CN114826804B - 一种基于机器学习的远程会议质量监控的方法和系统 - Google Patents

Abstract

本发明公开了一种基于机器学习的远程会议质量监控的方法和系统，涉及远程会议监控领域，所述方法包括：获得会议远程用户的实时位置信息，获得实时位置信息的改变频率；获得所述会议远程用户的，实时动作信号的改变幅度；将所述实时位置信息的改变频率和所述实时动作信号的改变幅度输入远程会议质量分析模型，获得远程会议质量等级信息；并对会议背景环境进行识别，获取环境识别特征，以所述环境识别特征对所述会议质量等级信息进行融参调整，输出调整远程会议质量等级信息进行预警提醒。解决了远程会议质量不达标，影响远程会议效果的技术问题。达到了实时监控远程视频会议，自动判别各图像特征，实现会议质量智能监控的技术效果。

Description

一种基于机器学习的远程会议质量监控的方法和系统

技术领域

本发明涉及远程会议监控领域，尤其涉及一种基于机器学习的远程会议质量监控的方法和系统。

背景技术

远程会议是以网络为媒介的多媒体平台，使用者可以突破时间地域的限制，通过互联网实现面对面的交流效果。由于远程会议能够为用户提供电子白板、网页同步、程序共享、文件传输的辅助功能，从而具有广泛的应用前景。远程视频会议的使用为用户提供了高效快捷的沟通新途径，良好的远程会议质量是保证远程视频会议效果的前提，有效降低了公司的运营成本，提高企业运作效率。

但本申请发明人在实现本申请实施例中发明技术方案的过程中，还存在远程会议质量不达标，影响远程会议效果的技术问题。

发明内容

本申请实施例通过提供一种基于机器学习的远程会议质量监控的方法和系统，解决了现有技术中存在远程会议质量不达标，影响远程会议效果的技术问题，达到了实时监控远程视频会议，自动判别各图像特征，进而检测和判断会议质量的技术效果。

鉴于上述问题，提出了本申请实施例提供一种基于机器学习的远程会议质量监控的方法和系统。

方面，本申请实施例提供了一种基于机器学习的远程会议质量监控的方法，所述方法应用于远程会议质量监控系统，所述系统与环境识别装置通信连接，所述方法包括：连接所述远程会议质量监控系统，获取会议远程用户的实时位置信息；根据所述实时位置信息，获得所述实时位置信息的改变频率；基于所述远程会议质量监控系统，捕捉所述会议远程用户的实时动作信号；根据所述实时动作信号，获得所述实时动作信号的改变幅度；将所述实时位置信息的改变频率和所述实时动作信号的改变幅度输入远程会议质量分析模型，根据所述远程会议质量分析模型，获得会议质量等级信息；通过所述环境识别装置对所述会议远程用户的会议背景环境进行识别，获取环境识别特征；以所述环境识别特征对所述会议质量等级信息进行融参调整，获取调整会议质量等级信息；判断所述调整会议质量等级信息是否在预定远程会议质量等级阈值之内，若所述调整会议质量等级信息不在所述预定远程会议质量等级阈值之内，获得质量预警信息。

另一方面，本申请还提供了一种基于机器学习的远程会议质量监控的系统，所述系统包括：位置采集模块，用于连接远程会议质量监控系统，获取会议远程用户的实时位置信息；位置分析模块，用于根据所述实时位置信息，获得所述实时位置信息的改变频率；动作捕捉模块，用于基于所述远程会议质量监控系统，捕捉所述会议远程用户的实时动作信号；动作分析模块，用于根据所述实时动作信号，获得所述实时动作信号的改变幅度；质量分析模块，用于将所述实时位置信息的改变频率和所述实时动作信号的改变幅度输入远程会议质量分析模型，根据所述远程会议质量分析模型，获得会议质量等级信息；环境识别模块，用于通过环境识别装置对所述会议远程用户的会议背景环境进行识别，获取环境识别特征；融参调整模块，用于以所述环境识别特征对所述会议质量等级信息进行融参调整，获取调整会议质量等级信息；质量预警模块，用于判断所述调整会议质量等级信息是否在预定远程会议质量等级阈值之内，若所述调整会议质量等级信息不在所述预定远程会议质量等级阈值之内，获得质量预警信息。

