CN108830180A - 电子考勤方法、装置及电子设备 - Google Patents

电子考勤方法、装置及电子设备 Download PDF

Info

Publication number
CN108830180A
CN108830180A CN201810520312.3A CN201810520312A CN108830180A CN 108830180 A CN108830180 A CN 108830180A CN 201810520312 A CN201810520312 A CN 201810520312A CN 108830180 A CN108830180 A CN 108830180A
Authority
CN
China
Prior art keywords
image
personnel
attendance
facial image
location information
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.)
Granted
Application number
CN201810520312.3A
Other languages
English (en)
Other versions
CN108830180B (zh
Inventor
闫宏伟
侯晓明
后国超
赵虎
马国华
韩苓
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xunfei Dreamland (beijing) Technology Co Ltd
Original Assignee
Xunfei Dreamland (beijing) Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xunfei Dreamland (beijing) Technology Co Ltd filed Critical Xunfei Dreamland (beijing) Technology Co Ltd
Priority to CN201810520312.3A priority Critical patent/CN108830180B/zh
Publication of CN108830180A publication Critical patent/CN108830180A/zh
Application granted granted Critical
Publication of CN108830180B publication Critical patent/CN108830180B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161Detection; Localisation; Normalisation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/10Office automation; Time management
    • G06Q10/109Time management, e.g. calendars, reminders, meetings or time accounting
    • G06Q10/1091Recording time for administrative or management purposes
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172Classification, e.g. identification

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种电子考勤方法、装置及电子设备,涉及电子考勤的技术领域,包括:每隔预设时间,获取待测图像;通过人脸检测模型对待测图像进行人脸识别,得到多个人脸图像;基于多个人脸图像,得到考勤结果,本发明在不增加额外的系统的同时,仅仅利用图像,进行图像中人脸识别,识别出图像中包含的多个人脸图像,从而得到考勤结果,提高了考勤效率,使用起来非常方便。

