CN108447142A - 基于人脸识别的考勤处理方法及装置 - Google Patents
基于人脸识别的考勤处理方法及装置 Download PDFInfo
- Publication number
- CN108447142A CN108447142A CN201810374284.9A CN201810374284A CN108447142A CN 108447142 A CN108447142 A CN 108447142A CN 201810374284 A CN201810374284 A CN 201810374284A CN 108447142 A CN108447142 A CN 108447142A
- Authority
- CN
- China
- Prior art keywords
- information
- user
- face
- attendance
- facial image
- 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
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Collating Specific Patterns (AREA)
Abstract
本申请公开了一种基于人脸识别的考勤处理方法及装置。该方法包括第一终端获取第一用户人脸图像;识别所述第一用户人脸图像对应的身份信息;判断所述身份信息中的车辆信息是否与所述第一终端预设车辆信息相同;如果判断所述身份信息中的车辆信息与所述第一终端预设车辆信息相同,则确定并记录所述第一用户的第一考勤信息。本申请解决了由于考勤处理能力差造成的智能化程度低的技术问题。
Description
技术领域
本申请涉及考勤领域,具体而言,涉及一种基于人脸识别的考勤处理方法及装置。
背景技术
随着城镇化进程加快和“二胎”政策开放,校车刚性需求不断增长,根据中国汽车报数据显示,我国2016年校车市场总量达2.8万辆,同比增长了5%。然而,由于校车运营模式多样、专用校车数量较少以及相关政策不完善,导致校车安全事故频发。当前,中国有2.3亿中小学生,1亿幼儿园学生,有近9000万学生需要车辆接送上下学,校车安全问题早已成为全社会关注的重中之重。
随着物联网的快速发展对无线通信技术提出了更高的要求,专为低带宽、低功耗、远距离、大量连接的物联网应用而设计的LPWAN(low-powerWide-AreaNetwork,低功耗广域网)也快速兴起,极大满足了校车行驶复杂场景下远距离低功耗通信需求。
目前的校车考勤主要通过学生持卡、智能手环、指纹等方式进行身份认证,卡片和手环等存在易复制、易丢失以及易损坏的特性,同时,制卡发卡工作量大且成本较高,而指纹刷卡则具有识别时间较长、易读取失败、孩子指纹容易破损而导致刷不上等问题。
针对相关技术中考勤处理能力差造成的智能化程度低的问题,目前尚未提出有效的解决方案。
发明内容
本申请的主要目的在于提供一种基于人脸识别的考勤处理方法及装置,以解决考勤处理能力差造成的智能化程度低问题。
为了实现上述目的,根据本申请的一个方面,提供了一种基于人脸识别的考勤处理方法。
根据本申请的基于人脸识别的考勤处理方法包括:第一终端获取第一用户人脸图像;识别所述第一用户人脸图像对应的身份信息;判断所述身份信息中的车辆信息是否与所述第一终端预设车辆信息相同;如果判断所述身份信息中的车辆信息与所述第一终端预设车辆信息相同,则确定并记录所述第一用户的第一考勤信息。
进一步的,第一终端获取第一用户人脸图像包括:通过所述第一终端的摄像装置拍摄用户影像;捕捉所述用户影像中的一个或多个人脸影像;逐个比对所述人脸影像中每一帧的图片与预设的正脸图片的清晰度;选择所述人脸影像中的最高清晰度的图片作为所述第一用户人脸图像。
进一步的,识别所述第一用户人脸图像对应的身份信息包括:将所述第一用户人脸图像与预设人脸图像逐一比对;根据比对所述第一用户人脸图像与预设人脸图像的结果,确定所述第一用户的身份;根据所述第一用户的身份关联得到预设的身份信息;通过所述第一终端展示所述身份信息。
进一步的,如果判断所述身份信息中的车辆信息与所述第一终端预设车辆信息相同,则确定并记录所述第一用户的第一考勤信息之后还包括:根据识别身份得到的身份信息中的监护人信息,将所述第一考勤信息同步至第二终端予以显示。
进一步的,如果判断所述身份信息中的车辆信息与所述第一终端预设车辆信息相同,则确定并记录所述第一用户的第一考勤信息之后还包括:判断识别身份的相关联信息中是否有所述第一考勤信息;如果判断识别身份的相关联信息中有所述第一考勤信息,则确定并记录所述第一用户的第二考勤信息;根据识别身份得到的身份信息中的监护人信息,将所述第二考勤信息同步至第二终端予以显示。
