一种用户数据分析以及管理方法、装置、设备及存储介质

技术领域

本发明涉及人工智能领域，尤其涉及一种用户数据分析以及管理方法、装置、设备及存储介质。

背景技术

随着人工智能技术的高速发展，人们对人类情绪表达的研究越发重视。现有方案都是单纯的使用语音或者视觉的方式去识别人们当前的情绪，这种单一的识别方式往往准确率不高，出现误识别的情况。

现有方案，单纯靠通过视觉方法识别人们的情绪，有的人在喜悦、愤怒、悲伤等情绪时，所表现出的面部表情是不同的；再或者只使用语音方式来识别人们的情绪，通常识别结果会受到方言，进而导致现有方案的准确率较低。

发明内容

本发明提供了一种用户数据分析以及管理方法、装置、设备及存储介质，用于实现对用户情绪的智能监控以及提高用户情绪分析的准确率。

本发明第一方面提供了一种用户数据分析以及管理方法，所述用户数据分析以及管理方法包括：

基于预设的视频采集间隔获取目标用户的多个初始视频数据，并对所述多个初始视频数据进行视频排序，生成多个连续视频数据；

获取所述目标用户的用户基本信息，并根据所述用户基本信息和所述多个连续视频数据设置原始视频处理模型的视频检测参数，得到所述目标用户对应的用户情绪分析模型；

分别将所述多个连续视频数据输入所述用户情绪分析模型进行用户情绪分析，得到每个连续视频数据对应的用户情绪分析结果；

根据每个连续视频数据对应的用户情绪分析结果，对所述目标用户进行情绪波动分析，构建所述目标用户的情绪波动分布图；

根据所述情绪波动分布图，判断所述目标用户是否存在情绪波动异常，得到判断结果；

若所述判断结果为存在情绪波动异常，则获取情绪异常记录表，并识别所述目标用户是否在所述情绪异常记录表中有记录；

若有记录，则对所述目标用户进行情绪异常告警，并对所述多个连续视频数据和所述判断结果进行数据整合分析，生成用户管理方案。

结合第一方面，在本发明第一方面的第一实施方式中，所述获取所述目标用户的用户基本信息，并根据所述用户基本信息和所述多个连续视频数据设置原始视频处理模型的视频检测参数，得到所述目标用户对应的用户情绪分析模型，包括：

获取所述目标用户的用户基本信息，其中，所述用户基本信息包括：用户性别和用户年龄；

根据所述用户性别和所述用户年龄从预置的参数集中匹配对应的目标参数信息；

根据所述多个连续视频数据设置检测次数，并根据所述检测次数和所述目标参数信息设置原始视频处理模型的视频检测参数；

将设置完成的原始视频处理模型作为所述目标用户对应的用户情绪分析模型。

结合第一方面，在本发明第一方面的第二实施方式中，所述分别将所述多个连续视频数据输入所述用户情绪分析模型进行用户情绪分析，得到每个连续视频数据对应的用户情绪分析结果，包括：

分别将所述多个连续视频数据输入所述用户情绪分析模型；

通过所述用户情绪分析模型对所述多个连续视频数据进行情绪稳定度分析，得到每个连续视频数据的情绪稳定度；

根据所述情绪稳定度生成每个连续视频数据对应的用户情绪分析结果。

结合第一方面，在本发明第一方面的第三实施方式中，所述根据每个连续视频数据对应的用户情绪分析结果，对所述目标用户进行情绪波动分析，构建所述目标用户的情绪波动分布图，包括：