Description

电子考勤方法、装置及电子设备
技术领域
本发明涉及电子考勤技术领域,尤其是涉及一种电子考勤方法、装置及电子设备。
背景技术
目前的电子考勤大多利用人脸识别系统或者电子识别卡系统。人脸识别需要用户首先完成注册,注册完成后,用户需要对着识别框进行识别,然而,这种识别方式只能识别一个人,效率和可靠性较低。电子卡系统是指用户通过刷卡的形式,进行签到。电子卡系统需配置自己的刷卡机,同时,需要后台服务器进行电子卡识别,从而使得电子卡系统虽然效率虽然较高,但是,也需要构建单独的系统,且使用场所受限。
综上可知,现有的电子考勤系统一般需要单独构建系统,使用起来并不方便。而且需要用户的主动配合,提前进行注册或者记载电子卡信息,致使推广难且使用不便。
发明内容
有鉴于此,本发明的目的在于提供电子考勤方法、装置及电子设备,本发明在不增加额外的系统的同时,仅仅利用图像,进行图像中人脸识别,识别出图像中包含的多个人脸图像,从而得到考勤结果,提高了考勤效率,使用起来非常方便。
第一方面,本发明实施例提供了一种电子考勤方法,包括:
每隔预设时间,获取待测图像;
通过人脸检测模型对所述待测图像进行人脸识别,得到多个人脸图像;
基于所述多个人脸图像,得到考勤结果。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方式,其中,基于所述多个人脸图像,得到考勤结果,包括:
对所述多个人脸图像中的每一个人脸图像执行如下步骤:
定位待确定人脸图像在所述待测图像中的位置信息;所述待确定人脸图像为多个人脸图像中的一个;
获取所述位置信息处的待考勤人员的人员特征;
将所述人员特征与所述待确定人脸图像进行匹配;
如果匹配成功,则确定待考勤人员出勤;
如果匹配失败,则确定待考勤人员未出勤。
结合第一方面,本发明实施例提供了第一方面的第二种可能的实施方式,其中,获取所述位置信息处的待考勤人员的人员特征,包括:
获取图像人员对照表;所述图像人员对照表记录人脸图像信息在标准图像中的标准位置信息、标准人员特征信息、所述标准位置信息与所述标准人员信息的对应关系;
从所述图像人员对照表中查找与所述位置信息相同的所述标准位置信息;
获取位置信息处的待考勤人员的人员特征;与位置信息相同的标准位置信息对应的目标人员特征信息为位置信息处的待考勤人员的人员特征。
结合第一方面,本发明实施例提供了第一方面的第三种可能的实施方式,其中,将所述人员特征与所述待确定人脸图像进行匹配,包括:
获取所述待确定人脸图像的标注信息;所述标注信息中包括人员特征;所述标注信息为用户进行标注的;
匹配所述人员特征与所述标注信息是否相同。
结合第一方面,本发明实施例提供了第一方面的第四种可能的实施方式,其中,所述人员特征包括以下特征之一:姓名特征、编号特征。
结合第一方面,本发明实施例提供了第一方面的第五种可能的实施方式,其中,在所述通过人脸检测模型对所述待测图像进行人脸识别,得到多个人脸图像的步骤之后,还包括:
接收人工指令,所述人工指令中包括人脸图像和所述人脸图像在所述待测图像中的位置信息;
基于所述人工指令,得到考勤结果。
结合第一方面,本发明实施例提供了第一方面的第六种可能的实施方式,其中,所述人脸检测模型通过神经网络训练得到的。
第二方面,本发明实施例还提供一种电子考勤装置,包括:
获取单元,用于每隔预设时间,获取待测图像;
识别单元,用于通过人脸检测模型对所述待测图像进行人脸识别,得到多个人脸图像;
考勤单元,用于基于所述多个人脸图像,得到考勤结果。
结合第二方面,本发明实施例提供了第二方面的第一种可能的实施方式,其中,所述考勤单元,具体用于:
对所述多个人脸图像中的每一个人脸图像执行如下步骤:
定位待确定人脸图像在所述待测图像中的位置信息;所述待确定人脸图像为多个人脸图像中的一个;
获取所述位置信息处的待考勤人员的人员特征;
将所述人员特征与所述待确定人脸图像进行匹配;
如果匹配成功,则确定待考勤人员出勤;
如果匹配失败,则确定待考勤人员未出勤。
第三方面,本发明实施例还提供一种电子设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述实施例任一项所述的方法的步骤。
本发明实施例带来了以下有益效果:通过每隔预设时间,获取待测图像,通过人脸检测模型对待测图像进行人脸识别,得到多个人脸图像,基于多个人脸图像,得到考勤结果,本发明在不增加额外的系统的同时,仅仅利用图像,进行图像中人脸识别,识别出图像中包含的多个人脸图像,从而得到考勤结果,提高了考勤效率,使用起来非常方便。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
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具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,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的附图。
图1为本发明实施例提供的电子考勤方法的流程图;
图2为本发明实施例提供的确定出勤人员的工作的流程图;
图3为本发明实施例提供的定位待确定人脸图像在待测图像中的位置信息的示意图;
图4为本发明实施例提供的获取待考勤人员的人员特征的工作流程图;
图5为本发明实施例提供的电子考勤装置的结构图。
图标:
510-获取单元;520-识别单元;530-考勤单元。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例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做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。
目前的电子考勤大多利用人脸识别系统或者电子识别卡系统。人脸识别需要用户首先完成注册,注册完成后,用户需要对着识别框进行识别,然而,这种识别方式只能识别一个人,效率和可靠性较低。电子卡系统是指用户通过刷卡的形式,进行签到。电子卡系统需配置自己的刷卡机,同时,需要后台服务器进行电子卡识别,从而使得电子卡系统虽然效率虽然较高,但是,也需要构建单独的系统,且使用场所受限。
综上可知,现有的电子考勤系统一般需要单独构建系统,使用起来并不方便。而且需要用户的主动配合,提前进行注册或者记载电子卡信息,致使推广难且使用不便。
基于此,首先,本发明实施例提供的一种电子考勤方法,结合图1所示,该方法包括:
S110:每隔预设时间,获取待测图像。
其中,待测图像可以通过摄像机拍摄的视频中截取图像来获取。
每隔预设时间进行拍摄,主要考虑到在一个时间段内,出现的人均为考勤成功,并且每隔预设时间考勤,可以防止考勤遗漏的情况。例如,在公司考勤的应用场景下,上班时间可能从早上8:00到早上9:00,在这个时间段出现在公司的员工均属于正常上班。又如,以学生上课考勤为例,学生上课中,一般课堂时间为40-50分钟,在这40-50分钟的时间里,可以每隔一分钟就获取一个待测图像,这个待测图像可以是安装在教室中的摄像机中拍摄的视频中获取的。所以,可以每隔一段时间,获取一个图像,对这个图像进行识别,这样可以防止考勤遗漏的情况。
值得注意的是,预设时间可以是用户来填写的,用户可以根据实际应用改变预设时间,例如,当考勤的人数比较多时,预设时间可以设置的短一些,防止考勤遗漏的情况。当考勤的时间段比较长时,人员的流量可能会短,所以,预设时间可以设置的长一些。
S120:通过人脸检测模型对待测图像进行人脸识别,得到多个人脸图像。
其中,人脸检测模型通过神经网络训练得到的,基于神经网络训练得到的人脸检测模型,可以识别出低至100个像素的人脸图像。其中,在待测图像中低像素的部分是远离摄像机的摄像采集区的部分。例如,以教室为例,在教室的前方安装一个摄像头,则该摄像头拍摄的图片中,教室后排的学生的人脸在该摄像头拍摄的图片中就为低像素的人脸。
S130:基于多个人脸图像,得到考勤结果。
结合图2所示,基于所述多个人脸图像,得到考勤结果,包括:
对所述多个人脸图像中的每一个人脸图像执行如下步骤:
S21:定位待确定人脸图像在待测图像中的位置信息;待确定人脸图像为多个人脸图像中的一个;
具体来说,当利用人脸检测模型从待测图像中识别出人脸后,结合图3所示,圆圈表示人脸,定位该人脸的位置可以先建立一个直角坐标系,以图片的一角为原点,以水平方向为X轴,以垂直方向为Y轴,那么图片中的每一个人脸的位置信息均可以用(x,y)来表示。
S22:获取位置信息处的待考勤人员的人员特征。
结合图4所示,步骤S22进一步包括:
S221:获取图像人员对照表;图像人员对照表记录人脸图像信息在标准图像中的标准位置信息、标准人员特征信息、标准位置信息与标准人员信息的对应关系。
具体来说,标准图像即可以为待测图像参考的一个标准样本,主要是因为,以学生考勤为例,在教室安装摄像机采集图像时,摄像机的位置和角度均不会改变,所以,在不同时刻拍出来的照片,只是照片的内容不同,所以,可以事先拍摄一张标准图像,这个标准图像中具有全部学生在固定的座位上,这样,将标准图像中每个学生的在图像中的位置与在这个位置上的学生的人员特征进行关联,从而得到图像人员对照表。
S222:从图像人员对照表中查找与位置信息相同的标准位置信息;
具体来说,当使用本发明进行考勤时,可以查找待确定人脸图像在待测图像中的位置信息与哪个标准位置信息相同。
S223:获取位置信息处的待考勤人员的人员特征;与位置信息相同的标准位置信息对应的目标人员特征信息为位置信息处的待考勤人员的人员特征。
具体来说,由于图像人员对照表包括图像位置信息与人员特征的对应关系,所以,找到待确定人脸图像的位置信息相同的目标图像的目标位置信息后,确定该目标位置信息对应的目标人员信息为待考勤人员的人员特征。
S23:将人员特征与待确定人脸图像进行匹配;如果匹配成功,则执行步骤S24,如果匹配失败,则执行步骤S25。
S24:确定待考勤人员出勤;S25:确定待考勤人员未出勤。
步骤S23,具体包括:
获取待确定人脸图像的标注信息;标注信息中包括人员特征;标注信息为用户进行标注的,匹配人员特征与标注信息是否相同。
具体来说,用户可以事先将多个待考勤人员的人脸图像进行标注,标注的人员特征可以为姓名特征、和/或者编号特征,然后,对比待确定人脸图像的人员特征是否与事先标注的标注信息是否相同,如果相同,则确定待考勤人员出勤,如果不同,则确定待考勤人员没有出勤。例如:学生A某的人脸图像对应的标注信息为001,由上述获取的待确定人脸图像的人员特征也为001时,确定学生A某出勤。
另外,当人脸检测模型没有识别出来的人脸图像时,可以通过以下步骤进行考勤:接收人工指令,人工指令中包括人脸图像和人脸图像在所述待测图像中的位置信息,基于人工指令,得到考勤结果,基于人工指令,得到考勤结果,具体包括:获取位置信息处的待考勤人员的人员特征,将人员特征与所述待确定人脸图像进行匹配,如果匹配成功,则确定待考勤人员出勤,如果匹配失败,则确定待考勤人员未出勤。即,基于人工完成了识别人脸图像和定位人脸图像在待测图像中的位置信息这两个部分,之后,根据这两个信息,再与待考勤人员的人员特征进行匹配,确定待考勤人员是否出勤,得到考勤结果。
作为一个示例,以学生考勤为例,待测图像可以显示在显示屏上,教师可以使用鼠标在待测图像上操作,可以用鼠标选出待测图像中的人脸图像和该人脸图像在待测图像中的位置,将这两个信息选出来之后,进入到匹配阶段。
综上可知,本发明实施例提出的电子考勤方法,有两种方式获取人脸图像和定位人脸图像在待测图像中的位置信息这两个部分,一种方式是自动识别,另一种方式是基于人工进行选定。本发明通过这两个方式,确保考勤结果的准确性,尽量不会有误判或者漏判的情况发生。
本发明实施例提供的电子考勤方法,可以通过每隔预设时间,获取待测图像,通过人脸检测模型对待测图像进行人脸识别,得到多个人脸图像,基于多个人脸图像,得到考勤结果,本发明在不增加额外的系统的同时,仅仅利用图像,进行图像中人脸识别,识别出图像中包含的多个人脸图像,从而得到考勤结果,提高了考勤效率,使用起来非常方便。
同时,还可以定位待确定人脸图像在待测图像中的位置信息,获取位置信息处的待考勤人员的人员特征,将人员特征与待确定人脸图像进行匹配,如果匹配成功,则确定待考勤人员出勤,如果匹配失败,则确定待考勤人员未出勤。通过定位待确定人脸图像在待测图像中的位置信息进一步的进行匹配,即,使用人脸图像和人脸图像的位置信息的两个要素,确定待考勤人员的考勤情况。
结合图5所示,本发明实施例还提供了一种电子考勤装置,包括:获取单元510、识别单元520和考勤单元530。
其中,获取单元510,用于每隔预设时间,获取待测图像。
识别单元520,用于通过人脸检测模型对待测图像进行人脸识别,得到多个人脸图像。
考勤单元530,用于基于多个人脸图像,得到考勤结果。
本发明实施例提供的电子考勤装置,通过每隔预设时间,获取待测图像,通过人脸检测模型对待测图像进行人脸识别,得到多个人脸图像,基于多个人脸图像,得到考勤结果,本发明在不增加额外的系统的同时,仅仅利用图像,进行图像中人脸识别,识别出图像中包含的多个人脸图像,从而得到考勤结果,提高了考勤效率,使用起来非常方便。
进一步的,考勤单元530,具体用于:
对多个人脸图像中的每一个人脸图像执行如下步骤:
定位待确定人脸图像在所述待测图像中的位置信息;所述待确定人脸图像为多个人脸图像中的一个;
获取所述位置信息处的待考勤人员的人员特征;
将所述人员特征与所述待确定人脸图像进行匹配;
如果匹配成功,则确定待考勤人员出勤;
如果匹配失败,则确定待考勤人员未出勤。
进一步的,考勤单元530中的获取所述位置信息处的待考勤人员的人员特征,包括:
获取图像人员对照表;所述图像人员对照表记录人脸图像信息在标准图像中的标准位置信息、标准人员特征信息、所述标准位置信息与所述标准人员信息的对应关系,所述标准图像为与所述待测图像采用同一角度拍摄的图像;
从所述图像人员对照表中查找与所述位置信息相同的所述标准位置信息;
获取位置信息处的待考勤人员的人员特征;与位置信息相同的标准位置信息对应的目标人员特征信息为位置信息处的待考勤人员的人员特征。
进一步的,考勤单元530中的将所述人员特征与所述待确定人脸图像进行匹配,包括:
获取待确定人脸图像的标注信息;所述标注信息中包括人员特征;所述标注信息为用户进行标注的;
匹配人员特征与所述标注信息是否相同。
进一步的,考勤单元530中的将所述人员特征与所述待确定人脸图像进行匹配,包括:
获取所述待确定人脸图像的标注信息;所述标注信息中包括人员特征;所述标注信息为用户进行标注的;
匹配所述人员特征与所述标注信息是否相同。
进一步的,所述人员特征包括以下特征之一:姓名特征、编号特征。
进一步的,还包括:
接收单元,用于接收人工指令,所述人工指令中包括人脸图像和所述人脸图像在所述待测图像中的位置信息;
指令执行单元,用于基于所述人工指令,得到考勤结果。
进一步的,人脸检测模型通过神经网络训练得到的。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本发明实施例还提供了一种电子设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述实施例任一项所述的方法的步骤。
其中,存储器可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。
处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,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(Digital SignalProcessing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称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也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对步骤、数字表达式和数值并不限制本发明的范围。
在这里示出和描述的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制,因此,示例性实施例的其他示例可以具有不同的值。
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。
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系统、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,在本发明实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”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,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本发明实施例所提供的进行电子考勤方法的计算机程序产品,包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,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,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的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。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解: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,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,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 (10)

1.一种电子考勤方法,其特征在于,包括:
每隔预设时间,获取待测图像;
通过人脸检测模型对所述待测图像进行人脸识别,得到多个人脸图像;
基于所述多个人脸图像,得到考勤结果。
2.根据权利要求1所述的方法,其特征在于,基于所述多个人脸图像,得到考勤结果,包括:
对所述多个人脸图像中的每一个人脸图像执行如下步骤:
定位待确定人脸图像在所述待测图像中的位置信息;所述待确定人脸图像为多个人脸图像中的一个;
获取所述位置信息处的待考勤人员的人员特征;
将所述人员特征与所述待确定人脸图像进行匹配;
如果匹配成功,则确定待考勤人员出勤;
如果匹配失败,则确定待考勤人员未出勤。
3.根据权利要求2所述的方法,其特征在于,获取所述位置信息处的待考勤人员的人员特征,包括:
获取图像人员对照表;所述图像人员对照表记录人脸图像信息在标准图像中的标准位置信息、标准人员特征信息、所述标准位置信息与所述标准人员信息的对应关系;
从所述图像人员对照表中查找与所述位置信息相同的所述标准位置信息;
获取位置信息处的待考勤人员的人员特征;与位置信息相同的标准位置信息对应的目标人员特征信息为位置信息处的待考勤人员的人员特征。
4.根据权利要求2所述的方法,其特征在于,将所述人员特征与所述待确定人脸图像进行匹配,包括:
获取所述待确定人脸图像的标注信息;所述标注信息中包括人员特征;所述标注信息为用户进行标注的;
匹配所述人员特征与所述标注信息是否相同。
5.根据权利要求4所述的方法,其特征在于,所述人员特征包括以下特征之一:姓名特征、编号特征。
6.根据权利要求1所述的方法,其特征在于,在所述通过人脸检测模型对所述待测图像进行人脸识别,得到多个人脸图像的步骤之后,还包括:
接收人工指令,所述人工指令中包括人脸图像和所述人脸图像在所述待测图像中的位置信息;
基于所述人工指令,得到考勤结果。
7.根据权利要求1所述的方法,其特征在于,所述人脸检测模型通过神经网络训练得到的。
8.一种电子考勤装置,其特征在于,包括:
获取单元,用于每隔预设时间,获取待测图像;
识别单元,用于通过人脸检测模型对所述待测图像进行人脸识别,得到多个人脸图像;
考勤单元,用于基于所述多个人脸图像,得到考勤结果。
9.根据权利要求8所述的装置,其特征在于,所述考勤单元,具体用于:
对所述多个人脸图像中的每一个人脸图像执行如下步骤:
定位待确定人脸图像在所述待测图像中的位置信息;所述待确定人脸图像为多个人脸图像中的一个;
获取所述位置信息处的待考勤人员的人员特征;
将所述人员特征与所述待确定人脸图像进行匹配;
如果匹配成功,则确定待考勤人员出勤;
如果匹配失败,则确定待考勤人员未出勤。
10.一种电子设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1至7任一项所述的方法的步骤。
CN201810520312.3A 2018-05-25 2018-05-25 电子考勤方法、装置及电子设备 Active CN108830180B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810520312.3A CN108830180B (zh) 2018-05-25 2018-05-25 电子考勤方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810520312.3A CN108830180B (zh) 2018-05-25 2018-05-25 电子考勤方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN108830180A true CN108830180A (zh) 2018-11-16
CN108830180B CN108830180B (zh) 2021-07-20

Family

ID=64145791

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810520312.3A Active CN108830180B (zh) 2018-05-25 2018-05-25 电子考勤方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN108830180B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109447597A (zh) * 2018-12-27 2019-03-08 深圳市沃特沃德股份有限公司 多人共同进行考勤的方法、装置及人脸识别系统
CN110827432A (zh) * 2019-11-11 2020-02-21 深圳算子科技有限公司 一种基于人脸识别的课堂考勤方法及系统
CN111311772A (zh) * 2019-08-19 2020-06-19 深圳市鸿合创新信息技术有限责任公司 一种考勤处理方法及装置、电子设备
CN111354096A (zh) * 2019-08-19 2020-06-30 深圳市鸿合创新信息技术有限责任公司 一种智能考勤方法及装置、电子设备
CN111382986A (zh) * 2018-12-27 2020-07-07 深圳云天励飞技术有限公司 学生管理方法及装置、计算机装置和计算机可读存储介质
CN111680649A (zh) * 2020-06-12 2020-09-18 杭州海康威视数字技术股份有限公司 用于检测在场人员的方法和装置以及数据处理设备
CN112132079A (zh) * 2020-09-29 2020-12-25 中国银行股份有限公司 在线教学中监控学生的方法、装置及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060032247A (ko) * 2004-10-11 2006-04-17 (주)버뮤다정보기술 얼굴인식기술을 이용한 전자금융 부정 거래 방지 장치 및방법
CN104463746A (zh) * 2014-12-23 2015-03-25 北海和思科技有限公司 一种应用监测学生学习行为的方法的家校通系统
CN107609517A (zh) * 2017-09-15 2018-01-19 华中科技大学 一种基于计算机视觉的课堂行为检测系统
CN108010152A (zh) * 2017-12-29 2018-05-08 宁波金晟芯影像技术有限公司 一种具备自动识别的考勤系统
CN108022318A (zh) * 2017-12-28 2018-05-11 上海享服信息技术有限公司 多人人脸识别考勤系统及其考勤方法
CN108537910A (zh) * 2018-04-13 2018-09-14 上海思依暄机器人科技股份有限公司 一种基于人脸识别的员工考勤方法、装置和考勤管理系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060032247A (ko) * 2004-10-11 2006-04-17 (주)버뮤다정보기술 얼굴인식기술을 이용한 전자금융 부정 거래 방지 장치 및방법
CN104463746A (zh) * 2014-12-23 2015-03-25 北海和思科技有限公司 一种应用监测学生学习行为的方法的家校通系统
CN107609517A (zh) * 2017-09-15 2018-01-19 华中科技大学 一种基于计算机视觉的课堂行为检测系统
CN108022318A (zh) * 2017-12-28 2018-05-11 上海享服信息技术有限公司 多人人脸识别考勤系统及其考勤方法
CN108010152A (zh) * 2017-12-29 2018-05-08 宁波金晟芯影像技术有限公司 一种具备自动识别的考勤系统
CN108537910A (zh) * 2018-04-13 2018-09-14 上海思依暄机器人科技股份有限公司 一种基于人脸识别的员工考勤方法、装置和考勤管理系统

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109447597A (zh) * 2018-12-27 2019-03-08 深圳市沃特沃德股份有限公司 多人共同进行考勤的方法、装置及人脸识别系统
CN111382986A (zh) * 2018-12-27 2020-07-07 深圳云天励飞技术有限公司 学生管理方法及装置、计算机装置和计算机可读存储介质
CN109447597B (zh) * 2018-12-27 2022-04-12 深圳市沃特沃德信息有限公司 多人共同进行考勤的方法、装置及人脸识别系统
CN111382986B (zh) * 2018-12-27 2024-01-09 深圳云天励飞技术有限公司 学生管理方法及装置、计算机装置和计算机可读存储介质
CN111311772A (zh) * 2019-08-19 2020-06-19 深圳市鸿合创新信息技术有限责任公司 一种考勤处理方法及装置、电子设备
CN111354096A (zh) * 2019-08-19 2020-06-30 深圳市鸿合创新信息技术有限责任公司 一种智能考勤方法及装置、电子设备
CN110827432A (zh) * 2019-11-11 2020-02-21 深圳算子科技有限公司 一种基于人脸识别的课堂考勤方法及系统
CN111680649A (zh) * 2020-06-12 2020-09-18 杭州海康威视数字技术股份有限公司 用于检测在场人员的方法和装置以及数据处理设备
CN111680649B (zh) * 2020-06-12 2023-10-24 杭州海康威视数字技术股份有限公司 用于检测在场人员的方法和装置以及数据处理设备
CN112132079A (zh) * 2020-09-29 2020-12-25 中国银行股份有限公司 在线教学中监控学生的方法、装置及系统
CN112132079B (zh) * 2020-09-29 2023-12-22 中国银行股份有限公司 在线教学中监控学生的方法、装置及系统

Also Published As

Publication number Publication date
CN108830180B (zh) 2021-07-20

Similar Documents

Publication Publication Date Title
CN108830180A (zh) 电子考勤方法、装置及电子设备
KR102261061B1 (ko) 컨볼루션 신경망을 이용하여 poi 변화를 검출하기 위한 시스템 및 방법
CN103189827B (zh) 对象显示装置以及对象显示方法
CN108985199A (zh) 商品取放操作的检测方法、装置及存储介质
CN105975980A (zh) 监控图像标注质量的方法和装置
US9652734B2 (en) Portable encoded information reading terminal configured to acquire images
CN109214471A (zh) 评价练字字帖中的书写字的方法及系统
CN108961547A (zh) 一种商品识别方法、无人售货机及计算机可读存储介质
CN109035579A (zh) 一种商品识别方法、无人售货机及计算机可读存储介质
JP2022009097A (ja) 判別装置、判別方法およびプログラム
US20150262370A1 (en) Image processing device, image processing method, and image processing program
CN112508109B (zh) 一种图像识别模型的训练方法及装置
US11915519B2 (en) Information processing system, method for managing object to be authenticated, and program
US20090010496A1 (en) Image information processing apparatus, judging method, and computer program
BR112021005196A2 (pt) verificação de objetos para um serviço baseado em rede
CN110826646A (zh) 机器人视觉测试方法、装置、存储介质及终端设备
CN113537374A (zh) 一种对抗样本生成方法
CN113597614A (zh) 图像处理方法和装置、电子设备及存储介质
JP2014238674A (ja) 情報処理システム、情報処理方法及びプログラム
CN110248235A (zh) 软件教学方法、装置、终端设备及介质
CN112288889A (zh) 指示信息展示方法、装置、计算机设备及存储介质
CN112286780A (zh) 识别算法的测试方法、装置、设备及存储介质
CN109101917A (zh) 用于行人重识别的标注方法、训练方法、装置及系统
CN109523360A (zh) 一种信息推荐方法及系统
CN111288998A (zh) 地图的绘制方法及装置、存储介质和电子装置

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
GR01 Patent grant
GR01 Patent grant