一种员工健康状态评价方法及装置与流程

1.本发明涉及一种员工健康状态评价方法及装置，属于人工技能领域。


背景技术：

2.随着社会经济的发展，员工健康问题也逐渐成为一个不可忽视的问题，特别是出现对员工健康的不重视，导致员工出现健康风险时公司未及时进行最佳健康援助引发严重后果的事件更是为人们敲响了警钟，因此，员工健康状态评价逐渐受到各用人单位的重视。
3.但是现有的员工健康状态评价只是从员工的生理层面进行评价，评价维度单一，评价的准确性较低。


技术实现要素：

4.本发明提供一种员工健康状态评价方法、装置及计算机可读存储介质，其主要目的在于提高对员工健康状态评价的准确性。
5.为实现上述目的，本发明提供的一种员工健康状态评价方法，包括：
6.获取员工的体检数据及包含员工表情图像集的心理健康数据；
7.基于所述体检数据对所述员工进行生理健康评估，得到生理健康评估数值；
8.提取所述心理健康数据中的心理咨询数据，基于所述心理咨询数据对所述员工进行心理健康评估，得到第一心理健康评估数值；
9.对所述员工表情图像集中的每个员工表情图像进行情绪类型识别分类，得到每个所述员工表情图像对应的情绪识别结果；
10.基于所有所述情绪识别结果进行情绪分类占比分析，得到第二心理健康评估数值；
11.基于所述生理健康评估数值、所述第一心理健康评估数值及所述第二心理健康评估数值进行加权计算分析，得到员工健康状态评价结果；
12.将所述员工健康状态评价结果发送至预设的终端设备。
13.可选地，所述基于所述体检数据进行生理健康评估，得到生理健康评估数值，包括：
14.将所述体检数据转换为非结构数据，得到体检文本数据；
15.提取所述体检文本数据中的体检结论，得到目标体检文本；
16.对所述目标体检文本进行向量转换，得到初始体检特征向量；
17.基于自注意力机制对所述初始体检特征向量进行注意力加权，得到目标体检特征向量；
18.基于所述目标体检特征向量对所述员工进行生理健康评估，得到生理健康评估数值。
19.可选地，所述对所述目标体检文本进行向量转换，得到初始体检特征向量，包括：
20.将所述目标体检文本中的每一个字符转化为向量，得到字符向量；
21.将所有所述字符向量按照每个字符向量对应的字符在所述目标体检文本中的先后顺序进行首尾连接或组合，得到所述初始体检特征向量。
22.可选地，所述基于自注意力机制对所述初始体检特征向量进行注意力加权，得到目标体检特征向量，包括：
23.获取基于自注意力机制构建的注意力网络中的查询权重矩阵、键权重矩阵、值权重矩阵；
24.利用所述查询权重矩阵及所述键权重矩阵进行计算，得到注意力权重；
25.基于所述初始体检特征向量的向量维度对所述注意力权重进行归一化，得到融合权重；
26.利用所述融合权重与所述值权重矩阵进行加权计算，得到目标体检特征向量。
27.可选地，所述基于所述目标体检特征向量对所述员工进行生理健康评估，得到生理健康评估数值，包括：
28.利用预构建的全连接层对所述目标体检特征向量进行特征压缩，得到压缩特征值；
29.对所述压缩特征值进行归一化转换，得到所述生理健康评估数值。
30.可选地，所述对所述压缩特征值进行归一化转换，得到生理健康评估数值，包括：
31.利用如下公式计算得到所述生理健康评估数值；
[0032][0033]
其中，s为所述生理健康评估数值，x为所述压缩特征值。
[0034]
可选地，所述对所述员工表情图像集中的每个员工表情图像进行情绪类型识别分类，得到每个所述员工表情图像对应的情绪识别结果，包括：
[0035]
对所述员工表情图像进行人脸区域切分，得到人脸表情图像；
[0036]
利用预构建的表情识别分类模型中的特征提取层基于卷积池化操作对所述人脸表情图像进行表情特征提取，得到表情特征矩阵；
[0037]
利用所述表情识别分类模型中的全连接层对所述表情特征矩阵进行特征压缩，得到目标表情特征向量；
[0038]
基于预构建的分类函数对所述表情特征向量进行情绪分类，得到所述情绪识别结果。
[0039]
可选地，所述基于所述生理健康评估数值、所述第一心理健康评估数值及所述第二心理健康评估数值进行加权计算分析，得到员工健康状态评价结果，包括：
[0040]
基于预设的第一心理健康系数及第二心理健康系数，对所述第一心理健康评估数值及所述第二心理健康评估数值进行加权计算，得到心理健康评估数值；
[0041]
