[发明专利]一种用于智能公司管理的员工面部兴奋度检测方法及系统

说明书

本发明公开了一种用于智能公司管理的员工面部兴奋度检测方法及系统，涉及面部检测技术领域。该方法包括以下步骤：选取员工兴奋度面部图像样本并建立样本数据集，所述样本数据集包括正样本和负样本；利用训练样本优选方法对样本数据集中的正样本和负样本进行优化；利用SVM模型对优化后的正样本和负样本进行训练，以得到兴奋度判别模型；获取并导入员工面部图像至兴奋度判别模型中，利用兴奋度判别模型对员工的兴奋度进行判别，生成员工兴奋度判别结果。本发明可对员工的兴奋度进行精准判别。

技术领域

本发明涉及面部检测技术领域，具体而言，涉及一种用于智能公司管理的员工面部兴奋度检测方法及系统。

背景技术

随着社会的发展和科技的进步，公司越来越强调智慧管理，很多物联网技术深度应用于公司的管理过程中，显著提升了公司的运行效率。员工的精神状态作为一项重要的指标，深度影响着公司的合理运营和实际效益。如果公司人力资源部门、企业主管能够充分获取该信息，可以最大限度地实现公司资源合理配置，实现公司的智能化管理。现有技术中虽然公开了CN113205081A、CN110399821A以及CN108268838B，但是其都存在一定的缺陷。CN113205081A中是针对单幅图像利用显著性检测挑选训练样本，进而对工人疲劳进行判别，其存在无法对多个员工的兴奋度进行精准和充分检测的缺陷；CN110399821A是基于Haar特征的AdaBoost人脸检测，将人脸检测及表情识别进行结合，但该方法的识别检测精度不高，无法满足精准识别的要求；CN108268838B是采用AdaBoost算法进行人脸检测，然后结合人脸对齐和特征点定位、特征提取以及表情分类等处理，进而提高表情识别的准确性，其处理运算数量大，识别速度慢，且采用AdaBoost算法进行人脸检测得到的数据本身也不够精准。

综上，传统的方法往往无法对员工的兴奋度进行精准和充分检测，无法最大限度地发挥员工的能力，降低了公司人力资源配置的合理性，无法充分利用物联网等技术对公司进行有效管理。因此，如何建立一种精准和鲁棒的员工兴奋度检测方法具有重要的实际应用价值。

发明内容

为了克服上述问题或者至少部分地解决上述问题，本发明实施例提供一种用于智能公司管理的员工面部兴奋度检测方法及系统，可对员工的兴奋度进行精准判别。

本发明的实施例是这样实现的：

第一方面，本发明实施例提供一种用于智能公司管理的员工面部兴奋度检测方法，包括以下步骤：

选取员工兴奋度面部图像样本并建立样本数据集，上述样本数据集包括正样本和负样本；

利用训练样本优选方法对样本数据集中的正样本和负样本进行优化；

利用SVM模型对优化后的正样本和负样本进行训练，以得到兴奋度判别模型；

获取并导入员工面部图像至兴奋度判别模型中，利用兴奋度判别模型对员工的兴奋度进行判别，生成员工兴奋度判别结果。

选取部分兴奋度较高的员工面部图像作为正样本，选取部分兴奋度较低的员工面部图像作为负样本；利用训练样本优选方法对正负样本进行优化；利用SVM模型对正负样本进行训练，得到兴奋度判别模型；早晨员工上班打卡过程中提取员工的面部图像，利用兴奋度判别模型对员工的兴奋度进行判别，若该员工面部图像的SVM模型得分较高，直接认定该员工处于兴奋状态；若该员工面部图像的SVM模型得分较低，直接认定该员工处于非兴奋状态。本发明利用SVM判别模型对员工面部兴奋度进行判别，这个过程中也深度优化了样本，为SVM模型充分发挥作用提供了直接支持，深度优化了训练样本，在更加充分利用SVM模型的基础上减少了计算资源消耗，可对员工的兴奋度进行精准判别。

基于第一方面，在本发明的一些实施例中，上述选取员工兴奋度面部图像样本并建立样本数据集的方法包括以下步骤：

选取多个员工兴奋度面部图像样本，采用FT显著性检测方法对选取的员工兴奋度面部图像样本进行筛选，以建立样本数据集。