CN106856015B - 一种考勤方法及装置 - Google Patents
一种考勤方法及装置 Download PDFInfo
- Publication number
- CN106856015B CN106856015B CN201611187279.4A CN201611187279A CN106856015B CN 106856015 B CN106856015 B CN 106856015B CN 201611187279 A CN201611187279 A CN 201611187279A CN 106856015 B CN106856015 B CN 106856015B
- Authority
- CN
- China
- Prior art keywords
- user
- feature
- characteristic
- behavioural habits
- physiological
- 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.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
- G07C1/10—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people together with the recording, indicating or registering of other data, e.g. of signs of identity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
- G06Q10/1091—Recording time for administrative or management purposes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Operations Research (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Marketing (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供的一种考勤方法及装置,涉及电子信息技术领域。该方法包括:采集用户的行为习惯特征和生理特征,并记录采集到用户特征的初始时刻与最终时刻;将取得所述行为习惯特征进行数据分析,获得该用户的工作性质数据;根据该用户的工作性质数据,查找与工作性质数据相匹配的多个用户的基本特征;将该用户的行为习惯特征与所述生理特征分别与多个用户的基本特征进行特征匹配,根据匹配结果识别出用户身份信息;根据所述记录采集到用户特征的初始时刻与最终时刻,以及用户身份信息,获得考勤结果。使用该方法及装置的考勤过程中无需主动进行打卡操作,即可实现考勤目的,提高工作效率避免忘记打卡。
Description
技术领域
本发明涉及电子信息技术领域,具体而言,涉及一种考勤方法及装置。
背景技术
目前上班的考勤签到主要的方式有指纹识别、人脸识别、射频识别,射频识别(Radio Frequency Identification,RFID)等。指纹识别、人脸识别和射频识别都相当于是打卡进行签到,需要人为主动的进行打卡操作,当遇到上班时间点的时候往往造成排队打卡的现象,签到效率极为低下,无法快速的进行签到。偶尔还会出现因为打卡拥挤,排在后面的人在打卡时已经迟到。另外对于指纹识别和人脸识别来说,每次签到的识别率并不能保证100%的成功,所以更加的容易造成考勤签到的拥堵,严重的影响了签到效率,浪费上班时间。
发明内容
有鉴于此,本发明实施例的目的在于提供一种考勤方法,使用该方法能够改善或者避免上班时间点或下班时间点考勤时的排队签到的问题。
本发明实施例的另一目的在于提供一种应用上述考勤方法的一种考勤装置,该装置能够改善或避免上班时间点或下班时间点出现排队签到的问题。
本发明的实施例是这样实现的:
一种考勤方法,包括:在预定义时间段内采集用户的行为习惯特征和生理特征,并记录采集到用户特征的初始时刻与最终时刻;所述初始时刻对应上班开始时刻,所述最终时刻对应下班时刻;将所获取得所述行为习惯特征进行数据分析,获得该用户的工作性质数据;所述将所获取得所述行为习惯特征进行数据分析包括:分析所述行为习惯中的用户所使用的电脑软件和使用时间,分析所述行为习惯中的用户的工作动作以及工作场所,分析所述行为习惯中的用户的衣着服装;根据该用户的工作性质数据,查找预存储的与所述工作性质数据相匹配的多个用户的基本特征;每个所述工作性质数据对应用多个用户的基本特征,即以所述工作性质数据为索引,在该工作性质数据下保存有多个用户的所述基本特征;将该用户的所述行为习惯特征与所述生理特征分别与所述多个用户的基本特征进行特征匹配,根据匹配结果识别出用户身份信息;每个所述基本特征包括相关联的基本行为习惯特征和基本生理特征;根据所述记录采集到用户特征的初始时刻与最终时刻,以及用户身份信息,获得考勤结果。
优选地,所述将该用户的所述行为习惯特征与所述生理特征分别与所述多个用户的基本特征进行特征匹配,根据匹配结果识别出用户身份信息的步骤,具体包括:将用户的所述生理特征与基本生理特征进行特征匹配,得到与所述基本生理特征相匹配的多个所述基本行为习惯特征;将用户所述行为习惯特征和与所述基本生理特征相匹配的多个所述基本行为习惯特征进行特征匹配得到匹配结果,并根据匹配结果识别出用户身份信息。
优选地,所述将该用户的所述行为习惯特征与所述生理特征分别与所述多个用户的基本特征进行特征匹配,根据匹配结果识别出用户身份信息的步骤,具体包括:将用户的所述行为习惯特征与基本行为习惯特征进行特征匹配,得到与所述基本行为习惯特征相匹配的多个所述基本生理特征;将用户所述生理特征和与所述基本行为习惯特征相匹配的多个所述基本生理特征进行特征匹配得到匹配结果,并根据匹配结果识别出用户身份信息。
优选地,所述将该用户的所述行为习惯特征与所述生理特征分别与所述多个用户的基本特征进行特征匹配,根据匹配结果识别出用户身份信息的步骤,具体包括:将用户的所述行为习惯特征与所述基本行为习惯特征进行特征匹配,将用户的所述生理特征与所述基本生理特征进行特征匹配,获得匹配结果;将匹配结果为所述行为习惯特征与所述基本行为习惯特征,以及所述生理特征与所述基本生理特征同时匹配成功的对应的用户信息作为该用户的用户信息。
优选地,采集用户的行为习惯特征和生理特征的步骤之前,还包括:采集用户的用户身份信息,该用户的行为习惯特征以及该用户的生理特征,并将该用户的行为习惯特征以及该用户的生理特征作为基本特征进行保存,保存在与该用户对应的工作性质的为索引的目录下;将该用户的用户身份信息与该用户的基本特征相关联;包括将该用户的身份信息与该用户的基本行为习惯特征和用户的基本生理特征相关联。
优选地,采集用户的行为习惯特征和生理特征,包括:在所述上班开始时刻到第一时刻对用户进行所述行为习惯特征和所述生理特征采集;在所述第一时刻到第二时刻对用户进行所述行为习惯特征和所述生理特征的随机间断采集;在所述第二时刻到所述下班时刻对用户进行所述行为习惯特征和所述生理特征采集。
优选地,所述生理特征包括:身高、体重或性别至少一种。
一种考勤装置,包括:采集模块,用于在预定义时间段内采集用户的行为习惯特征和生理特征,并记录采集到用户特征的初始时刻与最终时刻;所述初始时刻对应上班开始时刻,所述最终时刻对应下班时刻;工作性质分析模块,用于将所获取得所述行为习惯特征进行数据分析,获得该用户的工作性质数据;所述将所获取得所述行为习惯特征进行数据分析包括:分析所述行为习惯中的用户所使用的电脑软件和使用时间,分析所述行为习惯中的用户的工作动作以及工作场所,分析所述行为习惯中的用户的衣着服装;特征查找模块,用于根据该用户的工作性质数据,查找预存储的与所述工作性质数据相匹配的多个用户的基本特征;每个所述工作性质数据对应用多个用户的基本特征,即以所述工作性质数据为索引,在该工作性质数据下保存有多个用户的所述基本特征;特征匹配模块,用于将该用户的所述行为习惯特征与所述生理特征分别与所述多个用户的基本特征进行特征匹配,根据匹配结果识别出用户身份信息;每个所述基本特征包括相关联的基本行为习惯特征和基本生理特征;考勤结果获取模块,用于根据所述记录采集到用户特征的初始时刻与最终时刻,以及用户身份信息,获得考勤结果。
优选地,特征匹配模块包括:第一匹配单元,用于将用户的所述生理特征与基本生理特征进行特征匹配,得到与所述基本生理特征相匹配的多个所述基本行为习惯特征;第二匹配单元,用于将用户所述行为习惯特征和与所述基本生理特征相匹配的多个所述基本行为习惯特征进行特征匹配得到匹配结果,并根据匹配结果识别出用户身份信息。
优选地,还包括:预采集模块,用于采集用户的用户身份信息,该用户的行为习惯特征以及该用户的生理特征,并将该用户的行为习惯特征以及该用户的生理特征作为基本特征进行保存,保存在与该用户对应的工作性质的为索引的目录下;关联模块,用于将该用户的用户身份信息与该用户的基本特征相关联;包括将该用户的身份信息与该用户的基本行为习惯特征和用户的基本生理特征相关联。
本发明实施例的一种考勤方法,该方法在上班的开始时刻和下班时刻以及两时刻之间的时间段内对用户进行行为习惯特征采集和生理特征采集,这样可根据上班时刻和下班时刻确定采集对象是否迟到或者早退。然后再对采集的用户的行为习惯数据进行大数据分析,例如将监测到的用户行为中的使用的电脑软件和和使用时间在数据库中进行匹配分析,在结合用户工作中的工作动作的分析,共同的确定该用户的工作性质数据,例如,确定该用户的工作性质是为市场销售部门的销售人员,或者是人力资源部门的人员,或者是财务部门的人员。定位了工作性质数据之后,对应查找该工作性质数据所对应的用户的基本特征。再将用户的行为习惯特征和生理特征与预存储的基本特征进行特征匹配,最后根据匹配结果识别出用户的身份信息,然后将用户的身份信息与该用户的上班时刻和下班时刻相结合起来即可得到正常上下班或者迟到或者早退的考勤结果,整个考勤过程无需主动的进行打卡,不会造成排队签到考勤的现象,节约时间。
本发明实施例还提供一种应用上述考勤方法的考勤装置,该考勤装置包括采集模块,使用该模块对用户进行行为习惯特征的采集,并且记录采集的初始时刻和最终时刻,以此可确定采集对象是否迟到或者早退。工作性质分析模块,将所述采集模块采集得到的行为习惯特征进行匹配得到用户的工作性质数据,以此缩小用户的特征匹配的范围。特征查找模块,用于查找出该工作性质数据下的多个基本特征。特征匹配模块,用于将用户的行为习惯特征和用户的生理特征与上述查找出的基本特征进行匹配,得到一个匹配结果,该匹配结果对应着唯一的一个用户的身份信息。最后使用考勤结果获取模块,根据用户的身份信息和采集该用户的特征的时候记录的初始时间和最终时间,得知该用户的考勤结果,如正常上班,上班迟到,上班早退等情况。使用该装置进行考勤,无需主动打卡签到,不会造成考勤打卡时的排队现象,节约时间。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明较佳实施例提供的考勤设备的方框示意图。
图2为本发明第一实施例提供的一种考勤方法的流程图。
图3为本发明第一实施例提供的一种考勤方法的步骤S14的具体流程图。
图4为本发明第一实施例提供的一种考勤方法中的工作性质数据、基本生理特征、基本行为习惯特征的存储关系图。
图5为本发明第二实施例提供的一种考勤方法的部分流程图。
图6为本发明第二实施例提供的一种考勤方法中的工作性质数据、基本生理特征、基本行为习惯特征的存储关系图。
图7为本发明第三实施例提供的一种考勤方法的部分流程图。
图8为本发明第三实施例提供的一种考勤方法中的工作性质数据、基本生理特征、基本行为习惯特征的存储关系图。
图9为本发明第四实施例提供的一种考勤方法的部分流程图。
图10为本发明第五实施例提供的一种考勤方法的部分流程图。
图11为本发明第六实施例提供的一种考勤装置的功能模块示意图。
图12为本发明第七实施例提供的一种考勤装置的功能模块示意图。
图标:10-考勤设备;100-考勤装置;200-考勤装置;101-存储器;102-存储控制器;103-处理器;104-外设接口;105-输入输出单元;106-音频单元;107-显示单元;201-预采集模块;202-关联模块;110-采集模块;120-工作性质分析模块;130-特征查找模块;140-特征匹配模块;150-考勤结果获取模块。
具体实施方式
下面将结合本发明实施例中附图,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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
如图1所示,是本发明实施例提供的一种考勤设备10的方框示意图。所述考勤设备10包括考勤装置、存储器101、存储控制器102、处理器103、外设接口104、输入输出单元105、音频单元106、显示单元107。
所述存储器101、存储控制器102、处理器103、外设接口104、输入输出单元105、音频单元106、显示单元107各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述考勤装置包括至少一个可以软件或固件(firmware)的形式存储于所述存储器101中或固化在所述考勤设备10的操作系统(operating system,OS)中的软件功能模块。所述处理器103用于执行存储器101中存储的可执行模块,例如所述考勤装置包括的软件功能模块或计算机程序。
其中,存储器101可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。其中,存储器101用于存储程序,所述处理器103在接收到执行指令后,执行所述程序,前述本发明实施例任一实施例揭示的流过程定义的服务器所执行的方法可以应用于处理器103中,或者由处理器103实现。
处理器103可能是一种集成电路芯片,具有信号的处理能力。上述的处理器103可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器103也可以是任何常规的处理器103等。
所述外设接口104将各种输入/输入装置耦合至处理器103以及存储器101。在一些实施例中,外设接口104,处理器103以及存储控制器102可以在单个芯片中实现。在其他一些实例中,他们可以分别由独立的芯片实现。
输入输出单元105用于提供给用户输入数据实现用户与所述服务器(或本地终端)的交互。所述输入输出单元105可以是,但不限于,鼠标和键盘等。
音频单元106向用户提供音频接口,其可包括一个或多个麦克风、一个或者多个扬声器以及音频电路。
显示单元107在所述服务器(或本地终端)与用户之间提供一个交互界面(例如用户操作界面)或用于显示图像数据给用户参考。在本实施例中,所述显示单元107可以是液晶显示器或触控显示器。若为触控显示器,其可为支持单点和多点触控操作的电容式触控屏或电阻式触控屏等。支持单点和多点触控操作是指触控显示器能感应到来自该触控显示器上一个或多个位置处同时产生的触控操作,并将该感应到的触控操作交由处理器103进行计算和处理。
第一实施例
请参阅图2,是本发明较佳实施例提供的应用于图1所示的考勤设备10的一种考勤方法的流程图。下面将对图2所示的具体流程进行详细阐述。
步骤S11,在预定义时间段内采集用户的行为习惯特征和生理特征,并记录采集到用户特征的初始时刻与最终时刻。
在该步骤S11中,所述初始时刻对应上班开始时刻,所述最终时刻对应下班时刻。所述预定义时间段内,即为对用户进行采集的时候,采集的时间是为分段进行的。所述的用户的行为习惯特征具体可以为,用户的行走姿态,用户的坐姿,用户的使用的电脑软件和使用某一软件的时长或者时间段,用户的工作场所,用户的工作动作,以及用户的打字习惯等,对上述的特征选取不作限制。生理特征具体的有,身高、体重、性别、声音特征、面部特征以及体型特征等,对上述的生理特征的选取不作限制。
优选地,本实施例中对采集用户的行为习惯特征的方式不作限制,具体提供实施方式如下。可以在公司或者办公区安装采集数据的摄像头可以此采集用户的行走姿态、用户的坐姿、性别、面部特征、衣着服装等。在过道或者门口安装使用红外传感装置,可用于采集用户的身高数据、用户的行走姿态和用户的坐姿等,另外还以安装压力传感器在地面或座椅上用于采集体重数据。对于电脑上的工作软件的使用数据采集,可以采用已知的监控软件进行用户的软件使用监控或者对电脑屏幕进行监控,例如使用WorkWin系列软件,以此可以得知用户在工作时间常用的软件数据,以及软件的使用时间以及使用时间段等。可以将使用上述方式采集到的行为习惯特征和生理特征转化为特征数据进行存储,以便于后续步骤的特征匹配等操作。
另外,作为优选的一种实施方式,用户的行为习惯特征和生理特征的采集应当同时进行,以保证采集的对象为同一个。
步骤S12,将所获取得所述行为习惯特征进行数据分析,获得该用户的工作性质数据。
在本实施例中,作为一种优选地实施方式,可选取用户的使用的电脑软件和使用时间,用户的工作动作和工作场所,以及用户的衣着服装,作为分析对象。所以,分析所述行为习惯中的用户所使用的电脑软件和使用时间,分析所述行为习惯中的用户的工作动作以及工作场所,分析所述行为习惯中的用户的衣着服装;可以由此确定用户的工作性质数据。例如,某一用户上班使用的软件为财务类的软件,以及做统计表类的软件,由此可以通过数据进行分析得到用户的工作性质数据为公司中财务部门的员工;继续分析使用财务软件中那些功能或者使用的哪一款软件,可以知道该员工是财务部门中的哪一类职位的员工。以此可以快速的缩小匹配范围。另外还可以根据衣着服装的分析确定员工的工作性质,来缩小匹配范围,例如,衣着正规严肃,西装革履的装着,有更大的可能是公司的市场部门人员。当然上述的分析方法应当相互结合共同确定用户的工作性质数据,以提高准率。
步骤S13,根据该用户的工作性质数据,查找预存储的与所述工作性质数据相匹配的多个用户的基本特征。
在该步骤S13中,每个所述工作性质数据对应用多个用户的基本特征,即以所述工作性质数据为索引,在该工作性质数据下保存有多个用户的所述基本特征。或者说,将工作性质数据分为不同的类别,每个类别下预存储有多个用户的基本特征。所述基本特征即为,预存储的用户的基本行为习惯特征和基本生理特征,其中每一个用户的基本行为习惯特征和基本生理特征相互关联。保证特征匹配的准确性。
步骤S14,将该用户的所述行为习惯特征与所述生理特征分别与所述多个用户的基本特征进行特征匹配,根据匹配结果识别出用户身份信息。需要说明的是,在步骤S14中,进行特征匹配,应当在每个采集时间段结束的时候进行。一个工作日的上班时间内可以进行多次特征匹配。来获取用户身份信息。以此可以确保该用户是否在职工作。
如图3所示,在该步骤S14中还具体包括:
步骤S141a:将用户的所述生理特征与基本生理特征进行特征匹配,得到与所述基本生理特征相匹配的多个所述基本行为习惯特征。即一个基本生理特征对应有一个或多个不同的基本行为习惯特征。
步骤S141b:将用户所述行为习惯特征和与所述基本生理特征相匹配的多个所述基本行为习惯特征进行特征匹配得到匹配结果,并根据匹配结果识别出用户身份信息。该身份信息与基本生理特征关联的一个基本行为习惯特征唯一匹配。
如图4所示,该图示出了上述匹配过程范围逐渐缩小的过程。图中示出了一工作性质数据1为索引的目录下面保存有基本生理特征1和基本生理特征2,作为有相同或者相近的基本生理特征1的下面保存有基本行为习惯特征1和基本行为习惯特征2,说明有两个用户的基本生理特征比较接近或相似,但最后对比基本行为习惯特征的时候是唯一对应一个用户身份信息的。而基本生理特征2下面只保存有基本行为习惯特征3。
步骤S15,根据所述记录采集到用户特征的初始时刻与最终时刻,以及用户身份信息,获得考勤结果。
步骤S15的考勤结果可以为正常上下班、上班迟到、早退或者旷工等。另外可以调整该考勤方法的特征采集的初始时间以及结束时间,就可以了解到该用户是否出现加班行为等。
第二实施例
请参照图5,与第一实施例不同的是,步骤S14中具体包括:
步骤S141b:将用户的所述行为习惯特征与基本行为习惯特征进行特征匹配,得到与所述基本行为习惯特征相匹配的多个所述基本生理特征。
步骤S142b:将用户所述生理特征和与所述基本行为习惯特征相匹配的多个所述基本生理特征进行特征匹配得到匹配结果,并根据匹配结果识别出用户身份信息。该行为习惯特征下面对应的每一个生理特征都唯一的对应一个用户身份信息。
如图6所示,该图示出了本实施中工作性质数据和基本行为习惯特征以及基本生理特征匹配过程的渐进关系。如图所示,工作性质数据1a为索引的目录下保存有基本行为习惯特征1a和基本行为习惯特征2a。其中基本行为习惯特征1a下面保存有基本生理特征1a和基本生理特征2a;基本行为习惯特征2a下面保存有基本生理特征3a。当匹配的时候,应当先对用户的行为习惯特征进行分析查找到工作性质数据,然后再在该工作性质数据下面所对应的基本行为习惯特征进行匹配,然后根据匹配结果再在该基本行为习惯特征下面的基本生理特征中进行匹配,最后得到唯一的匹配结果。即可得到用户的身份信息。以此可对用户的特征进行快速的匹配得到身份信息结果。
第三实施例
请参照图7,与第一实施例不同的是,步骤S14中具体包括:
步骤S141c:将用户的所述行为习惯特征与所述基本行为习惯特征进行特征匹配,将用户的所述生理特征与所述基本生理特征进行特征匹配,获得匹配结果。
步骤S142c:将匹配结果为所述行为习惯特征与所述基本行为习惯特征,以及所述生理特征与所述基本生理特征同时匹配成功的对应的用户信息作为该用户的用户信息。
如图8所示,该图示出了本实施例中进行特征匹配的时候,将同时进行基本行为习惯特征和基本生理特征的匹配。图8中,基本行为习惯特征1b和基本生理特征1b为一组特征数据;基本行为习惯特征2b和基本生理特征2b为一组特征数据,每组特征数据都对应一个唯一的用户身份信息。即每组特征数据中的基本行为习惯特征和行为习惯特征匹配成功,基本生理特征和生理特征匹配成功;同时匹配成功后才能够获得该组所对应的用户身份信息。
第四实施例
请参照图9,本实施例与第一实施例不同的是,在步骤S11之前还包括:
步骤S101,采集用户的用户身份信息,该用户的行为习惯特征以及该用户的生理特征,并将该用户的行为习惯特征以及该用户的生理特征作为基本特征进行保存,保存在与该用户对应的工作性质的为索引的目录下。
步骤S102,将该用户的用户身份信息与该用户的基本特征相关联;包括将该用户的身份信息与该用户的基本行为习惯特征和用户的基本生理特征相关联。
在本实施例中,可根据具体的特征匹配方式,采用如图4、图6或图8的三类特征匹配方式进行保存。图4对应的保存方式,对应的工作性质数据下保存基本生理特征,基本生理特征下保存基本行为习惯特征;图6对应的保存方式,对应的工作性质数据下保存基本行为习惯特征,基本行为习惯特征下保存基本生理特征。图8对应的保存方式,对应的工作性质数据下将每个用户的基本行为习惯特征和基本生理特征以组的方式进行共同保存。
第五实施例
请参照10,本实施例中与第一实施例不同的是,步骤S11中还包括:
步骤S111,在所述上班开始时刻到第一时刻对用户进行所述行为习惯特征和所述生理特征采集。
步骤S112:在所述第一时刻到第二时刻对用户进行所述行为习惯特征和所述生理特征的随机间断采集。每个间断采集都为预定义的时间段,该时间段可自由设定,可以相同或者不同。
步骤S113:在所述第二时刻到所述下班时刻对用户进行所述行为习惯特征和所述生理特征采集。每个采集的时间段都为所述预定义时间段。每个时间段的采集完成后,都应该进行一次特征匹配获得该用户的身份信息。
综上所述,本发明实施例提供的一种考勤方法,本发明实施例的一种考勤方法,该方法在上班的开始时刻和下班时刻以及两时刻之间的时间段内对用户进行行为习惯特征采集和生理特征采集,这样可根据上班时刻和下班时刻确定采集对象是否迟到或者早退。然后再对采集的用户的行为习惯数据进行大数据分析,例如将监测到的用户行为中的使用的电脑软件和和使用时间在数据库中进行匹配分析,在结合用户工作中的工作动作的分析,共同的确定该用户的工作性质数据,例如,确定该用户的工作性质是为市场销售部门的销售人员,或者是人力资源部门的人员,或者是财务部门的人员。定位了工作性质数据之后,对应查找该工作性质数据所对应的用户的基本特征。再将用户的行为习惯特征和生理特征与预存储的基本特征进行特征匹配,最后根据匹配结果识别出用户的身份信息,然后将用户的身份信息与该用户的上班时刻和下班时刻相结合起来即可得到正常上下班或者迟到或者早退的考勤结果,整个考勤过程无需主动的进行打卡,不会造成排队签到考勤的现象,节约时间。
第六实施例
请参照图11,本发明实施例还提供一种考勤装置100,具体包括:
采集模块110,用于在预定义时间段内采集用户的行为习惯特征和生理特征,并记录采集到用户特征的初始时刻与最终时刻;所述初始时刻对应上班开始时刻,所述最终时刻对应下班时刻。
工作性质分析模块120,用于将所获取得所述行为习惯特征进行数据分析,获得该用户的工作性质数据;所述将所获取得所述行为习惯特征进行数据分析包括:分析所述行为习惯中的用户所使用的电脑软件和使用时间,分析所述行为习惯中的用户的工作动作以及工作场所,分析所述行为习惯中的用户的衣着服装。
特征查找模块130,用于根据该用户的工作性质数据,查找预存储的与所述工作性质数据相匹配的多个用户的基本特征;每个所述工作性质数据对应用多个用户的基本特征,即以所述工作性质数据为索引,在该工作性质数据下保存有多个用户的所述基本特征。
特征匹配模块140,用于将该用户的所述行为习惯特征与所述生理特征分别与所述多个用户的基本特征进行特征匹配,根据匹配结果识别出用户身份信息;每个所述基本特征包括相关联的基本行为习惯特征和基本生理特征。
该特征匹配模块140中还包括:
第一匹配单元,用于将用户的所述生理特征与基本生理特征进行特征匹配,得到与所述基本生理特征相匹配的多个所述基本行为习惯特征。
第二匹配单元,用于将用户所述行为习惯特征和与所述基本生理特征相匹配的多个所述基本行为习惯特征进行特征匹配得到匹配结果,并根据匹配结果识别出用户身份信息。
考勤结果获取模块150,用于根据所述记录采集到用户特征的初始时刻与最终时刻,以及用户身份信息,获得考勤结果。
第七实施例
请参照图12,本发明实施例还提供一种考勤装置200,与第六实施例不同的是,该考勤装置200还包括:
预采集模块201,用于采集用户的用户身份信息,该用户的行为习惯特征以及该用户的生理特征,并将该用户的行为习惯特征以及该用户的生理特征作为基本特征进行保存,保存在与该用户对应的工作性质的为索引的目录下。
关联模块202,用于将该用户的用户身份信息与该用户的基本特征相关联;包括将该用户的身份信息与该用户的基本行为习惯特征和用户的基本生理特征相关联。
本发明实施例提供的一种应用上述考勤方法的考勤装置,该考勤装置包括采集模块,使用该模块对用户进行行为习惯特征的采集,并且记录采集的初始时刻和最终时刻,以此可确定采集对象是否迟到或者早退。工作性质分析模块,将所述采集模块采集得到的行为习惯特征进行匹配得到用户的工作性质数据,以此缩小用户的特征匹配的范围。特征查找模块,用于查找出该工作性质数据下的多个基本特征。特征匹配模块,用于将用户的行为习惯特征和用户的生理特征与上述查找出的基本特征进行匹配,得到一个匹配结果,该匹配结果对应着唯一的一个用户的身份信息。最后使用考勤结果获取模块,根据用户的身份信息和采集该用户的特征的时候记录的初始时间和最终时间,得知该用户的考勤结果,如正常上班,上班迟到,上班早退等情况。使用该装置进行考勤,无需主动打卡签到,不会造成考勤打卡时的排队现象,节约时间。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块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(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (9)
1.一种考勤方法,其特征在于,包括:
在预定义时间段内采集用户的行为习惯特征和生理特征,并记录采集到用户特征的初始时刻与最终时刻;所述初始时刻对应上班开始时刻,所述最终时刻对应下班时刻;
采集用户的行为习惯特征和生理特征,包括:
在所述上班开始时刻到第一时刻对用户进行所述行为习惯特征和所述生理特征采集;
在所述第一时刻到第二时刻对用户进行所述行为习惯特征和所述生理特征的随机间断采集;
在所述第二时刻到所述下班时刻对用户进行所述行为习惯特征和所述生理特征采集;每个采集的时间段都为所述预定义时间段;
将所获取的所述行为习惯特征进行数据分析,获得该用户的工作性质数据;所述将所获取的所述行为习惯特征进行数据分析包括:分析所述行为习惯特征中的用户所使用的电脑软件和使用时间,分析所述行为习惯特征中的用户的工作动作以及工作场所,分析所述行为习惯特征中的用户的衣着服装;
根据该用户的工作性质数据,查找预存储的与所述工作性质数据相匹配的多个用户的基本特征;每个所述工作性质数据对应多个用户的基本特征,即以所述工作性质数据为索引,在该工作性质数据下保存有多个用户的所述基本特征;
将该用户的所述行为习惯特征与所述生理特征分别与所述多个用户的基本特征进行特征匹配,根据匹配结果识别出用户身份信息;每个所述基本特征包括相关联的基本行为习惯特征和基本生理特征;
根据所述记录采集到用户特征的初始时刻与最终时刻,以及用户身份信息,获得考勤结果。
2.根据权利要求1所述的方法,其特征在于,所述将该用户的所述行为习惯特征与所述生理特征分别与所述多个用户的基本特征进行特征匹配,根据匹配结果识别出用户身份信息的步骤,具体包括:
将用户的所述生理特征与基本生理特征进行特征匹配,得到与所述基本生理特征相匹配的多个所述基本行为习惯特征;
将用户所述行为习惯特征和与所述基本生理特征相匹配的多个所述基本行为习惯特征进行特征匹配得到匹配结果,并根据匹配结果识别出用户身份信息。
3.根据权利要求1所述的方法,其特征在于,所述将该用户的所述行为习惯特征与所述生理特征分别与所述多个用户的基本特征进行特征匹配,根据匹配结果识别出用户身份信息的步骤,具体包括:
将用户的所述行为习惯特征与基本行为习惯特征进行特征匹配,得到与所述基本行为习惯特征相匹配的多个所述基本生理特征;
将用户所述生理特征和与所述基本行为习惯特征相匹配的多个所述基本生理特征进行特征匹配得到匹配结果,并根据匹配结果识别出用户身份信息。
4.根据权利要求1所述的方法,其特征在于,所述将该用户的所述行为习惯特征与所述生理特征分别与所述多个用户的基本特征进行特征匹配,根据匹配结果识别出用户身份信息的步骤,具体包括:
将用户的所述行为习惯特征与所述基本行为习惯特征进行特征匹配,将用户的所述生理特征与所述基本生理特征进行特征匹配,获得匹配结果;
将匹配结果为所述行为习惯特征与所述基本行为习惯特征,以及所述生理特征与所述基本生理特征同时匹配成功的对应的用户信息作为该用户的用户身份信息。
5.根据权利要求1所述的方法,其特征在于,采集用户的行为习惯特征和生理特征的步骤之前,还包括:
采集用户的用户身份信息,该用户的行为习惯特征以及该用户的生理特征,并将该用户的行为习惯特征以及该用户的生理特征作为基本特征进行保存,保存在与该用户对应的工作性质的为索引的目录下;
将该用户的用户身份信息与该用户的基本特征相关联;包括将该用户的身份信息与该用户的基本行为习惯特征和用户的基本生理特征相关联。
6.根据权利要求1所述的方法,其特征在于,所述生理特征包括:身高、体重、性别和声音特征至少一种。
7.一种考勤装置,其特征在于,包括:
采集模块,用于在预定义时间段内采集用户的行为习惯特征和生理特征,并记录采集到用户特征的初始时刻与最终时刻;所述初始时刻对应上班开始时刻,所述最终时刻对应下班时刻;
工作性质分析模块,用于将所获取的所述行为习惯特征进行数据分析,获得该用户的工作性质数据;所述将所获取的所述行为习惯特征进行数据分析包括:分析所述行为习惯特征中的用户所使用的电脑软件和使用时间,分析所述行为习惯特征中的用户的工作动作以及工作场所,分析所述行为习惯特征中的用户的衣着服装;
特征查找模块,用于根据该用户的工作性质数据,查找预存储的与所述工作性质数据相匹配的多个用户的基本特征;每个所述工作性质数据对应多个用户的基本特征,即以所述工作性质数据为索引,在该工作性质数据下保存有多个用户的所述基本特征;
特征匹配模块,用于将该用户的所述行为习惯特征与所述生理特征分别与所述多个用户的基本特征进行特征匹配,根据匹配结果识别出用户身份信息;每个所述基本特征包括相关联的基本行为习惯特征和基本生理特征;
考勤结果获取模块,用于根据所述记录采集到用户特征的初始时刻与最终时刻,以及用户身份信息,获得考勤结果。
8.根据权利要求7所述的装置,其特征在于,特征匹配模块包括:
第一匹配单元,用于将用户的所述生理特征与基本生理特征进行特征匹配,得到与所述基本生理特征相匹配的多个所述基本行为习惯特征;
第二匹配单元,用于将用户所述行为习惯特征和与所述基本生理特征相匹配的多个所述基本行为习惯特征进行特征匹配得到匹配结果,并根据匹配结果识别出用户身份信息。
9.根据权利要求7所述的装置,其特征在于,还包括:
预采集模块,用于采集用户的用户身份信息,该用户的行为习惯特征以及该用户的生理特征,并将该用户的行为习惯特征以及该用户的生理特征作为基本特征进行保存,保存在与该用户对应的工作性质的为索引的目录下;
关联模块,用于将该用户的用户身份信息与该用户的基本特征相关联;包括将该用户的身份信息与该用户的基本行为习惯特征和用户的基本生理特征相关联。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611187279.4A CN106856015B (zh) | 2016-12-20 | 2016-12-20 | 一种考勤方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611187279.4A CN106856015B (zh) | 2016-12-20 | 2016-12-20 | 一种考勤方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106856015A CN106856015A (zh) | 2017-06-16 |
CN106856015B true CN106856015B (zh) | 2019-08-16 |
Family
ID=59126280
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611187279.4A Expired - Fee Related CN106856015B (zh) | 2016-12-20 | 2016-12-20 | 一种考勤方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106856015B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107992903A (zh) * | 2017-09-20 | 2018-05-04 | 翔创科技(北京)有限公司 | 牲畜身份识别方法、装置、存储介质和电子设备 |
CN107680188A (zh) * | 2017-09-30 | 2018-02-09 | 四川民工加网络科技有限公司 | 一种建筑工地基于图像识别的考勤登记方法及系统 |
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 |
CN108230478A (zh) * | 2018-02-08 | 2018-06-29 | 宁夏翔羚科技有限公司 | 点名方法、装置、电子设备及存储介质 |
CN109344722B (zh) * | 2018-09-04 | 2020-03-24 | 阿里巴巴集团控股有限公司 | 一种用户身份确定方法、装置及电子设备 |
CN109214689A (zh) * | 2018-09-13 | 2019-01-15 | 国网重庆市电力公司电力科学研究院 | 一种机房人员管理系统 |
CN109657624A (zh) * | 2018-12-21 | 2019-04-19 | 秒针信息技术有限公司 | 目标对象的监控方法、装置和系统 |
CN109829418B (zh) * | 2019-01-28 | 2021-01-05 | 北京影谱科技股份有限公司 | 一种基于背影特征的打卡方法、装置和系统 |
CN110490106B (zh) * | 2019-08-06 | 2022-05-03 | 万翼科技有限公司 | 信息管理方法及相关设备 |
CN110648415A (zh) * | 2019-08-23 | 2020-01-03 | 上海科技发展有限公司 | 自动识别考勤方法、自动识别考勤系统、电子装置及介质 |
CN110942282A (zh) * | 2019-11-18 | 2020-03-31 | 深圳春沐源控股有限公司 | 一种考勤管理方法、服务器及计算机可读存储介质 |
CN113076455A (zh) * | 2021-03-09 | 2021-07-06 | 上海明略人工智能(集团)有限公司 | 结合线下打卡数据的打卡方法、系统、设备及存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1838181A (zh) * | 2006-04-18 | 2006-09-27 | 佛山市智精电子技术工程有限公司 | 一种身份证/指纹识别考勤及门禁/人事管理系统 |
CN103530540B (zh) * | 2013-09-27 | 2017-02-22 | 西安交通大学 | 基于人机交互行为特征的用户身份属性检测方法 |
CN104867197A (zh) * | 2014-02-26 | 2015-08-26 | 新人类资讯科技股份有限公司 | 到班打卡的方法及其系统 |
CN105184879B (zh) * | 2015-04-30 | 2018-02-13 | 北京天诚盛业科技有限公司 | 生物识别考勤的方法、装置和系统 |
-
2016
- 2016-12-20 CN CN201611187279.4A patent/CN106856015B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN106856015A (zh) | 2017-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106856015B (zh) | 一种考勤方法及装置 | |
US9384420B2 (en) | Classifying user activities using eye fixation clustering, fixation features, and regions of interest | |
US11023533B2 (en) | Node task data display method and apparatus, storage medium and computer equipment | |
Mason et al. | An investigation of biometric authentication in the healthcare environment | |
US20170364737A1 (en) | Grouping and ranking images based on facial recognition data | |
CN108011928A (zh) | 一种信息推送方法、终端设备及计算机可读介质 | |
KR20210036184A (ko) | 사용자 취향정보 파악 방법 및 사용자 취향 정보에 기반한 아이템 추천 모듈 | |
CN108335317A (zh) | 一种线下导购方法及装置 | |
US20190043035A1 (en) | Systems and methods for clustering of customers using transaction patterns | |
WO2017157080A1 (zh) | 保护隐私的显示方法和装置 | |
EP2879072A1 (en) | Biometric information registration device and method | |
CN107679737A (zh) | 项目推荐的方法及装置 | |
CN112614578A (zh) | 医生智能推荐方法、装置、电子设备及存储介质 | |
US20130091145A1 (en) | Method and apparatus for analyzing web trends based on issue template extraction | |
CN108197980A (zh) | 个性化购物者的肖像生成方法/系统、存储介质及终端 | |
CN108460363A (zh) | 监控考勤方法、装置及系统 | |
Eldib et al. | Discovering activity patterns in office environment using a network of low-resolution visual sensors | |
JPWO2013157603A1 (ja) | 検索クエリ分析装置、検索クエリ分析方法、及びプログラム | |
CN111047336A (zh) | 用户标签推送、用户标签展示方法、装置和计算机设备 | |
CN106683025A (zh) | 老人服务推荐的方法及装置 | |
CN113298100A (zh) | 一种数据清洗的方法、自助设备及存储介质 | |
CN110689375A (zh) | 一种基于便携式设备的信息交互方法、系统、设备和介质 | |
CN111797077A (zh) | 数据清洗方法、装置、存储介质及电子设备 | |
CN105447050B (zh) | 客户分类的处理方法和装置 | |
CN110689374B (zh) | 一种商品导购管理方法、系统、介质和设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190816 Termination date: 20191220 |