多维度情绪识别管理方法、系统、处理器、终端及介质技术方案

本发明专利技术公开了多维度情绪识别管理方法、系统、处理器、终端及介质，其技术方案要点是：构建情绪预测模型；对情绪预测模型进行个性化处理后形成情绪识别模型；对情绪识别模型进行预测调控；融合心率分布信息、工作轨迹分布信息得到目标员工的工作进度信息；对工作进度信息进行特征分割处理后，得到工作难度在时间轴上的难度系数分布信息，并以难度系数分布信息作为情绪发展诱导因素对情绪识别模型进行预测诱导，得到目标员工的基于多维度因素影响的情绪识别结果。本发明专利技术参考职业类型、工作任务量、MBTI职业性格测试数据、工作难度等多维度因素对员工情绪进行精准识别，同时得到影响员工情绪的情绪识别结果，为企业人性化管理决策提供数据支持。

【技术实现步骤摘要】
多维度情绪识别管理方法、系统、处理器、终端及介质
本专利技术涉及物联网、数据处理
，更具体地说，它涉及多维度情绪识别管理方法、系统、处理器、终端及介质。
技术介绍
积极的情绪可以提升员工工作的绩效，而消极的情绪则会降低员工的工作质量甚至导致工作绩效下滑。因此，采取及时有效的措施来获取员工最近的情绪状况以及及时疏导员工消极的情绪，对于提升员工个人以及团队工作士气及精神具有积极意义。目前，现有的情绪识别技术大部分都是通过人脸识别技术提取目标对象的面部图像信息中能够体现情绪的表情特征实现的，由于每个员工之间受本职工作以及个人性格影响，不同员工在产生相同情绪时其面部图像信息中展现出的表情特征不尽相同，导致现有情绪识别技术的识别准确度较低；此外，现有的情绪识别技术仅能得到一个简单的识别结果，对于企业管理员工情绪来说并无较大的参考价值，所以，现有的情绪识别技术难以在员工情绪识别管理中推广应用。因此，如何研究设计多维度情绪识别管理方法、系统、处理器、终端及介质是我们目前急需解决的问题，为企业人性化管理决策提供支持。
技术实现思路
为解决现有情绪识别技术的识别准确度较低以及难以在员工情绪识别管理中推广应用的问题，本专利技术的目的是提供多维度情绪识别管理方法、系统、处理器、终端及介质。本专利技术的上述技术目的是通过以下技术方案得以实现的：第一方面，提供了多维度情绪识别管理方法，包括以下步骤：S101：根据职业类型和标准工作任务量构建情绪预测模型；S102：以MBTI职业性格测试数据作为优化输入参数对情绪预测模型进行个性化处理后形成情绪识别模型；S103：以目标员工的实际工作量与标准工作任务量的比值作为调控输入参数对情绪识别模型进行预测调控；S104：通过定位穿戴手环实时获取目标员工的心率分布信息，根据定位穿戴手环输出的定位信息启动定位区域范围内的摄像头后进行目标追踪以获取目标员工的工作轨迹分布信息，并融合心率分布信息、工作轨迹分布信息得到目标员工的工作进度信息；S105：对工作进度信息进行特征分割处理后，得到工作难度在时间轴上的难度系数分布信息，并以难度系数分布信息作为情绪发展诱导因素对情绪识别模型进行预测诱导，得到目标员工的基于多维度因素影响的情绪识别结果。进一步的，该方法还包括：根据预建立的情绪评价规则对情绪识别结果进行评价后得到情绪识别评价值；根据预设预警值判断情绪识别评价值是否超出正常工作范围；若超出，则根据多维度影响因素对目标员工的实际工作量进行调整管理。进一步的，该方法还包括：采用摄像头获取目标员工的面部图形信息，并采用深度卷积神经网络提取面部图形信息中的表情特征，以及对表情特征进行分类处理后得到目标员工的情绪鉴定结果；根据情绪评价规则对情绪鉴定结果进行评价后得到情绪鉴定评价值；根据情绪鉴定评价值、情绪识别评价值计算出目标员工的情绪评价偏差值；根据预设偏差值判断情绪评价偏差值是否超出多维度因素范围；若未超出，则判断为工作原因影响；若超出，则判断为生活原因影响。进一步的，所述表情特征进行分类处理时以MBTI职业性格测试数据为参考数据进行个性化差异处理。进一步的，该方法还包括：构建心灵鸡汤语录数据库；根据实时获取的情绪识别结果从心灵鸡汤语录数据库匹配相应的心灵语句；将心灵语句信息推送至目标员工的定位穿戴手环进行显示。进一步的，该方法还包括：随机获取预定面积区域内所有目标员工的情绪识别结果；通过对预定面积区域内目标员工的情绪发展趋势以及各阶级的情绪识别结果分布概率进行计算后生成区域识别报告。第二方面，提供了多维度情绪识别管理系统，包括：模型构建模块，用于根据职业类型和标准工作任务量构建情绪预测模型；优化处理模块，用于以MBTI职业性格测试数据作为优化输入参数对情绪预测模型进行个性化处理后形成情绪识别模型；调控处理模块，用于以目标员工的实际工作量与标准工作任务量的比值作为调控输入参数对情绪识别模型进行预测调控；数据采集处理模块，用于通过定位穿戴手环实时获取目标员工的心率分布信息，根据定位穿戴手环输出的定位信息启动定位区域范围内的摄像头后进行目标追踪以获取目标员工的工作轨迹分布信息，并融合心率分布信息、工作轨迹分布信息得到目标员工的工作进度信息；诱导处理模块，用于对工作进度信息进行特征分割处理后，得到工作难度在时间轴上的难度系数分布信息，并以难度系数分布信息作为情绪发展诱导因素对情绪识别模型进行预测诱导，得到目标员工的基于多维度因素影响的情绪识别结果。第三方面，提供了一种处理器，处理器用于运行计算机程序，计算机程序运行时执行如第一方面中任意一项所述的多维度情绪识别管理方法。第四方面，提供了一种终端，包含存储器、处理器及存储在存储器并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面中任意一项所述的多维度情绪识别管理方法。第五方面，提供了一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行可实现如第一方面中任意一项所述的多维度情绪识别管理方法。与现有技术相比，本专利技术具有以下有益效果：1、本专利技术参考职业类型、工作任务量、MBTI职业性格测试数据、工作难度等多维度因素对员工情绪进行精准识别，同时得到影响员工情绪的情绪识别结果，为企业人性化管理决策提供数据支持；2、本专利技术能够根据情绪识别结果对员工状态进行预警，方便企业进行及时调整处理，避免员工状态进一步恶化而带来的一系列问题，为企业良性、积极开展工作奠定了基础；3、本专利技术通过对局部范围的员工进行整体监控管理，能够及时制止消极情绪传播；4、本专利技术能够清楚、直观的判断出影响员工因素是工作原因还是生活原因，为企业管理正确引导员工提供了方向；5、本专利技术通过心灵语句信息推送能够向员工传递积极思想，促进员工进行自我调节，形成良好的自我管控能力。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例中的整体工作流程图；图2是本专利技术实施例中的系统功能框图。具体实施方式为了使本专利技术所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。实施例：多维度情绪识别管理方法，如图1所示，包括以下步骤：S101：根据职业类型和标准工作任务量构建情绪预测模型。其中，职业类型可按照国家规定的职业分类进行区分，标准工作任务量以正常工作人员在国家规定上班时间内能够正常完成的任务量为准。S102：以MBTI职业性格测试数据作为优化输入参数对情本文档来自技高网...

