CN110648415A - 自动识别考勤方法、自动识别考勤系统、电子装置及介质 - Google Patents

自动识别考勤方法、自动识别考勤系统、电子装置及介质 Download PDF

Info

Publication number
CN110648415A
CN110648415A CN201910785126.7A CN201910785126A CN110648415A CN 110648415 A CN110648415 A CN 110648415A CN 201910785126 A CN201910785126 A CN 201910785126A CN 110648415 A CN110648415 A CN 110648415A
Authority
CN
China
Prior art keywords
attendance
current
action
attendance checking
image information
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
CN201910785126.7A
Other languages
English (en)
Inventor
胡寅骏
刘振宇
周喆
吴洁
张嘉锐
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.)
Shanghai Science And Technology Development Co Ltd
Original Assignee
Shanghai Science And Technology Development 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 Shanghai Science And Technology Development Co Ltd filed Critical Shanghai Science And Technology Development Co Ltd
Priority to CN201910785126.7A priority Critical patent/CN110648415A/zh
Publication of CN110648415A publication Critical patent/CN110648415A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • G06V40/20—Movements or behaviour, e.g. gesture recognition

Abstract

本申请提供一种自动识别考勤方法、自动识别考勤系统、电子装置及介质，包括：将采集到的当前图像信息与人物图像数据库进行比对来确定当前考勤者身份，其中，所述人物图像数据库是由预先采集各考勤者的图像信息而建立的；将所述当前动作与预存于动作数据库的预设动作进行比对以识别当前动作，其中，所述预设动作预先关联有考勤内容，所述比对用于获取与所述当前动作关联的当前考勤内容；根据所述当前考勤者身份与所述当前考勤内容确定当前考勤状态。解决了现有技术中考勤的流程和操作中外出申请、外勤打卡、加班申请等种类繁多的内容还不能被满足的问题，本申请满足了多样化的考勤流程需求。

Description

自动识别考勤方法、自动识别考勤系统、电子装置及介质
技术领域
本申请涉及一种生物体征识别技术领域，特别是涉及一种自动识别考勤方法、自动识别考勤系统、电子装置及介质。
背景技术
人工智能、大数据和物联网时代，为各行各业带来了产业福利。例如，无人超市、智慧交通、智能安防，这些都是在新技术的基础上所诞生的造福人类的应用。同样地，作为人工智能的分支，人脸识别和表情识别等生物体征识别技术的突破，使得身份验证在变得更方便更快捷的同时也变得更安全。在考勤系统中，人脸识别和表情识别也常用于上下班打卡，甚至如钉钉等OA系统已经具备了微笑打卡的功能。然而，考勤的流程和操作并不局限于“打卡”一项，包括外出申请、外勤打卡、加班申请等种类繁多的内容还不能被满足。
申请内容
鉴于以上所述现有技术的缺点，本申请的目的在于提供一种自动识别考勤方法、自动识别考勤系统、电子装置及介质，用于解决现有技术中考勤的流程和操作中外出申请、外勤打卡、加班申请等种类繁多的内容还不能被满足的问题。
为实现上述目的及其他相关目的，本申请提供一种自动识别考勤方法，包括：将采集到的当前图像信息与人物图像数据库进行比对来确定当前考勤者身份，其中，所述人物图像数据库是由预先采集各考勤者的图像信息而建立的；将所述当前动作与预存于动作数据库的预设动作进行比对以识别当前动作，其中，所述预设动作预先关联有考勤内容，所述比对用于获取与所述当前动作关联的当前考勤内容；根据所述当前考勤者身份与所述当前考勤内容确定当前考勤状态。
于本申请的一实施例中，所述动作包括：表情动作和/或肢体动作。
于本申请的一实施例中，所述方法还包括：统计预定时间段内的考勤者在考勤时提交的动作数据，以获取其在该预定时间段的工作状态。
于本申请的一实施例中，所述考勤内容包括：上班、下班、请假、及外出中的任意一种或多种。
于本申请的一实施例中，所述考勤状态为打卡成功或打卡失败。
于本申请的一实施例中，所述当前图像信息由移动终端采集。
于本申请的一实施例中，所述将所述当前动作与预存于动作数据库的预设动作进行比对以识别当前动作，包括：利用OpenCV对当前图像信息进行动作识别来识别所述当前动作。
为实现上述目的及其他相关目的，本申请提供一种自动识别考勤系统，包括：处理模块，用于将采集到的当前图像信息与人物图像数据库进行比对来确定当前考勤者身份，其中，所述人物图像数据库是由预先采集各考勤者的图像信息而分别建立的；将所述当前动作与预存于动作数据库的预设动作进行比对以识别当前动作，其中，所述预设动作预先关联有考勤内容，所述比对用于获取与所述当前动作关联的当前考勤内容；根据所述当前考勤者身份与所述当前考勤内容确定当前考勤状态。
为实现上述目的及其他相关目的，本申请提供一种电子终端，包括：存储器用于存储计算机程序，处理器用于执行所述存储器存储的计算机程序，以执行所述自动识别考勤方法。
为实现上述目的及其他相关目的，本申请提供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所述自动识别考勤方法。
如上所述，本申请的自动识别考勤方法、自动识别考勤系统、电子装置及介质，具有以下有益效果：解决了现有技术中考勤的流程和操作中外出申请、外勤打卡、加班申请等种类繁多的内容还不能被满足的问题，本申请满足了多样化的考勤流程需求。
附图说明
图1显示为本申请一实施例中的自动识别考勤方法的流程示意图。
图2显示为本申请一实施例中的自动识别考勤系统的结构示意图。
图3显示为本申请一实施例中的电子装置的结构示意图。
具体实施方式
以下通过特定的具体实例说明本申请的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本申请的其他优点与功效。本申请还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本申请的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，在下述描述中，参考附图，附图描述了本申请的若干实施例。应当理解，还可使用其他实施例，并且可以在不背离本申请的精神和范围的情况下进行机械组成、结构、电气以及操作上的改变。下面的详细描述不应该被认为是限制性的，并且本申请的实施例的范围仅由公布的专利的权利要求书所限定。这里使用的术语仅是为了描述特定实施例，而并非旨在限制本申请。空间相关的术语，例如“上”、“下”、“左”、“右”、“下面”、“下方”、““下部”、“上方”、“上部”等，可在文中使用以便于说明图中所示的一个元件或特征与另一元件或特征的关系。
在通篇说明书中，当说某部分与另一部分“耦接”时，这不仅包括“直接连接”的情形，也包括在其中间把其它元件置于其间而“间接连接”的情形。另外，当说某种部分“包括”某种构成要素时，只要没有特别相反的记载，则并非将其它构成要素，排除在外，而是意味着可以还包括其它构成要素。
其中提到的第一、第二及第三等术语是为了说明多样的部分、成份、区域、层及/或段而使用的，但并非限定于此。这些术语只用于把某部分、成份、区域、层或段区别于其它部分、成份、区域、层或段。因此，以下叙述的第一部分、成份、区域、层或段在不超出本申请范围的范围内，可以言及到第二部分、成份、区域、层或段。
再者，如同在本文中所使用的，单数形式“一”、“一个”和“该”旨在也包括复数形式，除非上下文中有相反的指示。应当进一步理解，术语“包含”、“包括”表明存在所述的特征、操作、元件、组件、项目、种类、和/或组，但不排除一个或多个其他特征、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。此处使用的术语“或”和“和/或”被解释为包括性的，或意味着任一个或任何组合。因此，“A、B或C”或者“A、B和/或C”意味着“以下任一个：A；B；C；A和B；A和C；B和C；A、B和C”。仅当元件、功能或操作的组合在某些方式下内在地互相排斥时，才会出现该定义的例外。
在考勤系统中，人脸识别和表情识别也常用于上下班打卡，甚至如钉钉等OA系统已经具备了微笑打卡的功能。然而，考勤的流程和操作并不局限于“打卡”一项，包括外出申请、外勤打卡、加班申请等种类繁多的内容还不能被满足。
因此，本申请提供一种自动识别考勤方法，用于解决现有技术中考勤的流程和操作中外出申请、外勤打卡、加班申请等种类繁多的内容还不能被满足的问题，本申请满足了多样化的考勤流程需求。
所述方法包括：
将采集到的当前图像信息与人物图像数据库进行比对来确定当前考勤者身份，其中，所述人物图像数据库是由预先采集各考勤者的图像信息而建立的；
将所述当前动作与预存于动作数据库的预设动作进行比对以识别当前动作，其中，所述预设动作预先关联有考勤内容，所述比对用于获取与所述当前动作关联的当前考勤内容；
根据所述当前考勤者身份与所述当前考勤内容确定当前考勤状态。
下面以附图1为参考，针对本申请得实施例进行详细说明，以便本申请所述技术领域的技术人员能够容易地实施。本申请可以以多种不同形态体现，并不限于此处说明的实施例。
如图1所示，为本申请实施例中的一种自动识别考勤方法的流程示意图。
S11：将采集到的当前图像信息与人物图像数据库进行比对来确定当前考勤者身份，其中，所述人物图像数据库是由预先采集各考勤者的图像信息而建立的。
可选的，将采集到的当前图像信息与人物图像数据库进行比对来确定当前考勤者身份，其中，所述人物图像数据库是由预先采集到的各考勤者的图像信息而建立的。
可选的，所述人物图像数据库包括所有考勤者的图像信息和与之相对应的考勤者身份。
可选的，所述当前图像信息以及所述图像信息可以是图片类型、图像格式的二进制编码。
可选的，所述当前图像信息可以由固定采集图像设备或移动采集图像设备进行采集，所述固定采集图像设备放置在公司固定位置以供考勤者进行日常打卡，所述移动采集图像设备不仅可以用于所述考勤者采集当前图像信息随时进行打卡，以便应对不同的考勤打卡环境。
可选的，预先采集考勤者的不同角度的图像信息已确定识别的精度，采集的图像信息的角度越多精度越高。举例来说，分别采集者正脸、左侧脸以及又侧脸的图像信息，或一定角度的抬头与低头的图像信息。
可选的，以不同角度的同一考勤者的图像信息集合建立该考勤者的人物图像数据库，通过对比此任务图像数据库可以得到考勤者身份。
S12：将所述当前动作与预存于动作数据库的预设动作进行比对以识别当前动作，其中，所述预设动作预先关联有考勤内容，所述比对用于获取与所述当前动作关联的当前考勤内容。
可选的，将当前动作与预存动作数据库中的预设动作进行比对，经过比对后识别当前动作获得与所述当前动作对应的当前考勤内容，其中，所述预设动作需要预先关联有考勤内容，以便根据所述当前考勤东动作经过对比得到当前考勤内容。
可选的，所述预存动作数据库包括预先储存的预设动作和与其关联的考勤内容。
可选的，所述多个预设动作可以关联一个考勤内容。
可选的，所述当前动作通过当前图像信息识别获得，所述预设动作通过预先采集的图像信息识别获得进而预存到所述预存动作数据库。
可选的，所述考勤内容主要判断所述考勤者工作状态，其中不同的工作状态对应不同的考勤内容，举例来说，所述考勤内容包括：上班、下班、请假、及外出。需要注意的是，所述考勤内容除了以上举例的考勤内容之外可以为任一反映所述考勤者工作状态的内容，在本申请中对此不作限定。
S13：根据所述当前考勤者身份与所述当前考勤内容确定当前考勤状态。
可选的，根据由采集到的当前图像信息与人物图像数据库进行比对来确定的当前考勤者身份，与当前动作与预存动作数据库中的预设动作进行比对，经过比对后识别当前动作获得与所述当前动作对应的当前考勤内容来确定当前考勤状态。
可选的，当所述当前考勤者身份已被识别，相对应的考勤内容也已成功确定，并且在一定考勤时间间隔内同等操作没有出现为一种当前考勤状态；若当所述当前考勤者身份识别有误、相对应的考勤内容没有识别确定或在一定考勤时间间隔内同等操作出现为另外种的当前考勤状态。
可选的，当前考勤状态反映了自动识别进程的顺利程度。
可选的，所述动作包括：表情动作和/或肢体动作。
可选的，所述当前动作以及所述预设动作包括：表情动作和/或肢体动作。
可选的，表情动作为较为显著的表情动作以便更好的识别，例如表情动作为笑。需要注意的是，所述表情动作除了笑可以为任一较为显著的表情动作，在本申请中对此不作限定。
可选的，肢体动作为较明显的肢体动作以便更好的识别，例如举手(包括左右手，或左右手分别代表不同动作)、双手比心或剪刀手等较明显的肢体动作。需要注意的是，所述肢体动作除了以上举例的动作之外可以为任一较为明显的肢体动作，在本申请中对此不作限定。
可选的，所述方法还包括：统计在预定时间段内的考勤者在考勤时提交的动作数据，以获取其在该预定时间段的工作状态。具体的，统计在一定时间内各考勤者在考勤中提交的当前动作，得到所述动作出现的频率来判断在这段时间内各考勤者的工作状态。
可选的，所述预定时间为一星期、一个月、一季度或一年等时间范围，所述预定时间的长短在本申请中不作限定。
可选的，所述考勤内容包括：上班、下班、请假、及外出中的任意一种或多种。
可选的，所述考勤内容为上班、下班、请假、及外出。不同考勤内容与其相对应的识别出的考勤者的所述当前动作互不相同。举例来说，当前动作笑对应上班，比心对应下班、举右手对应请假，举左手代表外出。
可选的，所述考勤状态为打卡成功或打卡失败。
可选的，所述考勤状态为打卡成功的情况，代表所述当前考勤者身份已被识别，相对应的考勤内容也已成功确定以及并且在一定考勤时间间隔内同等操作没有出现为一种当前考勤状态。
可选的，所述考勤状态为打卡失败的情况，代表所述当前考勤者身份识别有误、相对应的考勤内容没有识别确定或在一定考勤时间间隔内同等操作出现为另外种的当前考勤状态一种或多种出现的时候。
可选的，当前图像信息由移动终端采集。其中所述移动终端可以为笔记本电脑、智能手机或平板电脑等移动终端设备，在本申请中对此不作限定。
可选的，当考勤者处于请假或外出等情况时，运用移动终端在考勤者所在地进行采集当前图像信息。
可选的，当前图像信息由带有Intel RealSense的体感摄像头移动终端采集具有深度的图像或动画以进行更准确的识别。
可选的，所述将所述当前动作与预存于动作数据库的预设动作进行比对以识别当前动作，包括：利用OpenCV对当前图像信息进行动作识别来识别所述当前动作。
可选的，利用OpenCV对当前图像信息进行动作识别来识别所述当前动作的步骤：
利用OpenCV定位人物图像数据库中识别的位置并剪切出来；
利用OpenCV图像转换为p*q的灰度矩阵，并变形为v＝p*q的向量；
将人物图像数据库中所有图像的v向量构成一个矩阵；
利用PCA(主成分分析)或VQ(矢量量化)对V进行降维处理。优选地，可以选用NMF(非负矩阵分解)进行降维，其原理是给定矩阵，寻找非负矩阵W(权重)和非负矩阵H(特征)，使得V＝WH。需要注意的是，如果人物数据库数据不够，可借助外部数据库，如FaceDatabase等；
将降维后的特征和人物标签作为学习数据，建立机器学习模型；
利用降维方法进行降维，并判别考勤者身份。
与上述实施例原理相似的是，本申请提供一种自动识别考勤系统，包括：
处理模块，用于将采集到的当前图像信息与人物图像数据库进行比对来确定当前考勤者身份，其中，所述人物图像数据库是由预先采集各考勤者的图像信息而分别建立的；将所述当前动作与预存于动作数据库的预设动作进行比对以识别当前动作，其中，所述预设动作预先关联有考勤内容，所述比对用于获取与所述当前动作关联的当前考勤内容；根据所述当前考勤者身份与所述当前考勤内容确定当前考勤状态。
以下结合附图提供具体实施例：
如图2所示，展示本申请实施例中的一种自动识别考勤系统的结构示意图。
所述处理模块21，用于将采集到的当前图像信息与人物图像数据库进行比对来确定当前考勤者身份，其中，所述人物图像数据库是由预先采集到的各考勤者的图像信息而建立的。
所述处理模块21还用于将当前动作与预存动作数据库中的预设动作进行比对，经过比对后识别当前动作获得与所述当前动作对应的当前考勤内容，其中，所述预设动作需要预先关联有考勤内容，以便根据所述当前考勤东动作经过对比得到当前考勤内容。
所述处理模块21还用于根据由采集到的当前图像信息与人物图像数据库进行比对来确定的当前考勤者身份，与当前动作与预存动作数据库中的预设动作进行比对，经过比对后识别当前动作获得与所述当前动作对应的当前考勤内容来确定当前考勤状态。
可选的，所述人物图像数据库包括所有考勤者的图像信息和与之相对应的考勤者身份。
可选的，所述当前图像信息以及所述图像信息可以是图片类型、图像格式的二进制编码。
可选的，所述当前图像信息可以由固定采集图像设备或移动采集图像设备进行采集，所述固定采集图像设备放置在公司固定位置以供考勤者尽心日常打卡，所述移动采集图像设备不仅可以用于所述考勤者采集当前图像信息随时进行打卡，以便应对不同的考勤状态。
可选的，预先采集考勤者的不同角度的图像信息已确定识别的精度，采集的图像信息的角度越多精度越高。举例来说，分别采集采集者正脸、左侧脸以及又侧脸的图像信息，或一定角度的抬头与低头的图像信息。
可选的，以不同角度的同一考勤者的图像信息集合建立该考勤者的人物图像数据库，通过对比此任务图像数据库可以得到考勤者身份。
可选的，所述预存动作数据库包括预先储存的预设动作和与其关联的考勤内容。
可选的，所述多个预设动作可以关联一个考勤内容。
可选的，所述当前动作通过当前图像信息识别获得，所述预设动作通过预先采集的图像信息识别获得进而预存到所述预存动作数据库。
可选的，所述考勤内容主要判断所述考勤者工作状态，其中不同的工作状态对应不同的考勤内容，举例来说，所述考勤内容包括：上班、下班、请假、及外出。需要注意的是，所述考勤内容除了以上举例的考勤内容之外可以为任一反映所述考勤者工作状态的内容，在本申请中对此不作限定。
可选的，当所述当前考勤者身份已被识别，相对应的考勤内容也已成功确定，并且在一定考勤时间间隔内同等操作没有出现为一种当前考勤状态；若当所述当前考勤者身份识别有误、相对应的考勤内容没有识别确定或在一定考勤时间间隔内同等操作出现为另外种的当前考勤状态。
可选的，当前考勤状态反映了自动识别进程的顺利程度。
如图3所示，展示本申请实施例中的电子装置30的结构示意图。
所述电子装置30包括：存储器31及处理器32所述存储器31用于存储计算机程序；所述处理器32运行计算机程序实现如图1所述的自动识别考勤方法。
可选的，所述存储器31的数量均可以是一或多个，所述处理器32的数量均可以是一或多个，而图3中均以一个为例。
可选的，所述电子装置30中的处理器32会按照如图1所述的步骤，将一个或多个以应用程序的进程对应的指令加载到存储器31中，并由处理器32来运行存储在存储器31中的应用程序，从而实现如图1所述自动识别考勤方法中的各种功能。
可选的，所述存储器31，可能包括但不限于高速随机存取存储器、非易失性存储器。例如一个或多个磁盘存储设备、闪存设备或其他非易失性固态存储设备；所述处理器32，可能包括但不限于中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital SignalProcessing，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称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。
可选的，所述处理器32可以是通用处理器，包括中央处理器(Central ProcessingUnit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称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。
本申请还提供计算机可读存储介质，存储有计算机程序，所述计算机程序运行时实现如图1所示的自动识别考勤方法。所述计算机可读存储介质可包括，但不限于，软盘、光盘、CD-ROM(只读光盘存储器)、磁光盘、ROM(只读存储器)、RAM(随机存取存储器)、EPROM(可擦除可编程只读存储器)、EEPROM(电可擦除可编程只读存储器)、磁卡或光卡、闪存、或适于存储机器可执行指令的其他类型的介质/机器可读介质。所述计算机可读存储介质可以是未接入计算机设备的产品，也可以是已接入计算机设备使用的部件。
综上所述，本申请自动识别考勤方法、自动识别考勤系统、电子装置及介质，包括：将采集到的当前图像信息与人物图像数据库进行比对来确定当前考勤者身份，其中，所述人物图像数据库是由预先采集各考勤者的图像信息而建立的；将所述当前动作与预存于动作数据库的预设动作进行比对以识别当前动作，其中，所述预设动作预先关联有考勤内容，所述比对用于获取与所述当前动作关联的当前考勤内容；根据所述当前考勤者身份与所述当前考勤内容确定当前考勤状态。解决了现有技术中考勤的流程和操作中外出申请、外勤打卡、加班申请等种类繁多的内容还不能被满足的问题，本申请满足了多样化的考勤流程需求。所以，本申请有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本申请的原理及其功效，而非用于限制本申请。任何熟悉此技术的人士皆可在不违背本申请的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本申请所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本申请的权利要求所涵盖。

Claims (10)

1.一种自动识别考勤方法，其特征在于，包括：
将采集到的当前图像信息与人物图像数据库进行比对来确定当前考勤者身份，其中，所述人物图像数据库是由预先采集各考勤者的图像信息而建立的；
将所述当前动作与预存于动作数据库的预设动作进行比对以识别当前动作，其中，所述预设动作预先关联有考勤内容，所述比对用于获取与所述当前动作关联的当前考勤内容；
根据所述当前考勤者身份与所述当前考勤内容确定当前考勤状态。
2.根据权利要求1所述的自动识别考勤方法，其特征在于，所述动作包括：表情动作和/或肢体动作。
3.根据权利要求1或2所述的自动识别考勤方法，其特征在于，还包括：
统计预定时间段内的考勤者在考勤时提交的动作数据，以获取其在该预定时间段的工作状态。
4.根据权利要求1所述的自动识别考勤方法，其特征在于，所述考勤内容包括：上班、下班、请假、及外出中的任意一种或多种。
5.根据权利要求1所述的自动识别考勤方法，其特征在于，所述考勤状态为打卡成功或打卡失败。
6.根据权利要求1所述的自动识别考勤方法，其特征在于，所述当前图像信息由移动终端采集。
7.根据权利要求1所述的自动识别考勤方法，其特征在于，所述将所述当前动作与预存于动作数据库的预设动作进行比对以识别当前动作，包括：
利用OpenCV对当前图像信息进行动作识别来识别所述当前动作。
8.一种自动识别考勤系统，其特征在于，包括：
处理模块，用于将采集到的当前图像信息与人物图像数据库进行比对来确定当前考勤者身份，其中，所述人物图像数据库是由预先采集各考勤者的图像信息而分别建立的；将所述当前动作与预存于动作数据库的预设动作进行比对以识别当前动作，其中，所述预设动作预先关联有考勤内容，所述比对用于获取与所述当前动作关联的当前考勤内容；根据所述当前考勤者身份与所述当前考勤内容确定当前考勤状态。
9.一种电子装置，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于运行所述计算机程序，以执行如权利要求1至7中任一项所述的自动识别考勤方法。
10.一种计算机存储介质，其特征在于，存储有计算机程序，所述计算机程序运行时实现如权利要求1至7中任一项所述的自动识别考勤方法。
CN201910785126.7A 2019-08-23 2019-08-23 自动识别考勤方法、自动识别考勤系统、电子装置及介质 Pending CN110648415A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910785126.7A CN110648415A (zh) 2019-08-23 2019-08-23 自动识别考勤方法、自动识别考勤系统、电子装置及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910785126.7A CN110648415A (zh) 2019-08-23 2019-08-23 自动识别考勤方法、自动识别考勤系统、电子装置及介质

Publications (1)

Publication Number Publication Date
CN110648415A true CN110648415A (zh) 2020-01-03

Family

ID=69009738

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910785126.7A Pending CN110648415A (zh) 2019-08-23 2019-08-23 自动识别考勤方法、自动识别考勤系统、电子装置及介质

Country Status (1)

Country Link
CN (1) CN110648415A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112330834A (zh) * 2020-11-03 2021-02-05 广州朗国电子科技有限公司 一种主动选择考勤事件的考勤方法、设备及存储介质
CN113140051A (zh) * 2020-01-20 2021-07-20 上海依图信息技术有限公司 考勤方法、装置、电子设备及存储介质
CN113705988A (zh) * 2021-08-14 2021-11-26 浙江宏瑞达工程管理有限公司 一种监理人员绩效管理方法、系统、存储介质及智能终端
CN113807229A (zh) * 2021-09-13 2021-12-17 深圳市巨龙创视科技有限公司 智慧教室非接触式考勤装置、方法、设备及存储介质
CN114627567A (zh) * 2022-03-17 2022-06-14 深圳市商汤科技有限公司 考勤方法、装置、电子设备、存储介质和程序产品

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104778759A (zh) * 2015-05-11 2015-07-15 张仁平 一种新型考勤系统
CN106856015A (zh) * 2016-12-20 2017-06-16 国网山东省电力公司东明县供电公司 一种考勤方法及装置
CN109657889A (zh) * 2017-10-12 2019-04-19 阿里巴巴集团控股有限公司 考勤方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104778759A (zh) * 2015-05-11 2015-07-15 张仁平 一种新型考勤系统
CN106856015A (zh) * 2016-12-20 2017-06-16 国网山东省电力公司东明县供电公司 一种考勤方法及装置
CN109657889A (zh) * 2017-10-12 2019-04-19 阿里巴巴集团控股有限公司 考勤方法及装置

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113140051A (zh) * 2020-01-20 2021-07-20 上海依图信息技术有限公司 考勤方法、装置、电子设备及存储介质
CN112330834A (zh) * 2020-11-03 2021-02-05 广州朗国电子科技有限公司 一种主动选择考勤事件的考勤方法、设备及存储介质
CN113705988A (zh) * 2021-08-14 2021-11-26 浙江宏瑞达工程管理有限公司 一种监理人员绩效管理方法、系统、存储介质及智能终端
CN113705988B (zh) * 2021-08-14 2023-12-19 浙江宏瑞达工程管理有限公司 一种监理人员绩效管理方法、系统、存储介质及智能终端
CN113807229A (zh) * 2021-09-13 2021-12-17 深圳市巨龙创视科技有限公司 智慧教室非接触式考勤装置、方法、设备及存储介质
CN114627567A (zh) * 2022-03-17 2022-06-14 深圳市商汤科技有限公司 考勤方法、装置、电子设备、存储介质和程序产品

Similar Documents

Publication Publication Date Title
CN110648415A (zh) 自动识别考勤方法、自动识别考勤系统、电子装置及介质
Ismael et al. Face recognition using Viola-Jones depending on Python
US8965117B1 (en) Image pre-processing for reducing consumption of resources
CN111274977A (zh) 多任务卷积神经网络模型及使用方法、装置和存储介质
CN109919077B (zh) 姿态识别方法、装置、介质和计算设备
CN109460974B (zh) 一种基于姿态识别的考勤系统
WO2020056914A1 (zh) 人群热力图获得方法、装置、电子设备及可读存储介质
CN110852216A (zh) 一种掌纹验证方法、装置、计算机设备及可读存储介质
CN112085088A (zh) 图像处理方法、装置、设备及存储介质
CN110033388B (zh) 社交关系的建立方法、装置及服务器
US11893773B2 (en) Finger vein comparison method, computer equipment, and storage medium
CN110705225A (zh) 一种合同标注方法及装置
CN113239702A (zh) 意图识别方法、装置、电子设备
CN113705534A (zh) 基于深度视觉的行为预测方法、装置、设备及存储介质
CN112908325A (zh) 语音交互方法、装置、电子设备及存储介质
CN110674671B (zh) 捕获笔划墨迹的系统、方法和计算机可读介质
Singh et al. Face recognition using open source computer vision library (OpenCV) with python
CN110909578A (zh) 一种低分辨率图像识别方法、装置和存储介质
CN113378764A (zh) 基于聚类算法的视频人脸采集方法、装置、设备及介质
CN117271121A (zh) 一种任务处理进度控制方法、装置、设备及其存储介质
CN112560463B (zh) 文本多标注方法、装置、设备及存储介质
WO2023284183A1 (en) Image recognition method, electronic device, and computer-readable storage medium
CN113868396A (zh) 基于知识图谱的任务类智能对话构建方法及系统
CN111611979A (zh) 基于面部扫描的智能健康监测系统及方法
Rahman et al. Assisting the visually impaired people using image processing

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: 20200103

RJ01 Rejection of invention patent application after publication