工作着装规范性抽检方法、装置、设备及存储介质与流程

1.本发明涉及计算机技术领域，尤其涉及一种工作着装规范性抽检方法、装置、设备及存储介质。


背景技术：

2.工作服是为工作需要而特制的服装，也是职员统一着装的服装；在很多工作场所，对工作人员的着装要求越来越严格；在物流行业，物流人员在工作期间穿着工作服，体现物流人员的精神风貌，增强团体归属感，更能树立物流企业形象，还对企业有宣传效益，以带来经济价值。
3.但在日常情况下，物流人员穿着工作着装多不规范，由于物流企业的物流人员分布于全国各地，靠人力去对员工的着装进行监督和管理，这样的方式既耗时又费力，而且也容易发生由于视觉疲劳或者临时的忽视而导致的遗漏，管理复杂，物流人员的着装意识降低。


技术实现要素：

4.有鉴于此，有必要针对管理复杂、物流人员的着装意识降低等的问题，提供一种工作着装规范性抽检方法、装置、设备及存储介质。
5.一种工作着装规范性抽检方法，所述工作着装规范性抽检方法包括以下步骤：
6.接收针对工作着装抽检的任务指令，并根据每个所述任务指令生成相匹配的待执行抽检任务；
7.响应于所述待执行抽检任务，生成抽检任务列表，以便于能够自动根据所述抽检任务列表下发任务至目标对象的终端，所述抽检任务列表至少包括抽检信息；
8.接收所述目标对象通过终端提交的工作着装图片，并对所述工作着装图片进行审核，得到审核结果；
9.根据所述审核结果和所述抽检信息，生成工作着装抽检报表，以便对工作着装规范性情况进行统计分析。
10.在其中一个实施例中，所述抽检信息包括任务名称、任务日期、物流大区、物流业务省、物流城市、网点名称、网点编码、目标对象姓名、目标对象编码、预设拍照时间、审核状态。
11.在其中一个实施例中，获取所述工作着装图片的的尺寸，并将所述工作着装图片的尺寸和预设的尺寸标准进行对比，以便对所述工作着装图片执行放大处理或缩小处理，得到待审核图片，其中所述工作着装图片的尺寸包括长度和宽度；
12.从所述待审核图片中检测出所述目标对象的人脸，并对所述目标对象的人脸进行人脸识别，得到人脸识别结果，所述人脸识别结果包括所述目标对象的姓名及人脸位置信息；
13.若所述人脸识别结果为所述目标人物的人脸通过，则将所述待审核图片从rgb颜
色空间转换至hsv颜色空间，得到hsv图片；
14.获取所述hsv图片各个像素点的h通道取值、s通道取值和v通道取值，并判断所述h通道取值、s通道取值和v通道取值是否达到预设的阈值；
15.若是，则将所述hsv图片转化为二值图，并对所述二值图进行形态学处理，以得到形态学处理图像，所述形态学处理至少包括有腐蚀、膨胀、开操作、闭操作；
16.在所述形态学处理图像中进行工作着装规范性的判定，得到审核结果。
17.在其中一个实施例中，若所述审核结果为工作着装不规范，则向所述目标对象的终端发送着装不规范提醒，所述着装不规范提醒包括着装不规范原因和申述确认信息，并更新所述抽检任务列表中审核状态为审核不通过；
18.若所述审核结果为工作着装规范，则更新所述抽检任务列表中审核状态为审核通过，并将对应的所述待执行抽检任务从所述抽检任务列表中剔除。
19.在其中一个实施例中，接收所述目标对象发送的申诉请求，并获取对应的申诉内容；
20.采用关键词提取算法对所述申诉内容进行关键词提取，以获得申诉关键词，并基于所述申诉关键词判断是否针对所述着装不规范原因进行申诉；
21.若是，则获取所述申诉请求对应的关联数据，并按照所述关联数据对所述申诉请求进行处理，以得到所述申诉请求的处理结果，其中所述申诉请求的处理结果包括申诉请求审核通过和申诉请求审核不通过；
22.若否，则确认申诉失败，并将所述申诉请求执行退回操作。
23.在其中一个实施例中，将所述工作着装抽检报表上传至区块链网络中进行存储，根据时间或者类型中的任一因素对区块链中存储的工作着装抽检报表进行分类；
24.若根据时间因素分类，所述工作着装抽检报表至少包括日报表、月报表和年报表；
