CN113723299A - 会议质量评分方法、系统和计算机可读存储介质 - Google Patents

Abstract

本申请涉及一种会议质量评分方法、系统和计算机可读存储介质，其中，该会议质量评分方法包括：与会人员人脸数据获取步骤，每间隔一定时间采集会议室内画面并获得会议室内的画面数据集，利用人脸检测技术检测画面数据中的人脸数据，得到人脸数据集；与会人员表情获取步骤，基于人脸识别技术及表情识别技术识别人脸数据集中的用户信息及对应表情信息，并基于表情信息获取与会人员的情绪特征；会议质量评分获取步骤，按时间序列统计与会人员的情绪特征判断会议氛围特征，从而对应得到会议质量报表。通过对与会人员的表情进行分析，得到每个时间段与会人员的表情特征和会议氛围特征，得到会议质量评分，解决了现有技术中会议质量量化的问题。

Description

会议质量评分方法、系统和计算机可读存储介质

技术领域

本申请涉及信息处理技术领域，特别是涉及会议质量评分方法、系统和计算机可读存储介质。

背景技术

会议或者培训是一种传授参会人员特定的思维认知、基本知识或技能的过程，会议主持人员往往需要参会人员对培训或会议的反馈信息，以便对会议或培训内容进行适当调整以提高会议或培训效果。

目前市面上的会议或者培训过程中，参与人员需要开会的过程中不断的观察与会人员的反应，或者会后要求与会人员填写调查问卷，对会议质量进行评价，这种反馈方式很难直接将会议质量量化出来。

目前针对相关技术中难以对会议质量量化的问题，尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种会议质量评分方法、系统和计算机可读存储介质，以至少解决相关技术中难以对会议质量量化的问题。

