CN110969050A - 员工的工作状态检测方法、装置、存储介质、终端 - Google Patents
员工的工作状态检测方法、装置、存储介质、终端 Download PDFInfo
- Publication number
- CN110969050A CN110969050A CN201811147302.6A CN201811147302A CN110969050A CN 110969050 A CN110969050 A CN 110969050A CN 201811147302 A CN201811147302 A CN 201811147302A CN 110969050 A CN110969050 A CN 110969050A
- Authority
- CN
- China
- Prior art keywords
- preset
- employee
- staff
- working
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 12
- 238000010586 diagram Methods 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 5
- 238000013139 quantization Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000021152 breakfast Nutrition 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
- G06V20/42—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items of sport video content
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种员工的工作状态检测方法、装置、存储介质、终端。所述员工的工作状态检测方法包括:获取在员工的工作区域拍摄的图像;对所述图像进行识别,以统计所述图像中员工在预设时间区间内的运动状态信息;根据所述运动状态信息确定所述员工的工作效率。本发明技术方案可以准确地检测员工的工作状态。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种员工的工作状态检测方法、装置、存储介质、终端。
背景技术
为了合理安排门店(例如:餐厅或商场)内员工的数量和布局,通常需要对员工的工作效率进行统计,而员工的工作效率通常由员工的工作状态来间接的表现。现有技术中通常使用人力对员工的工作状态进行检测,例如:通过专门的人员观察门店内员工在工作区域内的表现(例如:和顾客的交流情况、在门店的走动情况等)以及员工在预设时间内(例如:一天内)所成交的下单量。
但是,利用人力进行员工工作状态的检测会产生较大的人力成本,而且不可避免的会掺杂主观的判断因素,造成对员工工作状态判断不准确,最终影响对员工工作效率的统计。
如何准确检测员工的工作状态是亟待解决的问题。
发明内容
本发明解决的技术问题是如何准确地检测员工的工作状态。
为解决上述技术问题,本发明实施例提供了一种员工的工作状态检测方法,包括:获取在员工的工作区域拍摄的图像;对所述图像进行识别,以统计所述图像中员工在预设时间区间内的运动状态信息;根据所述运动状态信息确定所述员工的工作效率。
可选的,所述运动状态信息包括移动轨迹,根据所述运动状态信息确定所述员工的工作效率包括:计算所述移动轨迹的总长度;将所述移动轨迹的总长度与预设长度进行对比,以确定所述员工的工作效率。
可选的,所述预设长度包括第一预设长度以及第二预设长度,其中,第一预设长度大于所述第二预设长度;将所述移动轨迹的总长度与预设长度进行对比,以确定所述员工的工作效率包括:若所述移动轨迹的总长度大于所述第一预设长度,则确定所述员工的工作效率为高等级;若所述移动轨迹的总长度在所述第一预设长度与第二预设长度之间,则确定所述员工的工作效率为中等级;若所述移动轨迹的总长度小于所述第二预设长度,则确定所述员工的工作效率为低等级。
可选的,所述运动状态信息包括预设动作的执行次数,通过如下方式统计所述图像中员工在预设时间区间内的运动状态信息:将所述员工执行的动作与预设动作进行对比,以确定所述员工在预设时间区间内预设动作的执行次数。
可选的,所述预设动作为与顾客的交谈动作。
可选的,根据所述运动状态信息确定所述员工的工作效率包括:计算所述预设动作的执行次数;将所述预设动作的执行次数与预设次数进行对比,以确定所述员工的工作效率。
