CN112286775B - 一种疲劳状态检测的方法、设备及存储介质 - Google Patents

一种疲劳状态检测的方法、设备及存储介质 Download PDF

Info

Publication number
CN112286775B
CN112286775B CN202011191711.3A CN202011191711A CN112286775B CN 112286775 B CN112286775 B CN 112286775B CN 202011191711 A CN202011191711 A CN 202011191711A CN 112286775 B CN112286775 B CN 112286775B
Authority
CN
China
Prior art keywords
instruction
target
similarity
confidence
fatigue state
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.)
Active
Application number
CN202011191711.3A
Other languages
English (en)
Other versions
CN112286775A (zh
Inventor
伍日杰
王志远
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
WeBank Co Ltd
Original Assignee
WeBank Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by WeBank Co Ltd filed Critical WeBank Co Ltd
Priority to CN202011191711.3A priority Critical patent/CN112286775B/zh
Publication of CN112286775A publication Critical patent/CN112286775A/zh
Application granted granted Critical
Publication of CN112286775B publication Critical patent/CN112286775B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3438—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment monitoring of user actions

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本申请提供一种疲劳状态检测的方法、设备及存储介质，其中，方法包括：接收操作对象输入的第一指令；获取操作对象对第一指令执行的目标操作；若目标操作是第一指令为错误指令时执行的操作，基于目标操作，确定操作对象当前状态为疲劳状态的目标置信度；若目标置信度符合预设置信度范围，生成提示信息并输出提示信息；其中，提示信息用于提示操作对象处于疲劳状态。