第三方面，本发明提供了一种基于机器学习的远程会议质量监控的系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现方面所述方法的步骤。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请实施例一种基于机器学习的远程会议质量监控的方法的流程示意图；

图2为本申请实施例一种基于机器学习的远程会议质量监控的会议质量融参调整的结构示意图；

图3为本申请实施例一种基于机器学习的远程会议质量监控的会议质量二次调整的结构示意图；

图4为本申请实施例一种基于机器学习的远程会议质量监控的系统的结构示意图；

附图标记说明：位置采集模块11，位置分析模块12，动作捕捉模块13，动作分析模块14，质量分析模块15，环境识别模块16，融参调整模块17，质量预警模块18。

后续将结合附图详细的描述本申请的示例实施例。显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。

具体实施方式

实施例一

如图1所示，本申请实施例提供了一种基于机器学习的远程会议质量监控的方法，所述方法应用于远程会议质量监控系统，所述系统与环境识别装置通信连接，所述方法包括：

步骤S100：连接所述远程会议质量监控系统，获取会议远程用户的实时位置信息；

步骤S200：根据所述实时位置信息，获得所述实时位置信息的改变频率；

远程视频会议的使用为用户提供了高效快捷的沟通新途径，良好的远程会议质量是保证远程视频会议效果的前提，有效降低了公司的运营成本，提高企业运作效率，目前，针对远程会议中人员质量监控技术不够完善，从而对于参会质量和意义造成影响，使得线上会议无法产生线下会议的效果，因此，拟提出一种基于机器学习的远程会议质量监控的方法，能够对远程会议中的用户进行数据识，提高线上会议效果。

具体而言，所述会议远程用户是指参与远程会议的用户，所述实时位置信息是指所述会议远程用户在参与会议期间的实时位置信息。通过获得所述实时位置信息，进而获得所述会议远程用户在远程会议期间位置的改变频率，判断出所述会议远程用户在远程视频会议期间是否任意走动，进而影响会议质量。

步骤S300：基于所述远程会议质量监控系统，捕捉所述会议远程用户的实时动作信号；

步骤S400：根据所述实时动作信号，获得所述实时动作信号的改变幅度；

具体而言，所述实时动作信号是指用户在远程会议期间的动作变化情况，再通过计算机的数字信号转化，获得所述动作信号的改变幅度，从而判断所述用户在远程视频会议期间的动作幅度是否过大，即判断是否有不属于会议期间的动作，进而确保参与远程视频会议的所述会议远程用户的个人参会质量。

步骤S500：将所述实时位置信息的改变频率和所述实时动作信号的改变幅度输入远程会议质量分析模型，根据所述远程会议质量分析模型，获得会议质量等级信息；

进一步而言，本申请实施例还包括：

步骤S510：将所述实时位置信息的改变频率和所述实时动作信号的改变幅度输入所述远程会议质量分析模型，其中，所述远程会议质量分析模型为双维指标分析模型；

步骤S520：根据所述会议质量分析模型，获取位置变化动态指数和动作变化动态指数；

步骤S530：根据所述位置变化动态指数和所述动作变化动态指数，输出参会人员稳定性；

步骤S540：根据所述参会人员稳定性，获得所述会议质量等级信息。

具体而言，实时位置信息改变频率是指在远程视频会议连接期间，所述用户位置发生变化的数据信息；所述动作信号改变幅度是指所述会议远程用户肢体伸展变化或摇摆所展开的宽度变化。其中，由于远程会议是通过互联网进行连接，计算机内数据进行处理实现网络交互功能，因此，所述实时位置信息改变频率作为第一输入信息，所述动作信号改变幅度作为第二输入信息，输入所述远程会议质量分析模型中，由于所述远程会议质量分析模型为双维指标分析的数学模型，用于分析位置变化动态指数和动作变化动态指数，从而根据生成的位置变化动态指数和动作变化动态指数进行综合计算，以输出参会人员稳定性，由于人员稳定时保证会议质量高效进行的基础，从而以机器识别和信息采集的方式，进一步分析参会用户的稳定性，根据输出的参会人员稳定性对实时会议的质量等级信息进行调整，进而为之后的计算机内部计算提供数据基础。