第一方面，本申请实施例提供了一种会议质量评分方法，包括以下步骤：

与会人员人脸数据获取步骤，每间隔一定时间采集会议室内画面并获得会议室内的画面数据集，利用人脸检测技术检测画面数据中的人脸数据，得到人脸数据集；

与会人员表情获取步骤，基于人脸识别技术及表情识别技术识别人脸数据集中的用户信息及对应表情信息，并基于表情信息获取与会人员的情绪特征；

会议质量评分获取步骤，按时间序列统计与会人员的情绪特征判断会议氛围特征，从而对应得到会议质量报表。

在其中一些实施例中，与会人员表情获取步骤进一步包括：

用户信息集获取步骤，通过人脸识别技术识别人脸数据集获得用户信息，并将其与预存人物信息库对比，得到用户信息集；

表情信息获取步骤，利用表情识别技术识别用户信息集中每一用户的人脸图像，得到对应的表情信息并关联至用户信息集；

情绪特征量化步骤，将表情信息输入至人脸识别模型并输出量化后的对应的情绪特征。

在其中一些实施例中，情绪特征包括兴奋、高兴、惊讶、痛苦、恐惧、羞辱、轻蔑和愤怒，情绪特征对应不同的会议氛围特征。

在其中一些实施例中，会议质量评分获取步骤进一步包括：

情绪特征分布获取步骤，基于时间序列存储用户信息集并根据一预设时间段，统计用户时间集中的情绪特征，得到每一个时间段的情绪特征分布；

会议氛围特征获取步骤，基于一预设情绪氛围对应表，得到每个时间段的会议氛围特征分布；

质量评分步骤，基于会议氛围特征分布，结合情绪特征对应的用户的评价权重，得到会议各个时间段的质量评分以及会议质量报表。

第二方面，本申请实施例提供了一种会议质量评分系统，包括：

与会人员人脸数据获取模块，每间隔一定时间采集会议室内画面并获得会议室内的画面数据集，利用人脸检测技术检测画面数据中的人脸数据，得到人脸数据集；

与会人员表情获取模块，基于人脸识别技术及表情识别技术识别人脸数据集中的用户信息及对应表情信息，并基于表情信息获取与会人员的情绪特征；

会议质量评分获取模块，按时间序列统计与会人员的情绪特征判断会议氛围特征，从而对应得到会议质量报表。

在其中一些实施例中，与会人员表情获取模块进一步包括：

用户信息集获取单元，通过人脸识别技术识别人脸数据集获得用户信息，并将其与预存人物信息库对比，得到用户信息集；

表情信息获取单元，利用表情识别技术识别用户信息集中每一用户的人脸图像，得到对应的表情信息并关联至用户信息集；

情绪特征量化单元，将表情信息输入至人脸识别模型并输出量化后的对应的情绪特征。

在其中一些实施例中，情绪特征包括兴奋、高兴、惊讶、痛苦、恐惧、羞辱、轻蔑和愤怒，情绪特征对应不同的会议氛围特征。

在其中一些实施例中，会议质量评分获取模块进一步包括：

情绪特征分布获取单元，基于时间序列存储用户信息集并根据一预设时间段，统计用户时间集中的情绪特征，得到每一个时间段的情绪特征分布；

会议氛围特征获取单元，基于一预设情绪氛围对应表，得到每个时间段的会议氛围特征分布；

质量评分单元，基于会议氛围特征分布，结合情绪特征对应的用户的评价权重，得到会议各个时间段的质量评分以及会议质量报表。

第三方面，本申请实施例提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面的会议质量评分方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面的会议质量评分方法。

相比于相关技术，本申请实施例提供的会议质量评分方法、系统、计算机设备和计算机可读存储介质，本申请实施例可以应用于深度学习技术技术领域，还可以应用于计算机视觉技术领域，通过对与会人员的表情进行分析，得到每个时间段与会人员的表情特征和会议氛围特征，得到会议质量评分，解决了现有技术中会议质量量化的问题，同时可以生成会议质量报表，辅助办会人员确认会议质量以及后续工作的调整方向，实现了会议质量提高的良性循环。

本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例的会议质量评分方法的流程图；

图2是根据本申请实施例的每个时间段内会议氛围特征结果统计示例图；

图3是根据本申请实施例中整体会议氛围特征结果统计示例图；

图4是根据本申请优选实施例的会议质量评分方法的流程图；

图5是根据本申请实施例的表情识别分类器的结构示意图；

图6是根据本申请实施例的会议质量评分系统的结构框图；

图7为根据本申请实施例的计算机设备的硬件结构示意图。

附图说明：

与会人员人脸数据获取模块1；与会人员表情获取模块2；

会议质量评分获取模块3；用户信息集获取单元21；

表情信息获取单元22；情绪特征量化单元23；情绪特征分布获取单元31；

会议氛围特征获取单元32；质量评分单元33；

处理器81；存储器82；通信接口83；总线80。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。

在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。

除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。

本实施例提供了一种会议质量评分方法。图1是根据本申请实施例的会议质量评分方法的流程图，如图1所示，该流程包括如下步骤：

与会人员人脸数据获取步骤S1，每间隔一定时间采集会议室内画面并获得会议室内的画面数据集，利用人脸检测技术检测画面数据中的人脸数据，得到人脸数据集；

与会人员表情获取步骤S2，基于人脸识别技术及表情识别技术识别人脸数据集中的用户信息及对应表情信息，并基于表情信息获取与会人员的情绪特征；

会议质量评分获取步骤S3，按时间序列统计与会人员的情绪特征判断会议氛围特征，从而对应得到会议质量报表。

通过上述步骤，通过对与会人员的表情进行分析，并按照时间序列统计与会人员的情绪特征，得到每个时间段与会人员的情绪特征和会议氛围特征，得到会议质量评分，解决了现有技术中会议质量量化的问题，同时可以生成会议质量报表，辅助办会人员确认会议质量以及后续工作的调整方向，实现了会议质量提高的良性循环。

上述会议质量报表至少包括，每个时间段会议的情绪特征、会议氛围特征的数量，不同情绪特征用户的贡献比，对于异常情绪特征的来源以及对应的用户信息，以及最终的会议质量评分。

在其中一些实施例中，与会人员表情获取步骤进一步包括：

用户信息集获取步骤S21，通过人脸识别技术识别人脸数据集获得用户信息，并将其与预存人物信息库对比，得到用户信息集；

表情信息获取步骤S22，利用表情识别技术识别用户信息集中每一用户的人脸图像，得到对应的表情信息并关联至用户信息集；

情绪特征量化步骤S23，将表情信息输入至人脸识别模型并输出量化后的对应的情绪特征。

通过上述步骤，获取表情信息，并将表情信息与用户信息进行匹配，便于针对不同的用户的自身情况设置评分权重，从而便于针对化的实现会议质量的评分，同时还可以根据用户信息，将与会人员根据不同部门或不同专业等进行分类，得到某一类群人对会会议质量的评价结果，用于评判会议的适用人员，以及针对某一类群提出针对性的修改建议，提高会议质量。

