CN113435338A - 投票分类方法、装置、电子设备及可读存储介质 - Google Patents
投票分类方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN113435338A CN113435338A CN202110720775.6A CN202110720775A CN113435338A CN 113435338 A CN113435338 A CN 113435338A CN 202110720775 A CN202110720775 A CN 202110720775A CN 113435338 A CN113435338 A CN 113435338A
- Authority
- CN
- China
- Prior art keywords
- participant
- voting
- micro
- voting content
- video
- 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
- 238000000034 method Methods 0.000 title claims abstract description 61
- 230000008859 change Effects 0.000 claims abstract description 71
- 230000002159 abnormal effect Effects 0.000 claims abstract description 65
- 238000004458 analytical method Methods 0.000 claims abstract description 54
- 238000010195 expression analysis Methods 0.000 claims abstract description 54
- 238000006243 chemical reaction Methods 0.000 claims abstract description 23
- 238000001514 detection method Methods 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims description 31
- 238000004590 computer program Methods 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 14
- 230000001815 facial effect Effects 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 8
- 238000012508 change request Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 11
- 206010063385 Intellectualisation Diseases 0.000 abstract description 7
- 230000014509 gene expression Effects 0.000 description 36
- 210000004709 eyebrow Anatomy 0.000 description 12
- 238000013139 quantization Methods 0.000 description 10
- 230000009471 action Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000007781 pre-processing Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 210000001747 pupil Anatomy 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013526 transfer learning Methods 0.000 description 2
- 230000037303 wrinkles Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Molecular Biology (AREA)
- Evolutionary Biology (AREA)
- Biomedical Technology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明涉及生物识别领域，揭露一种投票分类方法，包括：对会议音视频执行声纹分析及语音转换，得到所述会议音视频中每个参会人对应的文本数据，并解析每个所述参会人对应的文本数据，得到每个所述参会人的投票内容；对所述会议音视频执行人脸检测及追踪，得到每个所述参会人的微表情变化图像集；将每个所述参会人的微表情变化图像集与预先设置的微表情分析模板执行对比，得到微表情分析结果；根据所述微表情分析结果，对所述投票内容执行投票分类，得到正常投票内容及异常投票内容。本发明还提出一种投票分类装置、电子设备以及存储介质。本发明可以解决投票分类过程智能化不足、准确性差的问题。