25.若根据类型因素分类，所述工作着装抽检报表至少包括物流大区报表、物流业务省报表和物流城市报表。
26.一种工作着装规范性抽检装置，所述工作着装规范性抽检装置，包括：
27.第一生成模块，用于接收针对工作着装抽检的任务指令，并根据每个所述任务指令生成相匹配的待执行抽检任务；
28.第二生成模块，用于响应于所述待执行抽检任务，生成抽检任务列表，以便于能够自动根据所述抽检任务列表下发任务至目标对象的终端，所述抽检任务列表至少包括抽检信息；
29.审核模块，用于接收所述目标对象通过终端提交的工作着装图片，并对所述工作着装图片进行审核，得到审核结果；
30.第三生成模块，用于根据所述审核结果和所述抽检信息，生成工作着装抽检报表，以便对工作着装规范性情况进行统计分析。
31.在其中一个实施例中，所述审核模块，包括：
32.对比子模块，用于获取所述工作着装图片的的尺寸，并将所述工作着装图片的尺寸和预设的尺寸标准进行对比，以便对所述工作着装图片执行放大处理或缩小处理，得到待审核图片，其中所述工作着装图片的尺寸包括长度和宽度；
33.人脸识别子模块，用于从所述待审核图片中检测出所述目标对象的人脸，并对所
述目标对象的人脸进行人脸识别，得到人脸识别结果，所述人脸识别结果包括所述目标对象的姓名及人脸位置信息；
34.第一转换子模块，用于若所述人脸识别结果为所述目标人物的人脸通过，则将所述待审核图片从rgb颜色空间转换至hsv颜色空间，得到hsv图片；
35.获取子模块，获取所述hsv图片各个像素点的h通道取值、s通道取值和v通道取值，并判断所述h通道取值、s通道取值和v通道取值是否达到预设的阈值；
36.第二转换子模块，用于若是，则将所述hsv图片转化为二值图，并对所述二值图进行形态学处理，以得到形态学处理图像，所述形态学处理至少包括有腐蚀、膨胀、开操作、闭操作；
37.判定子模块，用于在所述形态学处理图像中进行工作着装规范性的判定，得到审核结果。
38.一种工作着装规范性抽检设备，所述工作着装规范性抽检设备包括：存储器和至少一个处理器，所述存储器中存储有指令，所述存储器和所述至少一个处理器通过线路互连；所述至少一个处理器调用所述存储器中的所述指令，以使得所述工作着装规范性抽检设备执行上述所述的工作着装规范性抽检方法的步骤。
39.一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所述的工作着装规范性抽检方法的步骤。
40.上述工作着装规范性抽检方法、装置、设备及存储介质，通过接收针对工作着装抽检的任务指令，并根据每个所述任务指令生成相匹配的待执行抽检任务；响应于所述待执行抽检任务，生成抽检任务列表，以便于能够自动根据所述抽检任务列表下发任务至目标对象的终端，所述抽检任务列表至少包括抽检信息；接收所述目标对象通过终端提交的工作着装图片，并对所述工作着装图片进行审核，得到审核结果；根据所述审核结果和所述抽检信息，生成工作着装抽检报表，以便对工作着装规范性情况进行统计分析；本发明降低人工工作强度，提高着装规范性的识别效率和识别准确率，提高物流人员工作着装规范性的意识。
附图说明
41.图1为本发明工作着装规范性抽检方法的第一个实施例示意图；
42.图2为本发明工作着装规范性抽检方法的第二个实施例示意图；
43.图3为本发明工作着装规范性抽检装置的第一个实施例示意图；
44.图4为本发明工作着装规范性抽检装置的第二个实施例示意图；
45.图5为本发明工作着装规范性抽检设备的一个实施例示意图。
具体实施方式
46.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。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。
47.本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措
辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。
48.作为一个较好的实施例，如图1所示，一种工作着装规范性抽检方法，用于对物流人员的工作着装进行抽检，该工作着装规范性抽检方法包括以下步骤：
49.步骤101、接收针对工作着装抽检的任务指令，并根据每个任务指令生成相匹配的待执行抽检任务；
50.本实施例中，可以理解的是，本发明的执行主体可以为工作着装规范性抽检装置，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
51.管理人员通过在移动终端上发布工作着装抽检的任务，移动终端可以是手机、平板等，在移动终端上操作方便用户使用，实现移动化办公，服务器根据移动终端上的任务，接收针对工作着装抽检的任务指令，表明管理人员想要执行抽检任务，服务器根据每个任务指令生成相匹配的待执行抽检任务。
52.步骤102、响应于待执行抽检任务，生成抽检任务列表，以便于能够自动根据抽检任务列表下发任务至目标对象的终端，抽检任务列表至少包括抽检信息；
53.本实施例中，抽检信息包括任务名称、任务日期、物流大区、物流业务省、物流城市、网点名称、网点编码、目标对象姓名、目标对象编码、预设拍照时间、审核状态；抽检任务列表是根据管理人员在移动终端上生成的；除了这些抽检信息，还可以包括抽检人数等，本发明具体不做限定，这些抽检信息管理人员在输入时也会有一些限制，例如输入任务名称时，长度限制最多可输入20个汉字，最少2个汉字；输入抽检人数时只支持阿拉伯数字输入，长度限制最大6位，最小1位；抽检任务列表生成后，服务器可以根据抽检信息将对应的待执行抽检任务下发至目标对象的移动终端，以通知目标对象根据待执行抽检任务拍照规范进行拍照，其中目标对象可以为物流人员。
54.步骤103、接收目标对象通过终端提交的工作着装图片，并对工作着装图片进行审核，得到审核结果；
55.本实施例中，目标对象接收到待执行抽检任务后，进行拍照，如果拍的照片不理想，是可以重新拍的，直到拍的图片合适再进行提交；目标对象将工作着装图片拍摄完成后进行上传，服务器进行接收，并进行审核；对工作着装图片进行审核时可以通过识别工服颜色、logo等信息来判断穿着工服是否合格；识别技术可以包括ocr识别技术等；识别方式及技术本实施例不做限定。在一个实施例中，通过识别工作着装颜色、状态等方法包括步骤1031-步骤1036。
56.步骤1031、获取工作着装图片的的尺寸，并将工作着装图片的尺寸和预设的尺寸标准进行对比，以便对工作着装图片执行放大处理或缩小处理，得到待审核图片，其中工作着装图片的尺寸包括长度和宽度；
57.具体的，服务器获取工作着装图片的长宽比例值，例如预设的尺寸标准为1:1，工作着装图片此时的长款比例值为3:4，则需要对工作着装图片进行调整；放大处理或缩小处理需要根据工作着装图片的实际长款比例值而定；该步骤的目的是对工作着装图片进行预处理，便于后续的识别、审核；当然预处理除了尺寸上的调整，也可以包括锐化等操作，本实施例具体不做限定。
58.步骤1032、从待审核图片中检测出目标对象的人脸，并对目标对象的人脸进行人脸识别，得到人脸识别结果，人脸识别结果包括目标对象的姓名及人脸位置信息；
59.具体的，人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。服务器通过人脸识别可以判断工作着装图片中是否为目标对象，避免出现工作着装图片中人脸和目标对象不匹配的情况；获取到人脸位置信息也便于后续对工作着装识别。
60.步骤1033、若人脸识别结果为目标人物的人脸通过，则将待审核图片从rgb颜色空间转换至hsv颜色空间，得到hsv图片；