基于预设的心理健康系数及生理健康系数，对所述心理健康评估数值及所述生理健康评估数值进行加权计算，员工健康评估数值；
[0042]
基于预设的健康评估阈值及所述员工健康评估数值对所述员工进行健康程度划分，得到所述员工健康状态评价结果。
[0043]
可选地，所述基于预设的第一心理健康系数及第二心理健康系数，对所述第一心理健康评估数值及所述第二心理健康评估数值进行加权计算，得到心理健康评估数值，包括：
[0044]
利用如下公式计算所述心理健康评估数值：
[0045][0046]
其中，h为所述心理健康评估数值，a为所述第一心理健康系数，m为所述第一心理健康评估数值，b为所述第一心理健康系数，n为所述第二心理健康评估数值。
[0047]
为了解决上述问题，本发明还提供一种员工健康状态评价装置，所述装置包括：
[0048]
生理健康评估模块，用于获取员工的体检数据及包含员工表情图像集的心理健康数据；基于所述体检数据对所述员工进行生理健康评估，得到生理健康评估数值；
[0049]
心理健康评估模块，用于提取所述心理健康数据中的心理咨询数据，基于所述心理咨询数据对所述员工进行心理健康评估，得到第一心理健康评估数值；对所述员工表情图像集中的每个员工表情图像进行情绪类型识别分类，得到每个所述员工表情图像对应的情绪识别结果；基于所有所述情绪识别结果进行情绪分类占比分析，得到第二心理健康评估数值；
[0050]
员工健康评估模块，用于基于所述生理健康评估数值、所述第一心理健康评估数值及所述第二心理健康评估数值进行加权计算分析，得到员工健康状态评价结果；将所述员工健康状态评价结果发送至预设的终端设备。
[0051]
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
[0052]
至少一个处理器；以及，
[0053]
与所述至少一个处理器通信连接的存储器；其中，
[0054]
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以实现上述所述的员工健康状态评价方法。
[0055]
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的员工健康状态评价方法。
[0056]
相比于背景技术所述问题，本发明实施例基于所述生理健康评估数值、所述第一心理健康评估数值及所述第二心理健康评估数值进行加权计算分析，得到员工健康状态评价结果，从生理及心理两个维度进行健康评价，健康评价的维度更加多元，评价的准确性更高，因此本发明提出的员工健康状态评价方法、装置、电子设备及计算机可读存储介质，其主要目的在于提高对员工健康状态评价的准确性。
附图说明
[0057]
图1为本发明一实施例提供的员工健康状态评价方法的流程示意图；
[0058]
图2为本发明一实施例提供的员工健康状态评价装置的功能模块图；
[0059]
图3为本发明一实施例提供的实现所述员工健康状态评价方法的电子设备的结构示意图。
[0060]
本发明目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0061]
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0062]
本技术实施例提供一种员工健康状态评价方法。所述员工健康状态评价方法的执行主体包括但不限于服务端、终端等能够被配置为执行本技术实施例提供的该方法的电子设备中的至少一种。换言之，所述员工健康状态评价方法可以由安装在终端设备或服务端设备的软件或硬件来执行。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
[0063]
实施例1：
[0064]
参照图1所示，为本发明一实施例提供的员工健康状态评价方法的流程示意图。在本实施例中，所述员工健康状态评价方法包括：
[0065]
s1、获取员工的体检数据及包含员工表情图像集的心理健康数据；
[0066]
本发明实施例中所述体检数据为所述员工的体检单，所述员工表情图像集为所述员工预设时间区间内每次上下班打卡的面部图像即员工表情图像的集合，本发明实施例中为了通过员工表情图像识别用户近期的心理状态，因此，所述预设时间区间为区间右端点为当前时间，区间长度为预设时间段的时间区间，所述心理健康数据还包括所述员工进行心理咨询的数据即心理咨询数据，所述心理咨询数据可以为心理问卷的统计数据或心理咨询对话数据等，本发明实施例对所述心理咨询数据的类型不做限制。