Description

一种疲劳状态检测的方法、设备及存储介质
技术领域
本申请实施例涉及金融科技(Fintech)的数据处理技术领域，涉及但不限于一种疲劳状态检测的方法、设备及存储介质。
背景技术
随着计算机计算的发展，越来越多的技术应用在金融领域，传统金融业正在逐步向金融科技(Fintech)转变，然而，由于金融行业的安全性、实时性要求，金融科技也对技术提出了更高的要求。目前，金融科技领域下随着生活和工作节奏的不断加快，对于工作疲劳的关注度也越来越高。
相关技术中，针对工作人员进行疲劳状态的检测时，主要依赖于通过视频技术实时采集人脸信息以检测疲劳状态。该方案依赖于图像采集硬件及配套图像处理硬件，至少存在检测成本高昂的问题。
发明内容
本申请实施例提供一种疲劳状态检测的方法、设备及存储介质，以解决相关技术中进行疲劳检测时，至少存在检测成本高昂的问题，实现了通过软件的方式进行精确地疲劳检测，降低了检测成本，提高了检测准确率，且能够及时地对疲劳状态进行提示，减少了不必要的损失。
本申请实施例的技术方案是这样实现的：
本申请实施例提供一种方法，包括：接收操作对象输入的第一指令；
获取操作对象对第一指令执行的目标操作；
若目标操作是第一指令为错误指令时执行的操作，基于目标操作，确定操作对象当前状态为疲劳状态的目标置信度；
若目标置信度符合预设置信度范围，生成提示信息并输出提示信息；提示信息用于提示操作对象处于疲劳状态。
本申请实施例提供一种设备，包括：
存储器，用于存储可执行指令；处理器，用于执行存储器中存储的可执行指令时，实现上述的方法。
本申请实施例提供一种存储介质，存储有可执行指令，用于引起处理器执行时，实现上述的方法。
本申请实施例具有以下有益效果：
通过接收操作对象输入的第一指令；获取操作对象对第一指令执行的目标操作；若目标操作是第一指令为错误指令时执行的操作，基于目标操作，确定操作对象当前状态为疲劳状态的目标置信度；若目标置信度符合预设置信度范围，生成提示信息并输出提示信息；其中，提示信息用于提示操作对象处于疲劳状态；也就是说，基于操作对象对输入错误的第一指令所执行的操作，确定操作对象当前状态为疲劳状态的置信度，进而基于置信度生成提示信息，如此，在操作对象输入错误的第一指令的情况下，结合操作对象对第一指令执行的目标操作，精确判断操作对象当前状态为疲劳状态的可能性，并且确定当前状态为疲劳状态时生成提示信息并输出，从而解决相关技术中进行疲劳检测时，至少存在检测成本高昂的问题，实现了通过软件的方式进行精确地疲劳检测，降低了检测成本，提高了检测准确率，且能够及时地对疲劳状态进行提示，减少了不必要的损失。
附图说明
图1是本申请实施例提供的终端的一个可选的架构示意图；
图2是本申请实施例提供的疲劳状态检测的方法的一个可选的流程示意图；
图3是本申请实施例提供的疲劳状态检测的方法的一个可选的流程示意图；
图4是本申请实施例提供的疲劳状态检测的方法的一个可选的流程示意图；
图5是本申请实施例提供的疲劳状态检测的方法的一个可选的流程示意图；
图6是本申请实施例提供的疲劳状态检测的方法的一个可选的流程示意图；
图7是本申请实施例提供的疲劳状态检测的方法的一个可选的流程示意图；
图8是本申请实施例提供的疲劳状态检测的方法的一个可选的流程示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请作进一步地详细描述，所描述的实施例不应视为对本申请的限制，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。除非另有定义，本申请实施例所使用的所有的技术和科学术语与属于本申请实施例的技术领域的技术人员通常理解的含义相同。本申请实施例所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。
1)疲劳运维：运维人员在身体或心理疲惫，工作能力下降的情况下继续进行运维操作的行为。
2)疲劳检测：通过一定的硬件或软件，检测操作人员是否处理疲劳状态。
3)运维操作：运维人员登录终端，通过输入指令的方式对终端的系统进行查看、修改、维护等操作。
为了更好地理解本申请实施例中提供的疲劳状态检测的方法，首先对相关技术中的疲劳状态检测的方法进行说明：
随着运行于设备上的银行金融体系的不断丰富和完善，金融系统的维护对工作人员的自身状态以及疲劳状态也提出了更高的要求。以运维操作场景为例，当某一计算机新产品或系统上线后，运维人员登录设备后，通过输入指令的方式对设备上运行的系统进行查看、修改和维护等操作，以确保整个系统中服务的稳定性和可用性。同时实时监控网络各个层面的覆盖度、软/硬件的运行状态等，保证新产品或系统线上稳定。可见，运维人员对新产品或系统的运行和维护有着重要的作用；然而，运维人员若处于疲劳状态，则运维人员的运维操作可能对整个系统产生破坏。相关技术中，检测疲劳状态的方案主要依赖于通过视频技术实时采集人脸信息，并基于采集的人脸信息计算出用户的眨眼时间及频率、嘴巴的开合程度及频率。可见，该方案依赖于图像采集硬件及配套图像处理硬件的支持；此外，硬件设备放置在被检测人员可见的工作环境中，实时对被检测人员进行检测，易引起被检测人员的反感情绪，甚至通过控制自己的面部动作欺骗检测设备。可见，相关技术中进行疲劳检测时，依赖于图像采集硬件及配套图像处理硬件，至少存在检测成本高昂的问题。
下面说明本申请实施例提供的疲劳状态检测的设备的示例性应用，本申请实施例提供的疲劳状态检测的设备可以实施为笔记本电脑，平板电脑，台式计算机，智能机器人等任意具有屏幕显示功能的终端，也可以实施为服务器。下面，将说明疲劳状态检测的设备实施为终端时的示例性应用。
参见图1，图1是本申请实施例提供的终端100的结构示意图，图1所示的终端100包括：至少一个处理器110、至少一个网络接口120、用户接口130和存储器150。终端100中的各个组件通过总线系统140耦合在一起。可理解，总线系统140用于实现这些组件之间的连接通信。总线系统140除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图1中将各种总线都标为总线系统140。
处理器110可以是一种集成电路芯片，具有信号的处理能力，例如通用处理器、数字信号处理器(DSP，Digital Signal Processor)，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其中，通用处理器可以是微处理器或者任何常规的处理器等。
用户接口130包括使得能够呈现媒体内容的一个或多个输出装置131，包括一个或多个扬声器和/或一个或多个视觉显示屏。用户接口130还包括一个或多个输入装置132，包括有助于用户输入的用户接口部件，比如键盘、鼠标、麦克风、触屏显示屏、摄像头、其他输入按钮和控件。
存储器150可以是可移除的，不可移除的或其组合。示例性地硬件设备包括固态存储器，硬盘驱动器，光盘驱动器等。存储器150可选地包括在物理位置上远离处理器110的一个或多个存储设备。存储器150包括易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。非易失性存储器可以是只读存储器(Read Only Memory，ROM)，易失性存储器可以是随机存取存储器(Random Access Memory，RAM)。本申请实施例描述的存储器150旨在包括任意适合类型的存储器。在一些实施例中，存储器150能够存储数据以支持各种操作，这些数据的示例包括程序、模块和数据结构或者其子集或超集，下面示例性说明。
操作系统151，包括用于处理各种基本系统服务和执行硬件相关任务的系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务；
网络通信模块152，用于经由一个或多个(有线或无线)网络接口120到达其他计算设备，示例性地网络接口120包括：蓝牙、无线相容性认证(WiFi)、和通用串行总线(Universal Serial Bus，USB)等；
输入处理模块153，用于对一个或多个来自一个或多个输入装置132之一的一个或多个用户输入或互动进行检测以及翻译所检测的输入或互动。
