智能巡检预警管理系统、方法、设备及介质与流程

本公开涉及机器识别，具体涉及一种智能巡检预警管理系统，一种智能巡检预警管理方法，一种电子设备以及一种计算机可读存储介质。

背景技术：

1、在话务中心等场景中，采用人力资源外包的管理模式，尽管能够灵活配置人员和降低管理成本，但也引发了一系列管理挑战。不同合作商公司使用不同的行政管理方式，导致工作效率低下、信息传递不畅以及信息不对称等问题。话务中心作为一个庞大的工作环境，员工数量众多，流动性大，员工素质不一，这使得管理一线人员的现场工作变得复杂。管理层很难全面掌握员工的工作状态，尤其是在违纪行为方面，如是否存在睡岗、离岗、玩手机等，难以实时监控和制止。

2、已有的技术尝试解决这些问题，如传统的人员监控系统、人脸识别系统以及远程监控系统，但这些系统存在局限性。传统的监控系统只能提供简单的视频监控，无法深入分析员工的行为。人脸识别系统可能只涵盖出勤时间，缺乏全面的员工考核手段。而远程监控系统通常只注重实时查看，而非智能分析和预警。

技术实现思路

1、为了至少解决现有技术中存在的无法满足话务中心全方位管理和智能监控需求的问题，本公开提供一种智能巡检预警管理系统、智能巡检预警管理方法、电子设备以及计算机可读存储介质，可以提供更全面、智能的人员管理和工作监控解决方案，有效提高员工工作效率和工作质量。

2、第一方面，本公开提供一种智能巡检预警管理系统，所述系统包括：

3、智能巡场汇聚模块，其设置为搭建视频汇聚平台，接入摄像头对生产坐席区进行监控并捕捉员工的实时行为，以及对摄像头传输的视频信号进行集中管理；

4、人脸识别模块，其设置为对摄像头传输的视频信号进行实时分析以识别员工的身份和出勤情况；

5、人员行为识别模块，其设置为对摄像头视频信号进行分析，以识别员工的违规行为；

6、预警机制模块，其设置为在所述人员行为识别模块识别出员工的违规行为后启动预警机制，并及时发出预警信号。

7、进一步的，所述系统还包括：

8、考核物证库管理模块，其设置为构建考核物证库，并接收和存储各类物证数据，为员工综合考核提供依据；

9、后台管理模块，其设置为为管理员提供管理界面，以实时查看监控画面、员工状态和违纪行为情况。

10、进一步的，所述人脸识别模块具体设置为：

11、利用深度学习平台构建人脸识别模型，使用飞桨平台paddlepaddle框架进行人脸识别模型的训练和调整；

12、通过训练好的人脸识别模型识别员工的人脸数据，并将其与人脸库中的数据进行比对，实现员工的身份识别。

13、进一步的，所述人脸识别模块包括：

14、人脸注册单元：其设置为将员工的人脸信息进行注册，包括采集员工的人脸图像，并对其进行特征提取和编码，生成唯一的人脸特征向量，用于后续人脸识别任务；

15、人脸库管理单元：其设置为创建人脸库，存储已注册员工的人脸特征向量；

16、人脸识别比对单元：其设置为分析摄像头传来的视频流，提取视频帧中的人脸特征向量，将提取的特征向量与人脸库中的数据进行比对，判断是否存在匹配的人脸；

17、识别结果反馈单元：其设置为若所述人脸识别比对单元成功识别出员工的人脸，则反馈识别结果，包括员工的姓名或标识符；

18、人脸特征更新单元：其设置为定期或根据需要对人脸库中的人脸特征进行更新，以确保特征的准确性和适应性。

19、进一步的，所述人员行为识别模块包括：

20、数据收集与准备单元，其设置为收集包含各种违纪行为的视频样本数据，并确保数据集包括不同场景下的员工行为，将样本数据中的视频分解成连续的帧，并对每一帧进行大小调整和归一化，形成训练数据集；

21、模型选择与设计单元，其设置为基于飞桨框架训练识别模型选择适合的行为识别模型，并根据预设方法对模型进行优化；

22、数据增强单元，其设置为在行为识别模型训练过程中，使用数据增强技术增加数据样本的多样性；

23、模型训练与优化单元，其设置为利用飞桨框架训练行为识别模型，将准备好的训练数据集输入模型中，通过反向传播算法优化模型参数，并在训练过程中，使用验证集进行模型的评估和调优；

