CN110992502A - 一种人脸识别考勤方法、系统以及可读存储介质 - Google Patents
一种人脸识别考勤方法、系统以及可读存储介质 Download PDFInfo
- Publication number
- CN110992502A CN110992502A CN201911127035.0A CN201911127035A CN110992502A CN 110992502 A CN110992502 A CN 110992502A CN 201911127035 A CN201911127035 A CN 201911127035A CN 110992502 A CN110992502 A CN 110992502A
- Authority
- CN
- China
- Prior art keywords
- face
- image frame
- face image
- module
- frame
- 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
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
- G06V40/10—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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种人脸识别考勤方法，包括：视频服务模块获取摄像设备采集的实时视频流，并将实时视频流分解为若干原始图像帧，对各原始图像帧中的人脸图像进行框选和重绘，得到人脸图像帧，并将人脸图像帧发送至人脸识别模块；人脸识别模块在人脸图像帧达到预设的有效帧条件时，将人脸图像帧发送至消息推送模块以实时显示，并将人脸图像帧与人脸特征库进行人脸身份匹配，获取人脸图像帧对应的身份信息作为考勤结果，并将考勤结果发送至消息推送模块和语音播报模块；消息推送模块推送考勤结果，语音播报模块对所述考勤结果进行语音播报。本发明实施例还提供了一种人脸识别考勤系统及可读存储介质，能有效解决需要停留拍照并等待打卡结果的问题。
Description
技术领域
本发明涉及人脸识别技术领域，尤其涉及一种人脸识别考勤方法、系统以及可读存储介质。
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(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。如专利《一种基于百度人脸识别API的BS架构实现智能人脸考勤的方法》申请号201810416723.8，这种方法主要替代原有的指纹方式。但在实际的使用中，员工对指纹或人脸打卡的方式体验上没有太大区别，仍需要停留拍照并等待打卡结果。
发明内容
本发明实施例提供一种人脸识别考勤方法、系统以及可读存储介质，能有效解决现有技术需要停留拍照并等待打卡结果的问题。
本发明一实施例提供一种人脸识别考勤方法，包括：
视频服务模块获取摄像设备采集的实时视频流，并将所述实时视频流分解为若干原始图像帧；
所述视频服务模块对各所述原始图像帧中的人脸图像进行框选和重绘，得到人脸图像帧，并将所述人脸图像帧发送至人脸识别模块；
所述人脸识别模块在所述人脸图像帧达到预设的有效帧条件时，将所述人脸图像帧发送至消息推送模块以实时显示，并将所述人脸图像帧与人脸特征库进行人脸身份匹配，获取所述人脸图像帧对应的身份信息作为考勤结果，并将所述考勤结果发送至所述消息推送模块和语音播报模块；
所述消息推送模块推送所述考勤结果，所述语音播报模块对所述考勤结果进行语音播报。
作为上述方案的改进，所述视频服务模块对各所述原始图像帧中的人脸图像进行框选和重绘，得到人脸图像帧，并将所述人脸图像帧发送至人脸识别模块，具体包括：
提取各所述原始图像帧中的人脸部分；
对所述人脸部分进行框选和重绘，得到人脸图像帧及人脸部分的矩形框坐标，并发送至所述人脸识别模块。
作为上述方案的改进，所述人脸识别模块通过如下步骤判断所述人脸图像帧是否达到所述有效帧条件：
获取各人脸图像帧及其上一人脸图像帧对应人脸部分的矩形框坐标，并计算所述人脸部分的坐标重合度；
判断所述人脸部分的坐标重合度是否达到预设的重合度阈值；若是，则认为所述人脸图像帧达到所述有效帧条件；若否，则认为所述人脸图像帧未达到所述有效帧条件。
作为上述方案的改进，所述将所述人脸图像帧与人脸特征库进行人脸身份匹配，获取所述人脸图像帧对应的身份信息作为考勤结果，具体包括：