[0067]
进一步地，本发明实施例中通过体检数据与心理健康数据，从身体与心理两个方面综合评估员工的心理健康状况。
[0068]
s2、基于所述体检数据对所述员工进行生理健康评估，得到生理健康评估数值；
[0069]
本发明实施例中为了评估员工的生理健康，基于所述体检数据对所述员工进行生理健康评估，得到生理健康评估数值。
[0070]
具体地，本发明实施例中所述基于所述体检数据对所述员工进行生理健康评估，得到生理健康评估数值，包括：
[0071]
将所述体检数据转换为非结构数据，得到体检文本数据；
[0072]
提取所述体检文本数据中的体检结论，得到目标体检文本；
[0073]
对所述目标体检文本进行向量转换，得到初始体检特征向量；
[0074]
基于自注意力机制对所述初始体检特征向量进行注意力加权，得到目标体检特征向量；
[0075]
基于所述目标体检特征向量对所述员工进行生理健康评估，得到生理健康评估数值。
[0076]
本发明实施例中由于所述体检数据一般为结构性数据，为了方便对所述体检数据进行数据评估，将所述体检数据转换为非结构数据，得到体检文本数据。
[0077]
详细地，本发明实施例中可利用ocr技术将所述体检数据转换为非结构数据，得到体检文本数据。
[0078]
进一步地，本发明实施例中提取所述体检文本数据中的体检结论，得到目标体检文本；
[0079]
本发明实施例中为了评估用户的健康程度，需要根据体检文本数据中的体检结论部分进行健康程度评估，因此，需要提取所述体检文本数据中的体检结论，得到目标体检文本。
[0080]
详细地，本发明实施例中可利用关键词识别，提取所述体检文本数据中的体检结
论，如：将所述体检文本数据中包含预设关键词的段落文本确定为目标体检文本。
[0081]
详细地，本发明实施例中对所述目标体检文本进行向量转换，得到初始体检特征向量；
[0082]
本发明实施例中为了更好的对所述目标体检文本进行特征提取，将所述目标体检文本转化为向量的形式。
[0083]
详细地，本发明实施例中所述对所述目标体检文本进行向量转换，得到初始体检特征向量，包括：
[0084]
将所述目标体检文本中的每一个字符转化为向量，得到字符向量；
[0085]
将所有所述字符向量按照每个字符向量对应的字符在所述目标体检文本中的先后顺序进行首尾连接或组合，得到所述初始体检特征向量。
[0086]
可选地，本发明实施例中可利用独热算法或深度学习模型将字符转化为向量。
[0087]
本发明另一实施例中还可以利用深度学习模型(如bert模型)将所述目标体检文本转换为初始体检特征向量。
[0088]
进一步地，本发明实施例中基于自注意力机制对所述初始体检特征向量进行注意力加权，得到目标体检特征向量；
[0089]
本发明实施例为了更好提取所述初始体检特征向量中的体检特征，基于自注意力机制对所述初始体检特征向量进行注意力加权，得到目标体检特征向量。
[0090]
详细地，本发明实施例中所述基于自注意力机制对所述初始体检特征向量进行注意力加权，得到目标体检特征向量，包括：
[0091]
获取基于自注意力机制构建的注意力网络中的查询权重矩阵、键权重矩阵、值权重矩阵；
[0092]
本发明实施例中所述注意力网络中的查询权重矩阵、键权重矩阵、值权重矩阵为将文本特征向量映射为注意力机制中的k、q、v的权重参数。
[0093]
利用所述查询权重矩阵及所述键权重矩阵进行计算，得到注意力权重；
[0094]
基于所述初始体检特征向量的向量维度对所述注意力权重进行归一化，得到融合权重；
[0095]
利用所述融合权重与所述值权重矩阵进行加权计算，得到目标体检特征向量。
[0096]
具体地，本发明实施例中将所述查询权重矩阵的转置及所述键权重矩阵相乘，得到所述注意力权重；将所述注意力权重与所述初始体检特征向量的向量维度的算术平方根做除法运算，并将运算结果作为softmax函数的变量参数对softmax函数进行计算，得到融合权重；将所述融合权重及所述值权重矩阵进行乘法计算，得到所述目标体检特征向量。
[0097]
详细地，本发明实施例中基于所述目标体检特征向量对所述员工进行生理健康评估，得到生理健康评估数值；
[0098]
