CN113850836B - 基于行为轨迹的员工行为识别方法、装置、设备及介质 - Google Patents
基于行为轨迹的员工行为识别方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN113850836B CN113850836B CN202111150070.1A CN202111150070A CN113850836B CN 113850836 B CN113850836 B CN 113850836B CN 202111150070 A CN202111150070 A CN 202111150070A CN 113850836 B CN113850836 B CN 113850836B
- Authority
- CN
- China
- Prior art keywords
- employee
- staff
- internal
- external
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000033001 locomotion Effects 0.000 claims abstract description 137
- 238000001514 detection method Methods 0.000 claims abstract description 18
- 230000006399 behavior Effects 0.000 claims description 72
- 230000006870 function Effects 0.000 claims description 57
- 238000005070 sampling Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 12
- 230000004913 activation Effects 0.000 claims description 9
- 238000011176 pooling Methods 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000006073 displacement reaction Methods 0.000 claims description 5
- 230000004927 fusion Effects 0.000 claims description 4
- 238000012706 support-vector machine Methods 0.000 abstract description 15
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000004080 punching Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Abstract
本发明涉及人工智能领域,揭露一种基于行为轨迹的员工行为识别方法,包括:利用人脸识别模型识别员工人像图片;若确定员工人像图片为内部员工图像时,生成内部员工运动轨迹,并检测内部员工的违规情况;若确定员工人像图片为外部员工图像时,生成外部员工运动轨迹;若外部员工没有陪同员工图像,得到外部员工的违规信息;若有陪同员工图像,将陪同员工运动轨迹和外部员工运动轨迹输入至支持向量机模型,得到陪同员工和外部员工之间的距离,并检测外部员工的违规情况。本发明还涉及一种区块链技术,违规信息可以存储在区块链节点中。本发明还提出一种基于行为轨迹的员工行为识别装置、设备以及介质。本发明可以提高员工违规情况检测的准确性。
Description
技术领域
本发明涉及人工智能领域,尤其涉及一种基于行为轨迹的员工行为识别方法、装置、电子设备及可存储介质。
背景技术
随着移动互联网的发展,大多企业内部的操作间进出都需要进行人脸识别,但是由于企业内部分为内部员工和外部员工,内部员工和外部员工可能因不同行为存在违规情况。例如,内部员工进入操作间时未打卡,尾随其他员工进入操作间,则违规,而外部员工没有门禁权限需内部员工陪同,且进入操作间后外部员工与内部员工之间有距离限制相隔太远,则违规。现有技术中,仅通过人脸识别无法准确识别员工在工作中是否存在违规情况,为工作区域带来较大的安全隐患。
发明内容
本发明提供一种基于行为轨迹的员工行为识别方法、装置、电子设备及计算机介质,其主要目的是为了提高员工违规情况检测的准确性。
为实现上述目的,本发明提供的一种基于行为轨迹的员工行为识别方法,包括:
获取待识别员工图片,利用预构建的人脸识别模型对所述待识别员工图片进行识别,得到员工人像图片;
判断所述员工人像图片与预设的内部员工人脸库是否匹配一致;
若所述员工人像图片与所述内部员工人脸库匹配一致,确定所述员工人像图片为内部员工图像,获取所述员工人像图片的轨迹坐标,根据所述轨迹坐标生成内部员工运动轨迹,根据所述内部员工运动轨迹确定所述待识别员工图片对应的内部员工的违规情况;
若所述员工人像图片与所述内部员工人脸库匹配不一致,确定所述员工人像图片为外部员工图像,获取所述员工人像图片的轨迹坐标,根据轨迹坐标生成外部员工运动轨迹;
判断所述员工人像图片中是否有陪同员工图像;
若所述员工人像图片中没有所述陪同员工图像,则输出外部员工违规的信息;
若所述员工人像图片中有所述陪同员工图像,则获取陪同员工运动轨迹,并将所述陪同员工运动轨迹和所述外部员工运动轨迹输入至预设的支持向量机模型,得到陪同员工与外部员工之间的距离,根据所述陪同员工与外部员工之间的距离确定所述外部员工的违规情况。
可选地,所述根据所述轨迹坐标生成内部员工运动轨迹,包括:
获取拍摄所述待识别员工图片的多个摄像机的位置坐标,连接所述位置坐标,得到多个所述摄像机相关联的路径轨迹;
将所述轨迹坐标与所述路径轨迹进行融合,得到多个所述摄像机和所述轨迹坐标的融合轨迹;
根据所述融合轨迹确定内部员工图像的实时位置信息,并根据所述实时位置信息生成所述内部员工运动轨迹。
可选地,所述获取所述员工人像图片的轨迹坐标,包括:
获取拍摄所述待识别员工图片的多个摄像机布局在室内的位置信息;
获取所述内部员工图像的定位信息;
根据所述位置信息和所述定位信息,得到所述内部员工图像的轨迹坐标。
