基于RSM-S3 VM判别模型的员工发型规范监测方法研究

摘要：

随着新电改全面提速、竞争性电力市场的推进,工作人员的服务形象日益引起电力企业的重视.基于RSM-S3VM判别模型实现员工发型规范的审核与监测.首先基于现有的采集设备所提供的历史采集图像,采用HOG特征与纹理特征相结合的方式确定发质特征,以人员正侧面图像相结合的方式完善发型区域,并以形态学运算加以优化,采用Canny函数获取发型轮廓特征.随后,针对判别模型的构建,采用随机子空间算法解决样本类别不平衡问题,以半监督SVM算法构建判别模型,可实现对批量发型规范与否的判别,进而提高工作人员的服务形象.以国网某营业厅为试验环境,验证了所述方法的时效性与准确性.

关键词：HOG特征、纹理特征、随机子空间、半监督SVM、判别模型

所属期刊栏目：41

分类号：TP311(计算技术、计算机技术)

在线出版日期：2019-04-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：75-78