[发明专利]一种组织人员心态预测方法

权利要求书

1.一种组织人员心态预测方法，包括获取组织员工的在一个时间周期内的

组合数据，将组合数据进行预处理形成待识别的组合数据特征，将组合数据特征送入一个预先建立的心态预测神经网络模型，心态预测神经网络模型分析输出心态预测数据，心态预测数据经一个心态预测识别库输出对应心态预测数据的心态值；其特征在于，所述组合数据是心理特征点数据和面目情绪数据；

所述心理特征点数据：是通过心理学量表方式采集的数字表现数据，心理学量表将心理问题用数字区分不同表现类别及等级，通过对类别及等级的选择形成由多个数字组组成的心理特征点数据；

所述面目情绪数据：是通过情绪测量方法获取员工的表情状态，然后将表情状态转为数字表现形成面目情绪数据；

所述将组合数据进行预处理形成待识别的组合数据特征：是将组合数据中的心理特征点数据和面目情绪数据转化为统一格式数据，形成组合数据特征；

所述心态预测神经网络模型的预先建立包括：

第一步：按照分层抽样抽取组织人员总数中一部分员工作为建模员工样本，获取建模员工在建模时间周期内的每位员工的所述组合数据和心态评判数据，将组合数据进行所述预处理形成所述组合数据特征，所述心态评判数据是通过问卷表格的方式采集的对所述建模时间周期内每位员工表现进行评判的数据，再将心态评判数据进行预处理转化为对应所述组合数据特征的比对数值表；

第二步：将每一位员工的组合数据特征输入神经网络学习得到每一位员工的心态预测值输出，将每一位员工的心态预测值输出与比对数值表中对应员工的评判心态值进行对比，得到每位员工的心态值对比误差，并得到建模员工心态值对比误差平均值；

第三步：使用对比误差平均值对神经网络进行反向传播调节网络权值，判断心态值对比误差平均值是否是最小值拐点值，如果不是，返回第二步；如果是，将此时的心态预测值输出所对应的比对数值作为被识别的心态值输入并形成所述心态预测识别库，完成预测神经网络模型的建立；

所述情绪测量方法是：通过建立组织人员面部表情类别识别模型实现在所述时间周期内对组织人员表情状态的识别并将表情数据转换为面目情绪数据；包括：使用人脸识别建立组织人员档案数据包以及对组织人员面部表情类别的分类并完成表情数据到面目情绪数据的转换；

所述建立组织人员面部表情类别识别模型的步骤包括：

步骤一：通过在组织人员工作区域设置图像采集装置实时采集组织中每一个人的个人面部图像，获取个人面部识别过程中的人脸图像；

步骤二：按照所述面部表情类别的分类，人工划分人脸图像表情代表的所述面部表情类别；

步骤三：获取划分好类别的人脸图像的热力图像数据特征；

步骤四：使用卷积神经网络对热力图像数据特征学习形成面部表情类别识别模型；

所述实现在所述时间周期内对组织人员表情状态的识别并将表情数据转换到面目情绪数据的步骤包括：

第一步：在所述时间周期内实时采集经过图像采集装置的人脸图像，对人脸图像进行人脸识别，确定人脸图像对应的个人档案数据包；

第二步：将被识别人脸图像转换为人脸热力图像形成热力图像数据特征；

第三步：将被识别人脸图像的热力图像数据特征输入面部表情类别识别模型，面部表情类别识别模型对输入的热力图像数据特征进行面部表情类别分类，并将分类的结果存入对应的个人档案数据包；

第四步：查询所述时间周期内个人档案数据包，累计计算个人档案数据包中所述时间周期内各种面部表情类别出现的频率，记录各种面部表情类别出现的频率形成所述面目情绪数据，完成表情数据到面目情绪数据的转换；

所述人工划分人脸图像表情代表的所述面部表情类别是：组织经过训练的至少5个人，将人脸图像分发至所述5个人，5个人背靠背按照人面部表情类别确定人脸图像的表情所代表的类别，当5个人中所确定的类别相同不少于三人时，则认为该表情属于该类别。

2.根据权利要求1所述的心态预测方法，其特征在于，所述预处理包括：对数据进行归一化处理形成0至1的统一数据格式。

3.根据权利要求2所述的心态预测方法，其特征在于，所述预处理进一步包括：在归一化处理形成0至1的数据格式后再进行降噪处理去掉冗余信息数据。