发明内容
本发明的目的之一在于克服以上缺点,提供一种驾培训练过程中人脸识别的学时计算方法,进行过程监管,保证学时的真实有效性,保证培训的连贯性。
为了解决上述技术问题,本发明提供了一种人脸识别的学时计算方法,包括以下步骤:
学员注册时采集人脸原始图片;
学员培训时定时采集现场数据信息,并上传给服务器;
服务器对现场数据信息进行预处理;
服务器进行人脸比对,生成学员的学时记录;
服务器根据配置的规则对学时记录进行处理,计算最终有效学时。
本发明通过采用定时采集人脸图片比对的方式,一方面能够确认培训过程中学员本人在场操作,保证了学时记录的真实有效性,另一方面,不会打断学员的正常培训过程,保证了培训的连贯性。
进一步地,所述现场数据信息包括人脸现场图片和位置信息。
进一步地,所述现场数据信息上传给服务器,是通过实时接口发送报文实现。
进一步地,所述服务器对现场数据信息进行预处理,包括以下步骤:
对原始数据报文进行存储备份;
按照协议的数据格式将原始数据报文分割解析成多个数据字段;
对数据字段进行转换表现形式;
将转换后的数据存储到数据库。
进一步地,所述“服务器进行人脸比对,生成学员的学时记录”,包括以下步骤:
步骤一、每一个校验周期进行三张人脸现场图片的比对,若任意一张人脸现场图片和人脸原始图片比对成功,则当前时间减去签到时间记为本次累计学时,进入下一校验周期,若比对失败则直接进入下一校验周期;
步骤二、若连续三个校验周期没有人脸现场图片和人脸原始图片比对成功,则学员摆拍四张人脸现场图片和人脸原始图片进行比对,若任一张摆拍人脸现场图片比对成功,则当前时间减去签到时间记为本次累计学时,进入下一校验周期,若四张人脸现场图片均比对失败,则累计学时不做处理,将学员强行签退;
步骤三、重复执行步骤一和步骤二直至学员自行签退或被强制签退,生成本次累计学时记录。
考虑到图片比对的成功率并不能达到100%精准,本技术方案对比对操作进行多处容错处理:1)每一个周期只要有一张比对成功即可;2)三个周期没有比对成功,再提供摆拍比对机会;3)摆拍四张照片,任一张比对成功即可;只有上述步骤均没有比对成功,才强制进行签退。通过这种方式,提高了比对的成功率,避免了由于比对失败导致学员经常性被强制签退的情况出现。
进一步地,所述服务器对学时记录进行处理,计算最终有效学时,包括以下步骤:
对学时数据检查校验规则进行配置;
根据重复数据规则对重复学时数据进行排重过滤;
根据异常条件规则对异常学时数据进行过滤处理;
根据置零条件规则对学时数据进行置零操作处理;
根据学时缩减规则对学时进行缩减处理。
通过可定义的规则配置和处理,本技术方案可以灵活实现对原始学时记录的复杂操作,以满足业务需求的增加或变更。
进一步地,所述的人脸识别的学时计算方法,还包括步骤:
根据不同的查询条件对最终学时记录进行查询。
相应地,本发明还提供了一种人脸识别的学时计算装置,包括:
原始图片采集模块,用于学员注册时采集人脸原始图片;
现场数据采集模块,用于学员培训时定时采集现场数据信息,并上传给服务器;
数据预处理模块,用于服务器对现场数据信息进行预处理;
人脸比对模块,用于服务器进行人脸比对,生成学员的学时记录;
学时处理模块,用于服务器根据配置的规则对学时记录进行处理,计算最终有效学时。
进一步地,所述数据预处理模块,包括:
备份单元,用于对原始数据报文进行存储备份;
解析单元,用于按照协议的数据格式将原始数据报文分割解析成多个数据字段;
转换单元,用于对数据字段进行转换表现形式;
存储单元,用于将转换后的数据存储到数据库。
进一步地,所述人脸比对模块,包括:
校验周期比对单元,用于每一个校验周期进行三张人脸现场图片的比对,若任意一张人脸现场图片和人脸原始图片比对成功,则当前时间减去签到时间记为本次累计学时,进入下一校验周期,若比对失败则直接进入下一校验周期;
