1.本发明涉及人工智能技术领域，尤其涉及一种银行网点的客户行为分析方法及装置。
背景技术：2.本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
3.目前，客户在银行网点办理业务时，银行网点大都是通过视频监控画面来分析客户是否存在风险行为(如吸烟)，该方法需要持续获取客户的视频图像数据，客户的信息安全得不到保障，而且，需要针对每一个客户的视频图像数据对该客户行为进行分析，效率较低，无法及时发现存在风险的客户行为。
技术实现要素：4.本发明实施例提供一种银行网点的客户行为分析方法，用以提高客户行为的分析效率，并确保客户的信息安全，该方法包括：
5.从部署在银行网点的无线网络设备获取银行网点的信道状态信息，所述信道状态信息包括银行网点的客户行为对银行网点的无线网络环境产生的信号干扰信息；
6.对所述信道状态信息进行去噪和低通滤波处理，得到信号频谱图；
7.将所述信号频谱图输入行为检测模型，得到银行网点的客户行为信息，所述行为检测模型是根据银行网点的历史信号频谱图及与历史信号频谱图对应的客户行为信息，对神经网络模型训练得到；
8.根据预先定义的多种风险客户行为信息，对客户行为信息的风险程度进行分析。
9.本发明实施例还提供一种银行网点的客户行为分析装置，用以提高客户行为的分析效率，并确保客户的信息安全，该装置包括：
10.信息获取模块，用于从部署在银行网点的无线网络设备获取银行网点的信道状态信息，所述信道状态信息包括银行网点的客户行为对银行网点的无线网络环境产生的信号干扰信息；
11.信息处理模块，用于对所述信道状态信息进行去噪和低通滤波处理，得到信号频谱图；
12.行为检测模块，用于将所述信号频谱图输入行为检测模型，得到银行网点的客户行为信息，所述行为检测模型是根据银行网点的历史信号频谱图及与历史信号频谱图对应的客户行为信息，对神经网络模型训练得到；
13.行为分析模块，用于根据预先定义的多种风险客户行为信息，对客户行为信息的风险程度进行分析。
14.本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述银行网点的
客户行为分析方法。
15.本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述银行网点的客户行为分析方法。
16.本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述银行网点的客户行为分析方法。
17.本发明实施例中，从部署在银行网点的无线网络设备获取银行网点的信道状态信息，所述信道状态信息包括银行网点的客户行为对银行网点的无线网络环境产生的信号干扰信息；对所述信道状态信息进行去噪和低通滤波处理，得到信号频谱图；将所述信号频谱图输入行为检测模型，得到银行网点的客户行为信息，所述行为检测模型是根据银行网点的历史信号频谱图及与历史信号频谱图对应的客户行为信息，对神经网络模型训练得到；根据预先定义的多种风险客户行为信息，对客户行为信息的风险程度进行分析。与现有技术中通过视频监控画面分析客户的风险行为的技术方案相比，通过银行网点的信道状态信息来对客户的行为进行分析，不需要持续采集客户的视频图像，从而可以确保客户的信息安全；同时，也不需要针对每一个客户的行为进行分析，只需要通过信道状态信息，就可以确定银行网点的客户中是否存在的风险行为，从而可以及时发现客户的风险行为，提高客户行为的分析效率。
附图说明
18.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
19.图1为本发明实施例中提供的一种银行网点的客户行为分析方法的流程图；
20.图2为本发明实施例中提供的又一种银行网点的客户行为分析方法的流程图；
21.图3为本发明实施例中提供的一种银行网点的客户行为分析装置的示意图；
22.图4为本发明实施例中提供的又一种银行网点的客户行为分析装置的示意图；
23.图5为本发明实施例中计算机设备的示意图。
具体实施方式
24.为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
25.在本说明书的描述中，所使用的“包含”、“包括”、“具有”、“含有”等，均为开放性的用语，即意指包含但不限于。参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”等的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。各实施例中涉及的步骤顺序用于示意性说明本技术的实施，其中的步骤顺序不作限定，可根据需要作适当调整。