61.具体的，rgb颜色空间为一种基色颜色空间，采用物理三基色来表示，分别为红色、绿色和蓝色。hsv颜色空间是一种亮分离颜色空间，分别为色相、饱和度和明度；hsv实际上就是将rbg颜色空间中的点投影到一个倒圆锥体中进行表示；色相h是色彩的基本属性，也就是常说的颜色的名称，在六角锥体模型中是通过范围从0
°
到360
°
的不同角度来度量颜色，按照逆时针方向，从红色开始进行表示，红色在0
°
，绿色在120
°
，蓝色在240
°
，对于这三种颜色的补色，黄色在60
°
，青色在180
°
，品红在300
°
。饱和度s按照颜色与光谱色的接近程度来度量，也就是色彩的纯度。某种光谱色与白色混合得到一种颜色，其中光谱色所占的比例愈大，颜色接近光谱色的程度就愈高，颜色的饱和度也就愈高。饱和度高，颜色的纯度就越高，颜色就深并且艳；反正，饱和度低，颜色纯度就越低，颜色就逐渐变低。当光谱色的白光成分为0时，饱和度达到最高。通常饱和度的取值范围为0％～100％。明度v用于衡量颜色明亮的程度，当衡量光源的颜色时，发光物体的明亮程度决定了明度值的大小；当衡量物体的颜色时，物体的透射比或反射比有关决定了明度值的大小。亮度的取值范围通常为0％(黑)到100％(白)。将待审核图片从rgb颜色空间转换至hsv颜色空间，剔除亮度分量，减小光照变化，得到hsv图片。
62.步骤1034、获取hsv图片各个像素点的h通道取值、s通道取值和v通道取值，并判断h通道取值、s通道取值和v通道取值是否达到预设的阈值；
63.具体的，不同颜色的hsv模型的取值范围不一样，例如红色的取值范围为：h：0～10，156～180；s：43～255；v：46～255；橙色的取值范围为h：11～25；s：43～255；v：46～255；黄色的取值范围为h：18～34；s：100～255；v：120～220；绿色的取值范围为h：35～77；s：43～255；v：46～255；蓝色的取值范围为h：112～125；s：80～225；v：150～220；白色的取值范围为h：0～255；s：0～255；v：235～255；若h通道取值、s通道取值和v通道取值是否达到预设的阈值，则执行步骤1035.
64.步骤1035、若是，则将hsv图片转化为二值图，并对二值图进行形态学处理，以得到形态学处理图像，形态学处理至少包括有腐蚀、膨胀、开操作、闭操作；
65.具体的，在图像处理的过程中，通常在对图像进行二值化处理之后都需要使用到形态学操作，对图像进行一些简单的处理，简化图像数据，同时保持其基本形状；腐蚀，就是对物体的边缘进行腐蚀，在图像处理中指删除前景对象的边缘像素；膨胀，可以理解为腐蚀的反操作，在图像处理中指增加像素到前景对象的边缘；开操作，就是对图像先进行腐蚀操作，再进行膨胀操作；闭操作，就是对图像先进行膨胀操作，再进行腐蚀操作；形态学处理得到一个包含连通区域的图。
66.步骤1036、在形态学处理图像中进行工作着装规范性的判定，得到审核结果。
67.具体的，通过观察连通区域进行工作着装规范性的判定，例如连通区域只存在于人体的下肢，说明目标对象未穿工服上衣；审核结果包括工作着装不规范和工作着装规范；工作着装规范，则是连通区域完整分布于人体的上下肢及躯干部；工作着装不规范的情况包括未穿工服上衣、未穿工服裤子、工服上衣敞开等；若审核结果为工作着装不规范，则向目标对象的终端发送着装不规范提醒，着装不规范提醒包括着装不规范原因和申述确认信息，并更新抽检任务列表中审核状态为审核不通过；若审核结果为工作着装规范，则更新抽检任务列表中审核状态为审核通过，并将对应的待执行抽检任务从抽检任务列表中剔除；剔除的目的是便于统计至工作着装抽检报表中。
68.步骤104、根据审核结果和抽检信息，生成工作着装抽检报表，以便对工作着装规范性情况进行统计分析。