可选地,所述将所述陪同员工运动轨迹和所述外部员工运动轨迹输入至预设的支持向量机模型,得到陪同员工与外部员工之间的距离,包括:
将所述陪同员工运动轨迹和所述外部员工运动轨迹映射至多维坐标中,得到运动轨迹坐标集;
根据所述运动轨迹坐标集构建多个超平面函数;
利用预设的几何间隔确定多个所述超平面函数中的两个平行超平面函数,对所述两个平行超平面函数进行公式转换得到约束条件;
利用所述拉格朗日数乘法将所述约束条件转化为无约束条件,对所述无约束条件进行运算得到所述两个平行超平面函数中的最优超平面;
利用所述最优超平面计算所述陪同员工运动轨迹和所述外部员工运动轨迹,得到陪同员工与外部员工之间的距离。
可选地,所述最优超平面通过下述公式得到:
f(x)=(wtx+b)
其中,所述f(x)表示最优超平面函数,wt为运动轨迹坐标集,x为陪同员工与外部员工之间的距离,b为实数位移项。
可选地,所述判断所述员工人像图片与预设的内部员工人脸库是否匹配一致,包括:
获取所述员工图像对应的员工标识,将所述员工人像图片及对应的员工标识与预设的内部员工人脸库进行匹配,得到匹配数值,若所述匹配数值小于预设阈值,则确定所述员工人像图片与所述内部员工人脸库匹配不一致,若所述匹配数值大于或等于预设阈值,则确定所述员工人像图片与所述内部员工人脸库匹配一致。
可选地,所述利用预构建的人脸识别模型对所述待识别员工图片进行识别,得到员工人像图片,包括:
利用所述人脸识别模型中的卷积池化层对所述待识别员工图片进行特征提取,得到特征图;
利用所述人脸识别模型中的上采样层对所述特征图进行上采样,得到特征采样图;
利用所述人脸识别模型中的全连接层将所述特征采样图和所述特征图进行拼接,得到拼接图片;
利用所述人脸识别模型中的激活函数输出所述拼接图片,得到员工人像图片。
为了解决上述问题,本发明还提供一种基于行为轨迹的员工行为识别装置,所述装置包括:
人脸识别模块,用于获取待识别员工图片,利用预构建的人脸识别模型对所述待识别员工图片进行识别,得到员工人像图片;
员工匹配模块,用于判断所述员工人像图片与预设的内部员工人脸库是否匹配一致;
内部员工违规检测模块,用于若所述员工人像图片与所述内部员工人脸库匹配一致,确定所述员工人像图片为内部员工图像,获取所述员工人像图片的轨迹坐标,根据所述轨迹坐标生成内部员工运动轨迹,根据所述内部员工运动轨迹确定所述待识别员工图片对应的内部员工的违规情况;
外部员工轨迹生成模块,用于若所述员工人像图片与所述内部员工人脸库匹配不一致,确定所述员工人像图片为外部员工图像,获取所述员工人像图片的轨迹坐标,根据轨迹坐标生成外部员工运动轨迹;
陪同员工判断模块,用于判断所述员工人像图片中是否有陪同员工图像;
外部员工违规检测模块,用于若所述员工人像图片中没有所述陪同员工图像,则输出外部员工违规的信息,若所述员工人像图片中有所述陪同员工图像,则获取陪同员工运动轨迹,并将所述陪同员工运动轨迹和所述外部员工运动轨迹输入至预设的支持向量机模型,得到陪同员工与外部员工之间的距离,根据所述陪同员工与外部员工之间的距离确定所述外部员工的违规情况。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
存储器,存储至少一个计算机程序;及
处理器,执行所述存储器中存储的计算机程序以实现上述所述的基于行为轨迹的员工行为识别方法。
为了解决上述问题,本发明还提供一种计算机介质,所述计算机介质中存储有至少一个计算机程序,所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于行为轨迹的员工行为识别方法。
本发明实施例中,首先利用预构建的人脸识别模型对待识别员工图片进行识别,得到员工人像图片;其次,根据员工人像图片的轨迹坐标生成内部员工运动轨迹,并根据内部员工运动轨迹判别内部员工的违规行为;进而通过识别外部员工是否有陪同员工导致的违规以及利用支持向量机模型计算陪同员工与外部员工之间的距离,并根据陪同员工和外部员工之间的距离范围判别外部员工的违规行为,可以解决无法准确识别员工在工作中是否存在违规情况的问题,降低工作区域的安全隐患问题,提高员工违规情况检测的准确性。因此本发明实施例提出的基于行为轨迹的员工行为识别方法、装置、电子设备及可存储介质可以提高员工违规情况检测的准确性。
附图说明
图1为本发明一实施例提供的基于行为轨迹的员工行为识别方法的流程示意图;
图2为本发明一实施例提供的基于行为轨迹的员工行为识别装置的模块示意图;
图3为本发明一实施例提供的实现基于行为轨迹的员工行为识别方法的电子设备的内部结构示意图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例提供一种基于行为轨迹的员工行为识别方法。所述基于行为轨迹的员工行为识别方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述基于行为轨迹的员工行为识别方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。
参照图1所示的本发明一实施例提供的基于行为轨迹的员工行为识别方法的流程示意图,在本发明实施例中,所述基于行为轨迹的员工行为识别方法包括:
S1、获取待识别员工图片,利用预构建的人脸识别模型对所述待识别员工图片进行识别,得到员工人像图片。
本发明实施例中,所述待识别员工图片是包含员工人像图片的待识别图片,所述待识别员工图片可以通过摄像头拍摄的包括员工人像的图片中获取。所述员工人像图片是识别到的包含员工人像的图片。
本发明实施例中,利用预构建的人脸识别模型对所述待识别员工图片进行识别之前,可以先对所述待识别员工图片进行预处理,可以避免由于采集环境的不同(如光照明暗程度及设备性能的优劣等),造成的存在灰度、噪点及对比度不够等缺点,以及避免由于距离远近,焦距大小的不同造成的人像在整幅图像中间的大小和位置不确定的问题,所以通过对图像进行预处理,可以提高人像图片中人像的大小、位置及人像图片质量的一致性。
本发明实施例中,利用预构建的人脸识别模型对所述待识别员工图片进行特征提取,得到所述待识别员工图片的人像特征,从而输出识别到员工人像的员工人像图片。其中,所述人脸识别模型包括:卷积池化层、上采样层、全连接层和激活函数。
