CN110175522A - 考勤方法、系统及相关产品 - Google Patents
考勤方法、系统及相关产品 Download PDFInfo
- Publication number
- CN110175522A CN110175522A CN201910333599.3A CN201910333599A CN110175522A CN 110175522 A CN110175522 A CN 110175522A CN 201910333599 A CN201910333599 A CN 201910333599A CN 110175522 A CN110175522 A CN 110175522A
- Authority
- CN
- China
- Prior art keywords
- attendance
- server
- image
- face
- personnel
- 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 59
- 230000001815 facial effect Effects 0.000 claims abstract description 123
- 230000002996 emotional effect Effects 0.000 claims description 62
- 230000008451 emotion Effects 0.000 claims description 29
- 238000001514 detection method Methods 0.000 claims description 18
- 238000001727 in vivo Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 10
- 230000036651 mood Effects 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 3
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 210000004709 eyebrow Anatomy 0.000 description 3
- 210000003128 head Anatomy 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 238000000926 separation method Methods 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- 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
- G06V40/174—Facial expression recognition
-
- 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
- G06V40/40—Spoof detection, e.g. liveness detection
- G06V40/45—Detection of the body part being alive
Abstract
本申请公开了一种考勤方法,该方法应用于考勤系统,所述考勤系统包括第一摄像头、第二摄像头和服务器;该方法包括:通过所述第一摄像头采集第一目标区域的第一面部图像;通过所述服务器识别所述第一面部图像,得到所述第一面部图像对应的第一考勤人员,确定采集所述第一面部图像的第一时刻;通过所述第二摄像头采集第二目标区域的第二面部图像;通过所述服务器识别所述第二面部图像,得到所述第二面部图像对应的第二考勤人员,确定采集所述第二面部图像的的第二时刻;如所述第一考勤人员和所述第二考勤人员为同一考勤人员,通过所述服务器根据所述第一时刻和第二时刻确定考勤人员的考勤结果。本申请有利于简化考勤,提高考勤效率。
Description
技术领域
本申请涉及电子技术领域,具体涉及一种考勤方法、系统及相关产品。
背景技术
随着人脸识别技术的发展,人脸识别技术已广泛应用于考勤、门禁、监控、安防等领域。
目前,基于人脸识别的考勤中普遍通过人脸识别终端上的固定摄像头来采集员工的人脸图像,进而根据所采集的人脸图像进行人脸识别考勤或者在指定区域进行指纹采集完成考勤,但这种方式每次只能完成一人的人脸识别,在考勤高峰期,需排队进行考勤,考勤效率较低,而且,仅统计员工主动考勤的时间,无法知晓员工的详细考勤记录,考勤错误率高。
发明内容
本申请实施例提供了一种考勤方法、系统及相关产品,以期简化考勤,解决考勤效率低的问题。
第一方面,本申请实施例提供一种考勤方法,所述方法应用于考勤系统,所述考勤系统包括第一摄像头、第二摄像头和服务器;所述方法包括:
通过所述第一摄像头采集第一目标区域的第一面部图像;
通过所述服务器识别所述第一面部图像,得到所述第一面部图像对应的第一考勤人员,确定采集所述第一面部图像的第一时刻;
通过所述第二摄像头采集第二目标区域的第二面部图像;
通过所述服务器识别所述第二面部图像,得到所述第二面部图像对应的第二考勤人员,确定采集所述第二面部图像的的第二时刻;
如所述第一考勤人员和所述第二考勤人员为同一考勤人员,通过所述服务器根据所述第一时刻和第二时刻确定考勤人员的考勤结果。
在一可能的示例中,所述方法还包括:
通过所述服务器对所述第一面部图像进行情绪识别,得到所述第一考勤人员的第一情绪信息;
通过所述服务器对所述第二面部图像进行情绪识别,得到所述第二考勤人员的第二情绪信息;
如所述第一情绪信息和/或第二情绪信息为预设情绪信息集中的任意一情绪信息,通过所述服务器向目标终端发送第一提示信息,所述第一提示信息用于指示所述目标终端考勤人员对所述第一考勤人员或所述第二考勤人员执行预设的监管策略。
在一可能的示例中,所述通过所述服务器对所述第一面部图像进行情绪识别,得到所述第一考勤人员的第一情绪信息,包括:
通过所述服务器将所述第一面部图像划分为预设数量的面部区域,提取每个面部区域的预设特征点,根据提取到的所述预设特征点对每个面部区域进行情绪识别,得到每个面部区域的情绪信息,综合每个面部区域的情绪信息,得到所述第一考勤人员的第一情绪信息。
在一可能的示例中,在通过所述服务器识别所述第一面部图像之前,所述方法还包括:
通过所述服务器对所述第一面部图像进行活体检测;
如检测到为活体时,通过所述服务器对所述第一面部图像执行面部图像识别操作,如未检测到为活体时,通过所述服务器向目标终端发送第二提示信息,所述第二提示信息用于提示非法考勤。
在一可能的示例中,如所述第一摄像头为3D摄像头,所述通过所述服务器对所述第一面部图像进行活体检测,包括:
通过所述服务器获取所述第一面部图像的预设特征点;
通过所述服务器获取所述第一摄像头的第一景深参数;
通过所述服务器根据所述第一景深参数确定所述第一面部图像的预设特征点中每个预设特征点与所述第一摄像头的深度信息,根据所述深度信息确定所述第一面部图像对应的第一考勤人员是否为活体。
第二方面,本申请实施例提供一种考勤系统,其特征在于,所述考勤系统包括第一摄像头、第二摄像头和服务器;
所述第一摄像头,用于采集第一目标区域的第一面部图像;
所述服务器,用于识别所述第一面部图像,得到所述第一面部图像对应的第一考勤人员,确定采集所述第一面部图像的第一时刻;
所述第二摄像头,用于采集第二目标区域的第二面部图像;
所述服务器,还用于识别所述第二面部图像,得到所述第二面部图像对应的第二考勤人员,确定采集所述第二面部图像的的第二时刻;
如所述第一考勤人员和所述第二考勤人员为同一考勤人员,所述服务器,还用于根据所述第一时刻和第二时刻确定考勤人员的考勤结果。
在一可能的示例中,所述服务器,还用于对所述第一面部图像进行情绪识别,得到所述第一考勤人员的第一情绪信息;所述服务器,还用于对所述第二面部图像进行情绪识别,得到所述第二考勤人员的第二情绪信息;如所述第一情绪信息和/或第二情绪信息为预设情绪信息集中的任意一情绪信息,所述服务器,还用于向目标终端发送第一提示信息,所述第一提示信息用于指示所述目标终端考勤人员对所述第一考勤人员或所述第二考勤人员执行预设的监管策略。
在一可能的示例中,在对所述第一面部图像进行情绪识别,得到所述第一考勤人员的第一情绪信息时,所述服务器,具体用于:将所述第一面部图像划分为预设数量的面部区域,提取每个面部区域的预设特征点,根据提取到的所述预设特征点对每个面部区域进行情绪识别,得到每个面部区域的情绪信息,综合每个面部区域的情绪信息,得到所述第一考勤人员的第一情绪信息。
在一可能的示例中,所述服务器,还用于对所述第一面部图像进行活体检测;如检测到为活体时,所述服务器,还用于对所述第一面部图像执行面部图像识别操作,如未检测到为活体时,通过所述服务器向目标终端发送第二提示信息,所述第二提示信息用于提示非法考勤。
第三方面,本申请实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序使得计算机执行如第一方面所述的方法。
第四方面,本申请实施例提供一种计算机程序产品,所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,所述计算机可操作来使计算机执行如第一方面所述的方法。
实施本申请实施例,具有如下有益效果:
可以看出,在本申请实施例中,通过第一摄像头和第二摄像头采集考勤人员的面部图像,基于该面部图像确定每个考勤人员进出工作区域的时刻,得到每个工作人员的考勤结果,从而实现无需排队考勤,在用户无感的情况下实现自动考勤,简化了考勤方式,提高了考勤速度。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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申请的一些实施例,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为本申请实施例提供的一种考勤系统的架构图;
图2为本申请实施例提供的一种考勤方法的流程示意图;
图3为本申请实施例提供的另一种考勤方法的流程示意图;
图4为本申请实施例提供的另一种考勤方法的流程示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结果或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本申请中服务器可以包括智能手机(如Android手机、iOS手机、Windows Phone手机等)、平板电脑、掌上电脑、笔记本电脑、移动互联网设备MID(Mobile Internet Devices,简称:MID)或穿戴式设备等,上述服务器仅是举例,而非穷举,包含但不限于上述服务器,例如还可以包括:智能车载终端、计算机设备等等。
参阅图1,图1为本申请实施例提供的一种考勤系统,该考勤系统包括第一摄像头、第二摄像头和服务器;该第一摄像头、第二摄像头分别与服务器保持通信连接。
其中,将该第一摄像头或第二摄像头设置于考勤入口的门外、该第一摄像头或第二摄像头设置于考勤入口的门内,本公开以第一摄像头设置于门外、第二摄像头设置于门内为例具体说明,第一目标区域为第一摄像头所拍摄到的区域,第二目标区域为第二摄像头所拍摄到的区域。
所述第一摄像头,用于采集第一目标区域的第一面部图像;
所述服务器,用于识别所述第一面部图像,得到所述第一面部图像对应的第一考勤人员,确定采集所述第一面部图像的第一时刻;
所述第二摄像头,用于采集第二目标区域的第二面部图像;
所述服务器,还用于识别所述第二面部图像,得到所述第二面部图像对应的第二考勤人员,确定采集所述第二面部图像的的第二时刻;
如所述第一考勤人员和所述第二考勤人员为同一考勤人员,所述服务器,还用于根据所述第一时刻和第二时刻确定考勤人员的考勤结果。
可以看出,在本申请实施例中,通过门外的第一摄像头和门内的第二摄像头,在每个考勤人员经过目标区域时,采集每个考勤人员的面部图像,基于该面部图像确定每个考勤人员进出工作区域的时刻,得到每个工作人员的考勤结果,从而实现无需排队考勤,在用户无感的情况下实现自动考勤,简化了考勤方式,提高了考勤速度;而且,记录每次进出工作区域的时刻,得到考勤详情信息,防止考勤作弊,提高了考勤结果的精确度。
在一可能的示例中,所述服务器,还用于对所述第一面部图像进行情绪识别,得到所述第一考勤人员的第一情绪信息;所述服务器,还用于对所述第二面部图像进行情绪识别,得到所述第二考勤人员的第二情绪信息;如所述第一情绪信息和/或第二情绪信息为预设情绪信息集中的任意一情绪信息,所述服务器,还用于向目标终端发送第一提示信息,所述第一提示信息用于指示所述目标终端考勤人员对所述第一考勤人员或所述第二考勤人员执行预设的监管策略。
在一可能的示例中,在对所述第一面部图像进行情绪识别,得到所述第一考勤人员的第一情绪信息时,所述服务器,具体用于:将所述第一面部图像划分为预设数量的面部区域,提取每个面部区域的预设特征点,根据提取到的所述预设特征点对每个面部区域进行情绪识别,得到每个面部区域的情绪信息,综合每个面部区域的情绪信息,得到所述第一考勤人员的第一情绪信息。
在一可能的示例中,所述服务器,还用于对所述第一面部图像进行活体检测;如检测到为活体时,所述服务器,还用于对所述第一面部图像执行面部图像识别操作,如未检测到为活体时,通过所述服务器向目标终端发送第二提示信息,所述第二提示信息用于提示非法考勤。
在一可能的示例中,所述服务器,在对所述第一面部图像进行活体检测时,具体用于:获取所述第一面部图像的预设特征点;获取所述第一摄像头的第一景深参数;根据所述第一景深参数确定所述第一面部图像的预设特征点中每个预设特征点与所述第一摄像头的深度信息,根据所述深度信息确定所述第一面部图像对应的第一考勤人员是否为活体。
参阅图2,图2为本申请实施例提供的一种考勤方法的流程示意图,该方法应用于考勤系统,该考勤系统包括第一摄像头、第二摄像头和服务器;该第一摄像头、第二摄像头分别与服务器保持通信连接,该方法包括如步骤S201~S205中所示的内容:
步骤S201、第一摄像头采集第一目标区域的第一面部图像。
步骤S202、服务器识别所述第一面部图像,得到所述第一面部图像对应的第一考勤人员,确定采集所述第一面部图像的第一时刻。
步骤S203、第二摄像头采集第二目标区域的第二面部图像。
步骤S204、服务器识别所述第二面部图像,得到所述第二面部图像对应的第二考勤人员,确定采集所述第二面部图像的的第二时刻。
步骤S205、如所述第一考勤人员和所述第二考勤人员为同一考勤人员,服务器根据所述第一时刻和第二时刻确定考勤人员的考勤结果。
可以理解的是,本公开实施例的技术方案通过多次采集考勤人员的面部图像,得到考勤人员的考勤结果,即每次都会采集通过目标区域的考勤人员的面部图像,并记录考勤人员每次进出考勤门的时刻,得到考勤详情信息,上述方法为确定一次考勤的过程,其他任意一次考勤过程均与此类似,不再赘述。
可以看出,在本申请实施例中,通过门外的第一摄像头和门内的第二摄像头,在每个考勤人员经过目标区域时,采集每个考勤人员的面部图像,基于该面部图像确定每个考勤人员进出工作区域的时刻,得到每个工作人员的考勤结果,从而实现无需排队考勤,在用户无感的情况下实现自动考勤,简化了考勤方式,提高了考勤速度;而且,记录每次进出考勤门的时刻,得到每个考勤人员的考勤详情信息,防止考勤作弊,提高了考勤结果的精确度。
在一可能的示例中,所述方法还包括:
所述服务器对所述第一面部图像进行情绪识别,得到所述第一考勤人员的第一情绪信息;所述服务器对所述第二面部图像进行情绪识别,得到所述第二考勤人员的第二情绪信息;如所述第一情绪信息和/或第二情绪信息为预设情绪信息集中的任意一情绪信息,所述服务器向目标终端发送第一提示信息,所述第一提示信息用于指示所述目标终端考勤人员对所述第一考勤人员或所述第二考勤人员执行预设的监管策略,其中,该预设情绪信息集中的元素包括:愤怒、压抑、伤心、悲伤,或者其他情绪信息。在本示例中,通过面部情绪识别,得到每个考勤人员的情绪信息,从而了解到每个考勤人员的生理状态,以便及时关怀情绪异常的考勤人员,增加考勤系统的功能,提高用户体验。
在一可能的示例中,所述对所述第一面部图像进行情绪识别,得到所述第一考勤人员的第一情绪信息的实现过程可以为:服务器将所述第一面部图像划分为预设数量的面部区域,提取每个面部区域的预设特征点,根据提取到的所述预设特征点对每个面部区域进行情绪识别,得到每个面部区域的情绪信息,综合每个面部区域的情绪信息,得到所述第一考勤人员的第一情绪信息。可以看出,本示例中,将面部图像划为多个面部区域,综合每个面部区域的识别结果,提高面部识别的准确度。
举例来说,将面部图像划分为三个面部区域,在每个区域中设置100个预设特征点,基于在每个面部区域提取到的100个特征点,对每个面部区域进行情绪识别,得到每个面部区域的情绪识别结果,综合该三个区域的情绪识别结果得到第一考勤人员的第一情绪信息。
在一可能的示例中,在服务器识别所述第一面部图像之前,所述方法还包括:服务器对所述第一面部图像进行活体检测;如检测到为活体时,服务器对所述第一面部图像执行面部图像识别操作,如未检测到为活体时,服务器向目标终端发送第二提示信息,所述第二提示信息用于提示非法考勤。可以看出,在本示例中,通过活体检测,有效防止考勤作弊,提高考勤结果的正确性。
在一可能的示例中,服务器对所述第一面部图像进行活体检测的实现过程可以为:服务器获取所述第一面部图像的预设特征点;服务器获取所述第一摄像头的第一景深参数;服务器根据所述第一景深参数确定所述第一面部图像的预设特征点中每个预设特征点与所述第一摄像头的深度信息,根据所述深度信息确定所述第一面部图像对应的第一考勤人员是否为活体。
可选的,预设特征点可以包括面部上指定位置的点。例如,将人脸中眼睛的内眼角和外眼角、瞳孔、鼻尖、眉心、眉毛的头部、眉毛的尾部等位置的点,作为预设特征点。关键点的数量可以根据需求设定。例如可以在人脸中确定100个关键点,在一种可能的实现方式中,如面部图像是活体(即考勤人员)的面部图像时,活体上的各预设特征点与摄像头的距离不同。例如,当活体的人脸正对摄像头时,鼻尖与摄像头的距离,要小于耳朵与摄像头的距离。而当面部图像为人脸的照片时,即不是活体时,各预设特征点的深度信息相等。所以,确定各个预设特征点与该第一摄像头的深度信息,基于各个预设特征点与该第一摄像头的深度信息确定该面部图像对应的对象是否为活体。
在一可能的示例中,服务器对所述第一面部图像进行活体检测的实现过程可以为:获取所述面部图像中的预设特征点;根据获取到的预设特征点在所述面部图像中构建约束框;对所述面部图像中构建的约束框进行形状变化的捕捉;如捕捉到所述约束框存在异常形变,则判定所述面部图像对应的待检测对象(考勤人员)为非活体,其中,对对所述面部图像中构建的约束框进行形状变化的捕捉具体包括:根据所述约束框的形状计算得到形状数据;比较所述形状数据与动态变化范围;如果所述形状数据在所述动态变化范围之外,则捕捉到所述约束框存在异常形变,其中,该形状数据可以为:根据所述约束框在所述图像中所描述图形的边长,计算所述约束框的形状比例值,以所述约束框的形状比例值作为所述形状数据。
在一可能的示例中,在根据所述第一时刻和第二时刻确定考勤人员的考勤结果之后,所述方法还包括:
根据所述考勤结果评判所述考勤人员的工作状态,如工作状态异常,向所述目标终端发送考勤异常的提示信息;具体来讲,如所述第一摄像头采集到所述第一考勤人员的若干个第一面部图像,以及所述第二摄像头采集到所述第二考勤人员的若干个第二面部图像时,且第一考勤人员和第二考勤人员为同一考勤人员;获取若干个第一面部图像对应的若干个第一时刻和以及若干个第二面部图像对应的若干个第二时刻,基于该若干个第一时刻和若干个第二时刻确定该考勤人员的考勤时间表,获取相邻的两个第一时刻和第二时刻之间的时间差,得到若干个时间差,确定该若干个时间差中第一时刻晚于第二时刻的若干个目标时间差,将该若干个目标时间差与预设的时间差进行比较,如小于该预设的时间差,则确定该目标时间差正常,确定该工作人员正常工作,如大于该预设的时间差,确定目标时间差异常,即确定该工作人员工作异常。
举例来说,考勤时间表如表1所示,可得到时间差为45min、15min、135min、30min、120min、10min、160min,从表1中可以看出,第一时刻晚于第二时刻对应的目标时间差为15min、30min、10min,如预设的时间差为30min,则确定该工作人员的外出时间未超过预设的时间差,故该考勤人员的工作状态为正常工作。
表1
参阅图3,图3为本申请实施例提供的另一种考勤方法的流程示意图,该方法应用于考勤系统,该考勤系统包括第一摄像头、第二摄像头和服务器;该第一摄像头、第二摄像头分别与服务器保持通信连接,该方法包括如步骤S301~S309中所示的内容:
步骤S301、第一摄像头采集第一目标区域的第一面部图像。
步骤S302、服务器对所述第一面部图像进行活体检测。
如检测到为活体,执行步骤S303;如未检测到活体时,执行步骤S304。
步骤S303、服务器识别所述第一面部图像,得到所述第一面部图像对应的第一考勤人员,确定采集所述第一面部图像的第一时刻。
步骤S304、服务器向目标终端发送提示信息,所述提示信息用于提示非法考勤。
步骤S305、第二摄像头采集第二目标区域的第二面部图像。
步骤S306、服务器对所述第二面部图像进行活体检测
如检测到为活体,执行步骤S307;如未检测到活体时,执行步骤S308。
步骤S307、服务器识别所述第二面部图像,得到所述第二面部图像对应的第二考勤人员,确定采集所述第二面部图像的第二时刻。
步骤S308、服务器向目标终端发送提示信息,所述提示信息用于提示非法考勤。
步骤S309、如所述第一考勤人员和所述第二考勤人员为同一考勤人员,通过所述服务器根据所述第一时刻和第二时刻确定考勤人员的考勤结果。
可以看出,在本申请实施例中,通过门外的第一摄像头和门内的第二摄像头,在每个考勤人员经过目标区域时,采集每个考勤人员的面部图像,基于该面部图像确定每个考勤人员进出工作区域的时刻,得到每个工作人员的考勤结果,从而实现无需排队考勤,在用户无感的情况下实现自动考勤,简化了考勤方式,提高了考勤速度;而且,记录每次进出考勤门的时刻,得到每个考勤人员的考勤详情信息,防止考勤作弊,提高了考勤结果的精确度;而且,在进行面部识别前,先对面部图像进行活体检测,以排出考勤中存在图像攻击行为,进一步提高考勤结果的正确性。
参阅图4,图4为本申请实施例提供的另一种考勤方法,该方法应用于考勤系统,该考勤系统包括第一摄像头、第二摄像头和服务器;该第一摄像头、第二摄像头分别与服务器保持通信连接,该方法包括如步骤S401~S413中所示的内容:
步骤S401、第一摄像头采集第一目标区域的第一面部图像。
步骤S402、服务器对所述第一面部图像进行活体检测。
具体来说,如检测到为活体,执行步骤S403;如未检测到活体时,执行步骤S404。
步骤S403、服务器识别所述第一面部图像,得到所述第一面部图像对应的第一考勤人员,确定采集所述第一面部图像的第一时刻。
步骤404、服务器向目标终端发送第一提示信息,所述第一提示信息用于提示非法考勤。
步骤S405、服务器对所述第一面部图像进行情绪识别,得到所述第一考勤人员的第一情绪信息。
步骤S406、如所述第一情绪信息为预设情绪信息集中的任意一情绪信息,服务器向所述目标终端发送第二提示信息,所述第二提示信息用于指示所述目标终端考勤人员对所述第一考勤人员或所述第二考勤人员执行预设的监管策略。
步骤S407、第二摄像头采集第二目标区域的第二面部图像。
步骤S408、服务器对所述第二面部图像进行活体检测
如检测到为活体,执行步骤S409;如未检测到活体时,执行步骤S410。
步骤S409、服务器识别所述第二面部图像,得到所述第二面部图像对应的第二考勤人员,确定采集所述第二面部图像的第二时刻。
步骤S410、服务器向目标终端发送第一提示信息,所述第一提示信息用于提示非法考勤。
步骤S411、服务器对所述第二面部图像进行情绪识别,得到所述第二考勤人员的第二情绪信息。
步骤S412、如所述第二情绪信息为预设情绪信息集中的任意一情绪信息,服务器向目标终端发送第二提示信息,所述第二提示信息用于指示所述目标终端考勤人员对所述第二考勤人员执行预设的监管策略。
步骤S413、如所述第一考勤人员和所述第二考勤人员为同一考勤人员,服务器根据所述第一时刻和第二时刻确定考勤人员的考勤结果。
可以看出,在本申请实施例中,通过门外的第一摄像头和门内的第二摄像头,在每个考勤人员经过目标区域时,采集每个考勤人员的面部图像,基于该面部图像确定每个考勤人员进出工作区域的时刻,得到每个工作人员的考勤结果,从而实现无需排队考勤,在用户无感的情况下实现自动考勤,简化了考勤方式,提高了考勤速度;而且,记录每次进出考勤门的时刻,得到每个考勤人员的考勤详情信息,防止考勤作弊,提高了考勤结果的精确度;而且,在进行面部识别前,先对面部图像进行活体检测,以排出考勤中存在图像攻击行为,进一步提高考勤结果的正确性;另外,基于面部图像进行情绪识别,以关怀考勤人员的身心健康,提高用户体验。
本申请实施例还提供一种计算机存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行以实现如上述方法实施例中记载的任何一种考勤方法的部分或全部步骤。
本申请实施例还提供一种计算机程序产品,所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,所述计算机程序可操作来使计算机执行如上述方法实施例中记载的任何一种考勤方法的部分或全部步骤。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于可选实施例,所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可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,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,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接口,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。
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,在本申请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。上述集成的单元既可以采用硬件的形式实现,也可以采用软件程序模块的形式实现。
所述集成的单元如果以软件程序模块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器中。基于这样的理解,本申请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器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储器包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储器中,存储器可以包括:闪存盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取器(英文:Random Access Memory,简称:RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种考勤方法,其特征在于,所述方法应用于考勤系统,所述考勤系统包括第一摄像头、第二摄像头和服务器;所述方法包括:
通过所述第一摄像头采集第一目标区域的第一面部图像;
通过所述服务器识别所述第一面部图像,得到所述第一面部图像对应的第一考勤人员,确定采集所述第一面部图像的第一时刻;
通过所述第二摄像头采集第二目标区域的第二面部图像;
通过所述服务器识别所述第二面部图像,得到所述第二面部图像对应的第二考勤人员,确定采集所述第二面部图像的的第二时刻;
如所述第一考勤人员和所述第二考勤人员为同一考勤人员,通过所述服务器根据所述第一时刻和第二时刻确定考勤人员的考勤结果。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
通过所述服务器对所述第一面部图像进行情绪识别,得到所述第一考勤人员的第一情绪信息;
通过所述服务器对所述第二面部图像进行情绪识别,得到所述第二考勤人员的第二情绪信息;
如所述第一情绪信息和/或第二情绪信息为预设情绪信息集中的任意一情绪信息,通过所述服务器向目标终端发送第一提示信息,所述第一提示信息用于指示所述目标终端考勤人员对所述第一考勤人员或所述第二考勤人员执行预设的监管策略。
3.根据权利要求2所述的方法,其特征在于,所述通过所述服务器对所述第一面部图像进行情绪识别,得到所述第一考勤人员的第一情绪信息,包括:
通过所述服务器将所述第一面部图像划分为预设数量的面部区域,提取每个面部区域的预设特征点,根据提取到的所述预设特征点对每个面部区域进行情绪识别,得到每个面部区域的情绪信息,综合每个面部区域的情绪信息,得到所述第一考勤人员的第一情绪信息。
4.根据权利要求1-3任一项所述的方法,其特征在于,在通过所述服务器识别所述第一面部图像之前,所述方法还包括:
通过所述服务器对所述第一面部图像进行活体检测;
如检测到为活体时,通过所述服务器对所述第一面部图像执行面部图像识别操作,如未检测到为活体时,通过所述服务器向目标终端发送第二提示信息,所述第二提示信息用于提示非法考勤。
5.根据权利要求4所述的方法,其特征在于,如所述第一摄像头为3D摄像头,所述通过所述服务器对所述第一面部图像进行活体检测,包括:
通过所述服务器获取所述第一面部图像的预设特征点;
通过所述服务器获取所述第一摄像头的第一景深参数;
通过所述服务器根据所述第一景深参数确定所述第一面部图像的预设特征点中每个预设特征点与所述第一摄像头的深度信息,根据所述深度信息确定所述第一面部图像对应的第一考勤人员是否为活体。
6.一种考勤系统,其特征在于,所述考勤系统包括第一摄像头、第二摄像头和服务器;
所述第一摄像头,用于采集第一目标区域的第一面部图像;
所述服务器,用于识别所述第一面部图像,得到所述第一面部图像对应的第一考勤人员,确定采集所述第一面部图像的第一时刻;
所述第二摄像头,用于采集第二目标区域的第二面部图像;
所述服务器,还用于识别所述第二面部图像,得到所述第二面部图像对应的第二考勤人员,确定采集所述第二面部图像的的第二时刻;
如所述第一考勤人员和所述第二考勤人员为同一考勤人员,所述服务器,还用于根据所述第一时刻和第二时刻确定考勤人员的考勤结果。
7.根据权利要求6所述的系统,其特征在于,
所述服务器,还用于对所述第一面部图像进行情绪识别,得到所述第一考勤人员的第一情绪信息;
所述服务器,还用于对所述第二面部图像进行情绪识别,得到所述第二考勤人员的第二情绪信息;
如所述第一情绪信息和/或第二情绪信息为预设情绪信息集中的任意一情绪信息,所述服务器,还用于向目标终端发送第一提示信息,所述第一提示信息用于指示所述目标终端考勤人员对所述第一考勤人员或所述第二考勤人员执行预设的监管策略。
8.根据权利要求7所述的系统,其特征在于,
在对所述第一面部图像进行情绪识别,得到所述第一考勤人员的第一情绪信息时,所述服务器,具体用于:将所述第一面部图像划分为预设数量的面部区域,提取每个面部区域的预设特征点,根据提取到的所述预设特征点对每个面部区域进行情绪识别,得到每个面部区域的情绪信息,综合每个面部区域的情绪信息,得到所述第一考勤人员的第一情绪信息。
9.根据权利要求6-8任一项所述的系统,其特征在于,
所述服务器,还用于对所述第一面部图像进行活体检测;
如检测到为活体时,所述服务器,还用于对所述第一面部图像执行面部图像识别操作,如未检测到为活体时,通过所述服务器向目标终端发送第二提示信息,所述第二提示信息用于提示非法考勤。
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存储有计算机程序,所述计算机程序被处理器执行以实现如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910333599.3A CN110175522A (zh) | 2019-04-24 | 2019-04-24 | 考勤方法、系统及相关产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910333599.3A CN110175522A (zh) | 2019-04-24 | 2019-04-24 | 考勤方法、系统及相关产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110175522A true CN110175522A (zh) | 2019-08-27 |
Family
ID=67689839
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910333599.3A Pending CN110175522A (zh) | 2019-04-24 | 2019-04-24 | 考勤方法、系统及相关产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110175522A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111862421A (zh) * | 2020-06-10 | 2020-10-30 | 复旦大学 | 基于一卡通人员出入园区的预警方法、设备及存储介质 |
CN113780216A (zh) * | 2021-09-16 | 2021-12-10 | 中国平安人寿保险股份有限公司 | 无感考勤方法、装置、计算机设备及存储介质 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007286911A (ja) * | 2006-04-17 | 2007-11-01 | Matsushita Electric Works Ltd | 勤怠管理システムおよび勤怠管理プログラム |
JP2008009684A (ja) * | 2006-06-29 | 2008-01-17 | Seiko Epson Corp | 勤怠管理システム |
CN202422230U (zh) * | 2011-11-26 | 2012-09-05 | 河南省电力公司南阳供电公司 | 电力部门专用的智能考勤机 |
CN103530912A (zh) * | 2013-09-27 | 2014-01-22 | 深圳市迈瑞思智能技术有限公司 | 一种具有情绪识别功能的考勤系统及方法 |
CN105389859A (zh) * | 2015-12-21 | 2016-03-09 | 上海五零盛同信息科技有限公司 | 基于智慧灯杆的环卫人员工作状态监测系统及方法 |
CN105740780A (zh) * | 2016-01-25 | 2016-07-06 | 北京天诚盛业科技有限公司 | 人脸活体检测的方法和装置 |
CN206451249U (zh) * | 2017-01-06 | 2017-08-29 | 福建云脉教育科技股份有限公司 | 一种有源电子校卡系统 |
CN107871345A (zh) * | 2017-09-18 | 2018-04-03 | 深圳市盛路物联通讯技术有限公司 | 信息处理方法及相关产品 |
CN108062803A (zh) * | 2018-02-13 | 2018-05-22 | 福州外语外贸学院 | 一种教学签到方法及终端 |
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 |
CN108876276A (zh) * | 2017-06-02 | 2018-11-23 | 北京旷视科技有限公司 | 基于人脸识别的自动考勤方法及装置 |
CN109241832A (zh) * | 2018-07-26 | 2019-01-18 | 维沃移动通信有限公司 | 一种人脸活体检测的方法及终端设备 |
CN109472212A (zh) * | 2018-10-16 | 2019-03-15 | 广州师盛展览有限公司 | 一种基于人面识别的情绪分析签到互动系统 |
CN109492551A (zh) * | 2018-10-25 | 2019-03-19 | 腾讯科技(深圳)有限公司 | 活体检测方法、装置及应用活体检测方法的相关系统 |
-
2019
- 2019-04-24 CN CN201910333599.3A patent/CN110175522A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007286911A (ja) * | 2006-04-17 | 2007-11-01 | Matsushita Electric Works Ltd | 勤怠管理システムおよび勤怠管理プログラム |
JP2008009684A (ja) * | 2006-06-29 | 2008-01-17 | Seiko Epson Corp | 勤怠管理システム |
CN202422230U (zh) * | 2011-11-26 | 2012-09-05 | 河南省电力公司南阳供电公司 | 电力部门专用的智能考勤机 |
CN103530912A (zh) * | 2013-09-27 | 2014-01-22 | 深圳市迈瑞思智能技术有限公司 | 一种具有情绪识别功能的考勤系统及方法 |
CN105389859A (zh) * | 2015-12-21 | 2016-03-09 | 上海五零盛同信息科技有限公司 | 基于智慧灯杆的环卫人员工作状态监测系统及方法 |
CN105740780A (zh) * | 2016-01-25 | 2016-07-06 | 北京天诚盛业科技有限公司 | 人脸活体检测的方法和装置 |
CN206451249U (zh) * | 2017-01-06 | 2017-08-29 | 福建云脉教育科技股份有限公司 | 一种有源电子校卡系统 |
CN108876276A (zh) * | 2017-06-02 | 2018-11-23 | 北京旷视科技有限公司 | 基于人脸识别的自动考勤方法及装置 |
CN107871345A (zh) * | 2017-09-18 | 2018-04-03 | 深圳市盛路物联通讯技术有限公司 | 信息处理方法及相关产品 |
CN108062803A (zh) * | 2018-02-13 | 2018-05-22 | 福州外语外贸学院 | 一种教学签到方法及终端 |
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 |
CN109241832A (zh) * | 2018-07-26 | 2019-01-18 | 维沃移动通信有限公司 | 一种人脸活体检测的方法及终端设备 |
CN109472212A (zh) * | 2018-10-16 | 2019-03-15 | 广州师盛展览有限公司 | 一种基于人面识别的情绪分析签到互动系统 |
CN109492551A (zh) * | 2018-10-25 | 2019-03-19 | 腾讯科技(深圳)有限公司 | 活体检测方法、装置及应用活体检测方法的相关系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111862421A (zh) * | 2020-06-10 | 2020-10-30 | 复旦大学 | 基于一卡通人员出入园区的预警方法、设备及存储介质 |
CN113780216A (zh) * | 2021-09-16 | 2021-12-10 | 中国平安人寿保险股份有限公司 | 无感考勤方法、装置、计算机设备及存储介质 |
CN113780216B (zh) * | 2021-09-16 | 2024-03-05 | 中国平安人寿保险股份有限公司 | 无感考勤方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105631439B (zh) | 人脸图像处理方法和装置 | |
CN107742100B (zh) | 一种考生身份验证方法及终端设备 | |
CN107590430A (zh) | 活体检测方法、装置、设备及存储介质 | |
CN102945366B (zh) | 一种人脸识别的方法及装置 | |
CN108140123A (zh) | 人脸活体检测方法、电子设备和计算机程序产品 | |
CN100361131C (zh) | 信息处理设备、信息处理方法 | |
CN107545241A (zh) | 神经网络模型训练及活体检测方法、装置及存储介质 | |
CN108269333A (zh) | 人脸识别方法、应用服务器及计算机可读存储介质 | |
CN109858371A (zh) | 人脸识别的方法及装置 | |
CN103714631B (zh) | 基于人脸识别的atm取款机智能监控系统 | |
US20090135188A1 (en) | Method and system of live detection based on physiological motion on human face | |
CN106570489A (zh) | 活体判别方法和装置、身份认证方法和装置 | |
CN105160318A (zh) | 基于面部表情的测谎方法及系统 | |
CN107392177A (zh) | 一种人体身份识别验证方法及其装置 | |
CN108124486A (zh) | 基于云端的人脸活体检测方法、电子设备和程序产品 | |
CN107194361A (zh) | 二维姿势检测方法及装置 | |
CN110476141A (zh) | 视线跟踪方法及用于执行该方法的用户终端 | |
CN107657161A (zh) | 基于人脸识别的移动支付方法及相关产品 | |
CN109545317A (zh) | 基于住院预测模型判定住院行为的方法及相关产品 | |
CN107609463A (zh) | 活体检测方法、装置、设备及存储介质 | |
CN112199530B (zh) | 多维度脸库图片自动更新方法、系统、设备及介质 | |
CN109063643A (zh) | 一种用于脸部信息部分隐藏条件下的面部表情痛苦度识别方法 | |
CN107277265A (zh) | 解锁控制方法及相关产品 | |
CN110175522A (zh) | 考勤方法、系统及相关产品 | |
CN113255516A (zh) | 活体检测方法、装置和电子设备 |
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: 20190827 |