获取所述多个连续视频数据对应的视频采集间隔；

对每个连续视频数据对应的用户情绪分析结果和所述视频采集间隔进行对应匹配，并对所述用户情绪分析结果进行数值映射，生成每个用户情绪分析结果对应的目标数值；

根据每个用户情绪分析结果对应的目标数值构建所述目标用户的情绪波动分布图。

结合第一方面，在本发明第一方面的第四实施方式中，所述根据所述情绪波动分布图，判断所述目标用户是否存在情绪波动异常，得到判断结果，包括：

对所述情绪波动分布图进行特征点提取，得到目标分布概率；

对所述目标分布概率和预设概率阈值进行比对，得到判断结果；

若所述目标分布概率大于或等于预设阈值，则确定所述判断结果为存在情绪波动异常；

若所述目标分布概率小于预设阈值，则确定所述判断结果为不存在情绪波动异常。

结合第一方面，在本发明第一方面的第五实施方式中，所述若有记录，则对所述目标用户进行情绪异常告警，并对所述多个连续视频数据和所述判断结果进行数据整合分析，生成用户管理方案，包括：

若有记录，则生成所述目标用户的告警信息；

将所述告警信息传输至预置的监控终端，对所述目标用户进行情绪异常告警；

对所述多个连续视频数据和所述判断结果进行数据整合分析，生成用户管理方案。

结合第一方面，在本发明第一方面的第六实施方式中，所述用户数据分析以及管理方法还包括：

采集所述目标用户的实时视频数据；

对所述实时视频数据进行情绪分析，得到目标分析结果；

根据所述目标分析结果对所述用户管理方案进行调整，得到调整后的用户管理方案。

本发明第二方面提供了一种用户数据分析以及管理装置，所述用户数据分析以及管理装置包括：

获取模块，用于基于预设的视频采集间隔获取目标用户的多个初始视频数据，并对所述多个初始视频数据进行视频排序，生成多个连续视频数据；

设置模块，用于获取所述目标用户的用户基本信息，并根据所述用户基本信息和所述多个连续视频数据设置原始视频处理模型的视频检测参数，得到所述目标用户对应的用户情绪分析模型；