详细地,所述利用预构建的人脸识别模型对所述待识别员工图片进行识别,得到员工人像图片,包括:
利用所述人脸识别模型中的卷积池化层对所述待识别员工图片进行特征提取,得到特征图;
利用所述人脸识别模型中的上采样层对所述特征图进行上采样,得到特征采样图;
利用所述人脸识别模型中的全连接层将所述特征采样图和所述特征图进行拼接,得到拼接图片;
利用所述人脸识别模型中的激活函数输出所述拼接图片,得到员工人像图片。
本发明实施例中,上采样是指将所述特征图采样到指定分辨率大小,比如一张(416,416,3)的待识别员工图像经过一系列卷积池化操作后,得到一个(13,13,16)的特征图,为了把这个特征图和对应的待识别员工图像进行比较,需要将这个特征图变成(416,416,3)大小,该过程就称为上采样。
进一步地,为了更好地了解所述特征采样图的特征语义信息,可以将所述特征采样图和所述特征图进行拼接,得到拼接图像。
本发明一可选实施例中,所述上采样可以通过当前已知的线性插值算法实现,所述拼接可以通过当前已知的拼接算法实现,如Surf(Speeded Up Robust Features)算法,所述激活函数可以为ReLU函数,可以激活拼接拼接图片,得到最终包含员工人像的员工人像图片。
S2、判断所述员工人像图片与预设的内部员工人脸库是否匹配一致。
本发明实施例中,所述内部员工人脸库是根据内部员工标识构建的人脸库,其中所述内部员工标识包括:内部员工ID和内部员工人脸。
详细地,所述判断所述员工人像图片与预设的内部员工人脸库是否匹配一致,包括:
获取所述员工图像对应的员工标识,将所述员工人像图片及对应的员工标识与预设的内部员工人脸库进行匹配,得到匹配数值,若所述匹配数值小于预设阈值,则确定所述员工人像图片与所述内部员工人脸库匹配不一致,若所述匹配数值大于或等于预设阈值,则确定所述员工人像图片与所述内部员工人脸库匹配一致。
本发明实施例中,所述匹配数值是员工人像图片及对应的员工ID与所述内部员工人脸库进行匹配所得的匹配值。
S3、若所述员工人像图片与所述内部员工人脸库匹配一致,确定所述员工人像图片为内部员工图像,获取所述员工人像图片的轨迹坐标,根据所述轨迹坐标生成内部员工运动轨迹,根据所述内部员工运动轨迹确定所述待识别员工图片对应的内部员工的违规情况。
本发明实施例中,所述若所述员工人像图片与所述内部员工人脸库匹配一致,确定所述员工人像图片为内部员工图像,包括:将上述匹配数值与预设阈值进行比较,若所述匹配数值大于或等于预设阈值,则所述员工人像图片与所述内部员工人脸库匹配一致,确定所述员工人像图片为内部员工图像。
本发明一实施例中,若所述匹配数值为0.95大于所述预设阈值0.9,且所述员工标识与所述内部员工人脸库匹配一致,则可以将所述员工人像图片识别为内部员工图片。
本发明实施例中,所述内部员工图形的轨迹坐标是通过布局的多个摄像机识别所述内部员工图像,并进行追踪定位,及通过多个摄像机在室内的位置信息确定所述内部员工图像的轨迹坐标。
详细地,所述获取所述员工人像图片的轨迹坐标,包括:
获取拍摄所述待识别员工图片的多个摄像机布局在室内的位置信息;
获取所述内部员工图像的定位信息;
根据所述位置信息和所述定位信息,得到所述内部员工图像的轨迹坐标。
本发明一实施例中,所述内部员工图像的定位信息可通过多个摄像机布局在室内的位置信息以及多个摄像机的拍摄区域进行所述内部员工图像的定位。
本发明实施例中,为了提高所述轨迹坐标的准确度,还可以预设不同的摄像机的拍摄区域、该拍摄区域的坐标以及拍摄区域中标志物的坐标,结合上述标志物坐标、多个摄像机的坐标、以及所述内部员工图像的定位信息确定所述内部员工图像的轨迹坐标。
详细地,所述根据所述轨迹坐标生成内部员工运动轨迹,包括:
获取拍摄所述待识别员工图片的多个摄像机的位置坐标,连接所述位置坐标,得到多个所述摄像机相关联的路径轨迹;
将所述轨迹坐标与所述路径轨迹进行融合,得到多个所述摄像机和所述轨迹坐标的融合轨迹;
根据所述融合轨迹确定内部员工图像的实时位置信息,并根据所述实时位置信息生成所述内部员工运动轨迹。
本发明实施例中,所述内部员工的违规情况主要是指内部员工进入操作间时未打卡,通过尾随其他员工进入操作间。
本发明一可选实施例中,通过查询预设的员工运动轨迹库中是否包括所述内部员工运动轨迹,若不包括所述内部员工运动轨迹,则该内部员工则进入操作间未到六分钟,获取门禁信息,将内部员工ID与门禁信息进行匹配,若内部员工ID与门禁信息匹配一致,则所述内部员工已打卡,未存在违规行为,若所述内部员工ID与门禁信息匹配不一致,则所述内部员工未打卡,存在尾随其他员工进入操作间的违规行为。
S4、若所述员工人像图片与所述内部员工人脸库匹配不一致,确定所述员工人像图片为外部员工图像,获取所述员工人像图片的轨迹坐标,根据轨迹坐标生成外部员工运动轨迹。
本发明实施例中,所述若所述员工人像图片与所述外部员工人脸库匹配一致,确定所述员工人像图片为外部员工图像,包括:将上述匹配数值与预设阈值进行比较,若所述匹配数值小于预设阈值,则所述员工人像图片与所述内部员工人脸库匹配不一致,确定所述员工人像图片为外部员工图像。
本发明一可选实施例中,所述获取所述外部员工图像的轨迹坐标,根据轨迹坐标生成外部员工运动轨迹的方法与S3中获取所述内部员工图像的轨迹坐标,根据轨迹坐标生成内部员工运动轨迹的方法类似,故此不再赘述。
S5、判断所述员工人像图片中是否有陪同员工图像。
本发明实施例中,外部员工进出操作间时需要内部员工的陪同,且所述外部员工进入操作间时与陪同员工的距离不能超过3米,超过3米则违规。
本发明一实施例中,可以通过预设的操作间进出门禁工单查询外部员工ID对应的内部员工ID,获取门禁信息,可以通过判断所述门禁信息是否包括陪同员工ID以及利用预设的门岗摄像头获取的图像判断是否包括陪同员工图像来判断所述外部员工图像是否有陪同员工图像。
S6、若所述员工人像图片中没有所述陪同员工图像,则输出外部员工违规的信息。
本发明实施例中,若门禁信息中不包括陪同员工ID,则得到所述外部员工的违规信息,若门禁信息中包括陪同员工ID,则利用预设的门禁摄像头获取的图像进行特征提取,未提取到陪同员工图像,也可得到所述外部员工的违规信息。
本发明一实施例中,通过判断所述门禁信息中是否有所述陪同员工ID,进一步地,对陪同员工进行人脸识别是为了避免外部员工在进入操作间时,内部员工自身利用自己的ID以及所述陪同员工ID进行门禁打卡,但实际上只有外部员工进入操作间的情况。