进一步的,将所述第一用户人脸图像与预设人脸图像逐一比对包括:获取人脸训练样本集合;通过所述人脸训练数据集合训练深度神经网络,得到神经网络模型;根据所述神经网络模型检测所述第一用户人脸图像和预设人脸图像的人脸特征点;比对所述第一用户人脸图像和预设人脸图像的人脸特征点。
进一步的,还包括:检测所述第一用户所在车辆的行驶速度和位置信息;根据所述位置信息在电子地图上绘制行程路线;根据识别身份得到的身份信息中的监护人信息,将所述行驶速度、所述位置信息或所述行程路线同步至第二终端予以显示。
为了实现上述目的,根据本申请的另一方面,提供了一种基于人脸识别的考勤处理装置。
根据本申请的基于人脸识别的考勤处理装置包括:获取单元,用于第一终端获取第一用户人脸图像;识别单元,用于识别所述第一用户人脸图像对应的身份信息;判断单元,用于判断识别身份的所述第一用户是否满足预设考勤条件;执行单元,用于如果判断识别身份的所述第一用户满足预设考勤条件,则对所述第一终端执行打卡操作。
进一步的,所述获取单元包括:摄像模块,用于通过所述第一终端的摄像装置拍摄用户影像;捕捉模块,用于捕捉所述用户影像中的一个或多个人脸影像;第一比对模块,用于逐个比对所述人脸影像中每一帧的图片与预设的正脸图片的清晰度;选择模块,用于选择所述人脸影像中的最高清晰度的图片作为所述第一用户人脸图像。
进一步的,所述识别单元包括:第二比对模块,用于将所述第一用户人脸图像与预设人脸图像逐一比对;确定模块,用于根据比对所述第一用户人脸图像与预设人脸图像的结果,确定所述第一用户的身份;关联模块,用于根据所述第一用户的身份关联得到预设的身份信息;展示模块,用于通过所述第一终端展示所述身份信息。
在本申请实施例中,采用基于人脸识别的考勤处理的方式,通过识别用户人脸图像的得到对应的身份信息,并通过对识别得到的身份信息中的车辆信息的判断,达到了确定并记录用户的考勤信息的目的,从而实现了提升考勤处理能力的技术效果,进而解决了由于考勤处理能力差造成的智能化程度低的技术问题。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请第一实施例的考勤处理方法流程示意图;
图2是根据本申请第二实施例的考勤处理方法流程示意图;
图3是根据本申请第三实施例的考勤处理方法流程示意图;
图4是根据本申请第四实施例的考勤处理方法流程示意图;
图5是根据本申请第五实施例的考勤处理方法流程示意图;
图6是根据本申请第六实施例的考勤处理方法流程示意图;
图7是根据本申请第七实施例的考勤处理方法流程示意图;
图8是根据本申请第一实施例的考勤处理装置结构示意图;
图9是根据本申请第二实施例的考勤处理装置结构示意图;
图10是根据本申请第三实施例的考勤处理装置结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请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申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本申请中,术语“上”、“下”、“左”、“右”、“前”、“后”、“顶”、“底”、“内”、“外”、“中”、“竖直”、“水平”、“横向”、“纵向”等指示的方位或位置关系为基于附图所示的方位或位置关系。这些术语主要是为了更好地描述本发明及其实施例,并非用于限定所指示的装置、元件或组成部分必须具有特定方位,或以特定方位进行构造和操作。
并且,上述部分术语除了可以用于表示方位或位置关系以外,还可能用于表示其他含义,例如术语“上”在某些情况下也可能用于表示某种依附关系或连接关系。对于本领域普通技术人员而言,可以根据具体情况理解这些术语在本发明中的具体含义。
此外,术语“安装”、“设置”、“设有”、“连接”、“相连”、“套接”应做广义理解。例如,可以是固定连接,可拆卸连接,或整体式构造;可以是机械连接,或电连接;可以是直接相连,或者是通过中间媒介间接相连,又或者是两个装置、元件或组成部分之间内部的连通。对于本领域普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
根据本发明实施例,提供了一种基于人脸识别的考勤处理方法,如图1所示,该方法包括如下的步骤S102至步骤S108:
步骤S102、第一终端获取第一用户人脸图像;
第一终端是指设置于车辆上的检测设备,优选为设置于校车上的考勤机,可以为上下车的考勤提供技术保障;一辆校车对应一台检测设备,多台检测设备均和云端服务器进行交互。第一用户人脸图像是指通过第一终端采集并处理得到的视频数据;具体而言,采集得到的影像由多帧图像组成,图像中包括:一个或多个人脸图像和环境图像,通过人脸捕捉将其中的人脸图像捕捉并获取,将其中的一个或多个作为第一用户人脸图像。
步骤S104、识别所述第一用户人脸图像对应的身份信息;