在其中一些实施例中，情绪特征包括兴奋、高兴、惊讶、痛苦、恐惧、羞辱、轻蔑和愤怒，情绪特征对应不同的会议氛围特征。

需要说明的是，会议氛围特征至少可以包括开心、正常、恐惧、哭和生气，并通过预先设置阈值，根据会议场景下不同情绪的数量以及表现的情绪特征的程度，判断会议氛围。

在其中一些实施例中，会议质量评分获取步骤S3进一步包括：

情绪特征分布获取步骤S31，基于时间序列存储用户信息集并根据一预设时间段，统计用户时间集中的情绪特征，得到每一个时间段的情绪特征分布；

会议氛围特征获取步骤S32，基于一预设情绪氛围对应表，得到每个时间段的会议氛围特征分布，结果统计举例可见图2；

质量评分步骤S33，基于会议氛围特征分布，结合情绪特征对应的用户的评价权重，得到会议各个时间段的质量评分以及会议质量报表。

需要说明的是，情绪特征分布包括每一时间段具有各情绪特征的与会人员人数，实现对表情识别量化，为量化会议质量做铺垫。

在一些实施例中，还可以对整个会议时间内的氛围特征的持续时间进行统计，对整体会议质量进行评价，结果统计举例见图3。

下面通过优选实施例对本申请实施例进行描述和说明。

图4是根据本申请优选实施例的会议质量评分方法的流程图。

S401，进行人脸表情识别，并将用户信息和表情信息对应。

使用人脸表情识别程序对每个用户的人脸图片进行识别，给用户信息补充上表情信息，举例如下：

Users[user1{face_img1,emotion1},user2{face_img2,emotion2},user3{face_img3,emotion3},]

通过使用resnet18模型作为表情识别分类器，模型的结构如图5，将提取的用户表情特征输入值分类器，并输出兴奋、高兴、惊讶、痛苦、恐惧、羞辱、轻蔑和愤怒的情绪特征。

S402，按时间序列存储用户信息集合，举例如下：

Info[‘2020-06-0116:10:10’:Users1,‘2020-06-0116:10:11’:Users2,‘2020-06-0116:10:12’:Users3,‘2020-06-0116:10:13’:Users4,…]

S403，统计表情分布，得到各个时间段会议氛围，形成会议质量报表。

会议结束后，统计整个时间序列上的情绪特征分布，得到整体的氛围/会议各个时间段(开始/中途/结束)的氛围，是否出现了愤怒/争吵等，然后形成会议质量报表。也可以整个会议时间内的情绪进行统计，得到会议整体气氛报表。

上述对表情识别量化与会人员反应的过程可以包括：

在某一时间获取会议室的画面；判断画面中人脸数；通过与后台数据库对比，获得人脸的用户信息；通过表情识别分类器判断每一张人脸的表情，并对这一时间下，画面中与会人员的情绪分布，实现对表情识别量化与会人员反应得过程。在实际应用中可以每5秒钟进行一次画面截取，从而获得时间轴上的一系列的表情分布。

需要说明的是，在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本实施例还提供了一种会议质量评分系统，该系统用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图6是根据本申请实施例的会议质量评分系统的结构框图，如图6所示，该系统包括：

