CN109447563A - 语音考勤方法、装置、计算机设备和存储介质 - Google Patents
语音考勤方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109447563A CN109447563A CN201811031771.1A CN201811031771A CN109447563A CN 109447563 A CN109447563 A CN 109447563A CN 201811031771 A CN201811031771 A CN 201811031771A CN 109447563 A CN109447563 A CN 109447563A
- Authority
- CN
- China
- Prior art keywords
- attendance
- voice
- information
- student number
- vocal print
- 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
- 238000000034 method Methods 0.000 title claims abstract description 67
- 230000001755 vocal effect Effects 0.000 claims abstract description 135
- 238000004590 computer program Methods 0.000 claims description 17
- 239000000284 extract Substances 0.000 claims description 17
- 230000005540 biological transmission Effects 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract 1
- 238000012549 training Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 238000007619 statistical method Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification techniques
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
- H04L9/3226—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials using a predetermined code, e.g. password, passphrase or PIN
- H04L9/3231—Biological data, e.g. fingerprint, voice or retina
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Computer Security & Cryptography (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Acoustics & Sound (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及人工智能技术领域,提供了一种语音考勤方法、装置、计算机设备和存储介质。所述方法包括:接收考勤设备发送的语音考勤信息;通过语音识别模型从所述语音考勤信息中提取目标语音考勤内容,并通过声纹识别模型从所述语音考勤信息中提取目标声纹特征;查询预存储的与所述目标语音考勤内容相匹配的学号;根据所述学号对应查询预存储的预设声纹特征;当所述目标声纹特征与所述预设声纹特征相匹配时,将所述学号对应的考勤信息发送至终端。采用本方法能够提高考勤效率和准确性。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种语音考勤方法、装置、计算机设备和存储介质。
背景技术
考勤是指考查出勤,具体是指通过预设方式获取人员在预设时间点或预设时间段内的出勤情况。比如在学校开展课程或者开展集体活动时,通常会通过预设考勤方式对学生进行考勤。目前的预设考勤方式主要有点名签到和签名签到等考勤方式。
然而,该种考勤方式依赖于教师或活动组织者对考勤信息进行统一管理,耗费了大量的人力物力,从而存在考勤效率低的问题。而且,该种考勤方式可能会存在代替答到或代替签名的情况,导致获取的考勤数据不准确,从而存在考勤准确性低的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高考勤效率和准确性的语音考勤方法、装置、计算机设备和存储介质。
一种语音考勤方法,所述方法包括:
接收考勤设备发送的语音考勤信息;
通过语音识别模型从所述语音考勤信息中提取目标语音考勤内容,并通过声纹识别模型从所述语音考勤信息中提取目标声纹特征;
查询预存储的与所述目标语音考勤内容相匹配的学号;
根据所述学号对应查询预存储的预设声纹特征;
当所述目标声纹特征与所述预设声纹特征相匹配时,将所述学号对应的考勤信息发送至终端。
在其中一个实施例中,所述查询预存储的与所述目标语音考勤内容相匹配的学号之前,所述方法还包括:
接收所述考勤设备发送的打卡考勤信息;
根据所述打卡考勤信息获取相应的考勤学号;
将所述考勤学号与所述目标语音考勤内容进行匹配;
当匹配成功时,执行所述查询预存储的与所述目标语音考勤内容相匹配的学号的步骤。
在其中一个实施例中,所述接收考勤设备发送的语音考勤信息,包括:
接收考勤设备发送的语音考勤文件;
按照预设解码方式对所述语音考勤文件进行解码,获得所述语音考勤信息。
在其中一个实施例中,所述当所述目标声纹特征与所述预设声纹特征相匹配时,将所述学号对应的考勤信息发送至终端包括:
当所述目标声纹特征与所述预设声纹特征相匹配时,将所述学号与考勤黑名单进行匹配;
当所述学号与所述考勤黑名单匹配成功时,向所述考勤设备发送相应的提示信息;所述提示信息用于指示所述考勤设备采集指纹考勤信息;
获取所述考勤设备针对所述提示信息对应反馈的指纹考勤信息;
当所述指纹考勤信息中的指纹特征与所述学号所对应的预设指纹特征相匹配时,将所述学号对应的考勤信息发送至终端。
在其中一个实施例中,所述方法还包括:
获取所述学号在指定时间段内对应的考勤信息;
根据所述考勤信息对应确定所述学号所对应的出勤率;
当所述出勤率低于预设出勤率阈值时,将所述学号更新至考勤黑名单,并向所述终端发送与所述学号对应的出勤预警信息。
在其中一个实施例中,所述方法还包括:
获取预设学号集合中的各个学号在预设时间段内所对应的考勤信息;
根据所述考勤信息对应确定所述预设学号集合,在所述预设时间段内所对应的考勤统计信息;
将所述考勤统计信息发送至所述终端。
在其中一个实施例中,所述方法还包括:
获取语音注册信息;所述语音注册信息中携带有待注册的学号;
通过语音识别模型从所述语音注册信息中提取所述待注册的学号,并通过声纹识别模型从所述语音注册信息中提取待注册的声纹特征;
将所述待注册的学号和所述待注册的声纹特征对应存储。
一种语音考勤装置,所述装置包括:
接收模块,用于接收考勤设备发送的语音考勤信息;
提取模块,用于通过语音识别模型从所述语音考勤信息中提取目标语音考勤内容,并通过声纹识别模型从所述语音考勤信息中提取目标声纹特征;
查询模块,用于查询预存储的与所述目标语音考勤内容相匹配的学号;
所述查询模块,还用于根据所述学号对应查询预存储的预设声纹特征;
语音考勤模块,用于当所述目标声纹特征与所述预设声纹特征相匹配时,将所述学号对应的考勤信息发送至终端。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现本申请任意一个实施例中提供的语音考勤方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现本申请任意一个实施例中提供的语音考勤方法的步骤。
上述语音考勤方法、装置、计算机设备和存储介质,接收考勤设备发送的语音考勤信息,借助于语音识别模型自动从该语音考勤信息中提取目标语音考勤内容,并借助于声纹识别模型自动从该语音考勤信息中提取目标声纹特征,提高了语音考勤信息的处理效率。根据该目标语音考勤内容对应查询相匹配的学号,并对应查询与该学号相对应的预设声纹特征,根据所查询到的预设声纹特征自动对目标声纹特征进行认证,并根据认证结果生成相应的考勤信息。该种方式提高了声纹特征的认证效率和准确性,从而提高了考勤效率和准确性。
附图说明
图1为一个实施例中语音考勤方法的应用场景图;
图2为一个实施例中语音考勤方法的流程示意图;
图3为另一个实施例中语音考勤方法的流程示意图;
图4为一个实施例中语音考勤装置的结构框图;
图5为另一个实施例中语音考勤装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的语音考勤方法,可以应用于如图1所示的应用环境中。其中,终端102和考勤设备106分别通过网络与服务器104进行通信。考勤设备106将获取到的语音考勤信息发送至服务器104,服务器104通过语音识别模型从该语音考勤信息中提取目标语音考勤内容,并通过声纹识别模型从该语音考勤信息中提取目标声纹特征。服务器104根据所提取的目标语音考勤内容查询相匹配的学号,并根据查询到的学号查询相应的预设声纹特征。当目标声纹特征和预设声纹特征相匹配时,服务器104将相应学号对应的考勤信息发送至终端102。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。考勤设备106可以包括但不限于处理器、语音检测器和读卡器,处理器比如ARM板(嵌入式开发板,也即单片机),语音检测器比如指向性麦克风,读卡器可以是基于RFID(Radio Frequency Identification,射频识别)的读写器。
在一个实施例中,如图2所示,提供了一种语音考勤方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
S202,接收考勤设备发送的语音考勤信息。
其中,语音考勤信息是指进行语音考勤时获取到的语音信息。语音考勤是指基于考勤过程中采集到的语音信息对应考查学生的出勤情况。语音信息是以语音消息的形式传递的信息,具体是指学生考勤说话时所传递的声音信息。
具体地,服务器接收考勤设备通过有线或无线方式发送的语音考勤信息。语音考勤信息的发送方式可依据应用场景的变化而变化,比如位置固定式的考勤设备可采用有线或无线方式将获取到的语音考勤信息发送至服务器,移动式的考勤设备可采用无线方式将获取到的语音考勤信息发送至服务器。其中,有线方式比如ENC(有线传输方式),无线方式比如WIFI(无线传输方式)。
在一个实施例中,考勤设备获取语音检测器所检测到的语音考勤信息。语音检测器可作为考勤设备的硬件组成部分内置于考勤设备中,也可以是与考勤设备点对点连接的独立部件。考勤设备通过内置的语音检测器检测语音考勤信息,以获取语音检测器所检测到的语音信息。考勤设备也可以接收作为独立部件的语音检测器检测并发送的语音考勤信息。其中,语音检测器是用于检测语音考勤信息的装置,比如麦克风,具体可以是指向性麦克风。
在一个实施例中,考勤设备获取到语音考勤请求时,获得语音检测所检测到的语音考勤信息。语音考勤请求是考勤设备检测到对指定控件的指定触发操作时对应生成的请求。
在一个实施例中,考勤设备获取到红外传感器或热传感器所检测到的目标学生时,触发开启语音检测器,以通过语音检测器检测目标学生所对应的语音考勤信息。当语音检测器在预设时长内没有检测到语音考勤信息时,考勤设备则判定语音考勤信息获取完成,对应关闭语音检测器。
S204,通过语音识别模型从语音考勤信息中提取目标语音考勤内容,并通过声纹识别模型从语音考勤信息中提取目标声纹特征。