可选的,所述预设次数包括第一预设次数以及第二预设次数,其中,第一预设次数大于所述第二预设次数;将所述预设动作的执行次数与预设次数进行对比,以确定所述员工的工作效率包括:若所述预设动作的执行次数大于所述第一预设次数,则确定所述员工的工作效率为高等级;若所述预设动作的执行次数在所述第一预设次数与第二预设次数之间,则确定所述员工的工作效率为中等级;若所述预设动作的执行次数小于所述第二预设次数,则确定所述员工的工作效率为低等级。
为解决上述技术问题,本发明实施例还提供了一种员工的工作状态检测装置,包括:图像获取模块,适于获取在员工的工作区域拍摄的图像;图像识别模块,适于对所述图像进行识别,以统计所述图像中员工在预设时间区间内的运动状态信息;工作效率确定模块,适于根据所述运动状态信息确定所述员工的工作效率。
为解决上述技术问题,本发明实施例还提供了一种存储介质,其上存储有计算机指令,所述计算机指令运行时执行所述的员工的工作状态检测方法的步骤。
为解决上述技术问题,本发明实施例还提供了一种终端,包括存储器和处理器,所述存储器上存储有能够在所述处理器上运行的计算机指令,所述处理器运行所述计算机指令时执行所述的员工的工作状态检测方法的步骤。
与现有技术相比,本发明实施例的技术方案具有以下有益效果:
本发明技术方案通过获取在员工的工作区域拍摄的图像;对所述图像进行识别,以统计所述图像中员工在预设时间区间内的运动状态信息;根据所述运动状态信息确定所述员工的工作效率。由此,可以有效降低在检测员工工作状态时的主观因素的影响,从而准确确定员工的工作效率。
进一步,本发明技术方案通过计算员工的移动轨迹的总长度,再将所述移动轨迹的总长度与预设长度进行对比,以确定所述员工的工作效率。由此,通过服务器计算出的移动轨迹的总长度来衡量工作效率,可以有效节约人力成本。
进一步,本发明技术方案通过计算员工做出的预设动作的执行次数,再将所述预设动作的执行次数与预设次数进行对比,以确定所述员工的工作效率。由此,可以进一步增加员工工作状态检测结果的准确性,使工作效率的统计结果更准确。
附图说明
图1是本发明实施例一种员工的工作状态检测方法的流程图;
图2是本发明实施例一种员工的工作状态检测装置的结构示意图;
图3是图2中第一对比子模块的结构示意图;
图4是本发明实施例另一种员工的工作状态检测装置的结构示意图;
图5是图4中第二对比子模块的结构示意图。
具体实施方式
本领域技术人员可以理解,现有技术中通常使用人力对员工的工作状态进行检测,不仅会产生较大的人力成本,而且不可避免的会掺杂主观的判断因素,造成对员工工作状态判断不准确,最终影响对员工工作效率的统计。
本发明实施例中通过获取在员工的工作区域拍摄的图像,继而对所述图像进行识别,以统计所述图像中员工在预设时间区间内的运动状态信息,然后根据所述运动状态信息确定所述员工的工作效率。由此,可以有效降低在检测员工工作状态时的主观因素的影响,从而准确确定员工的工作效率。
为使本发明的上述目的、特征和有益效果能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明的保护范围。
图1是本发明实施例一种员工的工作状态检测方法的流程图。
本实施例中的员工的工作状态检测方法可以用于对餐厅服务员、商场导购、房产销售等岗位上员工的工作状态检测,进而确定员工的工作效率,以便于合理安排员工的数量和布局。本领域技术人员可以理解,本发明实施例中的方法可以用于任何涉及到员工走动、或者与顾客交流等岗位上员工的工作状态检测,本发明实施例对此不作限制。
请参考图1,所述员工的工作状态检测方法可以包括如下步骤:
步骤S11:获取在员工的工作区域拍摄的图像;
步骤S12:对所述图像进行识别,以统计所述图像中员工在预设时间区间内的运动状态信息;
步骤S13:根据所述运动状态信息确定所述员工的工作效率。
具体实施步骤S11时,可以在员工的工作区域内配置至少一个摄像设备。所述至少一个摄像设备可以拍摄获得所述工作区域内的图像,所述图像中可以包括位于所述工作区域的员工。
具体地,所述工作区域可以是餐厅的就餐区、商场的服装售卖区、售楼处的展示大厅等。
进一步地,所述工作区域内的摄像设备可以悬挂设置,也可以放置在位于地面的支架上,本发明实施例对此不做限制。
接下来,执行步骤S12,通过对所述图像进行识别,以统计所述图像中员工在预设时间区间内的运动状态信息。
具体地,可以利用现有技术中各种图像识别算法对图像中员工的运动状态信息进行识别,本实施例对此不作限制。
进一步地,所述预设时间区间的长度可以根据不同的应用场合而适应性的设置。例如,对于餐厅来说,为了统计餐厅服务员的工作效率,可以将所述预设时间区间选择为早餐时间(例如:6:30-9:00)、午餐时间(例如:11:30-14:00)、晚餐时间(例如:17:00-20:00),在这几个时间区间中,员工被期望处于工作状态,因此,通过统计这几个时间区间内员工的工作效率,可以为合理安排餐厅内员工的数量提供有价值的参考信息。
