[发明专利]人员状态评估的方法和系统

说明书

本公开提供了一种人员状态评估的方法和系统，属于信息处理技术领域。所述方法包括：获取工作人员的图像和语音信号；对所述语音信号进行处理，得到所述语音信号的声谱图和所述语音信号中各个语音片段的梅尔频率倒谱系数；采用深度学习算法根据所述图像、所述声谱图和所述梅尔频率倒谱系数，评估所述工作人员的状态。本公开通过获取工作人员的图像和语音信号并对语音信号进行处理，采用深度学习算法根据图像、声谱图和梅尔频率倒谱系数，评估工作人员的状态，由于状态是图像和语音两种完全不同的信息联合表征之后评估出来的，因此评估的准确度很高，而且实现成本低，特别适合交通运输和机械生产等需求量大的领域。

技术领域

本公开涉及信息处理技术领域，特别涉及一种人员状态评估的方法和系统。

背景技术

随着工业化的发展，交通运输和机械生产的规模越来越大。交通运输中的驾驶员和机械生产中的操作工人都会在固定位置进行长时间重复性的工作，很容易出现身体疲惫或者突发疾病的情况，如果不及时处理，很可能导致安全事故的发生。

相关技术中，先利用监控设备获取工作人员的状态参数，如在方向盘或者操作杆上安装心率传感器采集工作人员的心率、安装血压传感器采集工作人员的血压；再采用深度学习算法根据获取的状态信息评估工作人员的状态，从而在工作人员出现疲惫或者不适时，及时发出警报进行提醒，避免安全事故的发生。

通常情况下，状态参数的种类越多，评估结果的准确度越高。因此，如果状态参数的种类较少，则可能无法准确评估工作人员的状态。但是如果状态参数的种类较多，则需要的监控设备较多，实现成本较高。而且工作人员不可能把手等身体部位一直放在同一位置，为了避免由于工作人员身体部位移动而造成心率传感器、血压传感器等监控设备无法获取到状态参数，需要提高监控设备的灵敏度或者设置密度，这样会进一步增加监控设备的实现成本，特别不适合交通运输和机械生产等需求量大的领域。

发明内容

本公开实施例提供了一种人员状态评估的方法和系统，根据工作人员的红外图像和语音信息评估工作人员的状态，不存在工作人员可以同时兼顾评估的准确性和实现成本，特别适用于交通运输和机械生产等领域。所述技术方案如下：

一方面，本公开实施例提供了一种人员状态评估的方法，所述方法包括：

获取工作人员的图像和语音信号；

对所述语音信号进行处理，得到所述语音信号的声谱图和所述语音信号中各个语音片段的梅尔频率倒谱系数；

采用深度学习算法根据所述图像、所述声谱图和所述梅尔频率倒谱系数，评估所述工作人员的状态。

可选地，所述获取工作人员的图像和语音信号，包括：

采用摄像头连续拍摄工作人员的图像；

在连续拍摄所述工作人员的图像的过程中，采用麦克风采集所述工作人员的语音信号；

在连续拍摄的所述工作人员的图像中，截取采集所述工作人员的语音信号时拍摄的所述工作人员的图像。

可选地，所述方法还包括：

在所述图像上进行人脸定位，得到所述图像中人脸的位置；

根据所述图像中人脸的位置，转动所述图像，直到所述图像中人脸的偏转角度为设定角度；

根据所述图像中人脸的位置，在转动后的所述图像中截取人脸图像。

可选地，所述采用深度学习算法根据所述图像、所述声谱图和所述梅尔频率倒谱系数，评估所述工作人员的状态，包括：

采用第一卷积神经网络对所述图像进行特征提取，得到图像特征；

采用第二卷积神经网络对所述声谱图进行特征提取，得到语音特征；