CN104183029A - 一种便携式快速人群考勤方法 - Google Patents
一种便携式快速人群考勤方法 Download PDFInfo
- Publication number
- CN104183029A CN104183029A CN201410443409.0A CN201410443409A CN104183029A CN 104183029 A CN104183029 A CN 104183029A CN 201410443409 A CN201410443409 A CN 201410443409A CN 104183029 A CN104183029 A CN 104183029A
- Authority
- CN
- China
- Prior art keywords
- attendance
- work attendance
- personnel
- photo
- sample
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明的一种便携式快速人群考勤方法,是利用智能手机进行实时人群考勤。搭载有考勤系统程序的智能手机预先采集被考勤人员的人脸信息并作为样本存储,考勤时,对到场的人员拍摄正脸合照,通过与样本比对,根据匹配度判断人员是否到场。本发明的有益效果是:可以快速实现人群的实时考勤,极大减轻考勤人员的工作负担和提高考勤的效率,对于上课学生快速点名、游客人数快速清点、参会人员快速确认等多种场合都具有重要意义,还可以避免冒名顶替等现象;由于本发明使用智能手机进行考勤,因此携带方便。该方案成本低,便于推广,易于实现。
Description
技术领域
本发明涉及一种便携式快速人群考勤方法。
背景技术
目前,考勤是人们日常生活中的一种常见活动。许多时候需要快速考勤,尽快确定出席人员和缺勤人员,例如上课时确定旷课或者迟到早退的学生、开会时明确哪些人员缺席、旅游时导游了解是否有团员掉队等。传统上,上课和开会时利用点名或者签到进行考勤,旅游时利用点名或者将人员与车辆固定座位进行绑定等方式进行考勤。这些传统方式的缺点是耗时长,有时还容易出现冒名签到等现象。
人们提出了多种方式进行快速考勤。其一是在教室或会场内的每个座位靠背上安装传感器,利用传感器统计每个座位上是否有人并将统计信息显示在显示屏上;这种方式需要特殊的座位,或者需要在座位靠背上临时安装传感器,显然成本较高,还容易受到人为破坏,而且只能体现哪些座位上有人而无法确认哪些人出勤或者缺勤。其二是利用图像灰度匹配的方法进行人数统计,即在获得人群所在区域的视频流后,利用帧间差分和边缘检测得到运动目标区域,进而提取出行人区域,然后利用模板匹配和惯性原则进行人数统计;这种方法能够快速确定运动中的人数,但是对于教室和会场中的静态人员则难以统计,而且还无法确认人员身份。其三是利用AdaBoost算法和人脸肤色建模进行人脸定位,然后利用多种分类器进行人头判定并最终确定人数;这种方法虽然能够快速定位人脸,但是仍然无法确定人员身份。
可见,上述方法无法满足现实生活中人们对于考勤的快速、便捷和动态的需求。
发明内容
为解决以上技术上的不足,本发明提供了一种便于操作,效率高的快速人群考勤方法。
本发明是通过以下措施实现的:
本发明的一种便携式快速人群考勤方法,包括以下步骤:
步骤1,在具有独立操作系统和运行空间的智能手机的中建立考勤系统;
步骤2,利用步骤1中的智能手机自带摄像头逐个采集被考勤人员的人脸照片样本,然后采用主成分分析法提取每个被考勤人员人脸照片样本的离线特征,并标记上对应被考勤人员的姓名,一并存储在考勤系统的样本数据库中;
步骤3,考勤时,考勤人员利用步骤1中的智能手机自带摄像头实时拍摄所有被考勤人员的正脸合照,然后通过AdaBoost算法选定该合照中所有的人脸区域并分割出每个人的人脸图像和进行尺寸归一化处理;
步骤4,通过主成分分析法提取步骤3中分割出的所有人脸图像的离线特征,并利用欧氏距离和最小距离准则逐一与步骤2中样本数据库所预先存储的离线特征进行匹配;
步骤5,匹配过程中,判断两者匹配度是否大于设定阈值,如果是,则认为该人员出勤,如果否,则认为该人员缺勤,并将结果显示出来。
上述在步骤1中,编译生成有考勤系统程序的APK安装包,通过安装APK安装包在智能手机中建立考勤系统。
上述在步骤2中,人脸照片样本包括被考勤人员提供的直接拍摄的人脸电子照片或经扫描后转换成电子照片的纸质照片。
本发明的有益效果是:可以快速实现人群的实时考勤,极大减轻考勤人员的工作负担和提高考勤的效率,对于上课学生快速点名、游客人数快速清点、参会人员快速确认等多种场合都具有重要意义,还可以避免冒名顶替等现象;由于本发明使用智能手机进行考勤,因此携带方便。该方案成本低,便于推广,易于实现。
具体实施方式
本发明的一种便携式快速人群考勤方法,是利用智能手机进行实时人群考勤。目前,智能手机已经十分普遍,一般都具有独立操作系统和运行空间,能够安装和运行软件,而且作为标配还配置有分辨率良好的前置和后置摄像头,一般情况下人们都随身携带。本发明对智能手机软硬件的基本要求:目前通用的智能手机操作系统均可,例如Andriod、iOS、WindowsPhone等;CPU单核或者多核500MHz以上;内存500M以上;外存500M以上;屏幕分辨率800×480以上;前置摄像头2M像素以上。