26.经研究发现，目前，银行网点发现客户的风险行为以及对存在风险的客户行为进行处理的方案，主要存在以下问题：
27.1、通过视频监控画面来分析客户是否存在风险行为，效率低且客户信息安全的不到保障。
28.2、当客户出现风险行为时，由银行网点的相关人员对存在风险行为的客户当面劝诫，容易产生冲突，给客户带来了不好的体验。
29.因此，本发明实施例提供了一种银行网点的客户行为分析方案，通过信道状态信息来对银行网点的客户行为进行分析，可以在确保客户信息安全的同时，提高客户行为分析效率；而且，在发现客户存在风险行为时，向银行网点的所有客户发送风险提示信息，从而可以避免银行网点的相关人员在劝诫客户时发生冲突。
30.如图1所示，为本发明实施例提供的一种银行网点的客户行为分析方法的流程图，该方法包括以下步骤：
31.步骤101，从部署在银行网点的无线网络设备获取银行网点的信道状态信息，所述信道状态信息包括银行网点的客户行为对银行网点的无线网络环境产生的信号干扰信息；
32.步骤102，对所述信道状态信息进行去噪和低通滤波处理，得到信号频谱图；
33.步骤103，将所述信号频谱图输入行为检测模型，得到银行网点的客户行为信息，所述行为检测模型是根据银行网点的历史信号频谱图及与历史信号频谱图对应的客户行为信息，对神经网络模型训练得到；
34.步骤104，根据预先定义的多种风险客户行为信息，对客户行为信息的风险程度进行分析。
35.本发明实施例中，从部署在银行网点的无线网络设备获取银行网点的信道状态信息，所述信道状态信息包括银行网点的客户行为对银行网点的无线网络环境产生的信号干扰信息；对所述信道状态信息进行去噪和低通滤波处理，得到信号频谱图；将所述信号频谱图输入行为检测模型，得到银行网点的客户行为信息，所述行为检测模型是根据银行网点的历史信号频谱图及与历史信号频谱图对应的客户行为信息，对神经网络模型训练得到；根据预先定义的多种风险客户行为信息，对客户行为信息的风险程度进行分析。与现有技术中通过视频监控画面分析客户的风险行为的技术方案相比，通过银行网点的信道状态信息来对客户的行为进行分析，不需要持续采集客户的视频图像，从而可以确保客户的信息安全；同时，也不需要针对每一个客户的行为进行分析，只需要通过信道状态信息，就可以确定银行网点的客户中是否存在的风险行为，从而可以及时发现客户的风险行为，提高客户行为的分析效率。
36.在上述步骤101中，可以在银行网点的客户等待区部署无线网络设备(如wifi设备)，该无线网络设备可以持续采集信道状态信息。因此，可以从部署在银行网点的无线网络设备获取银行网点的信道状态信息。
37.其中，信道状态信息是描述室内环境中无线通信链路的信道特性，可以捕获室内环境中人员产生的信号干扰，通过分析信道状态信息的变化可以推测人员行为等信息，因此，信道状态信息可以包括银行网点的客户行为对银行网点的无线网络环境产生的信号干扰信息。
38.本发明实施例中，利用信道状态信息分析银行网点的客户行为存在以下优点：不
侵犯用户隐私，成本低廉，部署灵活，仅需要使用普通的wifi设备就能实现等等。
39.在上述步骤102中，可以对银行网点的信道状态信息依次进行去噪和低通滤波处理，得到信号频谱图。
40.在上述步骤103中，可以将信号频谱图输入行为检测模型，得到银行网点的客户行为信息。
41.其中，上述行为检测模型是根据银行网点的历史信号频谱图及与历史信号频谱图对应的客户行为信息，对神经网络模型训练得到。
42.本发明实施例中，行为检测模型的训练可以包括以下步骤：
43.根据银行网点的历史信号频谱图及与历史信号频谱图对应的客户行为信息，构建训练集和测试集；
44.利用训练集训练神经网络模型，得到行为检测模型；
45.利用测试集对行为检测模型进行测试。
46.具体实施时，将银行网点的历史信号频谱图及与历史信号频谱图对应的客户行为信息作为样本集，按照预设比例构建训练集和测试集。例如，将银行网点的吸烟行为、玩手机，交谈，阅读等的历史信号频谱图作为样本集，划分为训练集和测试集；利用训练集对深度卷积神经网络alexnet进行训练，得到行为检测模型；利用测试集对行为检测模型进行测试。
47.本发明实施例中，根据银行网点的历史信号频谱图及与历史信号频谱图对应的客户行为信息训练行为检测模型，可以确保模型输出结果的准确性。
48.在上述步骤104中，可以根据预先定义的多种风险客户行为信息，对客户行为信息的风险程度进行分析。
49.例如，预先设置多种风险客户行为信息，如吸烟行为、大声喧哗、打架等风险行为；将行为检测模型检测的银行网点的客户行为信息，与预先定义的多种风险客户行为信息进行匹配，进而确定客户行为信息的风险程度。
50.本发明实施例中，在确定客户存在风险行为时，如图2所示，还可以包括：