在一些实施例中，本申请实施例提供的装置可以采用软件方式实现，图1示出了存储在存储器150中的一种疲劳状态检测的装置154，该疲劳状态检测的装置154可以是终端100中的疲劳状态检测的装置，其可以是程序和插件等形式的软件，包括以下软件模块：接收模块1541、获取模块1542、处理模块1543，这些模块是逻辑上的，因此根据所实现的功能可以进行任意的组合或进一步拆分。将在下文中说明各个模块的功能。
在另一些实施例中，本申请实施例提供的装置可以采用硬件方式实现，作为示例，本申请实施例提供的装置可以是采用硬件译码处理器形式的处理器，其被编程以执行本申请实施例提供的疲劳状态检测的方法，例如，硬件译码处理器形式的处理器可以采用一个或多个应用专用集成电路(Application Specific Integrated Circuit，ASIC)、DSP、可编程逻辑器件(Programmable Logic Device，PLD)、复杂可编程逻辑器件(ComplexProgrammable Logic Device，CPLD)、现场可编程门阵列(Field-Programmable GateArray，FPGA)或其他电子元件。
下面将结合本申请实施例提供的终端100的示例性应用和实施，说明本申请实施例提供的疲劳状态检测的方法。参见图2，图2是本申请实施例提供的疲劳状态检测的方法的一个可选的流程示意图，将结合图2示出的步骤进行说明，
步骤S201，接收操作对象输入的第一指令。
其中，第一指令包括用于指挥终端工作的指示和命令。
本申请实施例中，终端接收到操作对象输入的第一指令后，处理器基于第一指令处理各项事务。
步骤S202，获取操作对象对第一指令执行的目标操作。
其中，目标操作包括如下操作中的至少一个：修改第一指令的操作；确定第一指令为错误指令时，将第一指令与第二指令进行比较的操作；用于指示执行第一指令的操作。第二指令是对第一指令中的错误部分进行纠正后得到的正确指令。
步骤S203，若目标操作是第一指令为错误指令时执行的操作，基于目标操作，确定操作对象当前状态为疲劳状态的目标置信度。
这里，目标置信度可以理解为操作对象当前状态为疲劳状态的可能性的大小。
本申请实施例中，终端确定目标操作是第一指令为错误指令时执行的操作时，基于目标操作确定操作对象当前状态为疲劳状态的目标置信度。
步骤S204，若目标置信度符合预设置信度范围，生成提示信息并输出提示信息。
其中，提示信息用于提示操作对象处于疲劳状态。
其中，预设置信度范围可以是基于不同操作对象在过去一定时间内的疲劳状态，确定的置信度数值范围；预设置信度范围还可以是基于同一操作对象在不同时间段内的疲劳状态，确定的置信度数值范围。
本申请实施例中，终端在一定时间段内，确定操作对象当前状态为疲劳状态的目标置信度符合预设置信度范围，进而确定操作对象已经处于疲劳状态，终端生成提示信息并将提示信息输出至操作对象所用终端的显示界面和/或操作对象所属上级所用终端的显示界面。
本申请提供的疲劳状态检测的方法，接收操作对象输入的第一指令；获取操作对象对第一指令执行的目标操作；若目标操作是第一指令为错误指令时执行的操作，基于目标操作，确定操作对象当前状态为疲劳状态的目标置信度；若目标置信度符合预设置信度范围，生成提示信息并输出提示信息；其中，提示信息用于提示操作对象处于疲劳状态；也就是说，基于操作对象对输入错误的第一指令所执行的操作，确定操作对象当前状态为疲劳状态的置信度，进而基于置信度生成提示信息，如此，在操作对象输入错误的第一指令的情况下，结合操作对象对第一指令执行的目标操作，精确判断操作对象当前状态为疲劳状态的可能性，并且确定当前状态为疲劳状态时生成提示信息并输出，从而解决相关技术中进行疲劳检测时，至少存在检测成本高昂的问题，实现了通过软件的方式进行精确地疲劳检测，降低了检测成本，提高了检测准确率，且能够及时地对疲劳状态进行提示，减少了不必要的损失。
参见图3，图3是本申请实施例提供的疲劳状态检测的方法的一个可选的流程示意图，将结合图3示出的步骤进行说明，
步骤S301，接收操作对象输入的第一指令。
步骤S302，获取操作对象对第一指令执行的目标操作。
步骤S303，若目标操作是第一指令为错误指令时，在目标时段内修改第一指令为第二指令的第一操作，获取目标时段内执行第一操作的第一次数。
其中，第二指令是对第一指令中的错误部分进行纠正后得到的正确指令。
本申请实施例中，当终端接收操作对象输入的第一指令后，在目标时段内获取操作对象针对第一指令包括的多个词语所在的位置移动光标，以及在光标重新定位的位置执行的编辑操作的次数，编辑操作包括增加、删除、修改词语的操作；此时，终端确定编辑操作是第一指令为错误指令时，在目标时段内修改第一指令为第二指令的操作，获取目标时段内执行编辑操作的第一次数。
步骤S304，确定与第一次数对应的目标置信度。
本申请实施例中，第一次数与目标置信度呈现正相关的趋势；第一次数越大，目标置信度越大；第一次数越小，目标置信度越小。
步骤S305，若目标置信度符合预设置信度范围，生成提示信息并输出提示信息。
其中，提示信息用于提示操作对象处于疲劳状态。
本申请实施例中，步骤S305中的提示信息包括第一提示信息和第二提示信息，第一提示信息用于提示操作对象您已处于疲劳状态，请谨慎操作或适当休息后再操作，第二提示信息用于提示操作对象所属上级您所管理的下属已处于疲劳状态，请知悉。如此，当操作对象处于疲劳状态后，终端将提示信息输出至当前操作对象，以便操作对象实时了解自身状态和及时调整自身的运维操作，此外，终端还将提示信息及时通过即时通讯工具如邮件或者短信等方式发送给操作对象所属上级，以便所属上级及时了解员工的状态。
本申请实施例中，步骤S305若目标置信度符合预设置信度范围，终端生成提示信息并输出提示信息之后，还包括：终端将操作对象对应的账号从当前所登陆的系统强制退出。如此，当操作对象处于疲劳状态后，输出提示信息并强制将该操作对象的账号从当前系统登出，阻止操作对象的疲劳操作，防止对终端系统产生破坏，减少不必要的损失。
参见图4，图4是本申请实施例提供的疲劳状态检测的方法的一个可选的流程示意图，将结合图4示出的步骤进行说明，
步骤S401，接收操作对象输入的第一指令。
步骤S402，获取操作对象对第一指令执行的目标操作。
步骤S403，若目标操是第一指令为错误指令时，确定第一指令与第二指令之间的第一相似度，基于确定的第一相似度，得到目标置信度。
其中，第二指令是对第一指令中的错误部分进行纠正后得到的正确指令。
本申请实施例中，当终端接收操作对象输入的第一指令后，获取操作对象输入的用于指示执行第一指令的操作且执行的结果表征第一指令为错误指令时，确定第一指令与第二指令之间的第一相似度。
本申请实施例中，参见图5所示，步骤S403中若目标操是第一指令为错误指令时，确定第一指令与第二指令之间的第一相似度的操作，可以通过如下步骤实现：
步骤S4031，若第一指令为错误指令，对第一指令进行拆分得到第一词组集合。
本申请实施例中，终端确定第一指令为错误指令后，获取预定义的分隔符，基于分隔符对第一指令进行拆分，得到第一词组集合。其中，预定义的分隔符可以是一个或者多个空格符、斜线符、竖线符、引号符组合成的符号。
示例性的，第一指令为diff a.txt b.txt|grp apple，预定义的分隔符可以为空格和竖线，终端基于空格和竖线对第一指令diff a.txt b.txt|grpapple进行拆分，得到的第一词组集合为[diff,a.txt,b.txt,grp,apple]。
步骤S4032，获得指令集合。
其中，指令集合包括已获得的多个正确的第四指令。
这里，第四指令可以理解为已执行成功且存储在终端中的指令。
本申请其他实施例中，当每一指令执行成功后，终端判断指令集合中是否存在该指令，若确定指令集合中不存在该指令，则将已经执行成功的指令添加到指令集合中。
步骤S4033，基于第一词组集合中具有目标顺序的词语，从多个第四指令中筛选与第一指令对应的至少一个第四指令。
本申请实施例中，具有目标顺序的词语指的是第一词组集合中具有特定顺序也可以称为特定序号的至少一个词语。例如，特定顺序指第一词组集合中的第一个位置，此时，基于第一词组集合中第一个位置的词语，从多个第四指令中筛选与第一指令对应的至少一个第四指令。