具体应用时,首先需要开发一套在智能手机操作系统架构下的考勤系统软件,并编译成搭载有考勤系统程序的APK安装包,通过安装APK安装包在智能手机中建立考勤系统。该系统在使用前,需要预先采集被考勤人员的人脸信息并提取离线特征,然后将这些离线特征作为样本存储到智能手机的考勤系统中。考勤人员在实际考勤时,利用该考勤系统,只需要拍摄被考勤人群的实时照片,然后该考勤系统就自动进行人脸检测和定位,自动提取每个人脸的特征,接着自动将所提取的实时人脸特征与预先提取的被考勤人员的人脸离线特征进行匹配,并根据匹配结果输出被考勤人员的出勤信息和缺勤信息。
具体地说本发明包括以下部分和步骤:
步骤1,在具有独立操作系统和运行空间的智能手机的中建立考勤系统;
步骤2,利用步骤1中的智能手机自带摄像头逐个采集被考勤人员的人脸照片样本,然后采用主成分分析法提取每个被考勤人员人脸照片样本的离线特征,并标记上对应被考勤人员的姓名,一并存储在考勤系统的样本数据库中;
步骤3,考勤时,考勤人员利用步骤1中的智能手机自带摄像头实时拍摄所有被考勤人员的正脸合照,然后通过AdaBoost算法选定该合照中所有的人脸区域并分割出每个人的人脸图像和进行尺寸归一化处理;
步骤4,通过主成分分析法提取步骤3中分割出的所有人脸图像的离线特征,并利用最小距离准则逐一与步骤2中样本数据库所预先存储的离线特征进行匹配;
步骤5,匹配过程中,判断两者匹配度是否大于设定阈值,如果是,则认为该人员出勤,如果否,则认为该人员缺勤,并将结果显示出来。
其中,AdaBoost算法、主成分分析法和最小距离准则都是比较成熟的算法,本专利中不再赘述。
步骤2中人脸照片样本包括被考勤人员提供的纸质人脸照片或者电子人脸照片,对于纸质人脸照片,需要经过扫描或者拍照转化成电子照片。
其中,AdaBoost算法、主成分分析法和最小距离准则说明如下。
AdaBoost算法的基本步骤:
(1)使用Haar-like特征表示人脸,并且使用积分图实现特征数值的快速计算;
(2)使用AdaBoost算法挑选出一些最能代表人脸的矩形特征,即弱分类器,再按照加权投票的方式将弱分类器构造为一个强分类器;
(3)将训练得到的若干强分类器串联组成一个级联结构的级联分类器,进行人脸检测;
(4)增加辅助判决函数对分类进行辅助判决,即某一级AdaBoost分类器判为假后,使用该级的辅助判决函数对其进行辅助判决,如果辅助判决为真,则仍然使样本输入到下一级的分类器中,反之拒绝该样本。
主成分分析基本步骤:
设预先采集的用于训练的被考勤人员照片样本总数为Q,共有P个人,人均L幅图像,每幅大小为M×N维,则主成分分析包括以下基本步骤:
(1)利用下面公式计算全体人脸训练样本的均值矢量:
其中Xi表示第i个训练样本矢量,m表示全体训练样本的均值矢量;
(2)按照下面公式计算每个人的平均图像矢量:
其中Xij表示第i个人的第j个样本;
(3)按照下面公式计算类间散布矩阵:
其中Y=((m0-m),(m1-m),...,(mp-1-m));
(4)计算构造矩阵Sb的特征值λi以及相应的正交归一特征矢量Vi,其中i=1,2,...,p;
(5)按照下面公式选取前t个最大特征值对应的特征矢量,t由阈值θλ确定:
最小距离准则:
假设实时采集的人脸特征矢量是A={a1,a2,...,an},预先采集的人脸样本特征矢量是B={bm1,bm2,...,bmn},其中m表示不同人员的编号。则采用欧氏距离和最小距离准则进行的人脸识别利用下面公式:
其中m就是识别出的人员编号。
下面以开会时的考勤为例进行说明。
首先,负责考勤的人员在智能手机中安装考勤系统。在开会之前,用智能手机对需要到会人员的脸部逐一进行拍照,或者由到会人员主动提供各自符合要求的人脸电子照片,每个人的人脸照片标记上对应人员的姓名,考勤系统利用相关算法提取每个人员的脸部特征并建立特征数据库。在开会时,用智能手机拍摄一张所有人员的正脸合照。考勤系统会将合照上的所有人脸逐一分割,然后自动逐一与特征数据库进行比对。如果能匹配上,说明该人员已经到会,如果不能匹配上,则说明该人员没有到会,并显示在手机上,最后再进行人工确认。在实际考勤时,该过程一般不超过3秒。
该发明还可以应用在上课时教师对于学生听课情况进行快速点名、旅游时导游对于游客人数和掉队游客进行快速清点等。
需要说明,本发明的便携式快速人群考勤方法适用于人群规模不是很大的情形。一般情况下,人群规模不超过50人。
以上所述仅是本专利的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本专利技术原理的前提下,还可以做出若干改进和替换,这些改进和替换也应视为本专利的保护范围。
Claims (3)
1.一种便携式快速人群考勤方法,其特征在于,包括以下步骤:
步骤1,在具有独立操作系统和运行空间的智能手机的中建立考勤系统;
步骤2,利用步骤1中的智能手机自带摄像头逐个采集被考勤人员的人脸照片样本,然后采用主成分分析法提取每个被考勤人员人脸照片样本的离线特征,并标记上对应被考勤人员的姓名,一并存储在考勤系统的样本数据库中;