步骤S600：通过所述环境识别装置对所述会议远程用户的会议背景环境进行识别，获取环境识别特征；

步骤S700：以所述环境识别特征对所述会议质量等级信息进行融参调整，获取调整会议质量等级信息；

进一步而言，本申请实施例还包括：

步骤S710：根据所述环境识别特征对所述会议远程用户的动作相关性进行分析，获取环境-动作相关性；

步骤S720：当所述环境-动作相关性大于预设环境-动作相关性，获取环境融参数据，其中，所述环境融参数据为实时会议环境影响所述会议远程用户对应动作变化的参数大小；

步骤S730：根据所述环境融参数据，对所述会议质量等级信息进行融参调整。

具体而言，根据所述远程会议质量等级信息获得所述调整远程会议质量等级信息，是所述会议远程用户处于的环境不同，其中远程视频会议中接收到的参数也会有所变化，所述远程会议质量等级也要随之重新判定，从而得到所述调整远程会议质量等级信息。因此，对于一些外界因素影响的视频参数及时进行调整和更正，使得所述远程会议最终输出的所述的调整远程会议质量等级信息是准确的。

所述会议远程用户的会议背景环境是指参加远程视频会议的所述用户所处环境，比如高铁、汽车、家等不同环境信息。通过对会议背景环境的特征进行识别，按照获取的环境识别特征，进而调整获得所述远程会议质量的对应参数，使得评判所述远程会议质量时具有参照对比，进而获得更准确的所述调整远程会议质量等级信息。

其中，按照获取的环境识别特征，进而调整获得所述远程会议质量的对应参数的过程如下:

由于在不用的背景环境会对目前用户的行为产生影响，而在进行会议质量等级分析的过程是以用户的位置变化和动作幅度作为主要分析手段，因此，当背景环境对用户能够产生动作干扰时，从而影响判断准确性，因此，通过获取所述环境识别特征对所述会议远程用户的动作相关性，判断处于实时会议环境影响所述会议远程用户对应动作变化的参数大小，生成环境融参数据以调整，达到提高远程会议质量获得的灵活性和准确性的技术效果。

步骤S800：判断所述调整会议质量等级信息是否在预定远程会议质量等级阈值之内，若所述调整会议质量等级信息不在所述预定远程会议质量等级阈值之内，获得质量预警信息；

具体而言，所述预定远程会议质量等级阈值是指预先设立的保证远程会议标准质量的界限，有效的远程会议是需要顺利协调关系解决问题，给企业出现的问题提出相应的解决措施，探讨改善方法，因此，对于提前设立所述预定远程会议质量等级阈值，从而保证通过该阈值范围的远程会议质量达到合格标准。

具体而言，所述质量预警信息是指发出给所述用户的警告信息，通过获得所述质量预警信息使得所述用户及时掌握自身在所述远程会议之间行为。进而判断所述调整远程会议质量等级信息是否在所述预定远程会议质量等级阈值之内，若所述调整远程会议质量等级信息不在所述预定远程会议质量等级阈值之内，所述会议远程用户获得预警信息，从而调整在所述远程会议中的动作与表述，实现了实时监测所述远程会议，达到检测和判断会议质量的技术效果。

进一步而言，本申请实施例还包括：

步骤S910：采集所述会议远程用户的会议记录信息；

步骤S920：通过识别所述会议记录信息，判断是否合格，若所述会议记录信息合格，获得记录存储指令；

步骤S930：根据所述记录存储指令，存储所述会议记录信息；

步骤S940：若所述会议记录信息不合格，向所述会议远程用户发送预警信息，用于提醒所述会议记录信息待修改。

进一步而言，本申请实施例步骤S920还包括：

步骤S921：获取会议属性信息和会议组成人员信息；

步骤S922：根据所述会议属性信息和所述会议组成人员信息，对参与会议的所有人员进行会议记录分配，生成会议职责制表；

步骤S923：获取所述会议远程用户的会议身份信息；

步骤S924：将所述会议身份信息与所述会议职责制表进行匹配，对所述会议远程用户进行身份识别，输出用于进行会议记录质检的多个指标；

步骤S925：根据所述多个指标对所述会议记录信息进行分析，获取多个质检评分，按照所述多个质检评分输入信息熵计算模型中，获取信息熵计算结果；

步骤S926：若所述信息熵计算结果大于预设评分结果，所述会议记录信息合格。

具体而言，所述存会议记录信息是指所述会议远程用户在参加远程会议期间实现的异地数据共享和批注内容等记录信息。其中由于远程会议是将语音和视频图像远程交互共享，并且基于会议内容数据化的发展需要，交互式的书写系统解决了会议记录信息难以保存这一难题，因此，通过获得并判断所述会议远程用户的会议记录信息是否合格，对合格的所述会议记录信息进行存储，反之若不合格提醒所述会议远程用户所述会议记录信息不合格。进而达到了根据数据实时交互等丰富的远程会议辅助功能检测和判断会议质量的技术效果。

