CN109377577A - 一种基于人脸识别的考勤方法、系统及存储装置 - Google Patents
一种基于人脸识别的考勤方法、系统及存储装置 Download PDFInfo
- Publication number
- CN109377577A CN109377577A CN201811080022.8A CN201811080022A CN109377577A CN 109377577 A CN109377577 A CN 109377577A CN 201811080022 A CN201811080022 A CN 201811080022A CN 109377577 A CN109377577 A CN 109377577A
- Authority
- CN
- China
- Prior art keywords
- face
- information
- attendance
- user
- recognition
- 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
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- 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
- G06V40/168—Feature extraction; Face representation
-
- 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)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种基于人脸识别的考勤方法,包括:服务器端接收信息采集端采集的用户信息;服务器端根据接收到的用户信息生成考勤任务列表,并发送至预处理端;服务器端根据初始人脸信息,对预处理端返回的人脸特征信息进行人脸识别,确定人脸特征信息对应的身份信息;服务器端根据人脸特征信息、与人脸特征信息对应的身份信息以及接收到人脸特征信息的时间和预处理端对应的地点,生成当前用户的考勤记录。本发明公开的一种基于人脸识别的考勤方法能有效解决现有技术能有效解决现有技术用户账号登录步骤繁琐,考勤时间长、实时性差和准确度低的问题。本发明实施例还公开了一种基于人脸识别的考勤系统及存储介质。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种基于人脸识别的考勤方法、系统及存储装置。
背景技术
随着计算机技术的发展,越来越多的高校将在线选课系统作为学生的选课平台。高校中选课及考勤的现有模式为:学生输入账号和密码登录选课系统进行选课,教师依据选课系统提供名单进行学生点名,并记录出勤情况。
现有模式存在以下缺点:学生每次登录系统均需要手动输入账号和密码;若学生忘记密码,则需要通过其他验证途径找回密码,找回密码的操作繁琐且时间成本高,极易耽误选课;教师上课考勤均需要提前准备学生名单,准备时间较长,且无法实时获取在线选课系统的更新;上课过程中进行人工点名耗时耗力,且无法避免学生顶替他人考勤的情况。
发明内容
本发明实施例提供一种基于人脸识别的考勤方法、系统及存储介质,能有效解决现有技术用户账号登录和验证时间长、实时性差和准确度低的问题。
本发明实施例一提供一种基于人脸识别的考勤方法,包括如下步骤:
服务器端接收信息采集端采集的用户信息;
所述服务器端根据接收到的用户信息生成考勤任务列表,并发送至预处理端;其中,所述用户信息包括用户的身份信息和用户的初始人脸信息;
所述预处理端根据所述考勤任务列表控制监控端进行人脸信息采集,获得人脸特征信息;
所述服务器端根据所述初始人脸信息,对所述预处理端返回的人脸特征信息进行人脸识别,确定所述人脸特征信息对应的身份信息;
所述服务器端根据所述人脸特征信息、与所述人脸特征信息对应的身份信息以及接收到所述人脸特征信息的时间和所述预处理端对应的地点,生成当前用户的考勤记录。
作为上述方案的改进,所述预处理端根据所述考勤任务列表控制监控端进行人脸信息采集,获得人脸特征信息,具体包括:
对监控端采集的人脸信息进行预处理,得到所述人脸特征信息;
其中,所述预处理包括对所述人脸信息进行噪声提取。
作为上述方案的改进,所述服务器端根据所述初始人脸信息,对所述预处理端返回的人脸特征信息进行人脸识别,确定所述人脸特征信息对应的身份信息,具体包括:
对所述人脸特征信息采用生成式对抗网络重新生成人脸信息;
通过深度神经网络提取所述人脸信息中人脸深层次的抽象特征;
将所述抽象特征映射到新的特征空间,计算欧氏距离;
根据所述欧氏距离识别所述人脸特征信息对应的用户的初始人脸信息,并确定所述用户的身份信息。
作为上述方案的改进,所述用户的身份信息包括用户名和所述用户名对应的字符密码;
所述考勤任务列表包括考勤时间和考勤任务;
所述监控端与所述预处理端同时安装在考勤地点。
本发明实施例二对应提供了一种基于人脸识别的考勤系统,包括:
信息采集端,用于采集用户信息,其中,所述用户信息包括用户的身份信息和用户的初始人脸信息;
监控端,用于采集人脸信息;
预处理端,用于根据所述考勤任务列表控制监控端进行人脸信息采集,获得人脸特征信息;
