本发明专利技术提供了一种多信息融合的人员工作状态识别方法及系统，其方法包括：使用预设的三维时空卷积残差网络从检测人员的视频帧中提取面部表情特征向量和BVP信号；基于BVP信号计算检测人员的心率预测信号；将面部表情特征向量输入至预设的三维时空卷积残差网络中得到检测人员的血压预测信号；将所述视频帧输入至预设的基于注意力机制的连续维度情绪识别残差网络中，得到检测人员的情绪得分；使用PERCLOS算法和回归神经网络预测所述视频帧中检测人员的疲劳状态；结合检测人员的心率预测信号、血压预测信号、情绪得分和疲劳状态，预测检测人员的工作状态，生成识别结果；本发明专利技术适用于作业现场，并且能够简单快速、客观科学地判断检测人员的综合工作状态。
【技术实现步骤摘要】
本专利技术涉及图像识别，尤其涉及一种多信息融合的人员工作状态识别方法及系统。
技术介绍
1、随着对人体健康的关注，对工作人员工作状态的重视也得到日益增强。综合判断工作人员的工作状态，应该包含着生理、心理和情绪等不同方面的内容。
2、在风险较高的现场作业环境中，由于条件受限，作业负责人常使用口头咨询或者查阅工作人员的历史体检报告的方法来识别工作人员的工作状态。其中，口头咨询的方法存在着极大的主观偏差，工作人员未必能如实告知或准确判断真实的工作状态，从而导致工作状态识别结果的准确性低；查阅历史体检报告受时限限制大，且只能反映工作人员的生理状态，无法综合判断其心理状态和情绪稳定程度，从而导致工作状态识别结果单一，不具备信服力。
技术实现思路
1、本专利技术提供一种多信息融合的人员工作状态识别方法及系统，适用于作业现场，并且能够简单快速、客观科学地判断检测人员的综合工作状态。
2、为了解决上述技术问题，本专利技术提供了一种多信息融合的人员工作状态识别方法，包括：
>3、获取检测人员的本文档来自技高网...
【技术保护点】
1.一种多信息融合的人员工作状态识别方法，其特征在于，包括：
2.如权利要求1所述的一种多信息融合的人员工作状态识别方法，其特征在于，所述使用预设的三维时空卷积残差网络从所述视频帧中提取出面部表情特征向量和检测人员的BVP信号，具体为：
3.如权利要求1所述的一种多信息融合的人员工作状态识别方法，其特征在于，所述对所述BVP信号进行频域变换和取最大值处理，得到检测人员的心率预测信号，具体为：
4.如权利要求1所述的一种多信息融合的人员工作状态识别方法，其特征在于，所述将所述视频帧输入至预设的基于注意力机制的连续维度情绪识别残差网络中，得到检测人员的情绪...
【技术特征摘要】
1.一种多信息融合的人员工作状态识别方法，其特征在于，包括：
2.如权利要求1所述的一种多信息融合的人员工作状态识别方法，其特征在于，所述使用预设的三维时空卷积残差网络从所述视频帧中提取出面部表情特征向量和检测人员的bvp信号，具体为：
3.如权利要求1所述的一种多信息融合的人员工作状态识别方法，其特征在于，所述对所述bvp信号进行频域变换和取最大值处理，得到检测人员的心率预测信号，具体为：
4.如权利要求1所述的一种多信息融合的人员工作状态识别方法，其特征在于，所述将所述视频帧输入至预设的基于注意力机制的连续维度情绪识别残差网络中，得到检测人员的情绪得分，具体为：
5.如权利要求1所述的一种多信息融合的人员工作状态识别方法，其特征在于，所述使用perclos算法和回归神经网络预测所述视频帧中检测人员的疲劳得分，具体...
【专利技术属性】
技术研发人员：李华亮，林子悦，沈雅利，王琪如，熊超琳，
申请(专利权)人：广东电网有限责任公司，
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。