分析模块，用于分别将所述多个连续视频数据输入所述用户情绪分析模型进行用户情绪分析，得到每个连续视频数据对应的用户情绪分析结果；

构建模块，用于根据每个连续视频数据对应的用户情绪分析结果，对所述目标用户进行情绪波动分析，构建所述目标用户的情绪波动分布图；

判断模块，用于根据所述情绪波动分布图，判断所述目标用户是否存在情绪波动异常，得到判断结果；

识别模块，用于若所述判断结果为存在情绪波动异常，则获取情绪异常记录表，并识别所述目标用户是否在所述情绪异常记录表中有记录；

生成模块，用于若有记录，则对所述目标用户进行情绪异常告警，并对所述多个连续视频数据和所述判断结果进行数据整合分析，生成用户管理方案。

结合第二方面，在本发明第二方面的第一实施方式中，所述设置模块具体用于：

获取所述目标用户的用户基本信息，其中，所述用户基本信息包括：用户性别和用户年龄；

根据所述用户性别和所述用户年龄从预置的参数集中匹配对应的目标参数信息；

根据所述多个连续视频数据设置检测次数，并根据所述检测次数和所述目标参数信息设置原始视频处理模型的视频检测参数；

将设置完成的原始视频处理模型作为所述目标用户对应的用户情绪分析模型。

结合第二方面，在本发明第二方面的第二实施方式中，所述分析模块具体用于：

分别将所述多个连续视频数据输入所述用户情绪分析模型；

通过所述用户情绪分析模型对所述多个连续视频数据进行情绪稳定度分析，得到每个连续视频数据的情绪稳定度；

根据所述情绪稳定度生成每个连续视频数据对应的用户情绪分析结果。

结合第二方面，在本发明第二方面的第三实施方式中，所述构建模块具体用于：

获取所述多个连续视频数据对应的视频采集间隔；

对每个连续视频数据对应的用户情绪分析结果和所述视频采集间隔进行对应匹配，并对所述用户情绪分析结果进行数值映射，生成每个用户情绪分析结果对应的目标数值；

根据每个用户情绪分析结果对应的目标数值构建所述目标用户的情绪波动分布图。

结合第二方面，在本发明第二方面的第四实施方式中，所述判断模块具体用于：

对所述情绪波动分布图进行特征点提取，得到目标分布概率；

对所述目标分布概率和预设概率阈值进行比对，得到判断结果；

若所述目标分布概率大于或等于预设阈值，则确定所述判断结果为存在情绪波动异常；

若所述目标分布概率小于预设阈值，则确定所述判断结果为不存在情绪波动异常。

结合第二方面，在本发明第二方面的第五实施方式中，所述生成模块具体用于：

若有记录，则生成所述目标用户的告警信息；

将所述告警信息传输至预置的监控终端，对所述目标用户进行情绪异常告警；

对所述多个连续视频数据和所述判断结果进行数据整合分析，生成用户管理方案。

结合第二方面，在本发明第二方面的第六实施方式中，所述用户数据分析以及管理装置还包括：

调整模块，用于采集所述目标用户的实时视频数据；对所述实时视频数据进行情绪分析，得到目标分析结果；根据所述目标分析结果对所述用户管理方案进行调整，得到调整后的用户管理方案。

本发明第三方面提供了一种用户数据分析以及管理设备，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，以使得所述用户数据分析以及管理设备执行上述的用户数据分析以及管理方法。

本发明的第四方面提供了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指令，当其在计算机上运行时，使得计算机执行上述的用户数据分析以及管理方法。

本发明提供的技术方案中，分别将多个连续视频数据输入用户情绪分析模型进行用户情绪分析，得到每个连续视频数据对应的用户情绪分析结果；根据每个连续视频数据对应的用户情绪分析结果，对目标用户进行情绪波动分析，构建目标用户的情绪波动分布图；根据情绪波动分布图得到判断结果；若判断结果为存在情绪波动异常，则获取情绪异常记录表，并识别目标用户是否在情绪异常记录表中有记录；若有记录，则对目标用户进行情绪异常告警，并对多个连续视频数据和判断结果进行数据整合分析，生成用户管理方案，本发明通过对目标用户的多个连续视频数据进行情绪分析，提高了情绪分析的准确率，并且通过对多个连续视频数据和判断结果进行数据整合分析，生成用户管理方案，实现了智能化的用户情绪管理。

附图说明

图1为本发明实施例中用户数据分析以及管理方法的一个实施例示意图；

图2为本发明实施例中用户情绪分析的流程图；

图3为本发明实施例中情绪波动分析的流程图；

图4为本发明实施例中判断目标用户是否存在情绪波动异常的流程图；

图5为本发明实施例中用户数据分析以及管理装置的一个实施例示意图；

图6为本发明实施例中用户数据分析以及管理装置的另一个实施例示意图；

图7为本发明实施例中用户数据分析以及管理设备的一个实施例示意图。

具体实施方式

本发明实施例提供了一种用户数据分析以及管理方法、装置、设备及存储介质，用于实现对用户情绪的智能监控以及提高用户情绪分析的准确率。本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中用户数据分析以及管理方法的一个实施例包括：

S101、基于预设的视频采集间隔获取目标用户的多个初始视频数据，并对多个初始视频数据进行视频排序，生成多个连续视频数据；

可以理解的是，本发明的执行主体可以为用户数据分析以及管理装置，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。

具体的，服务器基于预设的视频采集间隔获取目标用户的多个初始视频数据，进一步的，服务器分别对各初始视频数据进行时序特征分析，确定与每一初始视频数据对应的时序特征，进一步的，服务器根据与每一初始视频对应的时序特征对多个初始视频进行视频排序，生成多个连续视频数据。

S102、获取目标用户的用户基本信息，并根据用户基本信息和多个连续视频数据设置原始视频处理模型的视频检测参数，得到目标用户对应的用户情绪分析模型；

具体的，服务器获取用户基本信息，对用户基本信息进行处理后得到时间序列数据，进一步的，服务器根据预设的超参数范围依次设置原始视频处理模型的超参数，将每次设置的超参数以及时间序列数据输入至原始视频处理模型中，计算得到各超参数对应的预测误差，选取预测误差最小的前N组超参数，进而通过该前N组超参数设置原始视频处理模型的视频检测参数，得到目标用户对应的用户情绪分析模型。