S7、若所述员工人像图片中有所述陪同员工图像,则获取陪同员工运动轨迹,并将所述陪同员工运动轨迹和所述外部员工运动轨迹输入至预设的支持向量机模型,得到陪同员工与外部员工之间的距离,根据所述陪同员工与外部员工之间的距离确定所述外部员工的违规情况。
本发明实施例中,所述若所述员工人像图片有所述陪同员工图像,则获取陪同员工运动轨迹的方法与S3中获取所述员工人像图片的轨迹坐标,根据所述轨迹坐标生成内部员工运动轨迹的方法类似,故此不再赘述。
本发明实施例中,所述支持向量机的工作原理是通过所述陪同员工运动轨迹和所述外部员工运动轨迹映射至多维坐标中构建多个超平面函数,并选取多个超平面函数中的最优超平面,从而根据所述最优超平面得到陪同员工和外部员工的距离。
详细地,所述将所述陪同员工运动轨迹和所述外部员工运动轨迹输入至预设的支持向量机模型,得到陪同员工与外部员工之间的距离,包括:
将所述陪同员工运动轨迹和所述外部员工运动轨迹映射至多维坐标中,得到运动轨迹坐标集;
根据所述运动轨迹坐标集构建多个超平面函数;
利用预设的几何间隔确定多个所述超平面函数中的两个平行超平面函数,对所述两个平行超平面函数进行公式转换得到约束条件;
利用所述拉格朗日数乘法将所述约束条件转化为无约束条件,对所述无约束条件进行运算得到所述两个平行超平面函数中的最优超平面;
利用所述最优超平面计算所述陪同员工运动轨迹和所述外部员工运动轨迹,得到陪同员工与外部员工之间的距离。
本发明实施例中,所述两个平行超平面函数之间的最大距离就是最大化间隔,根据所述最大化间隔可以得到约束条件;所述约束条件是指在一个有限的空间里,找到目标函数的最优值;所述最优超平面将外部人员运动轨迹坐标子集以及陪同人员运动轨迹坐标子集进行分割的平面,其中,运动轨迹坐标集包括:外部人员运动轨迹坐标子集以及陪同人员运动轨迹坐标子集。进一步地,所述最优超平面通过下述公式得到:
f(x)=(wtx+b)
其中,所述f(x)表示最优超平面函数,wt为运动轨迹坐标集,x为陪同员工与外部员工之间的距离,b为实数位移项。
本发明一可选实施例中,所述陪同员工运动轨迹和所述外部员工运动轨迹可每间隔5秒分别采样12组运动轨迹集,利用所述最优超平面计算12组运动轨迹集,得到多组陪同员工与外部员工之间的距离,本发明中若12组运动轨迹集的距离都未超过3米,则外部员工未违规,但只要存在一组运动轨迹集的的距离超过3米,则外部员工存在内部员工未近距离陪同的违规信息。
本发明实施例中,得到所述外部员工违规信息与内部员工违规信息后,会对违规员工进行警告处理,防止违规事件发生,进一步保护员工安全。
本发明实施例中,首先利用预构建的人脸识别模型对待识别员工图片进行识别,得到员工人像图片;其次,根据员工人像图片的轨迹坐标生成内部员工运动轨迹,并根据内部员工运动轨迹判别内部员工的违规行为;进而通过识别外部员工是否有陪同员工导致的违规以及利用支持向量机模型计算陪同员工与外部员工之间的距离,并根据陪同员工和外部员工之间的距离范围判别外部员工的违规行为,可以解决无法准确识别员工在工作中是否存在违规情况的问题,降低工作区域的安全隐患问题,提高员工违规情况检测的准确性。因此本发明实施例提出的基于行为轨迹的员工行为识别方法可以提高员工违规情况检测的准确性。
如图2所示,是本发明基于行为轨迹的员工行为识别装置的功能模块图。
本发明所述基于行为轨迹的员工行为识别装置100可以安装于电子设备中。根据实现的功能,所述基于行为轨迹的员工行为识别装置可以包括人脸识别模块101、员工匹配模块102、内部员工违规检测模块103、外部员工轨迹生成模块104、陪同员工判断模块105、外部员工违规检测模块106,本发所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述人脸识别模块101,用于获取待识别员工图片,利用预构建的人脸识别模型对所述待识别员工图片进行识别,得到员工人像图片。
本发明实施例中,所述待识别员工图片是包含员工人像图片的待识别图片,所述待识别员工图片可以通过摄像头拍摄的包括员工人像的图片中获取。所述员工人像图片是识别到的包含员工人像的图片。
本发明实施例中,利用预构建的人脸识别模型对所述待识别员工图片进行识别之前,可以先对所述待识别员工图片进行预处理,可以避免由于采集环境的不同(如光照明暗程度及设备性能的优劣等),造成的存在灰度、噪点及对比度不够等缺点,以及避免由于距离远近,焦距大小的不同造成的人像在整幅图像中间的大小和位置不确定的问题,所以通过对图像进行预处理,可以提高人像图片中人像的大小、位置及人像图片质量的一致性。
本发明实施例中,利用预构建的人脸识别模型对所述待识别员工图片进行特征提取,得到所述待识别员工图片的人像特征,从而输出识别到员工人像的员工人像图片。其中,所述人脸识别模型包括:卷积池化层、上采样层、全连接层和激活函数。
详细地,所述人脸识别模块101通过执行下述操作利用预构建的人脸识别模型对所述待识别员工图片进行识别,得到员工人像图片,包括:
利用所述人脸识别模型中的卷积池化层对所述待识别员工图片进行特征提取,得到特征图;
利用所述人脸识别模型中的上采样层对所述特征图进行上采样,得到特征采样图;
利用所述人脸识别模型中的全连接层将所述特征采样图和所述特征图进行拼接,得到拼接图片;
利用所述人脸识别模型中的激活函数输出所述拼接图片,得到员工人像图片。
本发明实施例中,上采样是指将所述特征图采样到指定分辨率大小,比如一张(416,416,3)的待识别员工图像经过一系列卷积池化操作后,得到一个(13,13,16)的特征图,为了把这个特征图和对应的待识别员工图像进行比较,需要将这个特征图变成(416,416,3)大小,该过程就称为上采样。进一步地,为了更好地了解所述特征采样图的特征语义信息,可以将所述特征采样图和所述特征图进行拼接,得到拼接图像。
本发明一可选实施例中,所述上采样可以通过当前已知的线性插值算法实现,所述拼接可以通过当前已知的拼接算法实现,如Surf(Speeded Up Robust Features)算法,所述激活函数可以为ReLU函数,可以激活拼接拼接图片,得到最终包含员工人像的员工人像图片。
所述员工匹配模块102,用于判断所述员工人像图片与预设的内部员工人脸库是否匹配一致。
本发明实施例中,所述内部员工人脸库是根据内部员工标识构建的人脸库,其中所述内部员工标识包括:内部员工ID和内部员工人脸。
详细地,所述员工匹配模块102通过执行下述操作判断所述员工人像图片与预设的内部员工人脸库是否匹配一致,包括:
获取所述员工图像对应的员工标识,将所述员工人像图片及对应的员工标识与预设的内部员工人脸库进行匹配,得到匹配数值,若所述匹配数值小于预设阈值,则确定所述员工人像图片与所述内部员工人脸库匹配不一致,若所述匹配数值大于或等于预设阈值,则确定所述员工人像图片与所述内部员工人脸库匹配一致。
本发明实施例中,所述匹配数值是员工人像图片及对应的员工ID与所述内部员工人脸库进行匹配所得的匹配值。
所述内部员工违规检测模块103,用于若所述员工人像图片与所述内部员工人脸库匹配一致,确定所述员工人像图片为内部员工图像,获取所述员工人像图片的轨迹坐标,根据所述轨迹坐标生成内部员工运动轨迹,根据所述内部员工运动轨迹确定所述待识别员工图片对应的内部员工的违规情况。
本发明实施例中,所述若所述员工人像图片与所述内部员工人脸库匹配一致,确定所述员工人像图片为内部员工图像,包括:将上述匹配数值与预设阈值进行比较,若所述匹配数值大于或等于预设阈值,则所述员工人像图片与所述内部员工人脸库匹配一致,确定所述员工人像图片为内部员工图像。
本发明一实施例中,若所述匹配数值为0.95大于所述预设阈值0.9,且所述员工标识与所述内部员工人脸库匹配一致,则可以将所述员工人像图片识别为内部员工图片。
本发明实施例中,所述内部员工图形的轨迹坐标是通过布局的多个摄像机识别所述内部员工图像,并进行追踪定位,及通过多个摄像机在室内的位置信息确定所述内部员工图像的轨迹坐标。
详细地,所述内部员工违规检测模块103通过执行下述操作获取所述员工人像图片的轨迹坐标,包括:
获取拍摄所述待识别员工图片的多个摄像机布局在室内的位置信息;
获取所述内部员工图像的定位信息;
根据所述位置信息和所述定位信息,得到所述内部员工图像的轨迹坐标。
本发明一实施例中,所述内部员工图像的定位信息可通过多个摄像机布局在室内的位置信息以及多个摄像机的拍摄区域进行所述内部员工图像的定位。
本发明实施例中,为了提高所述轨迹坐标的准确度,还可以预设不同的摄像机的拍摄区域、该拍摄区域的坐标以及拍摄区域中标志物的坐标,结合上述标志物坐标、多个摄像机的坐标、以及所述内部员工图像的定位信息确定所述内部员工图像的轨迹坐标。
详细地,所述内部员工违规检测模块103通过执行下述操作根据所述轨迹坐标生成内部员工运动轨迹,包括:
获取拍摄所述待识别员工图片的多个摄像机的位置坐标,连接所述位置坐标,得到多个所述摄像机相关联的路径轨迹;
将所述轨迹坐标与所述路径轨迹进行融合,得到多个所述摄像机和所述轨迹坐标的融合轨迹;
根据所述融合轨迹确定内部员工图像的实时位置信息,并根据所述实时位置信息生成所述内部员工运动轨迹。
本发明实施例中,所述内部员工的违规情况主要是指内部员工进入操作间时未打卡,通过尾随其他员工进入操作间。
本发明一可选实施例中,通过查询预设的员工运动轨迹库中是否包括所述内部员工运动轨迹,若不包括所述内部员工运动轨迹,则该内部员工则进入操作间未到六分钟,获取门禁信息,将内部员工ID与门禁信息进行匹配,若内部员工ID与门禁信息匹配一致,则所述内部员工已打卡,未存在违规行为,若所述内部员工ID与门禁信息匹配不一致,则所述内部员工未打卡,存在尾随其他员工进入操作间的违规行为。
所述外部员工轨迹生成模块104,用于若所述员工人像图片与所述内部员工人脸库匹配不一致,确定所述员工人像图片为外部员工图像,获取所述员工人像图片的轨迹坐标,根据轨迹坐标生成外部员工运动轨迹。
本发明实施例中,所述若所述员工人像图片与所述外部员工人脸库匹配一致,确定所述员工人像图片为外部员工图像,包括:将上述匹配数值与预设阈值进行比较,若所述匹配数值小于预设阈值,则所述员工人像图片与所述内部员工人脸库匹配不一致,确定所述员工人像图片为外部员工图像。
本发明一可选实施例中,所述获取所述外部员工图像的轨迹坐标,根据轨迹坐标生成外部员工运动轨迹的方法与前述获取所述内部员工图像的轨迹坐标,根据轨迹坐标生成内部员工运动轨迹的方法类似,故此不再赘述。
所述陪同员工判断模块105,用于判断所述员工人像图片中是否有陪同员工图像。
本发明实施例中,外部员工进出操作间时需要内部员工的陪同,且所述外部员工进入操作间时与陪同员工的距离不能超过3米,超过3米则违规。
本发明一实施例中,可以通过预设的操作间进出门禁工单查询外部员工ID对应的内部员工ID,获取门禁信息,可以通过判断所述门禁信息是否包括陪同员工ID以及利用预设的门岗摄像头获取的图像判断是否包括陪同员工图像来判断所述外部员工图像是否有陪同员工图像。
所述外部员工违规检测模块106,用于若所述员工人像图片中没有所述陪同员工图像,则输出外部员工违规的信息,若所述员工人像图片中有所述陪同员工图像,则获取陪同员工运动轨迹,并将所述陪同员工运动轨迹和所述外部员工运动轨迹输入至预设的支持向量机模型,得到陪同员工与外部员工之间的距离,根据所述陪同员工与外部员工之间的距离确定所述外部员工的违规情况。
本发明实施例中,若门禁信息中不包括陪同员工ID,则得到所述外部员工的违规信息,若门禁信息中包括陪同员工ID,则利用预设的门禁摄像头获取的图像进行特征提取,未提取到陪同员工图像,也可得到所述外部员工的违规信息。
本发明一实施例中,通过判断所述门禁信息中是否有所述陪同员工ID,进一步地,对陪同员工进行人脸识别是为了避免外部员工在进入操作间时,内部员工自身利用自己的ID以及所述陪同员工ID进行门禁打卡,但实际上只有外部员工进入操作间的情况。
本发明实施例中,所述若所述员工人像图片有所述陪同员工图像,则获取陪同员工运动轨迹的方法与前述获取所述员工人像图片的轨迹坐标,根据所述轨迹坐标生成内部员工运动轨迹的方法类似,故此不再赘述。
本发明实施例中,所述支持向量机的工作原理是通过所述陪同员工运动轨迹和所述外部员工运动轨迹映射至多维坐标中构建多个超平面函数,并选取多个超平面函数中的最优超平面,从而根据所述最优超平面得到陪同员工和外部员工的距离。
详细地,所述外部员工违规检测模块106通过执行下述操作将所述陪同员工运动轨迹和所述外部员工运动轨迹输入至预设的支持向量机模型,得到陪同员工与外部员工之间的距离,包括:
将所述陪同员工运动轨迹和所述外部员工运动轨迹映射至多维坐标中,得到运动轨迹坐标集;
根据所述运动轨迹坐标集构建多个超平面函数;
利用预设的几何间隔确定多个所述超平面函数中的两个平行超平面函数,对所述两个平行超平面函数进行公式转换得到约束条件;
利用所述拉格朗日数乘法将所述约束条件转化为无约束条件,对所述无约束条件进行运算得到所述两个平行超平面函数中的最优超平面;
利用所述最优超平面计算所述陪同员工运动轨迹和所述外部员工运动轨迹,得到陪同员工与外部员工之间的距离。
本发明实施例中,所述两个平行超平面函数之间的最大距离就是最大化间隔,根据所述最大化间隔可以得到约束条件;所述约束条件是指在一个有限的空间里,找到目标函数的最优值;所述最优超平面将外部人员运动轨迹坐标子集以及陪同人员运动轨迹坐标子集进行分割的平面,其中,运动轨迹坐标集包括:外部人员运动轨迹坐标子集以及陪同人员运动轨迹坐标子集。进一步地,所述最优超平面通过下述公式得到:
f(x)=(wtx+b)
其中,所述f(x)表示最优超平面函数,wt为运动轨迹坐标集,x为陪同员工与外部员工之间的距离,b为实数位移项。
本发明一可选实施例中,所述陪同员工运动轨迹和所述外部员工运动轨迹可每间隔5秒分别采样12组运动轨迹集,利用所述最优超平面计算12组运动轨迹集,得到多组陪同员工与外部员工之间的距离,本发明中若12组运动轨迹集的距离都未超过3米,则外部员工未违规,但只要存在一组运动轨迹集的的距离超过3米,则外部员工存在内部员工未近距离陪同的违规信息。
本发明实施例中,得到所述外部员工违规信息与内部员工违规信息后,会对违规员工进行警告处理,防止违规事件发生,进一步保护员工安全。
本发明实施例中,首先利用预构建的人脸识别模型对待识别员工图片进行识别,得到员工人像图片;其次,根据员工人像图片的轨迹坐标生成内部员工运动轨迹,并根据内部员工运动轨迹判别内部员工的违规行为;进而通过识别外部员工是否有陪同员工导致的违规以及利用支持向量机模型计算陪同员工与外部员工之间的距离,并根据陪同员工和外部员工之间的距离范围判别外部员工的违规行为,可以解决无法准确识别员工在工作中是否存在违规情况的问题,降低工作区域的安全隐患问题,提高员工违规情况检测的准确性。因此本发明实施例提出的基于行为轨迹的员工行为识别装置可以提高员工违规情况检测的准确性。
如图3所示,是本发明实现基于行为轨迹的员工行为识别方法的电子设备的结构示意图。
所述电子设备可以包括处理器10、存储器11、通信总线12和通信接口13,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如基于行为轨迹的员工行为识别程序。
其中,所述存储器11至少包括一种类型的介质,所述介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、本地磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元,例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备,例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据,例如基于行为轨迹的员工行为识别程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如基于行为轨迹的员工行为识别程序等),以及调用存储在所述存储器11内的数据,以执行电子设备的各种功能和处理数据。
所述通信总线12可以是外设部件互连标准(perIPheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述通信总线12总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
图3仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图3示出的结构并不构成对所述电子设备的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
可选地,所述通信接口13可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备与其他电子设备之间建立通信连接。
可选地,所述通信接口13还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备中的所述存储器11存储的基于行为轨迹的员工行为识别程序是多个计算机程序的组合,在所述处理器10中运行时,可以实现:
获取待识别员工图片,利用预构建的人脸识别模型对所述待识别员工图片进行识别,得到员工人像图片;
判断所述员工人像图片与预设的内部员工人脸库是否匹配一致;
若所述员工人像图片与所述内部员工人脸库匹配一致,确定所述员工人像图片为内部员工图像,获取所述员工人像图片的轨迹坐标,根据所述轨迹坐标生成内部员工运动轨迹,根据所述内部员工运动轨迹确定所述待识别员工图片对应的内部员工的违规情况;
若所述员工人像图片与所述内部员工人脸库匹配不一致,确定所述员工人像图片为外部员工图像,获取所述员工人像图片的轨迹坐标,根据轨迹坐标生成外部员工运动轨迹;
判断所述员工人像图片中是否有陪同员工图像;
若所述员工人像图片中没有所述陪同员工图像,则输出外部员工违规的信息;
若所述员工人像图片中有所述陪同员工图像,则获取陪同员工运动轨迹,并将所述陪同员工运动轨迹和所述外部员工运动轨迹输入至预设的支持向量机模型,得到陪同员工与外部员工之间的距离,根据所述陪同员工与外部员工之间的距离确定所述外部员工的违规情况。
具体地,所述处理器10对上述计算机程序的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取介质中。所述计算机可读介质可以是非易失性的,也可以是易失性的。所述计算机可读介质可以包括:能够携待所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明实施例还可以提供一种计算机介质,所述介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
获取待识别员工图片,利用预构建的人脸识别模型对所述待识别员工图片进行识别,得到员工人像图片;