作为一个非限制性的实施例,所述运动状态信息可以包括移动轨迹,根据所述运动状态信息确定所述员工的工作效率包括:计算所述移动轨迹的总长度;将所述移动轨迹的总长度与预设长度进行对比,以确定所述员工的工作效率。
具体实施时,可以在员工的工作区域安装一个360°广角摄像设备,所述摄像设备的拍摄范围可以将员工的工作区域全部覆盖,在计算移动轨迹的总长度时,只需要对摄像设备的连续画面中的移动轨迹的长度进行估量即可;另外,还可以在员工的工作区域安装多个摄像设备,所述多个摄像设备的拍摄区域依次连接但互不交叠,在计算移动轨迹的总长度时,可以把各个摄像设备中同一个员工的移动轨迹的长度相加和;再者,可以在员工的工作区域安装多个摄像设备,所述多个摄像设备的拍摄区域有部分交叠,在计算移动轨迹的总长度时,可以把各个摄像设备中同一个员工的移动轨迹的长度相加和,然后再减去交叠部分的移动轨迹的长度。
需要说明的是,所述摄像设备的类型和布局可以根据所述工作区域的面积、检测的准确度以及成本预算等因素而进行适应性选择,本发明实施例对此不做限制。
进一步地,所述预设长度可以包括第一预设长度以及第二预设长度,其中,第一预设长度大于所述第二预设长度。
具体实施时,若所述移动轨迹的总长度大于所述第一预设长度,则确定所述员工的工作效率为高等级;若所述移动轨迹的总长度在所述第一预设长度与第二预设长度之间,则确定所述员工的工作效率为中等级;若所述移动轨迹的总长度小于所述第二预设长度,则确定所述员工的工作效率为低等级。
进一步地,所述高等级可以再细分为高A1等级、高A2等级、高A3等级。例如,当所述移动轨迹的总长度大于所述第一预设长度的幅度超过20%但不超过40%时,可以确定员工的工作效率为高等级中的高A1等级;当所述移动轨迹的总长度大于所述第一预设长度的幅度超过40%但不超过60%时,可以确定员工的工作效率为高等级中的高A2等级;当所述移动轨迹的总长度大于所述第一预设长度的幅度超过60%时,可以确定员工的工作效率为高等级中的高A3等级。
可以理解的是,细分的等级数量越多,对于员工工作效率的评估越准确,相应的,评估成本也会提高。对于中等级和低等级来说,也可以参照高等级的细分方式进行进一步细分,以适应不同应用场合的需要。
在另一个非限制性的实施例中,所述运动状态信息可以包括预设动作的执行次数。
具体地,可以通过如下方式统计所述图像中员工在预设时间区间内的运动状态信息:将所述员工执行的动作与预设动作进行对比,以确定所述员工在预设时间区间内预设动作的执行次数。
进一步地,根据所述运动状态信息确定所述员工的工作效率可以包括:计算所述预设动作的执行次数;将所述预设动作的执行次数与预设次数进行对比,以确定所述员工的工作效率。
更进一步地,所述预设次数可以包括第一预设次数以及第二预设次数,其中,第一预设次数大于所述第二预设次数;将所述预设动作的执行次数与预设次数进行对比,以确定所述员工的工作效率包括:若所述预设动作的执行次数大于所述第一预设次数,则确定所述员工的工作效率为高等级;若所述预设动作的执行次数在所述第一预设次数与第二预设次数之间,则确定所述员工的工作效率为中等级;若所述预设动作的执行次数小于所述第二预设次数,则确定所述员工的工作效率为低等级。
进一步地,可以将上述以预设动作的执行次数为基础确定的高等级、中等级、低等级进行进一步地细分,以提高工作效率评估的准确性。所述具体的细分方式可以参照上述以移动轨迹的总长度为基础确定的等级划分方式,在此不再赘述。
在一个具体应用场景中,例如:确定商场A品牌服装售卖区中5位员工的工作效率的场景。其中,所述员工可以为服装导购员。
在所述服装售卖区中悬挂设置摄像设备,所述摄像设备是一个360°广角摄像设备,其拍摄范围可以将员工的工作区域全部覆盖。
选择预设时间区间为16:00-21:00,所述第一预设长度为3km,第二预设长度为0.5km。
摄像设备可以拍摄5名导购员的移动轨迹,并将所述5条独立的移动轨迹上传服务器,服务器可以分别计算5条移动轨迹的总长度。所述摄像设备中可以安装有人脸识别装置,所述人脸识别装置可以通过人脸匹配区分识别出5名导购员,进而记录5名导购员的移动轨迹,从而可以避免错误记录其他顾客的移动轨迹。
在预设时间区间内,若导购员的移动轨迹的总长度大于3km,则确定所述导购员的工作效率为高等级;若所述移动轨迹的总长度在0.5km与3km之间,则确定所述导购员的工作效率为中等级;若所述移动轨迹的总长度小于0.5km,则确定所述员工的工作效率为低等级。
