CN111080827A - 考勤系统及方法 - Google Patents

考勤系统及方法 Download PDF

Info

Publication number
CN111080827A
CN111080827A CN201911294559.9A CN201911294559A CN111080827A CN 111080827 A CN111080827 A CN 111080827A CN 201911294559 A CN201911294559 A CN 201911294559A CN 111080827 A CN111080827 A CN 111080827A
Authority
CN
China
Prior art keywords
current
feature information
face
face feature
video data
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.)
Withdrawn
Application number
CN201911294559.9A
Other languages
English (en)
Inventor
仇职
刘子凡
胡子旋
胡龙彪
伍祥
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.)
Anhui Institute of Information Engineering
Original Assignee
Anhui Institute of Information Engineering
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 Anhui Institute of Information Engineering filed Critical Anhui Institute of Information Engineering
Priority to CN201911294559.9A priority Critical patent/CN111080827A/zh
Publication of CN111080827A publication Critical patent/CN111080827A/zh
Withdrawn legal-status Critical Current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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • 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
    • G06V40/168—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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • General Engineering & Computer Science (AREA)
  • Library & Information Science (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Biology (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Databases & Information Systems (AREA)
  • Collating Specific Patterns (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种考勤系统及方法，该考勤系统包括：视频采集单元，用于采集示出签到对象的视频数据；人脸识别单元，用于对所述视频数据进行处理以获得所述视频数据对应的图像数据，获取所述图像数据中的当前人脸特征信息，根据预配置的包含预存人脸特征信息及其对应的对象身份信息的人脸数据库，判断所述人脸数据库中是否存在所述当前人脸特征信息，若存在，则获取并记录所述当前人脸特征信息对应的对象身份信息；以及展示单元，用于展示所获取的对象身份信息。该考勤系统可以使得用户立马获知识别结果，并且功能较多，用户体验较好。