51.步骤201，在客户行为信息的风险程度超过预定范围时，向银行网点对应的客户发送提示信息，所述提示信息用于提示客户存在风险行为，所述银行网点对应的客户为在银行网点排队系统排队的客户。
52.本发明实施例中，向银行网点的多个客户发送提示信息之前，可以通过以下方式获取银行网点的客户信息：
53.根据信道状态信息中携带的无线网络设备信息，确定银行网点的网点标识；
54.从银行网点排队系统获取银行网点的网点标识对应的客户身份标识；
55.根据银行网点的网点标识对应的客户身份标识，获取客户身份标识对应的客户信息，所述客户信息包括客户与银行签约的消息渠道信息；
56.通过客户与银行签约的消息渠道信息，向银行网点对应的客户发送提示信息。
57.本发明实施例中，如果持续检测到相同的风险客户行为信息时，可以通过以下方式解决：
58.在预设时间段内再次检测到银行网点的客户中存在与上一次风险行为相同的客户行为信息时，向银行网点的手持管理终端发送客户风险行为处理提示信息，所述客户风
险行为处理提示信息用于提示银行网点的相关人员对客户风险行为进行处理。
59.其中，银行网点排队系统是客户在银行网点办理业务时，通过身份信息从银行网点排队系统获取排队号码，该排队号码用于指示客户在排队的银行网点办理业务的顺序。
60.需要说明的是，银行网点排队系统用于对多家银行网点的客户排队，因此，银行网点排队系统中包括多家银行网点的客户排队信息。
61.具体实施时，在客户行为信息的风险程度超过预定范围时，可以根据银行网点的无线网络设备信息来确定银行网点的网点标识。具体的，银行后台系统中存储有银行网点标识和无线网络设备信息的关联关系，可以根据信道状态信息中携带的无线网络设备信息，确定银行网点的网点标识；然后，从银行网点排队系统获取银行网点的网点标识对应的客户身份标识，再根据银行网点的网点标识对应的客户身份标识，从银行后台系统中获取客户身份标识对应的客户信息。客户信息可以包括客户与银行签约的消息渠道信息(例如手机银行或微信银行)。
62.这样，获取的客户信息是当下正在银行网点办理业务的客户的客户信息，而检测到的风险客户行为信息就是在当下的客户中发生的。
63.具体实施时，可以根据客户与银行签约的消息渠道信息，向银行网点对应的客户发送提示信息。或者，还可以向客户注册手机银行时的手机号码发送短信提醒。
64.其中，上述提示信息可以是针对检测的风险客户行为信息的提示信息。例如，若风险客户行为信息是“吸烟行为”，那么，可以向客户发送“禁止吸烟”的提示信息。
65.具体实施时，若在预设时间段内再次检测到银行网点的客户中存在与上一次风险行为相同的客户行为信息时，向银行网点的手持管理终端发送客户风险行为处理提示信息，用于提示银行网点的相关人员对客户风险行为进行处理。
66.这样，通过向当前在银行网点办理业务的所有客户发送提示信息，而不是针对存在风险行为的客户进行单独提醒，一方面可以保证存在风险行为的客户根据提示信息约束自己的行为，另一方面还可以对其他客户起到一个警示的作用。另外，还避免了银行网点的相关人员当面劝诫时容易产生冲突的风险，提高了客户的体验。
67.本发明技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
68.本发明实施例中还提供了一种银行网点的客户行为分析装置，如下面的实施例所述。由于该装置解决问题的原理与银行网点的客户行为分析方法相似，因此该装置的实施可以参见银行网点的客户行为分析方法的实施，重复之处不再赘述。
69.如图3所示，为本发明实施例提供的一种银行网点的客户行为分析装置的示意图，所述装置包括：
70.信息获取模块301，用于从部署在银行网点的无线网络设备获取银行网点的信道状态信息，所述信道状态信息包括银行网点的客户行为对银行网点的无线网络环境产生的信号干扰信息；
71.信息处理模块302，用于对所述信道状态信息进行去噪和低通滤波处理，得到信号频谱图；
72.行为检测模块303，用于将所述信号频谱图输入行为检测模型，得到银行网点的客户行为信息，所述行为检测模型是根据银行网点的历史信号频谱图及与历史信号频谱图对
应的客户行为信息，对神经网络模型训练得到；
73.行为分析模块304，用于根据预先定义的多种风险客户行为信息，对客户行为信息的风险程度进行分析。
74.本发明实施例中，还可以包括模型训练模块，用于在行为检测模块将所述信号频谱图输入行为检测模型，得到银行网点的客户行为信息之前：
75.根据银行网点的历史信号频谱图及与历史信号频谱图对应的客户行为信息，构建训练集和测试集；
76.利用训练集训练神经网络模型，得到行为检测模型；
77.利用测试集对行为检测模型进行测试。
78.本发明实施例中，如图4所示，还包括第一提示模块401，可以用于：