Description
技术领域
本发明涉及生物识别领域，尤其涉及一种投票分类方法、装置、电子设备及可读存储介质。
背景技术
投票是一种企业决策常见的方式，常用于企业尽职调查会议中，但是目前的投票方法需要人工统计每个人的投票结果，另外，投票及统计过程中人为干预过多还易出现结党营私，篡改投票内容的情况，使得不了解参会人的真实投票想法而造成投票数据错误，投票数据有失公正，不能客观地为公司为项目提供符合实际的投票结果。
发明内容
本发明提供一种投票分类方法、装置、电子设备及计算机可读存储介质，其主要目的在于解决投票分类过程智能化不足、准确性差的问题。
为实现上述目的，本发明提供的一种投票分类方法，包括：
对会议音视频执行声纹分析及语音转换，得到所述会议音视频中每个参会人对应的文本数据，并解析每个所述参会人对应的文本数据，得到每个所述参会人的投票内容；
对所述会议音视频执行人脸检测及追踪，得到每个所述参会人的微表情变化图像集；
将所述每个参会人的微表情变化图像集与预先设置的微表情分析模板执行对比，得到微表情分析结果；
根据所述微表情分析结果，对所述投票内容执行投票分类，得到正常投票内容及异常投票内容。
可选地，所述对会议音视频执行声纹分析及语音转换，得到所述会议音视频中每个参会人对应的文本数据，包括：
获取每个所述参会人的标准声纹特征并保存至预构建的声纹库中；
根据声纹将所述会议音视频分成不同的音频片段，将所述音频片段中的声纹与所述声纹库进行匹配，得到每个所述参会人的音频片段；
对每个所述参会人的音频片段进行语音转换，得到每个所述参会人对应的文本数据。
可选地，所述解析每个所述参会人对应的文本数据，得到每个所述参会人的投票内容，包括：
对所述文本数据进行候选词筛选，得到候选词集合；
对所述候选词集合进行特征值量化，得到关键词；
将所述关键词与预先训练好的投票模板进行关键词匹配，得到每个所述参会人的投票内容。
可选地，所述对所述会议音视频执行人脸检测及追踪，得到每个所述参会人的微表情变化图像集，包括：
利用音视频解析工具提取所述会议音视频中的视频，得到会议视频；
对所述会议视频进行人脸图像采集及检测，得到参会人人脸图像；
对每个所述参会人的人脸图像进行面部动作特征提取，得到每个所述参会人的微表情变化图像集。
可选地，所述对每个所述参会人的人脸图像进行面部动作特征提取之前，所述方法还包括：
对每个所述参会人的人脸图像进行光线补偿处理、灰度变化处理、直方图均衡化处理、归一化处理、几何校正及滤波与锐化处理。
可选地，所述将每个所述参会人的微表情变化图像集与预先设置的微表情分析模板执行对比，得到微表情分析结果，包括：
对每个所述参会人的微表情变化进行特征提取，得到每个所述参会人的微表情特征；
将每个所述参会人的微表情特征与所述微表情分析模板进行模板匹配，得到微表情分析结果。
可选地，所述根据所述微表情分析结果，对所述投票内容执行投票分类，得到正常投票内容及异常投票内容之后，所述方法还包括：
对所述微表情分析结果进行回溯，得到所述异常投票内容相对应的参会人；
将所述异常投票内容反馈至发出所述异常投票内容的参会人，并在接收到所述发出所述异常投票内容的参会人的更改投票请求时，更新所述发出所述异常投票内容的参会人的更新后的投票内容，得到更新后的投票内容；
删除未更新的异常投票内容，汇总所述正常投票内容及更新后的投票内容，得到最终投票内容。
为了解决上述问题，本发明还提供一种投票分类装置，所述装置包括：
投票内容获取模块，用于对对会议音视频执行声纹分析及语音转换，得到所述会议音视频中每个参会人对应的文本数据，并解析每个所述参会人对应的文本数据，得到每个所述参会人的投票内容；
微表情分析模块，用于对所述会议音视频执行人脸检测及追踪，得到每个所述参会人的微表情变化图像集，将每个所述参会人的微表情变化图像集与预先设置的微表情分析模板执行对比，得到微表情分析结果；
投票分类模块，用于根据所述微表情分析结果，对所述投票内容执行投票分类，得到正常投票内容及异常投票内容。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
存储器，存储至少一个计算机程序；及
处理器，执行所述存储器中存储的计算机程序以实现上述所述的投票分类方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的投票分类方法。
本发明实施例首先通过对会议音视频执行声纹分析及语音转换，得到所述会议音视频中每个所述参会人对应的文本数据，并解析每个所述参会人对应的文本数据，得到每个所述参会人的投票内容，减少了在投票内容获取过程中的人工干预，提高了智能化，最后根据所述微表情分析结果，对所述投票内容执行投票分类，得到正常投票内容及异常投票内容，提高了投票的准确性。因此，本发明提出的一种投票分类方法、装置、电子设备及计算机可读存储介质可以解决投票分类过程智能化不足，有失公正的问题。
附图说明
图1为本发明一实施例提供的投票分类方法的流程示意图；
图2为本发明一实施例提供的投票分类装置的模块示意图；
图3为本发明一实施例提供的实现投票分类方法的电子设备的内部结构示意图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例提供一种投票分类方法。所述投票分类方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述投票分类方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
参照图1所示的本发明一实施例提供的投票分类方法的流程示意图，在本发明实施例中，所述投票分类方法包括：
S1、对会议音视频执行声纹分析及语音转换，得到所述会议音视频中每个参会人对应的文本数据，并解析每个所述参会人对应的文本数据，得到每个所述参会人的投票内容
本发明实施例中，所述会议音视频可以是公司为了执行某项决策而进行的投票会议的音视频，如尽职调查会议的音视频。所述文本数据可以是以txt文本形式存在数据，如语音文本数据。
本发明实施例中，所述对会议音视频执行声纹分析及语音转换，得到所述会议音视频中每个参会人对应的文本数据主要通过提取每个所述参会人的声纹特征进行匹配对应，再将所述会议音视频中的语音转化为文本数据。本发明实施例中，所述解析所述文本数据得到投票内容通过对所述文本数据进行关键词匹配，得到投票内容，以方便后续判断所述投票内容地真实性。
详细地，所述对会议音视频执行声纹分析及语音转换，得到所述会议音视频中每个参会人对应的文本数据，并解析每个所述参会人对应的文本数据，得到每个所述参会人的投票内容，包括：获取每个所述参会人的标准声纹特征并保存至预构建的声纹库中；根据声纹将所述会议音视频分成不同的音频片段，将所述音频片段中的声纹与所述声纹库进行匹配，得到每个所述参会人的音频片段；对每个所述参会人的音频片段进行语音转换，得到每个所述参会人对应的文本数据；对所述文本数据进行候选词筛选，得到候选词集合；对所述候选词集合进行特征值量化，得到关键词；将所述关键词与预先训练好的投票模板进行关键词匹配，得到每个所述参会人的投票内容。
其中，所述声纹可以为每个所述参会人的声音的音色等。所述声纹库可以是专门用来存储每个所述参会人的声纹特征的数据库。
本发明的一个实施例中，所述将每个所述参会人的音频片段进行语音转换，得到每个所述参会人对应的文本数据可以通过利用音视频解析工具来实现，如mympc音视频解码器等。
一个可选实施例中，所述候选词集合可以是文本数据中一些重要的词组。所述关键词为候选词集合中权重高，词性符合会议投票要求的词组。所述预先训练好的投票模板可以是公司对投票会议中会出现的投票情况进行训练之后得到的投票模板。
具体地，所述对所述文本数据进行候选词筛选可以通过对文本数据进行预处理实现，其中所述预处理包括文本分词、过滤停用词、词频统计等，如对文本数据“我关于本次融资项目的意见为同意融资”进行预处理后得到候选词集合“融资”“意见”“同意融资”。所述对所述候选词集合进行特征值量化包含了基于词权重的特征量化、基于词的文档位置的特征量化以及基于词的关联信息的特征量化等，如对候选词集合“融资”“意见”“同意融资”进行特征值量化得到关键词“同意融资”。所述将所述关键词与预先训练好的投票模板进行关键词匹配通过将关键词与投票模板进行对比，得到每个所述参会人的投票内容。
S2、对所述会议音视频执行人脸检测及追踪，得到每个所述参会人的微表情变化图像集。
本发明实施例中，所述对所述会议音视频执行人脸检测及追踪通过识别每个所述参会人的面部，并对每个所述参会人的面部活动进行追踪录制实现。
具体地，所述对所述会议音视频执行人脸检测及追踪，得到每个所述参会人的微表情变化图像集，包括：利用音视频解析工具提取所述会议音视频中的视频，得到会议视频；对所述会议视频进行人脸图像采集及检测，得到每个所述参会人的人脸图像；对每个所述参会人的人脸图像进行面部动作特征提取，得到每个所述参会人的微表情变化图像集。
详细地，所述将所述会议音视频中的声纹与所述声纹特征进行匹配可以通过深度网络神经方法来实现。
进一步地，所述音视频解析工具可以使用mympc音视频解码器等。
具体地，所述对所述参会人人脸图像进行面部动作特征提取可以通过特殊方法实现，如迁移学习或者跨数据集等方法。
进一步地，所述对所述参会人人脸图像进行面部动作特征提取之前，所述方法还包括，包括：对所述参会人人脸图像进行光线补偿处理、灰度变化处理、直方图均衡化处理、归一化处理、几何校正及滤波与锐化处理。
本发明的一个可实施例中，获取公司尽职调查会议的会议音视频，利用mympc音视频解码器对所述会议音视频进行音频分离，得到会议视频，对所述会议视频中的每个所述参会人的面部进行追踪录制，得到每个所述参会人的人脸图像，对每个所述参会人的人脸图像进行预处理，即光线补偿处理、灰度变化处理、直方图均衡化处理、归一化处理、几何校正及滤波与锐化处理等处理，得到处理后参会人人脸图像，使用迁移学习以及跨数据集训练的方法对所述处理后参会人人脸图像进行面部动作特征提取，得到每个所述参会人微表情变化。
S3、将每个所述参会人的微表情变化图像集与预先设置的微表情分析模板执行对比，得到微表情分析结果。
本发明实施例中，所述微表情分析模板可以是微表情数据集，其中，所述微表情数据集可以是包含了较多正常的微表情变化的数据库，如眉头微皱，嘴角上扬等。
进一步地，所述将每个所述参会人的微表情变化图像集与所述微表情分析模板执行对比通过将每个所述参会人的微表情与所述微表情分析模板中的微表情模板进行模板匹配，分析每个所述参会人的微表情所属模板，并生成微表情分析结果。
具体地，所述将每个所述参会人的微表情变化图像集与预先设置的微表情分析模板执行对比，得到微表情分析结果，包括：对每个所述参会人的微表情变化图像集进行特征提取，得到每个所述参会人的微表情特征；将每个所述参会人的微表情特征与所述微表情分析模板进行模板匹配，得到微表情分析结果。