这里，指令集合中存在多个正确指令的情况下，终端获取第一词组集合中具有目标顺序的一个或者多个词语，基于一个或者多个词语对指令集合中的多个第四指令进行筛选，得到至少一个与第一指令对应的第四指令。如此，简化后续将第一指令与指令集合中的每一指令进行相似度匹配的操作，即避免第一指令与完全不相关的指令进行相似度匹配；同时，确保相似度匹配结果的准确性，也减少了系统计算量。
示例性的，指令集合中的指令包括groupadd group_name、groupdel group_name、diff a.txt a.txt|grep apple、mount/dev/fd0/mnt/floppy、mount/dev/cdrom/mnt/cdrom、diff a.txt b.txt，终端获取第一词组集合中具有目标顺序的一个词语diff，并基于该词语diff对指令集合中的多个第四指令进行筛选，得到两个与第一指令对应的第四指令，其中，这两个第四指令为diff a.txt b.txt|grep apple、diff a.txt b.txt。
步骤S4034，对筛选出的每一第四指令进行拆分，得到每一第二词组集合。
本申请实施例中，终端基于获取的分隔符对筛选出的每一第四指令进行拆分，得到每一第二词组集合。
示例性的，筛选出的多个第四指令包括diff a.txt b.txt|grep apple、diffa.txt b.txt,终端基于预定义的分隔符如空格和竖线对这两个第四指令diff a.txtb.txt|grep apple、diff a.txt b.txt进行拆分，得到每一第二词组集合[diff,a.txt,b.txt,grep,apple]、[diff,a.txt,b.txt]。
步骤S4035，基于第一词组集合和每一第二词组集合，确定第一指令与筛选出的每一第四指令之间的相似度。
本申请实施例中，终端在获取到第一词组集合和每一第二词组集合后，将第一词组集合中的词语与每一第二词组集合中的词语去重合并后，得到多个目标词组集合；确定第一词组集合中的每一词语在每一目标词组集合中出现的次数，得到多个第一词频向量；确定每一第二词组集合中的每一词语在对应目标词组集合中出现的次数，得到多个第二词频向量。基于多维空间余弦夹角算法对第一词频向量和第二词频向量进行处理，以确定第一指令与筛选出的每一第四指令之间的相似度。需要说明的是，两向量通过多维空间余弦夹角算法计算出的夹角值代表两条指令之间的相似度，余弦夹角值越大，两条指令之间的相似度越高，反之余弦夹角值越小，两条指令之间的相似度越低。
其中，多维空间余弦夹角算法可以为
Figure BDA0002752930070000111
示例性的，第一词组集合[diff,a.txt,b.txt,grp,apple]，第一个第二词组集合[diff,a.txt,b.txt,grep,apple]，第二个第二词组集合[diff,a.txt,b.txt]，终端将第一词组集合中的词语和第一个第二词组集合中的词语去重合并后，得到的第一个目标词组集合为[diff,a.txt,b.txt,grp,apple,grep]；终端将第一词组集合中的词语和第二个第二词组集合中的词语去重合并后，得到的第二个目标词组集合为[diff,a.txt,b.txt,grp,apple]。
确定第一词组集合中的词语在第一个目标词组集合中出现的次数为[diff-1次,a.txt-1次,b.txt-1次,grp-1次,apple-1次,grep-0次]，得到的第一个第一词频向量为(1,1,1,1,1,0)；确定第一词组集合中的词语在第二个目标词组集合中出现的次数为[diff-1次,a.txt-1次,b.txt-1次,grp-1次,apple-1次]，得到的第二个第一词频向量为(1,1,1,1,1)。
确定第一个第二词组集合中的词语在第一个目标词组集合中出现的次数为[diff-1次,a.txt-1次,b.txt-1次,grp-0次,apple-1次,grep-1次]，得到的第一个第二词频向量为(1,1,1,0,1,1)；确定第二个第二词组集合中的词语在第二个目标词组集合中出现的次数为[diff-1次,a.txt-1次,b.txt-1次]，得到的第二个第二词频向量为(1,1,1,0,0)。
基于多维空间余弦夹角算法对第一个第一词频向量(1,1,1,1,1,0)和第一个第二词频向量(1,1,1,0,1,1)进行处理，即将第一个第一词频向量(1,1,1,1,1,0)和第一个第二词频向量(1,1,1,0,1,1)代入上述多维空间余弦夹角算法中，可以得到第一个余弦夹角值为0.8，即第一个相似度值为0.8；基于第二个第一词频向量(1,1,1,1,1)、第二个第二词频向量(1,1,1,0,0)和多维空间余弦夹角算法，得到第二个余弦夹角值为0.375，即第二个相似度值为0.375。
步骤S4036，确定多个相似度中的最大相似度为第一相似度。
其中，第一指令与筛选出的各个第四指令之间具有最大相似度的第四指令为第二指令。
本申请实施例中，终端将多个相似度值进行比较，得到最大相似度，并将最大相似度确定为第一相似度，将第一指令与具有最大相似度的第四指令确定为第二指令。
示例性的，终端将获得的第一个相似度值0.8与第二个相似度值0.375进行比较，确定第一个相似度值0.8为最大相似度，进而将与第一个相似度值0.8对应的第四指令diffa.txt b.txt|grep apple确定为第二指令。
本申请实施例中，参见图6所示，步骤S403中基于确定的第一相似度，得到目标置信度，可以包括如下步骤：
步骤S4037，获得动态相似度阈值。
这里，步骤S4037获得动态相似度阈值，可以通过如下步骤实现：
第一步、获得当前时段出现错误指令的第一概率r1。
其中，第一概率r1为操作对象在当前时段输入的指令执行失败的次数与指令执行总次数的比值。
示例性的，第一概率r1可以是操作对象在当前小时段(如1-24h中的第12h)出现错误指令的概率。
第二步、获得第二概率xi。
其中，第二概率xi为历史时长内当前时段对应的第i个历史时段出现错误指令的概率，1≤i≤n,i为正整数，n为历史时长包括的历史时段的总数。
需要说明的是，不同操作对象触发终端出现指令执行失败的概率不同，因此，需要获取同一操作对象在历史时长内与当前时段对应的第i个历史时段出现错误指令的第二概率xi。示例性的，终端获取同一操作对象过去一周内与第12小时时段对应的第1个第12小时段出现错误指令的概率x1，过去一周内与第12小时时段对应的第2个第12小时段出现错误指令的概率x2，直至获取到过去一周内与第12小时时段对应的第7个第12小时段出现错误指令的概率x7。
本申请其他实施例中，终端还可以获取同一操作对象在历史时长内不同时段出现错误指令的第二概率。示例性的，终端还可以获取同一操作对象前24小时内第1小时段出现错误指令的概率x1，第2小时段出现错误指令的概率x2，直至获取到第24小时段出现错误指令的概率x24。
第三步、获得每一历史时段对应的经验权值wi。
其中，经验权值作为确定第三概率的一个参考因素，需要说明的是，xi距离操作当天越近则对应的经验权值越小。示例性的，经验权值wi可以取[0.16,0.16,0.16,0.16,0.14,0.12,0.1]。
第四步、在公式(1)中代入xi和wi，得到第三概率r2。
Figure BDA0002752930070000131
终端基于加权移动平均法、经验权值将经验权值wi和第二概率xi，确定第三概率r2。具体计算公式如下：
Figure BDA0002752930070000132
本申请其他实施例中，终端还可以基于神经网络模型对第二概率xi进行处理，得到第三概率r2。
第五步、在公式(2)中代入xi和n，得到第四概率r3。
Figure BDA0002752930070000133
其中，第四概率r3为操作对象在历史时长内与当前时段对应的历史时段出现错误指令的平均概率。
示例性的，终端获取同一操作对象过去一周内与第12小时时段对应的历史时段出现错误指令的第二概率，可以为(x7,x6,x5,x4,x3,x2,x1)，且过去一周内的历史时段总数n为7，将(x7,x6,x5,x4,x3,x2,x1)和n＝7代入公式(2)可得到第四概率r3，具体计算如下，
