CN108010151A - 人脸识别考勤方法 - Google Patents
人脸识别考勤方法 Download PDFInfo
- Publication number
- CN108010151A CN108010151A CN201711436144.1A CN201711436144A CN108010151A CN 108010151 A CN108010151 A CN 108010151A CN 201711436144 A CN201711436144 A CN 201711436144A CN 108010151 A CN108010151 A CN 108010151A
- Authority
- CN
- China
- Prior art keywords
- face
- attendance
- recognition
- height
- central processing
- 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
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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明申请涉及图像识别领域,具体公开了人脸识别考勤方法,包括以下步骤:步骤一,通过输入模块向中央处理器输入预设考勤总时间和预设考勤人数;步骤二,中央处理器将预设考勤总时间除以预设考勤人数得到预设单人考勤时间;中央处理器将预设单人考勤时间和模式切换表中各个人脸识别模式的单人考勤时间进行对比,选取单人考勤时间小于预设单人考勤时间同时与预设单人考勤时间最接近的人脸识别模式作为当前人脸识别模式;步骤四,人脸识别模块将接收到的当前人脸图像和数据库中的所有初始图像进行对比找到与当前图像相匹配的初始人脸图像则考勤验证成功。通过本发明申请,解决现有的考勤系统不能满足不同场合应用的问题。
Description
技术领域
本发明涉及图像识别领域,具体涉及一种人脸识别考勤方法。
背景技术
人脸识别是一种身份验证技术,常用于考勤管理中。基于人脸识别的考勤系统一般包括用来采集人脸图像的摄像头,以及用来将当前人脸图像与预先存储在人脸识别系统中的初始人脸图像进行对比的人脸识别模块。人脸识别通过在当前人脸图像和初始人脸图像上进行关键特征点位置识别,来判断当前人脸图像和初始人脸图像是否相同,当两者相同则人脸识别验证通过,考勤成功。具体的,对人脸图像定义人脸模板的二维网格,提取网格中的节点为关键特征点,对比当前人脸图像和初始人脸图像中各个关键特征点的参数值(像素值、灰度值等)若两个图像的各个关键特征点的参数值相同,则说明该当前人脸图像与初始人脸图像相同,人脸识别验证通过。
然而,人脸识别系统很大程度依赖于摄像头拍摄当前人脸图像时的外部环境,光线是否充足以及摄像头拍摄角度等都可能成为人脸识别模块判断错误的原因。这给人脸识别考勤方法的具体操作带来不便。为了使人脸识别考勤系统能够顺利进行考勤,一般需要学生站在指定位置进行拍摄,这样不仅操作麻烦,还极浪费时间,对于平时的课堂考勤而言课间休息时间根本不够所有学生完成人脸识别考勤。
发明内容
本发明提供一种人脸识别考勤方法,以解决现有人脸考勤识别操作麻烦时间较长的问题。
人脸识别考勤方法,其采用的人脸识别考勤系统,包括中央处理器以及分别与中央处理器信号连接的输入模块、摄像模组、人脸识别模块和数据库;
所述人脸识别模块,包括精准度依次提高的初级识别模式、中级识别模式和高级识别模式;
所述中央处理器内,预先存储有模式切换表;模式切换表中包括分别与三种人脸识别模式一一对应的单人考勤时间;所述数据库用来预先存储多个初始人脸图像;人脸识别考勤方法,包括以下步骤:
步骤一,通过输入模块向中央处理器输入预设考勤总时间和预设考勤人数;
步骤二,中央处理器将预设考勤总时间除以预设考勤人数得到预设单人考勤时间;中央处理器将预设单人考勤时间和模式切换表中各个人脸识别模式的单人考勤时间进行对比,选取单人考勤时间小于预设单人考勤时间同时与预设单人考勤时间最接近的人脸识别模式作为当前人脸识别模式;
步骤三,摄像模组采集当前人脸图像,并将当前人脸图像传递给中央处理器;中央处理器将当前人脸图像传递给人脸识别模块;