Description

考勤系统及方法
技术领域
本发明涉及计算机领域，具体地，涉及考勤系统及方法。
背景技术
随着信息技术的不断发展,考勤管理成为学校、企、事业单位等机构工作过程的重要内容，各种层出不穷的考勤系统也逐渐被应用到考勤管理中，传统的考勤方式往往会增加管理成本，工作量和时间也随之被耗费。相关技术中已经存在根据人脸识别结果来进行考勤的系统，但是被识别用户并不能立刻获知识别结果，且目前考勤系统的功能较为单一，用户体验较差。
发明内容
本发明的目的是提供一种考勤系统，该考勤系统可以使得用户立马获知识别结果，并且功能较多，用户体验较好。
为了实现上述目的，本发明提供了一种考勤系统，该考勤系统包括：视频采集单元，用于采集示出签到对象的视频数据；人脸识别单元，用于对所述视频数据进行处理以获得所述视频数据对应的图像数据，获取所述图像数据中的当前人脸特征信息，根据预配置的包含预存人脸特征信息及其对应的对象身份信息的人脸数据库，判断所述人脸数据库中是否存在所述当前人脸特征信息，若存在，则获取并记录所述当前人脸特征信息对应的对象身份信息；以及展示单元，用于展示所获取的对象身份信息。
优选地，所述当前人脸特征信息包括：预设数量个当前特征向量；并且，所述人脸识别单元用于判定所述人脸数据库中存在所述当前人脸特征信息的条件包括：所述人脸数据库中存在预存人脸特征信息与所述当前人脸特征信息的相同的特征向量数超过预设定数量阈值。
优选地，所述人脸识别单元用于对所述视频数据进行处理以获得所述视频数据对应的图像数据包括：提取模块，用于提取所述视频数据中每一帧的图像；判断存储模块，用于针对所述每一帧图像，判断当前图像是否存在人脸特征信息，若存在则存储所述当前图像；以及图像确定模块，用于将所存储的当前图像的集合作为所述图像数据。
优选地，所述人脸识别单元还用于获取所述当前人脸特征信息所在区域；并且，所述展示单元包括：标识模块，用于标识出所述当前人脸特征信息所在区域；以及显示模块，用于在所述当前人脸特征信息所在区域显示所获取的对象身份信息。
优选地，该考勤系统还包括：表情识别模块，用于基于图像数据识别所述签到对象的当前表情信息；以及语言播报模块，用于根据预设定的各表情信息对应的播报信息，获取并按照所述当前表情信息对应的播报信息进行播报。
优选地，该考勤系统还包括：图表单元，用于生成所述签到对象的签到信息对应的图表。
优选地，该考勤系统还包括：光敏传感器，用于在采集示出签到对象的视频数据时感应环境光；以及控制单元，用于在所感应的环境光亮度值小于预设定亮度阈值时，控制用于调节所述环境光的照明设备开启。
另外，本实施例还提供一种考勤方法，该考勤方法包括：采集示出签到对象的视频数据；对所述视频数据进行处理以获得所述视频数据对应的图像数据，获取所述图像数据中的当前人脸特征信息，根据预配置的包含预存人脸特征信息及其对应的对象身份信息的人脸数据库，判断所述人脸数据库中是否存在所述当前人脸特征信息，若存在，则获取并记录所述当前人脸特征信息对应的对象身份信息；以及展示所获取的对象身份信息。
优选地，所述当前人脸特征信息包括：预设数量个当前特征向量；并且，判定所述人脸数据库中存在所述当前人脸特征信息的条件包括：所述人脸数据库中存在预存人脸特征信息与所述当前人脸特征信息的相同的特征向量数超过预设定数量阈值。
优选地，所述对所述视频数据进行处理以获得所述视频数据对应的图像数据包括：提取所述视频数据中每一帧的图像；针对所述每一帧图像，判断当前图像是否存在人脸特征信息，若存在则存储所述当前图像；以及将所存储的当前图像的集合作为所述图像数据。
根据上述技术方案，本发明利用设计考勤系统可以实现签到对象的考勤记录，并且可以直接展示所述对象身份信息，使得签到对象在签到时立刻获知自身的签到情况(识别身份与自身身份是否符合)，在识别到人脸特征信息的时候及能调出该人脸特征信息对应的身份信息，从而可以通过直接显示身份信息的方式进行标识。
本发明的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：
图1是说明本发明的考勤系统的模块框图；
图2是说明本发明的展示单元的展示效果图；
图3是说明本发明的图表的展示效果图；以及
图4是说明本发明的考勤方法的流程图。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
图1是说明本发明的考勤系统的模块框图，如图1所示，本发明提供一种考勤系统，该考勤系统包括：视频采集单元1，用于采集示出签到对象的视频数据；人脸识别单元2，用于对所述视频数据进行处理以获得所述视频数据对应的图像数据，获取所述图像数据中的当前人脸特征信息，根据预配置的包含预存人脸特征信息及其对应的对象身份信息的人脸数据库，判断所述人脸数据库中是否存在所述当前人脸特征信息，若存在，则获取并记录所述当前人脸特征信息对应的对象身份信息；以及展示单元3，用于展示所获取的对象身份信息。
其中，所述视频采集单元1可以是摄像机，具体控制方式可以是点击摄像头按钮时，通过OpenCV获取摄像头监控画面，此时点击的按钮文本设置为关闭摄像头，再次点击关闭摄像头按钮，此时系统会释放视频流，进行关闭。此外，还可以通过摄像头点击拍照，实现图像的获取，其中所述图像以时间命名，放到video_screenshot文件中。
其中，所述人脸识别单元2用于对所述视频数据进行处理以获得所述视频数据对应的图像数据包括：提取模块21，用于提取所述视频数据中每一帧的图像；判断存储模块22，用于针对所述每一帧图像，判断当前图像是否存在人脸特征信息，若存在则存储所述当前图像；以及图像确定模块23，用于将所存储的当前图像的集合作为所述图像数据。所述人脸识别单元2的具体操作过程可以是，点击打开人脸识别按钮，基于人脸识别库Face_Recognition算法进行人脸识别，通过OpenCV调用摄像头对图像进行灰度处理。首先加载保存在指定文件夹中的图像，同时调用已训练的人脸模型和当前签到人员进行比对，如果训练模型中没有当前人员的脸部信息特征，系统则会返回一个错误信息，然后进入处理视频画面的循环。对每帧图像进行处理，当检测到人脸的时候开始进行匹配，将每帧图像中的人脸记录下来，放到一个集合中去。