【技术保护点】
1.多维度情绪识别管理方法，其特征是，包括以下步骤：/nS101：根据职业类型和标准工作任务量构建情绪预测模型；/nS102：以MBTI职业性格测试数据作为优化输入参数对情绪预测模型进行个性化处理后形成情绪识别模型；/nS103：以目标员工的实际工作量与标准工作任务量的比值作为调控输入参数对情绪识别模型进行预测调控；/nS104：通过定位穿戴手环实时获取目标员工的心率分布信息，根据定位穿戴手环输出的定位信息启动定位区域范围内的摄像头后进行目标追踪以获取目标员工的工作轨迹分布信息，并融合心率分布信息、工作轨迹分布信息得到目标员工的工作进度信息；/nS105：对工作进度信息进行特征分割处理后，得到工作难度在时间轴上的难度系数分布信息，并以难度系数分布信息作为情绪发展诱导因素对情绪识别模型进行预测诱导，得到目标员工的基于多维度因素影响的情绪识别结果。/n

【技术特征摘要】
1.多维度情绪识别管理方法，其特征是，包括以下步骤：
S101：根据职业类型和标准工作任务量构建情绪预测模型；
S102：以MBTI职业性格测试数据作为优化输入参数对情绪预测模型进行个性化处理后形成情绪识别模型；
S103：以目标员工的实际工作量与标准工作任务量的比值作为调控输入参数对情绪识别模型进行预测调控；
S104：通过定位穿戴手环实时获取目标员工的心率分布信息，根据定位穿戴手环输出的定位信息启动定位区域范围内的摄像头后进行目标追踪以获取目标员工的工作轨迹分布信息，并融合心率分布信息、工作轨迹分布信息得到目标员工的工作进度信息；
S105：对工作进度信息进行特征分割处理后，得到工作难度在时间轴上的难度系数分布信息，并以难度系数分布信息作为情绪发展诱导因素对情绪识别模型进行预测诱导，得到目标员工的基于多维度因素影响的情绪识别结果。


2.根据权利要求1所述的多维度情绪识别管理方法，其特征是，该方法还包括：
根据预建立的情绪评价规则对情绪识别结果进行评价后得到情绪识别评价值；
根据预设预警值判断情绪识别评价值是否超出正常工作范围；若超出，则根据多维度影响因素对目标员工的实际工作量进行调整管理。


3.根据权利要求2所述的多维度情绪识别管理方法，其特征是，该方法还包括：
采用摄像头获取目标员工的面部图形信息，并采用深度卷积神经网络提取面部图形信息中的表情特征，以及对表情特征进行分类处理后得到目标员工的情绪鉴定结果；
根据情绪评价规则对情绪鉴定结果进行评价后得到情绪鉴定评价值；
根据情绪鉴定评价值、情绪识别评价值计算出目标员工的情绪评价偏差值；
根据预设偏差值判断情绪评价偏差值是否超出多维度因素范围；若未超出，则判断为工作原因影响；若超出，则判断为生活原因影响。


4.根据权利要求3所述的多维度情绪识别管理方法，其特征是，所述表情特征进行分类处理时以MBTI职业性格测试数据为参考数据进行个性化差异处理。


5.根据权利要求1所述的多维度情绪识别...

【专利技术属性】
技术研发人员：涂扬举，罗玮，罗立云，黄颖，
申请(专利权)人：四川大汇大数据服务有限公司，
类型：发明
国别省市：四川;51