所述人脸识别模块提取各所述人脸图像帧的人脸特征码；
将所述人脸特征码与所述人脸特征库进行人脸身份的匹配度计算，判断匹配度是否达到预设的匹配阈值；
当所述匹配度达到所述匹配阈值时，则获取所述匹配度最大值对应的身份信息作为考勤结果。
作为上述方案的改进，所述方法还包括：
所述人脸识别模块当所述匹配度未达到所述匹配阈值时，将所述人脸图像帧发送至管理模块；
所述管理模块根据所述人脸图像帧进行身份审核，并在身份审核通过时向所述人脸识别模块返回所述人脸图像帧对应的身份信息；
所述人脸识别模块根据所述人脸图像帧对应的身份信息更新所述人脸特征库。
本发明另一实施例对应提供了一种人脸识别考勤系统，包括：
视频服务模块，用于获取摄像设备采集的实时视频流，并将所述实时视频流分解为若干原始图像帧；对各所述原始图像帧中的人脸图像进行框选和重绘，得到人脸图像帧，并将所述人脸图像帧发送至人脸识别模块；
所述人脸识别模块，用于在所述人脸图像帧达到预设的有效帧条件时，将所述人脸图像帧发送至消息推送模块以实时显示，并将所述人脸图像帧与人脸特征库进行人脸身份匹配，获取所述人脸图像帧对应的身份信息作为考勤结果，并将所述考勤结果发送至所述消息推送模块和语音播报模块；
所述消息推送模块，用于推送所述考勤结果；
所述语音播报模块，用于对所述考勤结果进行语音播报。
作为上述方案的改进，所述视频服务模块包括人脸提取单元和图像处理单元；
所述人脸提取单元，用于提取各所述原始图像帧中的人脸部分；
所述图像处理单元，用于对所述人脸部分进行框选和重绘，得到人脸图像帧及人脸部分的矩形框坐标，并发送至所述人脸识别模块。
作为上述方案的改进，所述人脸识别模块包括重合度计算单元和有效判断单元：
所述重合度计算单元，用于获取各人脸图像帧及其上一人脸图像帧对应人脸部分的矩形框坐标，并计算所述人脸部分的坐标重合度；
所述有效判断单元，用于判断所述人脸部分的坐标重合度是否达到预设的重合度阈值；若是，则认为所述人脸图像帧达到所述有效帧条件；若否，则认为所述人脸图像帧未达到所述有效帧条件。
与现有技术相比，本发明实施例公开的一种人脸识别考勤方法及系统，通过视频服务模块获取摄像设备采集的实时视频流，并将所述实时视频流分解为若干原始图像帧，所述视频服务模块对各所述原始图像帧中的人脸图像进行框选和重绘，得到人脸图像帧，并将所述人脸图像帧发送至人脸识别模块，所述人脸识别模块在所述人脸图像帧达到预设的有效帧条件时，将所述人脸图像帧发送至消息推送模块以实时显示，并将所述人脸图像帧与人脸特征库进行人脸身份匹配，获取所述人脸图像帧对应的身份信息作为考勤结果，并将所述考勤结果发送至所述消息推送模块和语音播报模块，所述消息推送模块推送所述考勤结果，所述语音播报模块对所述考勤结果进行语音播报。由于在视频服务模块的处理过程中，重绘人脸跟踪图像，提供低延时人脸跟踪，并向消息推送模块返回人脸图像帧进行实时显示，实现非停留、非侵入式的考勤打卡方式，能有效解决需要停留拍照并等待打卡结果的问题，进而能有效解决现有技术构建低延时实时监控视频显示的问题；通过人脸识别模块对有效的人脸图像帧进行识别，有效缓解人脸识别模块需要处理大量无用图片的压力，达到精度和速度的平衡，能有效提高识别的效率；本发明实施例采用事件驱动的方式，克服了现有技术中使用前端定时轮询造成的额外网络开支的问题。
本发明另一实施例提供了一种人脸识别考勤系统，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上述发明实施例所述的人脸识别考勤方法。
本发明另一实施例提供了一种存储介质，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人脸识别考勤方法。
附图说明
图1是本发明实施例一提供的一种人脸识别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人脸识别考勤系统的结构示意图。
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人脸识别考勤方法的流程示意图，所述方法包括步骤S101至步骤S104。
S101、视频服务模块获取摄像设备采集的实时视频流，并将所述实时视频流分解为若干原始图像帧。
S102、所述视频服务模块对各所述原始图像帧中的人脸图像进行框选和重绘，得到人脸图像帧，并将所述人脸图像帧发送至人脸识别模块。