S103、分别将多个连续视频数据输入用户情绪分析模型进行用户情绪分析，得到每个连续视频数据对应的用户情绪分析结果；

需要说明的是，分别将多个连续视频数据输入用户情绪分析模型；通过用户情绪分析模型对多个连续视频数据进行情绪稳定度分析，得到每个连续视频数据的情绪稳定度，根据情绪稳定度生成每个连续视频数据对应的用户情绪分析结果。

S104、根据每个连续视频数据对应的用户情绪分析结果，对目标用户进行情绪波动分析，构建目标用户的情绪波动分布图；

具体的，对每个连续视频数据，按照情绪波动指数划分维度及指标进行实时统计，得出指标的具体数值，利用用户情绪分析模型搭建情绪波动指数的计算模型，输入每个连续视频数据，通过机器学习、匹配各维度权重并将指标综合计算，确定情绪波动指数，进一步的，服务器通过该情绪波动指数对目标用户进行情绪波动分析，构建目标用户的情绪波动分布图。

S105、根据情绪波动分布图，判断目标用户是否存在情绪波动异常，得到判断结果；

具体的，获取情绪波动分布图，通过对情绪波动分布图进行情绪识别，确定情绪波动分布图所属的情绪类别，得到情绪波动分布图的情绪识别结果，判断目标用户是否存在情绪波动异常，得到判断结果。

S106、若判断结果为存在情绪波动异常，则获取情绪异常记录表，并识别目标用户是否在情绪异常记录表中有记录；

S107、若有记录，则对目标用户进行情绪异常告警，并对多个连续视频数据和判断结果进行数据整合分析，生成用户管理方案。

具体的，服务器

本发明实施例中，若判断结果为存在情绪波动异常，则获取情绪异常记录表，并识别目标用户是否在情绪异常记录表中有记录，若有记录，则对目标用户进行情绪异常告警，并对多个连续视频数据和判断结果进行数据整合分析，生成用户管理方案。

在一具体实施例中，执行步骤S102的过程可以具体包括如下步骤：

（1）获取目标用户的用户基本信息，其中，用户基本信息包括：用户性别和用户年龄；

（2）根据用户性别和用户年龄从预置的参数集中匹配对应的目标参数信息；

（3）根据多个连续视频数据设置检测次数，并根据检测次数和目标参数信息设置原始视频处理模型的视频检测参数；

（4）将设置完成的原始视频处理模型作为目标用户对应的用户情绪分析模型。

具体的，服务器获取目标用户的用户基本信息，其中，用户基本信息包括：用户性别和用户年龄，进而服务器根据用户性别和用户年龄从预置的参数集中匹配对应的目标参数信息，其中，

提取用户基本信息中的文本特征信息，抽取用户基本信息中的主题特征信息，将主题特征信息与文本特征信息进行特征融合，得到融合特征信息，从融合特征信息中提取用户行为特征信息，以用户行为特征信息确定时间序列数据，进一步的，服务器根据该时间序列数据从预置的参数集中匹配对应的目标参数信息，进一步的，根据多个连续视频数据设置检测次数，并根据检测次数和目标参数信息设置原始视频处理模型的视频检测参数，其中，服务器根据预设的超参数范围依次设置原始视频处理模型的超参数，将每次设置的超参数以及时间序列数据输入至原始视频处理模型中，计算得到各超参数对应的预测误差，选取预测误差最小的前N组超参数，进而通过该前N组超参数设置原始视频处理模型的视频检测参数，得到目标用户对应的用户情绪分析模型。

在一具体实施例中，如图2所示，执行步骤S103的过程可以具体包括如下步骤：

S201、分别将多个连续视频数据输入用户情绪分析模型；

S202、通过用户情绪分析模型对多个连续视频数据进行情绪稳定度分析，得到每个连续视频数据的情绪稳定度；

S203、根据情绪稳定度生成每个连续视频数据对应的用户情绪分析结果。

具体的，服务器分别将多个连续视频数据输入用户情绪分析模型，通过用户情绪分析模型对多个连续视频数据进行情绪稳定度分析，得到每个连续视频数据的情绪稳定度，其中，服务器获取情绪主题相关视频材料并进行筛选和分类，形成基本情绪分析库，多次对所有情绪分析材料进行单维度的情绪分析深度打分，将每段分析材料的平均得分作为该素材的单维情绪分析深度得分，得到每个连续视频数据的情绪稳定度，最终服务器根据情绪稳定度生成每个连续视频数据对应的用户情绪分析结果。

