CN116884068B - 基于人工智能的运维和物联网管理方法、平台及存储介质 - Google Patents
基于人工智能的运维和物联网管理方法、平台及存储介质 Download PDFInfo
- Publication number
- CN116884068B CN116884068B CN202310869561.4A CN202310869561A CN116884068B CN 116884068 B CN116884068 B CN 116884068B CN 202310869561 A CN202310869561 A CN 202310869561A CN 116884068 B CN116884068 B CN 116884068B
- Authority
- CN
- China
- Prior art keywords
- emotion
- data
- artificial intelligence
- expression data
- facial expression
- 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
Links
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 137
- 238000007726 management method Methods 0.000 title claims abstract description 48
- 238000012423 maintenance Methods 0.000 title claims abstract description 24
- 230000008451 emotion Effects 0.000 claims abstract description 273
- 230000008921 facial expression Effects 0.000 claims abstract description 89
- 230000014509 gene expression Effects 0.000 claims abstract description 68
- 238000013499 data model Methods 0.000 claims abstract description 65
- 230000002159 abnormal effect Effects 0.000 claims abstract description 58
- 238000012544 monitoring process Methods 0.000 claims abstract description 30
- 230000002996 emotional effect Effects 0.000 claims abstract description 23
- 238000004891 communication Methods 0.000 claims abstract description 6
- 230000006870 function Effects 0.000 claims description 32
- 230000007935 neutral effect Effects 0.000 claims description 30
- 238000013135 deep learning Methods 0.000 claims description 26
- 238000000034 method Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000005856 abnormality Effects 0.000 claims description 5
- 206010063659 Aversion Diseases 0.000 claims description 4
- 230000006399 behavior Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000012806 monitoring device Methods 0.000 description 4
- 230000001815 facial effect Effects 0.000 description 3
- 101100134058 Caenorhabditis elegans nth-1 gene Proteins 0.000 description 2
- 230000008909 emotion recognition Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/174—Facial expression recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于人工智能的运维和物联网管理方法、平台及存储介质，该基于人工智能的运维和物联网管理方法包括以下步骤：监测系统实时采集学生的面部表情数据并上传；人工智能系统实时获取所述监测系统上传的面部表情数据，并根据所述面部表情数据和情绪表情数据素材库，获取情绪数据模型；人工智能系统根据所述情绪数据模型，判断学生的当前情绪状态是否异常；当学生的当前情绪状态异常时，人工智能系统将所述学生当前情绪状态异常的信息发送至通讯终端设备；该平台主要包括：监测系统和人工智能系统；该存储介质包括存储器和处理器。本发明具有运维和管理的智能化程度高等优点。
Description
技术领域