进一步的，识别所述会议记录信息是否合格的过程如下：

首先获取会议属性信息，即启动会议的目标，比如讨论会、求职会、业务总结会、月度业绩会、项目启动会等，并获取会议的组成人员，由于不同的会议需要的人员组成有所区别，因此，对应获取组成人员的身份，从而根据不同会议进行会议记录分配，生成会议职责制表，按照所述会议职责制表，能够自动识别实时用户的身份，输出对应会议记录指标，进而以输出的记录指标对各个用户自身的会议记录进行质量质检，比如，关键度、完整性、错误率等，针对每个指标对应的关系，其评判的权重不同，对获取的多个质检评分进行信息熵计算，进一步的提高了合格判断的准确性。

进一步而言，本申请实施例还包括：

步骤S1010：获得预定远程会议参与者的人数信息；

步骤S1020：基于所述远程会议质量监控系统采集实时视频信息，其中，所述实时视频信息为参与会议的所有用户端的视频信息；

步骤S1030：获得所述视频信息中的人数信息；

步骤S1040：判断所述视频信息中的人数信息是否与所述预定远程会议参与者的人数信息相同；

步骤S1050：如果所述视频信息中的人数信息与所述预定远程会议参与者的人数信息不同，定位缺失用户并统计缺失时长；

步骤S1060：根据所述缺失时长，对所述会议质量等级信息进行调整。

进一步而言，本申请实施例步骤S1050还包括：

步骤S1051：如果所述视频信息中的人数信息与所述预定远程会议参与者的人数信息相同，获得实时参会用户的面部信息和声纹信息；

步骤S1052：获得预定远程会议参与者的面部信息和声纹信息；

步骤S1053：判断所述实时参会的面部信息和声纹信息是否与所述预定远程会议参与者的面部信息和声纹信息相同；

步骤S1054：如果所述会议远程用户的面部信息和声纹信息与所述预定远程会议参与者的面部信息和声纹信息不同，获得异常提醒信息；

步骤S1055：根据所述异常提醒信息，提醒所述会议远程用户的面部信息和声纹信息与所述预定远程会议参与者的面部信息和声纹信息不同。

具体而言，具体而言，所述预定远程会议参与者的人数信息是指提前设定参加此次远程会议的人员数量信息；所述视频信息是指所述会议远程用户端的视频信息。其中，采用了通过机器学习中的图像处理功能，提取了远程会议中的视频信息，进而获得所述视频信息即所述会议远程用户端的视频信息。

通过判断所述视频信息中的人数信息是否与所述得预定远程会议参与者的人数信息相同，如果不同提醒人数信息上有缺漏、缺勤、中途离开等情况，进而定位出缺失的用户统计离开的时长，如果离开的时长较长，表示目前该人员参会稳定性较低，影响最终质量评分效果，因此，通过采取匹配预定远程会议参与者的人数信息和实际远程会议参与者的人数信息，并进一步以缺失时长限定条件对会议等级质量信息进行二次调整的方式，提高会议质量监控有效性的技术效果。

所述会议远程用户的面部信息是指由机器学习算法中图像识别提取出的所述会议远程用户的面部特征信息，所述会议远程用户的声纹信息是指经远程会议音频编解码技术识别的电声学仪器显示的携带言语信息的声波频谱，其中，由于所述声纹信息具有特定性和相对稳定性的特点，且在若所述视频信息中的人数信息与所述得预定远程会议参与者的人数信息相同的情况下，进一步深入匹配参加远程会议的参会人员身份信息，即匹配所述会议远程用户的面部信息和声纹信息与预定远程会议参与者的面部信息和声纹信息。如果不同则根据所述第四预警信息提醒所述会议远程用户，进而达到了实时监控远程视频会议，自动判别各图像特征，进而检测和判断会议质量的技术效果。