Figure BDA0002752930070000141
这里，第四概率r3越高表示操作对象非疲劳状态下输入指令出错的概率越大，在输入相同指令时当前结果内容与历史内容文本相似度越低；第四概率r3越低表示操作对象非疲劳状态下输入指令出错的概率越小，在输入相同指令时当前结果内容与历史内容文本相似度会更高。
第六步、在公式(3)中代入r1、r2和r3，得到动态相似度阈值y。
y＝(1-r3)×0.9-(r1-r2) 公式(3)
其中，(1-r3)×0.9表示操作对象输入的第一指令的质量即基础动态阈值部分，其中，0.9为经验参数可通过系统调整。
其中，r1-r2表示当前时段波动因素，r1-r2值越大代表操作对象当天出现错误指令的概率较之前增加，越易进入疲劳状态，即动态相似度阈值y更低。
这里，第四概率r3越高表示操作对象非疲劳状态下输入出错的概率越大，在输入相同指令时当前结果内容与历史内容文本相似度越低，动态相似度阈值y越低，更易进入疲劳状态。第四概率r3越低表示操作对象非疲劳状态下输入出错的概率越小，在输入相同指令时当前结果内容与历史内容文本相似度会更高，动态相似度阈值y越高，更难进入疲劳状态。
步骤S4038，若第一相似度大于动态相似度阈值，获得当前状态下的初始置信度。
其中，初始置信度为接收到操作对象输入的第一指令的情况下，即终端进入疲劳状态的检测阶段时，获得的置信度。这里，初始置信度可以是终端设置的默认置信度，如最低置信度。当然，初始置信度还可以是从当前时刻起到某一历史时刻为止的时段内，终端对操作对象的状态进行判定，且经过置信度累加所得到的置信度。其中，当前时刻与上述某一历史时刻之间的时长小于预设时长。
本申请实施例中，终端将第一相似度与动态相似度阈值进行比较，若第一相似度大于动态相似度阈值，获得操作对象在当前状态下的初始置信度，进一步地，基于初始置信度确定操作对象是否进入疲劳状态。
步骤S4039，上调初始置信度，得到目标置信度。
本申请实施例中，终端确定当前操作对象所输入的第一指令与第二指令之间的第一相似度大于动态相似度阈值后，获取到当前操作对象的初始置信度，并对初始置信度进行上调，得到目标置信度。需要说明的是，终端对初始置信度上调的变化量，可以基于第一相似度与动态相似度阈值之间的差值来确定。
步骤S404，若目标置信度符合预设置信度范围，生成提示信息并输出提示信息。
其中，提示信息用于提示操作对象处于疲劳状态。
参见图7，图7是本申请实施例提供的疲劳状态检测的方法的一个可选的流程示意图，将结合图7示出的步骤进行说明，
步骤S501，接收操作对象输入的第一指令。
步骤S502，获取操作对象对第一指令执行的目标操作。
步骤S503，若目标操作包括第一指令为错误指令时，在目标时段内修改第一指令为第三指令的第二操作，且目标操作还包括第三指令为错误指令时，确定第三指令与第二指令之间的第二相似度。
其中，第二指令是对第一指令中的错误部分进行纠正后得到的正确指令。
其中，第二操作可以理解为操作对象修改第一指令为第三指令的操作。
本申请实施例中，终端确定第一指令为错误指令后，终端检测到操作对象修改第一指令为第三指令的第二操作，并检测出第三指令仍为错误指令后，进一步确定第三指令与第二指令之间的第二相似度。
步骤S504，获取目标时段内执行第二操作的第二次数，确定与第二次数对应的第一置信度。
步骤S505，基于确定的第二相似度，得到操作对象当前状态为疲劳状态的第二置信度。
本申请实施例中，终端基于第三指令与第二指令之间的相似度，确定第二相似度，并得到操作对象当前状态为疲劳状态的第二置信度。
步骤S506，基于第一置信度和第二置信度，确定目标置信度。
本申请实施例中，目标置信度可以理解为衡量第一置信度和第二置信度这两个参数，在疲劳状态检测过程中所占的比重而得到的置信度。
第一种可实现的实施例中，终端将第一置信度和第二置信度累加，确定目标置信度。
第二种可实现的实施例中，终端将第一置信度和第二置信度相乘，确定目标置信度。
第三种可实现的实施例中，终端先针对第一置信度设置第一权重，针对第额置信度设置第二权重；然后，终端将第一置信度和第一权重相乘得到第一目标置信度，终端将第二置信度和第二权重相乘得到第二目标置信度；最终，终端第一目标置信度和第二目标置信度累加，确定目标置信度。
步骤S507，若目标置信度符合预设置信度范围，生成提示信息并输出提示信息。
其中，提示信息用于提示操作对象处于疲劳状态。
本申请其他实施例中，步骤S502获取操作对象对第一指令执行的目标操作之后，还包括：
首先，若目标操作是用于指示执行第一指令的操作，且执行的结果表征第一指令为错误指令，获得当前时段出现错误指令的第一概率；
其次，获得历史时长内与当前时段对应的多个历史时段出现错误指令的多个第二概率；
再次，基于加权移动平均算法对多个第二概率进行处理，得到第三概率；
最后，若第一概率大于第三概率，生成提示信息并输出提示信息；提示信息用于提示操作对象处于疲劳状态。
示例性的，终端通过统计操作对象在不同小时时间段(1-24h)中执行指令失败次数与执行指令总次数，计算得出每个小时段指令执行失败率，并记录到数据库中成为历史数据。当操作对象开始进行指令输入时，实时动态计算当前小时段的指令执行失败率，并根据过去7天当前小时段的历史失败率进行加权移动平均法或神经网络模型预测得到当前小时段的目标失败率，若当前小时的实际失败率高于预测失败率，则认为操作对象存在疲劳操作。
本申请其他实施例中，终端还可以通过输入指令的耗时判断操作对象是否进入疲劳状态：记录每条指令的输入耗时，通过计算当前执行指令与所有历史指令内容相似度，得到最相似指令。对比当前指令的输入耗时与历史最相似指令的输入耗时，若当前指令的输入耗时与历史最相似指令的输入耗时相比，耗时增加50％，则认为当前输入指令耗时较长，计算疲劳得分。
在一个可实现的场景中，结合图8对本申请提供的疲劳状态检测的方法作出进一步的说明，
步骤S601，终端接收到操作对象输入的第一指令。
步骤S602，终端检测到光标在已输入的第一指令中的显示的位置发生变化。
这里，终端检测到操作对象使用左右键或者鼠标，使得光标在第一指令中所显示的位置发生变化。
步骤S603，终端获取到修改第一指令为第三指令的第二操作。
步骤S604，基于第二操作，确定操作对象当前状态为疲劳状态的第一置信度。
其中，目标置信度包括第一置信度。
这里，第一置信度可以理解为当前操作对象的疲劳得分。
步骤S605，若目标置信度符合预设置信度范围，生成提示信息并输出提示信息。
这里，预设置信度范围可以理解为设置当前操作对象疲劳得分的阈值范围。
本申请其他实施例中，还包括步骤S606，终端未检测到光标在已输入的第一指令中的显示的位置发生变化，执行第一指令。
步骤S607，获取执行结果。
步骤S608，若执行结果表征第一指令执行错误，获取第一指令与多个正确的第四指令之间的多个第一子相似度，确定最大的第一子相似度为第一相似度。
这里，指令集合可以理解为历史成功指令集，终端将第一指令与历史正确指令集合每一正确指令进行相似度匹配，得到多个第一子相似度，将多个第一子相似度进行比较，确定最大的第一子相似度为第一相似度。
步骤S609，基于确定的第一相似度，得到第二置信度。
其中，目标置信度包括第二置信度。
本申请其他实施例中，还包括步骤S610，若执行结果表征第一指令执行成功，则将第一指令添加到指令集合中。
在一种可选的应用场景下，本申请提供的疲劳状态检测的方法可以通过步骤S601、步骤S602、步骤S603、步骤S604和步骤S605实现；
在一种可选的应用场景下，本申请提供的疲劳状态检测的方法可以通过步骤S601、步骤S602、步骤S606、步骤S607、步骤S608、步骤S609、步骤S604、和步骤S605实现；
在一种可选的应用场景下，本申请提供的疲劳状态检测的方法可以通过步骤S601、步骤S602、步骤S606、步骤S607、步骤S610实现；
在一种可选的应用场景下，本申请提供的疲劳状态检测的方法可以通过步骤S601、步骤S602、步骤S603、步骤S606、步骤S607、步骤S608、步骤S609、步骤S604、和步骤S605实现。
下面继续说明本申请实施例提供的疲劳状态检测的装置154实施为软件模块的示例性结构，在一些实施例中，如图1所示，存储在存储器150的疲劳状态检测的装置154中的软件模块可以是终端100中的疲劳状态检测的装置，包括：
接收模块1541，用于接收操作对象输入的第一指令；
获取模块1542，用于获取操作对象对第一指令执行的目标操作；
处理模块1543，用于若目标操作是第一指令为错误指令时执行的操作，基于目标操作，确定操作对象当前状态为疲劳状态的目标置信度；若目标置信度符合预设置信度范围，生成提示信息并输出提示信息；其中，提示信息用于提示操作对象处于疲劳状态。
在一些实施例中，处理模块1543，还用于若目标操作是第一指令为错误指令时，在目标时段内修改第一指令为第二指令的第一操作，获取目标时段内执行第一操作的第一次数；其中，第二指令是对第一指令中的错误部分进行纠正后得到的正确指令；确定与第一次数对应的目标置信度。
在一些实施例中，处理模块1543，还用于若目标操作是第一指令为错误指令时，确定第一指令与第二指令之间的第一相似度，基于确定的第一相似度，得到目标置信度；其中，第二指令是对第一指令中的错误部分进行纠正后得到的正确指令。
在一些实施例中，处理模块1543，还用于若目标操作包括第一指令为错误指令时，在目标时段内修改第一指令为第三指令的第二操作，且目标操作还包括第三指令为错误指令时，确定第三指令与第二指令之间的第二相似度；其中，第二指令是对第一指令中的错误部分进行纠正后得到的正确指令；获取目标时段内执行第二操作的次数，确定与第二次数对应的第一置信度；基于确定的第二相似度，得到操作对象当前状态为疲劳状态的第二置信度；基于第一置信度和第二置信度，确定目标置信度。
在一些实施例中，获取模块1542，还用于获得动态相似度阈值；处理模块1543，还用于若第一相似度大于动态相似度阈值，获取模块1542，还用于获得当前状态下的初始置信度；处理模块1543，还用于上调初始置信度，得到目标置信度。
在一些实施例中，获取模块1542，还用于获得当前时段出现错误指令的第一概率r1；获得第二概率xi；其中，xi为历史时长内当前时段对应的第i个历史时段出现错误指令的概率，1≤i≤n,i为正整数，n为历史时长包括的历史时段的总数；获得每一历史时段对应的经验权值wi；处理模块1543，还用于在公式(1)中代入xi和wi，得到第三概率r2，
Figure BDA0002752930070000191
公式(1)；在公式(2)中代入xi和n，得到第四概率r3，
Figure BDA0002752930070000192
公式(2)；在公式(3)中代入r1、r2和r3，得到动态相似度阈值y，y＝(1-r3)×0.9-(r1-r2)公式(3)。
在一些实施例中，处理模块1543，还用于若第一指令为错误指令，对第一指令进行拆分得到第一词组集合；获取模块1542，还用于获得指令集合；其中，指令集合包括已获得的多个正确的第四指令；处理模块1543，还用于基于第一词组集合中具有目标顺序的词组，从多个第四指令中筛选与第一指令对应的至少一个第四指令；对筛选出的每一第四指令进行拆分，得到每一第二词组集合；基于第一词组集合和每一第二词组集合，确定第一指令与筛选出的每一第四指令之间的相似度；确定多个相似度中的最大相似度为第一相似度；其中，第一指令与筛选出的各个第四指令之间具有最大相似度的第四指令为第二指令。
在一些实施例中，处理模块1543，还用于若目标操作是用于指示执行第一指令的操作，且执行的结果表征第一指令为错误指令，获取模块1542，还用于获得当前时段出现错误指令的第一概率；获得历史时长内与当前时段对应的多个历史时段出现错误指令的多个第二概率；处理模块1543，还用于基于加权移动平均算法对多个第二概率进行处理，得到第三概率；若第一概率大于第三概率，生成提示信息并输出提示信息；提示信息用于提示操作对象处于疲劳状态。
本申请实施例提供的疲劳状态检测的装置，通过接收操作对象输入的第一指令；获取操作对象对第一指令执行的目标操作；若目标操作是第一指令为错误指令时执行的操作，基于目标操作，确定操作对象当前状态为疲劳状态的目标置信度；若目标置信度符合预设置信度范围，生成提示信息并输出提示信息；其中，提示信息用于提示操作对象处于疲劳状态；也就是说，基于操作对象对输入错误的第一指令所执行的操作，确定操作对象当前状态为疲劳状态的置信度，进而基于置信度生成提示信息，如此，在操作对象输入错误的第一指令的情况下，结合操作对象对第一指令执行的目标操作，精确判断操作对象当前状态为疲劳状态的可能性，并且确定当前状态为疲劳状态时生成提示信息并输出，从而解决相关技术中进行疲劳检测时，至少存在检测成本高昂的问题，实现了通过软件的方式进行精确地疲劳检测，降低了检测成本，提高了检测准确率，且能够及时地对疲劳状态进行提示，减少了不必要的损失。
需要说明的是，本申请实施例装置的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果，因此不做赘述。对于本装置实施例中未披露的技术细节，请参照本申请方法实施例的描述而理解。
本申请实施例提供一种存储有可执行指令的存储介质，其中存储有可执行指令，当可执行指令被处理器执行时，将引起处理器执行本申请实施例提供的方法，例如，如图2-7示出的方法。
本申请提供的存储介质，通过接收操作对象输入的第一指令；获取操作对象对第一指令执行的目标操作；若目标操作是第一指令为错误指令时执行的操作，基于目标操作，确定操作对象当前状态为疲劳状态的目标置信度；若目标置信度符合预设置信度范围，生成提示信息并输出提示信息；提示信息用于提示操作对象处于疲劳状态；也就是说，基于操作对象对输入错误的第一指令所执行的操作，确定操作对象当前状态为疲劳状态的置信度，进而基于置信度生成提示信息，如此，在操作对象输入错误的第一指令的情况下，结合操作对象对第一指令执行的目标操作，精确判断操作对象当前状态为疲劳状态的可能性，并且确定当前状态为疲劳状态时生成提示信息并输出，从而解决相关技术中进行疲劳检测时，至少存在检测成本高昂的问题，实现了通过软件的方式进行精确地疲劳检测，降低了检测成本，提高了检测准确率，且能够及时地对疲劳状态进行提示，减少了不必要的损失。
在一些实施例中，存储介质可以是计算机可读存储介质，例如，铁电存储器(FRAM，Ferromagnetic Random Access Memory)、只读存储器(ROM，Read Only Memory)、可编程只读存储器(PROM，Programmable Read Only Memory)、可擦除可编程只读存储器(EPROM，Erasable Programmable Read Only Memory)、带电可擦可编程只读存储器(EEPROM，Electrically Erasable Programmable Read Only Memory)、闪存、磁表面存储器、光盘、或光盘只读存储器(CD-ROM，Compact Disk-Read Only Memory)等存储器；也可以是包括上述存储器之一或任意组合的各种设备。
在一些实施例中，可执行指令可以采用程序、软件、软件模块、脚本或代码的形式，按任意形式的编程语言(包括编译或解释语言，或者声明性或过程性语言)来编写，并且其可按任意形式部署，包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在计算环境中使用的其它单元。
作为示例，可执行指令可以但不一定对应于文件系统中的文件，可以可被存储在保存其它程序或数据的文件的一部分，例如，存储在超文本标记语言(超文本标记语言，Hyper Text Markup Language)文档中的一个或多个脚本中，存储在专用于所讨论的程序的单个文件中，或者，存储在多个协同文件(例如，存储一个或多个模块、子程序或代码部分的文件)中。作为示例，可执行指令可被部署为在一个计算设备上执行，或者在位于一个地点的多个计算设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算设备上执行。
以上所述，仅为本申请的实施例而已，并非用于限定本申请的保护范围。凡在本申请的精神和范围之内所作的任何修改、等同替换和改进等，均包含在本申请的保护范围之内。

