本发明专利技术提供一种景区员工工作状态判断的方法及装置，涉及工作状态判断技术领域，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。本发明专利技术通过YOLOv5算法来训练违规行为判定模型，YOLOv5算法具有准确率高和速度快的特点，可以准确的判定员工的行为特征，从而避免员工消极工作，同时在YOLOv5算法判定员工出现违规动作后，可及时通知监控台进行人工复核，从而避免YOLOv5算法判定时出现误差，同时还可以降低后台工作人员的工作负担。人员的工作负担。人员的工作负担。
【技术实现步骤摘要】
一种景区员工工作状态判断的方法及装置
[0001]本专利技术涉及工作状态判断
，尤其涉及一种景区员工工作状态判断的方法及装置。
技术介绍
[0002]目前在景区运营中，管理者难以全面实时掌握员工日常工作行为，员工日常的一些不规范行为往往会给景区带来景区资产、口碑名誉损失，增加景区运维管理成本，而现有技术往往只能够通过监控摄像头来对员工进行监控，但是这种方式往往需要配备多名监控人员进行实时监视，人力耗费较大，同时人工监视还容易存在漏判误判的问题，实用性较差，需要进行改进。
技术实现思路
[0003]本专利技术的目的是为了解决现有技术中存在的缺点，而提出的一种景区员工工作状态判断的方法及装置。
[0004]为了实现上述目的，本专利技术采用了如下技术方案：一种景区员工工作状态判断的方法，所述景区员工工作状态判断的方法包括如下步骤：
[0005]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；
[0006]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；
[0007]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；
[0008]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；
[0009]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；
[0010]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；
[0011]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。
[0012]为了准确定义违规动作，本专利技术改进有，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。
[0013]为了提高YOLOv5算法判定的准确性，本专利技术改进有，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：
[0014]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；
[0015]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；
[0016]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。
[0017]为了避免因定位误差而发生误判，本专利技术改进有，在S6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。
[0018]为了能够科学判断心率异常，本专利技术改进有，在S4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。
[0019]为了确定员工身份，本专利技术改进有，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；
[0020]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。
[0021]为了提高清晰度，本专利技术改进有，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。
[0022]为了有效提高图像的清晰度，本专利技术改进有，所述图像超分辨率重建方法包括如下步骤：
[0023]步骤一，首先将所述正脸图像截图导入ELM极限学习网络，得到正脸图像截图的特征点神经元值图；
[0024]步骤二，随后将所述特征点神经元值图降质至普通图像标准，得到低分辨率特征点神经元值图；
[0025]步骤三，然后将所述低分辨率特征点神经元值图导入卷积神经网络中进行重建，输出超分辨率图像，从而提高所述正脸图像截图的清晰度。
[0026]一种景区员工工作状态判断的装置，所述景区员工工作状态判断的装置包括：
[0027]数据存储单元，用于存储需要持久化保存的数据，例如音频数据、视频数据、打卡记录数据、员工体温数据、员工位置数据、健康数据，从而方便事后回溯查看员工的工作状况，同时方便后续统计；
[0028]无线通信单元，用于进行无线中继，使得各单元模块之间可以相互通信，相互传输数据，保证了各单元模块的通信质量；
[0029]行为分析单元，与所述数据存储单元相连接，内置采用YOLOv5算法的违规行为判定模型，违规行为判定模型用来判断员工的违规动作，这样可以对收到的视频数据进行标记和判定，同时存储被标记的视频数据到所述数据存储单元内，从而方便后续统计；
[0030]监控单元，与所述行为分析单元相连接，采用全景摄像头实时获取各个员工的工作视频数据，同时将所述视频数据传递给行为分析单元进行违规动作的判定，从而保证工
作效率；
[0031]位置定位单元，与所述数据存储单元相连接，内置GPS模块，员工需要随身携带所述位置定位单元，而所述位置定位单元则可以通过所述GPS模块获取员工当前位置，同时所述位置定位单元可以实时的将员工位置数据保存至数据存储单元；
[0032]监控台，与所述行为分析单元和监控单元相连接，用于随时监控员工的工作状态，同时通过所述行为分析单元可以辅助后台工作人员进行判断，从而提高后台工作人员的工作效率。
[0033]一种景区员工工作状态判断的装置，所述景区员工工作状态判断的装置还包括：
[0034]热成像测温仪，与所述数据存储单元和监控台相连接，用于对员工的体温进行实时监测，并将员工体温数据传入所述数据存储单元内进行持久化保存，同时在员工体温异常时，可以提醒监控台进行复核检查；
[0035]心率腕带，与所述数据存储单元相连接，所述心率腕带佩戴在员工手腕上，用于监测员工的心率状态，同时可以将健康数据存入数据存储单元内，这样可以方便判定员工的身本文档来自技高网...
【技术保护点】
【技术特征摘要】
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...
【专利技术属性】
技术研发人员：罗锐，王斯轶，李倩，
申请(专利权)人：重庆旅游云信息科技有限公司，
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。