详细地，所述对每个所述参会人的微表情变化进行特征提取可以通过算法来实现，如ASM算法等。进一步地，当微表情特征不明显时，还可以采用延长微表情时间或放大微表情变化来实现，其中，延长微表情时间或放大微表情变化，均可通过算法来实现，如延长微表情时间可采用TIM算法来实现，放大微表情变化可采用EVM算法来实现。所述模板匹配通过将每个所述参会人的微表情变化特征与所述微表情分析模板进行对比来实现。
本发明的一个可选实施例中，获取微表情的数据集，通过ASM算法提取参会人的微表情变化特征，若所述微表情变化特征不明显，还可使用TIM算法以及EVM算法来实现微表情的时间延长和表情放大。将提取出的参会人的微表情变化特征与微表情数据集进行匹配，确定所述微表情所属类别，生成微表情分析结果，其中所述微表情分析结果可以是对每个所述参会人的微表情的解释说明。
S4、根据所述微表情分析结果，对所述投票内容执行投票分类，得到正常投票内容及异常投票内容。
本发明实施例中，所述异常投票内容可以是经过微表情分析的时候发现具有眉头紧锁、嘴角微微下翘等动作时所对应的参会人的投票内容，所述正常投票内容可以是在微表情分析时未发现眉头紧锁、嘴角微微下翘等动作时的所对应的参会人的投票内容。
进一步地，所述对所述投票内容执行投票分类为根据所述微表情分析结果中是否出现眉头紧锁等表情来决定的。
本发明的一个可选实施例中，参会人小明在进行微表情分析后得到的微表情分析结果中具有眉头紧锁，瞳孔放大等微表情动作，参会人小张在进行微表情分析后得到的微表情分析结果中具有眉头舒展，嘴角上扬，眼睛小咪等微表情动作，根据此结果，将参会人小明的投票内容分类到异常投票内容，参会人小张的投票内容分类到正常投票内容。
本发明实施例中，所述根据所述微表情分析结果，对所述投票内容执行投票分类，得到正常投票内容及异常投票内容之后，所述方法还包括：将所述异常投票内容反馈至发出所述异常投票内容的参会人，并在接收到所述发出所述异常投票内容的参会人的更改投票请求时，更新所述发出所述异常投票内容的参会人的更新后的投票内容，得到更新后的投票内容；删除未更新的异常投票内容，汇总所述正常投票内容及更新后的投票内容，得到最终投票内容。
本发明实施例中，所述更改投票请求可以是所述异常投票内容发出所述异常投票内容的参会人进行重新投票的请求。所述更新后的投票内容可以是所述发出所述异常投票内容的参会人重新投票之后的投票内容。
进一步地，所述将所述异常投票反馈至相对应的参会人通过将异常投票内容的情况以邮件形式发送给发出所述异常投票内容的参会人来实现。所述分析所述更改投票请求为系统对所述发出所述异常投票内容的参会人地更改投票请求进行判断，判断所述发出所述异常投票内容的参会人相对应的投票内容是否符合异常投票内容，若符合，则请求通过，若不符合，则请求不通过。
具体地，所述在接收到所述发出所述异常投票内容的参会人的更改投票请求时，分析所述更改投票请求，得到更新后的投票内容可通过接收更改投票请求，根据所述更改投票请求开放重新投票的权限给相对应的所述发出所述异常投票内容的参会人，利用所述权限，对所述发出所述异常投票内容的参会人相对应的所述投票内容进行更改来实现。
本发明实施例首先通过对会议音视频执行声纹分析及语音转换，得到所述会议音视频中每个所述参会人对应的文本数据，并解析每个所述参会人对应的文本数据，得到每个所述参会人的投票内容，减少在投票内容获取过程了中的人工干预，其次通过，减少了投票内容判断中人工的参与度，提高了智能化，最后根据所述微表情分析结果，对所述投票内容执行投票分类，得到正常投票内容及异常投票内容，减少了投票分类过程中人工的参与度，提高了智能化，还防止了参会人之间的拉帮结派、结党营私，从而提高投票公正性。因此，本发明实施例可以解决投票分类过程智能化不足，有失公正的问题。
如图2所示，是本发明投票分类装置的功能模块图。
本发明所述投票分类装置100可以安装于电子设备中。根据实现的功能，所述投票分类装置可以包括投票内容获取模块101、微表情分析模块102、投票分类模块103，本发所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述投票内容获取模块101用于对对会议音视频执行声纹分析及语音转换，得到所述会议音视频中每个参会人对应的文本数据，并解析每个所述参会人对应的文本数据，得到每个所述参会人的投票内容。
本发明实施例中，所述会议音视频可以是公司为了执行某项决策而进行的投票会议的音视频，如尽职调查会议的音视频。所述文本数据可以是以txt文本形式存在数据，如语音文本数据。
本发明实施例中，所述对会议音视频执行声纹分析及语音转换，得到所述会议音视频中每个参会人对应的文本数据主要通过提取每个所述参会人的声纹特征进行匹配对应，再将所述会议音视频中的语音转化为文本数据。本发明实施例中，所述解析所述文本数据得到投票内容通过对所述文本数据进行关键词匹配，得到投票内容，以方便后续判断所述投票内容地真实性。
详细地，所述对会议音视频执行声纹分析及语音转换，得到所述会议音视频中每个参会人对应的文本数据，并解析每个所述参会人对应的文本数据，得到每个所述参会人的投票内容，包括：获取每个所述参会人的标准声纹特征并保存至预构建的声纹库中；根据声纹将所述会议音视频分成不同的音频片段，将所述音频片段中的声纹与所述声纹库进行匹配，得到每个所述参会人的音频片段；对每个所述参会人的音频片段进行语音转换，得到每个所述参会人对应的文本数据；对所述文本数据进行候选词筛选，得到候选词集合；对所述候选词集合进行特征值量化，得到关键词；将所述关键词与预先训练好的投票模板进行关键词匹配，得到每个所述参会人的投票内容。