判断所述员工人像图片与预设的内部员工人脸库是否匹配一致;
若所述员工人像图片与所述内部员工人脸库匹配一致,确定所述员工人像图片为内部员工图像,获取所述员工人像图片的轨迹坐标,根据所述轨迹坐标生成内部员工运动轨迹,根据所述内部员工运动轨迹确定所述待识别员工图片对应的内部员工的违规情况;
若所述员工人像图片与所述内部员工人脸库匹配不一致,确定所述员工人像图片为外部员工图像,获取所述员工人像图片的轨迹坐标,根据轨迹坐标生成外部员工运动轨迹;
判断所述员工人像图片中是否有陪同员工图像;
若所述员工人像图片中没有所述陪同员工图像,则输出外部员工违规的信息;
若所述员工人像图片中有所述陪同员工图像,则获取陪同员工运动轨迹,并将所述陪同员工运动轨迹和所述外部员工运动轨迹输入至预设的支持向量机模型,得到陪同员工与外部员工之间的距离,根据所述陪同员工与外部员工之间的距离确定所述外部员工的违规情况。
进一步地,所述计算机可用介质可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序等;存储数据区可存储根据区块链节点的使用所创建的数据等。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。***权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (8)
1.一种基于行为轨迹的员工行为识别方法,其特征在于,所述方法包括:
获取待识别员工图片,利用预构建的人脸识别模型对所述待识别员工图片进行识别,得到员工人像图片;
判断所述员工人像图片与预设的内部员工人脸库是否匹配一致;
若所述员工人像图片与所述内部员工人脸库匹配一致,确定所述员工人像图片为内部员工图像,获取所述员工人像图片的轨迹坐标,根据所述轨迹坐标生成内部员工运动轨迹,根据所述内部员工运动轨迹确定所述待识别员工图片对应的内部员工的违规情况;
若所述员工人像图片与所述内部员工人脸库匹配不一致,确定所述员工人像图片为外部员工图像,获取所述员工人像图片的轨迹坐标,根据轨迹坐标生成外部员工运动轨迹;
判断所述员工人像图片中是否有陪同员工图像;
若所述员工人像图片中没有所述陪同员工图像,则输出外部员工违规的信息;
若所述员工人像图片中有所述陪同员工图像,则获取陪同员工运动轨迹,并将所述陪同员工运动轨迹和所述外部员工运动轨迹映射至多维坐标中,得到运动轨迹坐标集,根据所述运动轨迹坐标集构建多个超平面函数,利用预设的几何间隔确定多个所述超平面函数中的两个平行超平面函数,对所述两个平行超平面函数进行公式转换得到约束条件,利用拉格朗日数乘法将所述约束条件转化为无约束条件,对所述无约束条件进行运算得到所述两个平行超平面函数中的最优超平面,利用所述最优超平面计算所述陪同员工运动轨迹和所述外部员工运动轨迹,得到陪同员工与外部员工之间的距离,根据所述陪同员工与外部员工之间的距离确定所述外部员工的违规情况,其中,所述最优超平面通过下述公式得到:
f(x)=(wtx+b)
其中, f(x)表示最优超平面函数,wt为运动轨迹坐标集,x为陪同员工与外部员工之间的距离,b为实数位移项。
2.如权利要求1所述的基于行为轨迹的员工行为识别方法,其特征在于,所述根据所述轨迹坐标生成内部员工运动轨迹,包括:
获取拍摄所述待识别员工图片的多个摄像机的位置坐标,连接所述位置坐标,得到多个所述摄像机相关联的路径轨迹;
将所述轨迹坐标与所述路径轨迹进行融合,得到多个所述摄像机和所述轨迹坐标的融合轨迹;
根据所述融合轨迹确定内部员工图像的实时位置信息,并根据所述实时位置信息生成所述内部员工运动轨迹。
3.如权利要求1所述的基于行为轨迹的员工行为识别方法,其特征在于,所述获取所述员工人像图片的轨迹坐标,包括:
获取拍摄所述待识别员工图片的多个摄像机布局在室内的位置信息;
获取所述内部员工图像的定位信息;
根据所述位置信息和所述定位信息,得到所述内部员工图像的轨迹坐标。
4.如权利要求1所述的基于行为轨迹的员工行为识别方法,其特征在于,所述判断所述员工人像图片与预设的内部员工人脸库是否匹配一致,包括:
获取所述员工图像对应的员工标识,将所述员工人像图片及对应的员工标识与预设的内部员工人脸库进行匹配,得到匹配数值,若所述匹配数值小于预设阈值,则确定所述员工人像图片与所述内部员工人脸库匹配不一致,若所述匹配数值大于或等于预设阈值,则确定所述员工人像图片与所述内部员工人脸库匹配一致。
5.如权利要求1至4中任一项所述的基于行为轨迹的员工行为识别方法,其特征在于,所述人脸识别模型包括:卷积池化层、上采样层、全连接层和激活函数,所述利用预构建的人脸识别模型对所述待识别员工图片进行识别,得到员工人像图片,包括:
利用所述人脸识别模型中的卷积池化层对所述待识别员工图片进行特征提取,得到特征图;
利用所述人脸识别模型中的上采样层对所述特征图进行上采样,得到特征采样图;
利用所述人脸识别模型中的全连接层将所述特征采样图和所述特征图进行拼接,得到拼接图片;
利用所述人脸识别模型中的激活函数输出所述拼接图片,得到员工人像图片。
6.一种基于行为轨迹的员工行为识别装置,其特征在于,所述装置包括:
人脸识别模块,用于获取待识别员工图片,利用预构建的人脸识别模型对所述待识别员工图片进行识别,得到员工人像图片;
员工匹配模块,用于判断所述员工人像图片与预设的内部员工人脸库是否匹配一致;
内部员工违规检测模块,用于若所述员工人像图片与所述内部员工人脸库匹配一致,确定所述员工人像图片为内部员工图像,获取所述员工人像图片的轨迹坐标,根据所述轨迹坐标生成内部员工运动轨迹,根据所述内部员工运动轨迹确定所述待识别员工图片对应的内部员工的违规情况;
外部员工轨迹生成模块,用于若所述员工人像图片与所述内部员工人脸库匹配不一致,确定所述员工人像图片为外部员工图像,获取所述员工人像图片的轨迹坐标,根据轨迹坐标生成外部员工运动轨迹;
陪同员工判断模块,用于判断所述员工人像图片中是否有陪同员工图像;