69.本实施例中，工作着装抽检报表对工作着装规范性的统计报表，便于管理和统计分析；将工作着装抽检报表上传至区块链网络中进行存储，根据时间或者类型中的任一因素对区块链中存储的工作着装抽检报表进行分类；分类管理工作着装抽检报表也便于管理人员根据需求查询到对应的报表；例如若根据时间因素分类，工作着装抽检报表至少包括日报表、月报表和年报表；这里以月报表举例说明，默认显示当前月份的前一月份，点击月份右侧的“向下箭头”icon，弹出月份选择框，选择年份、选择月份，选择完成后，点击弹窗右上角的“确定”按钮，完成年份月份的选择；点击弹窗左上角的“取消”按钮或点击遮罩，取消年份月份的选择；年份月份选择确定后自动匹配相关年份月份数据，列表展示：序号、日期、大区、业务省、网点名称、网点编码、总量、上传量、通过量、未通过量、未上传量、上传率、通过率，以及合计；例如若根据类型因素分类，工作着装抽检报表至少包括物流大区报表、物流业务省报表和物流城市报表，其中物流大区报表包括华东大区报表、华南大区报表、华北大区等，比如在华东大区报表中可以查看到上海市、江苏南京区、江苏苏州区等相关区域数据，列表字段：序号、日期、大区、业务省、总量、上传量、通过量、未通过量、未上传量、上传率、通过率，以及合计。
70.本发明实施例中，通过接收针对工作着装抽检的任务指令，并根据每个任务指令生成相匹配的待执行抽检任务；响应于待执行抽检任务，生成抽检任务列表，以便于能够自动根据抽检任务列表下发任务至目标对象的终端，抽检任务列表至少包括抽检信息；接收目标对象通过终端提交的工作着装图片，并对工作着装图片进行审核，得到审核结果；根据审核结果和抽检信息，生成工作着装抽检报表，以便对工作着装规范性情况进行统计分析；本发明降低人工工作强度，提高着装规范性的识别效率和识别准确率，提高物流人员工作着装规范性的意识。
71.请参阅图2，本发明实施例中工作着装规范性抽检方法的第二个实施例包括：
72.步骤201、接收目标对象发送的申诉请求，并获取对应的申诉内容；
73.本实施例中，当目标对象需要对审核结果进行申诉时，在移动终端上发送申诉请求并填写申诉内容，此时审核状态会更新为申诉中，服务器目标对象发送的申诉请求，并获取对应的申诉内容，这里目标对象在提交申诉时是不能重新提交图片的，只可以填写申诉内容，以给目标对象提供一个申诉机会，说明工作着装未规范的原因，例如申诉内容为“信号不好，没上传成功，卡住了”。
74.步骤202、采用关键词提取算法对申诉内容进行关键词提取，以获得申诉关键词，并基于申诉关键词判断是否针对着装不规范原因进行申诉；
75.本实施例中，采用的关键词提取算法为textrank，textrank是一种用来做关键词提取的算法，通过把文本分割成若干组成单元(单词、句子)并建立图模型，利用投票机制对文本中的重要成分进行排序，实现关键词提取，获取到申诉关键词；服务器判断申诉内容是否是针对下发的着装不规范原因进行申诉的，由于获取了申诉关键词，所以只需要通过申诉关键词进行判断即可，若是针对着装不规范原因进行申诉，则执行步骤203；若不是针对着装不规范原因进行申诉，则执行步骤204。
76.步骤203、若是，则获取申诉请求对应的关联数据，并按照关联数据对申诉请求进行处理，以得到申诉请求的处理结果，其中申诉请求的处理结果包括申诉请求审核通过和申诉请求审核不通过；
77.本实施例中，关联数据可以包括目标对象的申诉请求中包含的数据，例如目标对象姓名、目标对象编码、着装不规范原因等，本实施例对此不作限制。批量对申诉请求进行处理，得到处理结果；任务申诉审核不通过时，则该条任务在任务审核列表、工服抽检报表中的状态依然是不通过；任务申诉审核通过时，则该条任务在工服抽检报表中的状态依然是通过，即状态发生变化，状态由不通过改为通过。
78.步骤204、若否，则确认申诉失败，并将申诉请求执行退回操作。
79.本实施例中，当申诉内容不通过时，审核状态更新为审核不通过，并发通过至目标对象的移动终端，并将申诉请求执行退回操作；可以批量对审核结果申诉进行操作，提高处理效率。