通过人脸比对将第一用户人脸图像和云端存储的人脸图像进行比对,若比对成功则调取该人脸图像对应的身份信息(预先将身份信息和人脸图像一一关联对应);身份信息包括但不限于,姓名、班级、乘坐车辆信息以及家长联系方式。身份信息为由司机或照管员通过手机手机端(APP、微信公众号)或PC端摄像设备对学生面部信息进行拍摄,应用向后台管理和云端服务器发起学生信息注册请求,即可将身份信息上传至云端服务器存储。云端服务器根据学生所在班级、乘坐车辆信息等类别将学生信息进行分类并存储,然后当收到请求时,将上述信息打包发送至移动车载的考勤机上,完成采集;司机或照管员可通过手机手机端(APP、微信公众号)实现随时随地学生信息的采集上传,云端服务器完成更新后将身份信息即时下发至移动端车载考勤机上;预设身份信息,为实现人脸比对提供保障。
步骤S106、判断所述身份信息中的车辆信息是否与所述第一终端预设车辆信息相同;
步骤S108、如果判断所述身份信息中的车辆信息与所述第一终端预设车辆信息相同,则确定并记录所述第一用户的第一考勤信息。
提取身份信息中的车辆信息,将该车辆信息和在第一终端预设的车辆信息做比对,如果两者相同,则表明第一用户没有上错车,确定为上车打卡,同时确定并记录第一考勤信息;第一考勤信息为第一用户的上车时间和上车地点;优选的,第一用户为学生;从而能够通过以上步骤实现考勤处理能力的提升,能够自动完成识别和打卡,大大提升了智能化程度,而且获取第一考勤信息,通过第一考勤信息能够为学生的监护人提供参考,使其可以迅速判断上车时间和地点,进而提升了校车的安全性。
在一些实施例中,第一终端与云端服务器的信息交互采用移动、联通、电信的2G\3G\4G网络传输,速度快、信号稳定,可支持校车行驶中、偏远山区、恶劣天气多种场景下信息传输。
在一些实施例中,第一终端与云端服务器的信息交互采用LPWAN,具有速度快、低功耗传输的特点,能够大大减小运营费用。
从以上的描述中,可以看出,本发明实现了如下技术效果:
在本申请实施例中,采用基于人脸识别的考勤处理的方式,通过识别用户人脸图像的得到对应的身份信息,并通过对识别得到的身份信息中的车辆信息的判断,达到了确定并记录用户的考勤信息的目的,从而实现了提升考勤处理能力的技术效果,进而解决了由于考勤处理能力差造成的智能化程度低的技术问题。
根据本发明实施例,优选的,如图2所示,第一终端获取第一用户人脸图像包括:
步骤S202、通过所述第一终端的摄像装置拍摄用户影像;
步骤S204、捕捉所述用户影像中的一个或多个人脸影像;
步骤S206、逐个比对所述人脸影像中每一帧的图片与预设的正脸图片的清晰度;
步骤S208、选择所述人脸影像中的最高清晰度的图片作为所述第一用户人脸图像。
摄像装置采集得到用户影像,优选的,摄像装置为红外摄像头,能够识别是否有人靠近,从而大大缩减了摄像头的工作时间,降低了功耗。红外摄像头工作时,可以拍摄得到指定区域内的影像;优选为车辆的上下车门处,能够有效拍摄得到学生上下车的用户影像。进一步的,摄像装置为kinect摄像装置,能够从用户影像中捕捉得到人脸影像,从而为第一用户人脸图像的获取提供保障。选择清晰度最高,与预设正脸图片最接近的一个张图片作为第一用户人脸图像;保证在识别人脸图像时的精确性。
根据本发明实施例,优选的,如图3所示,识别所述第一用户人脸图像对应的身份信息包括:
步骤S302、将所述第一用户人脸图像与预设人脸图像逐一比对;
步骤S304、根据比对所述第一用户人脸图像与预设人脸图像的结果,确定所述第一用户的身份;
步骤S306、根据所述第一用户的身份关联得到预设的身份信息;
步骤S308、通过所述第一终端展示所述身份信息。
通过逐一比对得到一比对的结果,比对的结果为从云端服务器比对到相似度较高的一个预设人脸图像,可以根据该人脸图像和身份信息的关联性,关联到对应的身份信息;并且通过第一终端以音频、视频的形式播放身份信息;使管理员或驾驶员能够直观了解上车学生的信息。
根据本发明实施例,优选的,如图4所示,如果判断所述身份信息中的车辆信息与所述第一终端预设车辆信息相同,则确定并记录所述第一用户的第一考勤信息之后还包括:
步骤S402、根据识别身份得到的身份信息中的监护人信息,将所述第一考勤信息同步至第二终端予以显示。
调取身份信息中的监护人信息,监护人信息为监护人的联系方式,从而能够将第一考勤信息同步至该联系方式对应的第二终端上予以提示,完成上车时的一次考勤;提示的方式可以是微信、短信或者qq等推送。
根据本发明实施例,优选的,如图5所示,如果判断所述身份信息中的车辆信息与所述第一终端预设车辆信息相同,则确定并记录所述第一用户的第一考勤信息之后还包括:
步骤S502、判断识别身份的相关联信息中是否有所述第一考勤信息;
步骤S504、如果判断识别身份的相关联信息中有所述第一考勤信息,则确定并记录所述第一用户的第二考勤信息;
步骤S506、根据识别身份得到的身份信息中的监护人信息,将所述第二考勤信息同步至第二终端予以显示。