步骤3,考勤时,考勤人员利用步骤1中的智能手机自带摄像头实时拍摄所有被考勤人员的正脸合照,然后通过AdaBoost算法选定该合照中所有的人脸区域并分割出每个人的人脸图像和进行尺寸归一化处理;
步骤4,通过主成分分析法提取步骤3中分割出的所有人脸图像的离线特征,并利用欧氏距离和最小距离准则逐一与步骤2中样本数据库所预先存储的离线特征进行匹配;
步骤5,匹配过程中,判断两者匹配度是否大于设定阈值,如果是,则认为该人员出勤,如果否,则认为该人员缺勤,并将结果显示出来。
2.根据权利要求1所述快速人群考勤方法,其特征在于:在步骤1中,编译生成有考勤系统程序的APK安装包,通过安装APK安装包在智能手机中建立考勤系统。
3.根据权利要求1所述快速人群考勤方法,其特征在于:在步骤2中,人脸照片样本包括被考勤人员提供的直接拍摄的人脸电子照片或经扫描后转换成电子照片的纸质照片。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410443409.0A CN104183029A (zh) | 2014-09-02 | 2014-09-02 | 一种便携式快速人群考勤方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410443409.0A CN104183029A (zh) | 2014-09-02 | 2014-09-02 | 一种便携式快速人群考勤方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104183029A true CN104183029A (zh) | 2014-12-03 |
Family
ID=51964040
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410443409.0A Pending CN104183029A (zh) | 2014-09-02 | 2014-09-02 | 一种便携式快速人群考勤方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104183029A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106407966A (zh) * | 2016-11-28 | 2017-02-15 | 南京理工大学 | 一种应用于考勤的人脸识别方法 |
WO2017148291A1 (zh) * | 2016-03-04 | 2017-09-08 | 腾讯科技(深圳)有限公司 | 基于人脸识别的签到系统、方法、装置和服务器 |
CN108022318A (zh) * | 2017-12-28 | 2018-05-11 | 上海享服信息技术有限公司 | 多人人脸识别考勤系统及其考勤方法 |
CN108305342A (zh) * | 2018-01-24 | 2018-07-20 | 维沃移动通信有限公司 | 一种考勤方法及移动终端 |
CN109064578A (zh) * | 2018-09-12 | 2018-12-21 | 山西巨擘天浩科技有限公司 | 一种基于云服务的考勤系统及方法 |
WO2019090617A1 (zh) * | 2017-11-09 | 2019-05-16 | 深圳传音通讯有限公司 | 一种基于智能终端的人数统计方法及人数统计系统 |
CN109872407A (zh) * | 2019-01-28 | 2019-06-11 | 北京影谱科技股份有限公司 | 一种人脸识别方法、装置、设备及打卡方法、装置和系统 |
CN111461654A (zh) * | 2020-03-31 | 2020-07-28 | 国网河北省电力有限公司沧州供电分公司 | 一种基于深度学习算法的人脸识别签到方法及装置 |
CN111611911A (zh) * | 2020-05-19 | 2020-09-01 | 成都理工大学 | 一种基于卷积神经网络和多人脸识别的课堂考勤方法 |
CN111914637A (zh) * | 2020-06-28 | 2020-11-10 | 普瑞达建设有限公司 | 一种智能人脸识别集成管理方法及系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003308396A (ja) * | 2002-04-18 | 2003-10-31 | Dainippon Printing Co Ltd | 携帯端末による出欠管理システム |
CN101030244A (zh) * | 2006-03-03 | 2007-09-05 | 中国科学院自动化研究所 | 基于人体生理图像中排序测度特征的自动身份识别方法 |
CN101526997A (zh) * | 2009-04-22 | 2009-09-09 | 无锡名鹰科技发展有限公司 | 嵌入式红外人脸图像识别方法及识别装置 |
CN101739742A (zh) * | 2009-12-22 | 2010-06-16 | 中国科学院长春光学精密机械与物理研究所 | 联网式多通道门禁考勤系统 |
