发明内容
为了解决上述方案存在的问题,本发明提供了一种电力营业厅人员的工作状态智能识别系统。
本发明的目的可以通过以下技术方案实现:一种电力营业厅人员的工作状态智能识别系统,包括中央处理器、数据发布模块、管理监督模块、数据存储模块、数据采集模块、状态分析模块和状态预警模块;
所述数据采集模块用于获取营业厅的视频数据,并对视频数据进行初筛处理获取初筛视频,所述视频数据包括监控视频和反馈视频;所述数据采集模块至少与一套物联设备通信连接,所述物联设备包括图像采集单元和电子写字板;所述图像采集单元包括动作云台和高清摄像头;所述动作云台与高清摄像头组合使用;
所述状态分析模块通过分析初筛数据获取工作人员的工作状态;
所述状态预警模块用于对工作人员的工作状态进行实时预警;
所述数据发布模块定期获取工作人员的工作状态记录,根据工作状态记录进行统计分析获取统计结果,并根据统计结果做出处罚,所述处罚包括开除、留职察看、严重警告和口头警告。
优选的,所述电子写字板用于获取反馈信息,包括:
通过电子写字板获取客户的反馈信息;所述反馈信息包括反馈时间、工作人员编号和反馈内容;
将反馈信息发送至数据采集模块;所述数据采集模块接收到反馈信息之后通过反馈关键词对反馈信息进行提取并将提取结果标记为TJ;所述反馈关键词包括玩手机、睡觉、聊天和不在工位;
当提取结果TJ=0时,则动作云台不动作;当提取结果TJ=1时,发送实时拍摄信号和工作人员编号至图像采集单元。
优选的,所述图像采集单元用于获取监控视频并对监控视频进行筛选,包括:
当图像采集单元接收到实时拍摄信号和工作人员编号时,立即控制动作云台使高清摄像头拍摄对应工位获取反馈视频;所述对应工位为工作人员编号对应的工位,所述反馈视频的时长至少超过5秒;
当图像采集单元未接收到实时拍摄信号和工作人员编号时,则控制动作云台按照预设角度和预设范围实时获取监控视频;
将监控视频和反馈视频发送至数据采集模块。
优选的,所述数据采集模块对视频数据进行初筛处理获取初筛视频,包括:
将视频数据逐帧分解成图像并标记为视频图像;
对视频图像进行图像预处理;所述图像预处理包括图像分割、图像去噪和灰度变化;
获取经过图像预处理之后的视频图像的灰度平均值、灰度最大差值和灰度最小差值;所述灰度最大差值和灰度最小差值为视频图像灰度平均值与后一帧视频图像灰度平均值的最大差值和最小差值;并将灰度最大差值和灰度最小差值分别标记为HDC和HXC;
通过公式SPPX=α1×(HDC-HXC)2获取视频图像评估系数SPPX;其中α1为预设比例系数,且α1为大于0的实数;
当视频图像评估系数SPPX满足SPPX>L1时,则判定视频图像质量不合格;当视频图像评估系数SPPX满足SPPX≤L1时,则判定视频图像质量合格;其中L1为预设视频图像评估系数阈值,且L1>0.5;
获取质量合格的视频图像总数并标记为HGZ,获取质量不合格的视频图像总数并标记为BGZ;
通过公式
获取质量评估系数ZPX;其中α2和α3为预设比例系数,且α2和α3均为大于0的实数;
当质量评估系数ZPX满足L2≤ZPX时,则判定视频数据合格;当质量评估系数ZPX满足0<ZPX<L2时,则判定视频数据不合格;其中L2为预设质量评估系数阈值,且L2>0;
对合格的视频数据进行视频降噪获取初筛视频,通过中央处理器将初筛视频分别发送至状态分析模块和数据存储模块。
优选的,所述状态分析模块通过初筛视频分析工作人员的工作状态,包括:
获取数据存储模块中的历史图像;所述历史图像为营业厅日常营业中高清摄像头获取的视频数据分解得到的图像;
利用图像标注工具LabelImg对历史数据进行标注,并通过图像标注工具LabelImg对每个历史图像标注,得到历史图像的XML标注文件;将历史图像按照预设比例随机选取训练集、验证集和测试集;所述标注文件中的标注类型包括玩手机、睡觉、聊天和不在工位;
构建神经网络模型;所述神经网络模型包括误差前向传播神经网络和RBF神经网络;
通过训练集、验证集和测试机对神经网络模型进行训练,当神经网络模型的学习精度和学习次数满足要求时,则判定神经网络模型训练成功并标记为智能模型;
获取初筛视频,将初筛视频分解成单帧图像,将分解之后的图像输入至智能模型的输入层,通过智能模型的输出层获取输出数据;