79.在客户行为信息的风险程度超过预定范围时，向银行网点对应的客户发送提示信息，所述提示信息用于提示客户存在风险行为，所述银行网点对应的客户为在银行网点排队系统排队的客户。
80.本发明实施例中，还包括客户信息获取模块，用于在第一提示模块向银行网点对应的客户发送提示信息之前：
81.根据信道状态信息中携带的无线网络设备信息，确定银行网点的网点标识；
82.从银行网点排队系统获取银行网点的网点标识对应的客户身份标识；
83.根据银行网点的网点标识对应的客户身份标识，获取客户身份标识对应的客户信息，所述客户信息包括客户与银行签约的消息渠道信息；
84.第一提示模块，用于：
85.通过客户与银行签约的消息渠道信息，向银行网点对应的客户发送提示信息。
86.本发明实施例中，还包括第二提示模块，用于在第一提示模块向银行网点对应的客户发送提示信息之后：
87.在预设时间段内再次检测到银行网点的客户中存在与上一次风险行为相同的客户行为信息时，向银行网点的手持管理终端发送客户风险行为处理提示信息，所述客户风险行为处理提示信息用于提示银行网点的相关人员对客户风险行为进行处理。
88.本发明实施例还提供一种计算机设备，如图5所示，为本发明实施例中计算机设备的示意图，所述计算机设备500包括存储器510、处理器520及存储在存储器510上并可在处理器520上运行的计算机程序530，所述处理520执行所述计算机程序530时实现上述银行网点的客户行为分析方法。
89.本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述银行网点的客户行为分析方法。
90.本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述银行网点的客户行为分析方法。
91.本发明实施例中，从部署在银行网点的无线网络设备获取银行网点的信道状态信息，所述信道状态信息包括银行网点的客户行为对银行网点的无线网络环境产生的信号干扰信息；对所述信道状态信息进行去噪和低通滤波处理，得到信号频谱图；将所述信号频谱图输入行为检测模型，得到银行网点的客户行为信息，所述行为检测模型是根据银行网点的历史信号频谱图及与历史信号频谱图对应的客户行为信息，对神经网络模型训练得到；
根据预先定义的多种风险客户行为信息，对客户行为信息的风险程度进行分析。与现有技术中通过视频监控画面分析客户的风险行为的技术方案相比，通过银行网点的信道状态信息来对客户的行为进行分析，不需要持续采集客户的视频图像，从而可以确保客户的信息安全；同时，也不需要针对每一个客户的行为进行分析，只需要通过信道状态信息，就可以确定银行网点的客户中是否存在的风险行为，从而可以及时发现客户的风险行为，提高客户行为的分析效率。
92.本发明实施例中，通过向当前在银行网点办理业务的所有客户发送提示信息，而不是针对存在风险行为的客户进行单独提醒，一方面可以保证存在风险行为的客户根据提示信息约束自己的行为，另一方面还可以对其他客户起到一个警示的作用。另外，还避免了银行网点的相关人员当面劝诫时容易产生冲突的风险，提高了客户的体验。
93.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
94.本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
95.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
96.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
97.以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
技术特征：1.一种银行网点的客户行为分析方法，其特征在于，包括：从部署在银行网点的无线网络设备获取银行网点的信道状态信息，所述信道状态信息包括银行网点的客户行为对银行网点的无线网络环境产生的信号干扰信息；对所述信道状态信息进行去噪和低通滤波处理，得到信号频谱图；将所述信号频谱图输入行为检测模型，得到银行网点的客户行为信息，所述行为检测模型是根据银行网点的历史信号频谱图及与历史信号频谱图对应的客户行为信息，对神经网络模型训练得到；根据预先定义的多种风险客户行为信息，对客户行为信息的风险程度进行分析。2.如权利要求1所述的方法，其特征在于，将所述信号频谱图输入行为检测模型，得到银行网点的客户行为信息之前，还包括：根据银行网点的历史信号频谱图及与历史信号频谱图对应的客户行为信息，构建训练集和测试集；利用训练集训练神经网络模型，得到行为检测模型；利用测试集对行为检测模型进行测试。