CN101819687A (zh) * | 2010-04-16 | 2010-09-01 | 阜新力兴科技有限责任公司 | 一种人脸识别学生考勤装置及方法 |
CN102063753A (zh) * | 2011-01-18 | 2011-05-18 | 王芳 | 一种基于物联网的身份识别与人流统计系统 |
CN102831412A (zh) * | 2012-09-11 | 2012-12-19 | 魏骁勇 | 一种基于人脸识别的教学考勤方法及其装置 |
CN103177490A (zh) * | 2011-12-20 | 2013-06-26 | 西安众智惠泽光电科技有限公司 | 基于图像识别的自动统计系统 |
CN203054948U (zh) * | 2013-01-22 | 2013-07-10 | 南京信息工程大学 | 基于物联网的教学点名信息采集装置 |
CN203149672U (zh) * | 2013-01-31 | 2013-08-21 | 王云 | 基于人脸识别的学生考勤系统 |
CN103455958A (zh) * | 2013-09-17 | 2013-12-18 | 云南大学 | 一种基于手机平台的课堂考勤方法 |
CN103902977A (zh) * | 2014-03-31 | 2014-07-02 | 华为技术有限公司 | 基于Gabor二值模式的人脸识别方法及装置 |
-
2014
- 2014-09-02 CN CN201410443409.0A patent/CN104183029A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003308396A (ja) * | 2002-04-18 | 2003-10-31 | Dainippon Printing Co Ltd | 携帯端末による出欠管理システム |
CN101030244A (zh) * | 2006-03-03 | 2007-09-05 | 中国科学院自动化研究所 | 基于人体生理图像中排序测度特征的自动身份识别方法 |
CN101526997A (zh) * | 2009-04-22 | 2009-09-09 | 无锡名鹰科技发展有限公司 | 嵌入式红外人脸图像识别方法及识别装置 |
CN101739742A (zh) * | 2009-12-22 | 2010-06-16 | 中国科学院长春光学精密机械与物理研究所 | 联网式多通道门禁考勤系统 |
CN101819687A (zh) * | 2010-04-16 | 2010-09-01 | 阜新力兴科技有限责任公司 | 一种人脸识别学生考勤装置及方法 |
CN102063753A (zh) * | 2011-01-18 | 2011-05-18 | 王芳 | 一种基于物联网的身份识别与人流统计系统 |
CN103177490A (zh) * | 2011-12-20 | 2013-06-26 | 西安众智惠泽光电科技有限公司 | 基于图像识别的自动统计系统 |
CN102831412A (zh) * | 2012-09-11 | 2012-12-19 | 魏骁勇 | 一种基于人脸识别的教学考勤方法及其装置 |
CN203054948U (zh) * | 2013-01-22 | 2013-07-10 | 南京信息工程大学 | 基于物联网的教学点名信息采集装置 |
CN203149672U (zh) * | 2013-01-31 | 2013-08-21 | 王云 | 基于人脸识别的学生考勤系统 |
CN103455958A (zh) * | 2013-09-17 | 2013-12-18 | 云南大学 | 一种基于手机平台的课堂考勤方法 |
CN103902977A (zh) * | 2014-03-31 | 2014-07-02 | 华为技术有限公司 | 基于Gabor二值模式的人脸识别方法及装置 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017148291A1 (zh) * | 2016-03-04 | 2017-09-08 | 腾讯科技(深圳)有限公司 | 基于人脸识别的签到系统、方法、装置和服务器 |
US10664580B2 (en) | 2016-03-04 | 2020-05-26 | Tencent Technology (Shenzhen) Company Limited | Sign-in system, method, apparatus and server based on facial recognition |
CN106407966A (zh) * | 2016-11-28 | 2017-02-15 | 南京理工大学 | 一种应用于考勤的人脸识别方法 |
CN106407966B (zh) * | 2016-11-28 | 2019-10-18 | 南京理工大学 | 一种应用于考勤的人脸识别方法 |
WO2019090617A1 (zh) * | 2017-11-09 | 2019-05-16 | 深圳传音通讯有限公司 | 一种基于智能终端的人数统计方法及人数统计系统 |