综上所述，本申请实施例所提供的一种基于机器学习的远程会议质量监控的方法和系统具有如下技术效果：

由于采用了通过连接所述远程会议质量监控系统，获得会议远程用户的实时位置信息，从而获得所述实时位置信息的改变频率，通过捕捉所述会议远程用户的实时动作信号并分析，获得所述实时动作信号的改变幅度，进而将所述实时位置信息的改变频率和所述实时动作信号的改变幅度输入远程会议质量分析模型，获得远程会议质量等级信息，并且按照环境识别装置对会议背景环境进特征识别，再所述会议质量等级信息进行融参调整，获取调整会议质量等级信息，且经过预先设立远程会议标准质量等级的阈值，判断所述调整远程会议质量等级信息是否在所述预定远程会议质量等级阈值之内，若不在获得预警信息，从而能够提醒会议高质量进行，达到了实时监控远程视频会议，自动判别各图像特征，进而检测和判断会议质量的技术效果。

实施例二

基于与前述实施例中一种基于机器学习的远程会议质量监控的方法同样发明构思，本发明还提供了一种基于机器学习的远程会议质量监控的系统，如图4所示，所述系统包括：

位置采集模块11，用于连接远程会议质量监控系统，获取会议远程用户的实时位置信息；

位置分析模块12，用于根据所述实时位置信息，获得所述实时位置信息的改变频率；

动作捕捉模块13，用于基于所述远程会议质量监控系统，捕捉所述会议远程用户的实时动作信号；

动作分析模块14，用于根据所述实时动作信号，获得所述实时动作信号的改变幅度；

质量分析模块15，用于将所述实时位置信息的改变频率和所述实时动作信号的改变幅度输入远程会议质量分析模型，根据所述远程会议质量分析模型，获得会议质量等级信息；

环境识别模块16，用于通过环境识别装置对所述会议远程用户的会议背景环境进行识别，获取环境识别特征；

融参调整模块17，用于以所述环境识别特征对所述会议质量等级信息进行融参调整，获取调整会议质量等级信息；

质量预警模块18，用于判断所述调整会议质量等级信息是否在预定远程会议质量等级阈值之内，若所述调整会议质量等级信息不在所述预定远程会议质量等级阈值之内，获得质量预警信息。

进一步的，所述质量分析模块15还包括：

信息输入单元，用于将所述实时位置信息的改变频率和所述实时动作信号的改变幅度输入所述远程会议质量分析模型，其中，所述远程会议质量分析模型为双维指标分析模型；

动态分析单元，用于根据所述会议质量分析模型，获取位置变化动态指数和动作变化动态指数；

稳定输出单元，用于根据所述位置变化动态指数和所述动作变化动态指数，输出参会人员稳定性；

质量输出单元，用于根据所述参会人员稳定性，获得所述会议质量等级信息。

进一步的，所述系统还包括：

动作相关分析单元，用于根据所述环境识别特征对所述会议远程用户的动作相关性进行分析，获取环境-动作相关性；

动作相关判断单元，用于当所述环境-动作相关性大于预设环境-动作相关性，获取环境融参数据，其中，所述环境融参数据为实时会议环境影响所述会议远程用户对应动作变化的参数大小；

