行判別有很好的實際應用價值。

因此，目前建立一種能夠判別客戶是否滿意的方法是一項非常有意義且亟待解決的工作。

發明內容

本發明的目的在于提供一種客戶滿意度判別方法，其能夠判別客戶是否滿意，并且滿足金融機構的需求。

本發明的另一目的在于提供一種客戶滿意度判別裝置，其能夠判別客戶是否滿意，并且滿足金融機構的需求。

本發明的實施例是這樣實現的：

第一方面：本申請實施例提供一種客戶滿意度判別方法，包括如下步驟：

（1）樣本采集：人工選取部分滿意客戶的面部圖像的作為正訓練樣本，人工選取部分不滿意客戶的面部圖像的作為負訓練樣本；

（2）多尺度加強：對正訓練樣本和負訓練樣本進行多尺度圖像加強處理；

（3）多尺度表征：對加強處理后的圖像進行多尺度金字塔分解，在不同尺度下提取SIFT特征后融合；

（4）聚類算法判定：輸入經過加強和表征的待檢測圖像時，多次挑選的正訓練樣本和負訓練樣本進行K-means聚類計算，一半以上次數被判定客戶滿意圖片，則將所述待檢測圖像最終判定為客戶滿意圖片，否則判定為客戶不滿意圖片。

在本發明的一些實施例中，上述步驟（4）中，利用K-means聚類算法對其進行判別的具體操作步驟如下：

（a）從正訓練樣本和負訓練樣本中分別選取任意一個初始聚類中心；

（b）計算每個樣本到各所述聚類中心的距離，將每個樣本歸簇到其距離最近的聚類中心；

（c）對每個簇，以該簇所有樣本的均值作為新的聚類中心；

（d）重復步驟（c）,直到聚類中心不再變化或不再顯著變化；

（e）若待檢測圖像被聚類為正樣本類別，我們將其判定為客戶滿意圖像；若待檢測圖像被聚類為負樣本類別，我們將其判定為客戶不滿意圖像。

在本發明的一些實施例中，上述步驟（4）中，3次挑選正訓練樣本和負訓練樣本進行K-means聚類計算，待檢測圖像有2次及以上被判定為客戶滿意圖片，則將其最終判定為客戶滿意圖片，否則判定為客戶不滿意圖片。

在本發明的一些實施例中，上述步驟（4）中，每次挑選不同數量的一組正訓練樣本和負訓練樣本，每組正訓練樣本和負訓練樣本的數量相同。

在本發明的一些實施例中，上述步驟（4）中：第一次挑選100張正訓練樣本和100張負訓練樣本，第二次挑選300張正訓練樣本和300張負訓練樣本，第3次挑選500張正訓練樣本和500張負訓練樣本。