CN111311772A - 一种考勤处理方法及装置、电子设备 - Google Patents
一种考勤处理方法及装置、电子设备 Download PDFInfo
- Publication number
- CN111311772A CN111311772A CN201910765993.4A CN201910765993A CN111311772A CN 111311772 A CN111311772 A CN 111311772A CN 201910765993 A CN201910765993 A CN 201910765993A CN 111311772 A CN111311772 A CN 111311772A
- Authority
- CN
- China
- Prior art keywords
- information
- result
- face
- detection object
- detection
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 22
- 238000001514 detection method Methods 0.000 claims abstract description 222
- 238000012545 processing Methods 0.000 claims abstract description 70
- 238000000034 method Methods 0.000 claims description 46
- 230000015654 memory Effects 0.000 claims description 27
- 238000000605 extraction Methods 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 230000004931 aggregating effect Effects 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000001815 facial effect Effects 0.000 claims 2
- 210000000887 face Anatomy 0.000 description 19
- 238000010586 diagram Methods 0.000 description 8
- 210000004709 eyebrow Anatomy 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 210000003128 head Anatomy 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 238000005286 illumination Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06V40/161—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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种考勤处理方法及装置、电子设备,包括:获取包括多个检测对象的图像信息;对所述图像信息进行人脸检测处理,确定所述检测对象所在位置,确定所述检测对象个数;于所述检测对象所在位置提取各检测对象的人脸特征信息;根据所述各检测对象的人脸特征信息,对各检测对象进行人脸识别处理,对于所述人脸识别处理未识别出的检测对象,进行整体形态识别,得到匹配结果。本发明能够实现快速考勤,提高考勤结果准确性。
Description
技术领域
本发明涉及人工智能技术领域,特别是指一种考勤处理方法及装置、电子设备。
背景技术
目前,为考察出勤情况,一般是教师在课前点名,或是学生利用学生卡打卡签到,点名效率低下,浪费课堂时间,打卡签到的方法有可能存在代为打卡的情况,不能真实反映出勤情况,实际情况中,还存在点名或打卡之后,学生逃课,实际未出勤的情况。
发明内容
有鉴于此,本发明的目的在于提出一种考勤处理方法及装置、电子设备,能够实现快速考勤,提高考勤结果准确性。
基于上述目的,本发明提供了一种考勤处理方法,包括:
获取包括多个检测对象的图像信息;
对所述图像信息进行人脸检测处理,确定所述检测对象所在位置,确定所述检测对象个数;
于所述检测对象所在位置提取各检测对象的人脸特征信息;
根据所述各检测对象的人脸特征信息,对各检测对象进行人脸识别处理,;
对于所述人脸识别处理未识别出的检测对象,进行整体形态识别,得到匹配结果。
可选的,所述根据各检测对象的人脸特征信息,对各检测对象进行人脸识别处理,包括:利用人脸识别模型对人脸特征信息进行识别,得到人脸识别结果,所述人脸识别结果包括对应的相似度、身份信息,将所述相似度大于等于预设的匹配阈值的结果作为第一结果,将所述第一结果中不存在重复身份信息的结果作为第二结果,统计所述第二结果中的所述检测对象的个数,若统计结果与所述检测对象个数一致,则所述第二结果为所述匹配结果。
可选的,所述方法还包括,将所述相似度小于所述匹配阈值的结果汇总于未识别特征集合,将所述身份信息重复的结果汇总于所述未识别特征集合,对所述未识别特征集合中的未识别检测对象进行所述整体形态识别。
可选的,所述整体形态识别包括:
根据所述未识别特征集合,确定所述未识别检测对象所在位置;
根据所述未识别检测对象所在位置,于相应位置截取包括所述未识别检测对象的整体轮廓的轮廓图像信息;
计算所述轮廓图像信息的指纹特征值;
将所述指纹特征值与预设的指纹信息库进行对比,得到整体形态匹配结果。
可选的,利用感知哈希算法计算所述轮廓图像信息的指纹特征值。