本发明涉及一种人工智能的技术领域，尤其是涉及一种基于人工智能的运维和物联网管理方法、平台及存储介质。
背景技术
人工智能是可以生产出一种新的能以人类智能相似的方式做出反应的智能机器,其可以利用算法对大数据进行智能分析和处理，应用的领域非常广泛,传统的人工智能技术主要是应用于各种固定不动设备的运维和管理，因此,对于人工智能的智能化程度要求没有那么高,传统的人工智能技术鲜有应用于移动的对象,且其智能化程度不够,导致人工智能技术应用于移动对象时的运维和管理的效率偏低，尤其对于公共场所的人员进行情绪监测时，该问题尤为突出,因此,亟待一种新的技术提高传统人工智能技术的智能化程度,从而提高人工智能的运维和管理效率。
发明内容
为了优化传统的方案，本发明提供一种基于人工智能的运维和物联网管理方法、平台及存储介质。
第一方面，本发明提供一种基于人工智能的运维和物联网管理方法，可以包括以下步骤：
监测系统实时采集被监测人员的面部表情数据并上传；
人工智能系统实时获取所述监测系统上传的面部表情数据，并根据所述面部表情数据和情绪表情数据素材库，获取情绪数据模型；
人工智能系统根据所述情绪数据模型，判断被监测人员的当前情绪状态是否异常；
当被监测人员的当前情绪状态异常时，人工智能系统将所述被监测人员当前情绪状态异常的信息发送至通讯终端设备；
所述人工智能系统根据所述面部表情数据进行深度学习。
采用上述技术方案，使得本发明的基于人工智能的运维和物联网管理方法的智能化程度高，同时也有效提高了人工智能的运维和管理效率；本发明的基于人工智能的运维和物联网管理方法,不仅可以运用获取到的面部表情数据构建情绪数据模型,还可以对获取到的面部表情数据进行深度的学习,以优化情绪数据模型,提高情绪数据模型识别情绪的精准度,从而提高了人工智能系统的智能化程度。
本发明第一方面的方案在一较佳示例中可以进一步配置为：
人工智能系统实时获取监测系统上传的面部表情数据，并根据所述面部表情数据和情绪表情素材库，获取情绪数据模型的步骤包括：
将所述面部表情数据划分为：高兴表情数据、愤怒表情数据、恐惧表情数据、哀伤表情数据、厌恶表情数据和惊讶表情数据，将所述情绪表情素材库内的情绪数据划分为：积极情绪数据、消极情绪数据和中性情绪数据；
获取所述情绪数据模型，所述情绪数据模型包括以下表达式：
其中：
f1(t)＝a1+b1×|sin(c1+d1t)|，
f2(t)＝a2+b2×|sin(c2+d2t)|，
f3(t)＝a3+b3×|sin(c3+d3t)|，
Y表示情绪数据模型，K1表示积极情绪的权重，K2表示消极情绪的权重，K3表示中性情绪的权重，t表示数据采集的时间，T表示结束采集的时间，A1(t)表示t时刻采集到的高兴表情数据，A2(t)表示t时刻采集到的愤怒表情数据，A3(t)表示t时刻采集到的恐惧表情数据，A4(t)表示t时刻采集到的哀伤表情数据，A5(t)表示t时刻采集到的厌恶表情数据，A6(t)表示t时刻采集到的惊讶表情数据；f1(t)为积极情绪时间权重函数，f2(t)为消极情绪时间权重函数，f3(t)为中性情绪时间权重函数，a1、b1、c1、d1均为积极情绪时间权值函数中的权重系数，a2、b2、c2、d2均为消极情绪时间权重函数中的权重系数，a3、b3、c3、d3均为中性情绪时间权重函数中的权重系数。
在上述技术方案中，人工智能系统根据被监测人员的面部表情数据获取情绪数据模型，通过获取的情绪数据模型，所述人工智能系统可以快速识别出被监测人员的当前情绪状态是积极情绪状态、消极情绪状态还是中性情绪状态，提高了人工智能系统识别被监测人员当前情绪状态的速度。
本发明第一方面的方案在一较佳示例中可以进一步配置为：
所述人工智能系统根据所述情绪数据模型，判断被监测人员的当前情绪状态是否异常的步骤包括：
将所述情绪数据模型中积极情绪的权重K1和中性情绪的权重K3均赋值为零，以获取第n时刻的消极情绪数据和第n-1时刻的消极情绪数据：
当第n时刻的消极情绪数据Bn和第n-1时刻的消极情绪数据Bn-1满足以下表达式时，判定被监测人员的当前情绪状态异常：
其中，Y0表示当积极情绪的权重K1和中性情绪的权重K3均为零时通过情绪数据模型得出第n时刻的消极情绪数据，Y1表示当积极情绪的权重K1和中性情绪的权重K3均为零时通过情绪数据模型得出第n-1时刻的消极情绪数据，Bn表示第n时刻的消极情绪数据，Bn-1表示第n-1时刻的消极情绪数据，n为正整数，0<n≤T,ε表示预先设定的阈值。
在上述技术方案中，所述人工智能系统通过被监测人员的情绪变化率，可以快速地判断出被监测人员的当前情绪状态是否异常。
本发明第一方面的方案在一较佳示例中可以进一步配置为：
还包括以下步骤：
当所述被监测人员的当前情绪状态被判定为异常时，监测系统发出警示并启动紧急事件处理程序。
在上述技术方案中，所述人工智能系统可以发出警示声提醒被监测人员克服不良的消极情绪，所述人工智能系统同时可以启动紧急事件处理程序，将所述被监测人员当前情绪状态异常的信息发送至运维和管理人员的手机，使运维和管理人员及时干预当前情绪异常的被监测人员，使被监测人员把不良的消极情绪状态及时调节到积极情绪状态或中性情绪状态，从而避免被监测人员因一时的不良消极情绪而做出不理智的行为。
第二方面，本发明提供一种实现所述基于人工智能的运维和物联网管理方法的平台，可以包括：
监测系统，所述监测系统用于实时采集被监测人员的面部表情数据并上传；
人工智能系统，所述人工智能系统用于实时获取所述监测系统上传的面部表情数据，并根据所述面部表情数据和情绪表情数据素材库，获取情绪数据模型，根据所述情绪数据模型，判断被监测人员的当前情绪状态是否异常，当被监测人员的当前情绪状态异常时，人工智能系统将所述被监测人员当前情绪状态异常的信息发送至通讯终端设备，并且，所述人工智能系统根据所述面部表情数据进行深度学习。