详细地，本发明实施例中所述基于所述目标体检特征向量对所述员工进行生理健康评估，得到生理健康评估数值，包括：
[0099]
利用预构建的全连接层对所述目标体检特征向量进行特征压缩，得到压缩特征值；
[0100]
可选地，本发明实施例中所述全连接层中只有一个节点。
[0101]
对所述压缩特征值进行归一化转换，得到生理健康评估数值。
[0102]
具体地，本发明实施例中可利用如下公式进行归一化转换，计算得到所述生理健康评估数值；
[0103][0104]
其中，s为生理健康评估数值，x为所述压缩特征值。
[0105]
s3、提取所述心理健康数据中的心理咨询数据，基于所述心理咨询数据对所述员工进行心理健康评估，得到第一心理健康评估数值；
[0106]
本发明实施例中为了更好的分析所述员工的心理健康状况，提取所述心理健康数据中的心理咨询数据，基于所述心理咨询数据对所述员工进行心理健康评估，得到第一心理健康评估数值。
[0107]
具体地，本发明实施例中基于所述心理咨询数据对所述员工进行心理健康评估，得到第一心理健康评估数值，包括：
[0108]
利用预构建的心理健康特征提取模型对所述心理咨询数据进行特征提取，得到心理健康特征向量，并基于所述心理健康特征向量对所述员工进行心理健康评估，得到第一心理健康评估数值。
[0109]
详细地，本发明实施例中所述基于所述心理健康特征向量对所述员工进行心理健康评估，得到第一心理健康评估数值，包括：
[0110]
将所述心理健康特征向量进行维度压缩，得到心理健康特征值；
[0111]
对所述心理健康特征值进行归一化，得到所述第一心理健康评估数值。
[0112]
具体地，本发明实施例中所述心理健康特征提取模型为bert模型。
[0113]
s4、对所述员工表情图像集中的每个员工表情图像进行情绪类型识别分类，得到每个所述员工表情图像对应的情绪识别结果；
[0114]
本发明实施例中为了通过员工表情图像识别员工的情绪变化，进而分析员工的心理健康状态，因此，对所述员工表情图像集中的每个员工表情图像进行情绪类型识别分类，得到每个所述员工表情图像对应的情绪识别结果。
[0115]
详细地，本发明实施例中对所述员工表情图像集中的每个员工表情图像进行情绪类型识别分类，得到每个所述员工表情图像对应的情绪识别结果，包括：
[0116]
对所述员工表情图像进行人脸区域切分，得到人脸表情图像；
[0117]
利用预构建的表情识别分类模型中的特征提取层基于卷积池化操作对所述人脸表情图像进行表情特征提取，得到表情特征矩阵；
[0118]
利用所述表情识别分类模型中的全连接层对所述表情特征矩阵进行特征压缩，得到目标表情特征向量；
[0119]
基于预构建的分类函数对所述表情特征向量进行情绪分类，得到所述情绪识别结果。
[0120]
具体地，本发明实施例中为了更好识别所述员工的表情情绪，需要去除所述员工表情图像中无关区域对表情情绪识别的影响，因此，对所述员工表情图像进行人脸区域切分，得到人脸表情图像。
[0121]
具体地，本发明实施例中所述对所述员工表情图像进行人脸区域切分，得到人脸表情图像，包括：
[0122]
对所述员工表情图像进行二值化，得到二值化图像；
[0123]
对所述二值化图像进行滤波处理，得到滤波图像；
[0124]
利用预构建的边缘检测算子对所述滤波图像进行人脸区域的边缘检测，以确定所述滤波图像中人脸区域的边缘所在像素点，得到边缘像素点；
[0125]
提取所有所述边缘像素点在所述滤波图像中围成的闭合区域图像，得到所述人脸表情图像。
[0126]
具体地，本发明其中一个实施例中，所述边缘检测算子可以为sobel算子。
[0127]
进一步地，本发明实施例中所述表情识别分类模型为可以根据人脸图像识别用户的情绪类别的深度学习模型，本发明实施例中对所述表情识别分类模型的模型类型不做限制，可以为卷积神经网络模型、深度卷积神经网络模型等
[0128]
详细地，本发明实施例中所述表情识别分类模型中的特征提取层为卷积层及池化层串联构造的，本发明实施例对所述表情识别分类模型中的特征提取层的卷积层及池化层的数量及连接顺序不做限制；本发明实施例中进一步通过所述表情识别分类模型中的全连接层进行特征压缩以降低后续特征处理的资源消耗，本发明实施例中所述表情识别分类模型中的全连接层的输入节点的数量大于输出节点的数量。
[0129]
