[发明专利]一种应用于公司管理的多区域员工数量检测方法

说明书

本发明提出了一种应用于公司管理的多区域员工数量检测方法，涉及人脸检测技术领域，包括以下步骤：选取员工的人脸图像作为正样本，选取非人脸的图像作为负样本；对正样本和负样本进行训练，得到人脸检测决策模型；设定时间间隔性提取公司各区域图像；利用人脸检测决策模型对各区域图像进行人脸检测，并将各区域图像区分为人脸区域、潜在人脸区域和非人脸区域；对潜在人脸区域进行二次检测，筛选出人脸区域；分时段记录每个区域的人脸数量并统计数据；本发明一种应用于公司管理的多区域员工数量检测方法，其能够显著提高检测员工数量的精度，提高了区域员工数量分布指标的实用性。

技术领域

本发明涉及人脸检测技术领域，具体而言，涉及一种应用于公司管理的多区域员工数量检测方法。

背景技术

在科技飞速发展的时代，公司越来越重视员工相关数据的多角度分析。物联网技术作为重要的技术，可以显著地提升公司的运营效率。其中，员工在公司不同区域的分布数量作为重要的指标，有非常重要的参考价值。公司的管理部门可以对该数据进行深度分析，在掌握员工动态的同时有针对性地合理化配置资源。然而，传统的员工区域数量检测方法虽然能够检测出员工数量，但往往没有较高的精度，显著降低了区域员工数量分布指标的实用性。现有的一些技术虽然也能提高员工检测的精度，但往往具有一定的局限性，提高的精度不高或只能单纯的提高人脸检测精度而不能掌握员工的实时动态数据，无法提高员工的动态检测精度。例如：

公开号为CN113205081A的发明提出了一种基于显著性检测的SVM模型工人疲劳精准判别方法，提高了工人疲劳检测的精度，但其只是针对疲劳员工和非疲劳员工来建立训练模型进行对比，只能判断员工的疲劳状态，仅仅提高了员工的疲劳检测的精度，而且缺乏周期性的检测和区域检测，对提高精度具有一定的局限性。

公开号为CN108171196B的发明提出了一种人脸检测方法及装置，虽然能快速地检测复杂场景中的人脸，且检测准确率高，但是该方法只能检测已经发生的视频中的员工动态，并不能实时检测员工动态，且只是单纯的对检测视频进行大致分析，并没有二次深度检测，也不能实时记录员工在各区域的数量等动态数据。

公开号为CN107239736A的发明提出了一种基于多任务级联卷积神经网络的人脸检测方法及检测装置，同时公开号为CN113449713A的发明提出了一种清洗人脸检测模型的训练数据的方法和装置，上述发明均只是简单的建立训练模型进行人脸检测，不能掌握员工的实时动态数据，无法提高员工的动态检测精度。

因此，如何建立一种高精度的多区域员工数量检测方法有非常重要的实际应用价值。

发明内容

本发明的目的在于提供一种应用于公司管理的多区域员工数量检测方法，其能够解决检测员工数量精度不高且区域员工数量分布指标的实用性过低的问题。

本发明的实施例是这样实现的：

第一方面，本申请实施例提供一种应用于公司管理的多区域员工数量检测方法，包括以下步骤：

选取员工的人脸图像作为正样本，选取非人脸的图像作为负样本；

对正样本和负样本进行训练，得到人脸检测决策模型；

按照预置时间周期提取公司各区域图像；

利用人脸检测决策模型对各区域图像进行人脸检测，并将各区域图像区分为人脸区域、潜在人脸区域和非人脸区域；

对潜在人脸区域进行二次检测，筛选出人脸区域；

分时段记录每个区域的人脸数量并统计数据。

在本发明的一些实施例中，还包括：

对正样本进行显著性检测，并判断正样本的显著性是否明显，若否，将该正样本进行标注。

在本发明的一些实施例中，上述显著性检测采用的方法为FT显著性算法。

在本发明的一些实施例中，上述正样本和负样本进行训练的方法为多权重SVM模型算法。