80.本发明实施例中，通过接收目标对象发送的申诉请求，并获取对应的申诉内容，采用关键词提取算法对申诉内容进行关键词提取，以获得申诉关键词，并基于申诉关键词判断是否针对着装不规范原因进行申诉，若是，则获取申诉请求对应的关联数据，并按照关联数据对申诉请求进行处理，以得到申诉请求的处理结果，若否，则确认申诉失败，并将申诉请求执行退回操作；本发明批量操作提高处理效率，通过申诉提高着装规范性处理准确率。
81.请参阅图3，在一个实施例中，提出了一种工作着装规范性抽检装置，工作着装规范性抽检装置包括：
82.第一生成模块301，用于接收针对工作着装抽检的任务指令，并根据每个所述任务指令生成相匹配的待执行抽检任务；
83.第二生成模块302，用于响应于所述待执行抽检任务，生成抽检任务列表，以便于能够自动根据所述抽检任务列表下发任务至目标对象的终端，所述抽检任务列表至少包括抽检信息；
84.审核模块303，用于接收所述目标对象通过终端提交的工作着装图片，并对所述工作着装图片进行审核，得到审核结果；
85.第三生成模块304，用于根据所述审核结果和所述抽检信息，生成工作着装抽检报表，以便对工作着装规范性情况进行统计分析。
86.请参阅图4，本发明实施例中工作着装规范性抽检装置的第二个实施例，上述审核模块303，具体包括：
87.对比子模块3021，用于获取所述工作着装图片的的尺寸，并将所述工作着装图片
的尺寸和预设的尺寸标准进行对比，以便对所述工作着装图片执行放大处理或缩小处理，得到待审核图片，其中所述工作着装图片的尺寸包括长度和宽度；
88.人脸识别子模块3022，用于从所述待审核图片中检测出所述目标对象的人脸，并对所述目标对象的人脸进行人脸识别，得到人脸识别结果，所述人脸识别结果包括所述目标对象的姓名及人脸位置信息；
89.第一转换子模块3023，用于若所述人脸识别结果为所述目标人物的人脸通过，则将所述待审核图片从rgb颜色空间转换至hsv颜色空间，得到hsv图片；
90.获取子模块3024，获取所述hsv图片各个像素点的h通道取值、s通道取值和v通道取值，并判断所述h通道取值、s通道取值和v通道取值是否达到预设的阈值；
91.第二转换子模块3025，用于若是，则将所述hsv图片转化为二值图，并对所述二值图进行形态学处理，以得到形态学处理图像，所述形态学处理至少包括有腐蚀、膨胀、开操作、闭操作；
92.判定子模块3026，用于在所述形态学处理图像中进行工作着装规范性的判定，得到审核结果。
93.本发明实施例中，通过接收针对工作着装抽检的任务指令，并根据每个任务指令生成相匹配的待执行抽检任务；响应于待执行抽检任务，生成抽检任务列表，以便于能够自动根据抽检任务列表下发任务至目标对象的终端，抽检任务列表至少包括抽检信息；接收目标对象通过终端提交的工作着装图片，并对工作着装图片进行审核，得到审核结果；根据审核结果和抽检信息，生成工作着装抽检报表，以便对工作着装规范性情况进行统计分析；本发明降低人工工作强度，提高着装规范性的识别效率和识别准确率，提高物流人员工作着装规范性的意识。
94.上面图3-4从模块化功能实体的角度对本发明实施例中的工作着装规范性抽检装置进行详细描述，下面从硬件处理的角度对本发明实施例中工作着装规范性抽检设备进行详细描述。
95.图5是本发明实施例提供的一种工作着装规范性抽检设备的结构示意图，该工作着装规范性抽检设备500可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，cpu)510(例如，一个或一个以上处理器)和存储器520，一个或一个以上存储应用程序533或数据532的存储介质530(例如一个或一个以上海量存储设备)。其中，存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对工作着装规范性抽检设备500中的一系列指令操作。更进一步地，处理器510可以设置为与存储介质530通信，在工作着装规范性抽检设备500上执行存储介质530中的一系列指令操作。