摆拍比对单元,用于若连续三个校验周期没有人脸现场图片和人脸原始图片比对成功,则学员摆拍四张人脸现场图片和人脸原始图片进行比对,若任一张摆拍人脸现场图片比对成功,则当前时间减去签到时间记为本次累计学时,进入下一校验周期,若四张人脸现场图片均比对失败,则累计学时不做处理,将学员强行签退;
累计学时生成单元,用于重复执行步骤一和步骤二直至学员自行签退或被强制签退,生成本次累计学时记录。
进一步地,所述学时处理模块,包括:
规则配置单元,用于对学时数据检查校验规则进行配置;
重复过滤单元,用于根据重复数据规则对重复学时数据进行排重过滤;
异常过滤单元,用于根据异常条件规则对异常学时数据进行过滤处理;
学时置零单元,用于根据置零条件规则对学时数据进行置零操作处理;
学时缩减单元,用于根据学时缩减规则对学时进行缩减处理。
进一步地,所述的人脸识别的学时计算装置,还包括:
学时查询模块,用于根据不同的查询条件对最终学时记录进行查询。
相应地,本发明还提供了一种人脸识别的学时计算系统,包括车载学时仪和服务器,车载学时仪和服务器通过无线网络连接,
所述车载学时仪用于拍摄学员培训时的人脸现场图片,并将人脸现场图片和定位信息上传至服务器;
所述服务器用于接收人脸现场图片和定位信息,进行数据预处理;所述服务器还用于进行人脸比对,生成学员的学时记录;所述服务器还用于根据配置的规则对学时记录进行处理,计算最终有效学时。
综上所述,本发明通过采用定时采集人脸图片比对的方式,一方面能够确认培训过程中学员本人在场操作,保证了学时记录的真实有效性,另一方面,不会打断学员的正常培训过程,保证了培训的连贯性;通过特有的人脸比对逻辑,提高了比对的成功率,避免了由于比对失败导致学员经常性被强制签退的情况出现;另外通过可定义的规则配置和处理,本技术方案可以灵活实现对原始学时记录的复杂操作,以满足业务需求的增加或变更。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1,是本发明实施例的一种人脸识别的学时计算方法步骤流程图,具体包括以下步骤:
步骤1、学员注册时采集人脸原始图片;学员在注册报名时,必须按照规范采集人脸原始图片,这里的采集要求包括图像格式,图像质量,图像颜色,最小人脸尺寸,姿态,眼睛,光照,饰物,表情,年龄和图片背景。
步骤2、学员培训时定时采集现场数据信息,并上传给服务器;学员在进行培训的时候,车载学时仪会定时拍摄学员人脸现场图片,并通过无线网络将人脸现场图片和位置信息上传给服务器,车载学时仪和服务器之间的数据传输是通过实时接口的报文发送接收实现。
步骤3、服务器对现场数据信息进行预处理;由于车载学时仪器发送给服务器的数据是根据事先约定的格式生成,服务器无法直接对数据报文进行学时处理,所以必须将原始数据报文转化成可以使用的数据库记录,这个步骤称为预处理。
如图2,是本发明实施例的一种服务器对现场数据信息进行预处理步骤流程图,包括以下步骤:
步骤301、对原始数据报文进行存储备份;在数据报文接收成功后,将原始字节数据包格式原封不对地存储至数据库以待后续核查。
步骤302、按照协议的数据格式将原始数据报文分割解析成多个数据字段;
步骤303、对数据字段进行转换表现形式;
步骤304、将转换后的学时数据存储到数据库,人脸图片存储到文件服务器。
例如,服务器收取到的现场数据报文信息如下:
01e402015b02041e0014330b320000250f32330b3200000f0a130d0c0f0a130d2a001e000047330000571fffff003128280000000000000000ffffffffff2397
根据协议约定,数据第15位开始到26位代表教练卡号,先将这12位的数据截取出来得到1e0014330b32,然后再按照协议约定规则进行数据处理转换:按照每两位数据进行倒序排列得到320b3314001e,再将每两位数字由十六进制转化为十进制后进行拼接,本实施例中,十六进制的32转换成十进制为50,十六进制的0b转换成十进制为11,十六进制的33转换成十进制为51,十六进制的14转换成十进制为20,十六进制的00转换成十进制为00,十六进制的1e转换成十进制为30,将十进制的数字拼接得到最终的教练卡号为:501151200030。
又如,数据第31位开始到42位代表学员卡号,截取出的数据为250f32330b32,先按照每两位数据进行倒序排列得到320b33320f25,再将每两位数字由十六进制转化为十进制后进行拼接,本实施例中,十六进制的32转换成十进制为50,十六进制的0b转换成十进制为11,十六进制的33转换成十进制为51,十六进制的32转换成十进制为50,十六进制的0f转换成十进制为15,十六进制的25转换成十进制为37,将十进制的数字拼接得到最终的学员卡号为:501151501537。
其他字段信息也按照约定协议进行解析,上述原始数据最终转换出的结果如下表:
步骤4、服务器进行使用通用的人脸图像“特征提取”比对,生成学员的学时记录;
服务器将收到的人脸现场图片和人脸原始图片进行比对,主要集中在定位眼球中心点和嘴巴中心点等两三个关键点上,将脸部特征点的纹理和位置关系约束来进行计算模型,确认是否为学员本人进行培训,如果是,则生成学员的学时记录,如果不是,则强制学员签退。如图3,是本发明实施例的一种服务器进行人脸比对生成学员的学时记录步骤流程图,具体处理逻辑如下:
学员进行签到后,每一个校验周期进行三张人脸现场图片和人脸原始图片的比对,若任意一张人脸现场图片比对成功,则当前时间减去签到时间记为本次累计学时,进入下一校验周期;若一个校验周期内三张人脸现场图片都比对失败,则进一步判断是否已经连续三个校验周期比对失败,若不是,则进入下一校验周期;若连续三个校验周期没有人脸现场图片和人脸原始图片比对成功,则学员摆拍四张人脸现场图片和人脸原始图片进行比对,若任一张摆拍人脸现场图片比对成功,则当前时间减去签到时间记为本次累计学时,进入下一校验周期,若四张人脸现场图片均比对失败,则累计学时不做处理,将学员强行签退;
重复执行上述步直至学员自行签退或被强制签退,生成本次累计学时记录。
这里的校验周期可以根据需要调整设置,设置间隔太长无法起到过程监控效果,设置过短又会造成系统处理负担过重,优选地,校验周期可以设置为2分钟,
下面,通过具体例子说明处理逻辑,这里每个校验周期均为2分钟。
实例1,用户正常签退情况:
学员签到后,第一个校验周期三张现场图片都比对失败,服务器判断没有连续三个周期比对失败,进入第二个校验周期;第二个校验周期三张现场图片都比对失败,服务器判断没有连续三个周期比对失败,进入第三个校验周期;第三个校验周期三张现场图片都比对失败,服务器判断已经连续三个周期比对失败,进入摆拍比对,用户摆拍四张照片进行比对,其中一张摆拍图片比对成功,这时候将当前时间减去签到时间,累计学时大于6分钟,进入第四个校验周期;第四个校验周期三张现场图片都比对失败,服务器判断没有连续三个周期比对失败,进入第五个校验周期;第五个校验周期内,有一张现场图片比对成功,则服务器将当前时间减去签到时间,累计学时大于10分钟;此时用户签退,本次学时大于10分钟。
实例2,用户被强制签退情况:
处理步骤 |
处理结果 |
累计学时(X分钟) |
第一校验周期 |
一张现场图片比对成功 |
0<X<2 |
第二校验周期 |
三张现场图片均比对失败 |
0<X<2 |
第三校验周期 |
一张现场图片比对成功 |
4<X<6 |
第四个校验周期 |
三张现场图片均比对失败 |
4<X<6 |
第五个校验周期 |
三张现场图片均比对失败 |
4<X<6 |
第六个校验周期 |
三张现场图片均比对失败 |
4<X<6 |
摆拍 |
四张摆拍图片均比对失败,强制签退 |
4<X<6 |
学员签到后,第一个校验周期有一张现场图片比对成功,服务器将当前时间减去签到时间,累计学时大于0分钟,进入第二个校验周期;第二个校验周期三张现场图片都比对失败,服务器判断没有连续三个周期比对失败,进入第三个校验周期;第三个校验周期有一张现场图片比对成功,服务器将当前时间减去签到时间,累计学时大于4分钟,进入第四个校验周期;第四个校验周期三张现场图片都比对失败,服务器判断没有连续三个周期比对失败,进入第五个校验周期;第五个校验周期三张现场图片都比对失败,服务器判断没有连续三个周期比对失败,进入第六个校验周期;第六个校验周期三张现场图片都比对失败,服务器判断已经连续三个周期比对失败,进入摆拍比对,用户摆拍四张照片进行比对,四张摆拍图片均比对失败,服务器强制签退,本次学时大于4分钟。
步骤5、服务器根据配置的规则对学时记录进行处理,计算最终有效学时;
如图4,是本发明实施例的一种服务器对学时记录进行处理计算最终有效学时步骤流程图,包括步骤:
步骤501、对学时数据检查校验规则进行配置;
例如,学时记录必须校验学时来源的教练是否有制卡记录、校验学员是否被禁用、校验教练是否被禁用、校验教练证是否过期、校验科目是否有效,这些规则都必须进行配置。
步骤502、根据重复数据规则对重复学时数据进行排重过滤;
为了避免由于学时数据存在重复记录的情况,而导致后续学时处理发生错误,必须对重复数据进行过滤。例如,通过车机id、上发日期、上发时间这三个字段信息可以唯一确定一条学时记录,如果存在多条学时记录的这三个字段信息相同,则只有第一条学时记录被认为有效,其他的记录都将被过滤掉。
步骤503、根据异常条件规则对异常学时数据进行过滤处理;
根据预定的异常规则条件,判断对应的学时数据是否异常,若异常则不参与后期的流程处理。如上发数据超过规定练习时间6:00-22:00,理论有效学时每天超过4小时,车辆不为本驾校,学员未制卡等都算异常学时。
步骤504、根据置零条件规则对学时数据进行置零操作处理;
当两条学时记录相互冲突的时候,需要根据预定规则判断哪条记录有效,哪条记录无效,这时候需要将无效记录的学时置为零,置零条件规则判断对应的学时是否进行置零操作,并给出置零的原因。例如,学员理论与实操练习出现交叉学时,将其另一科目学时置零。
步骤505、根据学时缩减规则对学时进行缩减处理。
根据预定的缩减规则条件,对上传的学时进行相应的缩减,例如,有按照人脸比对结果进行缩减、按照有效时间区间进行缩减、按照单次或单日的最大学时进行缩减等。其中,按照人脸比对结果进行缩减,是指取最后一张比对正确的照片的时间进行缩减。又如,按照当日只允许4小时学时的规则,超过学时将不计入有效学时。
如下所示,为一个完整的学时记录处理计算最终有效学时实施例,学时原始数据为:
学时记录1,由于时间超过规定的每日6:00-22:00,认为是异常数据,学时置为零;学时记录4,由于在相同的时间内和学时记录3产生冲突,并且属于不同的科目,根据规则学时被置为零;学时记录6,由于和学时记录5产生了时间交叉,被认为是异常数据,学时置为零;处理后的数据如下所示:
序号 |
学员ID |
记录日期 |
时间起 |
时间止 |
上传学时 |
科目 |
车辆ID |
备注 |
1 |
1 |
2015-10-24 |
05:33 |
06:01 |
0 |
002 |
1 |
置0 |
2 |
1 |
2015-10-24 |
11:10 |
11:30 |
20 |
002 |
1 |
|
3 |
1 |
2015-10-24 |
11:35 |
12:05 |
30 |
002 |
1 |
|
4 |
1 |
2015-10-24 |
11:30 |
12:00 |
0 |
001 |
|
置0 |
5 |
2 |
2015-10-15 |
09:30 |
09:45 |
15 |
002 |
2 |
|
6 |
2 |
2015-10-15 |
09:30 |
09:50 |
0 |
002 |
2 |
置0 |
7 |
1 |
2015-10-25 |
09:00 |
10:02 |
32 |
002 |
1 |
|
学时记录2,学时记录5,学时记录7按照人脸比对结果进行缩减,取最后一张比对正确的照片的时间对学时进行缩减修正,缩减修正后的最终数据如下所示:
序号 |
学员ID |
记录日期 |
时间起 |
时间止 |
上传学时 |
科目 |
车辆ID |
备注 |
1 |
1 |
2015-10-24 |
05:33 |
06:01 |
0 |
002 |
1 |
|
2 |
1 |
2015-10-24 |
11:10 |
11:30 |
18 |
002 |
1 |
人脸缩减 |
3 |
1 |
2015-10-24 |
11:35 |
12:05 |
30 |
002 |
1 |
|
4 |
1 |
2015-10-24 |
11:30 |
12:00 |
0 |
001 |
|
|
5 |
2 |
2015-10-15 |
09:30 |
09:45 |
12 |
002 |
2 |
人脸缩减 |
6 |
2 |
2015-10-15 |
09:30 |
09:50 |
0 |
002 |
2 |
|
7 |
1 |
2015-10-25 |
09:00 |
10:02 |
30 |
002 |
1 |
人脸缩减 |
步骤6、根据不同的查询条件对最终学时记录进行查询。
如图5,是本发明实施例的一种人脸识别的学时计算装置结构框架图,包括:
原始图片采集模块,用于学员注册时采集人脸原始图片;
现场数据采集模块,用于学员培训时定时采集现场数据信息,并上传给服务器;
数据预处理模块,用于服务器对现场数据信息进行预处理;
人脸比对模块,用于服务器进行人脸比对,生成学员的学时记录;
学时处理模块,用于服务器根据配置的规则对学时记录进行处理,计算最终有效学时。
学时查询模块,用于根据不同的查询条件对最终学时记录进行查询。
如图6,是本发明实施例的一种数据预处理模块结构框架图,包括:
备份单元,用于对原始数据报文进行存储备份;
解析单元,用于按照协议的数据格式将原始数据报文分割解析成多个数据字段;
转换单元,用于对数据字段进行转换表现形式;
存储单元,用于将转换后的数据存储到数据库。
如图7,是本发明实施例的一种人脸比对模块结构框架图,包括:
校验周期比对单元,用于每一个校验周期进行三张人脸现场图片的比对,若任意一张人脸现场图片和人脸原始图片比对成功,则当前时间减去签到时间记为本次累计学时,进入下一校验周期,若比对失败则直接进入下一校验周期;
摆拍比对单元,用于若连续三个校验周期没有人脸现场图片和人脸原始图片比对成功,则学员摆拍四张人脸现场图片和人脸原始图片进行比对,若任一张摆拍人脸现场图片比对成功,则当前时间减去签到时间记为本次累计学时,进入下一校验周期,若四张人脸现场图片均比对失败,则累计学时不做处理,将学员强行签退;
累计学时生成单元,用于重复执行步骤一和步骤二直至学员自行签退或被强制签退,生成本次累计学时记录。
如图8,是本发明实施例的一种学时处理模块结构框架图,包括:
规则配置单元,用于对学时数据检查校验规则进行配置;
重复过滤单元,用于根据重复数据规则对重复学时数据进行排重过滤;
异常过滤单元,用于根据异常条件规则对异常学时数据进行过滤处理;
学时置零单元,用于根据置零条件规则对学时数据进行置零操作处理;
学时缩减单元,用于根据学时缩减规则对学时进行缩减处理。
如图9,是本发明实施例的一种人脸识别的学时计算系统结构框架图,包括车载学时仪和服务器,车载学时仪和服务器通过无线网络连接,其中车载学时仪用于定时拍摄学员培训时的人脸现场图片,并将人脸现场图片和定位信息上传至服务器;服务器用于接收人脸现场图片和定位信息,进行数据预处理,然后进行人脸比对,生成学员的学时记录,最后根据配置的规则对学时记录进行处理,计算最终有效学时。