CN109801394A - 一种工作人员考勤方法及装置、电子设备和可读存储介质 - Google Patents
一种工作人员考勤方法及装置、电子设备和可读存储介质 Download PDFInfo
- Publication number
- CN109801394A CN109801394A CN201811643416.XA CN201811643416A CN109801394A CN 109801394 A CN109801394 A CN 109801394A CN 201811643416 A CN201811643416 A CN 201811643416A CN 109801394 A CN109801394 A CN 109801394A
- Authority
- CN
- China
- Prior art keywords
- target signature
- characteristic information
- staff
- face characteristic
- video
- 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
Links
Landscapes
- Collating Specific Patterns (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种工作人员考勤方法及装置、电子设备和可读存储介质,该工作人员考勤方法,包括如下步骤:获取预定考勤时间段的监控视频;对监控视频中的所有视频帧进行人脸识别和特征识别,得到若干组对应的人脸特征信息和目标特征信息;对若干组目标特征信息进行聚类分析,将若干组目标特征信息划分为若干个类别;统计各个类别的目标特征信息对应的不同的人脸特征信息的数量,得到对应工种的工作人员出勤人数。在脱离大型机构的考勤管理系统的情况下,完成对第三方工作人员出勤人数的考核,解决了基于大型机构的考勤管理系统对第三方工作人员进行考核导致的数据管理和维护的难度大大增加,执行难度较大,成本较高的问题。
Description
技术领域
本发明涉及视频分析领域,尤其涉及到一种工作人员考勤方法、工作人员考勤装置、电子设备和可读存储介质。
背景技术
医院、商场、学校以及酒店等大型机构的保安、保洁、设备巡检、设备维修等后勤业务通常是以外包的方式交由第三方服务厂商来负责完成,然后由大型机构的负责人对结果进行验收,验收标准中包含后勤服务内容、服务人数和完成质量等指标。在上述验收指标中,服务内容和完成质量可以直接通过现场检查进行验收,但是对于服务人数的验收,实际执行中存在诸多难点。具体的验收难点在于,如果通过第三方的汇报报表查看每日实际出勤人数,再将报表中的实际出勤人数与约定的每日出勤人数进行比较的方式对服务人数进行验收,存在验收结果的可信度较低的问题;如果通过人力巡查监管的方式进行考核,存在大大提升了人力成本的问题。
为了解决上述问题,现有的方案为将第三方工作人员的数据对接入大型机构的考勤管理系统,第三方工作人员通过大型机构的考勤管理系统进行签到从而完成考勤,但是,由于第三方工作人员的流动性大以及大型机构的合作第三方可能会更换等原因,上述考勤方法将会导致对大型机构的考勤管理系统的进行数据管理和维护的难度大大增加,执行难度较大,成本较高。
发明内容
有鉴于此,本发明实施例提供了一种工作人员考勤方法及装置、电子设备和可读存储介质,以解决现有的对第三方工作人员进行考勤的方法,执行难度较大,执行成本较高的问题。
根据第一方面,本发明实施例提供了一种工作人员考勤方法,包括如下步骤:获取预定考勤时间段的监控视频;对监控视频中的所有视频帧进行人脸识别和特征识别,得到若干组对应的人脸特征信息和目标特征信息;对若干组目标特征信息进行聚类分析,将若干组目标特征信息划分为若干个类别;统计各个类别的目标特征信息对应的不同的人脸特征信息的数量,得到对应工种的工作人员出勤人数。
通过对预定考勤时间段的监控视频中的视频帧进行识别,得到若干组对应的人脸特征信息和目标特征信息,再对目标特征信息进行聚类分析,将其划分为若干个类别,然后统计各个类别的目标特征信息对应的不同的人脸特征信息的数量,即可得到每个目标特征信息对应的工种的工作人员数量,从而能够在脱离大型机构的考勤管理系统的情况下,完成对第三方工作人员出勤人数的考核,解决了基于大型机构的考勤管理系统对第三方工作人员进行考核导致的数据管理和维护的难度大大增加,执行难度较大,成本较高的问题。
此外,基于目前大型机构的监控设备一般都较为完善的情况下,本发明实施例的基于监控视频的工作人员考勤方法的考核准确性以及可信性均较高,并且不需要增加额外的硬件设备,执行成本较低。