在一具体实施例中，如图3所示，执行步骤S104的过程可以具体包括如下步骤：

S301、获取多个连续视频数据对应的视频采集间隔；

S302、对每个连续视频数据对应的用户情绪分析结果和视频采集间隔进行对应匹配，并对用户情绪分析结果进行数值映射，生成每个用户情绪分析结果对应的目标数值；

S303、根据每个用户情绪分析结果对应的目标数值构建目标用户的情绪波动分布图。

具体的，服务器获取多个连续视频数据对应的视频采集间隔，并获取与视频采集间隔存在映射关系的映射数值，进一步的，服务器对每个连续视频数据对应的用户情绪分析结果和视频采集间隔进行对应匹配，并对用户情绪分析结果进行数值映射，生成每个用户情绪分析结果对应的目标数值；其中，在每个连续视频数据中输入视频采集间隔和映射数值之间的映射关系，进而服务器根据该映射关系对每个连续视频数据对应的用户情绪分析结果和视频采集间隔进行对应匹配，并对用户情绪分析结果进行数值映射，生成每个用户情绪分析结果对应的目标数值，最终，服务器根据每个用户情绪分析结果对应的目标数值构建目标用户的情绪波动分布图。

在一具体实施例中，如图4所示，执行步骤S105的过程可以具体包括如下步骤：

S401、对情绪波动分布图进行特征点提取，得到目标分布概率；

S402、对目标分布概率和预设概率阈值进行比对，得到判断结果；

S403、若目标分布概率大于或等于预设阈值，则确定判断结果为存在情绪波动异常；

S404、若目标分布概率小于预设阈值，则确定判断结果为不存在情绪波动异常。

具体的，服务器对情绪波动分布图进行特征点提取，得到目标分布概率，

其中，服务器预先构建初始特征点提取模型，初始特征点提取模型包括特征提取模块，特征提取模块包括多尺度卷积层和可变形卷积层。利用训练数据集对初始特征点提取模型进行训练，得到训练后特征点提取模型。将待处理图像输入训练后特征点提取模型，进而得到目标分布概率，对目标分布概率和预设概率阈值进行比对，得到判断结果，若目标分布概率大于或等于预设阈值，则确定判断结果为存在情绪波动异常，若目标分布概率小于预设阈值，则确定判断结果为不存在情绪波动异常。

在一具体实施例中，执行步骤S107的过程可以具体包括如下步骤：

（1）若有记录，则生成目标用户的告警信息；

（2）将告警信息传输至预置的监控终端，对目标用户进行情绪异常告警；

（3）对多个连续视频数据和判断结果进行数据整合分析，生成用户管理方案。

在一具体实施例中，上述用户数据分析以及管理方法还包括如下步骤：

（1）采集目标用户的实时视频数据；

（2）对实时视频数据进行情绪分析，得到目标分析结果；

（3）根据目标分析结果对用户管理方案进行调整，得到调整后的用户管理方案。

具体的，若有记录，则生成目标用户的告警信息，将告警信息传输至预置的监控终端，对目标用户进行情绪异常告警，对多个连续视频数据和判断结果进行数据整合分析，生成用户管理方案。

进一步的，采集目标用户的实时视频数据，其中，服务器每隔第一区间时长更新获取用户当前的实时视频数据，根据获取的用户实时视频数据序列及其对应的预设的监控区间在管理方案中的位置和时长信息，确定在执行管理方案过程中监控区间的实时视频数据，将用户过程中对应监控区间的实时视频数据与预设标准模板特征值进行比较，根据比较结果进行情绪分析，得到目标分析结果，根据目标分析结果对用户管理方案进行调整，得到调整后的用户管理方案。