具体的，本实施例中视频服务模块可以是具有视频或图像处理功能的软件平台或智能设备。视频服务模块连接获取摄像设备采集的实时视频流，其中摄像设备可以是前端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)。进一步，视频服务模块采用预设的图像处理平台对实时视频流进行处理。示例性的，采用OpenCV读取实时视频流，将视频分解为一帧帧的jpeg图片，进而OpenCV中的人脸检测模块检测人脸部分，并绘制矩形框叠加在对每一原始图像帧中检测出的人脸部分上进行框选和重绘，得到所述人脸图像帧，并将人脸图像帧放入人脸识别模块的预处理队列中。
在一种优选的实施例中，步骤S102还包括：
提取各所述原始图像帧中的人脸部分；
对所述人脸部分进行框选和重绘，得到人脸图像帧及人脸部分的矩形框坐标，并发送至所述人脸识别模块。
在上述任一实施例中，优选的，人脸识别模块通过如下步骤判断所述人脸图像帧是否达到所述有效帧条件：
获取各人脸图像帧及其上一人脸图像帧对应人脸部分的矩形框坐标，并计算所述人脸部分的坐标重合度；
判断所述人脸部分的坐标重合度是否达到预设的重合度阈值；若是，则认为所述人脸图像帧达到所述有效帧条件；若否，则认为所述人脸图像帧未达到所述有效帧条件。
S103、所述人脸识别模块在所述人脸图像帧达到预设的有效帧条件时，将所述人脸图像帧发送至消息推送模块以实时显示，并将所述人脸图像帧与人脸特征库进行人脸身份匹配，获取所述人脸图像帧对应的身份信息作为考勤结果，并将所述考勤结果发送至所述消息推送模块和语音播报模块。
需要说明的是，人脸识别模块可以是具有人脸识别功能的软件平台或智能设备。人脸识别模块对预处理队列中人脸图像帧进行人脸识别的操作，为缓解识别服务模块的压力，本发明实施例提出基于重合度对图像帧进行处理。优选的，视频服务模块检测并框选人脸部分，并通过数组的形式向人脸识别模块发送人脸部分的矩形框坐标[(x1,y1),(x1,y2),(x2,y1),(x2,y2)]，人脸部分面积为S＝(y2-y1)*(x2-x1)。进一步，在通常情况下下一人脸图像帧也能检测到人脸部分，但此人脸图像帧和上一人脸图像帧具有非常高的相似度，因此，此人脸图像帧在工程上并没有太多的有用信息，应该忽略不进行处理。但若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％。假设在时域上待测的人脸图像帧对应的人脸部分的矩形框坐标为[(x1’,y1’),(x1’,y2’),(x2’,y1’),(x2’,y2’)],则两帧人脸图像帧的人脸重合部分的计算为S’＝(y2’-y1)*(x2’-x1)。进而，若相邻两帧人脸图像帧的人脸部分的坐标重合度超过预设的重合度阈值时，系统判断待测的人脸图像帧为有效帧，从而人脸识别模块对有效的人脸图像帧进行人脸识别，能有效缓解识别模块需要处理大量无用图片的压力，达到精度和速度的平衡。示例性的，当两帧人脸图像帧的矩形框坐标值重合度超过40％时，即S’>0.4*S,系统判断待测的人脸图像帧为有效帧。
进一步，消息推送模块可以是具有消息推送显示功能的软件平台或智能设备。所述人脸识别模块在判断到所述人脸图像帧为有效帧时，消息推送模块获取有效的人脸图像帧，进而一帧帧图像形成延时低的实时视频，且使用矩形框对人脸进行框选，以便观测。
在一种优选的实施例中，步骤S103包括：
所述人脸识别模块提取各所述人脸图像帧的人脸特征码；
将所述人脸特征码与所述人脸特征库进行人脸身份的匹配度计算，判断匹配度是否达到预设的匹配阈值；
当所述匹配度达到所述匹配阈值时，则获取所述匹配度最大值对应的身份信息作为考勤结果。
本实施例中，人脸识别模块基于虹软人脸识别SDK进行二次开发，人脸特征库使用接口方法do_extract()提取出有效人脸图像帧的人脸特征码，并与人脸特征库进行对比，在匹配度达到匹配阈值时筛选出匹配度最高的身份信息，格式形如“姓名-部门-考勤时间”，并作为事件“people_detected”的考勤结果发送到消息推送模块的消息队列中。
S104、所述消息推送模块推送所述考勤结果，所述语音播报模块对所述考勤结果进行语音播报。
具体的，前端html页面中采用socketjs等工具和后台系统模块建立socket长连接，并监听相应的事件，采用事件驱动的方式，克服了现有技术中使用前端定时轮询造成的额外网络开支的问题，如步骤3中的“people_detected”事件，表示后台系统模块完成了一次人脸的检测并匹配到相应的人员信息，此时系统提取消息队列中的信息，将身份信息展示在界面上，并调用语音播报模块，播放如“您好，XX”的反馈信息告知考勤人员考勤结果，完成考勤打卡的任务。
基于上述任一实施例，优选的，所述人脸识别模块当所述匹配度未达到所述匹配阈值时，将所述人脸图像帧发送至管理模块；
所述管理模块根据所述人脸图像帧进行身份审核，并在身份审核通过时向所述人脸识别模块返回所述人脸图像帧对应的身份信息；
所述人脸识别模块根据所述人脸图像帧对应的身份信息更新所述人脸特征库。
示例性的，当人脸识别模块进行人脸识别的匹配度过低时，即匹配度未达到匹配阈值，人脸被标注为未识别，并展示在界面上，管理模块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，则身份审核通过并向所述人脸识别模块返回该人脸的身份信息，使得人脸识别模块将该人脸的身份信息添加到人脸特征库以进行更新，当考勤人员再次出现在摄像头中时，成为可识别的对象。
在一种优选的实施例中，人脸识别模块还包含图像预处理模块，可实现对图像中多人的检测，但不在本发明实施例中进行限制。具体的，本发明实施例对多张人脸进行如下的处理：1)多张人脸的数据同时进入到后台的处理模块中；2)使用侧脸检测的方法，把人脸的角度计算出来，人脸角度大于30度则丢弃，否则会影响计算结果；3)使用聚类的方式，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。
在一种优选的实施例中，本发明实施例还包括考勤的相关逻辑模块，可以根据实际需求进行扩展。示例性的，本实施例中使用邮件系统进行辅助的方式进行考勤的计量。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；其中，8:30之后出现则标记为迟到处理；后续路过经过摄像头，只要比对到已打卡成功的用户，则不对数据库进行标注，不做考勤处理；进而，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。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人脸识别考勤方法，通过视频服务模块获取摄像设备采集的实时视频流，并将所述实时视频流分解为若干原始图像帧，所述视频服务模块对各所述原始图像帧中的人脸图像进行框选和重绘，得到人脸图像帧，并将所述人脸图像帧发送至人脸识别模块，所述人脸识别模块在所述人脸图像帧达到预设的有效帧条件时，将所述人脸图像帧发送至消息推送模块以实时显示，并将所述人脸图像帧与人脸特征库进行人脸身份匹配，获取所述人脸图像帧对应的身份信息作为考勤结果，并将所述考勤结果发送至所述消息推送模块和语音播报模块，所述消息推送模块推送所述考勤结果，所述语音播报模块对所述考勤结果进行语音播报。由于在视频服务模块的处理过程中，重绘人脸跟踪图像，提供低延时人脸跟踪，并向消息推送模块返回人脸图像帧进行实时显示，实现非停留、非侵入式的考勤打卡方式，能有效解决需要停留拍照并等待打卡结果的问题，进而能有效解决现有技术构建低延时实时监控视频显示的问题；通过人脸识别模块对有效的人脸图像帧进行识别，有效缓解人脸识别模块需要处理大量无用图片的压力，达到精度和速度的平衡，能有效提高识别的效率；本发明实施例采用事件驱动的方式，克服了现有技术中使用前端定时轮询造成的额外网络开支的问题。
参见图2，是本发明实施例二提供的一种人脸识别考勤系统的结构示意图，包括：
视频服务模块201，用于获取摄像设备采集的实时视频流，并将所述实时视频流分解为若干原始图像帧；对各所述原始图像帧中的人脸图像进行框选和重绘，得到人脸图像帧，并将所述人脸图像帧发送至人脸识别模块；
所述人脸识别模块202，用于在所述人脸图像帧达到预设的有效帧条件时，将所述人脸图像帧发送至消息推送模块以实时显示，并将所述人脸图像帧与人脸特征库进行人脸身份匹配，获取所述人脸图像帧对应的身份信息作为考勤结果，并将所述考勤结果发送至所述消息推送模块和语音播报模块；
所述消息推送模块203，用于推送所述考勤结果；
所述语音播报模块204，用于对所述考勤结果进行语音播报。
优选的，所述视频服务模块201包括人脸提取单元和图像处理单元；
所述人脸提取单元，用于提取各所述原始图像帧中的人脸部分；
所述图像处理单元，用于对所述人脸部分进行框选和重绘，得到人脸图像帧及人脸部分的矩形框坐标，并发送至所述人脸识别模块。
优选的，所述人脸识别模块202包括重合度计算单元和有效判断单元：
所述重合度计算单元，用于获取各人脸图像帧及其上一人脸图像帧对应人脸部分的矩形框坐标，并计算所述人脸部分的坐标重合度；
所述有效判断单元，用于判断所述人脸部分的坐标重合度是否达到预设的重合度阈值；若是，则认为所述人脸图像帧达到所述有效帧条件；若否，则认为所述人脸图像帧未达到所述有效帧条件。
优选的，所述人脸识别模块202还包括人脸特征提取单元、匹配度计算单元和考勤结果确定单元；
所述人脸特征提取单元，用于提取各所述人脸图像帧的人脸特征码；
所述匹配度计算单元，用于将所述人脸特征码与所述人脸特征库进行人脸身份的匹配度计算，判断匹配度是否达到预设的匹配阈值；
所述考勤结果确定单元，用于当所述匹配度达到所述匹配阈值时，则获取所述匹配度最大值对应的身份信息作为考勤结果。
优选的，所述人脸识别模块202还包括匹配失败单元和更新单元；
所述匹配失败单元，用于所述人脸识别模块当所述匹配度未达到所述匹配阈值时，将所述人脸图像帧发送至管理模块；
所述更新单元，用于根据所述人脸图像帧对应的身份信息更新所述人脸特征库。
优选的，所述人脸识别考勤系统还包括管理模块；
所述管理模块根据所述人脸图像帧进行身份审核，并在身份审核通过时向所述人脸识别模块返回所述人脸图像帧对应的身份信息。
本实施例二提供的所述人脸识别考勤系统用于执行上述实施例一任意一项所述人脸识别考勤方法的步骤，两者的工作原理和有益效果一一对应，因而不再赘述。
该实施例二的人脸识别考勤系统包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，例如人脸识别考勤程序。所述处理器执行所述计算机程序时实现上述各个人脸识别考勤方法实施例中的步骤，例如图1所示的步骤S101、视频服务模块获取摄像设备采集的实时视频流，并将所述实时视频流分解为若干原始图像帧。或者，所述处理器执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能，例如视频服务模块201，用于获取摄像设备采集的实时视频流，并将所述实时视频流分解为若干原始图像帧。
示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述人脸识别考勤系统中的执行过程。
所述人脸识别考勤系统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。所述人脸识别考勤系统可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述示意图仅仅是人脸识别考勤系统的示例，并不构成对人脸识别考勤系统的限定，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，例如所述人脸识别考勤系统还可以包括输入输出设备、网络接入设备、总线等。
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。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，所述处理器是所述人脸识别考勤系统的控制中心，利用各种接口和线路连接整个人脸识别考勤系统的各个部分。
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，实现所述人脸识别考勤系统的各种功能。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(Secure Digital,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，所述人脸识别考勤系统集成的模块/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。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
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)
1.一种人脸识别考勤方法，其特征在于，包括：
视频服务模块获取摄像设备采集的实时视频流，并将所述实时视频流分解为若干原始图像帧；
所述视频服务模块对各所述原始图像帧中的人脸图像进行框选和重绘，得到人脸图像帧，并将所述人脸图像帧发送至人脸识别模块；
所述人脸识别模块在所述人脸图像帧达到预设的有效帧条件时，将所述人脸图像帧发送至消息推送模块以实时显示，并将所述人脸图像帧与人脸特征库进行人脸身份匹配，获取所述人脸图像帧对应的身份信息作为考勤结果，并将所述考勤结果发送至所述消息推送模块和语音播报模块；
所述消息推送模块推送所述考勤结果，所述语音播报模块对所述考勤结果进行语音播报。
2.如权利要求1所述的人脸识别考勤方法，其特征在于，所述视频服务模块对各所述原始图像帧中的人脸图像进行框选和重绘，得到人脸图像帧，并将所述人脸图像帧发送至人脸识别模块，具体包括：
提取各所述原始图像帧中的人脸部分；
对所述人脸部分进行框选和重绘，得到人脸图像帧及人脸部分的矩形框坐标，并发送至所述人脸识别模块。
3.如权利要求2所述的人脸识别考勤方法，其特征在于，所述人脸识别模块通过如下步骤判断所述人脸图像帧是否达到所述有效帧条件：
获取各人脸图像帧及其上一人脸图像帧对应人脸部分的矩形框坐标，并计算所述人脸部分的坐标重合度；
判断所述人脸部分的坐标重合度是否达到预设的重合度阈值；若是，则认为所述人脸图像帧达到所述有效帧条件；若否，则认为所述人脸图像帧未达到所述有效帧条件。
4.如权利要求1所述的人脸识别考勤方法，其特征在于，所述将所述人脸图像帧与人脸特征库进行人脸身份匹配，获取所述人脸图像帧对应的身份信息作为考勤结果，具体包括：
所述人脸识别模块提取各所述人脸图像帧的人脸特征码；
将所述人脸特征码与所述人脸特征库进行人脸身份的匹配度计算，判断匹配度是否达到预设的匹配阈值；
当所述匹配度达到所述匹配阈值时，则获取所述匹配度最大值对应的身份信息作为考勤结果。
5.如权利要求4所述的人脸识别考勤方法，其特征在于，所述方法还包括：
所述人脸识别模块当所述匹配度未达到所述匹配阈值时，将所述人脸图像帧发送至管理模块；
所述管理模块根据所述人脸图像帧进行身份审核，并在身份审核通过时向所述人脸识别模块返回所述人脸图像帧对应的身份信息；
所述人脸识别模块根据所述人脸图像帧对应的身份信息更新所述人脸特征库。
6.一种人脸识别考勤系统，其特征在于，包括：
视频服务模块，用于获取摄像设备采集的实时视频流，并将所述实时视频流分解为若干原始图像帧；对各所述原始图像帧中的人脸图像进行框选和重绘，得到人脸图像帧，并将所述人脸图像帧发送至人脸识别模块；
所述人脸识别模块，用于在所述人脸图像帧达到预设的有效帧条件时，将所述人脸图像帧发送至消息推送模块以实时显示，并将所述人脸图像帧与人脸特征库进行人脸身份匹配，获取所述人脸图像帧对应的身份信息作为考勤结果，并将所述考勤结果发送至所述消息推送模块和语音播报模块；
所述消息推送模块，用于推送所述考勤结果；
所述语音播报模块，用于对所述考勤结果进行语音播报。
7.如权利要求6所述的人脸识别考勤系统，其特征在于，所述视频服务模块包括人脸提取单元和图像处理单元；
所述人脸提取单元，用于提取各所述原始图像帧中的人脸部分；
所述图像处理单元，用于对所述人脸部分进行框选和重绘，得到人脸图像帧及人脸部分的矩形框坐标，并发送至所述人脸识别模块。
8.如权利要求7所述的人脸识别考勤系统，其特征在于，所述人脸识别模块包括重合度计算单元和有效判断单元：
所述重合度计算单元，用于获取各人脸图像帧及其上一人脸图像帧对应人脸部分的矩形框坐标，并计算所述人脸部分的坐标重合度；
所述有效判断单元，用于判断所述人脸部分的坐标重合度是否达到预设的重合度阈值；若是，则认为所述人脸图像帧达到所述有效帧条件；若否，则认为所述人脸图像帧未达到所述有效帧条件。
9.一种人脸识别考勤系统，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5中任意一项所述的人脸识别考勤方法。
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5中任意一项所述的人脸识别考勤方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911127035.0A CN110992502A (zh) | 2019-11-18 | 2019-11-18 | 一种人脸识别考勤方法、系统以及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911127035.0A CN110992502A (zh) | 2019-11-18 | 2019-11-18 | 一种人脸识别考勤方法、系统以及可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110992502A true CN110992502A (zh) | 2020-04-10 |
Family
ID=70084708
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911127035.0A Pending CN110992502A (zh) | 2019-11-18 | 2019-11-18 | 一种人脸识别考勤方法、系统以及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110992502A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112052731A (zh) * | 2020-07-30 | 2020-12-08 | 广州市标准化研究院 | 一种智能人像识别打卡考勤系统及方法 |
| CN112487222A (zh) * | 2020-11-30 | 2021-03-12 | 江苏正赫通信息科技有限公司 | 相似人脸快速搜索及有效存储的方法 |
| CN112785742A (zh) * | 2021-01-22 | 2021-05-11 | 广东交通职业技术学院 | 一种考勤系统及其控制方法 |
| CN112836635A (zh) * | 2021-02-02 | 2021-05-25 | 京东数字科技控股股份有限公司 | 图像处理方法、装置及设备 |
| 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 |
| CN114821844A (zh) * | 2021-01-28 | 2022-07-29 | 深圳云天励飞技术股份有限公司 | 基于人脸识别的考勤方法、装置、电子设备和存储介质 |
| CN116665331A (zh) * | 2023-06-02 | 2023-08-29 | 广州欢聚马克网络信息有限公司 | 人脸识别考勤方法及其装置、设备、介质、产品 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108320345A (zh) * | 2018-05-04 | 2018-07-24 | 珠海横琴盛达兆业科技投资有限公司 | 一种基于百度人脸识别api的bs架构实现智能人脸考勤的方法 |
| CN110211251A (zh) * | 2019-04-26 | 2019-09-06 | 珠海格力电器股份有限公司 | 一种人脸识别方法、装置、存储介质及人脸识别终端 |
| CN110390316A (zh) * | 2019-07-30 | 2019-10-29 | 史晓华 | 基于人脸识别的数据处理系统及装置 |
| CN110458973A (zh) * | 2019-07-26 | 2019-11-15 | 广州杰赛科技股份有限公司 | 基于人脸识别的实时考勤方法、装置及存储介质 |
-
2019
- 2019-11-18 CN CN201911127035.0A patent/CN110992502A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108320345A (zh) * | 2018-05-04 | 2018-07-24 | 珠海横琴盛达兆业科技投资有限公司 | 一种基于百度人脸识别api的bs架构实现智能人脸考勤的方法 |
| CN110211251A (zh) * | 2019-04-26 | 2019-09-06 | 珠海格力电器股份有限公司 | 一种人脸识别方法、装置、存储介质及人脸识别终端 |
| CN110458973A (zh) * | 2019-07-26 | 2019-11-15 | 广州杰赛科技股份有限公司 | 基于人脸识别的实时考勤方法、装置及存储介质 |
| CN110390316A (zh) * | 2019-07-30 | 2019-10-29 | 史晓华 | 基于人脸识别的数据处理系统及装置 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112052731A (zh) * | 2020-07-30 | 2020-12-08 | 广州市标准化研究院 | 一种智能人像识别打卡考勤系统及方法 |
| CN112052731B (zh) * | 2020-07-30 | 2024-03-29 | 广州市标准化研究院 | 一种智能人像识别打卡考勤系统及方法 |
| CN112487222A (zh) * | 2020-11-30 | 2021-03-12 | 江苏正赫通信息科技有限公司 | 相似人脸快速搜索及有效存储的方法 |
| CN112785742A (zh) * | 2021-01-22 | 2021-05-11 | 广东交通职业技术学院 | 一种考勤系统及其控制方法 |
| CN114821844A (zh) * | 2021-01-28 | 2022-07-29 | 深圳云天励飞技术股份有限公司 | 基于人脸识别的考勤方法、装置、电子设备和存储介质 |
| CN114821844B (zh) * | 2021-01-28 | 2024-05-07 | 深圳云天励飞技术股份有限公司 | 基于人脸识别的考勤方法、装置、电子设备和存储介质 |
| CN112836635A (zh) * | 2021-02-02 | 2021-05-25 | 京东数字科技控股股份有限公司 | 图像处理方法、装置及设备 |
| CN112836635B (zh) * | 2021-02-02 | 2022-11-08 | 京东科技控股股份有限公司 | 图像处理方法、装置及设备 |
| 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 |
| CN116665331A (zh) * | 2023-06-02 | 2023-08-29 | 广州欢聚马克网络信息有限公司 | 人脸识别考勤方法及其装置、设备、介质、产品 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110992502A (zh) | 一种人脸识别考勤方法、系统以及可读存储介质 | |
| US10635890B2 (en) | Facial recognition method and apparatus, electronic device, and storage medium | |
| CN110119673B (zh) | 无感人脸考勤方法、装置、设备及存储介质 | |
| US11386717B2 (en) | Fingerprint inputting method and related device | |
| CN109409238B (zh) | 一种障碍物检测方法、装置及终端设备 | |
| CN109285234B (zh) | 人脸识别考勤方法、装置、计算机装置及存储介质 | |
| CN104021398A (zh) | 一种可穿戴智能设备及辅助身份识别的方法 | |
| CN108108711B (zh) | 人脸布控方法、电子设备及存储介质 | |
| CN111626371A (zh) | 一种图像分类方法、装置、设备及可读存储介质 | |
| CN113542692A (zh) | 一种基于监控视频的人脸识别系统及方法 | |
| CN110991231B (zh) | 活体检测方法、装置、服务器和人脸识别设备 | |
| CN114724215A (zh) | 一种敏感图像识别方法及系统 | |
| CN111881740A (zh) | 人脸识别方法、装置、电子设备及介质 | |
| CN111553241A (zh) | 掌纹的误匹配点剔除方法、装置、设备及存储介质 | |
| CN109886239B (zh) | 人像聚类方法、装置及系统 | |
| CN115168024A (zh) | 基于边缘计算的预警方法、装置及设备 | |
| CN110610164A (zh) | 人脸图像处理方法、系统、服务器及可读存储介质 | |
| CN111783677A (zh) | 人脸识别方法、装置、服务器和计算机可读介质 | |
| CN115641701A (zh) | 一种事件提醒方法、装置、设备及存储介质 | |
| CN112333182B (zh) | 档案处理方法、装置、服务器及存储介质 | |
| CN114387648A (zh) | 异常图像检测方法、装置、计算机设备及存储介质 | |
| CN114494978A (zh) | 基于Pipeline的并行视频结构化推理方法及系统 | |
| CN113902030A (zh) | 行为的识别方法、装置、终端设备及存储介质 | |
| CN113627542A (zh) | 一种事件信息处理方法、服务器及存储介质 | |
| CN108090430B (zh) | 人脸检测的方法及其装置 |
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: 20200410 |