3.如权利要求1所述的方法，其特征在于，还包括：在客户行为信息的风险程度超过预定范围时，向银行网点对应的客户发送提示信息，所述提示信息用于提示客户存在风险行为，所述银行网点对应的客户为在银行网点排队系统排队的客户。4.如权利要求3所述的方法，其特征在于，向银行网点对应的客户发送提示信息之前，还包括：根据信道状态信息中携带的无线网络设备信息，确定银行网点的网点标识；从银行网点排队系统获取银行网点的网点标识对应的客户身份标识；根据银行网点的网点标识对应的客户身份标识，获取客户身份标识对应的客户信息，所述客户信息包括客户与银行签约的消息渠道信息；向银行网点对应的客户发送提示信息，包括：通过客户与银行签约的消息渠道信息，向银行网点对应的客户发送提示信息。5.如权利要求3所述的方法，其特征在于，向银行网点对应的客户发送提示信息之后，还包括：在预设时间段内再次检测到银行网点的客户中存在与上一次风险行为相同的客户行为信息时，向银行网点的手持管理终端发送客户风险行为处理提示信息，所述客户风险行为处理提示信息用于提示银行网点的相关人员对客户风险行为进行处理。6.一种银行网点的客户行为分析装置，其特征在于，包括：信息获取模块，用于从部署在银行网点的无线网络设备获取银行网点的信道状态信息，所述信道状态信息包括银行网点的客户行为对银行网点的无线网络环境产生的信号干扰信息；信息处理模块，用于对所述信道状态信息进行去噪和低通滤波处理，得到信号频谱图；行为检测模块，用于将所述信号频谱图输入行为检测模型，得到银行网点的客户行为信息，所述行为检测模型是根据银行网点的历史信号频谱图及与历史信号频谱图对应的客户行为信息，对神经网络模型训练得到；
行为分析模块，用于根据预先定义的多种风险客户行为信息，对客户行为信息的风险程度进行分析。7.如权利要求6所述的装置，其特征在于，还包括模型训练模块，用于在行为检测模块将所述信号频谱图输入行为检测模型，得到银行网点的客户行为信息之前：根据银行网点的历史信号频谱图及与历史信号频谱图对应的客户行为信息，构建训练集和测试集；利用训练集训练神经网络模型，得到行为检测模型；利用测试集对行为检测模型进行测试。8.如权利要求6所述的装置，其特征在于，还包括第一提示模块，用于：在客户行为信息的风险程度超过预定范围时，向银行网点对应的客户发送提示信息，所述提示信息用于提示客户存在风险行为，所述银行网点对应的客户为在银行网点排队系统排队的客户。9.如权利要求8所述的装置，其特征在于，还包括客户信息获取模块，用于在第一提示模块向银行网点对应的客户发送提示信息之前：根据信道状态信息中携带的无线网络设备信息，确定银行网点的网点标识；从银行网点排队系统获取银行网点的网点标识对应的客户身份标识；根据银行网点的网点标识对应的客户身份标识，获取客户身份标识对应的客户信息，所述客户信息包括客户与银行签约的消息渠道信息；第一提示模块，用于：通过客户与银行签约的消息渠道信息，向银行网点对应的客户发送提示信息。10.如权利要求8所述的装置，其特征在于，还包括第二提示模块，用于在第一提示模块向银行网点对应的客户发送提示信息之后：在预设时间段内再次检测到银行网点的客户中存在与上一次风险行为相同的客户行为信息时，向银行网点的手持管理终端发送客户风险行为处理提示信息，所述客户风险行为处理提示信息用于提示银行网点的相关人员对客户风险行为进行处理。11.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5任一所述方法。12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至5任一所述方法。13.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现权利要求1至5任一所述方法。
技术总结本发明公开了一种银行网点的客户行为分析方法及装置，涉及人工智能技术领域，其中该方法包括：从部署在银行网点的无线网络设备获取银行网点的信道状态信息，信道状态信息包括银行网点的客户行为对银行网点的无线网络环境产生的信号干扰信息；对信道状态信息进行去噪和低通滤波处理，得到信号频谱图；将信号频谱图输入行为检测模型，得到银行网点的客户行为信息，行为检测模型是根据银行网点的历史信号频谱图及与历史信号频谱图对应的客户行为信息，对神经网络模型训练得到；根据预先定义的多种风险客户行为信息，对客户行为信息的风险程度进行分析。本发明可以提高客户行为的分析效率，并确保客户的信息安全。并确保客户的信息安全。并确保客户的信息安全。
技术研发人员：李昊 党娜 刘洋
受保护的技术使用者：中国银行股份有限公司
技术研发日：2022.04.20
技术公布日：2022/7/5