CN108022318A (zh) * | 2017-12-28 | 2018-05-11 | 上海享服信息技术有限公司 | 多人人脸识别考勤系统及其考勤方法 |
CN108305342A (zh) * | 2018-01-24 | 2018-07-20 | 维沃移动通信有限公司 | 一种考勤方法及移动终端 |
CN109064578B (zh) * | 2018-09-12 | 2020-11-03 | 山西巨擘天浩科技有限公司 | 一种基于云服务的考勤系统及方法 |
CN109064578A (zh) * | 2018-09-12 | 2018-12-21 | 山西巨擘天浩科技有限公司 | 一种基于云服务的考勤系统及方法 |
CN109872407A (zh) * | 2019-01-28 | 2019-06-11 | 北京影谱科技股份有限公司 | 一种人脸识别方法、装置、设备及打卡方法、装置和系统 |
CN111461654A (zh) * | 2020-03-31 | 2020-07-28 | 国网河北省电力有限公司沧州供电分公司 | 一种基于深度学习算法的人脸识别签到方法及装置 |
CN111611911A (zh) * | 2020-05-19 | 2020-09-01 | 成都理工大学 | 一种基于卷积神经网络和多人脸识别的课堂考勤方法 |
CN111914637A (zh) * | 2020-06-28 | 2020-11-10 | 普瑞达建设有限公司 | 一种智能人脸识别集成管理方法及系统 |
CN111914637B (zh) * | 2020-06-28 | 2021-05-04 | 普瑞达建设有限公司 | 一种智能人脸识别集成管理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104183029A (zh) | 一种便携式快速人群考勤方法 | |
CN104166841B (zh) | 一种视频监控网络中指定行人或车辆的快速检测识别方法 | |
CN105551104B (zh) | 一种基于监控图像座位判别的中小学课堂自动考勤系统 | |
CN101558431B (zh) | 脸认证设备 | |
Shehu et al. | Using real time computer vision algorithms in automatic attendance management systems | |
CN104504408A (zh) | 一种人脸识别比对方法和实现该方法的系统 | |
CN105956572A (zh) | 一种基于卷积神经网络的活体人脸检测方法 | |
CN107230267B (zh) | 基于人脸识别算法的幼儿园智能签到方法 | |
US11194997B1 (en) | Method and system for thermal infrared facial recognition | |
CN102609724B (zh) | 一种基于双摄像头的周围环境信息提示方法 | |
CN110414350A (zh) | 基于注意力模型的双路卷积神经网络的人脸防伪检测方法 | |
CN106339657B (zh) | 基于监控视频的秸秆焚烧监测方法、装置 | |
CN103390151B (zh) | 人脸检测方法及装置 | |
CN106169071A (zh) | 一种基于动态人脸与胸卡识别的考勤方法及系统 | |
CN109902628A (zh) | 一种基于视觉物联网的图书馆座位管理系统 | |
CN106897698A (zh) | 基于机器视觉与双目协同技术的教室人数检测方法及系统 | |
CN102867188A (zh) | 一种基于级联结构的会场内座位状态检测方法 | |
CN103473564A (zh) | 一种基于敏感区域的正面人脸检测方法 | |
CN106709438A (zh) | 一种基于视频会议的人数统计方法 | |
CN107292933A (zh) | 一种基于bp神经网络的车辆颜色识别方法 | |
CN110163567A (zh) | 基于多任务级联卷积神经网络的课堂点名系统 | |
Shrivastava et al. | Conceptual model for proficient automated attendance system based on face recognition and gender classification using Haar-Cascade, LBPH algorithm along with LDA model | |
CN109508685A (zh) | 基于人脸识别技术的电力通信调度方法 | |
Bekzod | Face recognition based automated student attendance system | |
CN109461223A (zh) | 一种基于人脸识别的教室点名系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20141203 |