融参计算单元，用于根据所述环境融参数据，对所述会议质量等级信息进行融参调整。

进一步的，所述系统还包括：

会议记录单元，用于采集所述会议远程用户的会议记录信息；

记录质检单元，用于通过识别所述会议记录信息，判断是否合格，若所述会议记录信息合格，获得记录存储指令；

会议记录存储单元，用于根据所述记录存储指令，存储所述会议记录信息；

会议记录预警单元，用于若所述会议记录信息不合格，向所述会议远程用户发送预警信息，用于提醒所述会议记录信息待修改。

进一步的，所述系统还包括：

会议信息采集单元，用于获取会议属性信息和会议组成人员信息；

职责分配单元，用于根据所述会议属性信息和所述会议组成人员信息，对参与会议的所有人员进行会议记录分配，生成会议职责制表；

身份采集单元，用于获取所述会议远程用户的会议身份信息；

身份识别单元，用于将所述会议身份信息与所述会议职责制表进行匹配，对所述会议远程用户进行身份识别，输出用于进行会议记录质检的多个指标；

质检评分单元，用于根据所述多个指标对所述会议记录信息进行分析，获取多个质检评分，按照所述多个质检评分输入信息熵计算模型中，获取信息熵计算结果；

信息熵计算单元，用于若所述信息熵计算结果大于预设评分结果，所述会议记录信息合格。

进一步的，所述系统还包括：

人数录入单元，用于获得预定远程会议参与者的人数信息；

视频采集单元，用于基于所述远程会议质量监控系统采集实时视频信息，其中，所述实时视频信息为参与会议的所有用户端的视频信息；

人数统计单元，用于获得所述视频信息中的人数信息；

人数比对单元，用于判断所述视频信息中的人数信息是否与所述预定远程会议参与者的人数信息相同；

用户定位单元，用于如果所述视频信息中的人数信息与所述预定远程会议参与者的人数信息不同，定位缺失用户并统计缺失时长；

质量调整单元，用于根据所述缺失时长，对所述会议质量等级信息进行调整。

进一步的，所述系统还包括：

信息获取单元，用于如果所述视频信息中的人数信息与所述得预定远程会议参与者的人数信息相同，获得远程用户的面部信息和声纹信息；

预定信息获取单元，用于获得预定远程会议参与者的面部信息和声纹信息；

信息判断单元，用于判断所述会议远程用户的面部信息和声纹信息是否与所述预定远程会议参与者的面部信息和声纹信息相同；

异常输出单元，用于如果所述会议远程用户的面部信息和声纹信息与所述预定远程会议参与者的面部信息和声纹信息不同，获得异常提醒信息；

异常提醒单元，用于根据所述异常提醒信息，提醒所述会议远程用户的面部信息和声纹信息与所述预定远程会议参与者的面部信息和声纹信息不同。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的装置及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。以上实施例所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (9)

1.一种基于机器学习的远程会议质量监控的方法，其特征在于，所述方法应用于远程会议质量监控系统，所述系统与环境识别装置通信连接，所述方法包括： 连接所述远程会议质量监控系统，获取会议远程用户的实时位置信息； 根据所述实时位置信息，获得所述实时位置信息的改变频率； 基于所述远程会议质量监控系统，捕捉所述会议远程用户的实时动作信号； 根据所述实时动作信号，获得所述实时动作信号的改变幅度；

其中，所述实时动作信号是指用户在远程会议期间的动作变化情况，再通过计算机的数字信号转化，获得所述动作信号的改变幅度，从而判断所述用户在远程视频会议期间的动作幅度是否过大，即判断是否有不属于会议期间的动作，进而确保参与远程视频会议的所述会议远程用户的个人参会质量； 将所述实时位置信息的改变频率和所述实时动作信号的改变幅度输入远程会议质量分析模型，根据所述远程会议质量分析模型，获得会议质量等级信息； 通过所述环境识别装置对所述会议远程用户的会议背景环境进行识别，获取环境识别特征； 以所述环境识别特征对所述会议质量等级信息进行融参调整，获取调整会议质量等级信息； 判断所述调整会议质量等级信息是否在预定远程会议质量等级阈值之内，若所述调整会议质量等级信息不在所述预定远程会议质量等级阈值之内，获得质量预警信息。