当学生下车时,可以进行第二次人脸比对,红外摄像头进入工作状态获取用户人脸图像,再进行比对,最后执行步骤502-步骤506;也可以通过第一终端自行判断是否为第二次获取相同的人脸图像,若是则直接执行步骤502-步骤506;第二考勤信息包括:下车时间和下车地点;调取身份信息中的监护人信息,监护人信息为监护人的联系方式,从而能够将第二考勤信息同步至该联系方式对应的第二终端上予以提示,完成下车时的第二次考勤;提示的方式可以是微信、短信或者qq等推送。
根据本发明实施例,优选的,如图6所示,将所述第一用户人脸图像与预设人脸图像逐一比对包括:
步骤S602、获取人脸训练样本集合;
步骤S604、通过所述人脸训练数据集合训练深度神经网络,得到神经网络模型;
步骤S606、根据所述神经网络模型检测所述第一用户人脸图像和预设人脸图像的人脸特征点;
步骤S608、比对所述第一用户人脸图像和预设人脸图像的人脸特征点。
收集人脸图片并标注对应的多个属性的类别,形成一个训练数据集合;检测人脸,以及人脸关键点,通过多个关键点检测人脸;对类别中具有顺序的属性进行编码;构造一个深度神经网络;利用训练数据集合,训练深度神经网络,并部署训练得到的神经网络模型。利用神经网络模型,检测图片中的人脸属性,利用人脸属性,提取数据库中是否存在相同属性的图片,实现快速识别。从而能够实现精确度较高的人脸识别,且识别速度较快。
根据本发明实施例,优选的,如图6所示,还包括:
步骤S702、检测所述第一用户所在车辆的行驶速度和位置信息;
步骤S704、根据所述位置信息在电子地图上绘制行程路线;
步骤S706、根据识别身份得到的身份信息中的监护人信息,将所述行驶速度、所述位置信息或所述行程路线同步至第二终端予以显示。
通过第一终端还可以检测车辆行驶速度和位置信息,通过多个位置信息可以绘制整个行程的路线图,从而监护人可以通过第二终端查看行程路线,还可以查看位置、行驶速度等信息,提升了数据的完整性,使监护人可以更全面的了解校车信息,从而提高了学生的安全性。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
根据本发明实施例,还提供了一种用于实施上述基于人脸识别的考勤处理方法的装置,如图8所示,该装置包括:获取单元,用于第一终端获取第一用户人脸图像;识别单元,用于识别所述第一用户人脸图像对应的身份信息;判断单元,用于判断识别身份的所述第一用户是否满足预设考勤条件;执行单元,用于如果判断识别身份的所述第一用户满足预设考勤条件,则对所述第一终端执行打卡操作。
具体的,第一终端是指设置于车辆上的检测设备,优选为设置于校车上的考勤机,可以为上下车的考勤提供技术保障;一辆校车对应一台检测设备,多台检测设备均和云端服务器进行交互。第一用户人脸图像是指通过第一终端采集并处理得到的视频数据;具体而言,采集得到的影像由多帧图像组成,图像中包括:一个或多个人脸图像和环境图像,通过人脸捕捉将其中的人脸图像捕捉并获取,将其中的一个或多个作为第一用户人脸图像。通过人脸比对将第一用户人脸图像和云端存储的人脸图像进行比对,若比对成功则调取该人脸图像对应的身份信息(预先将身份信息和人脸图像一一关联对应);身份信息包括但不限于,姓名、班级、乘坐车辆信息以及家长联系方式。身份信息为由司机或照管员通过手机手机端(APP、微信公众号)或PC端摄像设备对学生面部信息进行拍摄,应用向后台管理和云端服务器发起学生信息注册请求,即可将身份信息上传至云端服务器存储。云端服务器根据学生所在班级、乘坐车辆信息等类别将学生信息进行分类并存储,然后当收到请求时,将上述信息打包发送至移动车载的考勤机上,完成采集;司机或照管员可通过手机手机端(APP、微信公众号)实现随时随地学生信息的采集上传,云端服务器完成更新后将身份信息即时下发至移动端车载考勤机上;预设身份信息,为实现人脸比对提供保障。提取身份信息中的车辆信息,将该车辆信息和在第一终端预设的车辆信息做比对,如果两者相同,则表明第一用户没有上错车,确定为上车打卡,同时确定并记录第一考勤信息;第一考勤信息为第一用户的上车时间和上车地点;优选的,第一用户为学生;从而能够通过以上步骤实现考勤处理能力的提升,能够自动完成识别和打卡,大大提升了智能化程度,而且获取第一考勤信息,通过第一考勤信息能够为学生的监护人提供参考,使其可以迅速判断上车时间和地点,进而提升了校车的安全性。
在一些实施例中,第一终端与云端服务器的信息交互采用移动、联通、电信的2G\3G\4G网络传输,速度快、信号稳定,可支持校车行驶中、偏远山区、恶劣天气多种场景下信息传输。
在一些实施例中,第一终端与云端服务器的信息交互采用LPWAN,具有速度快、低功耗传输的特点,能够大大减小运营费用。
从以上的描述中,可以看出,本发明实现了如下技术效果:
在本申请实施例中,采用基于人脸识别的考勤处理的方式,通过识别用户人脸图像的得到对应的身份信息,并通过对识别得到的身份信息中的车辆信息的判断,达到了确定并记录用户的考勤信息的目的,从而实现了提升考勤处理能力的技术效果,进而解决了由于考勤处理能力差造成的智能化程度低的技术问题。