具体地,为了评估方便,可以将以移动轨迹为基础而统计出的高等级、中等级、低等级进行数字量化处理,也可以说,将工作效率以工作指数来表示,所述工作指数可以是具体的数值。例如:对于移动轨迹来说,评估出的高等级以工作指数100代替,所述中等级以工作指数80代替,所述低等级以工作指数60代替。
进一步地,为了更加准确的评估导购员的工作效率,还可以将所述员工执行的动作与预设动作进行对比,以确定所述员工在预设时间区间内预设动作的执行次数。优选地,所述预设动作为与顾客的交谈动作。
具体实施时,可以计算所述交谈动作的执行次数,然后将所述交谈动作的执行次数与预设次数进行对比,以确定所述员工的工作效率。
具体地,可以将导购员正面面对非员工(例如:顾客)并且嘴巴开始张合识别为开始执行交谈动作。在交谈动作的持续过程中,若检测到导购员的面部没有正面面对顾客并且持续的时间小于预设时间阈值,则认为导购员仍然在执行上一次的交谈动作,反之,当检测到导购员的面部没有正面面对顾客并且持续的时间大于预设时间阈值,则认为导购员结束了上一次的交谈动作,此时,可以对该导购员的交谈动作的次数进行一次累加,并且继续检测下一次的交谈动作。
进一步地,所述预设次数可以包括第一预设次数以及第二预设次数,其中,第一预设次数大于所述第二预设次数。例如,可以将第一预设次数设定为10次,将第二预设次数设定为5次。
接下来,将所述交谈动作的执行次数与第一预设次数以及第二预设次数进行对比。若所述交谈动作的执行次数大于10次,则确定所述员工的工作效率为高等级;若所述预设动作的执行次数大于5次但小于10次,则确定所述员工的工作效率为中等级;若所述预设动作的执行次数小于5次,则确定所述员工的工作效率为低等级。
具体地,为了评估方便,可以将以交谈动作为基础而统计出的高等级、中等级、低等级进行数字量化处理,例如:对交谈动作来说,将评估出的高等级以工作指数90代替,将所述中等级以工作指数70代替,将所述低等级以工作指数50代替。
以移动轨迹为基础以及以交谈动作为基础分别统计出5名导购的工作指数如表1所示:
表1
进一步地,可以将所述表格发送至预先绑定的终端。具体地,所述终端可以是手机、ipad、PC端等,本发明实施例对所述终端的具体形式不做限制。
进一步地,为了更加合理公正的评估导购员的工作效率,可以按照比重的不同将所述移动轨迹对应的工作指数以及交谈动作对应的工作指数进行加和,以得到综合工作指数。
若对于该商场来说,更看中导购员与顾客交谈的能力,也就是说,在计算综合工作指数时,交谈动作所对应的工作指数所占的比重较大。例如:可以将交谈动作对应的工作指数设定为在综合工作指数中占有60%的比重,将将移动轨迹对应的工作指数设定为在综合工作指数中占有40%的比重,
在该场景中,对于员工1,其综合工作指数W1可以通过如下公式计算:
W1=100*40%+90*60%=94
相应地,其他导购员的综合工作指数可以按照上述公式依次计算得到,表2示出了5名导购员的综合工作指数。
表2
综合工作指数 | |
导购员1 | 94 |
导购员2 | 70 |
导购员3 | 86 |
导购员4 | 74 |
导购员5 | 54 |
由表2可以看出,导购员1的综合工作指数最高,可以认为其工作效率最高。虽然导购员2的移动轨迹对应的工作指数大于导购员3的相应工作指数,但是导购员2的综合工作指数却小于导购员3的综合工作指数,因此,在此应用场景中,可以认为导购员2的工作效率大于导购员3。导购员5的综合工作指数最低,可以认为其工作效率最低。
需要说明的是,在不同的应用场景中,可以只选用一种评估标准来评估员工的工作效率;也可以选用多种评估标准分别得到多个工作指数,再对所述多个工作指数进行加和后得到综合工作指数,利用所述综合工作指数来最终评估员工的工作效率。另外,所述高等级、中等级、低等级具体量化后的工作指数的数值可以根据不同的应用场景进行适应性设置,本发明实施例对此不做限制。
本发明实施例中的员工的工作状态检测方法不仅可以用来检测同一门店中不同员工的工作状态,也可以用于检测多个连锁分店中员工的工作状态,由此,便可以为不同分店内员工数量的合理调配提供依据,以避免有的分店员工过多,浪费人力,或者有的分店员工人数过少,无法适应该分店内较大的顾客流量。
请参考图2,图2是本发明实施例一种员工的工作状态检测装置的结构示意图。
所述员工的工作状态检测装置1可以包括:图像获取模块2,适于获取在员工的工作区域拍摄的图像;图像识别模块3,适于对所述图像进行识别,以统计所述图像中员工在预设时间区间内的运动状态信息;工作效率确定模块4,适于根据所述运动状态信息确定所述员工的工作效率。
进一步地,所述运动状态信息可以包括移动轨迹,所述工作效率确定模块4可以包括:长度计算子模块41,适于计算所述移动轨迹的总长度;第一对比子模块42,适于将所述移动轨迹的总长度与预设长度进行对比,以确定所述员工的工作效率。
