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。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
请参阅图1和图2,图1是本发明实施例提供的基于图像识别的考勤方法的应用场景示意图,图2是本发明实施例提供的基于图像识别的考勤方法的流程示意图,该基于图像识别的考勤方法应用于服务器中,该方法通过安装于服务器中的应用软件进行执行。
如图2所示,该方法包括步骤S110~S130。
S110、若检测到签到终端所发送的签到指令,接收与所述签到指令对应的用户信息,及所述签到终端获取的当前地理位置信息。
在本实施例中,为了更清楚的理解技术方案的使用场景,下面对所涉及到的终端进行介绍。其中,在本申请中,是站在服务器的角度来描述技术方案。
一是多台签到终端,用于获取用户的当前地理位置信息和签到视频数据,并上传至服务器进行签到验证;
二是服务器,用于接收用户上传的当前地理位置信息和签到视频数据,对其进行签到验证,以判断是否签到成功。
当用户需签到时,需在签到终端(如智能手机、平板电脑等智能终端)上登录签到的APP(即通过录入用户账号和密码进行登录),在登录APP成功后发起定位请求,由签到终端的定位模块获取当前地理位置信息,之后签到终端将与签到指令对应的用户信息、及当前地理位置信息上传至服务器。由服务器端进签到信息的验证。由于采用了登录APP进行签到,多名用户可以同时进行考勤,无需进行排队,提高了考勤签到效率。
在一实施例中,如图3所示,步骤S110之后还包括:
S111、获取与所述用户信息对应的预先设置的签到地址信息;
S112、判断当前地理位置信息与所述签到地址信息之间的间距是否超出预先设置的第一距离阈值;
S113、若当前地理位置信息与所述签到地址信息之间的间距未超出所述第一距离阈值,发送初始签到成功及上传签到视频的第一通知信息;
S114、若当前地理位置信息与所述签到地址信息之间的间距超出所述第一距离阈值,发送初始签到失败及上传签到视频的第二通知信息。
在本实施例中,服务器接收了签到终端上传的用户信息后,查询与该用户信息对应的预先设置的签到地址信息,并将当前地理位置信息与签到地址信息进行比对,判断当前地理位置信息与签到地址信息所对应的间距是否在预设的第一距离阈值(如0-20m)内,若当前地理位置信息与签到地址信息所对应的间距在预设的第一距离阈值内,则表示签到初次验证成功,此时需提示签到终端进一步上传签到视频。若当前地理位置信息与签到地址信息所对应的间距未在预设的第一距离阈值内,则表示签到初次验证失败,也可进一步提示用户上传签到视频。
例如,若用户不是经常外出(也即不用外出洽谈业务的固定坐班员工),所预先设置的签到地址信息即是用户所在公司的地址信息;若用户经常外出(即经常外出的业务人员),可以在APP上设置外出日期及外出的目的地址(该目的地址也可以视为预先设置的签到地址信息)。
S120、接收所述签到终端发送的实时签到视频数据。
在本实施例中,当服务器接收了与所述签到指令对应的用户信息,及所述签到终端获取的当前地理位置信息,并进行了初次验证后,为了再次核实签到数据的真实性,可以上传实时签到视频数据,通过签到视频数据来定位当前用户所处的位置,以实现对用户考勤位置的进一步核实确认。
在一实施例中,步骤S120之前还包括:
接收用户的头部视频数据以对用户活体生物特征进行验证,若用户活体生物特征通过验证,执行接收所述签到终端发送的实时签到视频数据的步骤。
在本实施例中,签到终端实时采集用户的头部视频数据后(即该用户的头部视频数据只能是实时采集不能事先录制),上传至服务器以对用户活体生物特征进行验证。其中,所接收的用户的头部视频数据中至少包括眨眼视频片段和摇头视频片段。例如先提示用户眨一眨眼睛以进行眨眼验证,在眨眼检测通过验证后再提示用户摇一摇头以进行摇头验证,若用户再次通过摇头验证后则可判定用户活体生物特征通过验证。由于对用户进行了活体生物特征进行验证,进一步确保了用户是本人考勤,而非他人代替考勤,而且所上传的头部视频数据是实时采集,有效预防了通过事先录制视频来进行非真实的考勤签到。
在一实施例中,如图4所示,步骤S120之后还包括:
S121、通过视频拆分获取所述实时签到视频数据中包括的多帧实景图片;
S122、随机抽取多帧实景图片中的一帧,并与电子地图数据库中的实景图片数据进行比对以得到定位信息;
S123、判断所述定位信息与所述签到地址信息之间的间距是否超出预先设置的第二距离阈值,若所述定位信息与所述签到地址信息之间的间距未超出所述第二距离阈值,执行若所述实时签到视频数据通过数据验证,发送签到成功的提示信息至所述签到终端的步骤;若所述定位信息与所述签到地址信息之间的间距超出所述第二距离阈值,执行若所述实时签到视频数据未通过数据验证,发送签到失败的提示信息至所述签到终端的步骤;
S124、若所述实时签到视频数据未通过数据验证,发送签到失败的提示信息至所述签到终端。
在本实施例中,用户活体生物特征通过了验证后,需通过签到终端采集实时签到视频数据上传至服务器,由服务器对实时签到视频数据进行进一步的定位识别,判断实时签到视频数据对应的定位信息是否与预先设置的签到地址信息的间距是在预设的第二距离阈值内(0-100m),因为通过实时签到视频数据来定位时需与电子地图数据库中的数据进行比对以得到定位信息,而该定位信息与通过用户终端的定位模块得到的定位信息相比可能误差更大,故将第二距离阈值设置的范围比第一距离阈值大。
在通过实时签到视频数据获取定位信息时,可对实时签到视频数据进行分解。由视频的形成过程可知,视频是由多帧图片组成,例如每一秒的视频能转化成24-30张图片。通过视频分解工具(如Adobe Premiere,在Adobe Premiere中剪辑出需要输出序列位图的片段,从文件菜单里输出成序列位图即可)即可将实时签到视频数据进行视频分解,得到与每多实景图片。例如,实时签到视频数据的视频长度是5-10秒的短视频,也即包括120-300帧图片,此时为了降低图片转化为图片特征向量的工作量,可以在这120-300帧图片中随机挑选一张实景图片作为待分析图片,以待分析图片与电子地图数据库中的实景图片数据进行比对以得到定位信息。
若所述定位信息与所述签到地址信息之间的间距未超出所述第二距离阈值,表示用户所拍摄的实时签到视频数据是在有效考勤范围内,是真实有效的考勤数据。若所述定位信息与所述签到地址信息之间的间距超出所述第二距离阈值,表示用户所拍摄的实时签到视频数据不在有效考勤范围内,不能视为有效的考勤数据,此时需及时提醒用户考勤签到失败。可见,通过实时签到视频数据的图像识别结果作为再次核实考勤数据真实性的参考数据,能有效提高考勤数据验证的准确率。
在一实施例中,如图5所示,步骤S122包括:
S1221、通过随机算法在多帧实景图片对应的总张数中获取一个排序号,及与排序号对应的一帧实景图片;
S1222、通过卷积神经网络模型获取与所述排序号对应的实景图片相应的图片特征向量;
S1223、获取所述图片特征向量与电子地图数据库中每一实景图片对应的特征向量的皮尔逊相似度;
S1224、获取与所述图片特征向量的皮尔逊相似度为最大值的特征向量,将最大值的特征向量所对应的实景图片作为目标图片;
S1225、获取所述目标图片的地理位置信息,以作为与所述排序号对应的实景图片相应的定位信息。
在本实施例中,通过视频拆分获取所述实时签到视频数据中包括的多帧实景图片,每一帧实景图片均对应一个拍摄时间,通过拍摄时间的先后顺序依次排序上述多帧实景图片,每一帧实景图片均对应一个排序号。
此时可以采用随机算法(例如采用randN()函数,N为多帧实景图片对应的总张数,通过randN()函数能随机选择1-N中任意一个正整数)在多帧实景图片对应的总张数中获取一个排序号,及与排序号对应的一帧实景图片。
此时通过卷积神经网络模型获取与所述排序号对应的实景图片相应的图片特征向量。获取实景图片应的图片特征向量时,先获取实景图片对应的像素矩阵,再将将实景图片的像素矩阵作为卷积神经网络模型中输入层的输入得到多个特征图,之后特征图输入池化层,得到每一特征图对应的最大值所对应一维行向量,将每一特征图对应的最大值所对应一维行向量输入至全连接层,得到与像素矩阵对应的图片特征向量。
获取了所述排序号对应的实景图片相应的图片特征向量后,在电子地图数据库中每一实景图片中选取与所述排序号对应的实景图片最相似的图片作为目标图片,以目标图片对应的地理位置信息作为与所述排序号对应的实景图片相应的定位信息。
计算任意两个向量之间的皮尔逊相似度,可以通过以下公式进行计算:
其中,E表示数学期望;
ρX,Y的取值范围是(0,1),当ρX,Y越接近1表示两个行向量的相似程度越高,当ρX,Y越接近0表示两个向量的相似程度越低。
可见,通过对实时签到视频数据的图像识别得到图片特征向量,以判断实时签到视频数据对应的定位信息,利用了现有电子地图数据库中已存储的多张实景图片来定位,提高了定位的准确率。
S130、若所述实时签到视频数据通过数据验证,发送签到成功的提示信息至所述签到终端。
在本实施例中,服务器中对实时签到视频数据所包括的预设时间长度的当前地理位置的实景视频进行定位信息的提取,且所提取的定位信息与预先设置的签到地址信息的间距在预设的第二距离阈值内,则可由服务器向用户终端发送实时签到视频数据验证成功指令。当用户终端接收到实时签到视频数据验证成功指令,即可通过弹窗信息进行签到成功的提示,实现了基于地理位置及周围环境的图像识别自动进行考勤签到。
该方法采用图像识别技术实现多人同时考勤签到,提高了考勤效率,而且实现了外出人员在外出目的地的考勤。
本发明实施例还提供一种基于图像识别的考勤装置,该基于图像识别的考勤装置用于执行前述基于图像识别的考勤方法的任一实施例。具体地,请参阅图6,图6是本发明实施例提供的基于图像识别的考勤装置的示意性框图。该基于图像识别的考勤装置100可以配置于服务器中。
如图6所示,基于图像识别的考勤装置100包括签到信息上报单元110、签到视频上报单元120、签到成功提示单元130。
签到信息上报单元110,用于若检测到签到终端所发送的签到指令,接收与所述签到指令对应的用户信息,及所述签到终端获取的当前地理位置信息。
在本实施例中,当用户需签到时,需在签到终端(如智能手机、平板电脑等智能终端)上登录签到的APP(即通过录入用户账号和密码进行登录),在登录APP成功后发起定位请求,由签到终端的定位模块获取当前地理位置信息,之后签到终端将与签到指令对应的用户信息、及当前地理位置信息上传至服务器。由服务器端进签到信息的验证。由于采用了登录APP进行签到,多名用户可以同时进行考勤,无需进行排队,提高了考勤签到效率。
在一实施例中,如图7所示,基于图像识别的考勤装置100还包括:
签到地址获取单元111,用于获取与所述用户信息对应的预先设置的签到地址信息;
距离判断单元112,用于判断当前地理位置信息与所述签到地址信息之间的间距是否超出预先设置的第一距离阈值;
第一通知单元113,用于若当前地理位置信息与所述签到地址信息之间的间距未超出所述第一距离阈值,发送初始签到成功及上传签到视频的第一通知信息;
第二通知单元114,用于若当前地理位置信息与所述签到地址信息之间的间距超出所述第一距离阈值,发送初始签到失败及上传签到视频的第二通知信息。
在本实施例中,服务器接收了签到终端上传的用户信息后,查询与该用户信息对应的预先设置的签到地址信息,并将当前地理位置信息与签到地址信息进行比对,判断当前地理位置信息与签到地址信息所对应的间距是否在预设的第一距离阈值(如0-20m)内,若当前地理位置信息与签到地址信息所对应的间距在预设的第一距离阈值内,则表示签到初次验证成功,此时需提示签到终端进一步上传签到视频。若当前地理位置信息与签到地址信息所对应的间距未在预设的第一距离阈值内,则表示签到初次验证失败,也可进一步提示用户上传签到视频。
例如,若用户不是经常外出(也即不用外出洽谈业务的固定坐班员工),所预先设置的签到地址信息即是用户所在公司的地址信息;若用户经常外出(即经常外出的业务人员),可以在APP上设置外出日期及外出的目的地址(该目的地址也可以视为预先设置的签到地址信息)。
签到视频上报单元120,用于接收所述签到终端发送的实时签到视频数据。
在本实施例中,当服务器接收了与所述签到指令对应的用户信息,及所述签到终端获取的当前地理位置信息,并进行了初次验证后,为了再次核实签到数据的真实性,可以上传实时签到视频数据,通过签到视频数据来定位当前用户所处的位置,以实现对用户考勤位置的进一步核实确认。
在一实施例中,基于图像识别的考勤装置100还包括:
用户生物特征验证单元,用于接收用户的头部视频数据以对用户活体生物特征进行验证,若用户活体生物特征通过验证,执行接收所述签到终端发送的实时签到视频数据的步骤。
在本实施例中,签到终端实时采集用户的头部视频数据后(即该用户的头部视频数据只能是实时采集不能事先录制),上传至服务器以对用户活体生物特征进行验证。其中,所接收的用户的头部视频数据中至少包括眨眼视频片段和摇头视频片段。例如先提示用户眨一眨眼睛以进行眨眼验证,在眨眼检测通过验证后再提示用户摇一摇头以进行摇头验证,若用户再次通过摇头验证后则可判定用户活体生物特征通过验证。由于对用户进行了活体生物特征进行验证,进一步确保了用户是本人考勤,而非他人代替考勤,而且所上传的头部视频数据是实时采集,有效预防了通过事先录制视频来进行非真实的考勤签到。
在一实施例中,如图8所示,基于图像识别的考勤装置100还包括:
视频拆分单元121,用于通过视频拆分获取所述实时签到视频数据中包括的多帧实景图片;
定位信息获取单元122,用于随机抽取多帧实景图片中的一帧,并与电子地图数据库中的实景图片数据进行比对以得到定位信息;
定位信息判断单元123,用于判断所述定位信息与所述签到地址信息之间的间距是否超出预先设置的第二距离阈值,若所述定位信息与所述签到地址信息之间的间距未超出所述第二距离阈值,执行若所述实时签到视频数据通过数据验证,发送签到成功的提示信息至所述签到终端的步骤;若所述定位信息与所述签到地址信息之间的间距超出所述第二距离阈值,执行若所述实时签到视频数据未通过数据验证,发送签到失败的提示信息至所述签到终端的步骤;
签到失败提示单元124,用于若所述实时签到视频数据未通过数据验证,发送签到失败的提示信息至所述签到终端。
在本实施例中,用户活体生物特征通过了验证后,需通过签到终端采集实时签到视频数据上传至服务器,由服务器对实时签到视频数据进行进一步的定位识别,判断实时签到视频数据对应的定位信息是否与预先设置的签到地址信息的间距是在预设的第二距离阈值内(0-100m),因为通过实时签到视频数据来定位时需与电子地图数据库中的数据进行比对以得到定位信息,而该定位信息与通过用户终端的定位模块得到的定位信息相比可能误差更大,故将第二距离阈值设置的范围比第一距离阈值大。
在通过实时签到视频数据获取定位信息时,可对实时签到视频数据进行分解。由视频的形成过程可知,视频是由多帧图片组成,例如每一秒的视频能转化成24-30张图片。通过视频分解工具(如Adobe Premiere,在Adobe Premiere中剪辑出需要输出序列位图的片段,从文件菜单里输出成序列位图即可)即可将实时签到视频数据进行视频分解,得到与每多实景图片。例如,实时签到视频数据的视频长度是5-10秒的短视频,也即包括120-300帧图片,此时为了降低图片转化为图片特征向量的工作量,可以在这120-300帧图片中随机挑选一张实景图片作为待分析图片,以待分析图片与电子地图数据库中的实景图片数据进行比对以得到定位信息。
若所述定位信息与所述签到地址信息之间的间距未超出所述第二距离阈值,表示用户所拍摄的实时签到视频数据是在有效考勤范围内,是真实有效的考勤数据。若所述定位信息与所述签到地址信息之间的间距超出所述第二距离阈值,表示用户所拍摄的实时签到视频数据不在有效考勤范围内,不能视为有效的考勤数据,此时需及时提醒用户考勤签到失败。可见,通过实时签到视频数据的图像识别结果作为再次核实考勤数据真实性的参考数据,能有效提高考勤数据验证的准确率。
在一实施例中,如图9所示,所述定位信息获取单元122包括:
图片随机获取单元1221,用于通过随机算法在多帧实景图片对应的总张数中获取一个排序号,及与排序号对应的一帧实景图片;
图片特征提取单元1222,用于通过卷积神经网络模型获取与所述排序号对应的实景图片相应的图片特征向量;
皮尔逊相似度获取单元1223,用于获取所述图片特征向量与电子地图数据库中每一实景图片对应的特征向量的皮尔逊相似度;
目标图片获取单元1224,用于获取与所述图片特征向量的皮尔逊相似度为最大值的特征向量,将最大值的特征向量所对应的实景图片作为目标图片;
目标图片定位单元1225,用于获取所述目标图片的地理位置信息,以作为与所述排序号对应的实景图片相应的定位信息。
在本实施例中,通过视频拆分获取所述实时签到视频数据中包括的多帧实景图片,每一帧实景图片均对应一个拍摄时间,通过拍摄时间的先后顺序依次排序上述多帧实景图片,每一帧实景图片均对应一个排序号。
此时可以采用随机算法(例如采用randN()函数,N为多帧实景图片对应的总张数,通过randN()函数能随机选择1-N中任意一个正整数)在多帧实景图片对应的总张数中获取一个排序号,及与排序号对应的一帧实景图片。
此时通过卷积神经网络模型获取与所述排序号对应的实景图片相应的图片特征向量。获取实景图片应的图片特征向量时,先获取实景图片对应的像素矩阵,再将将实景图片的像素矩阵作为卷积神经网络模型中输入层的输入得到多个特征图,之后特征图输入池化层,得到每一特征图对应的最大值所对应一维行向量,将每一特征图对应的最大值所对应一维行向量输入至全连接层,得到与像素矩阵对应的图片特征向量。
获取了所述排序号对应的实景图片相应的图片特征向量后,在电子地图数据库中每一实景图片中选取与所述排序号对应的实景图片最相似的图片作为目标图片,以目标图片对应的地理位置信息作为与所述排序号对应的实景图片相应的定位信息。
计算任意两个向量之间的皮尔逊相似度,可以通过以下公式进行计算:
其中,E表示数学期望;
ρX,Y的取值范围是(0,1),当ρX,Y越接近1表示两个行向量的相似程度越高,当ρX,Y越接近0表示两个向量的相似程度越低。
可见,通过对实时签到视频数据的图像识别得到图片特征向量,以判断实时签到视频数据对应的定位信息,利用了现有电子地图数据库中已存储的多张实景图片来定位,提高了定位的准确率。
签到成功提示单元130,用于若所述实时签到视频数据通过数据验证,发送签到成功的提示信息至所述签到终端。
在本实施例中,服务器中对实时签到视频数据所包括的预设时间长度的当前地理位置的实景视频进行定位信息的提取,且所提取的定位信息与预先设置的签到地址信息的间距在预设的第二距离阈值内,则可由服务器向用户终端发送实时签到视频数据验证成功指令。当用户终端接收到实时签到视频数据验证成功指令,即可通过弹窗信息进行签到成功的提示,实现了基于地理位置及周围环境的图像识别自动进行考勤签到。
该装置采用图像识别技术实现多人同时考勤签到,提高了考勤效率,而且实现了外出人员在外出目的地的考勤。
上述基于图像识别的考勤装置可以实现为计算机程序的形式,该计算机程序可以在如图10所示的计算机设备上运行。
请参阅图10,图10是本发明实施例提供的计算机设备的示意性框图。该计算机设备500是服务器。其中,服务器可以是独立的服务器,也可以是多个服务器组成的服务器集群。
参阅图10,该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505,其中,存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032被执行时,可使得处理器502执行基于图像识别的考勤方法。
该处理器502用于提供计算和控制能力,支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境,该计算机程序5032被处理器502执行时,可使得处理器502执行基于图像识别的考勤方法。
该网络接口505用于进行网络通信,如提供数据信息的传输等。本领域技术人员可以理解,图10中示出的结构,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的计算机设备500的限定,具体的计算机设备500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。
其中,所述处理器502用于运行存储在存储器中的计算机程序5032,以实现如下功能:若检测到签到终端所发送的签到指令,接收与所述签到指令对应的用户信息,及所述签到终端获取的当前地理位置信息;接收所述签到终端发送的实时签到视频数据;以及若所述实时签到视频数据通过数据验证,发送签到成功的提示信息至所述签到终端。