与会人员人脸数据获取模块1，每间隔一定时间采集会议室内画面并获得会议室内的画面数据集，利用人脸检测技术检测画面数据中的人脸数据，得到人脸数据集；

与会人员表情获取模块2，基于人脸识别技术及表情识别技术识别人脸数据集中的用户信息及对应表情信息，并基于表情信息获取与会人员的情绪特征；

会议质量评分获取模块3，按时间序列统计与会人员的情绪特征判断会议氛围特征，从而对应得到会议质量报表。

在其中一些实施例中，与会人员表情获取模块2进一步包括：

用户信息集获取单元21，通过人脸识别技术识别人脸数据集获得用户信息，并将其与预存人物信息库对比，得到用户信息集；

表情信息获取单元22，利用表情识别技术识别用户信息集中每一用户的人脸图像，得到对应的表情信息并关联至用户信息集；

情绪特征量化单元23，将表情信息输入至人脸识别模型并输出量化后的对应的情绪特征。

在其中一些实施例中，情绪特征包括兴奋、高兴、惊讶、痛苦、恐惧、羞辱、轻蔑和愤怒，情绪特征对应不同的会议氛围特征。

在其中一些实施例中，会议质量评分获取模块3进一步包括：

情绪特征分布获取单元31，基于时间序列存储用户信息集并根据一预设时间段，统计用户时间集中的情绪特征，得到每一个时间段的情绪特征分布；

会议氛围特征获取单元32，基于一预设情绪氛围对应表，得到每个时间段的会议氛围特征分布；

质量评分单元33，基于会议氛围特征分布，结合情绪特征对应的用户的评价权重，得到会议各个时间段的质量评分以及会议质量报表。

需要说明的是，上述情绪特征分布包括每一时间段具有兴奋、高兴、惊讶、痛苦、恐惧、羞辱、轻蔑和愤怒情绪特征的与会人员人数。并通过情绪特征确定当下时间段内会议的氛围。

需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。

另外，结合图1描述的本申请实施例会议质量评分方法可以由计算机设备来实现。图7根据本申请实施例的计算机设备的硬件结构示意图。

计算机设备可以包括处理器81以及存储有计算机程序指令的存储器82。

具体地，上述处理器81可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，简称为ASIC)，或者可以被配置成实施本申请实施例的一个或多个集成电路。

其中，存储器82可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器82可包括硬盘驱动器(Hard Disk Drive，简称为HDD)、软盘驱动器、固态驱动器(SolidState Drive，简称为SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(Universal SerialBus，简称为USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器82可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器82可在数据处理装置的内部或外部。在特定实施例中，存储器82是非易失性(Non-Volatile)存储器。在特定实施例中，存储器82包括只读存储器(Read-Only Memory，简称为ROM)和随机存取存储器(RandomAccess Memory，简称为RAM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(Programmable Read-Only Memory，简称为PROM)、可擦除PROM(Erasable ProgrammableRead-Only Memory，简称为EPROM)、电可擦除PROM(Electrically Erasable ProgrammableRead-Only Memory，简称为EEPROM)、电可改写ROM(Electrically Alterable Read-OnlyMemory，简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下，该RAM可以是静态随机存取存储器(Static Random-Access Memory，简称为SRAM)或动态随机存取存储器(Dynamic Random Access Memory，简称为DRAM)，其中，DRAM可以是快速页模式动态随机存取存储器(Fast Page Mode Dynamic Random Access Memory，简称为FPMDRAM)、扩展数据输出动态随机存取存储器(Extended Date Out Dynamic RandomAccess Memory，简称为EDODRAM)、同步动态随机存取内存(Synchronous Dynamic Random-Access Memory，简称SDRAM)等。

存储器82可以用来存储或者缓存需要处理和/或通信使用的各种数据文件，以及处理器81所执行的可能的计算机程序指令。

处理器81通过读取并执行存储器82中存储的计算机程序指令，以实现上述实施例中的任意一种会议质量评分方法。

在其中一些实施例中，计算机设备还可包括通信接口83和总线80。其中，如图7所示，处理器81、存储器82、通信接口83通过总线80连接并完成相互间的通信。

通信接口83用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。通信端口83还可以实现与其他部件例如：外接设备、图像/数据采集设备、数据库、外部存储以及图像/数据处理工作站等之间进行数据通信。

总线80包括硬件、软件或两者，将计算机设备的部件彼此耦接在一起。总线80包括但不限于以下至少之一：数据总线(Data Bus)、地址总线(Address Bus)、控制总线(Control Bus)、扩展总线(Expansion Bus)、局部总线(Local Bus)。举例来说而非限制，总线80可包括图形加速接口(Accelerated Graphics Port，简称为AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture，简称为EISA)总线、前端总线(Front Side Bus，简称为FSB)、超传输(Hyper Transport，简称为HT)互连、工业标准架构(Industry Standard Architecture，简称为ISA)总线、无线带宽(InfiniBand)互连、低引脚数(Low Pin Count，简称为LPC)总线、存储器总线、微信道架构(Micro ChannelArchitecture，简称为MCA)总线、外围组件互连(Peripheral Component Interconnect，简称为PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(Serial AdvancedTechnology Attachment，简称为SATA)总线、视频电子标准协会局部(Video ElectronicsStandards Association Local Bus，简称为VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线80可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。

该计算机设备可以基于获取到的会议室内的画面视频集，执行本申请实施例中的会议质量评分方法，从而实现结合图1描述的会议质量评分方法。

另外，结合上述实施例中的会议质量评分方法，本申请实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种会议质量评分方法。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种会议质量评分方法，其特征在于，包括以下步骤：

与会人员人脸数据获取步骤，每间隔一定时间采集会议室内画面并获得会议室内的画面数据集，利用人脸检测技术检测所述画面数据中的人脸数据，得到人脸数据集；

与会人员表情获取步骤，基于人脸识别技术及表情识别技术识别所述人脸数据集中的用户信息及对应表情信息，并基于所述表情信息获取与会人员的情绪特征；

会议质量评分获取步骤，按时间序列统计所述与会人员的情绪特征判断会议氛围特征，从而对应得到会议质量报表。

2.根据权利要求1所述的会议质量评分方法，其特征在于，所述与会人员表情获取步骤进一步包括：

用户信息集获取步骤，通过人脸识别技术识别所述人脸数据集获得用户信息，并将其与预存人物信息库对比，得到用户信息集；

表情信息获取步骤，利用表情识别技术识别所述用户信息集中每一用户的人脸图像，得到对应的表情信息并关联至所述用户信息集；

情绪特征量化步骤，将所述表情信息输入至人脸识别模型并输出量化后的对应的情绪特征。

3.根据权利要求2所述的会议质量评分方法，其特征在于，所述情绪特征包括兴奋、高兴、惊讶、痛苦、恐惧、羞辱、轻蔑和愤怒，所述情绪特征对应不同的所述会议氛围特征。

4.根据权利要求1所述的会议质量评分方法，其特征在于，所述会议质量评分获取步骤进一步包括：

情绪特征分布获取步骤，基于时间序列存储所述用户信息集并根据一预设时间段，统计所述用户时间集中的情绪特征，得到每一个时间段的情绪特征分布；

会议氛围特征获取步骤，基于一预设情绪氛围对应表，得到每个时间段的会议氛围特征分布；

质量评分步骤，基于会议氛围特征分布，结合所述情绪特征对应的用户的评价权重，得到会议各个时间段的质量评分以及会议质量报表。

5.一种会议质量评分系统，其特征在于，包括：

与会人员人脸数据获取模块，每间隔一定时间采集会议室内画面并获得会议室内的画面数据集，利用人脸检测技术检测所述画面数据中的人脸数据，得到人脸数据集；

与会人员表情获取模块，基于人脸识别技术及表情识别技术识别所述人脸数据集中的用户信息及对应表情信息，并基于所述表情信息获取与会人员的情绪特征；

会议质量评分获取模块，按时间序列统计所述与会人员的情绪特征判断会议氛围特征，从而对应得到会议质量报表。

6.根据权利要求5所述的会议质量评分系统，其特征在于，所述与会人员表情获取模块进一步包括：

用户信息集获取单元，通过人脸识别技术识别所述人脸数据集获得用户信息，并将其与预存人物信息库对比，得到用户信息集；

表情信息获取单元，利用表情识别技术识别所述用户信息集中每一用户的人脸图像，得到对应的表情信息并关联至所述用户信息集；

情绪特征量化单元，将所述表情信息输入至人脸识别模型并输出量化后的对应的情绪特征。

7.根据权利要求6所述的会议质量评分系统，其特征在于，所述情绪特征包括兴奋、高兴、惊讶、痛苦、恐惧、羞辱、轻蔑和愤怒，所述情绪特征对应不同的所述会议氛围特征。

8.根据权利要求5所述的会议质量评分系统，其特征在于，所述会议质量评分获取模块进一步包括：

情绪特征分布获取单元，基于时间序列存储所述用户信息集并根据一预设时间段，统计所述用户时间集中的情绪特征，得到每一个时间段的情绪特征分布；

会议氛围特征获取单元，基于一预设情绪氛围对应表，得到每个时间段的会议氛围特征分布；

质量评分单元，基于会议氛围特征分布，结合所述情绪特征对应的用户的评价权重，得到会议各个时间段的质量评分以及会议质量报表。

9.一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4中任一项所述的会议质量评分方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至4中任一项所述的会议质量评分方法。

Images