[發明專利]一種柜面助手履職監控裝置和方法

在審

• 申請號: 201911384076.8
• 申請日: 2019-12-28
• 公開（公告）號: CN111079694A
• 公開（公告）日: 2020-04-28
• 發明（設計）人: 席道亮;許野平;劉辰飛;陳英鵬;張朝瑞;高朋
• 申請（專利權）人: 神思電子技術股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/62
• 代理公司: 北京中索知識產權代理有限公司 11640
• 代理人: 商金婷

本發明公開一種柜面助手履職監控裝置和方法，包括視頻幀子系統，其特征在于：所述視頻幀子系統電性連接目標檢測子系統，所述目標檢測子系統電性連接目標過濾子系統，所述目標過濾子系統分別電性連接睡覺判別子系統、玩手機判別子系統、離崗判別子系統和聊天判別子系統，所述睡覺判別子系統、所述玩手機判別子系統、所述離崗判別子系統和所述聊天判別子系統分別電性連接異常報警子系統。本發明涉及柜面助手設備領域，具體地講，涉及一種柜面助手履職監控裝置和方法。本發明能夠精確的定位異常行為的位置，為行為判斷提供了良好的評價標準。

技術領域

本發明涉及柜面助手設備領域，具體地講，涉及一種柜面助手履職監控裝置和方法。

背景技術

截至目前，我國大部分政府服務中心對辦公人員的履職行為判定評估依賴于大廳的監控攝像頭，當異常行為已經發生時只能從對應的硬盤錄像機按時間段進行查找，效率極低。

履職監控系統通過分析監控獲取的文本數據或者視頻數據分析有無發生異常行為并發出報警，其本質是將獲取到的數據通過一種行為識別方法能夠精確的識別動作生的類型并定位出動作發生的位置。實際的應用場景比較廣泛，現有的行為識別方法一是基于傳統方法的機器學習來實現行為識別，識別精度較低，二是基于深度學習通過神經網絡學習實現的，識別精度較高，但是計算量較大，無法部署到嵌入式終端設備上運行，滿足不了實時的要求。

專利《一種機構履職監控系統》(申請公布號CN 106682797A)公開了一種方法，該方法的優點是提供了一種量化手段方法對履職情況進行指標化、自動化的體系評估，驗證履職現狀，構建統一的、公平合理的機構履職評估指標體系和人為干預較小的履職情況判斷方法，規范約束與推進機構人員業務工作的正常開展。該方法的不足之處在于裝置的數據采集單元只是采集到的只限于文本數據，無視頻數據作為異常行為判定依據，無法對辦公人員進行行為識別，僅限于從工作的完成度判定識別是否為正常履職狀態。

專利《行為識別系統》(申請公布號CN 101622652 A)提供了一種行為識別方法，該發明實例提供基于所獲得的視頻流來分析和學習行為識別的方法和系統，基于對視頻幀的分析來確定該流中所描述的對象，每個對象可以具有用來逐幀地跟蹤對象的運動的相應的搜索模型。確定對象的分類并且生成對象的語義表示。語義表示被用來確定對象的行為并且學習由所獲得的視頻流描述的環境中發生的行為。這樣，系統通過分析環境中對象的移動、活動或者不存在來迅速并且實時地學習正常和異常的行為，并且基于已經習得的來識別和預測異常和可疑的行為，該專利的優點提供了一套基于機器學習的行為識別系統，能夠基于隨時間獲得的信息來學習行為，通過分析隨時間的運動或活動來學習識別區分場景內的正常和異常行為。該專利的不足指出在于提供的行為識別系統是基于傳統的機器學習的方法，通過視頻流邊學習邊檢測，識別精度低，無法滿足當前應用要求，其計算量較大，對硬件的計算能力要求較高，目前只是基于計算機平臺運行且無法對場景中的具體異常行為做動作定位。

專利《行為識別模型的訓練方法、行為識別方法、裝置及設備》(申請公布號CN109815881 A)提供了一種涉及人工智能技術領域的行為識別模方法，該方法包括：獲取訓練集；分別檢測每張圖像的目標區域；計算訓練集對應于目標區域的平均亮度信息；將每張圖像的目標區域分割為前景和背景，并將背景標記為黑色；根據平均亮度信息調節每張圖像的前景的亮度，得到預處理后的圖像；將預處理后的圖像輸入神經網絡進行訓練，直至神經網絡收斂，將收斂情況下的神經網絡作為行為識別模型。該專利提供的方法可以消除背景的影響，增強對復雜場景識別的魯棒性，可以應用在現實光線復雜的場景中，提高了識別準確率，避免過度曝光或光線不足產生的準確度下降問題。但是該專利實現的方法缺點在于事先需要根據應用場景獲取大量數據，再輸入到神經網絡前需要對樣本數據進行數據處理，等到神經網絡收斂后才能記載訓練好的模型使用，所述圖像檢測區域僅僅限于人臉區域而非整張圖像，因此能夠識別的動作僅僅限制于吸煙打電話等發生在與人臉相關的行為。