其中,语音识别模型是根据预先获取的训练样本集进行模型训练获得的、能够用于从语音考勤信息中提取目标语音考勤内容的模型。该训练样本集包括多个目标语音考勤信息和每个目标语音考勤信息所对应的目标语音考勤内容。声纹识别模型是根据预先获取的训练样本集进行模型训练获得的、能够用于从语音考勤信息中提取目标声纹特征的模型。该训练样本集包括多个目标语音考勤信息和每个目标语音考勤信息所对应的目标声纹特征。其中,用于训练语音识别模型的训练样本集中的目标语音考勤信息,与用于训练声纹识别模型的训练样本集中的目标语音考勤信息可以相同也可以不同。目标语音考勤内容是指语音考勤信息所携带的具有指定含义的数据,具体可以是当前进行语音考勤的学生所对应的学号。目标声纹特征是语音考勤信息中用于携带目标语音考勤内容的声波频谱。目标声纹特征具体是用于表示学生声音特征的音色参数。
具体地,服务器将所接收到的语音考勤信息作为输入特征,输入预先训练好的语音识别模型进行预测,获得相应的目标语音考勤信息。类似地,服务器将该语音考勤信息作为输入特征,输入预先训练好的声纹识别模型进行预测,获得相应的目标声纹特征。目标语音考勤信息具体可以是语音考勤学生的学号,目标声纹特征具体可以是语音考勤学生的声纹特征。
在一个实施例中,语音识别模型的训练步骤包括:服务器获取多个目标语音考勤信息,并分别标注出每个目标语音考勤信息对应的目标语音考勤内容,根据该多个目标语音考勤信息和相应的多个目标语音考勤内容,获得相应的训练样本集;服务器将目标语音考勤信息作为输入特征,将相应的目标语音考勤内容作为期望的输出特征,对初始化的语音识别模型进行训练,获得已训练的语音识别模型。
在一个实施例中,声纹识别模型的训练步骤包括:服务器获取多个目标语音考勤信息,并分别标注出每个目标语音考勤信息对应的目标声纹特征,根据该多个目标语音考勤信息和相应的多个目标声纹特征,获得相应的训练样本集;服务器将目标语音考勤信息作为输入特征,将相应的目标声纹特征作为期望的输出特征,对初始化的声纹识别模型进行训练,获得已训练的声纹识别模型。
在一个实施例中,服务器将所接收到的语音考勤信息存储在本地,通过预先训练好的语音识别模型从本地获取该语音考勤信息,并从该语音考勤信息中提取目标语音考勤内容。类似地,服务器通过预先训练好的声纹识别模型从本地获取该语音考勤信息,并从该语音考勤信息中提取相应的目标声纹特征。
在一个实施例中,服务器通过语音识别模型从语音考勤信息中提取到相应的目标语音考勤内容时,服务器从该语音考勤信息中截取与该目标语音考勤内容对应的语音考勤信息片段,并通过声纹识别模型从该语音考勤信息片段中提取相应的目标声纹特征。
S206,查询预存储的与目标语音考勤内容相匹配的学号。
其中,学号是学校为学生分配的编号。同一个学校内的不同学生具有不同的学号,即学号用于在学校内唯一标识学生,以方便学校对学生的管理。
具体地,服务器从语音考勤信息中提取到相应的目标语音考勤内容时,根据该目标语音考勤内容从本地预存储的预设学号中,查询与该目标语音考勤内容相匹配的学号。当查询到与目标语音考勤内容相匹配的学号时,表明该目标语音考勤内容所对应的学号是已注册的学号。
在一个实施例中,预存储的预设学号可以是预先注册并存储在本地、云服务器或者网络服务器的学号。服务器根据所提取到的目标语音考勤内容,从云服务器或者网络服务器查询与该目标语音考勤内容相匹配的学号。
S208,根据学号对应查询预存储的预设声纹特征。
其中,预设声纹特征是预先设定的声纹特征,具体可以是预先注册并存储的声纹特征。预设声纹特征与预存储的预设学号相对应。换而言之,服务器预先建立学号和该学号对应的学生所对应的声纹特征之间的对应关系,并将该学号、声纹特征和相应的对应关系对应存储在本地、云服务器或者网络服务器。其中,对应存储的声纹特征作为预设声纹特征,学号作为相应的预设学号。
具体地,当在预存储的预设学号中查询到与目标语音考勤内容相匹配的学号时,服务器根据所查询到的学号,在本地查询与该学号对应的预设声纹特征。服务器根据所查询到的学号在本地查询相应的对应关系,进而按照所查询到的对应关系查询与该学号对应的预设声纹特征。
在一个实施例中,服务器根据所查询到的学号,按照相应的对应关系在网络服务器或云服务器中查询相应的预设声纹特征。
S210,当目标声纹特征与预设声纹特征相匹配时,将学号对应的考勤信息发送至终端。
其中,考勤信息是考勤过程中根据考勤结果对应生成的信息。考勤信息用于表征相应学生的出勤情况。考勤信息可以包括考勤学生的学号、姓名和考勤结果。考勤结果可以是考勤成功或失败的结果。考勤信息还可以包括考勤时间。终端具体可以是任课教师终端、学生家长终端和学校教务管理终端等。
具体地,服务器将所查询到的预设声纹特征与所提取到的目标声纹特征进行匹配,当匹配成功时,表明该目标声纹特征是已注册的、且与相应学号对应的声纹特征,也即表明当前进行语音考勤的学生是与目标语音考勤内容相匹配的学号所对应的学生本人,服务器则判定该学号对应的考勤结果为考勤成功。当判定考勤结果为考勤成功时,服务器根据该考勤结果和相应的学号,以及该学号对应的学生姓名生成相应的考勤信息,并将所生成的考勤信息发送至终端。
在一个实施例中,当匹配失败时,表明当前进行语音考勤的学生可能不是与目标语音考勤内容相匹配的学号所对应的学生本人,服务器则判定该学号对应的考勤结果为考勤失败,并根据该考勤结果、学号和该学号对应的姓名,以及相应的目标声纹特征生成相应的考勤信息。在一个实施例中,当匹配失败时,服务器根据该目标声纹特征在本地查询相匹配的预设声纹特征,并对应查询与所查询到的预设声纹特征相对应的学号,进而确定当前进行语音考勤的学生。
在一个实施例中,当匹配失败时,服务器向考勤设备发送重新进行语音考勤的提示信息,以通过考勤设备将该提示信息展示给相应学生。提示信息比如“考勤失败,请重新进行考勤”。服务器接收考勤设备针对该提示信息对应反馈的语音考勤信息时,按照上述方式确定该语音考勤信息所对应的考勤结果。当判定该考勤结果为考勤失败时,即当同一学号连续两次对应的考勤结果均为考勤失败时,服务器则判定该学号对应的学生缺勤。在一个实施例中,当判定该考勤结果为考勤失败,且重新考勤的目标声纹特征与首次考勤的目标声纹特征相匹配时,即当同一学号连续两次对应的考勤结果均为考勤失败,且该两次考勤对应的目标声纹特征相同时,服务器则判定该学号对应的学生缺勤。这样能够有效避免学生在考勤过程中因报错学号而导致考勤结果不准确的问题。