服务器端,用于根据所述初始人脸信息,对所述预处理端返回的人脸特征信息进行人脸识别,确定所述人脸特征信息对应的身份信息;根据所述人脸特征信息、与所述人脸特征信息对应的身份信息以及接收到所述人脸特征信息的时间和所述预处理端对应的地点,生成当前用户的考勤记录。
作为上述方案的改进,所述预处理端根据所述考勤任务列表控制监控端进行人脸信息采集,获得人脸特征信息,具体包括:
对监控端采集的人脸信息进行预处理,得到所述人脸特征信息;
其中,所述预处理包括对所述人脸信息进行噪声提取。
作为上述方案的改进,所述服务器端根据所述初始人脸信息,对所述预处理端返回的人脸特征信息进行人脸识别,确定所述人脸特征信息对应的身份信息,具体包括:
对所述人脸特征信息采用生成式对抗网络重新生成人脸信息;
通过深度神经网络提取所述人脸信息中人脸深层次的抽象特征;
将所述抽象特征映射到新的特征空间,计算欧氏距离;
根据所述欧氏距离识别所述人脸特征信息对应的用户的初始人脸信息,并确定所述用户的身份信息。
作为上述方案的改进,所述用户的身份信息包括用户名和所述用户名对应的字符密码;
所述考勤任务列表包括考勤时间和考勤任务;
所述监控端与所述预处理端同时安装在考勤地点。
本发明实施例还提供了一种倾斜摄影测量建筑物特征点提取装置,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如上述的倾斜摄影测量建筑物特征点提取方法。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述的倾斜摄影测量建筑物特征点提取方法。
本发明实施例提供的一种基于人脸识别的考勤方法、系统及存储介质,与现有技术相比,具有如下有益效果:
采用人脸识别和字符密码两种登录方式,避免忘记字符密码后找回密码的步骤繁琐、时间长的问题,提高了登录效率;采用服务器端接收用户信息和人脸特征信息,确认对应的用户信息,生成当前用户的考勤记录,提高了统计分析出勤数据的效率和实时性;通过服务器端发送考勤任务列表,预处理端接收考勤任务列表,使预处理端能够在考勤地点需要考勤时开启,防止了因预处理端长时间运行而产生的能量和资源浪费;通过预处理端先对监控端采集的人脸信息的特征信息提取,减轻服务器端确认对应的用户信息时的负担,提高识别效率和考勤结果输出效率。
附图说明
图1是本发明实施例一提供的一种基于人脸识别的考勤方法的流程示意图。
图2是本发明实施例二提供的一种基于人脸识别的考勤系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,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。基于本发明中的实施例,本领域普通技术人员在没有作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。
参见图1,是本发明实施例一提供的一种基于人脸识别的考勤方法的流程示意图,包括如下步骤:
S101、服务器端接收信息采集端采集的用户信息;
S102、服务器端根据接收到的用户信息生成考勤任务列表,并发送至预处理端;其中,用户信息包括用户的身份信息和用户的初始人脸信息;
S103、预处理端根据考勤任务列表控制监控端进行人脸信息采集,获得人脸特征信息;
S104、服务器端根据初始人脸信息,对预处理端返回的人脸特征信息进行人脸识别,确定人脸特征信息对应的身份信息;
S105、服务器端根据人脸特征信息、与人脸特征信息对应的身份信息以及接收到人脸特征信息的时间和预处理端对应的地点,生成当前用户的考勤记录。
进一步的,对于步骤S103,预处理端根据考勤任务列表控制监控端进行人脸信息采集,获得人脸特征信息,具体包括:对监控端采集的人脸信息进行预处理,得到人脸特征信息;其中,预处理包括对人脸信息进行噪声提取。
进一步的,对于步骤S104,服务器端根据初始人脸信息,对预处理端返回的人脸特征信息进行人脸识别,确定人脸特征信息对应的身份信息,具体包括:对人脸特征信息采用生成式对抗网络重新生成人脸信息;通过深度神经网络提取人脸信息中人脸深层次的抽象特征;将抽象特征映射到新的特征空间,计算欧氏距离;根据欧氏距离识别人脸特征信息对应的用户的初始人脸信息,并确定用户的身份信息。
其中,生成式对抗网络(GAN)模型包括框架中(至少)两个模块:生成模型(Generative Model)和判别模型(Discriminative Model)。生成式对抗网络(GAN)模型可通过如下方式进行训练:生成模型G接收一个随机的噪声z,通过这个噪声生成图片,记做G(z);判别模型D判别图片G(z)是不是“真实的”,它的输入参数是G(z),代表一张图片,输出D(x)代表x为真实图片的概率,如果为1,就代表100%是真实的图片,而输出为0,就代表不可能是真实的图片。
在训练过程中,生成模型G的目标就是尽量生成真实的图片去欺骗判别模型D。而判别模型D的目标就是尽量把生成模型G生成的图片和真实的图片分别开来。这样,生成模型G和判别模型D构成了一个动态的“博弈过程”,通过互相博弈学习最终产生相当好的输出。
完成训练后,向判别模型输入人脸特征信息图像,生成模型根据新的人脸信息。若考勤人员由于佩戴眼镜、口罩和帽子等物品而对部分面部进行了遮挡,通过生成式对抗网络(GAN)模型也可根据训练结果对被遮挡部位进行图像补充,提高了识别的准确性。