24、实时识别单元，其设置为将训练好的行为识别模型部署到系统中，对摄像头传输的视频流进行实时分析，逐帧地检测员工的行为，判断是否存在违规行为；

25、预警与反馈单元，其设置为一旦检测到违规行为，则发出预警通知，并将相关信息同步给相关负责人。

26、进一步的，所述模型选择与设计单元具体设置为：

27、选择基于paddlepaddle构建的pp-yolov2模型作为行为识别模型；

28、根据预设方法对所述pp-yolov2模型进行优化，包括：

29、加入sahi(slicing aided hyper inference，切片辅助超推理)切图模块，提升小目标检测准确率；

30、采用轻量化网络shufflenetv2-k5替换pp-yolov2原来的特征提取网络resnet50vd，将3*3的depthwise卷积扩大为5*5，同时将lovasz softmax loss+crossentropy loss通过加权处理后得到模型的损失函数；

31、采用mini batch k-means(分批处理k均值聚类算法)聚类方法计算话务中心摄像头监控数据集的初始锚框，提升检测精度，具体包括：

32、s1、首先抽取部分训练数据集，使用k-means算法构建出k个聚簇点的模型；

33、s2、继续抽取训练数据集中的部分数据集样本数据，并将其添加到模型中，分配给距离最近的聚簇中心点；

34、s3、更新聚簇的中心点值，且每次更新都只用抽取出来的部分数据集；

35、循环迭代s2和s3操作，直到中心点稳定或者达到迭代次数，停止计算操作。

36、进一步的，所述考核物证库管理模块包括：

37、数据库结构设计单元，其设置为设计数据库结构来存储考核物证数据，以为每个员工创建对应的数据记录，包括员工信息、考核数据的类型和时间戳；

38、数据接收与存储单元，其设置为在系统中设置数据接收接口，以通过文件上传、api(application programming interface，应用程序编程接口)调用的方式将各类物证数据传输到考核物证库中；

39、数据标注和归类单元，其设置为将接收到的数据进行标注和归类，以确定每条数据对应的员工和考核类型；

40、数据索引和检索单元，其设置为为考核物证库设计索引，以便在后续的查询中能够快速检索出所需的数据；

41、数据审核和确认单元，其设置为对于上传的物证数据通过设立的审核流程进行审核，以确保数据的真实性和准确性；

42、数据分析和报告生成单元，其设置为利用数据库中的考核物证数据，进行数据分析和统计，生成员工的考核报告；

43、数据保密和权限管理单元，其设置为通过设置的权限管理机制进行数据权限管理，以确保只有授权人员可以访问和查询考核物证库中的数据。

44、进一步的，所述预警机制模块包括：

45、违规行为识别触发单元，其设置为接收人员行为识别模块识别到的员工的违规行为；

46、触发条件设定单元，其设置为根据需要设定触发实时预警的条件，所述条件包括特定的违规行为、持续时间和频率；

47、预警信息生成单元，其设置为一旦触发实时预警的条件满足，则根据预警机制生成预警信息，预警信息包括员工信息、违规行为描述和时间戳；

48、预警记录和反馈单元，其设置为记录每次触发预警的情况，包括触发时间、员工信息和违规行为。

49、第二方面，本公开提供一种智能巡检预警管理方法，所述方法包括：

50、搭建视频汇聚平台，接入摄像头对生产坐席区进行监控并捕捉员工的实时行为，以及对摄像头传输的视频信号进行集中管理；

51、对摄像头传输的视频信号进行实时分析以识别员工的身份和出勤情况；

52、对摄像头视频信号进行分析，以识别员工的违规行为；

53、在识别出员工的违规行为后启动预警机制，并及时发出预警信号。

54、进一步的，所述方法还包括：

55、构建考核物证库，接收和存储各类物证数据，为员工综合考核提供依据；

56、为管理员提供管理界面，以实时查看监控画面、员工状态和违纪行为情况。

57、第三方面，本公开提供一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，当所述处理器运行所述存储器存储的计算机程序时，所述处理器执行如第二方面中任一所述的智能巡检预警管理方法。

58、第四方面，本公开提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述第二方面中任一所述的智能巡检预警管理方法。

59、有益效果：

60、本公开提供的智能巡检预警管理系统、智能巡检预警管理方法、电子设备及存储介质，结合计算机视觉技术和人工智能技术，实现对一线员工的全面监控、违纪行为的准确识别、综合员工考核以及及时预警。本发明的技术方案能够帮助话务中心等场景克服管理上的挑战，提高工作效率和服务质量，从而为员工提供更好的工作环境，为用户提供更优质的服务体验。