其中，所述声纹可以为每个所述参会人的声音的音色等。所述声纹库可以是专门用来存储每个所述参会人的声纹特征的数据库。
本发明的一个实施例中，所述将每个所述参会人的音频片段进行语音转换，得到每个所述参会人对应的文本数据可以通过利用音视频解析工具来实现，如mympc音视频解码器等
一个可选实施例中，所述候选词集合可以是文本数据中一些重要的词组。所述关键词为候选词集合中权重高，词性符合会议投票要求的词组。所述预先训练好的投票模板可以是公司对投票会议中会出现的投票情况进行训练之后得到的投票模板。
具体地，所述对所述文本数据进行候选词筛选可以通过对文本数据进行预处理实现，其中所述预处理包括文本分词、过滤停用词、词频统计等，如对文本数据“我关于本次融资项目的意见为同意融资”进行预处理后得到候选词集合“融资”“意见”“同意融资”。所述对所述候选词集合进行特征值量化包含了基于词权重的特征量化、基于词的文档位置的特征量化以及基于词的关联信息的特征量化等，如对候选词集合“融资”“意见”“同意融资”进行特征值量化得到关键词“同意融资”。所述将所述关键词与预先训练好的投票模板进行关键词匹配通过将关键词与投票模板进行对比，得到每个所述参会人的投票内容。
所述微表情分析模块102用于对所述会议音视频执行人脸检测及追踪，得到每个所述参会人的微表情变化图像集，将每个所述参会人的微表情变化图像集与预先设置的微表情分析模板执行对比，得到微表情分析结果；
本发明实施例中，所述对所述会议音视频执行人脸检测及追踪通过识别每个所述参会人的面部，并对每个所述参会人的面部活动进行追踪录制实现。
具体地，所述对所述会议音视频执行人脸检测及追踪，得到每个所述参会人的微表情变化图像集，包括：利用音视频解析工具提取所述会议音视频中的视频，得到会议视频；对所述会议视频进行人脸图像采集及检测，得到每个所述参会人的人脸图像；对每个所述参会人的人脸图像进行面部动作特征提取，得到每个所述参会人的微表情变化图像集。
详细地，所述将所述会议音视频中的声纹与所述声纹特征进行匹配可以通过深度网络神经方法来实现。
进一步地，所述音视频解析工具可以使用mympc音视频解码器等。
具体地，所述对所述参会人人脸图像进行面部动作特征提取可以通过特殊方法实现，如迁移学习或者跨数据集等方法。
进一步地，所述对所述参会人人脸图像进行面部动作特征提取之前，所述方法还包括，包括：对所述参会人人脸图像进行光线补偿处理、灰度变化处理、直方图均衡化处理、归一化处理、几何校正及滤波与锐化处理。
本发明的一个可实施例中，获取公司尽职调查会议的会议音视频，利用mympc音视频解码器对所述会议音视频进行音频分离，得到会议视频，对所述会议视频中的每个所述参会人的面部进行追踪录制，得到每个所述参会人的人脸图像，对每个所述参会人的人脸图像进行预处理，即光线补偿处理、灰度变化处理、直方图均衡化处理、归一化处理、几何校正及滤波与锐化处理等处理，得到处理后参会人人脸图像，使用迁移学习以及跨数据集训练的方法对所述处理后参会人人脸图像进行面部动作特征提取，得到每个所述参会人微表情变化。
本发明实施例中，所述微表情分析模板可以是微表情数据集，其中，所述微表情数据集可以是包含了较多正常的微表情变化的数据库，如眉头微皱，嘴角上扬等。
进一步地，所述将每个所述参会人的微表情变化图像集与所述微表情分析模板执行对比通过将每个所述参会人的微表情与所述微表情分析模板中的微表情模板进行模板匹配，分析每个所述参会人的微表情所属模板，并生成微表情分析结果。
具体地，所述将每个所述参会人的微表情变化图像集与预先设置的微表情分析模板执行对比，得到微表情分析结果，包括：对每个所述参会人的微表情变化图像集进行特征提取，得到每个所述参会人的微表情特征；将每个所述参会人的微表情特征与所述微表情分析模板进行模板匹配，得到微表情分析结果。
详细地，所述对每个所述参会人的微表情变化进行特征提取可以通过算法来实现，如ASM算法等。进一步地，当微表情特征不明显时，还可以采用延长微表情时间或放大微表情变化来实现，其中，延长微表情时间或放大微表情变化，均可通过算法来实现，如延长微表情时间可采用TIM算法来实现，放大微表情变化可采用EVM算法来实现。所述模板匹配通过将每个所述参会人的微表情变化特征与所述微表情分析模板进行对比来实现。
本发明的一个可选实施例中，获取微表情的数据集，通过ASM算法提取参会人的微表情变化特征，若所述微表情变化特征不明显，还可使用TIM算法以及EVM算法来实现微表情的时间延长和表情放大。将提取出的参会人的微表情变化特征与微表情数据集进行匹配，确定所述微表情所属类别，生成微表情分析结果，其中所述微表情分析结果可以是对每个所述参会人的微表情的解释说明。
所述投票分类模块103用于根据所述微表情分析结果，对所述投票内容执行投票分类，得到正常投票内容及异常投票内容。
本发明实施例中，所述异常投票内容可以是经过微表情分析的时候发现具有眉头紧锁、嘴角微微下翘等动作时所对应的参会人的投票内容，所述正常投票内容可以是在微表情分析时未发现眉头紧锁、嘴角微微下翘等动作时的所对应的参会人的投票内容。
进一步地，所述对所述投票内容执行投票分类为根据所述微表情分析结果中是否出现眉头紧锁等表情来决定的。
本发明的一个可选实施例中，参会人小明在进行微表情分析后得到的微表情分析结果中具有眉头紧锁，瞳孔放大等微表情动作，参会人小张在进行微表情分析后得到的微表情分析结果中具有眉头舒展，嘴角上扬，眼睛小咪等微表情动作，根据此结果，将参会人小明的投票内容分类到异常投票内容，参会人小张的投票内容分类到正常投票内容。
本发明实施例中，所述根据所述微表情分析结果，对所述投票内容执行投票分类，得到正常投票内容及异常投票内容之后，所述方法还包括：将所述异常投票内容反馈至发出所述异常投票内容的参会人，并在接收到所述发出所述异常投票内容的参会人的更改投票请求时，更新所述发出所述异常投票内容的参会人的更新后的投票内容，得到更新后的投票内容；删除未更新的异常投票内容，汇总所述正常投票内容及更新后的投票内容，得到最终投票内容。
本发明实施例中，所述更改投票请求可以是所述异常投票内容发出所述异常投票内容的参会人进行重新投票的请求。所述更新后的投票内容可以是所述发出所述异常投票内容的参会人重新投票之后的投票内容。
进一步地，所述将所述异常投票反馈至相对应的参会人通过将异常投票内容的情况以邮件形式发送给发出所述异常投票内容的参会人来实现。所述分析所述更改投票请求为系统对所述发出所述异常投票内容的参会人地更改投票请求进行判断，判断所述发出所述异常投票内容的参会人相对应的投票内容是否符合异常投票内容，若符合，则请求通过，若不符合，则请求不通过。
具体地，所述在接收到所述发出所述异常投票内容的参会人的更改投票请求时，分析所述更改投票请求，得到更新后的投票内容可通过接收更改投票请求，根据所述更改投票请求开放重新投票的权限给发出所述异常投票内容的所述参会人，利用所述权限，对所述发出所述异常投票内容的参会人相对应的所述投票内容进行更改来实现。
如图3所示，是本发明实现投票分类方法的电子设备的结构示意图。
所述电子设备可以包括处理器10、存储器11、通信总线12和通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如投票分类程序。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如投票分类程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如投票分类程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述通信总线12可以是外设部件互连标准(perIPheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述通信总线12总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
可选地，所述通信接口13可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。
可选地，所述通信接口13还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备中的所述存储器11存储的投票分类程序是多个计算机程序的组合，在所述处理器10中运行时，可以实现：
对会议音视频执行声纹分析及语音转换，得到所述会议音视频中每个参会人对应的文本数据，并解析每个所述参会人对应的文本数据，得到每个所述参会人的投票内容；
对所述会议音视频执行人脸检测及追踪，得到每个所述参会人的微表情变化图像集；
将每个所述参会人的微表情变化图像集与预先设置的微表情分析模板执行对比，得到微表情分析结果；
根据所述微表情分析结果，对所述投票内容执行投票分类，得到正常投票内容及异常投票内容。
具体地，所述处理器10对上述计算机程序的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。所述计算机可读介质可以是非易失性的，也可以是易失性的。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
本发明实施例还可以提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
对会议音视频执行声纹分析及语音转换，得到所述会议音视频中每个参会人对应的文本数据，并解析每个所述参会人对应的文本数据，得到每个所述参会人的投票内容；
对所述会议音视频执行人脸检测及追踪，得到每个所述参会人的微表情变化图像集；
将灭个所述参会人的微表情变化图像集与预先设置的微表情分析模板执行对比，得到微表情分析结果；
根据所述微表情分析结果，对所述投票内容执行投票分类，得到正常投票内容及异常投票内容。
进一步地，所述计算机可用存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种投票分类方法，其特征在于，所述方法包括：
对会议音视频执行声纹分析及语音转换，得到所述会议音视频中每个参会人对应的文本数据，并解析每个所述参会人对应的文本数据，得到每个所述参会人的投票内容；
对所述会议音视频执行人脸检测及追踪，得到每个所述参会人的微表情变化图像集；
将每个所述参会人的微表情变化图像集与预先设置的微表情分析模板执行对比，得到微表情分析结果；