优选的,设x,y是M×N维的和用户的初始人脸信息图像,那么在图像空间中可以表示为如下表达式:
x=(x1,x2,…,xKN+1,…,xMN),k=[1,2,…,M]
y=(y1,y2,…,yKN+1,…,yMN),k=[1,2,…,M]
式中,xKN+1,yKN+1是人脸特征信息图像x,初始人脸信息图像y的第(k,l)个像素点,因此图像的欧式距离dg为如下表达式(1):
由于图像中的任意两个像素间存在灰度相关性,相关程度与橡塑件的距离程反比,距离越大关联程度越低,两幅图像间的距离由所有像素距离叠加而成。
将如下表达式(2)代入表达式(1)得到表达式(3):
gij=f(|Pi-Pj|),i,j=1,2,…,MN (2)
式中,gij为像素间距离相关函数,|Pi-Pj|为图像中第i个像素点与第j个像素点坐标的相对距离,f为关联程度函数,G为度量系数矩阵,可进行分解得G=ATA;dIMED为图像的欧式距离,包含了不同灰度像素的空间位置对图像相似性的影响程度。
服务器端选取初始人脸信息,将人脸特征信息图像和选取的初始人脸信息图像分别表示为图像X和图像Y,分别对图像X和图像Y进行线性变换,得到u=Ax,v=Ay,代入表达式(3)得到表达式(4):
(x-y)TG(x-y)=(x-y)TATA(x-y)=(u-v)T(u-v) (4)
由表达式(4)可知,求图像X和图像Y的图像的欧式距离等价于求u与v之间的欧氏距离。
根据u与v之间的欧氏距离判断图像之间的相似性,并识别出人脸特征信息对应的用户的初始人脸信息。
进一步的,用户的身份信息包括用户名和用户名对应的字符密码;考勤任务列表包括考勤时间和考勤任务;监控端与预处理端同时安装在考勤地点。
优选的,监控端可以是摄像头,考勤地点可以是教室或公司,监控端与预处理端的安装位置可以面向教室和公司的入口处,确保能够在人员进入时采集到的人脸图像中正脸的所占比例较大。
优选的,信息采集端采用B/S架构(Browser/Server,浏览器/服务器模式);在Browser端安装网络摄像头,通过网络摄像头采集登录人员的人脸信息。
参见图2,是本发明实施例二提供的一种基于人脸识别的考勤系统的结构示意图,包括:
信息采集端201,用于采集用户信息,其中,用户信息包括用户的身份信息和用户的初始人脸信息;
监控端202,用于采集人脸信息;
预处理端203,用于根据考勤任务列表控制监控端202进行人脸信息采集,获得人脸特征信息;
服务器端204,用于根据初始人脸信息,对预处理端203返回的人脸特征信息进行人脸识别,确定人脸特征信息对应的身份信息;根据人脸特征信息、与人脸特征信息对应的身份信息以及接收到人脸特征信息的时间和预处理端203对应的地点,生成当前用户的考勤记录。
进一步的,预处理端203根据考勤任务列表控制监控端202进行人脸信息采集,获得人脸特征信息,具体包括:对监控端202采集的人脸信息进行预处理,得到人脸特征信息;其中,预处理包括对人脸信息进行噪声提取。
进一步的,服务器端204根据初始人脸信息,对预处理端203返回的人脸特征信息进行人脸识别,确定人脸特征信息对应的身份信息,具体包括:对人脸特征信息采用生成式对抗网络重新生成人脸信息;通过深度神经网络提取人脸信息中人脸深层次的抽象特征;将抽象特征映射到新的特征空间,计算欧氏距离;根据欧氏距离识别人脸特征信息对应的用户的初始人脸信息,并确定用户的身份信息。
进一步的,用户的身份信息包括用户名和用户名对应的字符密码;考勤任务列表包括考勤时间和考勤任务;监控端202与预处理端203同时安装在考勤地点。
在一个具体的实施例中,信息采集系统为在线选课系统,不同的教室分别同时安装监控端与预处理端,监控端为摄像头。
某学生若是初次登录在线选课系统,则向在线选课系统输入用户名、人脸信息和字符密码;在线选课系统将上述信息发送至服务器端。
若该学生非初次登录在线选课系统,则可通过人脸识别或字符密码两种方式登录系统,进行选课操作。选课完成后,在线选课系统将用户名对应的选课信息发送至服务器端。
服务器端接收选课信息后,根据选课信息向需要考勤的教室对应的预处理端发送考勤任务列表,其中,考勤任务列表包括上课时间、上课学生用户信息。
预处理端在上课时间段向摄像头发送监控指令,摄像头识别到摄像范围中出现人脸时,采集人脸信息,发送至预处理端;预处理端根据人脸信息提取人脸特征信息,并发送至服务器端,服务器端确定与人脸特征信息对应的学生的身份信息后,记录接收时间和预处理端对应的教室,判断该学生为出勤并记录在该学生的考勤表中。
若课程时间结束后仍未识别到某学生的人脸信息,判断该学生为缺勤并记录在该学生的考勤表中,完成考勤记录。
本发明实施例还提供了一种基于人脸识别的考勤系统,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如上述的一种基于人脸识别的考勤方法。
示例性的,所述计算机程序可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器中,并由所述处理器执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述一种基于人脸识别的考勤系统中的执行过程。