请参考图3,图3是图2中第一对比子模块的结构示意图。
进一步地,所述预设长度可以包括第一预设长度以及第二预设长度,其中,第一预设长度大于所述第二预设长度;所述第一对比子模块42可以包括:第一确定单元421,若所述移动轨迹的总长度大于所述第一预设长度,则确定所述员工的工作效率为高等级;第二确定单元422,若所述移动轨迹的总长度在所述第一预设长度与第二预设长度之间,则确定所述员工的工作效率为中等级;第三确定单元423,若所述移动轨迹的总长度小于所述第二预设长度,则确定所述员工的工作效率为低等级。
进一步地,所述运动状态信息可以包括预设动作的执行次数,通过如下方式统计所述图像中员工在预设时间区间内的运动状态信息:将所述员工执行的动作与预设动作进行对比,以确定所述员工在预设时间区间内预设动作的执行次数。
进一步地,所述预设动作可以是与顾客的交谈动作。
请参考图4,图4是本发明实施例另一种员工的工作状态检测装置的结构示意图。
图4中的图像获取模块2以及图像识别模块3与图1中的相应模块的结构和工作原理相同,具体可参见图1的描述。下面仅对工作效率确定模块6进行详细说明。
所述工作效率确定模块6中的长度计算子模块61以及第一对比子模块62与图1中的相应模块的结构和工作原理相同,具体可参见图1的描述。
进一步地,所述工作效率确定模块6还可以包括:次数计算子模块63,适于计算所述预设动作的执行次数;第二对比子模块64,适于将所述预设动作的执行次数与预设次数进行对比,以确定所述员工的工作效率。
请参考图5,图5是图4中第二对比子模块的结构示意图。
进一步地,所述预设次数可以包括第一预设次数以及第二预设次数,其中,第一预设次数大于所述第二预设次数;所述第二对比子模块64可以包括:第四确定单元641,若所述预设动作的执行次数大于所述第一预设次数,则确定所述员工的工作效率为高等级;第五确定单元642,若所述预设动作的执行次数在所述第一预设次数与第二预设次数之间,则确定所述员工的工作效率为中等级;第六确定单元643,若所述预设动作的执行次数小于所述第二预设次数,则确定所述员工的工作效率为低等级。
关于所述员工的工作状态检测装置的工作原理、工作方式的更多内容,可以参照图1中的相关描述,这里不再赘述。
本发明实施例还公开了一种存储介质,其上存储有计算机指令,所述计算机指令运行时可以执行图1中所示的员工的工作状态检测方法的步骤。所述存储介质可以包括ROM、RAM、磁盘或光盘等。所述存储介质还可以包括非挥发性存储器(non-volatile)或者非瞬态(non-transitory)存储器等。
本发明实施例还公开了一种终端,所述终端可以包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机指令。所述处理器运行所述计算机指令时可以执行图1中所示的员工的工作状态检测方法的步骤。所述终端包括但不限于手机、计算机、平板电脑等终端设备。
虽然本发明披露如上,但本发明并非限定于此。任何本领域技术人员,在不脱离本发明的精神和范围内,均可作各种更动与修改,因此本发明的保护范围应当以权利要求所限定的范围为准。
Claims (10)
1.一种员工的工作状态检测方法,其特征在于,包括:
获取在员工的工作区域拍摄的图像;
对所述图像进行识别,以统计所述图像中员工在预设时间区间内的运动状态信息;
根据所述运动状态信息确定所述员工的工作效率。
2.根据权利要求1所述员工的工作状态检测方法,其特征在于,所述运动状态信息包括移动轨迹,根据所述运动状态信息确定所述员工的工作效率包括:
计算所述移动轨迹的总长度;
将所述移动轨迹的总长度与预设长度进行对比,以确定所述员工的工作效率。
3.根据权利要求2所述员工的工作状态检测方法,其特征在于,所述预设长度包括第一预设长度以及第二预设长度,其中,第一预设长度大于所述第二预设长度;
将所述移动轨迹的总长度与预设长度进行对比,以确定所述员工的工作效率包括:
若所述移动轨迹的总长度大于所述第一预设长度,则确定所述员工的工作效率为高等级;
若所述移动轨迹的总长度在所述第一预设长度与第二预设长度之间,则确定所述员工的工作效率为中等级;
若所述移动轨迹的总长度小于所述第二预设长度,则确定所述员工的工作效率为低等级。
4.根据权利要求1所述员工的工作状态检测方法,其特征在于,所述运动状态信息包括预设动作的执行次数,通过如下方式统计所述图像中员工在预设时间区间内的运动状态信息:将所述员工执行的动作与预设动作进行对比,以确定所述员工在预设时间区间内预设动作的执行次数。
5.根据权利要求4所述的员工的工作状态检测方法,其特征在于,所述预设动作为与顾客的交谈动作。
6.根据权利要求4所述的员工的工作状态检测方法,其特征在于,根据所述运动状态信息确定所述员工的工作效率包括:
