[发明专利]一种基于深度学习的团队组建方法、系统、设备及介质

权利要求书

1.一种基于深度学习的团队组建方法，其特征在于，所述方法包括：

获取待匹配人员的视频数据；其中，所述视频数据是基于所述待匹配人员的创业活动拍摄的；

处理所述视频数据，并将所述视频数据输入预先训练的人体姿态识别模型中，从而得到匹配概率；

基于所述匹配概率，对所述待匹配人员进行打分；

根据打分结果，将所述待匹配人员组建为团队。

2.根据权利要求1所述的一种基于深度学习的团队组建方法，其特征在于，所述人体姿态识别模型的训练过程为：

获取训练样本；其中，所述训练样本中包含若干种人体的动作；

将所述训练样本通过BlazePose算法进行处理，从而得到人体的若干个2D关键身体点位信息；

将所述若干个2D关键身体点位信息，输入人体姿态识别模型中进行训练。

3.根据权利要求2所述的一种基于深度学习的团队组建方法，其特征在于，所述方法还包括：

将所述若干个2D关键身体点位信息通过Pr-VIPE算法，映射到具有视角不变的嵌入空间之中，得到正样例对损失函数；

基于所述正样例对损失函数，得到匹配概率。

4.根据权利要求1所述的一种基于深度学习的团队组建方法，其特征在于，所述基于所述匹配概率，对所述待匹配人员进行打分，具体为：

将所述待匹配人员进行分组，从而将每个待匹配人员都赋予身份标签；

基于所述匹配概率的大小，以及所述待匹配人员的身份标签，对每个待匹配人员的动作幅度进行打分。

5.根据权利要求4所述的一种基于深度学习的团队组建方法，其特征在于，对待匹配人员的动作幅度进行打分，具体为：

利用样本数据，结合CoVeR训练策略训练出浅层的动作模型；其中，所述动作模型用于对待匹配人员的动作幅度进行打分；

生成测试样本，对所述动作模型进行测试，从而得到满足要求的动作模型；

将待匹配人员的视频数据输入所述动作模型中，得到动作幅度得分。

6.根据权利要求1所述的一种基于深度学习的团队组建方法，其特征在于，在将所述待匹配人员组建为团队之前，所述方法还包括：

提取所述视频数据中的音频数据，训练CTC声学算法模型，并基于训练后的CTC声学算法模型得到不同音源之间的回答间隔，对回答时间间隔进行打分；以及，

基于EyeLoop方法识别所述视频数据中所有待匹配人员的眼球的转速与转向，并对眼动数据进行打分；

在所述打分结果中加入时间间隔权重得分以及眼动数据权重得分。

7.根据权利要求1所述的一种基于深度学习的团队组建方法，其特征在于，在所述获取待匹配人员的视频数据之前，所述方法还包括：

收集所有参与活动人员的基本信息；

基于SPSS数据分析方法，处理所述基本信息，得到所有参与活动人员的得分排序，并筛选出待匹配人员。

8.一种基于深度学习的团队组建系统，其特征在于，所述系统包括：

拍摄模块，用于获取待匹配人员的视频数据；其中，所述视频数据是基于所述待匹配人员的创业活动拍摄的；

识别模块，用于处理所述视频数据，并将所述视频数据输入预先训练的人体姿态识别模型中，从而得到匹配概率；

打分模块，用于基于所述匹配概率，对所述待匹配人员进行打分；

团队组建模块，用于根据打分结果，将所述待匹配人员组建为团队。