结合第一方面,在第一方面第一实施方式中,工作人员考勤方法还包括如下步骤:将预定考勤时间段划分为若干个时间片段,并基于时间片段将监控视频划分为若干个视频片段;计算被识别到某一人脸特征信息的视频片段的数量相对于视频片段总数量的比率;根据比率确定人脸特征信息对应的工作人员的工作活跃度。
通过基于若干个时间片段将监控视频划分为若干个视频片段,并计算被识别到某一人脸特征信息的视频片段的数量相对于视频片段总数量的比率,从而确定工作人员的工作活跃度,对出勤工作人员的工作活跃度进行考核,增加了对第三方工作人员的考勤纬度,能够满足用户对不同的考勤内容的需求。
结合第一方面,在第一方面第二实施方式中,对监控视频中的所有视频帧进行人脸识别和特征识别,得到若干组对应的人脸特征信息和目标特征信息的步骤,包括:对监控视频中的所有视频帧进行人脸识别和特征识别,得到若干个人脸特征信息和若干个目标特征信息;对人脸特征信息和目标特征信息进行匹配,得到若干组对应的人脸特征信息和目标特征信息。
结合第一方面第二实施方式,在第一方面第三实施方式中,对人脸特征信息和目标特征信息进行匹配,得到若干组对应的人脸特征信息和目标特征信息的步骤,包括:获取目标特征信息相应的特征位置,以及人脸特征信息相应的人脸位置;基于特征位置和人脸位置判断一个特征位置的预设相对位置范围内是否存在且仅存在一个人脸位置;当一个特征位置的预设相对位置范围内存在且仅存在一个人脸位置时,确定特征位置相应的目标特征信息与人脸位置相应的人脸特征信息对应;重复上述步骤,直至完成对所有特征位置的判断,得到若干组对应的人脸特征信息和目标特征信息。
结合第一方面,在第一方面第四实施方式中,对监控视频中的所有视频帧进行人脸识别和特征识别,得到若干组对应的人脸特征信息和目标特征信息的步骤,包括:获取监控视频中的一个视频帧;对视频帧进行人脸识别,得到视频帧中的人脸特征信息和相应的人脸位置信息;对视频帧进行特征识别,得到视频帧中的目标特征信息和相应的特征位置信息;判断视频帧中的所有目标特征信息是否均存在对应的人脸特征信息;当视频帧中的所有目标特征信息均存在对应的人脸特征信息时,保留视频帧中对应的人脸特征信息和目标特征信息;重复上述步骤,直至完成对监控视频中所有视频帧的识别,得到若干组对应的人脸特征信息和目标特征信息。
由于监控视频的视频帧数量较多,因而对监控视频中的所有视频帧进行人脸识别和特征识别后,得到的对应的人脸特征信息和目标特征信息组的数量也较为庞大,若保留所有的信息组,后续进行各个类别的目标特征信息对应的不同的人脸特征信息的数量时,数据处理的任务量也就较大,而本发明实施例中的工作人员考勤方法,仅在一个视频帧中的所有目标特征信息均存在对应的人脸特征信息时才保留数据,大大减少了数据量。
根据第二方面,本发明实施例提供了一种工作人员考勤装置,包括:获取模块,用于获取预定考勤时间段的监控视频;识别模块,用于对监控视频中的所有视频帧进行人脸识别和特征识别,得到若干组对应的人脸特征信息和目标特征信息;分类模块,用于对若干个目标特征信息进行聚类分析,将若干个目标特征信息划分为若干个类别;第一考勤模块,用于统计各个类别的目标特征信息对应的不同的人脸特征信息的数量,得到对应工种的工作人员出勤人数。
结合第二方面,在第二方面第一实施方式中,工作人员考勤装置还包括:时间段划分模块,用于将预定考勤时间段划分为若干个时间片段,并基于时间片段将监控视频划分为若干个视频片段;比率计算模块,用于计算被识别到某一人脸特征信息的视频片段的数量相对于视频片段总数量的比率;第二考勤模块,用于根据比率确定人脸特征信息对应的工作人员的工作活跃度。
结合第二方面,在第二方面第二实施方式中,识别模块包括:识别单元,用于对监控视频中的所有视频帧进行人脸识别和特征识别,得到若干个人脸特征信息和若干个目标特征信息;匹配单元,用于对人脸特征信息和目标特征信息进行匹配,得到若干组对应的人脸特征信息和目标特征信息。
根据第三方面,本发明实施例提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;存储器中存储有计算机指令,处理器通过执行计算机指令,从而执行第一方面或者第一方面的任意一种实施方式中所述的工作人员考勤方法。
根据第四方面,本发明实施例提供了一种计算机可读存储介质,计算机可读存储介质存储计算机指令,计算机指令用于使计算机执行第一方面或者第一方面的任意一种实施方式中所述的工作人员考勤方法。
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一种工作人员考勤方法的流程图;
图2为目标特征信息类别与工种匹配示意图;
图3为图1中步骤S102的一种具体方法的流程图;
图4为视频帧的识别结果示意图;
图5为图1中步骤S102的另一种具体方法的流程图;
图6本发明实施例提供的一种工作人员考勤装置的原理框图;
图7为本发明实施例提供的一种电子设备的硬件结构示意图。
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。