2.如权利要求1所述的方法，其特征在于，所述方法包括：

将所述实时位置信息的改变频率和所述实时动作信号的改变幅度输入所述远程会议质量分析模型，其中，所述远程会议质量分析模型为双维指标分析模型；

根据所述会议质量分析模型，获取位置变化动态指数和动作变化动态指数；

根据所述位置变化动态指数和所述动作变化动态指数，输出参会人员稳定性；

根据所述参会人员稳定性，获得所述会议质量等级信息。

3.如权利要求1所述的方法，其特征在于，以所述环境识别特征对所述会议质量等级信息进行融参调整，所述方法包括：

根据所述环境识别特征对所述会议远程用户的动作相关性进行分析，获取环境-动作相关性；

当所述环境-动作相关性大于预设环境-动作相关性，获取环境融参数据，其中，所述环境融参数据为实时会议环境影响所述会议远程用户对应动作变化的参数大小；

根据所述环境融参数据，对所述会议质量等级信息进行融参调整。

4.如权利要求1所述的方法，其中，所述方法包括：

采集所述会议远程用户的会议记录信息；

通过识别所述会议记录信息，判断是否合格，若所述会议记录信息合格，获得记录存储指令；

根据所述记录存储指令，存储所述会议记录信息；

若所述会议记录信息不合格，向所述会议远程用户发送预警信息，用于提醒所述会议记录信息待修改。

5.如权利要求4所述的方法，其特征在于，通过识别所述会议记录信息，判断是否合格，所述方法包括：

获取会议属性信息和会议组成人员信息；

根据所述会议属性信息和所述会议组成人员信息，对参与会议的所有人员进行会议记录分配，生成会议职责制表；

获取所述会议远程用户的会议身份信息；

将所述会议身份信息与所述会议职责制表进行匹配，对所述会议远程用户进行身份识别，输出用于进行会议记录质检的多个指标；

根据所述多个指标对所述会议记录信息进行分析，获取多个质检评分，按照所述多个质检评分输入信息熵计算模型中，获取信息熵计算结果；

若所述信息熵计算结果大于预设评分结果，所述会议记录信息合格。

6.如权利要求1所述的方法，其特征在于，所述方法包括：

获得预定远程会议参与者的人数信息；

基于所述远程会议质量监控系统采集实时视频信息，其中，所述实时视频信息为参与会议的所有用户端的视频信息；

获得所述视频信息中的人数信息；

判断所述视频信息中的人数信息是否与所述预定远程会议参与者的人数信息相同；

如果所述视频信息中的人数信息与所述预定远程会议参与者的人数信息不同，定位缺失用户并统计缺失时长；

根据所述缺失时长，对所述会议质量等级信息进行调整。

7.如权利要求6所述的方法，其特征在于，所述方法包括：

如果所述视频信息中的人数信息与所述预定远程会议参与者的人数信息相同，获得实时参会用户的面部信息和声纹信息；

获得预定远程会议参与者的面部信息和声纹信息；

判断所述实时参会的面部信息和声纹信息是否与所述预定远程会议参与者的面部信息和声纹信息相同；

如果所述会议远程用户的面部信息和声纹信息与所述预定远程会议参与者的面部信息和声纹信息不同，获得异常提醒信息；

根据所述异常提醒信息，提醒所述会议远程用户的面部信息和声纹信息与所述预定远程会议参与者的面部信息和声纹信息不同。

8.一种基于机器学习的远程会议质量监控的系统，其特征在于，所述系统包括：

位置采集模块，用于连接远程会议质量监控系统，获取会议远程用户的实时位置信息；

位置分析模块，用于根据所述实时位置信息，获得所述实时位置信息的改变频率；

动作捕捉模块，用于基于所述远程会议质量监控系统，捕捉所述会议远程用户的实时动作信号，其中，所述实时动作信号是指用户在远程会议期间的动作变化情况；

动作分析模块，用于根据所述实时动作信号，获得所述实时动作信号的改变幅度，其中，所述实时动作信号的改变幅度是指捕捉所述会议远程用户的实时动作信号后，再通过计算机的数字信号转化，获得所述动作信号的改变幅度，从而判断所述用户在远程视频会议期间的动作幅度是否过大，即判断是否有不属于会议期间的动作，进而确保参与远程视频会议的所述会议远程用户的个人参会质量；

质量分析模块，用于将所述实时位置信息的改变频率和所述实时动作信号的改变幅度输入远程会议质量分析模型，根据所述远程会议质量分析模型，获得会议质量等级信息；

环境识别模块，用于通过环境识别装置对所述会议远程用户的会议背景环境进行识别，获取环境识别特征；

融参调整模块，用于以所述环境识别特征对所述会议质量等级信息进行融参调整，获取调整会议质量等级信息；

质量预警模块，用于判断所述调整会议质量等级信息是否在预定远程会议质量等级阈值之内，若所述调整会议质量等级信息不在所述预定远程会议质量等级阈值之内，获得质量预警信息。

9.一种基于机器学习的远程会议质量监控的系统，包括存储器、处理器及存储在存储器上并可在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程序时实现权利要求1-7任一项所述方法的步骤。

Images