96.工作着装规范性抽检设备500还可以包括一个或一个以上电源540，一个或一个以上有线或无线网络接口550，一个或一个以上输入输出接口560，和/或，一个或一个以上操作系统531，例如windows serve，mac os x，unix，linux，freebsd等等。本领域技术人员可以理解，图5示出的工作着装规范性抽检设备结构并不构成对本技术提供的工作着装规范性抽检设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
97.一种工作着装规范性抽检设备以实现以下工作着装规范性抽检方法，所述工作着
装规范性抽检方法包括以下步骤：
98.接收针对工作着装抽检的任务指令，并根据每个所述任务指令生成相匹配的待执行抽检任务；
99.响应于所述待执行抽检任务，生成抽检任务列表，以便于能够自动根据所述抽检任务列表下发任务至目标对象的终端，所述抽检任务列表至少包括抽检信息；
100.接收所述目标对象通过终端提交的工作着装图片，并对所述工作着装图片进行审核，得到审核结果；
101.根据所述审核结果和所述抽检信息，生成工作着装抽检报表，以便对工作着装规范性情况进行统计分析。
102.在一个实施例中，所述抽检信息包括任务名称、任务日期、物流大区、物流业务省、物流城市、网点名称、网点编码、目标对象姓名、目标对象编码、预设拍照时间、审核状态。
103.在一个实施例中，获取所述工作着装图片的的尺寸，并将所述工作着装图片的尺寸和预设的尺寸标准进行对比，以便对所述工作着装图片执行放大处理或缩小处理，得到待审核图片，其中所述工作着装图片的尺寸包括长度和宽度；
104.从所述待审核图片中检测出所述目标对象的人脸，并对所述目标对象的人脸进行人脸识别，得到人脸识别结果，所述人脸识别结果包括所述目标对象的姓名及人脸位置信息；
105.若所述人脸识别结果为所述目标人物的人脸通过，则将所述待审核图片从rgb颜色空间转换至hsv颜色空间，得到hsv图片；
106.获取所述hsv图片各个像素点的h通道取值、s通道取值和v通道取值，并判断所述h通道取值、s通道取值和v通道取值是否达到预设的阈值；
107.若是，则将所述hsv图片转化为二值图，并对所述二值图进行形态学处理，以得到形态学处理图像，所述形态学处理至少包括有腐蚀、膨胀、开操作、闭操作；
108.在所述形态学处理图像中进行工作着装规范性的判定，得到审核结果。
109.在一个实施例中，若所述审核结果为工作着装不规范，则向所述目标对象的终端发送着装不规范提醒，所述着装不规范提醒包括着装不规范原因和申述确认信息，并更新所述抽检任务列表中审核状态为审核不通过；
110.若所述审核结果为工作着装规范，则更新所述抽检任务列表中审核状态为审核通过，并将对应的所述待执行抽检任务从所述抽检任务列表中剔除。
111.在一个实施例中，接收所述目标对象发送的申诉请求，并获取对应的申诉内容；
112.采用关键词提取算法对所述申诉内容进行关键词提取，以获得申诉关键词，并基于所述申诉关键词判断是否针对所述着装不规范原因进行申诉；
113.若是，则获取所述申诉请求对应的关联数据，并按照所述关联数据对所述申诉请求进行处理，以得到所述申诉请求的处理结果，其中所述申诉请求的处理结果包括申诉请求审核通过和申诉请求审核不通过；
114.若否，则确认申诉失败，并将所述申诉请求执行退回操作。
115.在一个实施例中，将所述工作着装抽检报表上传至区块链网络中进行存储，根据时间或者类型中的任一因素对区块链中存储的工作着装抽检报表进行分类；
116.若根据时间因素分类，所述工作着装抽检报表至少包括日报表、月报表和年报表；
117.若根据类型因素分类，所述工作着装抽检报表至少包括物流大区报表、物流业务省报表和物流城市报表。
