【技术实现步骤摘要】
基于深度学习的工作质量分析方法
[0001]本专利技术涉及大数据分析处理的
，特别涉及基于深度学习的工作质量分析方法。
技术介绍
[0002]现有企业对员工的工作质量的评价都是根据工作完成量和客户反馈等硬性机械指标来实现，或者根据上级领导对员工的主观观察考核来实现。上述两种工作质量的评价方式无法根据员工的实际工作情况进行弹性灵活化的评价，也无法针对员工自身的实际工作心情和实际工作时间等一系列员工工作过程中的主观和客观因素进行有针对性的评价，从而降低企业对员工进行评价的效率和可靠性。
技术实现思路
[0003]针对现有技术存在的缺陷，本专利技术提供基于深度学习的工作质量分析方法，其采集和分析所有员工在办公场所的活动视频，得到所有员工的工作状态子视频，并对工作状态子视频进行识别处理，得到所有员工在办公场所的主观心情状态变化数据，以此确定每个员工的工作质量优劣指数，从而对所有员工进行工作表现的分类处理；再根据每个员工的工作质量优劣指数以及每个员工的工作任务完成数据，控制每个员工的工作终端设备的提醒消息发送状态...
【技术保护点】
【技术特征摘要】
1.基于深度学习的工作质量分析方法，其特征在于，其包括如下步骤：步骤S1，采集所有员工在办公场所的活动视频，并将所述活动视频按照不同场所位置存储在区块链中；对所述活动视频进行区分处理，得到所有员工的工作状态子视频；步骤S2，对所述工作状态子视频进行识别处理，得到所有员工在办公场所的主观心情状态变化数据；再根据所述主观心情状态变化数据，确定每个员工的工作质量优劣指数，从而对所有员工进行工作表现的分类处理；步骤S3，根据每个员工的工作质量优劣指数以及每个员工的工作任务完成数据，控制每个员工的工作终端设备的提醒消息发送状态；再根据上述分类处理的结果，调整属于不同类别的员工的工作终端设备发送提醒消息的发送形式。2.如权利要求1所述的基于深度学习的工作质量分析方法，其特征在于：在所述步骤S1中，采集所有员工在办公场所的活动视频，并将所述活动视频按照不同场所位置存储在区块链中具体包括：对所有员工在办公场所的活动状态进行跟踪拍摄，得到关于所有员工的活动视频；识别所述活动视频包含每帧图片的背景图像内容，根据所述背景图像内容，确定每帧图片所属的办公场所的场所位置，再将所述活动视频划分为属于不同场所位置拍摄得到的活动子视频以及将每个活动子视频分组存储在区块链中。3.如权利要求2所述的基于深度学习的工作质量分析方法，其特征在于：在所述步骤S1中，对所述活动视频进行区分处理，得到所有员工的工作状态子视频具体包括：判断所述活动子视频的背景图像内容对应场所位置属于工作场所区域还是休息场所区域；若属于工作场所区域，则将对应的活动子视频作为所述工作状态视频；若属于休息场所区域，则不将对应的活动子视频作为所述工作状态视频。4.如权利要求1所述的基于深度学习的工作质量分析方法，其特征在于：在所述步骤S2中，对所述工作状态子视频进行识别处理，得到所有员工在工作场所的主观心情状态变化数据具体包括：从所述工作状态子视频中截取得到每个员工的脸部图片，对所述脸部图片进行五官动作深度学习分析处理，从而确定每个员工的工作心情量化值；利用下面公式(1)，根据所述工作心情量化值，确定每个员工的工作心情对应的当日时间轴数组，以及利用下面公式(2)，确定每个员工的时间工作时间对应的当日时间轴数组，并将每个员工的工作心情对应的当日时间轴数组以及每个员工的时间工作时间对应的当日时间轴数组共同作为每个员工在工作场所的主观心情状态变化数据，G
e
＝{t
e_1
,t
e_2
,
…
,t
e_8
}
ꢀꢀ
(2)在上述公式(1)和(2)中，H
e
表示第e个员工的工作心情对应的当日时间轴数组；t0表示所有员工规定上班开始时刻；T表示所述五官动作深度学习分析处理进行一次所需的时间；F
e
(t0+aT)表示t0+aT时刻确定第e个员工的工作心情量化值，当第e个员工在t0+aT时刻处于心情愉悦状态，则工作心情量化值为3，当第e个员工在t0+aT时刻处于心情平静状态或无法识别心情状态，则工作心情量化值为2，当第e个员工在t0+aT时刻处于心情悲伤状态，则工作心情量化值为1，a表示预设整数常数；n1表示在员工开始工作的第1个小时内进行五官动
作深度学习分析处理的总次数；n2,n3,
…
n...
【专利技术属性】
技术研发人员：兰雨晴，唐霆岳，余丹，邢智涣，王丹星，黄永琢，
申请(专利权)人：慧之安信息技术股份有限公司，
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。