其中，所述Face_Recognition算法为了提高人脸识别的识别准确率、识别速度，在实验室老师的支持与鼓励下，项目采用了基于人脸识别库Face_recognition此人脸识别算法,且进行相应参数及其阈值的改进，大大提高了识别准确率，即使在多人数的情况下，也能快速的捕捉人脸特征，同时进行多人数的识别。避免了当多数人的情况下所出现的系统错误，卡顿、闪退等情况。
人脸识别基于face_recognition库。face_recognition基于dlib实现，用深度学习训练数据，模型准确率高达99.38％。
人脸数字化：人脸识别的第一步是检测照片中的人脸区域，然后将人脸的图像数据转换成一个长度为128的向量，这128个数据代表了人脸的128个特征指标。
进一步优选地，所述人脸识别单元2还用于获取所述当前人脸特征信息所在区域；并且，所述展示单元3包括：标识模块31，用于标识出所述当前人脸特征信息所在区域；以及显示模块32，用于在所述当前人脸特征信息所在区域显示所获取的对象身份信息。所述展示单元3的工作流程为将需考勤的人员信息提前存放在本地文件中，包括姓名、年龄和照片等信息在右边特定框中展示出来。然后再对识别到的人员进行汉字标框显示。其中，所述展示效果如图2所示。
优选地，所述当前人脸特征信息包括：预设数量个当前特征向量；并且，所述人脸识别单元2用于判定所述人脸数据库中存在所述当前人脸特征信息的条件包括：所述人脸数据库中存在预存人脸特征信息与所述当前人脸特征信息的相同的特征向量数超过预设定数量阈值。
其中，所述数量阈值可以根据实际需要进行设置，在本实施例中，当前特征向量可以是128个，所述数量阈值可以是80。例如，获取视频流中人物脸部信息于与存放在本地数据库图片进行比对，相同的特征向量数达到80，即可输出为true。获取到人物姓名同时记录在Excel中。将匹配到的人员提前存放在数据库中的包括姓名、年龄和照片等信息在右边特定框中展示出来。然后再对识别到的人员进行汉字标框显示。
其中，当启动人脸识别按钮时，读取系统中每个被考勤人的图像信息。和视频流每帧图像进行对比。通过face_location()函数找到视频流中人脸部位置，如果不为空值，调用face_encoding()获取脸部特征值，比对预存储特征值，如果一致，返回true，反之false。当摄像机处于打开状态，摄像机访问被考勤人的脸部特征信息，匹配正确，将被考勤人信息展示到MainUI的设置的标签上。
进一步优选地，该考勤系统还可以包括：表情识别模块，用于基于图像数据识别所述签到对象的当前表情信息；以及语言播报模块，用于根据预设定的各表情信息对应的播报信息，获取并按照所述当前表情信息对应的播报信息进行播报。
其中，具体执行过程为：
1、模型设计
采用深度卷积神经网络将人脸特征和脸部表情分类到一个神经网络中，分别采用VGG19和Resnet18来完成表情的识别和分类。
2、损失函数设计
在设计中，我们探索了两种损失函数的计算方法，第一种是交叉熵损失函数。模型在全连接层之后，得到了每一类的输出概率，但此时概率是没有经过归一化的，我们通过一个softmax层，将概率归一化到1，更加易于数据处理。而交叉熵损失函数计算公式如下：
Figure BDA0002320152720000071
在softmax回归中，我们通过归一化的概率的大小解决多分类问题，类标y可以取k个不同的值(而不是2个)。
第二种损失函数是线性SVM分类损失，其抽象为hinge损失函数，Hinge loss的叫法来源于其损失函数的图形，为一个折线，第i类的损失表达式为：
J(i)＝max(0，1-hθ(xi))
如果被正确分类，损失是0，否则损失就是：
1-hθ(xi)
SVM和Softmax分类器是最常用的两个分类器。不同的是，SVM将输出为每个分类评分，然后再选择得分最高的类；与SVM不同，Softmax分类器是一个logistic分类器面对多个分类的归纳，其归一化的分类概率更加直观,其概率总和为1。
其中，所述签到对象在使用时，系统会自动检测出用户的当前表情，同时会据此从语料库中播报出一句符合语境的话语给与用户调节心情。
进一步优选地，该考勤系统还可以包括：图表单元，用于生成所述签到对象的签到信息对应的图表。
其中，识别时将用户签到时间记录并保存在当前路径下的xlsx文件中，当管理员选择查看签到记录时，保存在xlsx文件中的数据通过read_excel()函数调用将数据读取出来并进行封装，交给Create_data_image()函数进行数据分析和作图，最后显示在当前页面下。其中，Create_data_image()函数是一个自定义函数，它主要功能是对传入的数据进行分析，并整理出签到本周数据和上周的数据以折线图的方式显示在右侧窗口下，通过下拉框选择不同签到人的签到信息。展示的效果图如图3所示。
进一步优选地，该考勤系统还可以包括：光敏传感器，用于在采集示出签到对象的视频数据时感应环境光；以及控制单元，用于在所感应的环境光亮度值小于预设定亮度阈值时，控制用于调节所述环境光的照明设备开启。
通过上述的实施例，减少人力、物力、财力的投入，提高考勤效率，实现无行为考勤，过程具有很好的流畅性和平滑性；该系统将考勤签到信息进行数据可视化操作，使得管理人员更加直观地了解考勤签到的情况，以便于管理员后期管理、统筹计划；该系统功能全面，应用范围广，可用于学校、企事业单位考勤签到。此外，基于深度学习的Face_recognition程序识别出用户的不同表情，根据不同的表情，根据表情推测出其心情状态，智慧语音会播报出语料库中相应内容“***”,以此愉悦用户的心情状态。该系统采用人脸识别，因此还可有效应用于安防系统；该系统使用当前先进科学的技术手段，准确高达99％以上，能够对人脸进行有效地识别；该系统可用于光线不佳的环境，适用性强。
图4是考勤方法的流程图。如图4所示，本实施例还提供一种考勤方法，该考勤方法包括：
S101，采集示出签到对象的视频数据；
S102，对所述视频数据进行处理以获得所述视频数据对应的图像数据，获取所述图像数据中的当前人脸特征信息，根据预配置的包含预存人脸特征信息及其对应的对象身份信息的人脸数据库，判断所述人脸数据库中是否存在所述当前人脸特征信息，若存在，则获取并记录所述当前人脸特征信息对应的对象身份信息；以及
S103，展示所获取的对象身份信息。
优选地，所述当前人脸特征信息包括：预设数量个当前特征向量；并且，判定所述人脸数据库中存在所述当前人脸特征信息的条件包括：所述人脸数据库中存在预存人脸特征信息与所述当前人脸特征信息的相同的特征向量数超过预设定数量阈值。
优选地，所述对所述视频数据进行处理以获得所述视频数据对应的图像数据包括：提取所述视频数据中每一帧的图像；针对所述每一帧图像，判断当前图像是否存在人脸特征信息，若存在则存储所述当前图像；以及将所存储的当前图像的集合作为所述图像数据。
其中，图4的考勤方法与现有技术相比具有与上述的考勤系统相同的技术特征和技术效果。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种考勤系统，其特征在于，该考勤系统包括：
视频采集单元，用于采集示出签到对象的视频数据；
人脸识别单元，用于对所述视频数据进行处理以获得所述视频数据对应的图像数据，获取所述图像数据中的当前人脸特征信息，根据预配置的包含预存人脸特征信息及其对应的对象身份信息的人脸数据库，判断所述人脸数据库中是否存在所述当前人脸特征信息，若存在，则获取并记录所述当前人脸特征信息对应的对象身份信息；以及
展示单元，用于展示所获取的对象身份信息。
2.根据权利要求1所述的考勤系统，其特征在于，所述当前人脸特征信息包括：预设数量个当前特征向量；
并且，所述人脸识别单元用于判定所述人脸数据库中存在所述当前人脸特征信息的条件包括：
所述人脸数据库中存在预存人脸特征信息与所述当前人脸特征信息的相同的特征向量数超过预设定数量阈值。
3.根据权利要求1所述的考勤系统，其特征在于，所述人脸识别单元用于对所述视频数据进行处理以获得所述视频数据对应的图像数据包括：
提取模块，用于提取所述视频数据中每一帧的图像；
判断存储模块，用于针对所述每一帧图像，判断当前图像是否存在人脸特征信息，若存在则存储所述当前图像；以及
图像确定模块，用于将所存储的当前图像的集合作为所述图像数据。
4.根据权利要求1所述的考勤系统，其特征在于，
所述人脸识别单元还用于获取所述当前人脸特征信息所在区域；
并且，所述展示单元包括：
标识模块，用于标识出所述当前人脸特征信息所在区域；以及
显示模块，用于在所述当前人脸特征信息所在区域显示所获取的对象身份信息。
5.根据权利要求1所述的考勤系统，其特征在于，该考勤系统还包括：表情识别模块，用于基于图像数据识别所述签到对象的当前表情信息；以及
语言播报模块，用于根据预设定的各表情信息对应的播报信息，获取并按照所述当前表情信息对应的播报信息进行播报。
6.根据权利要求1所述的考勤系统，其特征在于，该考勤系统还包括：图表单元，用于生成所述签到对象的签到信息对应的图表。
7.根据权利要求1所述的考勤系统，其特征在于，该考勤系统还包括：光敏传感器，用于在采集示出签到对象的视频数据时感应环境光；以及
控制单元，用于在所感应的环境光亮度值小于预设定亮度阈值时，控制用于调节所述环境光的照明设备开启。
8.一种考勤方法，其特征在于，该考勤方法包括：
采集示出签到对象的视频数据；
对所述视频数据进行处理以获得所述视频数据对应的图像数据，获取所述图像数据中的当前人脸特征信息，根据预配置的包含预存人脸特征信息及其对应的对象身份信息的人脸数据库，判断所述人脸数据库中是否存在所述当前人脸特征信息，若存在，则获取并记录所述当前人脸特征信息对应的对象身份信息；以及
展示所获取的对象身份信息。
9.根据权利要求8所述的考勤方法，其特征在于，所述当前人脸特征信息包括：预设数量个当前特征向量；
并且，判定所述人脸数据库中存在所述当前人脸特征信息的条件包括：
所述人脸数据库中存在预存人脸特征信息与所述当前人脸特征信息的相同的特征向量数超过预设定数量阈值。
10.根据权利要求8所述的考勤方法，其特征在于，所述对所述视频数据进行处理以获得所述视频数据对应的图像数据包括：
提取所述视频数据中每一帧的图像；
针对所述每一帧图像，判断当前图像是否存在人脸特征信息，若存在则存储所述当前图像；以及
将所存储的当前图像的集合作为所述图像数据。
CN201911294559.9A 2019-12-16 2019-12-16 考勤系统及方法 Withdrawn CN111080827A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911294559.9A CN111080827A (zh) 2019-12-16 2019-12-16 考勤系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911294559.9A CN111080827A (zh) 2019-12-16 2019-12-16 考勤系统及方法

Publications (1)

Publication Number Publication Date
CN111080827A true CN111080827A (zh) 2020-04-28

Family

ID=70314986

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911294559.9A Withdrawn CN111080827A (zh) 2019-12-16 2019-12-16 考勤系统及方法

Country Status (1)

Country Link
CN (1) CN111080827A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111931649A (zh) * 2020-08-10 2020-11-13 随锐科技集团股份有限公司 视频会议过程中的人脸识别方法及系统
CN112492383A (zh) * 2020-12-03 2021-03-12 珠海格力电器股份有限公司 视频帧的生成方法及装置、存储介质、电子设备
CN114628013A (zh) * 2022-03-25 2022-06-14 中国人民解放军总医院第四医学中心 面向护士端的耗材计价方法、装置、系统及电子设备
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

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111931649A (zh) * 2020-08-10 2020-11-13 随锐科技集团股份有限公司 视频会议过程中的人脸识别方法及系统
CN112492383A (zh) * 2020-12-03 2021-03-12 珠海格力电器股份有限公司 视频帧的生成方法及装置、存储介质、电子设备
CN114628013A (zh) * 2022-03-25 2022-06-14 中国人民解放军总医院第四医学中心 面向护士端的耗材计价方法、装置、系统及电子设备
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
CN109359548B (zh) 多人脸识别监控方法及装置、电子设备及存储介质
CN111080827A (zh) 考勤系统及方法
Othman et al. A face recognition method in the Internet of Things for security applications in smart homes and cities
Rathod et al. Automated attendance system using machine learning approach
WO2019095571A1 (zh) 人物情绪分析方法、装置及存储介质
JP4156430B2 (ja) データベース自動更新方法を用いた顔検証方法及びそのシステム
Ismael et al. Face recognition using Viola-Jones depending on Python
WO2016172872A1 (zh) 用于验证活体人脸的方法、设备和计算机程序产品
WO2022062379A1 (zh) 图像检测方法和相关装置、设备、存储介质、计算机程序
EP2336949A1 (en) Apparatus and method for registering plurality of facial images for face recognition
Dantone et al. Augmented faces
WO2021082045A1 (zh) 微笑表情检测方法、装置、计算机设备及存储介质
WO2021128846A1 (zh) 电子文件的控制方法、装置、计算机设备及存储介质
CN113255557A (zh) 一种基于深度学习的视频人群情绪分析方法及系统
Jha et al. An Automated Attendance System Using Facial Detection and Recognition Technology
Suhaimin et al. Real-time mask detection and face recognition using eigenfaces and local binary pattern histogram for attendance system
Nadhan et al. Smart attendance monitoring technology for industry 4.0
Rosy et al. An enhanced intelligent attendance management system for smart campus
Al-Amoudi et al. Automatic attendance system using face recognition with deep learning algorithm
Rajput et al. Attendance Management System using Facial Recognition
CN116542610B (zh) 一种非接触式柜内资产自动盘点装置、方法和存储介质
Goud et al. Smart attendance monitoring system for online classes using facial recognition
Gaikwad et al. Face recognition using golden ratio for door access control system
Yadav et al. Attendance Management System Based on Face Recognition Using Haar-Cascade
Fernandes et al. IoT based smart security for the blind

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20200428