本发明第二方面的方案在一较佳示例中可以进一步配置为：
所述人工智能系统可以包括：
情绪数据模型获取单元，所述情绪数据模型获取单元用于根据获取的面部表情数据构建情绪数据模型；
当前情绪状态异常判断单元，所述当前情绪状态异常判断单元用于根据情绪数据模型获取单元的数据判断被监测人员的当前情绪状态是否异常；
数据损失函数计算单元，所述数据损失函数计算单元用于根据人工智能深度学习单元的数据及所述面部表情数据计算人工智能系统学习过程中的数据损失；
人工智能深度学习单元，所述人工智能深度学习单元根据所述面部表情数据、情绪表情数据素材库和数据损失函数计算单元的数据进行深度学习。
本发明第二方面的方案在一较佳示例中可以进一步配置为：
所述监测系统可以包括：
警示与启动紧急事件处理单元，所述警示与启动紧急事件处理单元用于当被监测人员的当前情绪状态异常值大于或等于预先设定的阈值时，发出警示并启动紧急事件处理程序；
面部表情数据获取单元，所述面部表情数据获取单元用于获取被监测人员的面部表情数据。
第三方面，本发明提供一种存储介质，所述存储介质可以包括存储器和处理器，所述存储器内存储有计算机程序，所述计算机程序被处理器执行时实现所述基于人工智能的运维和物联网管理方法的步骤。
综上所述，相对于现有技术，本发明至少具有如下的有益效果：
1、本发明可以应用于移动对象的运维和管理，并且可以根据获取到的移动对象的相关数据进行情绪判断，使得本发明的基于人工智能的运维和物联网管理方法的智能化程度高，有效提高了人工智能的运维和管理效率。
2、在本发明的技术方案中，所述人工智能系统可以将所述被监测人员当前情绪状态异常的信息发送至运维和管理人员的手机，使运维和管理人员及时干预当前情绪异常的被监测人员，使被监测人员把不良的消极情绪状态及时调节到积极情绪状态或中性情绪状态，从而避免被监测人员因一时的不良消极情绪而做出不理智的行为；如果把本发明的基于人工智能的运维和物联网管理方法应用于校园，可以有效提高学生的学习效率。
附图说明
图1是本发明实施例一基于人工智能的运维和物联网管理方法流程图。
图2是本发明实现基于人工智能的运维和物联网管理方法的平台框图。
图3是本发明的存储介质框图。
图4是实施例三的基于人工智能的运维和物联网管理方法流程图。
图5是实施例四的基于人工智能的运维和物联网管理方法流程图。
具体实施方式
以下结合附图对本发明作进一步详细的说明。
实施例一：
本实施例的一种基于人工智能的运维和物联网管理方法，流程图如图1所示，具体包括以下步骤:
S1、监测系统实时采集被监测人员的面部表情数据并上传；
S2、人工智能系统实时获取所述监测系统上传的被监测人员的面部表情数据，并根据所述被监测人员的面部表情数据和现有的情绪表情数据素材库，获取情绪数据模型；
S3、人工智能系统根据所述情绪数据模型，判断被监测人员的当前情绪状态是否异常；
S4、当被监测人员的当前情绪状态异常时，人工智能系统将所述被监测人员当前情绪状态异常的信息发送至通讯终端设备，当工作人员看到被监测人员当前情绪状态异常的信息后，可以及时找到该情绪异常的被监测人员进行情绪状态干预，协助调节该情绪异常的被监测人员的情绪状态，使该被监测人员恢复到积极的情绪状态或中性情绪状态。
S5、所述人工智能系统根据所述被监测人员的面部表情数据进行深度学习。所述学习是为了优化系统正在使用的识别被监测人员面部图像获得面部表情数据的人工智能模型。
在本实施例中,把基于人工智能的运维和物联网管理方法应用于移动对象的运维和管理，并且根据获取到的移动对象的相关数据进行深度学习，使本实施例基于人工智能的运维和物联网管理方法的智能化程度得以提高，从而有效提高了人工智能的运维和管理效率。
实施例二：
本实施例应当理解为至少包含前述实施例的全部特征，并在其基础上进一步改进。本实施例的一种基于人工智能的运维和物联网管理方法，具体还包括以下步骤:
为了获取被监测人员的情绪数据模型，所述步骤S2具体包括以下步骤：
依据情绪表情数据素材库将采集到的被监测人员的所述面部表情数据划分为：高兴表情数据、愤怒表情数据、恐惧表情数据、哀伤表情数据、厌恶表情数据和惊讶表情数据，将所述情绪数据划分为：积极情绪数据、消极情绪数据和中性情绪数据；
获取所述情绪数据模型，所述情绪数据模型包括以下表达式：
其中：
f1(t)＝a1+b1×|sin(c1+d1t)|，
f2(t)＝a2+b2×|sin(c2+d2t)|，
f3(t)＝a3+b3×|sin(c3+d3t)|，
其中，Y表示情绪数据模型，K1表示积极情绪的权重，K2表示消极情绪的权重，K3表示中性情绪的权重，t表示数据采集的时间，f表示结束采集的时间，A1(t)表示t时刻采集到的高兴表情数据，A2(t)表示t时刻采集到的愤怒表情数据，A3(t)表示t时刻采集到的恐惧表情数据，A4(t)表示t时刻采集到的哀伤表情数据，A5(t)表示t时刻采集到的厌恶表情数据，A6(t)表示t时刻采集到的惊讶表情数据；f1(t)为积极情绪时间权重函数，f2(t)为消极情绪时间权重函数，f3(t)为中性情绪时间权重函数，a1、b1、c1、d1均为积极情绪时间权值函数中的权重系数，a2、b2、c2、d2均为消极情绪时间权重函数中的权重系数，a3、b3、c3、d3均为中性情绪时间权重函数中的权重系数，以上权重系数及权重均由工作人员根据实际应用需求进行设置。
为了精准地判断被监测人员的当前情绪状态是否异常，所述步骤S3具体包括以下步骤：
将所述情绪数据模型中积极情绪的权重K1和中性情绪的权重K3均赋值为零，并获取第n时刻的消极情绪数据Bn和第n-1时刻的消极情绪数据Bn-1：
当第n时刻的消极情绪数据和第n-1时刻的消极情绪数据满足以下表达式时，判定被监测人员的当前情绪状态异常：