根据本发明实施例,优选的,如图9所示,所述获取单元包括:摄像模块,用于通过所述第一终端的摄像装置拍摄用户影像;捕捉模块,用于捕捉所述用户影像中的一个或多个人脸影像;第一比对模块,用于逐个比对所述人脸影像中每一帧的图片与预设的正脸图片的清晰度;选择模块,用于选择所述人脸影像中的最高清晰度的图片作为所述第一用户人脸图像。摄像装置采集得到用户影像,优选的,摄像装置为红外摄像头,能够识别是否有人靠近,从而大大缩减了摄像头的工作时间,降低了功耗。红外摄像头工作时,可以拍摄得到指定区域内的影像;优选为车辆的上下车门处,能够有效拍摄得到学生上下车的用户影像。进一步的,摄像装置为kinect摄像装置,能够从用户影像中捕捉得到人脸影像,从而为第一用户人脸图像的获取提供保障。选择清晰度最高,与预设正脸图片最接近的一个张图片作为第一用户人脸图像;保证在识别人脸图像时的精确性。
根据本发明实施例,优选的,如图10所示,第二比对模块,用于将所述第一用户人脸图像与预设人脸图像逐一比对;确定模块,用于根据比对所述第一用户人脸图像与预设人脸图像的结果,确定所述第一用户的身份;关联模块,用于根据所述第一用户的身份关联得到预设的身份信息;展示模块,用于通过所述第一终端展示所述身份信息。通过逐一比对得到一比对的结果,比对的结果为从云端服务器比对到相似度较高的一个预设人脸图像,可以根据该人脸图像和身份信息的关联性,关联到对应的身份信息;并且通过第一终端以音频、视频的形式播放身份信息;使管理员或驾驶员能够直观了解上车学生的信息。
作为本实施例中优选的,第一终端为基于人脸识别的考勤机,包括:图像采集装置,用于采集用户人脸影像;人脸识别装置,用于识别所述用户人脸影像中对应的身份信息;以及考勤控制器,与所述图像采集装置、所述人脸识别装置连接,用于控制所述摄像装置的拍摄和所述人脸识别装置的识别。
在一些实施例中,所述图像采集装置为摄像头,用于拍摄所述用户人脸影像。
在一些实施例中,所述图像采集装置为红外摄像头,用于在检测到有用户靠近时,通过所述考勤控制器拍摄所述用户人脸影像。
在一些实施例中,还包括:WiFi/GPRS通信器,所述WiFi/GPRS通信器与所述考勤控制器连接,用于完成与云端服务器之间的远程信息交互。
在一些实施例中,还包括:LPWAN通信器,所述LPWAN通信器与所述考勤控制器连接,用于完成与云端服务器之间的低功耗远程信息交互。
在一些实施例中,还包括:LED显示屏,所述LED显示屏与所述考勤控制器连接,用于显示识别后得到的身份信息。
在一些实施例中,还包括:扬声器,所述扬声器与所述考勤控制器连接,用于语音播放识别后得到的身份信息。
在一些实施例中,还包括:GPS定位装置,所述GPS定位装置与所述考勤控制器连接,用于周期性/当采集得到所述用户人脸影像时,采集位置信息。
在一些实施例中,还包括:时间记录装置,所述时间记录装置与所述考勤控制器连接,用于当采集得到所述用户人脸影像时,记录该时刻计时器的时间信息。
在一些实施例中,还包括基于人脸识别的考勤系统,系统包括:所述的考勤机,还包括:云端服务器和移动智能端,所述云端服务器与所述考勤机连接,所述移动智能端与所述云端服务器连接,所述云端服务器,用于下发预设人脸图像和身份信息,以及接收并存储位置信息和时间信息;所述移动智能端,用于接收所述云端服务器发送的位置信息和时间信息。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种基于人脸识别的考勤处理方法,其特征在于,包括:
第一终端获取第一用户人脸图像;
识别所述第一用户人脸图像对应的身份信息;
判断所述身份信息中的车辆信息是否与所述第一终端预设车辆信息相同;
如果判断所述身份信息中的车辆信息与所述第一终端预设车辆信息相同,则确定并记录所述第一用户的第一考勤信息。
2.根据权利要求1所述的基于人脸识别的考勤处理方法,其特征在于,第一终端获取第一用户人脸图像包括:
通过所述第一终端的摄像装置拍摄用户影像;
捕捉所述用户影像中的一个或多个人脸影像;
逐个比对所述人脸影像中每一帧的图片与预设的正脸图片的清晰度;
选择所述人脸影像中的最高清晰度的图片作为所述第一用户人脸图像。
3.根据权利要求1所述的基于人脸识别的考勤处理方法,其特征在于,识别所述第一用户人脸图像对应的身份信息包括:
将所述第一用户人脸图像与预设人脸图像逐一比对;
根据比对所述第一用户人脸图像与预设人脸图像的结果,确定所述第一用户的身份;
根据所述第一用户的身份关联得到预设的身份信息;
通过所述第一终端展示所述身份信息。
4.根据权利要求1所述的基于人脸识别的考勤处理方法,其特征在于,如果判断所述身份信息中的车辆信息与所述第一终端预设车辆信息相同,则确定并记录所述第一用户的第一考勤信息之后还包括:
根据识别身份得到的身份信息中的监护人信息,将所述第一考勤信息同步至第二终端予以显示。
