[发明专利]基于员工行为的工作饱和度分析方法、装置、设备及介质

权利要求书

1.一种基于员工行为的工作饱和度分析方法，其特征在于，所述方法包括：

获取预设工作场所中安装的视频监控设备捕获到的监控视频，利用预构建的工位检测模型识别并框选所述监控视频中的工位，得到无标记框；

识别所述无标记框中工位的位置特征，并利用所述位置特征查询预构建的员工-工位信息库，得到所述工位对应的有标记框；

根据所述有标记框，从所述监控视频中提取所述工位的对应的视频片段，得到有标签工位视频片段；

根据预设频率，对所述有标签工位视频片段进行图片截取，得到工位图片序列；

利用训练完成的饱和度识别模型，识别所述工位图片序列中各个工位图片中的员工工作行为，得到员工行为集合，并判断所述员工行为集合中属于预设的有效工作类别的占比，根据所述占比得到所述工位对应的员工的工作饱和度。

2.如权利要求1所述的基于员工行为的工作饱和度分析方法，其特征在于，所述利用预构建的工位检测模型识别并框选所述监控视频中的工位，得到无标记框，包括：

利用预构建的回归算法，识别所述监控视频中的各个图像特征，得到特征序列集合；

识别所述特征序列集合，得到所述特征序列集合中各个特征序列对应的目标物识别结果；

利用所述工位检测模型中的第一softmax层中，采用无标记框从所述目标物识别结果中框选所述监控视频中工位，得到无标记框。

3.如权利要求1所述的基于员工行为的工作饱和度分析方法，其特征在于，所述利用所述位置特征查询预构建的员工-工位信息库，得到所述工位对应的有标记框，包括：

根据所述位置特征查询预构建的员工-工位信息库，得到所述工位对应的员工身份数据，并提取所述员工身份数据中的预设类型的数据字段进行键-值组合，得到键值对；

利用所述键值对标记所述无标记框，得到所述工位对应的有标记框。

4.如权利要求1所述的基于员工行为的工作饱和度分析方法，其特征在于，所述利用训练完成的饱和度识别模型，识别所述工位图片序列中各个工位图片中的员工工作行为，得到员工行为集合，包括：

利用训练完成的饱和度识别模型中预设的卷积核集合对所述工位图片序列进行卷积，得到卷积矩阵集合；

利用训练完成的饱和度识别模型的池化层对所述卷积矩阵集合进行最大池化操作，得到池化矩阵集合；

利用训练完成的饱和度识别模型的flatten层对所述池化矩阵集合进行扁平化操作，得到特征序列集合；

利用训练完成的饱和度识别模型的特征识别网络对所述特征序列集合进行识别，得到员工行为集合。

5.如权利要求1所述的基于员工行为的工作饱和度分析方法，其特征在于，所述判断所述员工行为集合中属于预设的有效工作类别的占比，根据所述占比得到所述工位对应的员工的工作饱和度，包括：

将所述员工行为集合导入预构建的第二softmax网络中，对所述员工行为集合中的各个员工行为进行评估，得到评估分数；

根据所述评估分数将各个员工行为分类为有效工作类别及无效工作类别；

计算有效工作类别的员工行为的数量，与所述员工行为集合中全部员工行为的数量的占比，得到所述工位对应的员工的工作饱和度。

6.如权利要求1所述的基于员工行为的工作饱和度分析方法，其特征在于，所述利用训练完成的饱和度识别模型，识别所述工位图片序列中各个工位图片中的员工工作行为，得到员工行为集合之前，所述方法还包括：

步骤A、获取预构建的训练图像集；

步骤B、利用预构建的初始饱和度识别模型中的识别网络对所述训练图像集进行用户行为识别，得到行为识别结果集合；

步骤C、利用所述初始饱和度识别模型的第二softmax网络中对所述行为识别结果集合进行行为类别判断，得到判断结果集合；

步骤D、利用预构建的识别-判断损失函数，将所述判断结果集合与所述训练图像集对应的真实标签进行对比，得到损失值；

步骤E、当所述损失值是大于预设的标准阈值时，调整所述饱和度识别模型中的模型参数，并执行上述步骤B进行迭代训练；

步骤F、当所述损失值是小于或等于预设的标准阈值，结束所述迭代训练，得到训练完成的饱和度识别模型。