Claims (8)

1.一种疲劳状态检测的方法，其特征在于，包括：
接收操作对象输入的第一指令；
获取所述操作对象对所述第一指令执行的目标操作；
若所述目标操作是所述第一指令为错误指令时，在目标时段内修改所述第一指令的操作，确定所述错误指令和第二指令之间的相似度；所述第二指令是对所述第一指令中的错误部分进行纠正后得到的正确指令，所述错误指令包括所述第一指令和在所述目标时段内修改所述第一指令后得到的与所述第二指令不同的指令；
获得动态相似度阈值，若所述相似度大于所述动态相似度阈值，获得当前状态下的初始置信度，并上调所述初始置信度；
基于上调后的初始置信度，确定所述操作对象当前状态为疲劳状态的目标置信度；
若所述目标置信度符合预设置信度范围，生成提示信息并输出所述提示信息；其中，所述提示信息用于提示所述操作对象处于所述疲劳状态。
2.根据权利要求1中所述的方法，其特征在于，所述若所述目标操作是所述第一指令为错误指令时，在目标时段内修改所述第一指令的操作，确定所述错误指令和第二指令之间的相似度，包括：
若所述目标操作是所述第一指令为所述错误指令时，确定所述第一指令与第二指令之间的第一相似度，其中，所述第一相似度大于所述动态相似度阈值；
相应的，所述基于上调后的初始置信度，确定所述操作对象当前状态为疲劳状态的目标置信度，包括：
确定所述上调后的所述初始置信度为所述目标置信度。
3.根据权利要求1中所述的方法，其特征在于，所述若所述目标操作是所述第一指令为错误指令时，在目标时段内修改所述第一指令的操作，确定所述错误指令和第二指令之间的相似度，包括：
若所述目标操作包括所述第一指令为所述错误指令时，在目标时段内修改所述第一指令为第三指令的第二操作，且所述目标操作还包括所述第三指令为所述错误指令时，确定所述第三指令与第二指令之间的第二相似度；其中，所述第二相似度大于所述动态相似度阈值；
相应的，所述基于上调后的初始置信度，确定所述操作对象当前状态为疲劳状态的目标置信度，包括：
获取所述目标时段内执行所述第二操作的第二次数，确定与所述第二次数对应的第一置信度；
基于所述第一置信度和所述上调后的初始置信度，确定所述目标置信度。
4.根据权利要求1中所述的方法，其特征在于，所述获得动态相似度阈值，包括：
获得当前时段出现所述错误指令的第一概率r1；
获得第二概率xi；其中，xi为历史时长内所述当前时段对应的第i个历史时段出现所述错误指令的概率，1≤i≤n,i为正整数，n为所述历史时长包括的所述历史时段的总数；
获得每一所述历史时段对应的经验权值wi；
在公式(1)中代入所述xi和所述wi，得到第三概率r2，
Figure FDA0003872990860000021
在公式(2)中代入所述xi和所述n，得到第四概率r3，
Figure FDA0003872990860000022
在公式(3)中代入所述r1、所述r2和所述r3，得到所述动态相似度阈值y，y＝(1-r3)×0.9-(r1-r2) 公式(3)。
5.根据权利要求3中所述的方法，其特征在于，所述若所述目标操作是所述第一指令为所述错误指令时，确定所述错误指令与第二指令之间的相似度的操作，包括：
若所述第一指令为所述错误指令，对所述第一指令进行拆分得到第一词组集合；
获得指令集合；其中，所述指令集合包括已获得的多个正确的第四指令；
基于所述第一词组集合中具有目标顺序的词语，从多个所述第四指令中筛选与所述第一指令对应的至少一个第四指令；
对筛选出的每一所述第四指令进行拆分，得到每一第二词组集合；
基于所述第一词组集合和每一所述第二词组集合，确定所述第一指令与筛选出的每一所述第四指令之间的相似度；
确定多个所述相似度中的最大相似度为所述错误指令与所述第二指令之间相似度；其中，所述第一指令与筛选出的各个所述第四指令之间具有最大相似度的第四指令为所述第二指令。
6.根据权利要求1至5中任一项所述的方法，其特征在于，所述获取所述操作对象对所述第一指令执行的目标操作之后，还包括：
若所述目标操作是用于指示执行所述第一指令的操作，且执行的结果表征所述第一指令为所述错误指令，获得当前时段出现所述错误指令的第一概率；
获得历史时长内与所述当前时段对应的多个历史时段出现所述错误指令的多个第二概率；
基于加权移动平均算法对多个所述第二概率进行处理，得到第三概率；
若所述第一概率大于所述第三概率，生成提示信息并输出所述提示信息；其中，所述提示信息用于提示所述操作对象处于所述疲劳状态。
7.一种疲劳状态检测的设备，其特征在于，包括：
存储器，用于存储可执行指令；处理器，用于执行所述存储器中存储的可执行指令时，实现权利要求1至6任一项所述的方法。
8.一种计算机可读存储介质，其特征在于，存储有可执行指令，用于引起处理器执行时，实现权利要求1至6任一项所述的方法。
CN202011191711.3A 2020-10-30 2020-10-30 一种疲劳状态检测的方法、设备及存储介质 Active CN112286775B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011191711.3A CN112286775B (zh) 2020-10-30 2020-10-30 一种疲劳状态检测的方法、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011191711.3A CN112286775B (zh) 2020-10-30 2020-10-30 一种疲劳状态检测的方法、设备及存储介质