进一步地，本发明实施例中基于预构建的分类函数对所述表情特征向量进行情绪分类，得到所述情绪识别结果，具体地，本发明实施例将所述表情特征向量作为所述分类函数的函数变量进行计算，以得到不同预设情绪类别的分类概率；将最大分类概率对应的所述情绪类别确定为所述情绪识别结果。可选地，本发明实施例中所述分类函数为sigmod函数。
[0130]
s5、基于所有所述情绪识别结果进行情绪分类占比分析，得到第二心理健康评估数值；
[0131]
本发明实施例中所述情绪识别结果分为消极情绪及积极情绪，当消极情绪出现过多时，相应的用户心理健康状态较差，因此，本发明实施例基于所有所述情绪识别结果进行情绪分类占比分析，得到第二心理健康评估数值。
[0132]
详细地，本发明实施例中所述基于所有所述情绪识别结果进行情绪分类占比分析，得到第二心理健康评估数值，包括：
[0133]
计算所有所述情绪识别结果的数量，得到第一数量；
[0134]
将结果为正面情绪的情绪识别结果确定为目标情绪识别结果；
[0135]
计算所有所述目标情绪识别结果的数量，得到第二数量；
[0136]
计算所述第二数量与所述第一数量的比值，得到所述第二心理健康评估数值。
[0137]
s6、基于所述生理健康评估数值、所述第一心理健康评估数值及所述第二心理健康评估数值进行加权计算分析，得到员工健康状态评价结果；
[0138]
本发明实施例中为了准确的评估员工的身心健康状况，基于所述生理健康评估数值、所述第一心理健康评估数值及所述第二心理健康评估数值进行加权计算分析，得到员工健康状态评价结果。
[0139]
具体地，本发明实施例中所述基于所述生理健康评估数值、所述第一心理健康评估数值及所述第二心理健康评估数值进行加权计算分析，得到员工健康状态评价结果，包括：
[0140]
基于预设的第一心理健康系数及第二心理健康系数，对所述第一心理健康评估数
值及所述第二心理健康评估数值进行加权计算，得到心理健康评估数值，其中，第一心理健康系数与第二心理健康系数之和为1；
[0141]
基于预设的心理健康系数及生理健康系数，对所述心理健康评估数值及所述生理健康评估数值进行加权计算，员工健康评估数值，其中，所述心理健康系数与所述生理健康系数之和为1；
[0142]
基于预设的健康评估阈值及所述员工健康评估数值对所述员工进行健康程度划分，得到所述员工健康状态评价结果。
[0143]
具体地，本发明实施例中利用如下公式计算所述心理健康评估数值：
[0144][0145]
其中，h为心理健康评估数值，a为所述第一心理健康系数，m为所述第一心理健康评估数值，b为所述第一心理健康系数，n为所述第二心理健康评估数值。
[0146]
详细地，本发明实施例中利用如下公式计算所述员工健康评估数值：
[0147]
y＝c*h+d*k
[0148]
其中，y为员工健康评估数值，c为所述心理健康系数，h为所述心理健康评估数值，d为所述生理健康系数，k为所述生理健康评估数值。
[0149]
进一步地，本发明实施例中为了评估用户的健康程度，基于预设的健康评估阈值及所述员工健康评估数值对所述员工进行健康程度划分，得到所述员工健康状态评价结果，包括：
[0150]
判断所述员工健康评估数值是否大于所述健康评估阈值；
[0151]
当所述员工健康评估数值大于所述健康评估阈值，则所述员工健康状态评价结果为正常；
[0152]
当所述员工健康评估数值不大于所述健康评估阈值，则所述员工健康状态评价结果为异常。
[0153]
s7、将所述员工健康状态评价结果发送至预设的终端设备。
[0154]
本发明实施例中所述终端设备员工健康关怀人员的智能终端设备，包括但不限于：手机、电脑、平板等智能终端，以方便及时对员工进行健康援助。
[0155]
本发明实施例中通过从生理健康及心理健康两个维度评估员工的健康情况，评价的维度更加多元，健康评价的结果更加准确，方便公司更加及时对员工进行健康援助，提升员工的生活品质。
[0156]
实施例2：
[0157]
如图2所示，是本发明一实施例提供的员工健康状态评价装置的功能模块图。
[0158]
本发明所述员工健康状态评价装置100可以安装于电子设备中。根据实现的功能，所述员工健康状态评价装置100可以包括生理健康评估模块101、心理健康评估模块102、员工健康评估模块103。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
[0159]