上面对本发明实施例中用户数据分析以及管理方法进行了描述，下面对本发明实施例中用户数据分析以及管理装置进行描述，请参阅图5，本发明实施例中用户数据分析以及管理装置一个实施例包括：

获取模块501，用于基于预设的视频采集间隔获取目标用户的多个初始视频数据，并对所述多个初始视频数据进行视频排序，生成多个连续视频数据；

设置模块502，用于获取所述目标用户的用户基本信息，并根据所述用户基本信息和所述多个连续视频数据设置原始视频处理模型的视频检测参数，得到所述目标用户对应的用户情绪分析模型；

分析模块503，用于分别将所述多个连续视频数据输入所述用户情绪分析模型进行用户情绪分析，得到每个连续视频数据对应的用户情绪分析结果；

构建模块504，用于根据每个连续视频数据对应的用户情绪分析结果，对所述目标用户进行情绪波动分析，构建所述目标用户的情绪波动分布图；

判断模块505，用于根据所述情绪波动分布图，判断所述目标用户是否存在情绪波动异常，得到判断结果；

识别模块506，用于若所述判断结果为存在情绪波动异常，则获取情绪异常记录表，并识别所述目标用户是否在所述情绪异常记录表中有记录；

生成模块507，用于若有记录，则对所述目标用户进行情绪异常告警，并对所述多个连续视频数据和所述判断结果进行数据整合分析，生成用户管理方案。

通过上述各个组成部分的协同合作，分别将多个连续视频数据输入用户情绪分析模型进行用户情绪分析，得到每个连续视频数据对应的用户情绪分析结果；根据每个连续视频数据对应的用户情绪分析结果，对目标用户进行情绪波动分析，构建目标用户的情绪波动分布图；根据情绪波动分布图得到判断结果；若判断结果为存在情绪波动异常，则获取情绪异常记录表，并识别目标用户是否在情绪异常记录表中有记录；若有记录，则对目标用户进行情绪异常告警，并对多个连续视频数据和判断结果进行数据整合分析，生成用户管理方案，本发明通过对目标用户的多个连续视频数据进行情绪分析，提高了情绪分析的准确率，并且通过对多个连续视频数据和判断结果进行数据整合分析，生成用户管理方案，实现了智能化的用户情绪管理。

请参阅图6，本发明实施例中用户数据分析以及管理装置另一个实施例包括：

获取模块501，用于基于预设的视频采集间隔获取目标用户的多个初始视频数据，并对所述多个初始视频数据进行视频排序，生成多个连续视频数据；

设置模块502，用于获取所述目标用户的用户基本信息，并根据所述用户基本信息和所述多个连续视频数据设置原始视频处理模型的视频检测参数，得到所述目标用户对应的用户情绪分析模型；