在本发明的描述中,需要说明的是,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。
实施例1
图1示出本发明实施例的工作人员考勤方法的流程图,如图1所示,该方法可以包括如下步骤:
S101,获取预定考勤时间段的监控视频。在这里,考勤时间段可以根据实际应用场景中工作人员的上班时间进行设置,例如,可以将考勤时间段设置为上午的8:00-12:00以及下午的13:30到18:00。
S102,对监控视频中的所有视频帧进行人脸识别和特征识别,得到若干组对应的人脸特征信息和目标特征信息。
由于通常第三方工作人员会具有区别于非工作人员的标识,例如穿着特定的制服,佩戴袖章、帽子或者工牌等,因此,可以将上述标识中的一个或多个对应的特征信息作为目标特征信息,对工作人员进行识别(为了方便本发明实施例的方法的使用,也可以要求第三方工作人员穿戴能够区别于非工作人员的标识物)。
以第三方工作人员均穿制服为例,由于制服具有一般为纯色,或者是少量颜色(一般不超过三种)的大色块拼色的特点(当然,存在大面积色块服装的人像画面也未必一定是制服,制服还具有可显著识别且固定的色块组配方案),因此,可以通过采用以颜色直方图分布为特征向量的支持向量机的学习识别方法或者LBP局部二值模式等方法对视频帧进行特征识别,从而得到目标特征信息,当然,也可以使用R-CNN等识别模型对视频帧进行特征识别。
而对视频帧进行人脸识别的方法可以采用AdaBoost、Viola Jones或者CNN等现有技术中的任意可进行人脸识别的算法,在此不做任何限制。
S103,对若干组目标特征信息进行聚类分析,将若干组目标特征信息划分为若干个类别。在这里,可以采用K-Means(K均值)聚类或者基于密度的聚类方法(DBSCAN等)对目标特征信息进行聚类,还可以使用模糊聚类(c均值聚类)对目标特征信息进行聚类,并记录不同类别的特征信息。
以目标特征信息包括制服特征信息为例,可以将制服特征信息的类别记为:X1,X2,…,Xn,各类别的对应的制服特征信息为Y1,Y2,…,Yn(X和Y为1:1对应)。
S104,统计各个类别的目标特征信息对应的不同的人脸特征信息的数量,得到对应工种的工作人员出勤人数。
在这里,可以使用预先训练的工种识别模型,得到目标特征信息类别与工种之间的对应关系,以目标特征信息包括制服特征信息为例,上述工种识别模型的输入为制服特征信息,输出为工种信息。
沿用上例,如图2所示,还可以先获取对统计得到的若干个预定考勤时间段的统计结果(各个类别的制服特征信息对应的不同的人脸特征信息的数量),例如,图2中的分类1库表中的“Count(人脸信息)-周期1”,是指在第一个考勤时间段内,类别为X1的制服特征信息Y1,对应的不同的人脸特征信息的数量;再获取上述若干个时间段对应的各工种的实际出勤人数(人为统计),例如,图2中的工种1汇报中的“人数-周期1”,是指在第一和考勤时间段内,人为统计的工种1的出勤人数;然后对上述两组数据进行比对,根据相似的出勤人数的规则,将目标特征信息类别和工种名称做匹配,例如,图2中分类1库表下的“Count(人脸信息)-周期1”与工种1汇报中的“人数-周期1”相似,“Count(人脸信息)-周期2”与工种1汇报中的“人数-周期2”相似,“Count(人脸信息)-周期n”与工种1汇报中的“人数-周期n”相似,则将类别为X1的制服特征信息Y1与工种1对应。
本发明实施例的工作人员考勤方法,通过对预定考勤时间段的监控视频中的视频帧进行识别,得到若干组对应的人脸特征信息和目标特征信息,再对目标特征信息进行聚类分析,将其划分为若干个类别,然后统计各个类别的目标特征信息对应的不同的人脸特征信息的数量,即可得到每个目标特征信息对应的工种的工作人员数量,从而能够在脱离大型机构的考勤管理系统的情况下,完成对第三方工作人员出勤人数的考核,解决了基于大型机构的考勤管理系统对第三方工作人员进行考核导致的数据管理和维护的难度大大增加,执行难度较大,成本较高的问题。
此外,基于目前大型机构的监控设备一般都较为完善的情况下,本发明实施例的基于监控视频的工作人员考勤方法的考核准确性以及可信性均较高,并且不需要增加额外的硬件设备,执行成本较低。
作为本实施例的一种可选实施方式,如图1所示,工作人员考勤方法还可以包括如下步骤:
S105,将预定考勤时间段划分为若干个时间片段,并基于时间片段将监控视频划分为若干个视频片段。在这里,时间片段的长度可以根据实际应用场景的需要进行设置,例如可以将时间片段的长度设置为5分钟,10分钟,15分钟或者30分钟等。以将考勤时间段设置为上午8:00-12:00,下午13:30到18:00为例,若时间片段的长度为30分钟,则将监控视频划分为8:00-8:30的视频片段,8:30-9:00的视频片段,9:00-9:30的视频片段等。
S106,计算被识别到某一人脸特征信息的视频片段的数量相对于视频片段总数量的比率。
S107,根据比率确定人脸特征信息对应的工作人员的工作活跃度。在这里,可以直接将该比率作为对应的工作人员的工作活跃度,也可以将该比率与一预设参数的乘积作为对应的工作人员的工作活跃度,该预设参数可以根据时间片段的长度等实际应用情况进行设置。
本发明实施例的工作人员考勤方法,通过基于若干个时间片段将监控视频划分为若干个视频片段,并计算被识别到某一人脸特征信息的视频片段的数量相对于视频片段总数量的比率,从而确定工作人员的工作活跃度,对出勤工作人员的工作活跃度进行考核,增加了对第三方工作人员的考勤纬度,能够满足用户对不同的考勤内容的需求。
作为本实施例的一种可选实施方式,如图3所示,S102可以包括如下步骤:
S201,对监控视频中的所有视频帧进行人脸识别和特征识别,得到若干个人脸特征信息和若干个目标特征信息。
S202,获取目标特征信息相应的特征位置,以及人脸特征信息相应的人脸位置。以目标特征信息包括制服特征信息为例,图4示出了一个视频帧的识别结果示意图,图中的圆形位置表示给视频帧中识别出的人脸位置,矩形表示视频帧中识别出的制服位置。
S203,基于特征位置和人脸位置判断一个特征位置的预设相对位置范围内是否存在且仅存在一个人脸位置。在这里,以正常人类和他穿着衣服的相对位置做依据,设置这里的预设相对位置范围。
S204,当一个特征位置的预设相对位置范围内存在且仅存在一个人脸位置时,确定特征位置相应的目标特征信息与人脸位置相应的人脸特征信息对应。在这里,当一个特征位置的预设相对位置范围内不存在人脸位置时,确定特征位置相应的目标特征信息不存在对应的人脸特征信息,如图4中虚线框5、虚线框6和虚线框4内的制服位置(由于工作人员背身或者人脸不在摄像范围内或者不是同一个人等原因导致);当一个特征位置的预设相对位置范围内存在不止一个人脸位置时,确定特征位置相应的目标特征信息不存在对应的人脸特征信息,如图4中虚线框2和虚线框7内的制位置(由于两个人站位前后重叠等原因导致);只有当一个特征位置的预设相对位置范围内存在且仅存在一个人脸位置时,确定特征位置相应的目标特征信息与人脸位置相应的人脸特征信息对应,如图4中虚线框1、虚线3和虚线框8内的制服位置相应的制服特征信息以及人脸位置相应的人脸特征信息对应。
S205,重复步骤S201-S204,直至完成对所有特征位置的判断,得到若干组对应的人脸特征信息和目标特征信息。
作为本实施例的一种可选实施方式,如图5所示,S102可以包括如下步骤:
S301,获取监控视频中的一个视频帧。
S302,对视频帧进行人脸识别,得到视频帧中的人脸特征信息和相应的人脸位置信息。
S303,对视频帧进行特征识别,得到视频帧中的目标特征信息和相应的特征位置信息。
S304,判断视频帧中的所有目标特征信息是否均存在对应的人脸特征信息。
S305,当视频帧中的所有目标特征信息均存在对应的人脸特征信息时,保留视频帧中对应的人脸特征信息和目标特征信息。在这里,判断目标特征信息均存在对应的人脸特征信息的具体方法,可以根据上述步骤S203和S204的内容来理解,在此不再赘述。
S306,重复步骤S301-S305,直至完成对监控视频中所有视频帧的识别,得到若干组对应的人脸特征信息和目标特征信息。
由于监控视频的视频帧数量较多,因而对监控视频中的所有视频帧进行人脸识别和特征识别后,得到的对应的人脸特征信息和目标特征信息组的数量也较为庞大,若保留所有的信息组,后续进行各个类别的目标特征信息对应的不同的人脸特征信息的数量时,数据处理的任务量也就较大,而本发明实施例中的工作人员考勤方法,仅在一个视频帧中的所有目标特征信息均存在对应的人脸特征信息时才保留数据,大大减少了数据量。当然,由于视频帧的数量大,一般不可能出现某一工作人员出现的所有视频帧均不被保留的情况,得到若干组对应的人脸特征信息和目标特征信息仍然能够覆盖所有的工作人员。
实施例2
图6示出了根据本发明实施例的一种工作人员考勤装置的原理框图,该装置可以用于实现实施例1或者其任意可选实施方式所述的工作人员考勤方法。如图6所示,该装置包括:获取模块10、识别模块20、分类模块30和第一考勤模块40。
获取模块10用于获取预定考勤时间段的监控视频。
识别模块20用于对监控视频中的所有视频帧进行人脸识别和特征识别,得到若干组对应的人脸特征信息和目标特征信息。
分类模块30用于对若干个目标特征信息进行聚类分析,将若干个目标特征信息划分为若干个类别。
第一考勤模块40用于统计各个类别的目标特征信息对应的不同的人脸特征信息的数量,得到对应工种的工作人员出勤人数。
本发明实施例的工作人员考勤装置,可以用以实现实施例1中的工作人员考勤方法,在脱离大型机构的考勤管理系统的情况下,完成对第三方工作人员出勤人数的考核,解决了基于大型机构的考勤管理系统对第三方工作人员进行考核导致的数据管理和维护的难度大大增加,执行难度较大,成本较高的问题,并且不需要增加额外的硬件设备即可完成对第三方工作人员的考勤,执行成本较低。
作为本实施例的一种可选实施方式,如图6所示,工作人员考勤装置还可以包括:时间段划分模块50、比率计算模块60、和第二考勤模块70。
时间段划分模块50用于将预定考勤时间段划分为若干个时间片段,并基于时间片段将监控视频划分为若干个视频片段。
比率计算模块60用于计算被识别到某一人脸特征信息的视频片段的数量相对于视频片段总数量的比率。
第二考勤模块70用于根据比率确定人脸特征信息对应的工作人员的工作活跃度。
作为本实施例的一种可选实施方式,识别模块20包括:识别单元和匹配单元。
识别单元用于对监控视频中的所有视频帧进行人脸识别和特征识别,得到若干个人脸特征信息和若干个目标特征信息。
匹配单元用于对人脸特征信息和目标特征信息进行匹配,得到若干组对应的人脸特征信息和目标特征信息。
本发明实施例还提供了一种电子设备,如图7所示,该电子设备可以包括处理器71和存储器72,其中处理器71和存储器72可以通过总线或者其他方式连接,图7中以通过总线连接为例。
处理器71可以为中央处理器(Central Processing Unit,CPU)。处理器71还可以为其他通用处理器、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、分立硬件组件等芯片,或者上述各类芯片的组合。
存储器72作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如本发明实施例中的工作人员考勤方法对应的程序指令/模块(例如,图6所示的获取模块10、识别模块20、分类模块30和第一考勤模块40)。处理器71通过运行存储在存储器72中的非暂态软件程序、指令以及模块,从而执行处理器的各种功能应用以及数据处理,即实现上述方法实施例中的工作人员考勤方法。
存储器72可以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、至少一个功能所需要的应用程序;存储数据区可存储处理器71所创建的数据等。此外,存储器72可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器72可选包括相对于处理器71远程设置的存储器,这些远程存储器可以通过网络连接至处理器71。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器72中,当被所述处理器71执行时,执行如图1-5所示实施例中的工作人员考勤方法。
上述电子设备具体细节可以对应参阅图1至图5所示的实施例中对应的相关描述和效果进行理解,此处不再赘述。
本领域技术人员可以理解,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,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random AccessMemory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种工作人员考勤方法,其特征在于,包括如下步骤:
获取预定考勤时间段的监控视频;
对所述监控视频中的所有视频帧进行人脸识别和特征识别,得到若干组对应的人脸特征信息和目标特征信息;
对所述若干组目标特征信息进行聚类分析,将所述若干组目标特征信息划分为若干个类别;
统计各个类别的目标特征信息对应的不同的人脸特征信息的数量,得到对应工种的工作人员出勤人数。
2.根据权利要求1所述的工作人员考勤方法,其特征在于,还包括如下步骤:
将所述预定考勤时间段划分为若干个时间片段,并基于所述时间片段将所述监控视频划分为若干个视频片段;
计算被识别到某一人脸特征信息的视频片段的数量相对于所述视频片段总数量的比率;
根据所述比率确定所述人脸特征信息对应的工作人员的工作活跃度。
3.根据权利要求1所述的工作人员考勤方法,其特征在于,所述对所述监控视频中的所有视频帧进行人脸识别和特征识别,得到若干组对应的人脸特征信息和目标特征信息的步骤,包括:
对所述监控视频中的所有视频帧进行人脸识别和特征识别,得到若干个人脸特征信息和若干个目标特征信息;
对所述人脸特征信息和所述目标特征信息进行匹配,得到若干组对应的人脸特征信息和目标特征信息。
4.根据权利要求3所述的工作人员考勤方法,其特征在于,所述对所述人脸特征信息和所述目标特征信息进行匹配,得到若干组对应的人脸特征信息和目标特征信息的步骤,包括:
获取所述目标特征信息相应的特征位置,以及所述人脸特征信息相应的人脸位置;
基于所述特征位置和所述人脸位置判断一个特征位置的预设相对位置范围内是否存在且仅存在一个人脸位置;
当一个特征位置的预设相对位置范围内存在且仅存在一个人脸位置时,确定所述特征位置相应的目标特征信息与所述人脸位置相应的人脸特征信息对应;
重复上述步骤,直至完成对所有特征位置的判断,得到所述若干组对应的人脸特征信息和目标特征信息。
5.根据权利要求1所述的工作人员考勤方法,其特征在于,所述对所述监控视频中的所有视频帧进行人脸识别和特征识别,得到若干组对应的人脸特征信息和目标特征信息的步骤,包括:
获取所述监控视频中的一个视频帧;
对所述视频帧进行人脸识别,得到所述视频帧中的人脸特征信息和相应的人脸位置信息;
对所述视频帧进行特征识别,得到所述视频帧中的目标特征信息和相应的特征位置信息;
判断所述视频帧中的所有目标特征信息是否均存在对应的人脸特征信息;
当所述视频帧中的所有目标特征信息均存在对应的人脸特征信息时,保留所述视频帧中对应的人脸特征信息和目标特征信息;
重复上述步骤,直至完成对所述监控视频中所有视频帧的识别,得到所述若干组对应的人脸特征信息和目标特征信息。
6.一种工作人员考勤装置,其特征在于,包括:
获取模块,用于获取预定考勤时间段的监控视频;
识别模块,用于对所述监控视频中的所有视频帧进行人脸识别和特征识别,得到若干组对应的人脸特征信息和目标特征信息;
分类模块,用于对所述若干个目标特征信息进行聚类分析,将所述若干个目标特征信息划分为若干个类别;
第一考勤模块,用于统计各个类别的目标特征信息对应的不同的人脸特征信息的数量,得到对应工种的工作人员出勤人数。
7.根据权利要求6所述的工作人员考勤装置,其特征在于,还包括:
时间段划分模块,用于将所述预定考勤时间段划分为若干个时间片段,并基于所述时间片段将所述监控视频划分为若干个视频片段;
比率计算模块,用于计算被识别到某一人脸特征信息的视频片段的数量相对于所述视频片段总数量的比率;
第二考勤模块,用于根据所述比率确定所述人脸特征信息对应的工作人员的工作活跃度。
8.根据权利要求6所述的工作人员考勤装置,其特征在于,所述识别模块包括:
识别单元,用于对所述监控视频中的所有视频帧进行人脸识别和特征识别,得到若干个人脸特征信息和若干个目标特征信息;
匹配单元,用于对所述人脸特征信息和所述目标特征信息进行匹配,得到若干组对应的人脸特征信息和目标特征信息。
9.一种电子设备,其特征在于,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行如权利要求1-5中任一所述的工作人员考勤方法。
10.一种计算机可读存储介质,其上存储有计算机指令,其特征在于,该指令被处理器执行时实现如权利要求1-5中任一所述工作人员考勤方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811643416.XA CN109801394B (zh) | 2018-12-29 | 2018-12-29 | 一种工作人员考勤方法及装置、电子设备和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811643416.XA CN109801394B (zh) | 2018-12-29 | 2018-12-29 | 一种工作人员考勤方法及装置、电子设备和可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109801394A true CN109801394A (zh) | 2019-05-24 |
CN109801394B CN109801394B (zh) | 2021-07-30 |
Family
ID=66558324
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811643416.XA Active CN109801394B (zh) | 2018-12-29 | 2018-12-29 | 一种工作人员考勤方法及装置、电子设备和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109801394B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112633749A (zh) * | 2020-12-31 | 2021-04-09 | 河南橡树智能科技有限公司 | 一种基于人脸识别的员工工作时长统计方法、系统及介质 |
CN116862285A (zh) * | 2023-06-12 | 2023-10-10 | 深圳市名通科技股份有限公司 | 基于ai目标检测和文字识别的自动化运维稽核方法 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101079109A (zh) * | 2007-06-26 | 2007-11-28 | 北京中星微电子有限公司 | 基于制服特征的身份识别方法和系统 |
US7920745B2 (en) * | 2006-03-31 | 2011-04-05 | Fujifilm Corporation | Method and apparatus for performing constrained spectral clustering of digital image data |
WO2011152821A1 (en) * | 2010-06-01 | 2011-12-08 | Hewlett-Packard Development Company, L.P. | Clustering images |
WO2011152844A1 (en) * | 2010-06-01 | 2011-12-08 | Hewlett-Packard Development Company, L.P. | Image clustering using a personal clothing model |
CN102521565A (zh) * | 2011-11-23 | 2012-06-27 | 浙江晨鹰科技有限公司 | 低分辨率视频的服装识别方法及系统 |
CN103098088A (zh) * | 2011-07-13 | 2013-05-08 | 松下电器产业株式会社 | 图像评价装置、图像评价方法、程序以及集成电路 |
CN105488478A (zh) * | 2015-12-02 | 2016-04-13 | 深圳市商汤科技有限公司 | 一种人脸识别系统和方法 |
CN105631430A (zh) * | 2015-12-30 | 2016-06-01 | 浙江宇视科技有限公司 | 一种人脸图像的匹配方法和装置 |
CN105809178A (zh) * | 2014-12-31 | 2016-07-27 | 中国科学院深圳先进技术研究院 | 一种基于人脸属性的人群分析方法及装置 |
CN105913275A (zh) * | 2016-03-25 | 2016-08-31 | 哈尔滨工业大学深圳研究生院 | 一种基于视频主角识别的服装广告投放方法及系统 |
CN107277557A (zh) * | 2017-06-16 | 2017-10-20 | 深圳市茁壮网络股份有限公司 | 一种视频分割方法及系统 |
CN108154171A (zh) * | 2017-12-20 | 2018-06-12 | 北京奇艺世纪科技有限公司 | 一种人物识别方法、装置及电子设备 |
CN108197570A (zh) * | 2017-12-28 | 2018-06-22 | 珠海市君天电子科技有限公司 | 一种人数统计方法、装置、电子设备及存储介质 |
CN108335029A (zh) * | 2018-01-27 | 2018-07-27 | 山东工商学院 | 一种基于抽象场景和互信息的广义签到方法与系统 |
-
2018
- 2018-12-29 CN CN201811643416.XA patent/CN109801394B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7920745B2 (en) * | 2006-03-31 | 2011-04-05 | Fujifilm Corporation | Method and apparatus for performing constrained spectral clustering of digital image data |
CN101079109A (zh) * | 2007-06-26 | 2007-11-28 | 北京中星微电子有限公司 | 基于制服特征的身份识别方法和系统 |
WO2011152821A1 (en) * | 2010-06-01 | 2011-12-08 | Hewlett-Packard Development Company, L.P. | Clustering images |
WO2011152844A1 (en) * | 2010-06-01 | 2011-12-08 | Hewlett-Packard Development Company, L.P. | Image clustering using a personal clothing model |
CN103098088A (zh) * | 2011-07-13 | 2013-05-08 | 松下电器产业株式会社 | 图像评价装置、图像评价方法、程序以及集成电路 |
CN102521565A (zh) * | 2011-11-23 | 2012-06-27 | 浙江晨鹰科技有限公司 | 低分辨率视频的服装识别方法及系统 |
CN105809178A (zh) * | 2014-12-31 | 2016-07-27 | 中国科学院深圳先进技术研究院 | 一种基于人脸属性的人群分析方法及装置 |
CN105488478A (zh) * | 2015-12-02 | 2016-04-13 | 深圳市商汤科技有限公司 | 一种人脸识别系统和方法 |
CN105631430A (zh) * | 2015-12-30 | 2016-06-01 | 浙江宇视科技有限公司 | 一种人脸图像的匹配方法和装置 |
CN105913275A (zh) * | 2016-03-25 | 2016-08-31 | 哈尔滨工业大学深圳研究生院 | 一种基于视频主角识别的服装广告投放方法及系统 |
CN107277557A (zh) * | 2017-06-16 | 2017-10-20 | 深圳市茁壮网络股份有限公司 | 一种视频分割方法及系统 |
CN108154171A (zh) * | 2017-12-20 | 2018-06-12 | 北京奇艺世纪科技有限公司 | 一种人物识别方法、装置及电子设备 |
CN108197570A (zh) * | 2017-12-28 | 2018-06-22 | 珠海市君天电子科技有限公司 | 一种人数统计方法、装置、电子设备及存储介质 |
CN108335029A (zh) * | 2018-01-27 | 2018-07-27 | 山东工商学院 | 一种基于抽象场景和互信息的广义签到方法与系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112633749A (zh) * | 2020-12-31 | 2021-04-09 | 河南橡树智能科技有限公司 | 一种基于人脸识别的员工工作时长统计方法、系统及介质 |
CN116862285A (zh) * | 2023-06-12 | 2023-10-10 | 深圳市名通科技股份有限公司 | 基于ai目标检测和文字识别的自动化运维稽核方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109801394B (zh) | 2021-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108615119B (zh) | 一种异常用户的识别方法及设备 | |
CN110443120A (zh) | 一种人脸识别方法及设备 | |
CN110348519A (zh) | 金融产品欺诈团伙的识别方法和装置 | |
CN110941978B (zh) | 一种未识别身份人员的人脸聚类方法、装置及存储介质 | |
CN109871845A (zh) | 证件图像提取方法及终端设备 | |
CN111062808B (zh) | 信用卡额度评估方法、装置、计算机设备及存储介质 | |
CN110210194A (zh) | 电子合同显示方法、装置、电子设备及存储介质 | |
CN113076935B (zh) | 基于图像识别的监管方法、装置、服务器及介质 | |
CN112149615A (zh) | 人脸活体检测方法、装置、介质及电子设备 | |
CN109274639A (zh) | 开放平台异常数据访问的识别方法和装置 | |
CN109902550A (zh) | 行人属性的识别方法和装置 | |
CN109801394A (zh) | 一种工作人员考勤方法及装置、电子设备和可读存储介质 | |
CN108229289A (zh) | 目标检索方法、装置和电子设备 | |
CN109509269A (zh) | 一种电子签到方法、计算机可读存储介质及服务器 | |
CN110390315A (zh) | 一种图像处理方法及装置 | |
CN110322126A (zh) | 一种项目调度方法、设备、服务器及计算机可读存储介质 | |
CN113762106A (zh) | 人脸识别方法、装置、电子设备及存储介质 | |
CN110222790A (zh) | 用户身份识别方法、装置及服务器 | |
CN108182444A (zh) | 基于场景分类的视频质量诊断的方法及装置 | |
CN109934072A (zh) | 人员统计方法及装置 | |
CN108833133A (zh) | 基于云计算网络的网络配置管理方法、装置和存储介质 | |
CN112750038A (zh) | 交易风险的确定方法、装置和服务器 | |
CN108009530A (zh) | 一种身份标定系统和方法 | |
CN117197864A (zh) | 基于深度学习的证件照分类识别及免冠检测方法及系统 | |
CN108549927A (zh) | 物体检测网络的训练方法和特征监督图生成方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |