[发明专利]一种柜面助手履职监控装置和方法

说明书

本发明公开一种柜面助手履职监控装置和方法，包括视频帧子系统，其特征在于：所述视频帧子系统电性连接目标检测子系统，所述目标检测子系统电性连接目标过滤子系统，所述目标过滤子系统分别电性连接睡觉判别子系统、玩手机判别子系统、离岗判别子系统和聊天判别子系统，所述睡觉判别子系统、所述玩手机判别子系统、所述离岗判别子系统和所述聊天判别子系统分别电性连接异常报警子系统。本发明涉及柜面助手设备领域，具体地讲，涉及一种柜面助手履职监控装置和方法。本发明能够精确的定位异常行为的位置，为行为判断提供了良好的评价标准。

技术领域

本发明涉及柜面助手设备领域，具体地讲，涉及一种柜面助手履职监控装置和方法。

背景技术

截至目前，我国大部分政府服务中心对办公人员的履职行为判定评估依赖于大厅的监控摄像头，当异常行为已经发生时只能从对应的硬盘录像机按时间段进行查找，效率极低。

履职监控系统通过分析监控获取的文本数据或者视频数据分析有无发生异常行为并发出报警，其本质是将获取到的数据通过一种行为识别方法能够精确的识别动作生的类型并定位出动作发生的位置。实际的应用场景比较广泛，现有的行为识别方法一是基于传统方法的机器学习来实现行为识别，识别精度较低，二是基于深度学习通过神经网络学习实现的，识别精度较高，但是计算量较大，无法部署到嵌入式终端设备上运行，满足不了实时的要求。

专利《一种机构履职监控系统》(申请公布号CN 106682797A)公开了一种方法，该方法的优点是提供了一种量化手段方法对履职情况进行指标化、自动化的体系评估，验证履职现状，构建统一的、公平合理的机构履职评估指标体系和人为干预较小的履职情况判断方法，规范约束与推进机构人员业务工作的正常开展。该方法的不足之处在于装置的数据采集单元只是采集到的只限于文本数据，无视频数据作为异常行为判定依据，无法对办公人员进行行为识别，仅限于从工作的完成度判定识别是否为正常履职状态。

专利《行为识别系统》(申请公布号CN 101622652 A)提供了一种行为识别方法，该发明实例提供基于所获得的视频流来分析和学习行为识别的方法和系统，基于对视频帧的分析来确定该流中所描述的对象，每个对象可以具有用来逐帧地跟踪对象的运动的相应的搜索模型。确定对象的分类并且生成对象的语义表示。语义表示被用来确定对象的行为并且学习由所获得的视频流描述的环境中发生的行为。这样，系统通过分析环境中对象的移动、活动或者不存在来迅速并且实时地学习正常和异常的行为，并且基于已经习得的来识别和预测异常和可疑的行为，该专利的优点提供了一套基于机器学习的行为识别系统，能够基于随时间获得的信息来学习行为，通过分析随时间的运动或活动来学习识别区分场景内的正常和异常行为。该专利的不足指出在于提供的行为识别系统是基于传统的机器学习的方法，通过视频流边学习边检测，识别精度低，无法满足当前应用要求，其计算量较大，对硬件的计算能力要求较高，目前只是基于计算机平台运行且无法对场景中的具体异常行为做动作定位。

专利《行为识别模型的训练方法、行为识别方法、装置及设备》(申请公布号CN109815881 A)提供了一种涉及人工智能技术领域的行为识别模方法，该方法包括：获取训练集；分别检测每张图像的目标区域；计算训练集对应于目标区域的平均亮度信息；将每张图像的目标区域分割为前景和背景，并将背景标记为黑色；根据平均亮度信息调节每张图像的前景的亮度，得到预处理后的图像；将预处理后的图像输入神经网络进行训练，直至神经网络收敛，将收敛情况下的神经网络作为行为识别模型。该专利提供的方法可以消除背景的影响，增强对复杂场景识别的鲁棒性，可以应用在现实光线复杂的场景中，提高了识别准确率，避免过度曝光或光线不足产生的准确度下降问题。但是该专利实现的方法缺点在于事先需要根据应用场景获取大量数据，再输入到神经网络前需要对样本数据进行数据处理，等到神经网络收敛后才能记载训练好的模型使用，所述图像检测区域仅仅限于人脸区域而非整张图像，因此能够识别的动作仅仅限制于吸烟打电话等发生在与人脸相关的行为。