其中，Y0表示当积极情绪的权重K1和中性情绪的权重K3均为零时通过情绪数据模型得出第n时刻的消极情绪数据，Bn-1表示第n-1时刻的消极情绪数据，Bn表示第n时刻的消极情绪数据，n为正整数，0<n≤T，ε表示预先设定的阈值。
当所述人工智能系统发现被监测人员的当前情绪状态被判定为异常时，所述人工智能系统控制所述监测装置发出警示声提醒被监测人员克服不良的消极情绪和保持理智，同时启动紧急事件处理程序，所述人工智能系统及时通知工作人员马上过来被监测人员所在的位置，以对该被监测人员及时进行情绪状态干预，防止被监测人员因为一时不良的消极情绪而冲动地做出不理智的行为。
在步骤S5中，所述人工智能系统在学习的过程中，难免会产生数据损失，具体可以采用以下的数据损失函数，计算人工智能系统在学习过程中的数据损失：
其中,L表示人工智能系统内的人工智能深度学习单元进行深度学习的数据损失函数，Gx0表示监测系统上传的面部表情数据，该面部表情数据由系统内置的人工智能模型获得，Gx表示人工智能系统模型学习到的面部表情数据，所述人工智能系统模型学习到的面部表情数据Gx将被保存至存储介质内的存储器，该人工智能系统模型为异于所述人工智能模型的数学模型，作为目前人工智能模型识别结果是否准确的一个参考模型。
本实施例中的人工智能系统可以根据获取到的移动对象的相关数据进行深度学习，进一步提高了本发明的基于人工智能系统的运维和物联网管理方法的智能化程度，并且，当数据损失函数L大于或等于预先设定的数据损失值时，所述人工智能系统通知技术人员进行查看、维修并调整系统内置的人工智能模型和/或人工智能深度学习内的人工智能系统模型，把系统在识别过程中产生的数据损失尽量降到最低，同时提高人工智能系统的学习效率,从而使获取到的面部表情数据得以充分的运用。
本实施例中的人工智能系统不仅可以运用获取到的面部表情数据构建情绪数据模型,还可以通过深度学习对获取到的面部表情数据进行深度学习,优化情绪数据模型,提高情绪数据模型识别情绪的精准度,从而提高了人工智能系统的智能化程度。
实施例三：
本实施例应当理解为至少包含前述实施例的全部特征，并在其基础上进一步改进。学生的学习效率与情绪息息相关，积极的情绪状态可以提高学生的学习效率，相反，消极的异常情绪状态会降低学生的学习效率，因此，在学校的物联网中运用本发明的基于人工智能的运维和物联网管理方法，可以及时将当前情绪异常学生的情绪状态调节为积极情绪状态，从而提高学生的学习效率，具体的方法如图4所示，一种基于人工智能的运维和物联网管理方法，包括以下步骤：
S11、监测系统实时采集学生的面部表情数据并上传；
S21、人工智能系统实时获取所述监测系统上传的学生的面部表情数据，并根据所述学生的面部表情数据和现有的情绪表情数据素材库，获取情绪数据模型；
S31、人工智能系统根据所述情绪数据模型，判断学生的当前情绪状态是否异常；
S41、当学生的当前情绪状态异常时，人工智能系统将所述学生当前情绪状态异常的信息发送至老师的手机，老师看到学生当前情绪状态异常的信息后，可以及时找到该情绪异常的学生进行情绪状态干预，协助调节该情绪异常学生的情绪状态，使该学生恢复到积极的情绪状态，从而提高学生的学习效率，同时也提高了学校的教学质量。
S51、所述人工智能系统根据所述学生的面部表情数据进行深度学习。
为了获取在校学生的情绪数据模型，所述步骤S2具体包括以下步骤：
依据情绪表情数据素材库将采集到的学生的所述面部表情数据划分为：高兴表情数据、愤怒表情数据、恐惧表情数据、哀伤表情数据、厌恶表情数据和惊讶表情数据，将所述情绪表情素材库内的情绪数据划分为：积极情绪数据、消极情绪数据和中性情绪数据；
进一步的，在本实施例中应用领域为监测学生情绪时，学校的工作人员根据实际需求，可以将所述情绪数据模型中的a2设置为1，b2设置为2，a1、b1、d1、c1、c2、cb、bb、a3、d3均设置为0，d2设置为0.13，以此将设置时间权重函数的时间周期设约为24小时，通过对权重系数的大小设置，从而可以设置在时间周期内某个时间段的时间权重值，并可进一步的通过情绪数据模型得出相应时间段需要重点关注的情绪数据，例如，通过以上的设置，可以使得一天的零点附近的时间段关注度降低，一天的中间时段关注度增高，并且重点关注消极情绪，由此重点关注上课时间段，由于学生的消极情绪会降低学生的学习效率，当监测到学生在上课时间段出现消极情绪数据时，需要老师及时进行情绪干预，使学生尽快恢复到积极情绪状态或中性情绪状态，以提高学生的学习效率。
为了精准地判断学生的当前情绪状态是否异常，所述步骤S31具体包括以下步骤：
将所述情绪数据模型中积极情绪的权重K1和中性情绪的权重K3均赋值为零，并获取第n时刻的消极情绪数据和第n-1时刻的消极情绪数据：
当第n时刻的消极情绪数据和第n-1时刻的消极情绪数据满足以下表达式时，判定学生的当前情绪状态异常：
其中，Y0表示当积极情绪的权重K1和中性情绪的权重K3均为零时通过情绪数据模型得出第n时刻的消极情绪数据，，Y1表示当积极情绪的权重K1和中性情绪的权重K3均为零时通过情绪数据模型得出第n-1时刻的消极情绪数据，Bn-1表示第n-1时刻的消极情绪数据，Bn表示第n时刻的消极情绪数据，n为正整数，0<n≤T，ε表示预先设定的阈值。
当所述人工智能系统发现所述被监测人员的当前情绪状态被判定为异常时，所述人工智能系统控制所述监测装置发出警示声提醒学生克服不良的消极情绪和保持理智，同时启动紧急事件处理程序，所述人工智能系统及时通知老师马上过来学生所在的位置，以对该学生及时进行情绪状态干预，防止学生因为一时不良的消极情绪而冲动地做出不理智的行为。
在步骤S51中，所述人工智能系统在学习的过程中，难免会产生数据损失，具体可以采用以下的数据损失函数，计算人工智能系统在学习过程中的数据损失：