根据所述微表情分析结果，对所述投票内容执行投票分类，得到正常投票内容及异常投票内容。
2.如权利要求1所述的投票分类方法，其特征在于，所述对会议音视频执行声纹分析及语音转换，得到所述会议音视频中每个参会人对应的文本数据，包括：
获取每个所述参会人的标准声纹特征并保存至预构建的声纹库中；
根据声纹将所述会议音视频分成不同的音频片段，将所述音频片段中的声纹与所述声纹库进行匹配，得到每个所述参会人的音频片段；
对每个所述参会人的音频片段进行语音转换，得到每个所述参会人对应的文本数据。
3.如权利要求1所述的投票分类方法，其特征在于，所述解析每个所述参会人对应的文本数据，得到每个所述参会人的投票内容，包括：
对所述文本数据进行候选词筛选，得到候选词集合；
对所述候选词集合进行特征值量化，得到关键词；
将所述关键词与预先训练好的投票模板进行关键词匹配，得到每个所述参会人的投票内容。
4.如权利要求1所述的投票分类方法，其特征在于，所述对所述会议音视频执行人脸检测及追踪，得到每个所述参会人的微表情变化图像集，包括：
利用音视频解析工具提取所述会议音视频中的视频，得到会议视频；
对所述会议视频进行人脸图像采集及检测，得到每个所述参会人的人脸图像；
对每个所述参会人的人脸图像进行面部动作特征提取，得到每个所述参会人的微表情变化图像集。
5.如权利要求4中所述的投票分类方法，其特征在于，所述对每个所述参会人的人脸图像进行面部动作特征提取之前，所述方法还包括：
对每个所述参会人的人脸图像进行光线补偿处理、灰度变化处理、直方图均衡化处理、归一化处理、几何校正及滤波与锐化处理。
6.如权利要求1至5中任意一项所述的投票分类方法，其特征在于，所述将每个所述参会人的微表情变化图像集与预先设置的微表情分析模板执行对比，得到微表情分析结果，包括：
对每个所述参会人的微表情变化进行特征提取，得到每个所述参会人的微表情特征；
将每个所述参会人的微表情特征与所述微表情分析模板进行模板匹配，得到微表情分析结果。
7.如权利要求1至5中任意一项所述的投票分类方法，其特征在于，所述根据所述微表情分析结果，对所述投票内容执行投票分类，得到正常投票内容及异常投票内容之后，所述方法还包括：
对所述微表情分析结果进行回溯，得到所述异常投票内容相对应的参会人；
将所述异常投票内容反馈至发出所述异常投票内容的参会人，并在接收到所述发出所述异常投票内容的参会人的更改投票请求时，更新所述发出所述异常投票内容的参会人的更新后的投票内容，得到更新后的投票内容；
删除未更新的异常投票内容，汇总所述正常投票内容及更新后的投票内容，得到最终投票内容。
8.一种投票分类装置，其特征在于，包括：
投票内容获取模块，用于对对会议音视频执行声纹分析及语音转换，得到所述会议音视频中每个参会人对应的文本数据，并解析每个所述参会人对应的文本数据，得到每个所述参会人的投票内容；
微表情分析模块，用于对所述会议音视频执行人脸检测及追踪，得到每个所述参会人的微表情变化图像集，将每个所述参会人的微表情变化图像集与预先设置的微表情分析模板执行对比，得到微表情分析结果；
投票分类模块，用于根据所述微表情分析结果，对所述投票内容执行投票分类，得到正常投票内容及异常投票内容。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序指令，所述计算机程序指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任一项所述的投票分类方法。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的投票分类方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110720775.6A CN113435338A (zh) | 2021-06-28 | 2021-06-28 | 投票分类方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110720775.6A CN113435338A (zh) | 2021-06-28 | 2021-06-28 | 投票分类方法、装置、电子设备及可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113435338A true CN113435338A (zh) | 2021-09-24 |
Family
ID=77754996
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110720775.6A Pending CN113435338A (zh) | 2021-06-28 | 2021-06-28 | 投票分类方法、装置、电子设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113435338A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106373569A (zh) * | 2016-09-06 | 2017-02-01 | 北京地平线机器人技术研发有限公司 | 语音交互装置和方法 |
| CN108614987A (zh) * | 2016-12-13 | 2018-10-02 | 深圳光启合众科技有限公司 | 数据处理的方法、装置和机器人 |
| CN109743398A (zh) * | 2019-01-14 | 2019-05-10 | 平安科技（深圳）有限公司 | 基于云计算的远程视频稽核方法、系统及计算机设备 |
| CN110853651A (zh) * | 2019-11-13 | 2020-02-28 | 支付宝(杭州)信息技术有限公司 | 语音投票方法、投票内容验证方法及其系统 |
| JP2020091689A (ja) * | 2018-12-06 | 2020-06-11 | ヤフー株式会社 | 投票装置、投票方法、及び投票プログラム |
| CN112148922A (zh) * | 2019-06-28 | 2020-12-29 | 鸿富锦精密工业(武汉)有限公司 | 会议记录方法、装置、数据处理设备及可读存储介质 |
-
2021
- 2021-06-28 CN CN202110720775.6A patent/CN113435338A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106373569A (zh) * | 2016-09-06 | 2017-02-01 | 北京地平线机器人技术研发有限公司 | 语音交互装置和方法 |
| CN108614987A (zh) * | 2016-12-13 | 2018-10-02 | 深圳光启合众科技有限公司 | 数据处理的方法、装置和机器人 |
| JP2020091689A (ja) * | 2018-12-06 | 2020-06-11 | ヤフー株式会社 | 投票装置、投票方法、及び投票プログラム |
| CN109743398A (zh) * | 2019-01-14 | 2019-05-10 | 平安科技（深圳）有限公司 | 基于云计算的远程视频稽核方法、系统及计算机设备 |
| CN112148922A (zh) * | 2019-06-28 | 2020-12-29 | 鸿富锦精密工业(武汉)有限公司 | 会议记录方法、装置、数据处理设备及可读存储介质 |
| CN110853651A (zh) * | 2019-11-13 | 2020-02-28 | 支付宝(杭州)信息技术有限公司 | 语音投票方法、投票内容验证方法及其系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110209764B (zh) | 语料标注集的生成方法及装置、电子设备、存储介质 | |
| CN110619568A (zh) | 风险评估报告的生成方法、装置、设备及存储介质 | |
| CN112446025A (zh) | 联邦学习防御方法、装置、电子设备及存储介质 | |
| WO2021151313A1 (zh) | 证件鉴伪方法、装置、电子设备及存储介质 | |
| CN112447189A (zh) | 语音事件检测方法、装置、电子设备及计算机存储介质 | |
| CN110390084A (zh) | 文本查重方法、装置、设备及存储介质 | |
| CN113064994A (zh) | 会议质量评估方法、装置、设备及存储介质 | |
| CN114387061A (zh) | 产品推送方法、装置、电子设备及可读存储介质 | |
| CN112634017A (zh) | 远程开卡激活方法、装置、电子设备及计算机存储介质 | |
| CN113343824A (zh) | 双录质检方法、装置、设备及介质 | |
| CN111950625A (zh) | 基于人工智能的风险识别方法、装置、计算机设备及介质 | |
| CN111813946A (zh) | 医疗信息反馈方法、装置、设备及可读存储介质 | |
| CN114860742A (zh) | 基于人工智能的ai客服交互方法、装置、设备及介质 | |
| CN114639152A (zh) | 基于人脸识别的多模态语音交互方法、装置、设备及介质 | |
| CN113704474A (zh) | 银行网点设备操作指引生成方法、装置、设备及存储介质 | |
| CN113486316A (zh) | 用户身份验证方法、装置、电子设备及可读存储介质 | |
| CN113821602A (zh) | 基于图文聊天记录的自动答疑方法、装置、设备及介质 | |
| CN113435338A (zh) | 投票分类方法、装置、电子设备及可读存储介质 | |
| CN113888265A (zh) | 产品推荐方法、装置、设备及计算机可读存储介质 | |
| CN114627419A (zh) | 基于多应用场景的视频质检方法、装置、设备及存储介质 | |
| CN113902404A (zh) | 基于人工智能的员工晋升分析方法、装置、设备及介质 | |
| CN113837595A (zh) | 面签方式分配方法、装置、设备及存储介质 | |
| CN112668895A (zh) | 一种数字资源质量监管系统 | |
| CN112101191A (zh) | 基于边框注意力网络的表情识别方法、装置、设备及介质 | |
| CN113704405B (zh) | 基于录音内容的质检评分方法、装置、设备及存储介质 |
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 |