118.本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行以下工作着装规范性抽检方法，所述工作着装规范性抽检方法包括以下步骤：
119.接收针对工作着装抽检的任务指令，并根据每个所述任务指令生成相匹配的待执行抽检任务；
120.响应于所述待执行抽检任务，生成抽检任务列表，以便于能够自动根据所述抽检任务列表下发任务至目标对象的终端，所述抽检任务列表至少包括抽检信息；
121.接收所述目标对象通过终端提交的工作着装图片，并对所述工作着装图片进行审核，得到审核结果；
122.根据所述审核结果和所述抽检信息，生成工作着装抽检报表，以便对工作着装规范性情况进行统计分析。
123.在一个实施例中，所述抽检信息包括任务名称、任务日期、物流大区、物流业务省、物流城市、网点名称、网点编码、目标对象姓名、目标对象编码、预设拍照时间、审核状态。
124.在一个实施例中，获取所述工作着装图片的的尺寸，并将所述工作着装图片的尺寸和预设的尺寸标准进行对比，以便对所述工作着装图片执行放大处理或缩小处理，得到待审核图片，其中所述工作着装图片的尺寸包括长度和宽度；
125.从所述待审核图片中检测出所述目标对象的人脸，并对所述目标对象的人脸进行人脸识别，得到人脸识别结果，所述人脸识别结果包括所述目标对象的姓名及人脸位置信息；
126.若所述人脸识别结果为所述目标人物的人脸通过，则将所述待审核图片从rgb颜色空间转换至hsv颜色空间，得到hsv图片；
127.获取所述hsv图片各个像素点的h通道取值、s通道取值和v通道取值，并判断所述h通道取值、s通道取值和v通道取值是否达到预设的阈值；
128.若是，则将所述hsv图片转化为二值图，并对所述二值图进行形态学处理，以得到形态学处理图像，所述形态学处理至少包括有腐蚀、膨胀、开操作、闭操作；
129.在所述形态学处理图像中进行工作着装规范性的判定，得到审核结果。
130.在一个实施例中，若所述审核结果为工作着装不规范，则向所述目标对象的终端发送着装不规范提醒，所述着装不规范提醒包括着装不规范原因和申述确认信息，并更新所述抽检任务列表中审核状态为审核不通过；
131.若所述审核结果为工作着装规范，则更新所述抽检任务列表中审核状态为审核通过，并将对应的所述待执行抽检任务从所述抽检任务列表中剔除。
132.在一个实施例中，接收所述目标对象发送的申诉请求，并获取对应的申诉内容；
133.采用关键词提取算法对所述申诉内容进行关键词提取，以获得申诉关键词，并基于所述申诉关键词判断是否针对所述着装不规范原因进行申诉；
134.若是，则获取所述申诉请求对应的关联数据，并按照所述关联数据对所述申诉请求进行处理，以得到所述申诉请求的处理结果，其中所述申诉请求的处理结果包括申诉请
求审核通过和申诉请求审核不通过；
135.若否，则确认申诉失败，并将所述申诉请求执行退回操作。
136.在一个实施例中，将所述工作着装抽检报表上传至区块链网络中进行存储，根据时间或者类型中的任一因素对区块链中存储的工作着装抽检报表进行分类；
137.若根据时间因素分类，所述工作着装抽检报表至少包括日报表、月报表和年报表；
138.若根据类型因素分类，所述工作着装抽检报表至少包括物流大区报表、物流业务省报表和物流城市报表。
139.本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
140.所述领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
141.所述集成的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取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
142.以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。