其中,L表示人工智能系统内的人工智能深度学习单元进行深度学习的数据损失函数，Gx0表示监测系统上传的面部表情数据，该数据由系统内置的对人脸图像识别得出面部表情数据的人工智能模型获取，Gx表示人工智能系统学习到的面部表情数据，该数据由人工智能系统模型获取，该人工智能系统模型为异于所述人工智能模型的数学模型，作为目前人工智能模型识别结果是否准确的一个参考模型，将所述人工智能系统学习到的面部表情数据Gx保存至存储介质内的存储器，本实施例采用现有的面部表情数据获取单元获取面部表情数据Gx0，采用爬虫抓取方式、API接口获取方式或读取存储器方式获取人工智能系统所学习到的面部表情数据,以获取人工智能系统学习到的面部表情数据Gx，In()表示以常数e为底数的对数函数。
并且，当数据损失函数L大于或等于预先设定的数据损失值时，所述人工智能系统通知技术人员进行查看和维修并对系统内置的对人脸图像识别得出面部表情数据的人工智能模型进行优化，把人工智能系统在学习过程中产生的数据损失尽量降到最低，提高人工智能系统的学习效率。如图2所示，是本实施例的实现基于人工智能的运维和物联网管理方法的平台整体框图，图2所示的是一种实现本实施例的基于人工智能的运维和物联网管理方法的平台，具体包括：
监测系统，所述监测系统用于实时采集学生的面部表情数据并上传，所述监测系统具有通过物联网连接的若干监测装置；
人工智能系统，所述人工智能系统用于实时获取所述监测系统上传的面部表情数据，并根据所述面部表情数据和情绪表情数据素材库，获取情绪数据模型，根据所述情绪数据模型，判断学生的当前情绪状态是否异常，当学生的当前情绪状态异常时，人工智能系统将所述学生当前情绪状态异常的信息发送至老师的手机，并且，所述人工智能系统根据所述面部表情数据进行深度学习。
所述人工智能系统具体包括：
情绪数据模型获取单元，所述情绪数据模型获取单元用于根据获取的面部表情数据构建情绪数据模型；
当前情绪状态异常判断单元，所述当前情绪状态异常判断单元用于根据情绪数据模型获取单元的数据判断被监测人员的当前情绪状态是否异常；
数据损失函数计算单元，所述数据损失函数计算单元用于根据人工智能深度学习单元的数据及所述面部表情数据计算人工智能系统学习过程中的数据损失；
人工智能深度学习单元，所述人工智能深度学习单元根据所述面部表情数据、情绪表情数据素材库和数据损失函数计算单元的数据进行深度学习。学习后的结果用于优化获得所述面部表情数据的人工智能模型和/或人工智能系统模型。
所述监测系统具体包括：警示与启动紧急事件处理单元，所述警示与启动紧急事件处理单元用于当被监测人员的当前情绪状态异常值大于或等于预先设定的阈值时，发出警示并启动紧急事件处理程序；所述警示与启动紧急事件处理单元内设置有警示器和启动紧急事件处理器,所述警示器和启动紧急事件处理器电气连接；在本实施例中，所述警示器用于发出警示声提醒学生克服一时的不良消极情绪，帮助学生尽快恢复理智；启动紧急事件处理器，用于向人工智能系统发出启动紧急事件处理的信号，使人工智能系统通知老师马上赶到学生所在的位置，及时对学生进行情绪状态干预，避免学生因为一时的消极情绪而做出不理智的行为，协助学生尽快摆脱不良的消极情绪；
面部表情数据获取单元，所述面部表情数据获取单元用于获取被监测人员的面部表情数据。
如图3所示，是本实施例的存储介质框图，所述存储介质包括存储器和处理器，所述存储器内存储有计算机程序，所述计算机程序被处理器执行时实现所述基于人工智能的运维和物联网管理方法的步骤。
本实施例把基于人工智能的运维和物联网管理方法应用于校园的运维和管理，当学生出现当前情绪状态异常时，人工智能系统会发送消息至老师的手机，可以使老师对于学生的当前异常情绪状态及时进行干预，让学生尽快摆脱不良的消极情绪，既可以避免学生因为一时不良的消极情绪而冲动地做出不理智的行为，还可以有效提高学生的学习效率，从而提高学校的整体教学质量。
实施例四：
本实施例应当理解为至少包含前述任意一个实施例的全部特征，并在其基础上进一步改进:
在城市的繁华路段,上下班高峰期马路上时常会拥挤不堪,导致机动车的驾驶员时常会因为一时的不良消极情绪而冲动地做出危险驾驶行为,由于繁华路段的上下班高峰期车辆和行人众多,难免会出现由于道路拥挤使机动车驾驶员产生一时的不良消极情绪导致做成危险驾驶行为,而交警又没有及时发现该危险驾驶车辆的情况,如果不能及时阻止车辆的危险驾驶行为,后果将非常严重,有可能会造成严重的交通事故；本实施例把基于人工智能的运维和物联网管理方法运用于获取城市繁华路段路段的机动车驾驶员的面部表情数据，辅助交警及时发现具有危险驾驶行为的车辆,并且,本实施例还运用物联网连接城市繁华路段的所有监测装置，该检测装置还可以发出警示声提醒机动车驾驶员尽快调节到积极情绪状态或中性情绪状态，同时,检测装置发出的警示声还可以提醒周围的车辆和行人尽快躲避该危险驾驶车辆，甚至可以让周围正常行驶车辆及时采取相应的措施(例如:周围正常行驶的车辆听到警示声后自发地团结起来)截停该危险驾驶车辆，同时,人工智能系统还可以及时通知交警,以便交警及时联系该机动车驾驶员疏导该机动车驾驶员一时的不良消极情绪,并截停该机动车辆。
具体如图5所示,一种基于人工智能的运维和物联网管理方法，包括以下步骤：
S12、监测系统实时采集机动车驾驶员的面部表情数据并上传；
S22、人工智能系统实时获取所述监测系统上传的面部表情数据，并根据所述面部表情数据和情绪表情数据素材库，获取情绪数据模型；
S32、人工智能系统根据所述情绪数据模型，判断机动车驾驶员的当前情绪状态是否异常；
S42、当机动车驾驶员的当前情绪状态异常时，人工智能系统将所述机动车驾驶员的当前情绪状态异常的信息发送至交警的手机；
S52、所述人工智能系统根据所述面部表情数据进行深度学习。
