[发明专利]一种景区员工工作状态判断的方法及装置

权利要求书

1.一种景区员工工作状态判断的方法，其特征在于，所述景区员工工作状态判断的方法包括如下步骤：

S1，获取影像，员工在工作区域工作的过程中，实时获取员工所在工作区域的工作录像数据，从而保证后续步骤的正常判定；

S2，判定违规动作，然后根据所述工作录像数据，并通过YOLOv5算法对所述员工工作录像数据进行标记判定，若员工出现违规动作，则标记员工并将违规动作视频片段保存；

S3，人脸识别，根据所述违规动作视频片段进行人脸识别，其中人脸识别接口采用ArcFaceGo识别接口，从而准确获取违规动作视频片段的身份；

S4，语音识别，然后获取所述员工的工作录音，并对工作录音进行语音转写，得到文字录音信息，随后通过匹配中文敏感词库，随后获取匹配结果，若文字录音信息匹配上中文敏感词库中内容，则判定员工言语不当；

S5，心率判断，并且在员工工作过程中，每隔十分钟定时获取员工当前的心率，而在心率异常时，可以及时发出警告提醒员工，从而降低健康风险，保证了员工的身体健康，避免了带病工作的情况；

S6，员工下班，员工下班时，获取员工的身体温度，若员工体温正常，则让员工正常下班，若员工体温异常，则将员工送入医院进行检查；

S7，总结员工工作状态，获取员工今日的位置轨迹，然后对比所述员工位置轨迹和员工被分配的工作区域，若员工位置轨迹超出被分配的工作区域，则判定为脱岗，否则判定为到岗，同时调取在S3步骤中得到的违规动作视频片段，进行人工复核来判断员工是否违规，从而总结员工每日的工作状态。

2.根据权利要求1所述的景区员工工作状态判断的方法，其特征在于：在S2步骤中，所述违规动作包括抽烟、玩手机、睡觉、坐地上以及与顾客争辩，在S1步骤之前还包括：员工在上班时，首先穿戴好工作服，随后赶往工作区域，随后开始对员工进行监测。

3.根据权利要求1所述的景区员工工作状态判断的方法，其特征在于：在S2步骤中，所述YOLOv5算法中内置违规行为判定模型，其中违规行为判定模型的训练方法包括如下步骤：

首先获取员工违规动作图片素材，员工违规动作图片素材主要为员工正在抽烟、玩手机、睡觉、坐地上以及与顾客争辩的图片数据；

再通过Image Labeler应用将所述员工违规动作图片素材全部手动标记示出；

然后将Image Labeler应用标记出的参数导入到YOLOv5算法中进行训练，得到违规行为判定模型，并将违规行为判定模型内置YOLOv5算法内即可。

4.根据权利要求1所述的景区员工工作状态判断的方法，其特征在于：在S7步骤中，员工位置轨迹超出被分配的工作区域50m判定为脱岗，否则判定为定位误差。

5.根据权利要求1所述的景区员工工作状态判断的方法，其特征在于：在S5步骤中，所述心率异常的判定标准为：心率小于55或心率大于100。

6.根据权利要求1所述的景区员工工作状态判断的方法，其特征在于：在S3步骤中，若所述违规动作视频片段含有员工正脸图像，则获取正脸图像截图，随后提取景区内员工人脸图像集，再将所述正脸图像截图与所述员工人脸图像集进行查找对比，进而确定违规动作视频片段的身份；

若所述违规动作视频片段中不存在员工正脸图像，则获取员工衣服后二维码图像数据，并识别所述二维码图像数据从而读取员工身份，进而确定违规动作视频片段的员工身份。

7.根据权利要求6所述的景区员工工作状态判断的方法，其特征在于：所述正脸图像截图的清晰度若无法满足人脸识别条件，则采用图像超分辨率重建方法进行处理，从而得到高分辨率图像。