在一实施例中,处理器502在执行所述接收与所述签到指令对应的用户信息,及所述签到终端获取的当前地理位置信息的步骤之后,还执行如下操作:获取与所述用户信息对应的预先设置的签到地址信息;判断当前地理位置信息与所述签到地址信息之间的间距是否超出预先设置的第一距离阈值;若当前地理位置信息与所述签到地址信息之间的间距未超出所述第一距离阈值,发送初始签到成功及上传签到视频的第一通知信息;若当前地理位置信息与所述签到地址信息之间的间距超出所述第一距离阈值,发送初始签到失败及上传签到视频的第二通知信息。
在一实施例中,处理器502在执行所述接收所述签到终端发送的实时签到视频数据之前的步骤之前,还执行如下操作:接收用户的头部视频数据以对用户活体生物特征进行验证,若用户活体生物特征通过验证,执行接收所述签到终端发送的实时签到视频数据的步骤。
在一实施例中,处理器502在执行所述接收所述签到终端发送的实时签到视频数据的步骤之后,还执行如下操作:通过视频拆分获取所述实时签到视频数据中包括的多帧实景图片;随机抽取多帧实景图片中的一帧,并与电子地图数据库中的实景图片数据进行比对以得到定位信息;判断所述定位信息与所述签到地址信息之间的间距是否超出预先设置的第二距离阈值,若所述定位信息与所述签到地址信息之间的间距未超出所述第二距离阈值,执行若所述实时签到视频数据通过数据验证,发送签到成功的提示信息至所述签到终端的步骤;若所述定位信息与所述签到地址信息之间的间距超出所述第二距离阈值,执行若所述实时签到视频数据未通过数据验证,发送签到失败的提示信息至所述签到终端的步骤;若所述实时签到视频数据未通过数据验证,发送签到失败的提示信息至所述签到终端。
在一实施例中,处理器502在执行所述随机抽取多帧实景图片中的一帧,并与电子地图数据库中的实景图片数据进行比对以得到定位信息的步骤时,执行如下操作:通过随机算法在多帧实景图片对应的总张数中获取一个排序号,及与排序号对应的一帧实景图片;通过卷积神经网络模型获取与所述排序号对应的实景图片相应的图片特征向量;获取所述图片特征向量与电子地图数据库中每一实景图片对应的特征向量的皮尔逊相似度;获取与所述图片特征向量的皮尔逊相似度为最大值的特征向量,将最大值的特征向量所对应的实景图片作为目标图片;获取所述目标图片的地理位置信息,以作为与所述排序号对应的实景图片相应的定位信息。
本领域技术人员可以理解,图10中示出的计算机设备的实施例并不构成对计算机设备具体构成的限定,在其他实施例中,计算机设备可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。例如,在一些实施例中,计算机设备可以仅包括存储器及处理器,在这样的实施例中,存储器及处理器的结构及功能与图10所示实施例一致,在此不再赘述。
应当理解,在本发明实施例中,处理器502可以是中央处理单元(CentralProcessing Unit,CPU),该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(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。其中,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。
在本发明的另一实施例中提供计算机可读存储介质。该计算机可读存储介质可以为非易失性的计算机可读存储介质。该计算机可读存储介质存储有计算机程序,其中计算机程序被处理器执行时实现以下步骤:若检测到签到终端所发送的签到指令,接收与所述签到指令对应的用户信息,及所述签到终端获取的当前地理位置信息;接收所述签到终端发送的实时签到视频数据;以及若所述实时签到视频数据通过数据验证,发送签到成功的提示信息至所述签到终端。