Publications (2)

Publication Number Publication Date
CN112286775A CN112286775A (zh) 2021-01-29
CN112286775B true CN112286775B (zh) 2023-01-24

Family

ID=74354202

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011191711.3A Active CN112286775B (zh) 2020-10-30 2020-10-30 一种疲劳状态检测的方法、设备及存储介质

Country Status (1)

Country Link
CN (1) CN112286775B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113183968A (zh) * 2021-04-25 2021-07-30 前海七剑科技(深圳)有限公司 抗疲劳驾驶方法、装置、设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009140165A (ja) * 2007-12-05 2009-06-25 Yahoo Japan Corp 操作状態監視方法、操作状態監視装置、及びプログラム
CN109344042A (zh) * 2018-08-22 2019-02-15 北京中测安华科技有限公司 异常操作行为的识别方法、装置、设备及介质
CN110097037A (zh) * 2019-05-22 2019-08-06 天津联图科技有限公司 智能监测方法、装置、存储介质及电子设备
CN110287318A (zh) * 2019-06-06 2019-09-27 秒针信息技术有限公司 业务操作的检测方法及装置、存储介质、电子装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8806444B1 (en) * 2011-04-07 2014-08-12 Intuit Inc. Modifying software based on tracked activities
RU2014101664A (ru) * 2014-01-21 2015-07-27 Общество с ограниченной ответственностью "Аби Девелопмент" Способы и системы для определения степени утомления оператора
US10492981B1 (en) * 2015-07-17 2019-12-03 Bao Tran Systems and methods for computer assisted operation
CN106128032A (zh) * 2016-07-05 2016-11-16 北京理工大学珠海学院 一种疲劳状态监测及预警方法及其系统
CN108176049B (zh) * 2017-12-28 2021-05-25 珠海豹好玩科技有限公司 一种信息提示方法、装置、终端和计算机可读存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009140165A (ja) * 2007-12-05 2009-06-25 Yahoo Japan Corp 操作状態監視方法、操作状態監視装置、及びプログラム
CN109344042A (zh) * 2018-08-22 2019-02-15 北京中测安华科技有限公司 异常操作行为的识别方法、装置、设备及介质
CN110097037A (zh) * 2019-05-22 2019-08-06 天津联图科技有限公司 智能监测方法、装置、存储介质及电子设备
CN110287318A (zh) * 2019-06-06 2019-09-27 秒针信息技术有限公司 业务操作的检测方法及装置、存储介质、电子装置

Also Published As

Publication number Publication date
CN112286775A (zh) 2021-01-29

Similar Documents

Publication Publication Date Title
WO2021174835A1 (zh) 告警信息处理方法、装置、计算机装置及存储介质
US20220217156A1 (en) Detecting suspicious user logins in private networks using machine learning
EP2357562A1 (en) System for assisting with execution of actions in response to detected events, method for assisting with execution of actions in response to detected events, assisting device, and computer program
US9104753B2 (en) Identifying an incident-addressing step
CN111079892A (zh) 深度学习模型的训练方法、装置及系统
US20190347621A1 (en) Predicting task durations
CN112286775B (zh) 一种疲劳状态检测的方法、设备及存储介质
JP4383484B2 (ja) メッセージ解析装置、制御方法および制御プログラム
CN115880110A (zh) 作业任务监控方法、装置、电子设备及存储介质
CN116629435A (zh) 风险预测方法、装置、计算机设备和存储介质
CN113379163B (zh) 教学辅助方法、装置以及存储介质
CN113254153B (zh) 流程任务处理方法、装置、计算机设备和存储介质
EP3851803A1 (en) Method and apparatus for guiding speech packet recording function, device, and computer storage medium
CN117149266A (zh) 任务处理方法、装置、存储介质以及电子设备
CN111459542A (zh) 推荐配置指标的确定方法、装置、系统、存储介质及设备
KR20210069215A (ko) 빅데이터 분석을 최적화하는 사용자 인터페이스 방법
CN115762523A (zh) 故障记录获取方法和装置、电子设备和可读存储介质
CN115858049A (zh) Rpa流程组件化编排方法、装置、设备和介质
CN112416983B (zh) 一种数据处理方法及装置、计算机可读存储介质
CN113900910A (zh) 应用程序监控方法、装置、存储介质和电子设备
CN113902457A (zh) 房源信息可靠性的评估方法、装置、电子设备及存储介质
CN113537507A (zh) 机器学习系统、方法及电子设备
CN111612023A (zh) 一种分类模型构建方法及装置
CN113056756A (zh) 睡眠识别方法、装置、存储介质及电子设备
CN117194721B (zh) 生成图数据的方法、装置及计算机设备

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
GR01 Patent grant
GR01 Patent grant