计算所述预设动作的执行次数;
将所述预设动作的执行次数与预设次数进行对比,以确定所述员工的工作效率。
7.根据权利要求6所述的员工的工作状态检测方法,其特征在于,所述预设次数包括第一预设次数以及第二预设次数,其中,第一预设次数大于所述第二预设次数;
将所述预设动作的执行次数与预设次数进行对比,以确定所述员工的工作效率包括:
若所述预设动作的执行次数大于所述第一预设次数,则确定所述员工的工作效率为高等级;
若所述预设动作的执行次数在所述第一预设次数与第二预设次数之间,则确定所述员工的工作效率为中等级;
若所述预设动作的执行次数小于所述第二预设次数,则确定所述员工的工作效率为低等级。
8.一种员工的工作状态检测装置,其特征在于,包括:
图像获取模块,适于获取在员工的工作区域拍摄的图像;
图像识别模块,适于对所述图像进行识别,以统计所述图像中员工在预设时间区间内的运动状态信息;
工作效率确定模块,适于根据所述运动状态信息确定所述员工的工作效率。
9.一种存储介质,其上存储有计算机指令,其特征在于,所述计算机指令运行时执行权利要求1-7任一项所述的员工的工作状态检测方法的步骤。
10.一种终端,包括存储器和处理器,所述存储器上存储有能够在所述处理器上运行的计算机指令,其特征在于,所述处理器运行所述计算机指令时执行权利要求1-7任一项所述的员工的工作状态检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811147302.6A CN110969050A (zh) | 2018-09-29 | 2018-09-29 | 员工的工作状态检测方法、装置、存储介质、终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811147302.6A CN110969050A (zh) | 2018-09-29 | 2018-09-29 | 员工的工作状态检测方法、装置、存储介质、终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110969050A true CN110969050A (zh) | 2020-04-07 |
Family
ID=70027956
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811147302.6A Pending CN110969050A (zh) | 2018-09-29 | 2018-09-29 | 员工的工作状态检测方法、装置、存储介质、终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110969050A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113128876A (zh) * | 2021-04-22 | 2021-07-16 | 北京房江湖科技有限公司 | 基于图像的对象管理方法、装置及计算机可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104898834A (zh) * | 2015-05-18 | 2015-09-09 | 百度在线网络技术(北京)有限公司 | 行为状态的调整方法及装置 |
WO2016180323A1 (zh) * | 2015-05-12 | 2016-11-17 | 杭州海康威视数字技术股份有限公司 | 客流量的统计方法及装置 |
US20170011410A1 (en) * | 2014-02-25 | 2017-01-12 | Nec Corporation | Information-processing device, data analysis method, and recording medium |
CN107679613A (zh) * | 2017-09-30 | 2018-02-09 | 同观科技(深圳)有限公司 | 一种人员信息的统计方法、装置、终端设备和存储介质 |
-
2018
- 2018-09-29 CN CN201811147302.6A patent/CN110969050A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170011410A1 (en) * | 2014-02-25 | 2017-01-12 | Nec Corporation | Information-processing device, data analysis method, and recording medium |