所述生理健康评估模块101用于用于获取员工的体检数据及包含员工表情图像集的心理健康数据；基于所述体检数据对所述员工进行生理健康评估，得到生理健康评估数值；
[0160]
所述心理健康评估模块102用于提取所述心理健康数据中的心理咨询数据，基于
所述心理咨询数据对所述员工进行心理健康评估，得到第一心理健康评估数值；对所述员工表情图像集中的每个员工表情图像进行情绪类型识别分类，得到每个所述员工表情图像对应的情绪识别结果；基于所有所述情绪识别结果进行情绪分类占比分析，得到第二心理健康评估数值；
[0161]
所述员工健康评估模块103用于基于所述生理健康评估数值、所述第一心理健康评估数值及所述第二心理健康评估数值进行加权计算分析，得到员工健康状态评价结果；将所述员工健康状态评价结果发送至预设的终端设备。
[0162]
详细地，本发明实施例中所述员工健康状态评价装置100中的所述各模块在使用时采用与上述的图1中所述的员工健康状态评价方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
[0163]
实施例3：
[0164]
如图3所示，是本发明一实施例提供的实现员工健康状态评价方法的电子设备的结构示意图。
[0165]
所述电子设备1可以包括处理器10、存储器11、总线12和通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如员工健康状态评价程序。
[0166]
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：sd或dx存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(smartmediacard，smc)、安全数字(secure digital，sd)卡、闪存卡(flash card)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如员工健康状态评价程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
[0167]
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(central processing unit，cpu)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(controlunit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如员工健康状态评价程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
[0168]
所述总线可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
[0169]
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
[0170]
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、wi-fi模块等，在此不再赘述。
[0171]
进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如wi-fi接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接。
[0172]
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器(display)、输入单元(比如键盘(keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light-emitting diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
[0173]
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
[0174]
所述电子设备1中的所述存储器11存储的员工健康状态评价程序是多个指令的组合，在所述处理器10中运行时，可以实现：