在一个实施例中,服务器获取与语音考勤信息对应的考勤时间。当目标声纹特征与预设声纹特征相匹配时,服务器根据相应的考勤结果、学号和该学号对应的学生姓名,以及考勤时间生成相应的考勤信息,并将所生成的考勤信息发送至终端。当目标声纹特征与预设声纹特征相匹配时,服务器根据相应的语音考勤信息从考勤设备获取与该语音考勤信息相对应的考勤时间。考勤设备获取语音考勤信息时,对应获取该语音考勤信息所对应的考勤时间,并将所获取到的语音考勤信息和相应的考勤时间发送至服务器。
在一个实施例中,服务器将所获取到的考勤时间与预设时间进行比较,根据比较结果确定相应学号所对应的学生是否迟到。预设时间比如可以是上课或者集体活动的开始时间。在一个实施例中,服务器也可以按照上述方式分别确定各个学生是否存在早退情况。
上述语音考勤方法,接收考勤设备发送的语音考勤信息,借助于语音识别模型自动从该语音考勤信息中提取目标语音考勤内容,并借助于声纹识别模型自动从该语音考勤信息中提取目标声纹特征,提高了语音考勤信息的处理效率。根据该目标语音考勤内容对应查询相匹配的学号,并对应查询与该学号相对应的预设声纹特征,根据所查询到的预设声纹特征自动对目标声纹特征进行认证,并根据认证结果生成相应的考勤信息。该种方式提高了声纹特征的认证效率和准确性,从而提高了考勤效率和准确性。
在一个实施例中,步骤S206之前,上述语音考勤方法还包括:接收考勤设备发送的打卡考勤信息;根据打卡考勤信息获取相应的考勤学号;将考勤学号与目标语音考勤内容进行匹配;当匹配成功时,执行步骤S206。
其中,打卡考勤信息是指考勤过程中从学生卡中读取到的信息。打卡考勤信息可包括相应学生卡对应的学生所对应的学号和姓名,还可包括打卡时间。换而言之,打卡考勤信息可包括考勤学生对应的考勤学号和考勤姓名。
具体地,服务器接收考勤设备通过无线或有线方式发送的打卡考勤信息,根据该打卡考勤信息对应确定相应学生卡所对应的考勤学号,并所确定的考勤学号与从语音考勤信息中所提取到的目标语音考勤内容进行匹配。当匹配成功时,表明参与打卡考勤的学号与参与语音考勤的学号相同,服务器则根据该目标语音考勤信息对应查询相匹配的学号,并根据所查询到的学号查询相应的预设声纹特征。服务器根据所查询到的预设声纹特征对从语音考勤信息中提取到的目标声纹特征进行验证,当验证通过时,服务器判定相应学号对应的考勤结果为考勤通过,并将该学号对应的考勤信息发送至终端。
在一个实施例中,当考勤学号和目标语音考勤内容匹配失败时,服务器则判定考勤失败,不再执行对目标声纹特征进行验证的相关步骤,提高了考勤效率。在一个实施例中,当考勤失败时,服务器确定考勤学号对应的考勤姓名,以及目标语音内容对应的姓名,进而根据该考勤学号、考勤姓名、目标语音内容、姓名和相应的考勤结果生成相应的考勤信息,并将该考勤信息发送至终端。
在一个实施例中,学生基于学生卡进行打卡考勤时,考勤设备通过读卡器读取学生的打卡考勤信息。读卡器具体可以基于RFID(短距离无线射频技术)读取学生的打卡考勤信息。
上述实施例中,通过打卡考勤和语音考勤相结合的考勤方式,对学生的出勤情况进行双重考查,能够有效避免代替考勤的问题,提高了考勤的准确性。
在一个实施例中,步骤S202包括:接收考勤设备发送的语音考勤文件;按照预设解码方式对语音考勤文件进行解码,获得语音考勤信息。
其中,语音考勤文件是按照预设编码方式对语音考勤信息进行编码对应获得的考勤文件。预设编码方式是预先设定的用于将语音考勤信息编码成相应的语音考勤文件的编码方式,比如base64编码。base64编码是指将二进制的音频文件编码成适于HTTP协议(HyperText Transfer Protocol,超文本传输协议)传输的字符串。预设解码方式是指预先设定的用于将语音考勤文件解码成相应的语音考勤信息的解码方式,也即将语音考勤文件还原成语音考勤信息的方式,比如base64解码。base64解码是根据字符串还原音频文件。
具体地,考勤设备获取到语音考勤信息时,按照预设编码方式对所获取到的语音考勤信息进行编码,获得相应的语音考勤文件,并将获得的语音考勤文件通过有线或无线方式发送至服务器。服务器按照预设解码方式对所接收到的语音考勤文件进行解码,获得相应的语音考勤信息。
上述实施例中,将语音考勤信息编码成相应的语音考勤文件再进行传输,提高了传输效率,从而提高了考勤效率。
在一个实施例中,步骤S210包括:当目标声纹特征与预设声纹特征相匹配时,将学号与考勤黑名单进行匹配;当学号与考勤黑名单匹配成功时,向考勤设备发送相应的提示信息;提示信息用于指示考勤设备采集指纹考勤信息;获取考勤设备针对提示信息对应反馈的指纹考勤信息;当指纹考勤信息中的指纹特征与学号所对应的预设指纹特征相匹配时,将学号对应的考勤信息发送至终端。
其中,考勤黑名单是由考勤情况符合预设考勤条件的学号组成的学号列表。考勤情况具体可以是指出勤情况、缺勤情况或代打卡情况等。预设考勤条件是预先设定的用于判定是否将相应学号更新至考勤黑名单的依据。预设考勤条件比如出勤率低于预设出勤率阈值,或者缺勤率达到预设缺勤率阈值,或者代打卡次数达到预设次数。考勤黑名单中的学号所对应的学生在考勤过程中可结合多种考勤方式考查其出勤情况。比如语音考勤、打卡考勤、指纹考勤、人脸识别考勤等中的一种或多种考勤方式相结合。指纹考勤信息是指在指纹考勤过程中对应采集到的指纹信息。指纹特征是指指纹的纹线分布特征。指纹特征是生理特征,每个学生对应有唯一的指纹特征,即指纹特征可用于唯一标识学生。
具体地,当目标声纹特征与预设声纹特征相匹配时,即当语音考勤对应的考勤结果为考勤成功时,服务器将与该目标声纹特征对应的学号,分别与考勤黑名单中的每个学号进行匹配。当考勤黑名单中的各个学号所对应的匹配结果中,存在表示匹配成功的匹配结果时,表明目标声纹特征所对应的学号与考勤黑名单匹配成功,也即表明该目标声纹特征所对应的学号在考勤黑名单中,服务器则向考勤设备发送相应的提示信息,以指示考勤设备对应采集该目标声纹特征对应的学号所对应的指纹考勤信息。
进一步地,考勤设备根据所接收到的提示信息采集相应学号所对应的指纹考勤信息,并将所采集到的指纹考勤信息发送至服务器。服务器从所接收到的指纹考勤信息中提取相应的指纹特征,并根据相应的学号在本地查询与该学号对应的预设指纹特征。服务器将所提取到的指纹特征与所查询到的预设指纹特征进行匹配,当匹配成功时服务器将该学号对应的考勤信息发送至终端。
在一个实施例中,考勤设备接收到服务器发送的用于指示采集指纹考勤信息的提示信息时,考勤设备通过显示屏进行显示的方式或者通过扬声器进行语音播报的形式向相应学生展示进行指纹考勤的提示信息,并检测学生针对该提示信息对应反馈的指纹考勤信息。
在一个实施例中,服务器通过预先训练好的指纹特征识别模型从所接收到的指纹考勤信息中,提取相应的指纹特征。
上述实施例中,对于考勤黑名单中的学号所对应的学生,结合多种考勤方式考查该学生的出勤情况,能够提高考勤准确性。
在一个实施例中,上述语音考勤方法还包括:获取学号在指定时间段内对应的考勤信息;根据考勤信息对应确定学号所对应的出勤率;当出勤率低于预设出勤率阈值时,将学号更新至考勤黑名单,并向终端发送与学号对应的出勤预警信息。
其中,指定时间段是预先指定的时间区间,具体可以是由指定起始时间和指定结束时间对应确定的时间区间,比如2018年3月1日至2018年3月31日。指定时间段所对应的时长由指定起始时间和指定结束时间对应确定,该时长具体可以是一学期、一个季度、一个月、一周、一天或者一节课等。出勤率是指实际出勤次数占应出勤次数的比率,用于表征学生的出勤情况。预设出勤率阈值是预先设定的用于判定是否将相应学号更新至考勤黑名单的依据。
具体地,服务器接收到考勤分析指令时,根据所接收到的考勤分析指令获取相应的学号在指定时间段内对应的考勤信息。服务器根据所获取到的考勤信息,对应确定相应学号所对应的出勤次数。服务器根据学号对应查询该学号在该指定时间段内对应的应出勤次数,并根据出勤次数和应出勤次数对应确定该学号在该指定时间段内所对应的出勤率。服务器将出勤率与预设出勤率阈值进行比较,当出勤率低于预设出勤率阈值时,服务器将相应学号更新至考勤黑名单,即将该学号添加至考勤黑名单,并相终端发送针对该学号的出勤预警信息。
在一个实施例中,服务器根据考勤分析指令获得指定时间段和相应的一个或多个学号,分别获取该一个或多个学号在该指定时间段内对应的考勤信息,并根据每个学号所对应的考勤信息按照上述方式确定相应的出勤率。
在一个实施例中,服务器本地存储有各个学号所对应的考勤信息,该考勤信息包括按照上述方法判定的考勤结果为考勤成功的考勤信息,也可以包括相应学生在应考勤而未参与考勤时对应生成的表示缺勤的考勤信息,还可以包括相应学生在应考勤而由他人代替考勤时对应生成的表示代打卡的考勤信息。服务器分别获取一个或多个学号在指定时间段内的考勤信息。对于每个学号,服务器根据对应获取到的考勤信息确定相应的出勤次数、缺勤次数和代打卡次数,并按照预设计算方式计算相应的出勤率。
上述实施例中,当出勤次数不符合预设要求时,将相应学号更新至考勤黑名单,并对应推送出勤预警信息,以便于及时督导相应学生,从而提高出勤率。
在一个实施例中,上述语音考勤方法还包括:获取预设学号集合中的各个学号在预设时间段内所对应的考勤信息;根据考勤信息对应确定预设学号集合,在预设时间段内所对应的考勤统计信息;将考勤统计信息发送至终端。
其中,预设学号集合是由预先设定的由多个学号组成的学号集合。预设学号集合可以是以班级为单位的各个学号组成的集合,也可以是以年级或学校为单位的各个学号组成的集合。预设时间段是预先设定的时间区间,具体可以是由预设起始时间和预设结束时间对应确定的时间区间,比如2018年3月1日至2018年5月31日。预设时间段所对应的时长具体可以是一学期、一个季度、一个月、一周、一天或者一节课等。考勤统计信息是指预设学号集合在预设时间段内对应的考勤统计结果,比如高一年级在一学期内的人均出勤率。
具体地,服务器接收到终端发送的考勤统计分析指令时,根据所接收到的考勤统计分析指令确定相应的预设学号集合和预设时间段,并获取该预设学号集合中的各个学号在该预设时间段内所对应的考勤信息。服务器根据所获取到的考勤信息按照预设统计分析方式,对应确定该预设学号集合在该预设时间段内对应的考勤统计信息,并将所获取的考勤统计信息发送至终端。预设统计分析方式是预先设定的用于对考勤信息进行统计分析获得相应的考勤统计结果的方式,比如分别统计预设学号集合中的各个学号在预设时间段内的出勤率、缺勤率和代打卡次数,进而确定该预设学号集合所对应的人均出勤率、人均缺勤率和人均代打卡次数。
在一个实施例中,服务器可以从不同维度确定预设学号集合在预设时间段内的考勤统计信息,比如统计该预设学号集合在该预设时间段内,针对各个课程的出勤率、缺勤率和代打卡人数等。在一个实施例中,考勤信息中包括考勤时间。服务器还可以所获取到的考勤时间对应确定该预设学号集合在该预设时间段内的迟到人数或比率。
上述实施例中,通过分析预设学号集合在预设时间段内对应的考勤信息,获得相应的考勤统计信息,从而了解相应的出勤情况,以及时采取相应的措施,从而提高出勤率。
在一个实施例中,上述语音考勤方法还包括:获取语音注册信息;语音注册信息中携带有待注册的学号;通过语音识别模型从语音注册信息中提取待注册的学号,并通过声纹识别模型从语音注册信息中提取待注册的声纹特征;将待注册的学号和待注册的声纹特征对应存储。
其中,语音注册信息是指学号和声纹特征注册过程中对应采集到的语音信息。具体地,服务器从考勤设备或终端获取携带有待注册的学号的语音注册信息,将该语音注册信息输入预先训练好的语音识别模型进行预测,获得相应的待注册学号,并将该语音注册信息输入预先训练好的声纹识别模型进行预测,获得相应的待注册声纹特征。服务器建立从该语音注册信息中所提取到的待注册学号和待注册声纹特征之间的对应关系,并将所建立的对应关系,以及相应的待注册学号和待注册声纹特征对应存储。其中,待注册学号作为预存储的学号,待注册的声纹特征作为与预存储的学号对应的预设声纹特征。
在一个实施例中,服务器从考勤设备或终端获取待注册的学号和相应的语音注册信息,通过声纹识别模型从该语音注册信息中提取相应的待注册的声纹特征,进而建立该待注册的声纹特征与待注册的学号之间的对应关系。
上述实施例中,在注册阶段对应获取待注册的学号和相应的声纹特征,建立二者的对应关系,并对应存储,以便于在语音考勤阶段根据学号查询相应的预设声纹特征,进而对目标声纹特征进行验证,提高了考勤准确性和效率。
在一个实施例中,上述各个实施例中提供的语音考勤方法还可以应用其他应用场景,比如上班考勤和开会考勤等。参与语音考勤的对象也不限于是学生,比如可以是工作人员和教师等。
如图3所示,在一个实施例中,提供了一种语音考勤方法,该方法具体包括以下步骤:
S302,接收考勤设备发送的语音考勤文件。
S304,按照预设解码方式对语音考勤文件进行解码,获得语音考勤信息。
S306,通过语音识别模型从语音考勤信息中提取目标语音考勤内容,并通过声纹识别模型从语音考勤信息中提取目标声纹特征。
S308,接收考勤设备发送的打卡考勤信息。
S310,根据打卡考勤信息获取相应的考勤学号。
S312,将考勤学号与目标语音考勤内容进行匹配。
S314,当匹配成功时,查询预存储的与目标语音考勤内容相匹配的学号。
S316,根据学号对应查询预存储的预设声纹特征。
S318,当目标声纹特征与预设声纹特征相匹配时,将学号与考勤黑名单进行匹配。
S320,当学号与考勤黑名单匹配成功时,向考勤设备发送相应的提示信息;提示信息用于指示考勤设备采集指纹考勤信息。
S322,获取考勤设备针对提示信息对应反馈的指纹考勤信息。
S324,当指纹考勤信息中的指纹特征与学号所对应的预设指纹特征相匹配时,将学号对应的考勤信息发送至终端。
上述实施例中,结合了多种考勤方式考查学生的出勤,提高了考勤准确性,并借助于预先训练好的语音识别模型和声纹识别模型对语音考勤信息进行处理,进而自动触发相应的考勤流程,提高了考勤效率。
在一个实施例中,由于声纹特征是每个学生所具有的独一无二的生理特征,上述各个实施例中提供的语音考勤方法,主要基于语音考勤信息中的目标声纹特征对学生进行考勤,提高了考勤准确性。可以理解的是,语音考勤方法具体又可称为声纹考勤方法。类似地,下述语音考勤装置中的语音考勤模块具体又可称为声纹考勤模块。
应该理解的是,虽然图2-3的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-3中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图4所示,提供了一种语音考勤装置400,包括:接收模块402、提取模块404、查询模块406和语音考勤模块408,其中:
接收模块402,用于接收考勤设备发送的语音考勤信息。
提取模块404,用于通过语音识别模型从语音考勤信息中提取目标语音考勤内容,并通过声纹识别模型从语音考勤信息中提取目标声纹特征。
查询模块406,用于查询预存储的与目标语音考勤内容相匹配的学号。
查询模块406,还用于根据学号对应查询预存储的预设声纹特征。
语音考勤模块408,用于当目标声纹特征与预设声纹特征相匹配时,将学号对应的考勤信息发送至终端。
如图5所示,在一个实施例中,语音考勤装置400还包括打卡考勤模块410;
打卡考勤模型410,用于接收考勤设备发送的打卡考勤信息;根据打卡考勤信息获取相应的考勤学号;将考勤学号与目标语音考勤内容进行匹配;当匹配成功时,使得语音考勤模块408执行查询预存储的与目标语音考勤内容相匹配的学号的步骤。
在一个实施例中,接收模块402,还用于接收考勤设备发送的语音考勤文件;按照预设解码方式对语音考勤文件进行解码,获得语音考勤信息。
在一个实施例中,语音考勤模块408,还用于当目标声纹特征与预设声纹特征相匹配时,将学号与考勤黑名单进行匹配;当学号与考勤黑名单匹配成功时,向考勤设备发送相应的提示信息;提示信息用于指示考勤设备采集指纹考勤信息;获取考勤设备针对提示信息对应反馈的指纹考勤信息;当指纹考勤信息中的指纹特征与学号所对应的预设指纹特征相匹配时,将学号对应的考勤信息发送至终端。
在一个实施例中,语音考勤装置400还包括:考勤预警模块412;
考勤预警模块412,用于获取学号在指定时间段内对应的考勤信息;根据考勤信息对应确定学号所对应的出勤率;当出勤率低于预设出勤率阈值时,将学号更新至考勤黑名单,并向终端发送与学号对应的出勤预警信息。
在一个实施例中,语音考勤装置400还包括:考勤统计模块414;
考勤统计模块414,用于获取预设学号集合中的各个学号在预设时间段内所对应的考勤信息;根据考勤信息对应确定预设学号集合,在预设时间段内所对应的考勤统计信息;将考勤统计信息发送至终端。
在一个实施例中,语音考勤装置400还包括:注册模块416;
注册模块416,用于获取语音注册信息;语音注册信息中携带有待注册的学号;通过语音识别模型从语音注册信息中提取待注册的学号,并通过声纹识别模型从语音注册信息中提取待注册的声纹特征;将待注册的学号和待注册的声纹特征对应存储。
关于语音考勤装置的具体限定可以参见上文中对于语音考勤方法的限定,在此不再赘述。上述语音考勤装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储预先注册的学号和预设声纹特征,以及考勤过程中对应生成的考勤信息。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种语音考勤方法。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现上述各个实施例中的语音考勤方法的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述各个实施例中的语音考勤方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是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非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种语音考勤方法,所述方法包括:
接收考勤设备发送的语音考勤信息;
通过语音识别模型从所述语音考勤信息中提取目标语音考勤内容,并通过声纹识别模型从所述语音考勤信息中提取目标声纹特征;
查询预存储的与所述目标语音考勤内容相匹配的学号;
根据所述学号对应查询预存储的预设声纹特征;
当所述目标声纹特征与所述预设声纹特征相匹配时,将所述学号对应的考勤信息发送至终端。
2.根据权利要求1所述的方法,其特征在于,所述查询预存储的与所述目标语音考勤内容相匹配的学号之前,所述方法还包括:
接收所述考勤设备发送的打卡考勤信息;
根据所述打卡考勤信息获取相应的考勤学号;
将所述考勤学号与所述目标语音考勤内容进行匹配;
当匹配成功时,执行所述查询预存储的与所述目标语音考勤内容相匹配的学号的步骤。
3.根据权利要求1所述的方法,其特征在于,所述接收考勤设备发送的语音考勤信息,包括:
接收考勤设备发送的语音考勤文件;
按照预设解码方式对所述语音考勤文件进行解码,获得所述语音考勤信息。
4.根据权利要求1所述的方法,其特征在于,所述当所述目标声纹特征与所述预设声纹特征相匹配时,将所述学号对应的考勤信息发送至终端包括:
当所述目标声纹特征与所述预设声纹特征相匹配时,将所述学号与考勤黑名单进行匹配;
当所述学号与所述考勤黑名单匹配成功时,向所述考勤设备发送相应的提示信息;所述提示信息用于指示所述考勤设备采集指纹考勤信息;
获取所述考勤设备针对所述提示信息对应反馈的指纹考勤信息;
当所述指纹考勤信息中的指纹特征与所述学号所对应的预设指纹特征相匹配时,将所述学号对应的考勤信息发送至终端。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述学号在指定时间段内对应的考勤信息;
根据所述考勤信息对应确定所述学号所对应的出勤率;
当所述出勤率低于预设出勤率阈值时,将所述学号更新至考勤黑名单,并向所述终端发送与所述学号对应的出勤预警信息。
6.根据权利要求1至5任一项所述的方法,其特征在于,所述方法还包括:
获取预设学号集合中的各个学号在预设时间段内所对应的考勤信息;
根据所述考勤信息对应确定所述预设学号集合,在所述预设时间段内所对应的考勤统计信息;
将所述考勤统计信息发送至所述终端。
7.根据权利要求1至5任一项所述的方法,其特征在于,所述方法还包括:
获取语音注册信息;所述语音注册信息中携带有待注册的学号;
通过语音识别模型从所述语音注册信息中提取所述待注册的学号,并通过声纹识别模型从所述语音注册信息中提取待注册的声纹特征;
将所述待注册的学号和所述待注册的声纹特征对应存储。
8.一种语音考勤装置,其特征在于,所述装置包括:
接收模块,用于接收考勤设备发送的语音考勤信息;
提取模块,用于通过语音识别模型从所述语音考勤信息中提取目标语音考勤内容,并通过声纹识别模型从所述语音考勤信息中提取目标声纹特征;
查询模块,用于查询预存储的与所述目标语音考勤内容相匹配的学号;
所述查询模块,还用于根据所述学号对应查询预存储的预设声纹特征;
语音考勤模块,用于当所述目标声纹特征与所述预设声纹特征相匹配时,将所述学号对应的考勤信息发送至终端。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811031771.1A CN109447563A (zh) | 2018-09-05 | 2018-09-05 | 语音考勤方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811031771.1A CN109447563A (zh) | 2018-09-05 | 2018-09-05 | 语音考勤方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109447563A true CN109447563A (zh) | 2019-03-08 |
Family
ID=65532655
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811031771.1A Pending CN109447563A (zh) | 2018-09-05 | 2018-09-05 | 语音考勤方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109447563A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110378665A (zh) * | 2019-06-13 | 2019-10-25 | 平安科技(深圳)有限公司 | 一种无纸化场景下的数据处理方法、装置、介质及电子设备 |
CN112599137A (zh) * | 2020-12-16 | 2021-04-02 | 康键信息技术(深圳)有限公司 | 验证声纹模型识别效果的方法、装置和计算机设备 |
CN114399850A (zh) * | 2021-12-27 | 2022-04-26 | 四川领歌智谷科技有限公司 | 基于语音及位置识别的考勤方法、电子学生证及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106934870A (zh) * | 2017-02-17 | 2017-07-07 | 安徽金猫数字科技有限公司 | 一种语音考勤系统 |
CN107346568A (zh) * | 2016-05-05 | 2017-11-14 | 阿里巴巴集团控股有限公司 | 一种门禁系统的认证方法和装置 |
CN207037756U (zh) * | 2017-07-26 | 2018-02-23 | 广州市真地信息技术有限公司 | 多功能智能生物识别考勤装置与系统 |
CN108198265A (zh) * | 2018-03-13 | 2018-06-22 | 成都数智凌云科技有限公司 | 基于语音和人脸复合识别的考勤系统 |
-
2018
- 2018-09-05 CN CN201811031771.1A patent/CN109447563A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107346568A (zh) * | 2016-05-05 | 2017-11-14 | 阿里巴巴集团控股有限公司 | 一种门禁系统的认证方法和装置 |
CN106934870A (zh) * | 2017-02-17 | 2017-07-07 | 安徽金猫数字科技有限公司 | 一种语音考勤系统 |
CN207037756U (zh) * | 2017-07-26 | 2018-02-23 | 广州市真地信息技术有限公司 | 多功能智能生物识别考勤装置与系统 |
CN108198265A (zh) * | 2018-03-13 | 2018-06-22 | 成都数智凌云科技有限公司 | 基于语音和人脸复合识别的考勤系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110378665A (zh) * | 2019-06-13 | 2019-10-25 | 平安科技(深圳)有限公司 | 一种无纸化场景下的数据处理方法、装置、介质及电子设备 |
CN112599137A (zh) * | 2020-12-16 | 2021-04-02 | 康键信息技术(深圳)有限公司 | 验证声纹模型识别效果的方法、装置和计算机设备 |
CN114399850A (zh) * | 2021-12-27 | 2022-04-26 | 四川领歌智谷科技有限公司 | 基于语音及位置识别的考勤方法、电子学生证及存储介质 |
CN114399850B (zh) * | 2021-12-27 | 2022-11-22 | 四川领歌智谷科技有限公司 | 基于语音及位置识别的考勤方法、电子学生证及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109726624B (zh) | 身份认证方法、终端设备和计算机可读存储介质 | |
WO2020258668A1 (zh) | 基于对抗网络模型的人脸图像生成方法及装置、非易失性可读存储介质、计算机设备 | |
US10275672B2 (en) | Method and apparatus for authenticating liveness face, and computer program product thereof | |
CN109509021B (zh) | 基于行为轨迹的异常识别方法、装置、服务器及存储介质 | |
US10404629B2 (en) | Automatic reply method, device, apparatus, and storage medium | |
US10664693B2 (en) | Method, device, and system for adding contacts in social network | |
US10701315B2 (en) | Video communication device and video communication method | |
CN110781916A (zh) | 视频数据的欺诈检测方法、装置、计算机设备和存储介质 | |
CN107808118A (zh) | 身份识别方法、电子装置及计算机可读存储介质 | |
CN109447563A (zh) | 语音考勤方法、装置、计算机设备和存储介质 | |
CN112395979B (zh) | 基于图像的健康状态识别方法、装置、设备及存储介质 | |
KR20210047350A (ko) | 출석 관리 시스템, 방법 및 전자 기기 | |
CN110647807A (zh) | 异常行为确定方法、装置、计算机设备和存储介质 | |
Sarker et al. | Design and implementation of smart attendance management system using multiple step authentication | |
CN109194689B (zh) | 异常行为识别方法、装置、服务器及存储介质 | |
CN109543011A (zh) | 问答数据处理方法、装置、计算机设备和存储介质 | |
JP2022520000A (ja) | データ処理方法、データ処理装置、コンピュータプログラム及び電子装置 | |
CN109460891A (zh) | 基于满意度评价的数据处理方法、装置和计算机设备 | |
CN111382655A (zh) | 一种举手行为识别方法及装置、电子设备 | |
CN108563644A (zh) | 一种英语翻译电子系统 | |
MX2022006009A (es) | Sistema y metodo de inscripcion de usuarios de una cerradura biometrica inalambrica. | |
CN111415684B (zh) | 语音模组的测试方法、装置及计算机可读存储介质 | |
CN111611365A (zh) | 一种对话系统的流程控制方法、装置、设备及存储介质 | |
CN106878449B (zh) | 设备控制方法和装置 | |
CN113490002A (zh) | 一种在线教学的交互方法、装置、系统及介质 |
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 |