本实施例把基于人工智能的运维和物联网管理方法应用于繁华路段上下班高峰期的交通运维和管理，可以有效阻止机动车的驾驶员时常会因为一时的不良消极情绪而冲动地做出危险驾驶行为，本实施例中的基于人工智能的运维和物联网管理方法,为繁华路段上下班高峰期车辆和行人的安全提供了一份保障。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于人工智能的运维和物联网管理方法，其特征在于，包括以下步骤：
监测系统实时采集被监测人员的面部表情数据并上传；
人工智能系统实时获取所述监测系统上传的面部表情数据，并根据所述面部表情数据和情绪表情数据素材库，获取情绪数据模型；
人工智能系统根据所述情绪数据模型，判断被监测人员的当前情绪状态是否异常；
当被监测人员的当前情绪状态异常时，人工智能系统将所述被监测人员当前情绪状态异常的信息发送至通讯终端设备；
所述人工智能系统根据所述面部表情数据进行深度学习；
所述人工智能系统实时获取监测系统上传的面部表情数据，并根据所述面部表情数据和情绪表情素材库，获取情绪数据模型的步骤包括：
将所述面部表情数据划分为：高兴表情数据、愤怒表情数据、恐惧表情数据、哀伤表情数据、厌恶表情数据和惊讶表情数据，将所述情绪表情素材库内的情绪数据划分为：积极情绪数据、消极情绪数据和中性情绪数据；
获取所述情绪数据模型，所述情绪数据模型包括以下表达式：
其中：
f1(t)＝a1+b1×|sin(c1+d1t)|，
f2(t)＝a2+b2×|sin(c2+d2t)|，
f3(t)＝a3+b3×|sin(c3+d3t)|，
Y表示情绪数据模型，K1表示积极情绪的权重，K2表示消极情绪的权重，K3表示中性情绪的权重，t表示数据采集的时间，T表示结束采集的时间，A1(t)表示t时刻采集到的高兴表情数据，A2(t)表示t时刻采集到的愤怒表情数据，A3(t)表示t时刻采集到的恐惧表情数据，A4(t)表示t时刻采集到的哀伤表情数据，A5(t)表示t时刻采集到的厌恶表情数据，A6(t)表示t时刻采集到的惊讶表情数据；f1(t)为积极情绪时间权重函数，f2(t)为消极情绪时间权重函数，f3(t)为中性情绪时间权重函数，a1、b1、c1、d1均为积极情绪时间权值函数中的权重系数，a2、b2、c2、d2均为消极情绪时间权重函数中的权重系数，a3、b3、c3、d3均为中性情绪时间权重函数中的权重系数；
所述人工智能系统根据所述情绪数据模型，判断被监测人员的当前情绪状态是否异常的步骤包括：
将所述情绪数据模型中积极情绪的权重K1和所述中性情绪的权重K3均赋值为零，获取第n时刻的消极情绪数据Bn和第n-1时刻的消极情绪数据Bn-1：
当第n时刻的消极情绪数据Bn和第n-1时刻的消极情绪数据Bn-1的关系满足以下表达式时，判定被监测人员的当前情绪状态异常：
其中，Y0表示当积极情绪的权重K1和中性情绪的权重K3均为零时第n时刻的消极情绪数据值，Y1表示当积极情绪的权重K1和中性情绪的权重K3均为零时第n-1时刻的消极情绪数据值，n为正整数，0＜n≤T，ε表示预先设定的阈值。
2.根据权利要求1所述的一种基于人工智能的运维和物联网管理方法，其特征在于，还包括以下步骤：
当所述被监测人员的当前情绪状态被判定为异常时，监测系统发出警示并启动紧急事件处理程序。
3.一种实现权利要求2所述的一种基于人工智能的运维和物联网管理方法的平台，其特征在于，包括：
监测系统，所述监测系统用于实时采集被监测人员的面部表情数据并上传；
人工智能系统，所述人工智能系统用于实时获取所述监测系统上传的面部表情数据，并根据所述面部表情数据和情绪表情数据素材库，获取情绪数据模型，根据所述情绪数据模型，判断被监测人员的当前情绪状态是否异常，当被监测人员的当前情绪状态异常时，人工智能系统将所述被监测人员当前情绪状态异常的信息发送至通讯终端设备，所述人工智能系统根据所述面部表情数据进行深度学习。
4.根据权利要求3所述的平台，其特征在于，所述人工智能系统包括：
情绪数据模型获取单元，所述情绪数据模型获取单元用于根据获取的面部表情数据构建情绪数据模型；
当前情绪状态异常判断单元，所述当前情绪状态异常判断单元用于根据情绪数据模型获取单元的数据判断被监测人员的当前情绪状态是否异常；
数据损失函数计算单元，所述数据损失函数计算单元用于根据人工智能深度学习单元的数据及所述面部表情数据计算人工智能系统学习过程中的数据损失；
人工智能深度学习单元，所述人工智能深度学习单元根据所述面部表情数据、情绪表情数据素材库和数据损失函数计算单元的数据进行深度学习。
5.根据权利要求4所述的平台，其特征在于，所述监测系统包括：
警示与启动紧急事件处理单元，所述警示与启动紧急事件处理单元用于当被监测人员的当前情绪状态异常值大于或等于预先设定的阈值时，发出警示并启动紧急事件处理程序；
面部表情数据获取单元，所述面部表情数据获取单元用于获取被监测人员的面部表情数据。
6.一种存储介质，所述存储介质包括存储器和处理器，所述存储器内存储有计算机程序，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所述的一种基于人工智能的运维和物联网管理方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310869561.4A CN116884068B (zh) | 2023-07-14 | 2023-07-14 | 基于人工智能的运维和物联网管理方法、平台及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310869561.4A CN116884068B (zh) | 2023-07-14 | 2023-07-14 | 基于人工智能的运维和物联网管理方法、平台及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116884068A CN116884068A (zh) | 2023-10-13 |
