本申请提供了一种基于机器学习的企业员工疲劳监测方法，通过采集员工办公图像信息，并基于所述办公图像数据间隔预设帧数进行抽帧处理，以及对所述图像信息进行图像增强处理，以得到疲劳检测数据帧集；将所述疲劳检测数据帧集输入至所述YOLOv5网络模型中进行推理，得到至少一人的轮廓信息并标记出轮廓识别矩形框，基于所述轮廓信息确定多个人体关键点信息；基于所述多个人体关键点信息确定至少三个目标关键点的关联状态，以及持续时间；当所述至少三个目标关键点的关联状态满足一定条件时，且超过预设持续时间时，则将所述待处理的疲劳检测数据帧标记为存在疲劳工作行为数据帧。加强了判断员工是否猝死的监测预警措施，缩短了疑似猝死员工被发现的时间。缩短了疑似猝死员工被发现的时间。缩短了疑似猝死员工被发现的时间。
【技术实现步骤摘要】
一种基于机器学习的企业员工疲劳监测方法和装置
[0001]本申请涉及企业健康管理
，尤其涉及一种基于机器学习的企业员工疲劳监测方法和装置。
技术介绍
[0002]随着人们生活水平的提高，人们不再需要长时间从事体力劳动，伴随来的是坐在办公环境里的非体力劳动的工作。而过高的工作压力正一步步的蚕食着员工的心理及身体健康，工作人员常常都是一坐一天，越来越多的人处于一个长期疲劳的工作状态，很多年轻人因此患上颈椎病、腰肌劳损、下肢静脉栓塞、甚至猝死等因为久坐导致的疾病。例如，在银行柜台上班的职员，在岗期间，几乎所有的时间都坐在柜台前接待顾客，即便身体已经处在极不舒服的状态，也还需要坚守岗位。
[0003]研究表明过高的工作强度会对员工的工作效率形成负面影响，易在团队中引发职业倦怠、造成员工猝死率上升、为体弱员工带来重病的患病风险。员工在工作中获重大疾病时，企业可能会面临着人员的流失，增加企业招聘成本，企业的赔偿等一系列结果。此外，在个人健康越来越受到重视的今天，如果能第一时间发现突发疾病，将能为个人争取到最宝贵的时间。
[0004]现有市面上的疲劳监测措施都是通过便携穿戴设备来实现人体健康的监测，这种方法适用于需要对每个人都佩戴穿戴设备，但是不适用于大众场景，没有普遍性。因此，提供一种基于企业员工的疲劳监测方法，以期能够辅助企业更好的节省了解员工身心状态的时间与成本，在降低企业用工风险的同时，增加从健康角度管理人力资源的维度，有针对性地进行数据分析与制定调整方案。助力企业打造有特色的健康文化，保障员工身心状态处于健康水平，提高企业生产效能、雇主品牌与员工幸福指数，就成为本领域技术人员亟待解决的技术问题。
技术实现思路
[0005]本申请提供了一种基于机器学习的企业员工疲劳监测方法和装置，提高了对员工疲劳监测的方法，有助于提升突发情况的应对效率。
[0006]第一方面，本申请实施例提供一种基于机器学习的企业员工疲劳监测方法，其特征在于，包括：
[0007]通过图像采集运算装置采集员工办公图像信息，并基于所述办公图像数据间隔预设帧数进行抽帧处理，以及对所述图像信息进行至少旋转、拉伸、剪切、平移、翻转和增减亮度、对比度、锐度、噪声的图像增强处理，以得到疲劳检测数据帧集；
[0008]将所述疲劳检测数据帧集输入至所述YOLOv5网络模型中进行推理，得到至少一人的轮廓信息并标记出轮廓识别矩形框，基于所述轮廓信息确定多个人体关键点信息；
[0009]基于所述多个人体关键点信息确定至少三个目标关键点的关联状态，以及持续时间；
[0010]当所述至少三个目标关键点的关联状态满足第一条件和第二条件时，且超过预设持续时间时，则将所述待处理的疲劳检测数据帧标记为存在疲劳工作行为数据帧。
[0011]可选的，像信息进行至少旋转、拉伸、剪切、平移、翻转和增减亮度、对比度、锐度、噪声的图像增强处理,具体包括：
[0012]新建一帧缓存区以接收特效数据，并创建一图像锐化器，以对其进行图像增强处理，得到具有特效的图像数据。
[0013]可选的，所述基于所述办公图像数据间隔预设帧数进行抽帧处理和图像增强以得到疲劳检测数据帧集，具体包括：
[0014]将所述轮廓识别矩形框中的图像调整为标准尺寸[H
v
,W
v
]后，进行归一化提取；
[0015]基于嵌入式稀疏性特征选择策略确定候选者，并提取与所述轮廓识别矩形框中的图像和所述候选者向对应的特征参数，其中，所述候选者宽度和高度分别是所述标准尺寸的1/2；
[0016]将调整后的矩形输入到残差神经网络中，得到并标记出至少一人的轮廓信息。
[0017]可选的，在所述基于嵌入式稀疏性特征选择策略确定候选者，并提取与所述轮廓识别矩形框中的图像和所述候选者向对应的特征参数，其中，所述候选者宽度和高度分别是所述标准尺寸的1/2之后，所述方法还包括：
[0018]基于嵌入式稀疏性特征选择策略，选出几个大小为[H
p
,W
p
]＝[H
v
/2,W
v
/2]的候选者，并从所述员工办公图像信息上统一提取的特征中抽取相应的特征vp。
[0019]可选的，所述基于所述多个人体关键点信息确定至少三个目标关键点的关联状态，以及持续时间，具体包括：
[0020]选定多个指定关键点，所述指定关键点至少包括肩部关键点、肘部关键点、腕部关键点，或者，腰部关键点、膝关节关键点以及踝关节关键点，当所述指定关键点在图像中的位置与预设位置或者关联关键点的角度超过预设置信度时，确定运动目标在图像中的状态出现异常。
