[发明专利]一种确定工作状况的方法及装置

权利要求书

1.一种确定工作状况的方法，其特征在于，包括：

获取工作人员在工作过程中的各工作图像信息；

针对所述各工作图像信息中任一工作图像信息，根据所述工作图像信息和神经网络模型，获得所述工作图像信息对于各特征维度的维度指标值；所述神经网络模型是根据图像训练数据集进行机器学习训练得到的；所述图像训练数据集中任一图像训练数据包括：图像训练信息和所述图像训练信息对于各特征维度的维度指标值；

针对任一特征维度，根据所述各工作图像信息在所述特征维度的维度指标值，确定所述工作人员在所述特征维度的工作指标值；

至少根据所述工作人员对于所述各特征维度的工作指标值，确定所述工作人员的工作状况。

2.如权利要求1所述的方法，其特征在于，所述根据所述工作图像信息和神经网络模型，获得所述工作图像信息对于各特征维度的维度指标值，包括：

对所述工作图像信息做灰度处理，获得灰度图像信息；

对所述灰度图像信息做卷积操作和\或池化操作，获得降维图像信息；

将所述降维图像信息输入所述神经网络模型，获得所述工作图像信息对于各特征维度的维度指标值。

3.如权利要求1所述的方法，其特征在于，所述神经网络模型按照以下方式执行迭代训练：

针对所述图像训练数据集中任一图像训练数据，将所述图像训练数据中的图像训练信息输入至中间训练模型，根据所述中间训练模型的各训练参数，获得所述图像训练信息对于各特征维度的预测值；

根据所述图像训练信息对于各特征维度的预测值及对应维度指标值之间的差值，确定所述中间训练模型是否满足预设收敛条件；

若满足所述预设收敛条件，则结束所述迭代训练，并将所述中间训练模型作为所述神经网络模型；

若不满足所述预设收敛条件，则根据所述图像训练信息对于各特征维度的预测值及对应维度指标值之间的差值，确定所述各训练参数的梯度值；根据所述各训练参数的梯度值，更新所述各训练参数，从而更新所述中间训练模型，并继续执行所述迭代训练。

4.如权利要求1至3任一项所述的方法，其特征在于，各特征维度按照预设特征类别划分为多个特征维度组；所述至少根据所述工作人员对于所述各特征维度的工作指标值，确定所述工作人员的工作状况，包括：

根据同一特征维度组中的各特征维度的工作指标值，确定所述特征维度组的组指标值；

根据同一工作记录维度组中各工作记录维度的工作记录数据，确定所述工作记录维度组的组指标值；所述工作记录维度组为多个工作记录维度组中任一工作记录维度组；所述多个工作记录维度组是按照预设工作记录类别划分的维度组；

根据多个维度组的组指标值及所述多个维度组的组权重值，确定所述工作人员的工作状况；所述多个维度组包括所述多个特征维度组和所述多个工作记录维度组。

5.如权利要求4所述的方法，其特征在于，所述根据同一特征维度组中的各特征维度的工作指标值，确定所述特征维度组的组指标值，包括：

根据所述各工作图像信息对于所述特征维度组中每个特征维度的工作指标值及特征子权重值，确定所述特征维度组的组指标值；

所述根据同一工作记录维度组中各工作记录维度的工作记录数据，确定所述工作记录维度组的组指标值，包括：

根据所述工作记录维度组中每个工作记录维度的工作记录数据及工作记录子权重值，确定所述工作记录维度组的组指标值。

6.如权利要求5所述的方法，其特征在于，所述工作记录维度组中任一工作记录维度的工作记录子权重值按照以下方式调整：

获取所述工作记录维度的历史工作记录数据；

根据所述历史工作记录数据和所述工作记录子权重值，确定所述工作记录维度的历史指标值；

若所述历史指标值不小于预设阈值，则减小所述工作记录子权重值，并返回所述“根据所述历史工作记录数据和所述工作记录子权重值，确定所述工作记录维度的历史指标值”的步骤。