[0175]
获取员工的体检数据及包含员工表情图像集的心理健康数据；
[0176]
基于所述体检数据对所述员工进行生理健康评估，得到生理健康评估数值；
[0177]
提取所述心理健康数据中的心理咨询数据，基于所述心理咨询数据对所述员工进行心理健康评估，得到第一心理健康评估数值；
[0178]
对所述员工表情图像集中的每个员工表情图像进行情绪类型识别分类，得到每个所述员工表情图像对应的情绪识别结果；
[0179]
基于所有所述情绪识别结果进行情绪分类占比分析，得到第二心理健康评估数值；
[0180]
基于所述生理健康评估数值、所述第一心理健康评估数值及所述第二心理健康评估数值进行加权计算分析，得到员工健康状态评价结果；
[0181]
将所述员工健康状态评价结果发送至预设的终端设备。
[0182]
具体地，所述处理器10对上述指令的具体实现方法可参考图1至图2对应实施例中相关步骤的描述，在此不赘述。
[0183]
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)。
[0184]
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
[0185]
获取员工的体检数据及包含员工表情图像集的心理健康数据；
[0186]
基于所述体检数据对所述员工进行生理健康评估，得到生理健康评估数值；
[0187]
提取所述心理健康数据中的心理咨询数据，基于所述心理咨询数据对所述员工进行心理健康评估，得到第一心理健康评估数值；
[0188]
对所述员工表情图像集中的每个员工表情图像进行情绪类型识别分类，得到每个所述员工表情图像对应的情绪识别结果；
[0189]
基于所有所述情绪识别结果进行情绪分类占比分析，得到第二心理健康评估数值；
[0190]
基于所述生理健康评估数值、所述第一心理健康评估数值及所述第二心理健康评估数值进行加权计算分析，得到员工健康状态评价结果；
[0191]
将所述员工健康状态评价结果发送至预设的终端设备。
[0192]
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0193]
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
[0194]
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
[0195]
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

技术特征：
1.一种员工健康状态评价方法，其特征在于，所述方法包括：获取员工的体检数据及包含员工表情图像集的心理健康数据；基于所述体检数据对所述员工进行生理健康评估，得到生理健康评估数值；提取所述心理健康数据中的心理咨询数据，基于所述心理咨询数据对所述员工进行心理健康评估，得到第一心理健康评估数值；对所述员工表情图像集中的每个员工表情图像进行情绪类型识别分类，得到每个所述员工表情图像对应的情绪识别结果；基于所有所述情绪识别结果进行情绪分类占比分析，得到第二心理健康评估数值；基于所述生理健康评估数值、所述第一心理健康评估数值及所述第二心理健康评估数值进行加权计算分析，得到员工健康状态评价结果；将所述员工健康状态评价结果发送至预设的终端设备。2.如权利要求1所述的员工健康状态评价方法，其特征在于，所述基于所述体检数据对所述员工进行生理健康评估，得到生理健康评估数值，包括：将所述体检数据转换为非结构数据，得到体检文本数据；提取所述体检文本数据中的体检结论，得到目标体检文本；对所述目标体检文本进行向量转换，得到初始体检特征向量；基于自注意力机制对所述初始体检特征向量进行注意力加权，得到目标体检特征向量；基于所述目标体检特征向量对所述员工进行生理健康评估，得到生理健康评估数值。3.如权利要求2所述的员工健康状态评价方法，其特征在于，所述对所述目标体检文本进行向量转换，得到初始体检特征向量，包括：将所述目标体检文本中的每一个字符转化为向量，得到字符向量；将所有所述字符向量按照每个字符向量对应的字符在所述目标体检文本中的先后顺序进行首尾连接或组合，得到所述初始体检特征向量。4.