步骤四,人脸识别模块将接收到的当前人脸图像和数据库中的所有初始图像进行对比找到与当前图像相匹配的初始人脸图像则考勤验证成功。
名词解释:
人脸图像:指包含人脸、头发、脖颈在内的整个人体头部的图像。
预设考勤总时间:指预先设定的本次考勤总共需要花费的时间,一般为事先对考勤开始的时间到上课开始或者考试开始的时间段的预估值。
预设考勤人数:指预先设定的本次需要考勤的人数,指对参加此次课或者此次考试的人数的预估值。
单人考勤时间:指平均每个人在该人脸识别模式下完成考勤的时间。
原理及效果:
在使用时,负责考勤的老师,直接将此时距离考试或者上课的时间作为预设考勤总时间、将要参加此次课或者此次考试的学生人数作为预设考勤人数,通过输入模块将预设考勤总时间和预设考勤人数输入到中央处理器。中央处理器通过预设考勤总时间和预设考勤人数计算出预设单人考勤时间(即用预设考勤总时间处于预设考勤人数计算得到),中央处理器将预设单人考勤时间和模式切换表中各个人脸识别模式的单人考勤时间进行对比,选取单人考勤时间小于预设单人考勤时间同时与预设单人考勤时间最接近的人脸识别模式作为当前人脸识别模式。中央处理器根据人脸识别模式驱动人脸识别模块工作。人脸识别模块不再像以往一样进行两个图像的一一对比,而是在数据库中针对当前人脸图像寻找与其匹配的初始人脸图像,找到了则说明考勤验证成功。
本发明相比于传统的两个人脸图像的精准对比,本发明通过在数据库中寻找与当前人脸图像匹配的初始人脸图像的模糊对比方式,能够更加快速的完成人脸识别考勤验证。
而且,本发明包含了三种人脸识别模式,针对考试、平时上课等不同应用场合根据实际的时间情况自动选择人脸识别模式进行考勤。这样,可以在现实条件下选择出最适合当下情况进行的人脸识别模式,通过对精准度的调整来找到适合当下考勤使用的人脸识别模式,有助于增加人脸识别考勤系统的适用范围,提高考勤速度。
进一步,在步骤四中,人脸识别模块按照模式切换表中与每种人脸识别模式一一对应的网格间距对当前人脸图像和所有初始人脸图像定义人脸模板的二维网格,提取网格中的节点为关键特征点,分别对比当前人脸图像和所有初始人脸图像中各个关键特征点的参数值;若当前人脸图像与某一初始人脸图像的各个关键特征点的参数值相同,则当前人脸图像与该初始人脸图像相匹配,考勤验证成功。
网格间距指的是每个网格的边长,也是相邻两个关键特征点之间的距离。用二维网格定义人脸模板的方法为现有技术,但是,现在大多数的人脸识别都采用两个图像一一对比,因此二维网格的网格间距较小,提取的关键特征点较多,对比过程较复杂所用时间较长。而本发明采用模糊对比,网格间距较长,提取关键特征点较少,所使用时间较短。
进一步,初级识别模式、中级识别模式和高级识别模式对应的网格间距依次变小。
网格间距越小,提取的关键特征点就越多,人脸识别的时间就越长,同时人脸识别的精准度就越高。通过三种人脸识别模式的设置,能够根据需要进行人脸识别考勤。
进一步,人脸识别考勤系统还包括与中央处理器信号连接的身高检测模块;在人脸识别模块进行人脸识别之前,身高检测模块检测学生的身高得到测量高度值;中央处理器将测量身高值与预先存储在数据库中的所有学生的身高值进行对比,选取出与测量身高值相同的身高值对应的所有初始人脸图像;然后,人脸识别模块将当前人脸图像与这些初始人脸图像进行对比。
数据库中存储了很多初始人脸图像,如果直接将当前人脸图像与所有初始人脸图像进行对比,还是会浪费一些时间。在人脸识别模块工作之前,通过身高检测模块将测得的学生的测量身高值,与预先存储在数据库中与每个初始人脸图像一一对应的身高值进行对比,这些可以筛选出一些与该测量身高值相同的身高值对应的人脸图像,减少人脸识别模块的模糊对比范围,进一步加快人脸识别速度。而且,测量高度值和高度值这种纯数据的对比十分快速,能够使人脸识别的速度更快。
进一步,所述身高检测模块包括竖直顺次排列的多个红外线传感器,中央处理器内预先存储有位置信息表,位置信息表包括与每个红外线传感器一一对应的用来表示红外线传感器所在位置高度的高度值;在检测学生身高时,中央处理器接收到多个红外线传感器传递来的检测信号,并将所有发送检测信号的红外线传感器对应的高度值提取出来,将其中最大的高度值作为身高检测模块检测到的学生的测量身高值。