WO2016180323A1 (zh) * | 2015-05-12 | 2016-11-17 | 杭州海康威视数字技术股份有限公司 | 客流量的统计方法及装置 |
CN104898834A (zh) * | 2015-05-18 | 2015-09-09 | 百度在线网络技术(北京)有限公司 | 行为状态的调整方法及装置 |
CN107679613A (zh) * | 2017-09-30 | 2018-02-09 | 同观科技(深圳)有限公司 | 一种人员信息的统计方法、装置、终端设备和存储介质 |
Non-Patent Citations (2)
Title |
---|
邬敏杰;穆平安;张彩艳;: "基于眼睛和嘴巴状态的驾驶员疲劳检测算法" * |
郭琼琼;申喜芹;张英海;王卫东;王朝炜;彭宏玉;高磊;: "高速公路异常事件智能响应系统" * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113128876A (zh) * | 2021-04-22 | 2021-07-16 | 北京房江湖科技有限公司 | 基于图像的对象管理方法、装置及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108985359B (zh) | 一种商品识别方法、无人售货机及计算机可读存储介质 | |
CN109003390B (zh) | 一种商品识别方法、无人售货机及计算机可读存储介质 | |
US20160191865A1 (en) | System and method for estimating an expected waiting time for a person entering a queue | |
CN105745687B (zh) | 情景感知移动目标检测 | |
CN109447186A (zh) | 聚类方法及相关产品 | |
JP5603403B2 (ja) | 対象物計数方法、対象物計数装置および対象物計数プログラム | |
EP2869268A1 (en) | Staying state analysis device, staying state analysis system and staying state analysis method | |
CN110650316A (zh) | 智能巡逻及预警处理方法、装置、电子设备及存储介质 | |
WO2020093830A1 (zh) | 指定区域的人流状况估算方法和装置 | |
CN105718861B (zh) | 一种识别视频流数据类别的方法及装置 | |
CN109035579A (zh) | 一种商品识别方法、无人售货机及计算机可读存储介质 | |
CN108596109B (zh) | 一种基于神经网络和运动矢量的目标检测方法及装置 | |
CN109389589A (zh) | 用于统计人数的方法和装置 | |
CN111160243A (zh) | 客流量统计方法及相关产品 | |
CN111263224A (zh) | 视频处理方法、装置及电子设备 | |
CN110475124A (zh) | 视频卡顿检测方法及装置 | |
KR102260123B1 (ko) | 지역내 이벤트감지장치 및 그 장치의 구동방법 | |
CN109145127A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
US20150098621A1 (en) | Video based method and system for automated side-by-side traffic load balancing | |
CN109559336A (zh) | 对象追踪方法、装置及存储介质 | |
CN114511611A (zh) | 一种基于图像识别的货堆统计方法及装置 | |
CN112926483A (zh) | 标准机柜状态指示灯识别监测方法、装置和系统 | |
CN110969050A (zh) | 员工的工作状态检测方法、装置、存储介质、终端 | |
CN111260685A (zh) | 视频处理方法、装置及电子设备 | |
CN108268903A (zh) | 物品管理方法、装置、可读存储介质及控制终端 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200407 |
|
WD01 | Invention patent application deemed withdrawn after publication |