如权利要求2所述的员工健康状态评价方法，其特征在于，所述基于自注意力机制对所述初始体检特征向量进行注意力加权，得到目标体检特征向量，包括：获取基于自注意力机制构建的注意力网络中的查询权重矩阵、键权重矩阵、值权重矩阵；利用所述查询权重矩阵及所述键权重矩阵进行计算，得到注意力权重；基于所述初始体检特征向量的向量维度对所述注意力权重进行归一化，得到融合权重；利用所述融合权重与所述值权重矩阵进行加权计算，得到目标体检特征向量。5.如权利要求2所述的员工健康状态评价方法，其特征在于，所述基于所述目标体检特征向量对所述员工进行生理健康评估，得到生理健康评估数值，包括：利用预构建的全连接层对所述目标体检特征向量进行特征压缩，得到压缩特征值；对所述压缩特征值进行归一化转换，得到所述生理健康评估数值。6.如权利要求5所述的员工健康状态评价方法，其特征在于，所述对所述压缩特征值进行归一化转换，得到生理健康评估数值，包括：利用如下公式计算得到所述生理健康评估数值；
其中，s为所述生理健康评估数值，x为所述压缩特征值。7.如权利要求1所述的员工健康状态评价方法，其特征在于，所述对所述员工表情图像集中的每个员工表情图像进行情绪类型识别分类，得到每个所述员工表情图像对应的情绪识别结果，包括：对所述员工表情图像进行人脸区域切分，得到人脸表情图像；利用预构建的表情识别分类模型中的特征提取层基于卷积池化操作对所述人脸表情图像进行表情特征提取，得到表情特征矩阵；利用所述表情识别分类模型中的全连接层对所述表情特征矩阵进行特征压缩，得到目标表情特征向量；基于预构建的分类函数对所述表情特征向量进行情绪分类，得到所述情绪识别结果。8.如权利要求1所述的员工健康状态评价方法，其特征在于，所述基于所述生理健康评估数值、所述第一心理健康评估数值及所述第二心理健康评估数值进行加权计算分析，得到员工健康状态评价结果，包括：基于预设的第一心理健康系数及第二心理健康系数，对所述第一心理健康评估数值及所述第二心理健康评估数值进行加权计算，得到心理健康评估数值；基于预设的心理健康系数及生理健康系数，对所述心理健康评估数值及所述生理健康评估数值进行加权计算，员工健康评估数值；基于预设的健康评估阈值及所述员工健康评估数值对所述员工进行健康程度划分，得到所述员工健康状态评价结果。9.如权利要求8所述的员工健康状态评价方法，其特征在于，所述基于预设的第一心理健康系数及第二心理健康系数，对所述第一心理健康评估数值及所述第二心理健康评估数值进行加权计算，得到心理健康评估数值，包括：利用如下公式计算所述心理健康评估数值：其中，h为所述心理健康评估数值，a为所述第一心理健康系数，m为所述第一心理健康评估数值，b为所述第一心理健康系数，n为所述第二心理健康评估数值。10.一种员工健康状态评价装置，其特征在于，所述装置包括：生理健康评估模块，用于获取员工的体检数据及包含员工表情图像集的心理健康数据；基于所述体检数据对所述员工进行生理健康评估，得到生理健康评估数值；心理健康评估模块，用于提取所述心理健康数据中的心理咨询数据，基于所述心理咨询数据对所述员工进行心理健康评估，得到第一心理健康评估数值；对所述员工表情图像集中的每个员工表情图像进行情绪类型识别分类，得到每个所述员工表情图像对应的情绪识别结果；基于所有所述情绪识别结果进行情绪分类占比分析，得到第二心理健康评估数值；员工健康评估模块，用于基于所述生理健康评估数值、所述第一心理健康评估数值及所述第二心理健康评估数值进行加权计算分析，得到员工健康状态评价结果；将所述员工
健康状态评价结果发送至预设的终端设备。

技术总结
本发明涉及人工智能领域，揭露了一种员工健康状态评价方法及装置，包括：获取员工的体检数据及包含员工表情图像集的心理健康数据；基于体检数据进行生理健康评估，得到生理健康评估数值；提取心理健康数据中的心理咨询数据，基于心理咨询数据对员工进行心理健康评估，得到第一心理健康评估数值；对员工表情图像集中的每个员工表情图像进行情绪识别，得到对应的情绪识别结果；基于所有情绪识别结果进行情绪分类占比分析，得到第二心理健康评估数值；基于生理健康评估数值、第一心理健康评估数值及第二心理健康评估数值进行加权计算分析，得到员工健康状态评价结果。本发明主要目的在于提高员工健康状态评价的全面性及准确性。性。性。


技术研发人员：张敏 兰丽媛 李雨艳 刘丽苹 刘明珠 张岩
受保护的技术使用者：吉林金域医学检验所有限公司
技术研发日：2023.03.20
技术公布日：2023/7/18