本申请实施例提供一种工作强度确定方法、装置及电子设备，其中，能够对获取到的预设工作时段的视频帧序列进行同一对象的对象检测和跟踪，将每个轨迹信息对应的对象分别作为第一对象，从第一对象的轨迹信息对应的各个对象检测框中提取人体姿态信息，基于人体姿态信息获取手臂运动的目标时间段；从目标时间段对应的视频帧序列中提取第一对象的关联时序特征和空间特征；基于关联时序特征和空间特征确定第一对象的工作强度，本发明专利技术基于视频帧进行工作强度计算，保证了工作强度计算的准确性，另外，不需要工作人员进行员工工作强度的判别，一定程度上降低了人力成本。一定程度上降低了人力成本。一定程度上降低了人力成本。
【技术实现步骤摘要】
工作强度确定方法、装置及电子设备
[0001]本专利技术涉及计算机
，尤其是涉及一种工作强度确定方法、装置及电子设备。
技术介绍
[0002]人员工作强度量化管理是现代工厂人员管理中非常重要的一个环节，实际生产产线中人员的工作强度过大或过小一方面会影响生产效率，另一方面可能会影响产品质量甚至会因为强度过大而导致严重的生产事故。
[0003]目前主要识别员工工作强度的方法主要还是靠员工自身情况进行报备或相关工作分配人员依据历史经验进行判别；上述判别的方式很难结合实际情况实时的对工人工作强度进行判别，所以，容易因工作分配不均造成员工身体疲劳、工作效率低下等问题的出现。
技术实现思路
[0004]有鉴于此，本专利技术的目的在于提供一种工作强度确定方法、装置及电子设备，以缓解上述技术问题。
[0005]第一方面，本专利技术实施例提供了一种工作强度确定方法，其中，该方法包括：获取预设工作时段的视频帧序列；对视频帧序列进行对象检测和跟踪，得到标注有对象检测框的视频帧和同一对象的轨迹信息；其中，轨迹信息为包含相同对象检测框标识的视频帧子序列；将每条轨迹信息对应的对象分别作为第一对象，对于每个第一对象均执行以下操作：从第一对象的轨迹信息对应的各个对象检测框中提取人体姿态信息；基于人体姿态信息获取手臂运动的目标时间段；从目标时间段对应的第一视频帧子序列中提取第一对象的关联时序特征和空间特征；基于关联时序特征和空间特征确定第一对象的工作强度。
[0006]结合第一方面，本专利技术实施例提供了第一方面的第一种可能的实施方式，其中，对视频帧序列进行对象检测和跟踪，得到标注有对象检测框的视频帧和同一对象的轨迹信息的步骤，包括：通过预先训练好的检测模型对视频帧序列进行对象检测，得到标注有对象检测框的视频帧；对每个视频帧进行跟踪，得到同一对象的轨迹信息。
[0007]结合第一方面，本专利技术实施例提供了第一方面的第二种可能的实施方式，其中，基于人体姿态信息获取手臂运动的目标时间段的步骤，包括：将预设工作时段均分成多个时间段；将每个时间段分别作为第一时间段，对于每个第一时间段均执行以下操作：在第一时间段对应的第二视频帧子序列中，基于人体姿态信息计算相邻两个视频帧中第一对象对应的手臂运动幅值；如果手臂运动幅值超过预设幅值阈值，确定相邻两个视频帧为有效视频帧；统计有效视频帧的帧数；如果有效视频帧的帧数超过预设帧数阈值，确定第一时间段为目标时间段。
[0008]结合第一方面的第二种可能的实施方式，本专利技术实施例提供了第一方面的第三种可能的实施方式，其中，人体姿态信息包括手臂距离人体的角度信息和距离信息；基于人体
姿态信息计算相邻两个视频帧中第一对象对应的手臂运动幅值的步骤包括：计算相邻两个视频帧中第一对象对应的角度信息的角度差值；计算相邻两个视频帧中第一对象对应的距离信息的距离差值；将角度差值和距离差值作为相邻两个视频帧中第一对象对应的手臂运动幅值。
[0009]结合第一方面，本专利技术实施例提供了第一方面的第四种可能的实施方式，其中，从目标时间段对应的第一视频帧子序列中提取第一对象的关联时序特征和空间特征的步骤，包括：利用预先训练好的第一提取模型对目标时间段对应的视频帧序列中进行人体姿态信息的相关程度的特征提取，得到关联时序特征；利用预先训练好的第二提取模型对目标时间段对应的视频帧序列中进行人体姿态信息的空间特征提取，得到空间特征。
[0010]结合第一方面，本专利技术实施例提供了第一方面的第五种可能的实施方式，其中，基于关联时序特征和空间特征确定第一对象的工作强度的步骤，包括：将关联时序特征和空间特征进行加权计算得到目标特征；将目标特征输入至预先训练好的工作强度分类模型中，通过工作强度分类模型计算目标时间段对应的工作强度分值，其中，工作强度分类模型为通过目标特征对神经网络训练得到的分类模型；基于工作强度分值确定第一对象的工作强度。
[0011]结合第一方面的第五种可能的实施方式，本专利技术实施例提供了第一方面的第六种可能的实施方式，其中，基于工作强度分值确定第一对象的工作强度的步骤，包括：如果确定出一个目标时间段，基于目标时间段对应的工作强度分值确定第一对象的工作强度；如果确定出多个目标时间段，则将多个目标时间段分别对应的工作强度分值进行加权计算得到计算结果，基于计算结果确定第一对象的工作强度。
[0012]第二方面，本专利技术实施例还提供一种工作强度确定装置，其中，该装置包括：第一获取模块，用于获取预设工作时段的视频帧序列；检测跟踪模块，用于对视频帧序列进行对象检测和跟踪，得到标注有对象检测框的视频帧和同一对象的轨迹信息；其中，轨迹信息为包含相同对象检测框标识的视频帧子序列；执行模块，用于将每条轨迹信息对应的对象分别作为第一对象，对于每个第一对象均执行以下操作：第一提取模块，用于从第一对象的轨迹信息对应的各个对象检测框中提取人体姿态信息；第二获取模块，用于基于人体姿态信息获取手臂运动的目标时间段；第二提取模块，用于从目标时间段对应的第一视频帧子序列中提取第一对象的关联时序特征和空间特征；确定模块，用于基于关联时序特征和空间特征确定第一对象的工作强度。
[0013]第三方面，本专利技术实施例还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，处理器执行计算机程序时实现上述工作强度确定方法的步骤。
[0014]第四方面，本专利技术实施例还提供一种计算机可读存储介质，其中，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行上述工作强度确定方法的步骤。
[0015]本专利技术实施例带来了以下有益效果：
[0016]本申请实施例提供一种工作强度确定方法、装置及电子设备，其中，能够对获取到的预设工作时段的视频帧序列进行同一对象的对象检测和跟踪，将每个轨迹信息对应的对象分别作为第一对象，从第一对象的轨迹信息对应的各个对象检测框中提取人体姿态信
息，基于人体姿态信息获取手臂运动的目标时间段；从目标时间段对应的视频帧序列中提取第一对象的关联时序特征和空间特征；基于关联时序特征和空间特征确定第一对象的工作强度，本专利技术基于视频帧进行工作强度计算，保证了工作强度计算的准确性，另外，部分或者完全替代工作人员进行员工工作强度的判别，一定程度上降低了人力成本。
[0017]本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
[0018]为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
[0019]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种工作强度确定方法，其特征在于，所述方法包括：获取预设工作时段的视频帧序列；对所述视频帧序列进行对象检测和跟踪，得到标注有对象检测框的视频帧和同一对象的轨迹信息；其中，所述轨迹信息为包含相同对象检测框标识的视频帧子序列；将每条所述轨迹信息对应的对象分别作为第一对象，对于每个所述第一对象均执行以下操作：从所述第一对象的轨迹信息对应的各个对象检测框中提取人体姿态信息；基于所述人体姿态信息获取手臂运动的目标时间段；从所述目标时间段对应的第一视频帧子序列中提取所述第一对象的关联时序特征和空间特征；基于所述关联时序特征和空间特征确定所述第一对象的工作强度。2.根据权利要求1所述的方法，其特征在于，所述对所述视频帧序列进行对象检测和跟踪，得到标注有对象检测框的视频帧和同一对象的轨迹信息的步骤，包括：通过预先训练好的检测模型对所述视频帧序列进行所述对象检测，得到标注有对象检测框的视频帧；对每个所述视频帧进行跟踪，得到同一对象的轨迹信息。3.根据权利要求1所述的方法，其特征在于，基于所述人体姿态信息获取手臂运动的目标时间段的步骤，包括：将所述预设工作时段均分成多个时间段；将每个所述时间段分别作为第一时间段，对于每个所述第一时间段均执行以下操作：在所述第一时间段对应的第二视频帧子序列中，基于所述人体姿态信息计算相邻两个视频帧中所述第一对象对应的手臂运动幅值；如果所述手臂运动幅值超过预设幅值阈值，确定所述相邻两个视频帧为有效视频帧；统计所述有效视频帧的帧数；如果所述有效视频帧的帧数超过预设帧数阈值，确定所述第一时间段为目标时间段。4.根据权利要求3所述的方法，其特征在于，所述人体姿态信息包括手臂距离人体的角度信息和距离信息；基于所述人体姿态信息计算相邻两个视频帧中所述第一对象对应的手臂运动幅值的步骤包括：计算相邻两个视频帧中所述第一对象对应的角度信息的角度差值；计算相邻两个视频帧中所述第一对象对应的距离信息的距离差值；将所述角度差值和所述距离差值作为相邻两个视频帧中所述第一对象对应的手臂运动幅值。5.根据权利要求1所述的方法，其特征在于，从所述目标时间段对应的第一视频帧子序列中提取所述第一对象的关联时序特征和空间特征的步骤，包括：利用预先训练好的第一提取模型对所述目标时间段对应的视频帧序列中进行所述人体姿态信息的相关程度的特征提取，得到所述关联时序特征；利...
【专利技术属性】
技术研发人员：曹恩华，沈飞，代晴华，
申请(专利权)人：盛景智能科技嘉兴有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。