将输出数据与标注类型进行匹配,当匹配成功时,则将输出数据标记异常工作状态,通过中央处理器将工作状态异常信号发送至状态预警模块;所述匹配成功是指输出数据至少与标注类型中的一个匹配成功;
将工作状态异常信号发送记录通过中央处理器发送至数据存储模块进行存储。
优选的,所述状态预警模块与营业厅负责人的智能终端通信连接;当状态预警模块接收到工作状态异常信号之后,将异常工作状态及其对应的监控视频发送至对应营业厅负责人的智能终端;所述智能终端包括智能手机、笔记本电脑和平板电脑。
优选的,所述数据发布模块定期分析工作状态记录,根据工作状态记录获取统计结果,包括:
通过中央处理器获取数据存储模块中的工作状态记录;所述工作状态记录包括营业厅编号和工作人员异常工作状态;所述工作人员异常工作状态包括玩手机、睡觉、聊天和不在工位;所述营业厅编号为i,i=1,2,……,n;
获取营业厅i中工作人员异常工作状态平均次数并标记为YPCi;
以营业厅i为横坐标,以工作人员异常工作状态平均次数YPCi为纵坐标生成工作状态柱形图;将工作状态柱形图通过中央处理器发送至管理监督模块。
优选的,所述管理监督模块用于根据工作状态柱形图对营业厅以及工作人员进行约谈,包括:
当异常工作状态平均次数YPCi满足K2≤YPCi时,则判定编号i对应的营业厅日常工作状态异常;当异常工作状态平均次数YPCi满足K1≤YPCi<K2时,则判定编号i对应的营业厅日常工作状态不良;当异常工作状态平均次数YPCi满足0≤YPCi<K1时,则判定编号i对应的营业厅日常工作状态正常;其中K1和K2均为大于0的预设异常工作状态平均次数阈值;
通过管理调度模块派遣调查人员对工作状态异常和工作状态不良的营业厅负责人进行约谈。
与现有技术相比,本发明的有益效果是:
1、本发明设置了数据采集模块,该设置对视频数据进行初筛处理获取初筛视频;通过高清摄像头和电子写字板配合获取营业厅内的视频数据,并对视频数据进行处理获取初筛视频;数据采集模块通过电子写字板的配合,能够保证视频数据采集的针对性,有助于提高工作人员工作状态监测的准确性;
2、本发明设置了状态分析模块,该设置通过初筛视频分析工作人员的工作状态;通过神经网络模型和生理监测方法配合,获取初筛视频中工作人员的工作状态;状态分析模块中神经网络模型即可以单独使用,也可以与生理监测方法配合使用,为管理人员能提供了更多的选择,有助于提高本发明的监测效率和识别精度。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,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前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1,本发明提供两种实施例:
实施例一:
一种电力营业厅人员的工作状态智能识别系统,包括中央处理器、数据发布模块、管理监督模块、数据存储模块、数据采集模块、状态分析模块和状态预警模块;
数据采集模块用于获取营业厅的视频数据,并对视频数据进行初筛处理获取初筛视频,视频数据包括监控视频和反馈视频;数据采集模块至少与一套物联设备通信连接,物联设备包括图像采集单元和电子写字板;图像采集单元包括动作云台和高清摄像头;动作云台与高清摄像头组合使用;
状态分析模块通过分析初筛数据获取工作人员的工作状态;
状态预警模块用于对工作人员的工作状态进行实时预警;
数据发布模块定期获取工作人员的工作状态记录,根据工作状态记录进行统计分析获取统计结果,并根据统计结果做出处罚,处罚包括开除、留职察看、严重警告和口头警告。
进一步地,电子写字板用于获取反馈信息,包括:
通过电子写字板获取客户的反馈信息;反馈信息包括反馈时间、工作人员编号和反馈内容;
将反馈信息发送至数据采集模块;数据采集模块接收到反馈信息之后通过反馈关键词对反馈信息进行提取并将提取结果标记为TJ;反馈关键词包括玩手机、睡觉、聊天和不在工位;
当提取结果TJ=0时,则动作云台不动作;当提取结果TJ=1时,发送实时拍摄信号和工作人员编号至图像采集单元。
进一步地,图像采集单元用于获取监控视频并对监控视频进行筛选,包括:
当图像采集单元接收到实时拍摄信号和工作人员编号时,立即控制动作云台使高清摄像头拍摄对应工位获取反馈视频;对应工位为工作人员编号对应的工位,反馈视频的时长至少超过5秒;
当图像采集单元未接收到实时拍摄信号和工作人员编号时,则控制动作云台按照预设角度和预设范围实时获取监控视频;
将监控视频和反馈视频发送至数据采集模块。
进一步地,数据采集模块对视频数据进行初筛处理获取初筛视频,包括:
将视频数据逐帧分解成图像并标记为视频图像;
对视频图像进行图像预处理;图像预处理包括图像分割、图像去噪和灰度变化;
获取经过图像预处理之后的视频图像的灰度平均值、灰度最大差值和灰度最小差值;灰度最大差值和灰度最小差值为视频图像灰度平均值与后一帧视频图像灰度平均值的最大差值和最小差值;并将灰度最大差值和灰度最小差值分别标记为HDC和HXC;
通过公式SPPX=α1×(HDC-HXC)2获取视频图像评估系数SPPX;其中α1为预设比例系数,且α1为大于0的实数;
当视频图像评估系数SPPX满足SPPX>L1时,则判定视频图像质量不合格;当视频图像评估系数SPPX满足SPPX≤L1时,则判定视频图像质量合格;其中L1为预设视频图像评估系数阈值,且L1>0.5;
获取质量合格的视频图像总数并标记为HGZ,获取质量不合格的视频图像总数并标记为BGZ;
通过公式
获取质量评估系数ZPX;其中α2和α3为预设比例系数,且α2和α3均为大于0的实数;
当质量评估系数ZPX满足L2≤ZPX时,则判定视频数据合格;当质量评估系数ZPX满足0<ZPX<L2时,则判定视频数据不合格;其中L2为预设质量评估系数阈值,且L2>0;
对合格的视频数据进行视频降噪获取初筛视频,通过中央处理器将初筛视频分别发送至状态分析模块和数据存储模块。
进一步地,状态分析模块通过初筛视频分析工作人员的工作状态,包括:
获取数据存储模块中的历史图像;历史图像为营业厅日常营业中高清摄像头获取的视频数据分解得到的图像;
利用图像标注工具LabelImg对历史数据进行标注,并通过图像标注工具LabelImg对每个历史图像标注,得到历史图像的XML标注文件;将历史图像按照预设比例随机选取训练集、验证集和测试集;标注文件中的标注类型包括玩手机、睡觉、聊天和不在工位;
构建神经网络模型;神经网络模型包括误差前向传播神经网络和RBF神经网络;
通过训练集、验证集和测试机对神经网络模型进行训练,当神经网络模型的学习精度和学习次数满足要求时,则判定神经网络模型训练成功并标记为智能模型;
获取初筛视频,将初筛视频分解成单帧图像,将分解之后的图像输入至智能模型的输入层,通过智能模型的输出层获取输出数据;
将输出数据与标注类型进行匹配,当匹配成功时,则将输出数据标记异常工作状态,通过中央处理器将工作状态异常信号发送至状态预警模块;匹配成功是指输出数据至少与标注类型中的一个匹配成功;
将工作状态异常信号发送记录通过中央处理器发送至数据存储模块进行存储。
进一步地,状态预警模块与营业厅负责人的智能终端通信连接;当状态预警模块接收到工作状态异常信号之后,将异常工作状态及其对应的监控视频发送至对应营业厅负责人的智能终端;智能终端包括智能手机、笔记本电脑和平板电脑。
进一步地,数据发布模块定期分析工作状态记录,根据工作状态记录获取统计结果,包括:
通过中央处理器获取数据存储模块中的工作状态记录;工作状态记录包括营业厅编号和工作人员异常工作状态;工作人员异常工作状态包括玩手机、睡觉、聊天和不在工位;营业厅编号为i,i=1,2,……,n;
获取营业厅i中工作人员异常工作状态平均次数并标记为YPCi;
以营业厅i为横坐标,以工作人员异常工作状态平均次数YPCi为纵坐标生成工作状态柱形图;将工作状态柱形图通过中央处理器发送至管理监督模块。
进一步地,管理监督模块用于根据工作状态柱形图对营业厅以及工作人员进行约谈,包括:
当异常工作状态平均次数YPCi满足K2≤YPCi时,则判定编号i对应的营业厅日常工作状态异常;当异常工作状态平均次数YPCi满足K1≤YPCi<K2时,则判定编号i对应的营业厅日常工作状态不良;当异常工作状态平均次数YPCi满足0≤YPCi<K1时,则判定编号i对应的营业厅日常工作状态正常;其中K1和K2均为大于0的预设异常工作状态平均次数阈值;
通过管理调度模块派遣调查人员对工作状态异常和工作状态不良的营业厅负责人进行约谈。
进一步地,定期是指预设周期,预设周期包括每个月和每个季度。
进一步地,神经网络模型为单隐含层结构,其中隐含层节点数的取值范围为[5,20]。
进一步地,反馈信息的提取具体包括:
提取反馈信息中的反馈时间和工作人员编号;
对反馈内容进行关键词提取并将提取的关键词标记为验证关键词;将验证关键词与反馈关键词进行匹配;当匹配成功时,将提取结果标记为1,当匹配失败时,将提取结果标记为0。
进一步地,中央处理器分别与数据发布模块、管理监督模块、数据存储模块、数据采集模块、状态分析模块和状态预警模块通信连接,数据存储模块与管理监督模块通信连接。
实施例二:
一种电力营业厅人员的工作状态智能识别系统,包括中央处理器、数据发布模块、管理监督模块、数据存储模块、数据采集模块、状态分析模块和状态预警模块;
状态分析模块还可通过生理监测法分析工作人员的工作状态,包括:
获取工作人员的心率并标记为XL;获取工作人员的体表温度和工作环境温度,并分别标记为TW和SW;
通过公式
获取工作状态评估系数GZPX;其中γ1和Y2为预设比例系数,且γ1和γ2均为大于0的实数;
当工作状态评估系数GZPX满足GZPX<J1时,则判定工作人员的工作状态异常;工作人员的工作状态异常包括睡觉和玩手机。
进一步地,生理监测法与神经网络模型可以配合使用。
上述公式均是去除量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况设定。
本发明的工作原理:
通过电子写字板获取客户的反馈信息;将反馈信息发送至数据采集模块;数据采集模块接收到反馈信息之后通过反馈关键词对反馈信息进行提取并将提取结果标记为TJ;当提取结果TJ=0时,则动作云台不动作;当提取结果TJ=1时,发送实时拍摄信号和工作人员编号至图像采集单元;当图像采集单元接收到实时拍摄信号和工作人员编号时,立即控制动作云台使高清摄像头拍摄对应工位获取反馈视频;当图像采集单元未接收到实时拍摄信号和工作人员编号时,则控制动作云台按照预设角度和预设范围实时获取监控视频;
将视频数据逐帧分解成图像并标记为视频图像;对视频图像进行图像预处理;获取经过图像预处理之后的视频图像的灰度平均值、灰度最大差值和灰度最小差值;并将灰度最大差值和灰度最小差值分别标记为HDC和HXC;获取视频图像评估系数SPPX;当视频图像评估系数SPPX满足SPPX>L1时,则判定视频图像质量不合格;当视频图像评估系数SPPX满足SPPX≤L1时,则判定视频图像质量合格;获取质量合格的视频图像总数并标记为HGZ,获取质量不合格的视频图像总数并标记为BGZ;获取质量评估系数ZPX;当质量评估系数ZPX满足L2≤ZPX时,则判定视频数据合格;当质量评估系数ZPX满足0<ZPX<L2时,则判定视频数据不合格;对合格的视频数据进行视频降噪获取初筛视频,通过中央处理器将初筛视频分别发送至状态分析模块和数据存储模块;
获取数据存储模块中的历史图像;利用图像标注工具LabelImg对历史数据进行标注,并通过图像标注工具LabelImg对每个历史图像标注,得到历史图像的XML标注文件;将历史图像按照预设比例随机选取训练集、验证集和测试集;构建神经网络模型;通过训练集、验证集和测试机对神经网络模型进行训练,当神经网络模型的学习精度和学习次数满足要求时,则判定神经网络模型训练成功并标记为智能模型;获取初筛视频,将初筛视频分解成单帧图像,将分解之后的图像输入至智能模型的输入层,通过智能模型的输出层获取输出数据;将输出数据与标注类型进行匹配,当匹配成功时,则将输出数据标记异常工作状态,通过中央处理器将工作状态异常信号发送至状态预警模块;
通过中央处理器获取数据存储模块中的工作状态记录;获取营业厅i中工作人员异常工作状态平均次数并标记为YPCi;以营业厅i为横坐标,以工作人员异常工作状态平均次数YPCi为纵坐标生成工作状态柱形图;将工作状态柱形图通过中央处理器发送至管理监督模块。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。