5.根据权利要求1所述的基于人脸识别的考勤处理方法,其特征在于,如果判断所述身份信息中的车辆信息与所述第一终端预设车辆信息相同,则确定并记录所述第一用户的第一考勤信息之后还包括:
判断识别身份的相关联信息中是否有所述第一考勤信息;
如果判断识别身份的相关联信息中有所述第一考勤信息,则确定并记录所述第一用户的第二考勤信息;
根据识别身份得到的身份信息中的监护人信息,将所述第二考勤信息同步至第二终端予以显示。
6.根据权利要求3所述的基于人脸识别的考勤处理方法,其特征在于,将所述第一用户人脸图像与预设人脸图像逐一比对包括:
获取人脸训练样本集合;
通过所述人脸训练数据集合训练深度神经网络,得到神经网络模型;
根据所述神经网络模型检测所述第一用户人脸图像和预设人脸图像的人脸特征点;
比对所述第一用户人脸图像和预设人脸图像的人脸特征点。
7.根据权利要求1至6中任一项所述的基于人脸识别的考勤处理方法,其特征在于,还包括:
检测所述第一用户所在车辆的行驶速度和位置信息;
根据所述位置信息在电子地图上绘制行程路线;
根据识别身份得到的身份信息中的监护人信息,将所述行驶速度、所述位置信息或所述行程路线同步至第二终端予以显示。
8.一种基于人脸识别的考勤处理装置,其特征在于,包括:
获取单元,用于第一终端获取第一用户人脸图像;
识别单元,用于识别所述第一用户人脸图像对应的身份信息;
判断单元,用于判断识别身份的所述第一用户是否满足预设考勤条件;
执行单元,用于如果判断识别身份的所述第一用户满足预设考勤条件,则对所述第一终端执行打卡操作。
9.根据权利要求8所述的基于人脸识别的考勤处理装置,其特征在于,所述获取单元包括:
摄像模块,用于通过所述第一终端的摄像装置拍摄用户影像;
捕捉模块,用于捕捉所述用户影像中的一个或多个人脸影像;
第一比对模块,用于逐个比对所述人脸影像中每一帧的图片与预设的正脸图片的清晰度;
选择模块,用于选择所述人脸影像中的最高清晰度的图片作为所述第一用户人脸图像。
10.根据权利要求8所述的基于人脸识别的考勤处理装置,其特征在于,所述识别单元包括:
第二比对模块,用于将所述第一用户人脸图像与预设人脸图像逐一比对;
确定模块,用于根据比对所述第一用户人脸图像与预设人脸图像的结果,确定所述第一用户的身份;
关联模块,用于根据所述第一用户的身份关联得到预设的身份信息;
展示模块,用于通过所述第一终端展示所述身份信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810374284.9A CN108447142A (zh) | 2018-04-24 | 2018-04-24 | 基于人脸识别的考勤处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810374284.9A CN108447142A (zh) | 2018-04-24 | 2018-04-24 | 基于人脸识别的考勤处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108447142A true CN108447142A (zh) | 2018-08-24 |
Family
ID=63201460
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810374284.9A Pending CN108447142A (zh) | 2018-04-24 | 2018-04-24 | 基于人脸识别的考勤处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108447142A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN109523435A (zh) * | 2018-10-12 | 2019-03-26 | 成都北科维拓科技有限公司 | 一种实名认证方法及系统 |
CN109829418A (zh) * | 2019-01-28 | 2019-05-31 | 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 |
CN110310386A (zh) * | 2019-07-11 | 2019-10-08 | 安徽富煌科技股份有限公司 | 一种基于人脸识别技术的公交车驾驶员安全考勤系统 |
CN111814701A (zh) * | 2020-07-13 | 2020-10-23 | 安徽兰臣信息科技有限公司 | 一种基于双层异构网络进行特征迁移学习的儿童人脸识别算法 |
CN112446973A (zh) * | 2019-08-28 | 2021-03-05 | 深圳金智凌轩视讯技术有限公司 | 一种考勤方法和设备 |