所述一种基于人脸识别的考勤系统可以是手机、桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述一种基于人脸识别的考勤系统可包括,但不仅限于,处理器、存储器。例如所述一种基于人脸识别的考勤系统还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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,所述处理器是所述一种基于人脸识别的考勤系统的控制中心,利用各种接口和线路连接整个基于人脸识别的考勤系统的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述一种基于人脸识别的考勤系统的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中,所述一种基于人脸识别的考勤系统集成的模块/单元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,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现通信信息保护方法。
示例性的,所述计算机程序可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器中,并由所述处理器执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述通信信息保护装置/终端设备中的执行过程。
上述实施例与本发明的一种基于人脸识别的考勤方法中对应的实施例相类似,此处不再赘述。
本发明实施例提供的一种基于人脸识别的考勤方法、系统及存储介质,与现有技术相比,具有如下有益效果:
采用人脸识别和字符密码两种登录方式,避免忘记字符密码后找回密码的步骤繁琐、时间长的问题,提高了登录效率;采用服务器端接收用户信息和人脸特征信息,确认对应的用户信息,生成当前用户的考勤记录,提高了统计分析出勤数据的效率和实时性;通过服务器端发送考勤任务列表,预处理端接收考勤任务列表,使预处理端能够在考勤地点需要考勤时开启,防止了因预处理端长时间运行而产生的能量和资源浪费;通过预处理端先对监控端采集的人脸信息的特征信息提取,减轻服务器端确认对应的用户信息时的负担,提高识别效率和考勤结果输出效率。
需说明的是,以上所描述的装置实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。另外,本发明提供的装置实施例附图中,模块之间的连接关系表示它们之间具有通信连接,具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种基于人脸识别的考勤方法,其特征在于,包括如下步骤:
服务器端接收信息采集端采集的用户信息;
所述服务器端根据接收到的用户信息生成考勤任务列表,并发送至预处理端;其中,所述用户信息包括用户的身份信息和用户的初始人脸信息;
所述预处理端根据所述考勤任务列表控制监控端进行人脸信息采集,获得人脸特征信息;
所述服务器端根据所述初始人脸信息,对所述预处理端返回的人脸特征信息进行人脸识别,确定所述人脸特征信息对应的身份信息;
所述服务器端根据所述人脸特征信息、与所述人脸特征信息对应的身份信息以及接收到所述人脸特征信息的时间和所述预处理端对应的地点,生成当前用户的考勤记录。
2.如权利要求1所述的一种基于人脸识别的考勤方法,其特征在于,所述预处理端根据所述考勤任务列表控制监控端进行人脸信息采集,获得人脸特征信息,具体包括:
对监控端采集的人脸信息进行预处理,得到所述人脸特征信息;
其中,所述预处理包括对所述人脸信息进行噪声提取。
3.如权利要求2所述的一种基于人脸识别的考勤方法,其特征在于,所述服务器端根据所述初始人脸信息,对所述预处理端返回的人脸特征信息进行人脸识别,确定所述人脸特征信息对应的身份信息,具体包括:
对所述人脸特征信息采用生成式对抗网络重新生成人脸信息;
通过深度神经网络提取所述人脸信息中人脸深层次的抽象特征;
将所述抽象特征映射到新的特征空间,计算欧氏距离;
根据所述欧氏距离识别所述人脸特征信息对应的用户的初始人脸信息,并确定所述用户的身份信息。
4.如权利要求3所述的一种基于人脸识别的考勤方法,其特征在于,所述用户的身份信息包括用户名和所述用户名对应的字符密码;
所述考勤任务列表包括考勤时间和考勤任务;
所述监控端与所述预处理端同时安装在考勤地点。
5.一种基于人脸识别的考勤系统,其特征在于,包括:
信息采集端,用于采集用户信息,其中,所述用户信息包括用户的身份信息和用户的初始人脸信息;
监控端,用于采集人脸信息;
预处理端,用于根据所述考勤任务列表控制监控端进行人脸信息采集,获得人脸特征信息;
服务器端,用于根据所述初始人脸信息,对所述预处理端返回的人脸特征信息进行人脸识别,确定所述人脸特征信息对应的身份信息;根据所述人脸特征信息、与所述人脸特征信息对应的身份信息以及接收到所述人脸特征信息的时间和所述预处理端对应的地点,生成当前用户的考勤记录。
6.如权利要求5所述的一种基于人脸识别的考勤系统,其特征在于,所述预处理端根据所述考勤任务列表控制监控端进行人脸信息采集,获得人脸特征信息,具体包括:
对监控端采集的人脸信息进行预处理,得到所述人脸特征信息;
其中,所述预处理包括对所述人脸信息进行噪声提取。
7.如权利要求6所述的一种基于人脸识别的考勤系统,其特征在于,所述服务器端根据所述初始人脸信息,对所述预处理端返回的人脸特征信息进行人脸识别,确定所述人脸特征信息对应的身份信息,具体包括:
对所述人脸特征信息采用生成式对抗网络重新生成人脸信息;
通过深度神经网络提取所述人脸信息中人脸深层次的抽象特征;
将所述抽象特征映射到新的特征空间,计算欧氏距离;
根据所述欧氏距离识别所述人脸特征信息对应的用户的初始人脸信息,并确定所述用户的身份信息。
8.如权利要求7所述的一种基于人脸识别的考勤系统,其特征在于,所述用户的身份信息包括用户名和所述用户名对应的字符密码;
所述考勤任务列表包括考勤时间和考勤任务;
所述监控端与所述预处理端同时安装在考勤地点。
9.一种基于人脸识别的考勤系统,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至4中任意一项所述的一种基于人脸识别的考勤方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至4中任意一项所述的一种基于人脸识别的考勤方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811080022.8A CN109377577A (zh) | 2018-09-17 | 2018-09-17 | 一种基于人脸识别的考勤方法、系统及存储装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811080022.8A CN109377577A (zh) | 2018-09-17 | 2018-09-17 | 一种基于人脸识别的考勤方法、系统及存储装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109377577A true CN109377577A (zh) | 2019-02-22 |
Family
ID=65404729
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811080022.8A Pending CN109377577A (zh) | 2018-09-17 | 2018-09-17 | 一种基于人脸识别的考勤方法、系统及存储装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109377577A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111401153A (zh) * | 2020-02-28 | 2020-07-10 | 中国建设银行股份有限公司 | 封闭式自助设备出入控制的方法和装置 |
CN111696220A (zh) * | 2019-03-11 | 2020-09-22 | 杭州海康威视数字技术股份有限公司 | 签到方法及装置 |
CN113496155A (zh) * | 2020-03-20 | 2021-10-12 | 北京京东振世信息技术有限公司 | 信息处理的方法、装置、设备和计算机可读介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140164255A1 (en) * | 2012-05-11 | 2014-06-12 | Contract Room, Inc. | System and method for dynamic transaction management and collaborative authoring of a negotiable document |
US20140309868A1 (en) * | 2013-04-15 | 2014-10-16 | Flextronics Ap, Llc | User interface and virtual personality presentation based on user profile |
CN106296112A (zh) * | 2016-07-28 | 2017-01-04 | 广州猫眼网络科技有限公司 | 基于人脸识别的考勤系统、方法及其装置 |
CN107909061A (zh) * | 2017-12-07 | 2018-04-13 | 电子科技大学 | 一种基于不完备特征的头部姿态跟踪装置及方法 |
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 |
-
2018
- 2018-09-17 CN CN201811080022.8A patent/CN109377577A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140164255A1 (en) * | 2012-05-11 | 2014-06-12 | Contract Room, Inc. | System and method for dynamic transaction management and collaborative authoring of a negotiable document |
US20140309868A1 (en) * | 2013-04-15 | 2014-10-16 | Flextronics Ap, Llc | User interface and virtual personality presentation based on user profile |
CN106296112A (zh) * | 2016-07-28 | 2017-01-04 | 广州猫眼网络科技有限公司 | 基于人脸识别的考勤系统、方法及其装置 |
CN107909061A (zh) * | 2017-12-07 | 2018-04-13 | 电子科技大学 | 一种基于不完备特征的头部姿态跟踪装置及方法 |
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 |
Non-Patent Citations (1)
Title |
---|
高志强等: "《深度学习:从入门到实战》", 30 June 2018 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111696220A (zh) * | 2019-03-11 | 2020-09-22 | 杭州海康威视数字技术股份有限公司 | 签到方法及装置 |
CN111401153A (zh) * | 2020-02-28 | 2020-07-10 | 中国建设银行股份有限公司 | 封闭式自助设备出入控制的方法和装置 |
CN113496155A (zh) * | 2020-03-20 | 2021-10-12 | 北京京东振世信息技术有限公司 | 信息处理的方法、装置、设备和计算机可读介质 |
CN113496155B (zh) * | 2020-03-20 | 2023-09-29 | 北京京东振世信息技术有限公司 | 信息处理的方法、装置、设备和计算机可读介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108596434B (zh) | 欺诈检测和风险评估方法、系统、设备及存储介质 | |
CN108256433B (zh) | 一种运动姿态评估方法及系统 | |
CN107220590B (zh) | 一种基于活体检测的防作弊网络调研方法、装置及系统 | |
CN104239858B (zh) | 一种人脸特征验证的方法和装置 | |
CN106897372B (zh) | 语音查询方法和装置 | |
CN109377577A (zh) | 一种基于人脸识别的考勤方法、系统及存储装置 | |
CN105518708A (zh) | 用于验证活体人脸的方法、设备和计算机程序产品 | |
CN107437074A (zh) | 一种身份认证方法和装置 | |
CN107292986A (zh) | 一种会议服务方法、服务器及主办方终端 | |
CN109559362B (zh) | 一种图像主体脸部替换方法及装置 | |
CN109015690B (zh) | 主动交互对话机器人系统及方法 | |
CN106897590A (zh) | 人像信息的校验方法及装置 | |
CN110599129A (zh) | 一种基于图像追踪校园考勤方法、装置、识别终端及系统 | |
CN109240786A (zh) | 一种主题更换方法及电子设备 | |
CN109190504A (zh) | 汽车图像数据的处理方法、装置及可读存储介质 | |
CN108197608A (zh) | 人脸识别方法、装置、机器人及存储介质 | |
CN107491991A (zh) | 基于晃动的人机识别方法及应用其的广告投放方法和系统 | |
CN113516167A (zh) | 生物特征识别方法及装置 | |
CN111062345B (zh) | 静脉识别模型的训练方法、装置和静脉图像识别装置 | |
KR102581415B1 (ko) | 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 ubt 시스템 및 그 방법 | |
CN110874582A (zh) | 电信诈骗的确定方法及装置、存储介质、电子装置 | |
CN110264544A (zh) | 图片处理方法和装置、存储介质及电子装置 | |
CN109871785A (zh) | 来访人员识别方法、装置、智能猫眼、服务器及存储介质 | |
CN108764033A (zh) | 身份验证方法和装置、电子设备、计算机程序和存储介质 | |
CN115337650A (zh) | 一种基于元宇宙的网络游戏防沉迷系统 |
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: 20190222 |
|
RJ01 | Rejection of invention patent application after publication |