CN110458973A - 基于人脸识别的实时考勤方法、装置及存储介质 - Google Patents

基于人脸识别的实时考勤方法、装置及存储介质 Download PDF

Info

Publication number
CN110458973A
CN110458973A CN201910684731.5A CN201910684731A CN110458973A CN 110458973 A CN110458973 A CN 110458973A CN 201910684731 A CN201910684731 A CN 201910684731A CN 110458973 A CN110458973 A CN 110458973A
Authority
CN
China
Prior art keywords
face
information
images
frame
face parts
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
Application number
CN201910684731.5A
Other languages
English (en)
Inventor
温云龙
杜翠凤
周冠宇
周芳华
敬代波
梁晓文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GCI Science and Technology Co Ltd
Original Assignee
GCI Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by GCI Science and Technology Co Ltd filed Critical GCI Science and Technology Co Ltd
Priority to CN201910684731.5A priority Critical patent/CN110458973A/zh
Publication of CN110458973A publication Critical patent/CN110458973A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • 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
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明公开了一种基于人脸识别的实时考勤系统，包括：接收摄像头采集的视频信息，并将视频信息分解为图片信息；对图片信息进行裁剪，计算人脸部分图像中人脸的坐标并计算坐标重合度；根据坐标重合度判断人脸部分图像对应的图片信息的图像帧是否为有效帧，若是，提取人脸部分图像的特征码；选取与特征码匹配成功的人脸信息对应的人脸身份信息，作为特征码对应的人脸部分图像的真实身份信息；将真实身份信息对应的人员的考勤状态标记为已考勤状态。本发明公开的一种基于人脸识别的实时考勤系统能有效解决现有技术能有效解决现有技术人脸考勤打卡效率低下的问题。本发明实施例还公开了一种基于人脸识别的实时考勤系统及存储介质。

Description

基于人脸识别的实时考勤方法、装置及存储介质
技术领域
本发明涉及人脸识别技术领域，尤其涉及一种基于人脸识别的实时考勤系统。
背景技术
在人脸考勤系统的识别中，传统的方式是人在考勤机的摄像头前停留数秒，待系统拍照后进行处理，识别到人脸并结合后台处理，返回打卡成功与否的结果。
本发明人在实施本发明的过程中发现，现有技术中存在以下技术问题：
在实际的使用中，员工对指纹或人脸打卡的方式体验上没有太大区别，需要停留拍照并等待打卡结果，导致打卡效率依旧低下。
发明内容
本发明实施例提供一种基于人脸识别的实时考勤介质，能有效解决现有技术人脸考勤打卡效率低下的问题。
本发明实施例一提供一种基于人脸识别的实时考勤系统，包括：接收摄像头采集的视频信息，并将所述视频信息分解为图片信息；
对所述图片信息中的人脸部分图像进行裁剪，计算所述人脸部分图像中人脸的坐标，并计算所述人脸部分图像的坐标重合度；
根据所述坐标重合度判断所述人脸部分图像对应的图片信息的图像帧是否为有效帧，若是，提取所述人脸部分图像的特征码；
将所述特征码与人脸信息库中存储的人脸信息进行匹配，选取与所述特征码匹配成功的人脸信息对应的人脸身份信息，作为所述特征码对应的人脸部分图像的真实身份信息；
将所述真实身份信息对应的人员的考勤状态标记为已考勤状态。
作为上述方案的改进，所述将所述视频信息分解为图片信息，具体包括：
将所述视频信息按帧分解为图片信息；
所述对所述图片信息中的人脸部分图像进行裁剪，计算所述人脸部分图像中人脸的坐标，并计算所述人脸部分图像的坐标重合度，具体包括：
通过矩形框对当前帧图片信息中的人脸部分图像进行框选；
根据所述矩形框对所述当前帧图片信息中的人脸部分图像进行剪裁，计算所述当前帧图片信息中的人脸部分图像中人脸的矩形框坐标；
计算所述当前帧图片信息中的人脸部分图像与其他帧图片信息中的人脸信息图像的矩形框坐标重合度。
作为上述方案的改进，所述当前帧图片信息中的人脸部分图像的矩形框坐标为[(x1,y1),(x1,y2),(x2,y1),(x2,y2)]；所述当前帧图片信息中的人脸部分图像的矩形框的面积S＝(y2-y1)*(x2-x1)；
另一帧图片信息中的人脸部分图像的矩形框坐标为[(x1’,y1’),(x1’,y2’),(x2’,y1’),(x2’,y2’)]，所述当前帧图片信息中的人脸部分图像的矩形框与另一帧图片信息中的人脸部分图像的矩形框的重合部分面积S’＝(y2’-y1)*(x2’-x1)。
作为上述方案的改进，所述根据所述坐标重合度判断所述人脸部分图像对应的图片信息的图像帧是否为有效帧，若是，提取所述人脸部分图像的特征码，具体包括：
若所述当前帧图片信息的图像帧是检测到所述人脸部分图像的第一帧,存储所述当前帧图片信息作为第一帧图片信息；
若所述当前帧图片信息的图像帧不是检测到所述人脸部分图像的第一帧，计算所述当前帧图片信息中的人脸部分图像与所述第一帧图片信息中的人脸部分图像的矩形框坐标重合度；判断所述矩形框坐标重合度是否大于预设的重合度阈值，若是，将当前帧图片信息的图像帧作为有效帧，提取所述当前帧图片信息中的人脸部分图像的特征码。
作为上述方案的改进，还包括：将所述特征码与人脸信息库中存储的人脸信息进行匹配，对未匹配成功的特征码对应的人脸部分图像进行身份审核；对身份审核成功的所述人脸部分图像的人脸信息存储至人脸信息库。
作为上述方案的改进，若所述图片信息中的人脸部分图像进行裁剪后，得到多张人脸部分图像；分别对所述人脸部分图像进行侧脸检测，并计算人脸角度；去除所述人脸部分图像中人脸角度大于30度的图像。
作为上述方案的改进，所述考勤状态标记为已考勤状态的人员信息进行语音播报。
本发明实施例二对应提供了一种基于人脸识别的实时考勤装置，包括：
视频采集模块，用于接收摄像头采集的视频信息，并将所述视频信息分解为图片信息；
人脸识别模块，用于对所述图片信息中的人脸部分图像进行裁剪，计算所述人脸部分图像中人脸的坐标，并计算所述人脸部分图像的坐标重合度；
重合度计算模块，用于根据所述坐标重合度判断所述人脸部分图像对应的图片信息的图像帧是否为有效帧，若是，提取所述人脸部分图像的特征码；
身份匹配模块，用于将所述特征码与人脸信息库中存储的人脸信息进行匹配，选取与所述特征码匹配成功的人脸信息对应的人脸身份信息，作为所述特征码对应的人脸部分图像的真实身份信息；
状态标记模块，用于将所述真实身份信息对应的人员的考勤状态标记为已考勤状态。
本发明实施例三对应提供了一种基于人脸识别的实时考勤装置，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本发明实施例一所述的一种基于人脸识别的实时考勤方法。
本发明实施例四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上述发明实施例所述的一种基于人脸识别的实时考勤装置。
本发明实施例提供的一种基于人脸识别的实时考勤方法，与现有技术相比，具有如下有益效果：
采用读取视频流的方式，将原始帧进行人脸跟踪处理，框选图像并将处理结果存放在预处理队列中，接口将队列的数据返回给前端显示的方法，实现了构建低延时的实时监控视频显示；通过计算两帧图片之间的重合度，有效缓解识别模块需要处理大量无用图片的压力，达到人脸识别精度和速度的平衡；采用长连接的方式建立连接，并采用事件驱动的方式，克服以往使用前端定时轮询造成的额外网络开支；最终实现非停留，非侵入式的考勤打卡，大大提高了基于人脸识别的考勤的效率和准确度。
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实时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实时考勤装置的结构示意图。
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实时考勤方法的流程示意图，包括：
S101、接收摄像头采集的视频信息，并将视频信息分解为图片信息；
S102、对图片信息中的人脸部分图像进行裁剪，计算人脸部分图像中人脸的坐标，并计算人脸部分图像的坐标重合度；
S103、根据坐标重合度判断人脸部分图像对应的图片信息的图像帧是否为有效帧，若是，提取人脸部分图像的特征码；
S104、将特征码与人脸信息库中存储的人脸信息进行匹配，选取与特征码匹配成功的人脸信息对应的人脸身份信息，作为特征码对应的人脸部分图像的真实身份信息；
S105、将真实身份信息对应的人员的考勤状态标记为已考勤状态。
进一步的，将视频信息分解为图片信息，具体包括：
将视频信息按帧分解为图片信息；
对图片信息中的人脸部分图像进行裁剪，计算人脸部分图像中人脸的坐标，并计算人脸部分图像的坐标重合度，具体包括：
通过矩形框对当前帧图片信息中的人脸部分图像进行框选；
根据矩形框对当前帧图片信息中的人脸部分图像进行剪裁，计算当前帧图片信息中的人脸部分图像中人脸的矩形框坐标；
计算当前帧图片信息中的人脸部分图像与其他帧图片信息中的人脸信息图像的矩形框坐标重合度。
进一步的，当前帧图片信息中的人脸部分图像的矩形框坐标为[(x1,y1),(x1,y2),(x2,y1),(x2,y2)]；当前帧图片信息中的人脸部分图像的矩形框的面积S＝(y2-y1)*(x2-x1)；
另一帧图片信息中的人脸部分图像的矩形框坐标为[(x1’,y1’),(x1’,y2’),(x2’,y1’),(x2’,y2’)]，当前帧图片信息中的人脸部分图像的矩形框与另一帧图片信息中的人脸部分图像的矩形框的重合部分面积S’＝(y2’-y1)*(x2’-x1)。
进一步的，根据坐标重合度判断人脸部分图像对应的图片信息的图像帧是否为有效帧，若是，提取人脸部分图像的特征码，具体包括：
若当前帧图片信息的图像帧是检测到人脸部分图像的第一帧,存储当前帧图片信息作为第一帧图片信息；
若当前帧图片信息的图像帧不是检测到人脸部分图像的第一帧，计算当前帧图片信息中的人脸部分图像与第一帧图片信息中的人脸部分图像的矩形框坐标重合度；判断矩形框坐标重合度是否大于预设的重合度阈值，若是，将当前帧图片信息的图像帧作为有效帧，提取当前帧图片信息中的人脸部分图像的特征码。
在具体的实施方式中，预设重合度阈值为0.4*S，若S’>0.4*S，判断该图像帧为有效帧。
进一步的，还包括：将特征码与人脸信息库中存储的人脸信息进行匹配，对未匹配成功的特征码对应的人脸部分图像进行身份审核；对身份审核成功的人脸部分图像的人脸信息存储至人脸信息库。
优选的，将与特征码匹配度最高的人脸信息库中存储的人脸信息作为匹配成功的人脸信息。
进一步的，若图片信息中的人脸部分图像进行裁剪后，得到多张人脸部分图像；分别对人脸部分图像进行侧脸检测，并计算人脸角度；去除人脸部分图像中人脸角度大于30度的图像。
优选的，去除人脸部分图像中人脸角度大于30度的图像后，计算每张人脸的特征值，按照特征对人脸进行分类，从而确定图像中多张人脸的识别。
进一步的，考勤状态标记为已考勤状态的人员信息进行语音播报。
优选的，人员信息包括人名、部门信息和考勤时间。将考勤成功作为推送事件发送到消息队列中；采用长连接的方式建立连接，当监听到推送事件产生后，表示后台完成了一次人脸的检测并匹配到相应的人员信息，此时提取消息队列中的信息，将人员信息展示在界面上，并调用语音播报服务。
在一具体的实施例中，通过前端USB摄像头或者无线网络摄像头(包含但不限于如RTSP协议的摄像头)接收摄像头采集的视频信息，并读取视频流，将视频分解为一帧帧的图片，其中，图片格式可以为JPEG格式。
通过矩形框对当前帧图片信息中的人脸部分图像进行框选和重绘，并将图像放入预处理队列，通过一个循环接口返回队列中的图像；调用接口时，返回一帧一帧图像形成延时低的实时视频；
根据矩形框对当前帧图片信息中的人脸部分图像进行剪裁，计算当前帧图片信息中的人脸部分图像中人脸的矩形框坐标。
为缓解人脸识别的压力，本发明提出基于重合度对图像进行下一步的处理，具体如下：
(1)OpenCV中的人脸检测模块可以检测人脸，并通过数组的形式计算人脸部分图像的矩形框坐标[(x1,y1),(x1,y2),(x2,y1),(x2,y2)]，矩形框坐标面积为S＝(y2-y1)*(x2-x1)，若该帧图像为检测到的第一帧图片，则存储并进行后续处理；
(2)通常情况下，下一帧也能检测到人脸，但此帧图片和上一帧具有非常高的相似度，因此此帧图片在工程上并没有太多的有用信息，可以忽略不进行处理；
假设在时域上图片帧获取到人脸的空间坐标为[(x1’,y1’),(x1’,y2’),(x2’,y1’),(x2’,y2’)]，两帧图片重合部分的计算为S’＝(y2’-y1)*(x2’-x1)。根据人的普通行走速度平均值为1米/秒，映射到监控摄像头上时，人脸相对位置的变化为30％-40％。因此重合度的是当两次人脸检测的矩形框坐标值重合超过40％时，即S’>0.4*S，判断当前所获得的图像帧为有效帧，对有效帧对应的图片信息中的人脸部分图像进行后续处理；
提取出所有人脸部分图像的特征码，当视频服务模块中给定图片后，提取图片的特征码并和人脸信息库进行对比，给出匹配度最高的人脸身份信息，格式形如“姓名-部门-考勤时间”，并作为推送事件发送到消息队列中；
采用长连接的方式建立连接，当监听到推送事件产生后，表示后台完成了一次人脸的检测并匹配到相应的人员信息，此时提取消息队列中的信息，将人员信息展示在界面上，并调用语音播报服务，播放考勤完成的语音通知，例如“您好，XX部门的XXX考勤成功”，的反馈信息告知考勤人员打卡结果，完成考勤打卡的任务。
当系统检测人脸进行识别的匹配度过低时，人脸被标注为未识别，并展示在显示界面上，管理员可以判断被标注的人脸是否可辨认，如果是合法的企业用户，可以通过界面将人脸信息添加到人脸信息库更新人脸信息，当用户再次出现在摄像头中时，成为可识别的对象。
系统数据库中为每次打卡成功的用户进行标注，用户每天6：00-8:30为公司的考勤时间，超过这个时间为在摄像头前出现打卡，标记为打卡异常处理；8:30之后出现则标记为迟到处理；后续路过经过摄像头，只要比对到匹配成功的用户，则不对数据库进行标注，不做考勤处理；邮件系统在指定的时间，如9:30统一发送用户当天的考勤情况，异常或迟到。并在邮件中提供用户反馈的渠道。
本发明实施例提供的一种基于人脸识别的实时考勤方法，与现有技术相比，具有如下有益效果：
采用读取视频流的方式，将原始帧进行人脸跟踪处理，框选图像并将处理结果存放在预处理队列中，接口将队列的数据返回给前端显示的方法，实现了构建低延时的实时监控视频显示；通过计算两帧图片之间的重合度，有效缓解识别模块需要处理大量无用图片的压力，达到人脸识别精度和速度的平衡；采用长连接的方式建立连接，并采用事件驱动的方式，克服以往使用前端定时轮询造成的额外网络开支；最终实现非停留，非侵入式的考勤打卡，大大提高了基于人脸识别的考勤的效率和准确度。
参见图2，是本发明实施例二提供的一种基于人脸识别的实时考勤装置的结构示意图，包括：
视频采集模块201，用于接收摄像头采集的视频信息，并将所述视频信息分解为图片信息；
人脸识别模块202，用于对所述图片信息中的人脸部分图像进行裁剪，计算所述人脸部分图像中人脸的坐标，并计算所述人脸部分图像的坐标重合度；
重合度计算模块203，用于根据所述坐标重合度判断所述人脸部分图像对应的图片信息的图像帧是否为有效帧，若是，提取所述人脸部分图像的特征码；
身份匹配模块204，用于将所述特征码与人脸信息库中存储的人脸信息进行匹配，选取与所述特征码匹配成功的人脸信息对应的人脸身份信息，作为所述特征码对应的人脸部分图像的真实身份信息；
状态标记模块205，用于将所述真实身份信息对应的人员的考勤状态标记为已考勤状态。
进一步的，还包括语音播报模块，用于将考勤状态标记为已考勤状态的人员信息进行语音播报。
本发明实施例三对应提供了一种基于人脸识别的实时考勤装置，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本发明实施例一所述的基于人脸识别的实时考勤方法。所述基于人脸识别的实时考勤装置可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述基于人脸识别的实时考勤装置可包括，但不仅限于，处理器、存储器。
本发明实施例四对应提供了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本发明实施例一所述的基于人脸识别的实时考勤方法。
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，所述处理器是所述基于人脸识别的实时考勤装置的控制中心，利用各种接口和线路连接整个基于人脸识别的实时考勤装置的各个部分。
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，实现所述基于人脸识别的实时考勤装置的各种功能。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，所述基于人脸识别的实时考勤装置集成的模块/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实时考勤方法，其特征在于，包括：
接收摄像头采集的视频信息，并将所述视频信息分解为图片信息；
对所述图片信息中的人脸部分图像进行裁剪，计算所述人脸部分图像中人脸的坐标，并计算所述人脸部分图像的坐标重合度；
根据所述坐标重合度判断所述人脸部分图像对应的图片信息的图像帧是否为有效帧，若是，提取所述人脸部分图像的特征码；
将所述特征码与人脸信息库中存储的人脸信息进行匹配，选取与所述特征码匹配成功的人脸信息对应的人脸身份信息，作为所述特征码对应的人脸部分图像的真实身份信息；
将所述真实身份信息对应的人员的考勤状态标记为已考勤状态。
2.如权利要求1所述的一种基于人脸识别的实时考勤方法，其特征在于，所述将所述视频信息分解为图片信息，具体包括：
将所述视频信息按帧分解为图片信息；
所述对所述图片信息中的人脸部分图像进行裁剪，计算所述人脸部分图像中人脸的坐标，并计算所述人脸部分图像的坐标重合度，具体包括：
通过矩形框对当前帧图片信息中的人脸部分图像进行框选；
根据所述矩形框对所述当前帧图片信息中的人脸部分图像进行剪裁，计算所述当前帧图片信息中的人脸部分图像中人脸的矩形框坐标；
计算所述当前帧图片信息中的人脸部分图像与其他帧图片信息中的人脸信息图像的矩形框坐标重合度。
3.如权利要求2所述的一种基于人脸识别的实时考勤方法，其特征在于，所述当前帧图片信息中的人脸部分图像的矩形框坐标为[(x1,y1),(x1,y2),(x2,y1),(x2,y2)]；所述当前帧图片信息中的人脸部分图像的矩形框的面积S＝(y2-y1)*(x2-x1)；
另一帧图片信息中的人脸部分图像的矩形框坐标为[(x1’,y1’),(x1’,y2’),(x2’,y1’),(x2’,y2’)]，所述当前帧图片信息中的人脸部分图像的矩形框与另一帧图片信息中的人脸部分图像的矩形框的重合部分面积S’＝(y2’-y1)*(x2’-x1)。
4.如权利要求3所述的一种基于人脸识别的实时考勤方法，其特征在于，所述根据所述坐标重合度判断所述人脸部分图像对应的图片信息的图像帧是否为有效帧，若是，提取所述人脸部分图像的特征码，具体包括：
若所述当前帧图片信息的图像帧是检测到所述人脸部分图像的第一帧,存储所述当前帧图片信息作为第一帧图片信息；
若所述当前帧图片信息的图像帧不是检测到所述人脸部分图像的第一帧，计算所述当前帧图片信息中的人脸部分图像与所述第一帧图片信息中的人脸部分图像的矩形框坐标重合度；判断所述矩形框坐标重合度是否大于预设的重合度阈值，若是，将当前帧图片信息的图像帧作为有效帧，提取所述当前帧图片信息中的人脸部分图像的特征码。
5.如权利要求3所述的一种基于人脸识别的实时考勤方法，其特征在于，还包括：将所述特征码与人脸信息库中存储的人脸信息进行匹配，对未匹配成功的特征码对应的人脸部分图像进行身份审核；对身份审核成功的所述人脸部分图像的人脸信息存储至人脸信息库。
6.如权利要求1所述的一种基于人脸识别的实时考勤方法，其特征在于，若所述图片信息中的人脸部分图像进行裁剪后，得到多张人脸部分图像；分别对所述人脸部分图像进行侧脸检测，并计算人脸角度；去除所述人脸部分图像中人脸角度大于30度的图像。
7.如权利要求1所述的一种基于人脸识别的实时考勤方法，其特征在于，所述考勤状态标记为已考勤状态的人员信息进行语音播报。
8.一种基于人脸识别的实时考勤装置，其特征在于，包括：
视频采集模块，用于接收摄像头采集的视频信息，并将所述视频信息分解为图片信息；
人脸识别模块，用于对所述图片信息中的人脸部分图像进行裁剪，计算所述人脸部分图像中人脸的坐标，并计算所述人脸部分图像的坐标重合度；
重合度计算模块，用于根据所述坐标重合度判断所述人脸部分图像对应的图片信息的图像帧是否为有效帧，若是，提取所述人脸部分图像的特征码；
身份匹配模块，用于将所述特征码与人脸信息库中存储的人脸信息进行匹配，选取与所述特征码匹配成功的人脸信息对应的人脸身份信息，作为所述特征码对应的人脸部分图像的真实身份信息；
状态标记模块，用于将所述真实身份信息对应的人员的考勤状态标记为已考勤状态。
9.一种基于人脸识别的实时考勤装置，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权利要求1至7中任意一项所述的一种基于人脸识别的实时考勤方法。
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7中任意一项所述的一种基于人脸识别的实时考勤装置。
CN201910684731.5A 2019-07-26 2019-07-26 基于人脸识别的实时考勤方法、装置及存储介质 Pending CN110458973A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910684731.5A CN110458973A (zh) 2019-07-26 2019-07-26 基于人脸识别的实时考勤方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910684731.5A CN110458973A (zh) 2019-07-26 2019-07-26 基于人脸识别的实时考勤方法、装置及存储介质

Publications (1)

Publication Number Publication Date
CN110458973A true CN110458973A (zh) 2019-11-15

Family

ID=68483756

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910684731.5A Pending CN110458973A (zh) 2019-07-26 2019-07-26 基于人脸识别的实时考勤方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN110458973A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110992502A (zh) * 2019-11-18 2020-04-10 广州杰赛科技股份有限公司 一种人脸识别考勤方法、系统以及可读存储介质
CN111176630A (zh) * 2019-12-25 2020-05-19 北京明略软件系统有限公司 用于变更值班人员的身份信息的方法和装置
CN111402530A (zh) * 2019-12-23 2020-07-10 宁波柯力传感科技股份有限公司 一种基于人脸识别的无人值守称重系统的数据整合方法
CN111739241A (zh) * 2020-05-07 2020-10-02 深圳英飞拓智能技术有限公司 基于5g传输的人脸抓拍和监控方法及系统、设备
CN112926364A (zh) * 2019-12-06 2021-06-08 北京四维图新科技股份有限公司 头部姿态的识别方法及系统、行车记录仪和智能座舱
CN113469024A (zh) * 2021-06-29 2021-10-01 深圳市商汤科技有限公司 人脸考勤方法及装置、电子设备及计算机可读存储介质
CN113888128A (zh) * 2021-10-08 2022-01-04 重庆紫光华山智安科技有限公司 一种基于人脸识别的无感考勤方法及系统

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110992502A (zh) * 2019-11-18 2020-04-10 广州杰赛科技股份有限公司 一种人脸识别考勤方法、系统以及可读存储介质
CN112926364A (zh) * 2019-12-06 2021-06-08 北京四维图新科技股份有限公司 头部姿态的识别方法及系统、行车记录仪和智能座舱
CN112926364B (zh) * 2019-12-06 2024-04-19 北京四维图新科技股份有限公司 头部姿态的识别方法及系统、行车记录仪和智能座舱
CN111402530A (zh) * 2019-12-23 2020-07-10 宁波柯力传感科技股份有限公司 一种基于人脸识别的无人值守称重系统的数据整合方法
CN111176630A (zh) * 2019-12-25 2020-05-19 北京明略软件系统有限公司 用于变更值班人员的身份信息的方法和装置
CN111739241A (zh) * 2020-05-07 2020-10-02 深圳英飞拓智能技术有限公司 基于5g传输的人脸抓拍和监控方法及系统、设备
CN113469024A (zh) * 2021-06-29 2021-10-01 深圳市商汤科技有限公司 人脸考勤方法及装置、电子设备及计算机可读存储介质
CN113888128A (zh) * 2021-10-08 2022-01-04 重庆紫光华山智安科技有限公司 一种基于人脸识别的无感考勤方法及系统

Similar Documents

Publication Publication Date Title
CN110458973A (zh) 基于人脸识别的实时考勤方法、装置及存储介质
CN111105545B (zh) 一种排队方法、系统、客户端、装置及其服务器
CN208834377U (zh) 一种具有人脸识别功能的自助排队机及系统
CN109285234B (zh) 人脸识别考勤方法、装置、计算机装置及存储介质
CN110992502A (zh) 一种人脸识别考勤方法、系统以及可读存储介质
CN107392826A (zh) 一种公共环境管理方法及系统
CN108875989B (zh) 基于人脸识别的预定方法、装置、计算机设备及存储介质
CN109858441A (zh) 一种用于施工现场的异常状态监测方法与装置
CN115409434B (zh) 基于信令大数据的区域人口统计方法、系统及存储介质
CN113472902B (zh) 一种基于云技术的景区游客流量监控与辅助系统
CN110163092A (zh) 基于人脸识别的人数统计方法、装置、设备及存储介质
CN108319539A (zh) 一种生成gpu卡槽位信息的方法及系统
CN109598252A (zh) 一种基于人脸识别的智能应答方法、系统及存储介质
CN110009273B (zh) 信息处理方法及装置、存储介质、电子装置
CN113642389A (zh) 就餐指引方法及系统、电子设备、计算机存储介质
CN113947218A (zh) 一种基于大数据的产品售后智能管理方法及系统
CN107196979A (zh) 基于语音识别的叫号预提醒系统
CN112699264A (zh) 一种基于聊天记录的风控管理方法及系统
CN103516583B (zh) 一种用于即时通讯中进行消息交互的方法及装置
CN107967326A (zh) 一种铁路旅客智能查询系统和方法
CN113538765A (zh) 一种银行智能排队管理方法、系统及存储介质
CN107451198A (zh) 灾情评估方法和灾情评估装置
CN111629015B (zh) 一种信息投放方法、装置、系统、服务器及可读介质
CN111553291A (zh) 行人轨迹的生成方法、装置、设备及计算机存储介质
CN105306213B (zh) 用户信息处理方法及系统

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20191115