外部员工违规检测模块,用于若所述员工人像图片中没有所述陪同员工图像,则输出外部员工违规的信息,若所述员工人像图片中有所述陪同员工图像,则获取陪同员工运动轨迹,并将所述陪同员工运动轨迹和所述外部员工运动轨迹映射至多维坐标中,得到运动轨迹坐标集,根据所述运动轨迹坐标集构建多个超平面函数,利用预设的几何间隔确定多个所述超平面函数中的两个平行超平面函数,对所述两个平行超平面函数进行公式转换得到约束条件,利用拉格朗日数乘法将所述约束条件转化为无约束条件,对所述无约束条件进行运算得到所述两个平行超平面函数中的最优超平面,利用所述最优超平面计算所述陪同员工运动轨迹和所述外部员工运动轨迹,得到陪同员工与外部员工之间的距离,根据所述陪同员工与外部员工之间的距离确定所述外部员工的违规情况,其中,所述最优超平面通过下述公式得到:
f(x)=(wtx+b)
其中, f(x)表示最优超平面函数,wt为运动轨迹坐标集,x为陪同员工与外部员工之间的距离,b为实数位移项。
7.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序指令,所述计算机程序指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至5中任一项所述的基于行为轨迹的员工行为识别方法。
8.一种计算机介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的基于行为轨迹的员工行为识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111150070.1A CN113850836B (zh) | 2021-09-29 | 基于行为轨迹的员工行为识别方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111150070.1A CN113850836B (zh) | 2021-09-29 | 基于行为轨迹的员工行为识别方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113850836A CN113850836A (zh) | 2021-12-28 |
CN113850836B true CN113850836B (zh) | 2024-06-28 |
Family
ID=
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109145789A (zh) * | 2018-08-09 | 2019-01-04 | 炜呈智能电力科技(杭州)有限公司 | 供电***安全作业保障方法及*** |
CN113033392A (zh) * | 2021-03-24 | 2021-06-25 | 中国工商银行股份有限公司 | 基于数据机房场景下的人员距离确定方法及装置 |
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109145789A (zh) * | 2018-08-09 | 2019-01-04 | 炜呈智能电力科技(杭州)有限公司 | 供电***安全作业保障方法及*** |
CN113033392A (zh) * | 2021-03-24 | 2021-06-25 | 中国工商银行股份有限公司 | 基于数据机房场景下的人员距离确定方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112395978B (zh) | 行为检测方法、装置及计算机可读存储介质 | |
CN112052850B (zh) | 车牌识别方法、装置、电子设备及存储介质 | |
US20140328518A1 (en) | Methods, systems and processor-readable media for designing a license plate overlay decal having infrared annotation marks | |
CN113705462B (zh) | 人脸识别方法、装置、电子设备及计算机可读存储介质 | |
CN112396005A (zh) | 生物特征图像识别方法、装置、电子设备及可读存储介质 | |
CN114550076A (zh) | 区域异常行为监控方法、装置、设备及存储介质 | |
CN116468392A (zh) | 一种电网工程项目进度监控方法、装置、设备及存储介质 | |
CN111985449A (zh) | 救援现场图像的识别方法、装置、设备及计算机介质 | |
CN112528903B (zh) | 人脸图像获取方法、装置、电子设备及介质 | |
CN112906671B (zh) | 面审虚假图片识别方法、装置、电子设备及存储介质 | |
CN113723280A (zh) | 基于静态人脸的对抗样本检测方法、装置、设备、介质 | |
CN113850836B (zh) | 基于行为轨迹的员工行为识别方法、装置、设备及介质 | |
CN113869218B (zh) | 人脸活体检测方法、装置、电子设备及可读存储介质 | |
CN113221888B (zh) | 车牌号管理***测试方法、装置、电子设备及存储介质 | |
CN112434601B (zh) | 基于行车视频的车辆违法检测方法、装置、设备及介质 | |
CN112580505B (zh) | 网点开关门状态识别方法、装置、电子设备及存储介质 | |
CN113255456B (zh) | 非主动活体检测方法、装置、电子设备及存储介质 | |
CN115049836A (zh) | 图像分割方法、装置、设备及存储介质 | |
CN112581525B (zh) | 人体佩戴物品的状态检测方法、装置、设备及存储介质 | |
CN114390200A (zh) | 相机作弊识别方法、装置、设备及存储介质 | |
CN113128440A (zh) | 基于边缘设备的目标物识别方法、装置、设备及存储介质 | |
CN113850836A (zh) | 基于行为轨迹的员工行为识别方法、装置、设备及介质 | |
CN117333929B (zh) | 基于深度学习实现道路施工下的异常人员识别方法及*** | |
CN113887384B (zh) | 基于多轨迹融合的行人轨迹分析方法、装置、设备及介质 | |
CN113312409B (zh) | 任务监控方法、装置、电子设备及计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |