CN106910258A - 智能动态人脸识别考勤记录管理系统 - Google Patents

Abstract

本发明涉及一种智能动态人脸识别考勤记录管理系统，包括实时时钟、考勤录入设备和人脸识别设备，人脸识别设备用于对访问人员的高清脸部图像进行脸部识别以确定是否为授权用户，考勤录入设备分别与实时时钟和人脸识别设备，用于基于实时时钟的输出和人脸识别设备的输出实现对考勤记录的录入。通过本发明，能够提高考勤记录录入的智能化水准。

Description

智能动态人脸识别考勤记录管理系统

技术领域

本发明涉及考勤记录领域，尤其涉及一种智能动态人脸识别考勤记录管理系统。

背景技术

考勤，顾名思义，就是考查出勤，也是就通过某种方式来获得员工或者某些团体、个人在某个特定的场所及特定的时间段内的出勤情况，包括上下班、迟到、早退、病假、婚假、丧假、公休、工作时间、加班情况等。通过对以前阶段，本阶段内出勤情况的研究，进行以后阶段的统筹、安排等。

对员工的考勤和考核是企业人力资源管理中的一项重要内容，过去对员工的考勤考核制度往往过于教条化，把员工当作机器一样对待缺乏人情味，而现代公司注重人本管理，其考核制度的目的是使员工融入公司融入团队之中从而创造更大的效益。考勤是为维护企业的正常工作秩序，提高办事效率，严肃企业纪律，使员工自觉遵守工作时间和劳动纪律。接前者的定义是能严谨、明晰地来定位考勤，让他能成为严格的规定，和一种制度体系来衡量考勤的标准。

早期的考勤通常就是用笔在记录簿上签个名字，由于代替的现象时有出现，通常使用门禁刷卡来做考勤。有些公司有公司独立的ERP办公系统，也有考勤管理制度。比指纹考勤机更方便，更严格。考勤方式发展从人工手动签到至打卡机、磁卡打卡、指纹打卡。

现有的考勤记录管理方案自动化水平不高，仍需要过多的被考勤人员的人工参与，考勤效率低下，尤其在上下班高峰期，容易导致考勤系统崩溃，同时，考勤精度不高，有时需要被考勤人员多次尝试才能完成考勤操作。因此，需要一种新的考勤记录管理方案。

发明内容

为了解决上述问题，本发明提供了一种智能动态人脸识别考勤记录管理系统，改造现有技术中考勤记录管理系统，引入高精度人脸识别设备和大容量通信设备完成考勤记录的记录和管理，从而提高了考勤记录管理系统的自动化水平。

根据本发明的一方面，提供了一种智能动态人脸识别考勤记录管理系统，所述系统包括实时时钟、考勤录入设备和人脸识别设备，人脸识别设备用于对访问人员的高清脸部图像进行脸部识别以确定是否为授权用户，考勤录入设备分别与实时时钟和人脸识别设备，用于基于实时时钟的输出和人脸识别设备的输出实现对考勤记录的录入。

更具体地，在所述智能动态人脸识别考勤记录管理系统中，包括：实时时钟，用于提供当前时间信息；考勤录入设备，分别与实时时钟和特征向量比较子设备连接，用于在接收到人脸识别成功信号以及与匹配到的基准特征向量对应的授权用户名称时，将当前时间信息以及与匹配到的基准特征向量对应的授权用户名称作为一条考勤记录录入到考勤录入设备内置的FLASH存储器内；数据上传设备，与考勤录入设备连接，用于定时读取考勤录入设备内置的FLASH存储器内各条考勤记录，并将读取到的各条考勤记录无线上传到远端的考勤服务器处；高清摄像头，设置在考勤录入设备上，用于对访问人员进行脸部数据采集，以获得并输出高清脸部图像；对比度增强设备，与高清摄像头连接，用于接收高清脸部图像，并对高清脸部图像进行对比度增强处理以获得增强脸部图像；灰度化处理设备，与对比度增强设备连接，用于接收增强脸部图像，并对增强脸部图像进行灰度化处理以获得灰度化图像；光线调整设备，与灰度化处理设备连接，用于接收灰度化图像，基于灰度化图像中各个像素的灰度值确定灰度化图像的平均亮度，并将灰度化图像的平均亮度与预设亮度进行比较，当灰度化图像的平均亮度大于等于预设亮度，对灰度化图像进行亮度降低调整以获得光线调整图像，当灰度化图像的平均亮度小于预设亮度，对灰度化图像进行亮度提升调整以获得光线调整图像；自适应递归滤波处理设备，与光线调整设备连接，用于接收光线调整图像，并对光线调整图像执行自适应递归滤波处理以获得滤波图像；特征提取设备，与IP解包设备连接，还与自适应递归滤波处理设备连接以对接收到的滤波图像进行处理；特征提取设备包括复杂度检测子设备、像素处理子设备、矩阵转换子设备、特征向量获取子设备和特征向量比较子设备；复杂度检测子设备与自适应递归滤波处理设备连接，用于计算滤波图像的复杂度，基于滤波图像的复杂度选择像素矩阵的大小，滤波图像的复杂度越高，选择的像素矩阵越大；像素处理子设备分别与复杂度检测子设备和自适应递归滤波处理设备连接，用于接收滤波图像，针对滤波图像的每一个像素作为对象像素执行以下处理：将对象像素作为复杂度检测子设备确定的像素矩阵的中心像素在滤波图像中获取对象像素矩阵，对象像素矩阵的大小与复杂度检测子设备确定的像素矩阵的大小相同，将对象像素矩阵内除了对象像素之外的每一个像素作为参考像素与对象像素进行比较，以获得二值化矩阵，二值化矩阵的大小与对象像素矩阵的大小相同，二值化矩阵由多个参考像素分别对应的多个二值化像素组成，参考像素大于等于对象像素，则参考像素对应的二值化像素的像素值为1，参考像素小于对象像素，则参考像素对应的二值化像素的像素值为0；矩阵转换子设备与像素处理子设备连接，用于将每一个对象像素对应的二值化矩阵转换成目标十进制数，具体转换操作为：将每一个对象像素对应的二值化矩阵的所有二值化像素值按其在二值化矩阵中的位置以先左后右再先上后下的顺序组成一个二进制数作为目标二进制数，再将目标二进制数转化成十进制数以作为目标十进制数；特征向量获取子设备分别与自适应递归滤波处理设备和矩阵转换子设备连接，用于将滤波图像中每一个对象像素的像素值替换成该对象像素对应的目标十进制数并按照对象像素在滤波图像中的位置将所有对象像素对应的目标十进制数组成一维特征向量，作为目标特征向量输出；特征向量比较子设备分别与特征向量获取子设备和IP解包设备连接，用于将目标特征向量分别与各个基准特征向量进行匹配，匹配成功则输出人脸识别成功信号以及与匹配到的基准特征向量对应的授权用户名称，匹配失败则输出人脸识别失败信号；IP解包设备，用于与远程的数据服务器网络连接，通过网络接收来自数据服务器处的IP数据包，并对IP数据包解包以获得6LowPAN数据包；其中，IP数据包是对6LowPAN数据包进行打IP包后而获得的数据包，6LowPAN数据包中的负载包括数据服务器处的各个基准特征向量，6LowPAN数据包中的头部是压缩数据，解压后的6LowPAN数据包中的头部用于对6LowPAN数据包中的负载进行解析；其中，每一个基准特征向量为对相应授权用户基准面部图像预先进行与特征提取设备相同操作的特征向量提取而获得的向量；边缘传感设备，与IP解包设备连接，用于接收IP解包设备输出的6LowPAN数据包，获得呈现为压缩数据的6LowPAN数据包的头部，对6LowPAN数据包的头部解压以获得解压后的6LowPAN数据包中的头部；6LowPAN解包设备，与边缘传感设备连接，用于接收6LowPAN数据包以获取6LowPAN数据包中的负载，并基于解压后的6LowPAN数据包中的头部对6LowPAN数据包中的负载进行解析，以获得各个基准特征向量。

更具体地，在所述智能动态人脸识别考勤记录管理系统中:数据上传设备包括无线通信接口，与高清摄像头连接，用于无线发送高清摄像头输出的图像内容。

更具体地，在所述智能动态人脸识别考勤记录管理系统中：无线通信接口包括压缩编码器件，用于对高清摄像头输出的图像内容进行MPEG-4标准压缩以获得压缩图像。

更具体地，在所述智能动态人脸识别考勤记录管理系统中：无线通信接口包括多指标编码器件，与压缩编码器件连接，用于对压缩图像进行多指标编码以获得信道编码数据。

更具体地，在所述智能动态人脸识别考勤记录管理系统中:无线通信接口包括频分双工通信设备。

更具体地，在所述智能动态人脸识别考勤记录管理系统中:无线通信接口包括时分双工通信设备。

更具体地，在所述智能动态人脸识别考勤记录管理系统中:无线通信接口包括GPRS接收器、GPRS发送器和AT89C51单片机，AT89C51单片机分别与GPRS接收器和GPRS发送器连接。

附图说明

以下将结合附图对本发明的实施方案进行描述，其中：

图1为根据本发明实施方案示出的智能动态人脸识别考勤记录管理系统的结构方框图。

附图标记：1实时时钟；2考勤录入设备；3人脸识别设备

具体实施方式

下面将参照附图对本发明的智能动态人脸识别考勤记录管理系统的实施方案进行详细说明。

目前，现有的考勤记录管理系统的考勤工作原理较为落后，考勤速度不高且考勤可靠性差，例如，对于一些指纹考勤的考勤机，往往需要被考勤人员多次将指纹按压到考勤区域才能完成一次考勤操作。

为了克服上述不足，本发明搭建了一种智能动态人脸识别考勤记录管理系统，引入图像识别技术和大容量网络通信技术来实现被考勤人员的面部特征匹配乃至被考勤人员的合法性，从而能够快速进行考勤记录，杜绝非法人员进入办公区域。

图1为根据本发明实施方案示出的智能动态人脸识别考勤记录管理系统的结构方框图，所述系统包括实时时钟、考勤录入设备和人脸识别设备，人脸识别设备用于对访问人员的高清脸部图像进行脸部识别以确定是否为授权用户，考勤录入设备分别与实时时钟和人脸识别设备，用于基于实时时钟的输出和人脸识别设备的输出实现对考勤记录的录入。

接着，继续对本发明的智能动态人脸识别考勤记录管理系统的具体结构进行进一步的说明。

所述系统包括：实时时钟，用于提供当前时间信息；考勤录入设备，分别与实时时钟和特征向量比较子设备连接，用于在接收到人脸识别成功信号以及与匹配到的基准特征向量对应的授权用户名称时，将当前时间信息以及与匹配到的基准特征向量对应的授权用户名称作为一条考勤记录录入到考勤录入设备内置的FLASH存储器内。

所述系统包括：数据上传设备，与考勤录入设备连接，用于定时读取考勤录入设备内置的FLASH存储器内各条考勤记录，并将读取到的各条考勤记录无线上传到远端的考勤服务器处。

所述系统包括：高清摄像头，设置在考勤录入设备上，用于对访问人员进行脸部数据采集，以获得并输出高清脸部图像；对比度增强设备，与高清摄像头连接，用于接收高清脸部图像，并对高清脸部图像进行对比度增强处理以获得增强脸部图像。

所述系统包括：灰度化处理设备，与对比度增强设备连接，用于接收增强脸部图像，并对增强脸部图像进行灰度化处理以获得灰度化图像。

所述系统包括：光线调整设备，与灰度化处理设备连接，用于接收灰度化图像，基于灰度化图像中各个像素的灰度值确定灰度化图像的平均亮度，并将灰度化图像的平均亮度与预设亮度进行比较，当灰度化图像的平均亮度大于等于预设亮度，对灰度化图像进行亮度降低调整以获得光线调整图像，当灰度化图像的平均亮度小于预设亮度，对灰度化图像进行亮度提升调整以获得光线调整图像。

所述系统包括：自适应递归滤波处理设备，与光线调整设备连接，用于接收光线调整图像，并对光线调整图像执行自适应递归滤波处理以获得滤波图像。

所述系统包括：特征提取设备，与IP解包设备连接，还与自适应递归滤波处理设备连接以对接收到的滤波图像进行处理；特征提取设备包括复杂度检测子设备、像素处理子设备、矩阵转换子设备、特征向量获取子设备和特征向量比较子设备；复杂度检测子设备与自适应递归滤波处理设备连接，用于计算滤波图像的复杂度，基于滤波图像的复杂度选择像素矩阵的大小，滤波图像的复杂度越高，选择的像素矩阵越大；像素处理子设备分别与复杂度检测子设备和自适应递归滤波处理设备连接，用于接收滤波图像，针对滤波图像的每一个像素作为对象像素执行以下处理：将对象像素作为复杂度检测子设备确定的像素矩阵的中心像素在滤波图像中获取对象像素矩阵，对象像素矩阵的大小与复杂度检测子设备确定的像素矩阵的大小相同，将对象像素矩阵内除了对象像素之外的每一个像素作为参考像素与对象像素进行比较，以获得二值化矩阵，二值化矩阵的大小与对象像素矩阵的大小相同，二值化矩阵由多个参考像素分别对应的多个二值化像素组成，参考像素大于等于对象像素，则参考像素对应的二值化像素的像素值为1，参考像素小于对象像素，则参考像素对应的二值化像素的像素值为0；矩阵转换子设备与像素处理子设备连接，用于将每一个对象像素对应的二值化矩阵转换成目标十进制数，具体转换操作为：将每一个对象像素对应的二值化矩阵的所有二值化像素值按其在二值化矩阵中的位置以先左后右再先上后下的顺序组成一个二进制数作为目标二进制数，再将目标二进制数转化成十进制数以作为目标十进制数；特征向量获取子设备分别与自适应递归滤波处理设备和矩阵转换子设备连接，用于将滤波图像中每一个对象像素的像素值替换成该对象像素对应的目标十进制数并按照对象像素在滤波图像中的位置将所有对象像素对应的目标十进制数组成一维特征向量，作为目标特征向量输出；特征向量比较子设备分别与特征向量获取子设备和IP解包设备连接，用于将目标特征向量分别与各个基准特征向量进行匹配，匹配成功则输出人脸识别成功信号以及与匹配到的基准特征向量对应的授权用户名称，匹配失败则输出人脸识别失败信号。

所述系统包括：IP解包设备，用于与远程的数据服务器网络连接，通过网络接收来自数据服务器处的IP数据包，并对IP数据包解包以获得6LowPAN数据包；其中，IP数据包是对6LowPAN数据包进行打IP包后而获得的数据包，6LowPAN数据包中的负载包括数据服务器处的各个基准特征向量，6LowPAN数据包中的头部是压缩数据，解压后的6LowPAN数据包中的头部用于对6LowPAN数据包中的负载进行解析；其中，每一个基准特征向量为对相应授权用户基准面部图像预先进行与特征提取设备相同操作的特征向量提取而获得的向量。

所述系统包括：边缘传感设备，与IP解包设备连接，用于接收IP解包设备输出的6LowPAN数据包，获得呈现为压缩数据的6LowPAN数据包的头部，对6LowPAN数据包的头部解压以获得解压后的6LowPAN数据包中的头部。

所述系统包括：6LowPAN解包设备，与边缘传感设备连接，用于接收6LowPAN数据包以获取6LowPAN数据包中的负载，并基于解压后的6LowPAN数据包中的头部对6LowPAN数据包中的负载进行解析，以获得各个基准特征向量。

可选地，在所述控制平台中：数据上传设备包括无线通信接口，与高清摄像头连接，用于无线发送高清摄像头输出的图像内容；无线通信接口包括压缩编码器件，用于对高清摄像头输出的图像内容进行MPEG-4标准压缩以获得压缩图像；无线通信接口包括多指标编码器件，与压缩编码器件连接，用于对压缩图像进行多指标编码以获得信道编码数据；无线通信接口包括频分双工通信设备；无线通信接口包括时分双工通信设备；以及无线通信接口包括GPRS接收器、GPRS发送器和AT89C51单片机，AT89C51单片机分别与GPRS接收器和GPRS发送器连接。

另外，4G LTE是一个全球通用的标准，包括两种网络模式FDD和TDD，分别用于成对频谱和非成对频谱。运营商最初在两个模式之间的取舍纯粹出于对频谱可用性的考虑。大多运营商将会同时部署两种网络，以便充分利用其拥有的所有频谱资源。FDD和TDD在技术上区别其实很小，主要区别就在于采用不同的双工方式，频分双工(FDD)和时分双工(TDD)是两种不同的双工方式。

FDD是在分离的两个对称频率信道上进行接收和发送，用保护频段来分离接收和发送信道。FDD必须采用成对的频率，依靠频率来区分上下行链路，其单方向的资源在时间上是连续的。FDD在支持对称业务时，能充分利用上下行的频谱，但在支持非对称业务时，频谱利用率将大大降低。

TDD用时间来分离接收和发送信道。在TDD方式的移动通信系统中,接收和发送使用同一频率载波的不同时隙作为信道的承载,其单方向的资源在时间上是不连续的，时间资源在两个方向上进行了分配。某个时间段由基站发送信号给移动台，另外的时间由移动台发送信号给基站，基站和移动台之间必须协同一致才能顺利工作。

采用本发明的智能动态人脸识别考勤记录管理系统，针对现有技术考勤仍过多依赖人工的技术问题，通过人脸面部识别方式替换现有的考勤机制，从而在不需要被考勤人员人工参与的情况下，顺利完成考勤的记录，保障授权员工的正常进入，提高了考勤系统的智能化水平。

可以理解的是，虽然本发明已以较佳实施例披露如上，然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言，在不脱离本发明技术方案范围情况下，都可利用上述揭示的技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。

Claims (8)

1.一种智能动态人脸识别考勤记录管理系统，所述系统包括实时时钟、考勤录入设备和人脸识别设备，人脸识别设备用于对访问人员的高清脸部图像进行脸部识别以确定是否为授权用户，考勤录入设备分别与实时时钟和人脸识别设备，用于基于实时时钟的输出和人脸识别设备的输出实现对考勤记录的录入。

2.如权利要求1所述的智能动态人脸识别考勤记录管理系统，其特征在于，所述系统包括：

实时时钟，用于提供当前时间信息；

考勤录入设备，分别与实时时钟和特征向量比较子设备连接，用于在接收到人脸识别成功信号以及与匹配到的基准特征向量对应的授权用户名称时，将当前时间信息以及与匹配到的基准特征向量对应的授权用户名称作为一条考勤记录录入到考勤录入设备内置的FLASH存储器内；

数据上传设备，与考勤录入设备连接，用于定时读取考勤录入设备内置的FLASH存储器内各条考勤记录，并将读取到的各条考勤记录无线上传到远端的考勤服务器处；

高清摄像头，设置在考勤录入设备上，用于对访问人员进行脸部数据采集，以获得并输出高清脸部图像；

对比度增强设备，与高清摄像头连接，用于接收高清脸部图像，并对高清脸部图像进行对比度增强处理以获得增强脸部图像；

灰度化处理设备，与对比度增强设备连接，用于接收增强脸部图像，并对增强脸部图像进行灰度化处理以获得灰度化图像；

光线调整设备，与灰度化处理设备连接，用于接收灰度化图像，基于灰度化图像中各个像素的灰度值确定灰度化图像的平均亮度，并将灰度化图像的平均亮度与预设亮度进行比较，当灰度化图像的平均亮度大于等于预设亮度，对灰度化图像进行亮度降低调整以获得光线调整图像，当灰度化图像的平均亮度小于预设亮度，对灰度化图像进行亮度提升调整以获得光线调整图像；

自适应递归滤波处理设备，与光线调整设备连接，用于接收光线调整图像，并对光线调整图像执行自适应递归滤波处理以获得滤波图像；

特征提取设备，与IP解包设备连接，还与自适应递归滤波处理设备连接以对接收到的滤波图像进行处理；特征提取设备包括复杂度检测子设备、像素处理子设备、矩阵转换子设备、特征向量获取子设备和特征向量比较子设备；复杂度检测子设备与自适应递归滤波处理设备连接，用于计算滤波图像的复杂度，基于滤波图像的复杂度选择像素矩阵的大小，滤波图像的复杂度越高，选择的像素矩阵越大；像素处理子设备分别与复杂度检测子设备和自适应递归滤波处理设备连接，用于接收滤波图像，针对滤波图像的每一个像素作为对象像素执行以下处理：将对象像素作为复杂度检测子设备确定的像素矩阵的中心像素在滤波图像中获取对象像素矩阵，对象像素矩阵的大小与复杂度检测子设备确定的像素矩阵的大小相同，将对象像素矩阵内除了对象像素之外的每一个像素作为参考像素与对象像素进行比较，以获得二值化矩阵，二值化矩阵的大小与对象像素矩阵的大小相同，二值化矩阵由多个参考像素分别对应的多个二值化像素组成，参考像素大于等于对象像素，则参考像素对应的二值化像素的像素值为1，参考像素小于对象像素，则参考像素对应的二值化像素的像素值为0；矩阵转换子设备与像素处理子设备连接，用于将每一个对象像素对应的二值化矩阵转换成目标十进制数，具体转换操作为：将每一个对象像素对应的二值化矩阵的所有二值化像素值按其在二值化矩阵中的位置以先左后右再先上后下的顺序组成一个二进制数作为目标二进制数，再将目标二进制数转化成十进制数以作为目标十进制数；特征向量获取子设备分别与自适应递归滤波处理设备和矩阵转换子设备连接，用于将滤波图像中每一个对象像素的像素值替换成该对象像素对应的目标十进制数并按照对象像素在滤波图像中的位置将所有对象像素对应的目标十进制数组成一维特征向量，作为目标特征向量输出；特征向量比较子设备分别与特征向量获取子设备和IP解包设备连接，用于将目标特征向量分别与各个基准特征向量进行匹配，匹配成功则输出人脸识别成功信号以及与匹配到的基准特征向量对应的授权用户名称，匹配失败则输出人脸识别失败信号；

IP解包设备，用于与远程的数据服务器网络连接，通过网络接收来自数据服务器处的IP数据包，并对IP数据包解包以获得6LowPAN数据包；其中，IP数据包是对6LowPAN数据包进行打IP包后而获得的数据包，6LowPAN数据包中的负载包括数据服务器处的各个基准特征向量，6LowPAN数据包中的头部是压缩数据，解压后的6LowPAN数据包中的头部用于对6LowPAN数据包中的负载进行解析；其中，每一个基准特征向量为对相应授权用户基准面部图像预先进行与特征提取设备相同操作的特征向量提取而获得的向量；

边缘传感设备，与IP解包设备连接，用于接收IP解包设备输出的6LowPAN数据包，获得呈现为压缩数据的6LowPAN数据包的头部，对6LowPAN数据包的头部解压以获得解压后的6LowPAN数据包中的头部；

6LowPAN解包设备，与边缘传感设备连接，用于接收6LowPAN数据包以获取6LowPAN数据包中的负载，并基于解压后的6LowPAN数据包中的头部对6LowPAN数据包中的负载进行解析，以获得各个基准特征向量。

3.如权利要求2所述的智能动态人脸识别考勤记录管理系统，其特征在于：

数据上传设备包括无线通信接口，与高清摄像头连接，用于无线发送高清摄像头输出的图像内容。

4.如权利要求3所述的智能动态人脸识别考勤记录管理系统，其特征在于：

无线通信接口包括压缩编码器件，用于对高清摄像头输出的图像内容进行MPEG-4标准压缩以获得压缩图像。

5.如权利要求4所述的智能动态人脸识别考勤记录管理系统，其特征在于：

无线通信接口包括多指标编码器件，与压缩编码器件连接，用于对压缩图像进行多指标编码以获得信道编码数据。

6.如权利要求3-5任一所述的智能动态人脸识别考勤记录管理系统，其特征在于：

无线通信接口包括频分双工通信设备。

7.如权利要求3-5任一所述的智能动态人脸识别考勤记录管理系统，其特征在于：

无线通信接口包括时分双工通信设备。

8.如权利要求3-5任一所述的智能动态人脸识别考勤记录管理系统，其特征在于：

无线通信接口包括GPRS接收器、GPRS发送器和AT89C51单片机，AT89C51单片机分别与GPRS接收器和GPRS发送器连接。