身高检测模块一般设置在摄像模组旁边,当学生在刷脸打卡的同时,学生用自己的身体遮挡住身高检测模块上的一些红外线传感器,这些红外线传感器因为被遮挡,发射到学生身上的红外线被反射回来形成检测信号,这些红外线传感器将检测信号发送给中央处理,中央处理器根据位置信息表,一一读取每个红外线传感器的高度值,其中高度值最大的红外线传感器,即安装位置最高的红外线传感器就是学生头顶遮住的那个红外线传感器,这个红外线传感器的高度值就是学生的测量身高值。
红外线传感器的工作原理简单,不需要多高的精确度,成本低廉,在方案中,只需要将检测到学生的检测信号发送给中央处理器即可。而学生在刷脸打卡的同时就能被红外线传感器检测到,虽然增加了身高检测,但却并未增加多少单人考勤时间。
进一步,人脸识别考勤系统还包括与中央处理器信号连接的静电发生模块;在步骤四之后,中央处理器通过静电发生模块使学生头发带电并使头发竖起,通过身高检测模块对学生的头发长度进行检测。
头发长度是学生规范中有的规定,尤其是小学或者中学中校规严厉的学校,男生不能留长发,女生的头发也需要在一定的标准长度内。通过人脸识别加生理特征模式,能够在进行人脸识别考勤的同时,检查学生的头发长度是否符合学生规范。通过静电将头发竖起来,既能够露出学生的整张脸,避免头发遮挡,方便摄像模组对人脸图像进行采集,同时又能方便对头发长度的检测。
进一步,在检测头发长度时,中央处理器在人脸识别模块进行人脸识别的同时,接收身高检测模块传递来的测量身高值;然后中央处理器使静电发生模块产生静电使学生的头发竖起来,身高检测模块将竖起来的头发与学生身高的高度一起测量得到头发竖起后的总体高度值,用头发竖起后的总体高度值减去测量身高值得到头发长度值;中央处理器将头发长度值与预先存储的标准头发长度值进行对比,当头发长度值小于等于标准头发长度时,考勤验证成功。
直接利用身高检测模块来检测头发竖起前的测量身高值和头发竖起后的头发高度值,中央处理器用头发高度值减去测量身高值得到测得的头发长度值。不需要额外增加另外的测量模块,直接用身高检测模块即可完成头发长度值的测量。这里的头发高度值指的是头发竖起来时发梢的高度位置(即头发伸到的最高位置的高度)。
头发向上竖起,方便后面对头发长度的检测。同时,因为人体身上通了静电,如果人体身上带有电子设备就会被静电损坏,有效避免了携带电子作弊器的可能。
附图说明
图1为本发明实施例采用的人脸识别考勤系统的逻辑框图。
具体实施方式
如图1所示,人脸识别考勤方法,其采用的人脸识别考勤系统,包括中央处理器以及分别与中央处理器信号连接的摄像模组、人脸识别模块、输入模块、静电发生模块、身高检测模块和报警模块。
摄像模组,包括多个设置在人脸两侧的摄像头,用来采集人脸图像并将人脸图像传递给中央处理器。
人脸识别模块,采用现有技术,用来从中央处理器接收人脸图像,并将当前人脸图像和预先存储的所有初始人脸图像进行对比,若当前人脸图像与某一初始人脸图像相同则人脸识别成功;包括精准度依次提高的初级识别模式、中级识别模式和高级识别模式;
输入模块,采用键盘或者触摸屏等现有输入装置,用来向中央处理器输入预设考勤总时间和预设考勤人数。
静电发生模块,与中央处理器信号连接,用来向学生传送静电并使学生的头发竖起来;人脸识别加生理特征识别模式为在人脸识别的同时对学生的头发长度进行检测。具体的,静电发生模块,包括用来供人手接触的玻璃球以及用来向玻璃球发射静电的静电发生器,静电发生器与中央处理器信号连接。
头发长度是学生规范中有的规定,尤其是男生不能留长发。通过人脸识别加生理特征模式,能够在进行人脸识别考勤的同时,检查学生的头发长度是否符合学生规范。通过静电将头发竖起来,既能够露出学生的整张脸,避免头发遮挡,方便摄像模组对人脸图像进行采集,同时又能方便对头发长度的检测。学生在需要检测头发长度的时候,中央处理器使静电发生器产生静电,静电发生器发射静电到玻璃球上,学生将手接触到玻璃球时,玻璃球上的静电移动到人体上,使头发向上竖起。方便后面对头发长度的检测。在考试的时候,采用人脸识别加生理特征识别模式,在学生带静电后,因为人体身上通了静电,如果人体身上带有电子设备就会被静电损坏,有效避免了携带电子作弊器的可能。
身高检测模块,与中央处理器信号连接,用来检测学生的身高;为人脸图像的模糊识别缩小范围。具体的,身高检测模块包括竖直顺次排列的多个红外线传感器,中央处理器内预先存储有位置信息表,位置信息表包括与每个红外线传感器一一对应的用来表示红外线传感器所在位置高度的高度值;中央处理器接收到红外线传感器传递来的检测信号,并将所有发送检测信号的红外线传感器对应的高度值提取出来,将其中最大的高度值作为身高检测模块检测到的学生的测量身高值。
数据库内预先存储有身高特征表,身高特征表中每个学生的身高值与一个初始人脸图像一一对应。通过先对比身高,来缩小与当前人脸图像进行对比的初始人脸图像数量,提高人脸识别考勤速度。
身高检测模块一般设置在摄像头的旁边,当学生在人脸识别的同时,学生用自己的身体遮挡住身高检测模块上的一些红外线传感器,这些红外线传感器因为被遮挡,发射到学生身上的红外线被反射回来形成检测信号,这些红外线传感器将检测信号发送给中央处理,中央处理器根据位置信息表,一一读取每个红外线传感器的高度值,其中高度值最大的红外线传感器,即安装位置最高的红外线传感器就是学生头顶遮住的那个红外线传感器,这个红外线传感器的高度值就是学生的测量身高值。
红外线传感器的工作原理简单,不需要多高的精确度,成本低廉,在方案中,只需要将检测到学生的检测信号发送给中央处理器即可。
身高检测模块包括用来安装红外线传感器的倒“L”型支撑架,支撑架包括竖直设置的竖板和水平设置的横板,横板与竖板的顶端连接。所有的红外线传感器都设置在竖板上顺次排列。横板上设置有由中央处理器控制的机械手。机械手选用现在市面上售卖的小型机械手,只要能够完成上下运动的动作即可。机械手远离横板的一端上连接有水平设置的移动板。移动板随着机械手的上下运动而运动。在移动板的底面上焊接有接触网。接触网为具有多个均匀分布网孔的塑料框架结构。接触网中的每个网孔允许直立的头发插进去。在移动板和接触网之间对应接触网的每个网孔对应设置有用来检测头发插入的压力传感器(或者其他灵敏元件)。压力传感器与中央处理器信号连接。若中央处理器接收到压力传感器传来的检测信号,则中央处理器不启动静电发生器。若中央处理器没有接收到压力传感器传来的检测信号时,中央处理器启动静电发生器。
在检测头发长度时,首先,中央处理器通过机械手将横板移动到学生的头顶与学生接触。若学生是短发,则头发方向向上插进网孔中与压力传感器接触,压力传感器将产生的压力信号转变为电信号发送给中央处理器。中央处理器接收到压力传感器传递来的检测信号,证明该学生是短发,满足学生规范的规定,则不用再进行头发长度的检查。若学生是长发,则头顶的头发不会向上伸进到网孔中,不会接触压力传感器,因此压力传感器不会接收到压力信号,压力传感器没有信号传递给中央处理器。中央处理器在经过预设的延迟时间后,启动静电发生模块中的静电发生器发出静电,使该学生的头发带电竖起来,方便后面对头发长度的检测。通过检测头发长度来判断学生的头发是否符合学生规范的要求。
通过横板,能够预先检测头发的长短,不用再一一对头发长度进行检测,能够缩短整体时间。
报警模块,用来由中央处理器控制进行报警。当考勤验证失败,即考勤不通过时,中央处理器通过电信号控制报警模块报警。报警模块可以选用最简单的蜂鸣器,也可以选用具有智能播报动能的语音播报模块。
中央处理器,预先存储有模式切换表;模式切换表中包括三种人脸识别模式以及与每种人脸识别模式一一对应的单人考勤时间;用来根据预设考勤总时间和预设考勤人数按照模式切换表选取某一人脸识别模式进行考勤;用来根据选择的人脸识别模式使人脸识别模块工作。
在使用时,负责考勤的老师,直接将此时距离考试或者上课的时间作为预设考勤总时间、将要参加此次课或者此次考试的学生人数作为预设考勤人数,通过输入模块将预设考勤总时间和预设考勤人数输入到中央处理器。中央处理器通过预设考勤总时间和预设考勤人数计算出预设单人考勤时间(即用预设考勤总时间处于预设考勤人数计算得到),中央处理器将预设单人考勤时间和模式切换表中各个人脸识别模式的单人考勤时间进行对比,选取单人考勤时间小于预设单人考勤时间同时与预设单人考勤时间最接近的人脸识别模式作为当前人脸识别模式。中央处理器根据人脸识别模式人脸识别模块工作。
具体的,运用上述考勤系统进行的人脸识别考勤方法,包括以下步骤:
步骤一,通过输入模块向中央处理器输入预设考勤总时间和预设考勤人数;
步骤二,中央处理器将预设考勤总时间除以预设考勤人数得到预设单人考勤时间;中央处理器将预设单人考勤时间和模式切换表中各个人脸识别模式的单人考勤时间进行对比,选取单人考勤时间小于预设单人考勤时间同时与预设单人考勤时间最接近的人脸识别模式作为当前人脸识别模式;
步骤三,摄像模组采集当前人脸图像,并将当前人脸图像传递给中央处理器;中央处理器将当前人脸图像传递给人脸识别模块;
步骤四,人脸识别模块将接收到的当前人脸图像和数据库中的所有初始图像进行对比找到与当前图像相匹配的初始人脸图像则考勤验证成功。
通过本方法,能够根据实际情况灵活选择满足当下条件的人脸识别模式进行考勤,使对学生的考勤及准确又迅速。而且,因为有三种人脸识别模式可选,使得这个考勤方法可以用在任何场合中,有效提高了该考勤方法的适用范围。
在步骤四中,人脸识别模块按照模式切换表中与每种人脸识别模式一一对应的网格间距对当前人脸图像和所有初始人脸图像定义人脸模板的二维网格,提取网格中的节点为关键特征点,分别对比当前人脸图像和所有初始人脸图像中各个关键特征点的参数值;若当前人脸图像与某一初始人脸图像的各个关键特征点的参数值相同,则当前人脸图像与该初始人脸图像相匹配,考勤验证成功。
用二维网格定义人脸模板的方法为现有技术,但是,现在大多数的人脸识别都采用两个图像一一对比,因此二维网格的网格间距较小,提取的关键特征点较多,对比过程较复杂所用时间较长。而本发明采用模糊对比,网格间距较长,提取关键特征点较少,所使用时间较短。
初级识别模式、中级识别模式和高级识别模式对应的网格间距依次变小。
网格间距越小,提取的关键特征点就越多,人脸识别的时间就越长,同时人脸识别的精准度就越高。通过三种人脸识别模式的设置,能够根据需要进行人脸识别考勤。
人脸识别考勤系统还包括与中央处理器信号连接的身高检测模块;在人脸识别模块进行人脸识别之前,身高检测模块检测学生的身高得到测量高度值;中央处理器将测量身高值与预先存储在数据库中的所有学生的身高值进行对比,选取出与测量身高值相同的身高值对应的所有初始人脸图像;然后,人脸识别模块将当前人脸图像与这些初始人脸图像进行对比。
数据库中存储了很多初始人脸图像,如果直接将当前人脸图像与所有初始人脸图像进行对比,还是会浪费一些时间。在人脸识别模块工作之前,通过身高检测模块将测得的学生的测量身高值,与预先存储在数据库中与每个初始人脸图像一一对应的身高值进行对比,这些可以筛选出一些与该测量身高值相同的身高值对应的人脸图像,减少人脸识别模块的模糊对比范围,进一步加快人脸识别速度。而且,测量高度值和高度值这种纯数据的对比十分快速,能够使人脸识别的速度更快。
通过设置波动范围,考虑到学生鞋底的厚度,给学生的身高检测一个误差范围。在刷脸打卡的同时进行身高检测,并没有额外增加多少检测时间,却能够有效增加考勤的速度,为后面人脸识别缩小范围。
在检测头发长度时,中央处理器在人脸识别模块进行人脸识别的同时,接收身高检测模块传递来的测量身高值;然后中央处理器使静电发生模块产生静电使学生的头发竖起来,身高检测模块将竖起来的头发与学生身高的高度一起测量得到头发高度值,通过头发高度值和测量身高值得到头发长度值;中央处理器将头发长度值与预先存储的标准头发长度指进行对比,当头发长度值小于等于标准头发长度时,人来能识别加生理特征识别验证成功。
直接利用身高检测模块来检测头发竖起前的测量身高值和头发竖起后的头发高度值,中央处理器用头发高度值减去测量身高值得到测得的头发长度值。不需要额外增加另外的测量模块,直接用身高检测模块即可完成头发长度值的测量。这里的头发高度值指的是头发竖起来时发梢的高度位置(即头发伸到的最高位置的高度)。
以上所述的仅是本发明的实施例,方案中公知的具体结构及特性等常识在此未作过多描述,所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识,能够获知该领域中所有的现有技术,并且具有应用该日期之前常规实验手段的能力,所属领域普通技术人员可以在本申请给出的启示下,结合自身能力完善并实施本方案,一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (7)
1.人脸识别考勤方法,其特征在于:其采用的人脸识别考勤系统,包括中央处理器以及分别与中央处理器信号连接的输入模块、摄像模组、人脸识别模块和数据库;
所述人脸识别模块,包括精准度依次提高的初级识别模式、中级识别模式和高级识别模式;
所述中央处理器内,预先存储有模式切换表;模式切换表中包括分别与三种人脸识别模式一一对应的单人考勤时间;所述数据库用来预先存储多个初始人脸图像;人脸识别考勤方法,包括以下步骤:
步骤一,通过输入模块向中央处理器输入预设考勤总时间和预设考勤人数;
步骤二,中央处理器将预设考勤总时间除以预设考勤人数得到预设单人考勤时间;中央处理器将预设单人考勤时间和模式切换表中各个人脸识别模式的单人考勤时间进行对比,选取单人考勤时间小于预设单人考勤时间同时与预设单人考勤时间最接近的人脸识别模式作为当前人脸识别模式;
步骤三,摄像模组采集当前人脸图像,并将当前人脸图像传递给中央处理器;中央处理器将当前人脸图像传递给人脸识别模块;
步骤四,人脸识别模块将接收到的当前人脸图像和数据库中的所有初始图像进行对比找到与当前图像相匹配的初始人脸图像则考勤验证成功。
2.根据权利要求1所述的人脸识别考勤方法,其特征在于:在步骤四中,人脸识别模块按照模式切换表中与每种人脸识别模式一一对应的网格间距对当前人脸图像和所有初始人脸图像定义人脸模板的二维网格,提取网格中的节点为关键特征点,分别对比当前人脸图像和所有初始人脸图像中各个关键特征点的参数值;若当前人脸图像与某一初始人脸图像的各个关键特征点的参数值相同,则当前人脸图像与该初始人脸图像相匹配,考勤验证成功。
3.根据权利要求2所述的人脸识别考勤方法,其特征在于:初级识别模式、中级识别模式和高级识别模式对应的网格间距依次变小。
4.根据权利要求1所述的人脸识别考勤方法,其特征在于:人脸识别考勤系统还包括与中央处理器信号连接的身高检测模块;在人脸识别模块进行人脸识别之前,身高检测模块检测学生的身高得到测量高度值;中央处理器将测量身高值与预先存储在数据库中的所有学生的身高值进行对比,选取出与测量身高值相同的身高值对应的所有初始人脸图像;然后,人脸识别模块将当前人脸图像与这些初始人脸图像进行对比。
5.根据权利要求4所述的人脸识别考勤方法,其特征在于:所述身高检测模块包括竖直顺次排列的多个红外线传感器,中央处理器内预先存储有位置信息表,位置信息表包括与每个红外线传感器一一对应的用来表示红外线传感器所在位置高度的高度值;在检测学生身高时,中央处理器接收到多个红外线传感器传递来的检测信号,并将所有发送检测信号的红外线传感器对应的高度值提取出来,将其中最大的高度值作为身高检测模块检测到的学生的测量身高值。
6.根据权利要求1所述的人脸识别考勤方法,其特征在于:人脸识别考勤系统还包括与中央处理器信号连接的静电发生模块;在步骤四之后,中央处理器通过静电发生模块使学生头发带电并使头发竖起,通过身高检测模块对学生的头发长度进行检测。
7.根据权利要求6所述的人脸识别考勤方法,其特征在于:在检测头发长度时,中央处理器在人脸识别模块进行人脸识别的同时,接收身高检测模块传递来的测量身高值;然后中央处理器使静电发生模块产生静电使学生的头发竖起来,身高检测模块将竖起来的头发与学生身高的高度一起测量得到头发竖起后的总体高度值,用头发竖起后的总体高度值减去测量身高值得到头发长度值;中央处理器将头发长度值与预先存储的标准头发长度值进行对比,当头发长度值小于等于标准头发长度时,考勤验证成功。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711436144.1A CN108010151A (zh) | 2017-12-26 | 2017-12-26 | 人脸识别考勤方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711436144.1A CN108010151A (zh) | 2017-12-26 | 2017-12-26 | 人脸识别考勤方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108010151A true CN108010151A (zh) | 2018-05-08 |
Family
ID=62061401
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711436144.1A Pending CN108010151A (zh) | 2017-12-26 | 2017-12-26 | 人脸识别考勤方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108010151A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108509946A (zh) * | 2018-07-05 | 2018-09-07 | 常州纺织服装职业技术学院 | 一种基于人脸识别的智能楼宇系统 |
CN109508690A (zh) * | 2018-11-29 | 2019-03-22 | 浙江工业大学 | 一种基于人脸识别的非主动配合考勤系统 |
CN113406938A (zh) * | 2021-06-29 | 2021-09-17 | 中铁八局集团第一工程有限公司 | 建筑施工的智能化管理方法 |
CN113642381A (zh) * | 2021-06-10 | 2021-11-12 | 临沂边锋自动化设备有限公司 | 基于大数据的视频监控系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102129574A (zh) * | 2011-03-18 | 2011-07-20 | 北京中星微电子有限公司 | 一种人脸认证方法及系统 |
CN103984941A (zh) * | 2014-06-10 | 2014-08-13 | 深圳市赛为智能股份有限公司 | 人脸识别考勤方法及其装置 |
CN105654593A (zh) * | 2016-01-20 | 2016-06-08 | 京东方科技集团股份有限公司 | 一种电子锁及电子锁识别方法 |
CN106295591A (zh) * | 2016-08-17 | 2017-01-04 | 乐视控股(北京)有限公司 | 基于人脸图像的性别识别方法及装置 |
CN106599880A (zh) * | 2016-12-29 | 2017-04-26 | 湖南强视信息科技有限公司 | 一种面向无人监考的同人判别方法 |
CN107145857A (zh) * | 2017-04-29 | 2017-09-08 | 深圳市深网视界科技有限公司 | 人脸属性识别方法、装置和模型建立方法 |
CN107392179A (zh) * | 2017-08-11 | 2017-11-24 | 安徽辉墨教学仪器有限公司 | 一种基于人脸识别的教学考勤方法 |
CN107451448A (zh) * | 2017-07-21 | 2017-12-08 | 广东欧珀移动通信有限公司 | 终端内多生物识别顺序的应用方法及相关产品 |
-
2017
- 2017-12-26 CN CN201711436144.1A patent/CN108010151A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102129574A (zh) * | 2011-03-18 | 2011-07-20 | 北京中星微电子有限公司 | 一种人脸认证方法及系统 |
CN103984941A (zh) * | 2014-06-10 | 2014-08-13 | 深圳市赛为智能股份有限公司 | 人脸识别考勤方法及其装置 |
CN105654593A (zh) * | 2016-01-20 | 2016-06-08 | 京东方科技集团股份有限公司 | 一种电子锁及电子锁识别方法 |
CN106295591A (zh) * | 2016-08-17 | 2017-01-04 | 乐视控股(北京)有限公司 | 基于人脸图像的性别识别方法及装置 |
CN106599880A (zh) * | 2016-12-29 | 2017-04-26 | 湖南强视信息科技有限公司 | 一种面向无人监考的同人判别方法 |
CN107145857A (zh) * | 2017-04-29 | 2017-09-08 | 深圳市深网视界科技有限公司 | 人脸属性识别方法、装置和模型建立方法 |
CN107451448A (zh) * | 2017-07-21 | 2017-12-08 | 广东欧珀移动通信有限公司 | 终端内多生物识别顺序的应用方法及相关产品 |
CN107392179A (zh) * | 2017-08-11 | 2017-11-24 | 安徽辉墨教学仪器有限公司 | 一种基于人脸识别的教学考勤方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108509946A (zh) * | 2018-07-05 | 2018-09-07 | 常州纺织服装职业技术学院 | 一种基于人脸识别的智能楼宇系统 |
CN109508690A (zh) * | 2018-11-29 | 2019-03-22 | 浙江工业大学 | 一种基于人脸识别的非主动配合考勤系统 |
CN109508690B (zh) * | 2018-11-29 | 2021-08-17 | 浙江工业大学 | 一种基于人脸识别的非主动配合考勤系统 |
CN113642381A (zh) * | 2021-06-10 | 2021-11-12 | 临沂边锋自动化设备有限公司 | 基于大数据的视频监控系统 |
CN113406938A (zh) * | 2021-06-29 | 2021-09-17 | 中铁八局集团第一工程有限公司 | 建筑施工的智能化管理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108010151A (zh) | 人脸识别考勤方法 | |
JP7078275B2 (ja) | 映像モニタリングに基づく商品検知システムおよび商品検知方法 | |
US10250598B2 (en) | Liveness detection method and device, and identity authentication method and device | |
CN105956586B (zh) | 一种基于tof 3d摄像机的智能跟踪系统 | |
CN106156578A (zh) | 身份验证方法和装置 | |
CN106037651B (zh) | 一种心率检测方法及系统 | |
CN106157688B (zh) | 基于深度学习和大数据的停车位检测方法和系统 | |
CN105844206A (zh) | 身份认证方法及设备 | |
CN104173054A (zh) | 基于双目视觉技术的人体身高测量方法及其装置 | |
Ahmed et al. | Kinect-based gait recognition using sequences of the most relevant joint relative angles | |
EP2755051A3 (de) | Bilderzeugungsapparat und -methode zur Nuklearbildgebung | |
CN110448870A (zh) | 一种人体姿态训练方法 | |
CN104239866A (zh) | 答题卡信息采集方法及设备 | |
CN110737798B (zh) | 室内巡检方法及相关产品 | |
CN106485118A (zh) | 电子设备及其识别系统、解密方法 | |
CN104123556A (zh) | 一种基于图像识别的考生身份验证系统及方法 | |
CN106127865A (zh) | 检票方法和通道管理设备 | |
CN105517680A (zh) | 用于识别人脸的装置、系统、方法和计算机程序产品 | |
CN107423714A (zh) | 图像获取设备和方法 | |
CN109784028B (zh) | 人脸解锁方法及相关装置 | |
CN108496182A (zh) | 身份鉴权方法、身份鉴权装置、和电子设备 | |
CN107374630A (zh) | 一种医疗检测系统患者床位置的控制方法和装置 | |
CN108154568A (zh) | 多模式考勤系统及方法 | |
CN106991448A (zh) | 一种人像比对处理方法 | |
JP2011150497A (ja) | 人物認証装置、人物認証方法、およびそのソフトウェアプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180508 |
|
RJ01 | Rejection of invention patent application after publication |