CN113869337A (zh) * | 2020-06-30 | 2021-12-31 | 北京金山数字娱乐科技有限公司 | 图像识别模型的训练方法及装置、图像识别方法及装置 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202549003U (zh) * | 2011-11-25 | 2012-11-21 | 深圳市江波龙电子有限公司 | 一种校车管理系统 |
CN202662073U (zh) * | 2012-03-19 | 2013-01-09 | 广州市鑫澳康科技有限公司 | 基于rfid的校车安全管理系统 |
CN103183030A (zh) * | 2011-12-31 | 2013-07-03 | 上海泽泉科技有限公司 | 校车安全监控系统 |
CN103714592A (zh) * | 2013-12-24 | 2014-04-09 | 深圳市天天上网络科技有限公司 | 一种校车的乘车监控方法和系统 |
CN103886421A (zh) * | 2014-03-27 | 2014-06-25 | 深圳市天天上网络科技有限公司 | 一种移动终端查询方法及系统 |
CN103956051A (zh) * | 2014-05-12 | 2014-07-30 | 佛山天一众合科技发展有限公司 | 人员在途全时空智能监管系统及方法及装置 |
CN204087318U (zh) * | 2014-10-22 | 2015-01-07 | 湖北汽车工业学院 | 校车安全刷卡装置 |
CN204229587U (zh) * | 2014-11-08 | 2015-03-25 | 郑玄词 | 平安校车智能监控系统 |
CN204946147U (zh) * | 2015-09-30 | 2016-01-06 | 宿迁学院 | 校车安全计数控制系统 |
CN106022317A (zh) * | 2016-06-27 | 2016-10-12 | 北京小米移动软件有限公司 | 人脸识别方法及装置 |
CN107103281A (zh) * | 2017-03-10 | 2017-08-29 | 中山大学 | 基于聚集损失深度度量学习的人脸识别方法 |
CN107464307A (zh) * | 2017-08-08 | 2017-12-12 | 浙江雨点信息科技有限公司 | 一种校车影像考勤方法 |
CN107958247A (zh) * | 2018-01-17 | 2018-04-24 | 百度在线网络技术(北京)有限公司 | 用于人脸图像识别的方法和装置 |
-
2018
- 2018-04-24 CN CN201810374284.9A patent/CN108447142A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202549003U (zh) * | 2011-11-25 | 2012-11-21 | 深圳市江波龙电子有限公司 | 一种校车管理系统 |
CN103183030A (zh) * | 2011-12-31 | 2013-07-03 | 上海泽泉科技有限公司 | 校车安全监控系统 |
CN202662073U (zh) * | 2012-03-19 | 2013-01-09 | 广州市鑫澳康科技有限公司 | 基于rfid的校车安全管理系统 |
CN103714592A (zh) * | 2013-12-24 | 2014-04-09 | 深圳市天天上网络科技有限公司 | 一种校车的乘车监控方法和系统 |
CN103886421A (zh) * | 2014-03-27 | 2014-06-25 | 深圳市天天上网络科技有限公司 | 一种移动终端查询方法及系统 |
CN103956051A (zh) * | 2014-05-12 | 2014-07-30 | 佛山天一众合科技发展有限公司 | 人员在途全时空智能监管系统及方法及装置 |
CN204087318U (zh) * | 2014-10-22 | 2015-01-07 | 湖北汽车工业学院 | 校车安全刷卡装置 |
CN204229587U (zh) * | 2014-11-08 | 2015-03-25 | 郑玄词 | 平安校车智能监控系统 |
CN204946147U (zh) * | 2015-09-30 | 2016-01-06 | 宿迁学院 | 校车安全计数控制系统 |
CN106022317A (zh) * | 2016-06-27 | 2016-10-12 | 北京小米移动软件有限公司 | 人脸识别方法及装置 |
CN107103281A (zh) * | 2017-03-10 | 2017-08-29 | 中山大学 | 基于聚集损失深度度量学习的人脸识别方法 |
CN107464307A (zh) * | 2017-08-08 | 2017-12-12 | 浙江雨点信息科技有限公司 | 一种校车影像考勤方法 |