| CN116884068B true CN116884068B (zh) | 2024-01-26 |
Family
ID=88254451
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310869561.4A Active CN116884068B (zh) | 2023-07-14 | 2023-07-14 | 基于人工智能的运维和物联网管理方法、平台及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116884068B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7360151B1 (en) * | 2003-05-27 | 2008-04-15 | Walt Froloff | System and method for creating custom specific text and emotive content message response templates for textual communications |
| CN106650621A (zh) * | 2016-11-18 | 2017-05-10 | 广东技术师范学院 | 一种基于深度学习的情绪识别方法及系统 |
| CN109886255A (zh) * | 2019-04-22 | 2019-06-14 | 西安财经学院 | 一种具有面部情绪识别功能的智能互动教学系统 |
| CN110516658A (zh) * | 2019-09-06 | 2019-11-29 | 山东理工大学 | 一种基于面部图像和车辆运行信息的驾驶员情绪的识别算法设计 |
| KR20220135846A (ko) * | 2021-03-31 | 2022-10-07 | 주식회사 대교 | 감성 분석 기술을 활용한 학습자 분석 및 케어 시스템 |
| CN115312192A (zh) * | 2022-07-01 | 2022-11-08 | 张小雷 | 一种基于卷积神经网络表情识别的校园心理健康评估-反馈方法 |
| CN116110091A (zh) * | 2022-11-14 | 2023-05-12 | 哈尔滨理工大学 | 一种线上学习状态监测系统 |
| KR20230103671A (ko) * | 2021-12-31 | 2023-07-07 | 주식회사 마블러스 | 통신 시스템에서 사용자의 감정에 기반하여 관계를 형성할 수 있는 메타버스 가상 현실 반려 동물을 제공하기 위한 방법 및 장치 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10321842B2 (en) * | 2014-04-22 | 2019-06-18 | Interaxon Inc. | System and method for associating music with brain-state data |
| CA3013948A1 (en) * | 2016-02-08 | 2017-08-17 | Nuralogix Corporation | System and method for detecting invisible human emotion in a retail environment |
| KR20180057096A (ko) * | 2016-11-21 | 2018-05-30 | 삼성전자주식회사 | 표정 인식과 트레이닝을 수행하는 방법 및 장치 |
| EP3571627A2 (en) * | 2017-01-19 | 2019-11-27 | Mindmaze Holding S.A. | Systems, methods, apparatuses and devices for detecting facial expression and for tracking movement and location including for at least one of a virtual and augmented reality system |
| US20210287469A1 (en) * | 2020-03-11 | 2021-09-16 | Alcatraz AI, Inc. | System and method for provisioning a facial recognition-based system for controlling access to a building |
| TWI767775B (zh) * | 2021-06-30 | 2022-06-11 | 國立陽明交通大學 | 影像式情緒辨識系統和方法 |
-
2023
- 2023-07-14 CN CN202310869561.4A patent/CN116884068B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7360151B1 (en) * | 2003-05-27 | 2008-04-15 | Walt Froloff | System and method for creating custom specific text and emotive content message response templates for textual communications |
| CN106650621A (zh) * | 2016-11-18 | 2017-05-10 | 广东技术师范学院 | 一种基于深度学习的情绪识别方法及系统 |
| CN109886255A (zh) * | 2019-04-22 | 2019-06-14 | 西安财经学院 | 一种具有面部情绪识别功能的智能互动教学系统 |
| CN110516658A (zh) * | 2019-09-06 | 2019-11-29 | 山东理工大学 | 一种基于面部图像和车辆运行信息的驾驶员情绪的识别算法设计 |
| KR20220135846A (ko) * | 2021-03-31 | 2022-10-07 | 주식회사 대교 | 감성 분석 기술을 활용한 학습자 분석 및 케어 시스템 |
| KR20230103671A (ko) * | 2021-12-31 | 2023-07-07 | 주식회사 마블러스 | 통신 시스템에서 사용자의 감정에 기반하여 관계를 형성할 수 있는 메타버스 가상 현실 반려 동물을 제공하기 위한 방법 및 장치 |
| CN115312192A (zh) * | 2022-07-01 | 2022-11-08 | 张小雷 | 一种基于卷积神经网络表情识别的校园心理健康评估-反馈方法 |
| CN116110091A (zh) * | 2022-11-14 | 2023-05-12 | 哈尔滨理工大学 | 一种线上学习状态监测系统 |
Non-Patent Citations (2)
| Title |
|---|
| Positive and Negative：Infant Facial Expressions and Emotions;Daniel S.Messinger;《Current directions in psychological science》;第1-6页 * |
| 共情视角下融合多模态数据的自闭症谱系障碍儿童识别;廖梦怡;《中国博士学位论文全文数据库社会科学Ⅱ辑》(第02期);第H133-2页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116884068A (zh) | 2023-10-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11275990B2 (en) | Incident prediction and response using deep learning techniques and multimodal data | |
| CN107742399B (zh) | 用于发出告警信号的方法及装置 | |
| CN111402925B (zh) | 语音调节的方法、装置、电子设备、车载系统和可读介质 | |
| US20170278382A1 (en) | Risk early warning method and apparatus | |
| CN111291916B (zh) | 驾驶行为安全性预测方法、装置、电子设备及存储介质 | |
| CN108766113B (zh) | 学生课堂表现的监测方法及装置 | |
| CN111986179B (zh) | 脸部篡改图像检测器 | |
| CN116884068B (zh) | 基于人工智能的运维和物联网管理方法、平台及存储介质 | |
| US11816543B2 (en) | System and method for using knowledge gathered by a vehicle | |
| CN117087674A (zh) | 一种基于道路风险和驾驶员行为的预警方法和系统 | |
| CN111949501A (zh) | It系统运行风险监控方法及装置 | |
| CN116911610A (zh) | 运输车辆驾驶安全风险监控及评估预警的方法和系统 | |
| CN113935386A (zh) | 一种目标检测方法及装置 | |
| CN112633163B (zh) | 一种基于机器学习算法实现非法运营车辆检测的检测方法 | |
| CN115578693A (zh) | 一种基于显著性神经网络模型的施工安全预警方法和装置 | |
| CN114998570A (zh) | 一种对象检测框的确定方法、装置、存储介质及电子装置 | |
| CN113537087A (zh) | 一种智慧交通信息处理方法、装置及服务器 | |
| CN114067935B (zh) | 一种流行病调查方法、系统、电子设备及存储介质 | |
| Rakesh et al. | Machine Learning and Internet of Things-based Driver Safety and Support System | |
| CN114092895A (zh) | 基于5g的智慧交通数据处理方法、装置及存储介质 | |
| CN116797090B (zh) | 一种学员课堂学习状态在线评估方法及系统 | |
| CN115545218A (zh) | 一种车速预测方法、装置和电子设备 | |
| US20220147867A1 (en) | Validation of gaming simulation for ai training based on real world activities | |
| CN117784766A (zh) | 一种多车协同进化自动驾驶算法的量化评估方法及系统 | |
| CN115601731A (zh) | 一种针对用户的驾驶状态识别方法、设备及介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |