[发明专利]离岗检测方法、装置以及存储介质

说明书

本申请公开了一种离岗检测方法、装置以及存储介质。其中，离岗检测方法包括：获取包含待检测对象的人体图像的图片；利用基于机器学习训练的特征提取模型，确定所述人体图像在所述图片中的位置信息；以及根据所述位置信息，判定所述待检测对象是否离岗。本申请所述的离岗检测方法识别比较全面，准确率高，识别速度快，具有较低的延时，以便保证实时监控。并且由于本方案采用了基于机器学习训练的特征提取模型，因此相对于传统的检测方法，仅使用单个摄像头可以检测多个员工是否在岗，对于一个摄像头中如果有多个员工只需要在划分岗位范围的时候标出此范围是哪一位员工的岗位范围即可，成本低，使用方便，没有繁琐的穿戴设备。

技术领域

本申请涉及行为检测方法领域，特别是涉及一种离岗检测方法、装置以及存储介质。

背景技术

我们日常生活中有很多岗位必须要有人来实时守岗，就比如哨兵，门卫值班，雷达警戒，医院值班，边境守卫等，但是随着社会水平的进步，人类的生活水平逐步提高，人力资源的成本也越来越高，以前检查岗位上的人员是否在岗的传统方法就是找一个人，不定时的到岗位巡视，这样既不能做到实时的监控，又需要请专门的人来巡视，并且人力资源的开销也比较大。现在也有一些比较先进的方法来检测，比如增加穿戴设备，但是这些方法也比较繁琐，需要每天穿戴固定的设备。

目前市场上离岗检测方法及主要问题是：1)目测法，目测法需要雇人不定时的到岗位巡视，这样人力成本比较大，不能做到7*24小时实时不间断监控，对于夜晚来说可能效率比较低。2)基于穿戴设备的检测法，这种方法的主要缺点在于繁琐，每天都需要穿指定的设备，也没有实时监控画面。3)基于帧差法和减背景法的人员离岗检测方法，此方法主要依据摄像头的每一帧，依赖项比较强，如果有一帧或者连续几帧画面出了问题，可能导致检测就会出现问题。4)基于卷积神经网络分类的离岗检测，分类这种网络只能对一张图片进行分类是否员工离岗，但是如果对于一个摄像头下有多个员工，分类网络就显得力不从心了，这样的话一个摄像头只能监控一个员工，资源利用不够充分，成本相对于这里的方法比较高。

针对上述的现有的离岗检测方法中存在的检测精度不高、使用不便、成本较高以及计算占用资源偏高的技术问题，目前尚未提出有效的解决方案。

发明内容

本公开的实施例提供了一种离岗检测方法、装置以及存储介质，以至少解决现有的离岗检测方法中存在的检测精度不高、使用不便、成本较高以及计算占用资源偏高的技术问题。

根据本公开实施例的一个方面，提供了一种离岗检测方法，包括：获取包含待检测对象的人体图像的图片；利用基于机器学习训练的特征提取模型，确定人体图像在图片中的位置信息；以及根据位置信息，判定待检测对象是否离岗。

根据本公开实施例的另一个方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时由处理器执行上述任意一项所述的方法。

根据本公开实施例的另一个方面，还提供了一种离岗检测装置，包括：获取模块，用于获取包含待检测对象的人体图像的图片；确定模块，用于利用基于机器学习训练的特征提取模型，确定人体图像在图片中的位置信息；以及判定模块，用于根据位置信息，判定待检测对象是否离岗。

根据本公开实施例的另一个方面，还提供了一种离岗检测装置，包括：处理器；以及存储器，与处理器连接，用于为处理器提供处理以下处理步骤的指令：获取包含待检测对象的人体图像的图片；利用基于机器学习训练的特征提取模型，确定人体图像在图片中的位置信息；以及根据位置信息，判定待检测对象是否离岗。