CN107958247A (zh) * | 2018-01-17 | 2018-04-24 | 百度在线网络技术(北京)有限公司 | 用于人脸图像识别的方法和装置 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109523435A (zh) * | 2018-10-12 | 2019-03-26 | 成都北科维拓科技有限公司 | 一种实名认证方法及系统 |
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 |
CN109829418A (zh) * | 2019-01-28 | 2019-05-31 | 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 |
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 |
CN110310386A (zh) * | 2019-07-11 | 2019-10-08 | 安徽富煌科技股份有限公司 | 一种基于人脸识别技术的公交车驾驶员安全考勤系统 |
CN112446973A (zh) * | 2019-08-28 | 2021-03-05 | 深圳金智凌轩视讯技术有限公司 | 一种考勤方法和设备 |
CN113869337A (zh) * | 2020-06-30 | 2021-12-31 | 北京金山数字娱乐科技有限公司 | 图像识别模型的训练方法及装置、图像识别方法及装置 |
CN111814701A (zh) * | 2020-07-13 | 2020-10-23 | 安徽兰臣信息科技有限公司 | 一种基于双层异构网络进行特征迁移学习的儿童人脸识别算法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108447142A (zh) | 基于人脸识别的考勤处理方法及装置 | |
CN110008298B (zh) | 驻车多维信息感知应用系统及方法 | |
JP2022537923A (ja) | 車両のドアロック解除方法及び装置、システム、車両、電子機器並びに記憶媒体 | |
Dong et al. | Automatic collection of fuel prices from a network of mobile cameras | |
CN106803301A (zh) | 一种基于深度学习的人脸识别门禁方法及系统 | |
CN106372576A (zh) | 一种基于深度学习的智能室内入侵检测方法及系统 | |
US20130216107A1 (en) | Method of surveillance by face recognition | |
CN103646550A (zh) | 一种智能车牌识别系统 | |
CN106558121A (zh) | 摄像的方法及装置 | |
CN110556022A (zh) | 基于人工智能的停车场车位指示方法、装置及电子设备 | |
CN110619277A (zh) | 一种多社区智慧布控方法以及系统 | |
KR102305038B1 (ko) | 미아 추적 서버 및 미아 추적 서버에서의 딥러닝 기반 미아 이동 경로 추적 방법 | |
CN108540755A (zh) | 身份识别方法和装置 | |
KR101092472B1 (ko) | 감시카메라를 활용한 비디오 색인 시스템 및 그 색인 방법 | |
CN108846922A (zh) | 云监控方法、云服务器及计算机可读存储介质 | |
CN110852306A (zh) | 一种基于人工智能的安全监控系统 | |
CN106781514A (zh) | 一种基于车牌识别获取车主信息与车主联系的方法及系统 | |
CN111047824A (zh) | 一种室内儿童看护联动控制预警方法及系统 | |
CN107516076A (zh) | 人像识别方法及装置 | |
CN106529375A (zh) | 移动终端及其图像中物体特征的识别方法 | |
CN114550489A (zh) | 寻车信息处理方法、系统及相关装置 | |
CN108629280A (zh) | 人脸识别方法及移动终端 | |
CN110324589A (zh) | 一种旅游景区的监控系统与方法 | |
KR20030012371A (ko) | 통신망을 이용한 감시 카메라의 통합 원격 제어 시스템 및방법과 이를 이용한 영상 데이터 처리 방법 | |
CN107945323B (zh) | 一种基于智慧校园的安防方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180824 |