[0021]可选的，判断所述指定关键点在图像中的位置与预设位置或者关联关键点的角度是否超过预设置信度的第一条件为：
[0022]if((y1
location
<100)and(y2
location
<100)
ꢀꢀꢀ
(1)
[0023]可选的，判断所述指定关键点在图像中的位置与预设位置或者关联关键点的角度是否超过预设置信度的第二条件为：
[0024]langle＝calculate_angle(l
hip
,l
knee
,l
heel
)
ꢀꢀꢀ
(2)
[0025]如果第一条件和条件第二全部满足，则判断员工为躺下状态，则启动计时器，计算员工躺下的持续时长。
[0026]第二方面，本申请提供一种图像采集运算设备，包括图像采集模块、第一处理模块、第二处理模块、编码模块和标记模块，其中，所述图像采集运算设备与办公大厅的显示器相连接；其中，
[0027]所述图像采集模块，用户采集图像数据流，并将采集的图像数据流分别输出至第一处理模块和第二处理模块；
[0028]所述第一处理模块，用于对接收的图像数据流进入图像增强进行处理，传输至编码模块；
[0029]所述第二处理模块，用于对接收的图像数据流进行处理，以识别图像中的运动目标，并确定运动目标的位置信息，将运动目标的位置信息输出至标记模块，将所述目标位置标记出来在传输给显示器显示。
[0030]所述编码模块，用于对从所述第一处理模块接收的图像数据进行编码，并传输至显示器上呈现预览数据。
[0031]第三方面，本申请提供一种基于机器学习的企业员工疲劳监测装置，包括：
[0032]训练图像加工模块，通过图像采集运算装置采集员工办公图像信息，并基于所述办公图像数据间隔预设帧数进行抽帧处理，以及对所述图像信息进行至少旋转、拉伸、剪切、平移、翻转和增减亮度、对比度、锐度、噪声的图像增强处理，以得到疲劳检测数据帧集；
[0033]轮廓标记模块，将所述疲劳检测数据帧集输入至所述YOLOv5网络模型中进行推理，得到至少一人的轮廓信息并标记出轮廓识别矩形框，本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于机器学习的企业员工疲劳监测方法，其特征在于，包括：通过图像采集运算装置采集员工办公图像信息，并基于所述办公图像数据间隔预设帧数进行抽帧处理，以及对所述图像信息进行至少旋转、拉伸、剪切、平移、翻转和增减亮度、对比度、锐度、噪声的图像增强处理，以得到疲劳检测数据帧集；将所述疲劳检测数据帧集输入至所述YOLOv5网络模型中进行推理，得到至少一人的轮廓信息并标记出轮廓识别矩形框，基于所述轮廓信息确定多个人体关键点信息；基于所述多个人体关键点信息确定至少三个目标关键点的关联状态，以及持续时间；当所述至少三个目标关键点的关联状态满足第一条件和第二条件时，且超过预设持续时间时，则将所述待处理的疲劳检测数据帧标记为存在疲劳工作行为数据帧。2.如权利要求1所述的企业员工疲劳监测方法，其特征在于，所述对所述图像信息进行至少旋转、拉伸、剪切、平移、翻转和增减亮度、对比度、锐度、噪声的图像增强处理,具体包括：新建一帧缓存区以接收特效数据，并创建一图像锐化器，以对其进行图像增强处理，得到具有特效的图像数据。3.如权利要求1所述的企业员工疲劳监测方法，其特征在于，所述基于所述办公图像数据间隔预设帧数进行抽帧处理和图像增强以得到疲劳检测数据帧集，具体包括：将所述轮廓识别矩形框中的图像调整为标准尺寸[H
v
,W
v
]后，进行归一化提取；基于嵌入式稀疏性特征选择策略确定候选者，并提取与所述轮廓识别矩形框中的图像和所述候选者向对应的特征参数，其中，所述候选者宽度和高度分别是所述标准尺寸的1/2；将调整后的矩形输入到残差神经网络中，得到并标记出至少一人的轮廓信息。4.如权利要求3所述的企业员工疲劳监测方法，其特征在于，在所述基于嵌入式稀疏性特征选择策略确定候选者，并提取与所述轮廓识别矩形框中的图像和所述候选者向对应的特征参数，其中，所述候选者宽度和高度分别是所述标准尺寸的1/2之后，所述方法还包括：基于嵌入式稀疏性特征选择策略，选出几个大小为[H
p
,W
p
]＝[H
v
/2,W
v
/2]的候选者，并从所述员工办公图像信息上统一提取的特征中抽取相应的特征vp。5.如权利要求1所述的企业员工疲劳监测方法，其特征在于，所述基于所述多个人体关键点信息确定至少三个目标关键点的关联状态，以及持续时间，具体包括：选定多个指定关键点，所述指定关键点至少包括肩部关键点、肘部关键点、腕部关键点，或者，腰部关键点、膝关节关键点以及踝关节关键点，当所述指定关键点在图像中的位置与预设位置或者关联关键点的角度超过预设置信度时，确定运动目标在图像中的状态出现异常。6.如权利要求5所述的企业...
【专利技术属性】
技术研发人员：孙浩鑫，
申请(专利权)人：平安银行股份有限公司，
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。