一种基于深度学习的团队组建方法、系统、设备及介质与流程

技术特征：
1.一种基于深度学习的团队组建方法，其特征在于，所述方法包括：获取待匹配人员的视频数据；其中，所述视频数据是基于所述待匹配人员的创业活动拍摄的；处理所述视频数据，并将所述视频数据输入预先训练的人体姿态识别模型中，从而得到匹配概率；基于所述匹配概率，对所述待匹配人员进行打分；根据打分结果，将所述待匹配人员组建为团队。2.根据权利要求1所述的一种基于深度学习的团队组建方法，其特征在于，所述人体姿态识别模型的训练过程为：获取训练样本；其中，所述训练样本中包含若干种人体的动作；将所述训练样本通过blazepose算法进行处理，从而得到人体的若干个2d关键身体点位信息；将所述若干个2d关键身体点位信息，输入人体姿态识别模型中进行训练。3.根据权利要求2所述的一种基于深度学习的团队组建方法，其特征在于，所述方法还包括：将所述若干个2d关键身体点位信息通过pr-vipe算法，映射到具有视角不变的嵌入空间之中，得到正样例对损失函数；基于所述正样例对损失函数，得到匹配概率。4.根据权利要求1所述的一种基于深度学习的团队组建方法，其特征在于，所述基于所述匹配概率，对所述待匹配人员进行打分，具体为：将所述待匹配人员进行分组，从而将每个待匹配人员都赋予身份标签；基于所述匹配概率的大小，以及所述待匹配人员的身份标签，对每个待匹配人员的动作幅度进行打分。5.根据权利要求4所述的一种基于深度学习的团队组建方法，其特征在于，对待匹配人员的动作幅度进行打分，具体为：利用样本数据，结合cover训练策略训练出浅层的动作模型；其中，所述动作模型用于对待匹配人员的动作幅度进行打分；生成测试样本，对所述动作模型进行测试，从而得到满足要求的动作模型；将待匹配人员的视频数据输入所述动作模型中，得到动作幅度得分。6.根据权利要求1所述的一种基于深度学习的团队组建方法，其特征在于，在将所述待匹配人员组建为团队之前，所述方法还包括：提取所述视频数据中的音频数据，训练ctc声学算法模型，并基于训练后的ctc声学算法模型得到不同音源之间的回答间隔，对回答时间间隔进行打分；以及，基于eyeloop方法识别所述视频数据中所有待匹配人员的眼球的转速与转向，并对眼动数据进行打分；在所述打分结果中加入时间间隔权重得分以及眼动数据权重得分。7.根据权利要求1所述的一种基于深度学习的团队组建方法，其特征在于，在所述获取待匹配人员的视频数据之前，所述方法还包括：收集所有参与活动人员的基本信息；
基于spss数据分析方法，处理所述基本信息，得到所有参与活动人员的得分排序，并筛选出待匹配人员。8.一种基于深度学习的团队组建系统，其特征在于，所述系统包括：拍摄模块，用于获取待匹配人员的视频数据；其中，所述视频数据是基于所述待匹配人员的创业活动拍摄的；识别模块，用于处理所述视频数据，并将所述视频数据输入预先训练的人体姿态识别模型中，从而得到匹配概率；打分模块，用于基于所述匹配概率，对所述待匹配人员进行打分；团队组建模块，用于根据打分结果，将所述待匹配人员组建为团队。9.一种基于深度学习的团队组建设备，其特征在于，所述设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，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，以使所述至少一个处理器能够：获取待匹配人员的视频数据；其中，所述视频数据是基于所述待匹配人员的创业活动拍摄的；处理所述视频数据，并将所述视频数据输入预先训练的人体姿态识别模型中，从而得到匹配概率；基于所述匹配概率，对所述待匹配人员进行打分；根据打分结果，将所述待匹配人员组建为团队。10.一种基于深度学习的团队组建的非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令设置为：获取待匹配人员的视频数据；其中，所述视频数据是基于所述待匹配人员的创业活动拍摄的；处理所述视频数据，并将所述视频数据输入预先训练的人体姿态识别模型中，从而得到匹配概率；基于所述匹配概率，对所述待匹配人员进行打分；根据打分结果，将所述待匹配人员组建为团队。

技术总结
本申请实施例提供了一种基于深度学习的团队组建方法、系统、设备及介质，获取待匹配人员的视频数据；其中，所述视频数据是基于所述待匹配人员的创业活动拍摄的；处理所述视频数据，并将所述视频数据输入预先训练的人体姿态识别模型中，从而得到匹配概率；基于所述匹配概率，对所述待匹配人员进行打分；根据打分结果，将所述待匹配人员组建为团队。本申请实施例通过收集创业活动中参与人员的视频数据，并基于一系列计算机深度视觉算法处理这些视频数据，对待匹配人员进行各项身体动作幅度、眼球转动以及语言表达情况进行有效捕捉，并进行打分，从而获得了较为科学合理的团队组建因素。素。素。


技术研发人员：王立杰 王秀梅 殷茜 王冬亮
受保护的技术使用者：山东科苑创业服务有限公司
技术研发日：2022.12.09
技术公布日：2023/3/10