在一实施例中,所述接收与所述签到指令对应的用户信息,及所述签到终端获取的当前地理位置信息之后,还包括:获取与所述用户信息对应的预先设置的签到地址信息;判断当前地理位置信息与所述签到地址信息之间的间距是否超出预先设置的第一距离阈值;若当前地理位置信息与所述签到地址信息之间的间距未超出所述第一距离阈值,发送初始签到成功及上传签到视频的第一通知信息;若当前地理位置信息与所述签到地址信息之间的间距超出所述第一距离阈值,发送初始签到失败及上传签到视频的第二通知信息。
在一实施例中,所述接收所述签到终端发送的实时签到视频数据之前,还包括:接收用户的头部视频数据以对用户活体生物特征进行验证,若用户活体生物特征通过验证,执行接收所述签到终端发送的实时签到视频数据的步骤。
在一实施例中,所述接收所述签到终端发送的实时签到视频数据之后,还包括:通过视频拆分获取所述实时签到视频数据中包括的多帧实景图片;随机抽取多帧实景图片中的一帧,并与电子地图数据库中的实景图片数据进行比对以得到定位信息;判断所述定位信息与所述签到地址信息之间的间距是否超出预先设置的第二距离阈值,若所述定位信息与所述签到地址信息之间的间距未超出所述第二距离阈值,执行若所述实时签到视频数据通过数据验证,发送签到成功的提示信息至所述签到终端的步骤;若所述定位信息与所述签到地址信息之间的间距超出所述第二距离阈值,执行若所述实时签到视频数据未通过数据验证,发送签到失败的提示信息至所述签到终端的步骤;若所述实时签到视频数据未通过数据验证,发送签到失败的提示信息至所述签到终端。
在一实施例中,所述随机抽取多帧实景图片中的一帧,并与电子地图数据库中的实景图片数据进行比对以得到定位信息,包括:通过随机算法在多帧实景图片对应的总张数中获取一个排序号,及与排序号对应的一帧实景图片;通过卷积神经网络模型获取与所述排序号对应的实景图片相应的图片特征向量;获取所述图片特征向量与电子地图数据库中每一实景图片对应的特征向量的皮尔逊相似度;获取与所述图片特征向量的皮尔逊相似度为最大值的特征向量,将最大值的特征向量所对应的实景图片作为目标图片;获取所述目标图片的地理位置信息,以作为与所述排序号对应的实景图片相应的定位信息。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的设备、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。本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备、装置和方法,可以通过其它的方式实现。例如,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,仅仅为逻辑功能划分,实际实现时可以有另外的划分方式,也可以将具有相同功能的单元集合成一个单元,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。另外,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接口、装置或单元的间接耦合或通信连接,也可以是电的,机械的或其它的形式连接。
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发明实施例方案的目的。
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,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的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,或者该技术方案的全部或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)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,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,可轻易想到各种等效的修改或替换,这些修改或替换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以权利要求的保护范围为准。