分析模块503，用于分别将所述多个连续视频数据输入所述用户情绪分析模型进行用户情绪分析，得到每个连续视频数据对应的用户情绪分析结果；

构建模块504，用于根据每个连续视频数据对应的用户情绪分析结果，对所述目标用户进行情绪波动分析，构建所述目标用户的情绪波动分布图；

判断模块505，用于根据所述情绪波动分布图，判断所述目标用户是否存在情绪波动异常，得到判断结果；

识别模块506，用于若所述判断结果为存在情绪波动异常，则获取情绪异常记录表，并识别所述目标用户是否在所述情绪异常记录表中有记录；

生成模块507，用于若有记录，则对所述目标用户进行情绪异常告警，并对所述多个连续视频数据和所述判断结果进行数据整合分析，生成用户管理方案。

可选的，所述设置模块502具体用于：

获取所述目标用户的用户基本信息，其中，所述用户基本信息包括：用户性别和用户年龄；

根据所述用户性别和所述用户年龄从预置的参数集中匹配对应的目标参数信息；

根据所述多个连续视频数据设置检测次数，并根据所述检测次数和所述目标参数信息设置原始视频处理模型的视频检测参数；

将设置完成的原始视频处理模型作为所述目标用户对应的用户情绪分析模型。

可选的，所述分析模块503具体用于：

分别将所述多个连续视频数据输入所述用户情绪分析模型；

通过所述用户情绪分析模型对所述多个连续视频数据进行情绪稳定度分析，得到每个连续视频数据的情绪稳定度；

根据所述情绪稳定度生成每个连续视频数据对应的用户情绪分析结果。

可选的，所述构建模块504具体用于：

获取所述多个连续视频数据对应的视频采集间隔；

对每个连续视频数据对应的用户情绪分析结果和所述视频采集间隔进行对应匹配，并对所述用户情绪分析结果进行数值映射，生成每个用户情绪分析结果对应的目标数值；

根据每个用户情绪分析结果对应的目标数值构建所述目标用户的情绪波动分布图。

可选的，所述判断模块505具体用于：

对所述情绪波动分布图进行特征点提取，得到目标分布概率；

对所述目标分布概率和预设概率阈值进行比对，得到判断结果；

若所述目标分布概率大于或等于预设阈值，则确定所述判断结果为存在情绪波动异常；

若所述目标分布概率小于预设阈值，则确定所述判断结果为不存在情绪波动异常。

可选的，所述生成模块507具体用于：

若有记录，则生成所述目标用户的告警信息；

将所述告警信息传输至预置的监控终端，对所述目标用户进行情绪异常告警；

对所述多个连续视频数据和所述判断结果进行数据整合分析，生成用户管理方案。

可选的，所述用户数据分析以及管理装置还包括：

调整模块508，用于采集所述目标用户的实时视频数据；对所述实时视频数据进行情绪分析，得到目标分析结果；根据所述目标分析结果对所述用户管理方案进行调整，得到调整后的用户管理方案。

本发明实施例中，分别将多个连续视频数据输入用户情绪分析模型进行用户情绪分析，得到每个连续视频数据对应的用户情绪分析结果；根据每个连续视频数据对应的用户情绪分析结果，对目标用户进行情绪波动分析，构建目标用户的情绪波动分布图；根据情绪波动分布图得到判断结果；若判断结果为存在情绪波动异常，则获取情绪异常记录表，并识别目标用户是否在情绪异常记录表中有记录；若有记录，则对目标用户进行情绪异常告警，并对多个连续视频数据和判断结果进行数据整合分析，生成用户管理方案，本发明通过对目标用户的多个连续视频数据进行情绪分析，提高了情绪分析的准确率，并且通过对多个连续视频数据和判断结果进行数据整合分析，生成用户管理方案，实现了智能化的用户情绪管理。

上面图5和图6从模块化功能实体的角度对本发明实施例中的用户数据分析以及管理装置进行详细描述，下面从硬件处理的角度对本发明实施例中用户数据分析以及管理设备进行详细描述。

图7是本发明实施例提供的一种用户数据分析以及管理设备的结构示意图，该用户数据分析以及管理设备600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）610（例如，一个或一个以上处理器）和存储器620，一个或一个以上存储应用程序633或数据632的存储介质630（例如一个或一个以上海量存储设备）。其中，存储器620和存储介质630可以是短暂存储或持久存储。存储在存储介质630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用户数据分析以及管理设备600中的一系列指令操作。更进一步地，处理器610可以设置为与存储介质630通信，在用户数据分析以及管理设备600上执行存储介质630中的一系列指令操作。

用户数据分析以及管理设备600还可以包括一个或一个以上电源640，一个或一个以上有线或无线网络接口650，一个或一个以上输入输出接口660，和/或，一个或一个以上操作系统631，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图7示出的用户数据分析以及管理设备结构并不构成对用户数据分析以及管理设备的限定，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。

本发明还提供一种用户数据分析以及管理设备，所述用户数据分析以及管理设备包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行上述各实施例中的所述用户数据分析以及管理方法的步骤。

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，使得计算机执行所述用户数据分析以及管理方法的步骤。

所属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。

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 acceS memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。

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。