可选的,所述指纹信息库包括所有检测对象的指纹特征值及相应的身份信息。
可选的,将所述指纹特征值与所述指纹信息库进行对比包括:对于每个所述未识别检测对象,将计算得到的指纹特征值分别与所述指纹信息库中的每个指纹特征值进行对比,得到多个对比结果,每个对比结果包括身份信息及形态相似度;设定形态匹配阈值,将所述形态相似度最大且所述形态相似度大于等于所述形态匹配阈值的结果作为所述整体形态匹配结果。
可选的,所述获取包括多个检测对象的图像信息之后,还包括:
对所述图像信息进行位置识别处理,确定所述图像信息中各检测对象的位置信息;
根据所述各检测对象的位置信息,于相应位置提取各检测对象的人脸特征信息;
根据所述各检测对象的人脸特征信息,对各检测对象进行人脸识别处理,得到人脸匹配结果。
可选的,对所述图像信息进行位置识别处理,得到位置识别结果,所述位置识别结果包括位置个数和每个位置的位置信息。
可选的,判断所述位置信息与预设的座位表的任意一座位的位置信息是否一致,若一致,将所述位置个数作为所述检测对象个数,若不一致,则重新进行所述位置识别处理。
可选的,所述座位表包括若干座位,每个座位包括对应的位置信息、人脸特征信息及身份信息。
可选的,根据所述各检测对象的位置信息,从每个所述位置信息对应的位置截取人脸轮廓,基于所述人脸轮廓提取所述人脸特征信息。
本发明实施例一种考勤处理装置,包括:
图像获取模块,用于获取包括多个检测对象的图像信息;
人脸检测模块,用于对所述图像信息进行人脸检测处理,确定所述检测对象所在位置,确定检测对象个数;
特征提取模块,用于于所述检测对象所在位置,提取各检测对象的人脸特征信息;
匹配模块,用于根据所述各检测对象的人脸特征信息,对各检测对象进行人脸识别处理,对于所述人脸识别处理未识别出的检测对象,进行整体形态识别,得到匹配结果。
可选的,所述匹配模块利用人脸识别模型对所述人脸特征信息进行识别,所述人脸识别结果包括对应的相似度、身份信息,将所述相似度大于等于预设的匹配阈值的结果作为第一结果,将所述第一结果中不存在重复身份信息的结果作为第二结果,统计所述第二结果中的所述检测对象的个数,若统计结果与所述实到人数一致,则所述第二结果为所述匹配结果。
可选的,所述匹配模块将所述相似度小于所述匹配阈值的结果汇总于未识别特征集合,将所述身份信息重复的结果汇总于所述未识别特征集合。
可选的,所述匹配模块包括:
位置确定模块,用于根据所述未识别特征集合,确定所述未识别检测对象所在位置;
轮廓提取模块,用于根据所述未识别检测对象所在位置,于相应位置截取包括所述未识别检测对象的整体轮廓的轮廓图像信息;
特征值计算模块,用于计算所述轮廓图像信息的指纹特征值;
形态匹配模块,用于将所述指纹特征值与预设的指纹信息库进行对比,得到整体形态匹配结果。
可选的,所述特征值计算模块利用感知哈希算法计算所述轮廓图像信息的指纹特征值。
可选的,所述指纹信息库包括所有检测对象的指纹特征值及相应的身份信息。
可选的,所述形态匹配模块用于对于每个所述未识别检测对象,将所述指纹特征值分别与所述指纹信息库中的每个指纹特征值进行对比,得到多个对比结果,每个对比结果包括身份信息及形态相似度;设定形态匹配阈值,将所述形态相似度最大且所述形态相似度大于等于所述形态匹配阈值的结果作为所述整体形态匹配结果。
可选的,所述装置还包括:
位置识别模块,用于对所述图像信息进行位置识别处理,确定所述图像信息中各检测对象的位置信息;
特征提取模块,用于根据所述各检测对象的位置信息,于相应位置提取各检测对象的人脸特征信息;
匹配模块,用于根据所述各检测对象的人脸特征信息,对各检测对象进行人脸识别处理,得到人脸匹配结果。
可选的,所述位置识别模块对所述图像信息进行位置识别处理,得到位置识别结果,所述位置识别结果包括位置个数和每个位置的位置信息。
可选的,所述位置识别模块判断所述位置信息与预设的座位表的任意一座位的位置信息是否一致,若一致,将所述位置个数作为所述检测对象个数,若不一致,则重新进行所述位置识别处理。
可选的,所述座位表包括若干座位,每个座位包括对应的位置信息、人脸特征信息及身份信息。
可选的,所述特征提取模块根据所述各检测对象的位置信息,从每个所述位置信息对应的位置截取人脸轮廓,基于所述人脸轮廓提取所述人脸特征信息。
本发明实施例还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现所述考勤处理方法。
从上面所述可以看出,本发明提供的考勤处理方法及装置、电子设备,通过获取包括多个检测对象的图像信息,对图像信息进行人脸检测处理,确定检测对象所在位置,确定检测对象个数,于检测对象所在位置提取各检测对象的人脸特征信息,根据各检测对象的人脸特征信息,对各检测对象进行人脸识别处理,得到人脸匹配结果,若匹配相似度未达到预设值,或是识别人数未达到实到人数或是存在重复的识别结果,则进行整体形态识别。本发明能够实现快速考勤,提高考勤结果准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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为本发明实施例的方法流程示意图;
图2为本发明另一实施例的方法流程示意图;
图3为本发明实施例的整体形态识别方法流程示意图;
图4为本发明实施例的整体方法流程示意图;
图5为本发明实施例的装置结构示意图;
图6为本发明另一实施例的装置结构示意图;
图7为本发明实施例的匹配模块的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明进一步详细说明。
需要说明的是,本发明实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量,可见“第一”“第二”仅为了表述的方便,不应理解为对本发明实施例的限定,后续实施例对此不再一一说明。
图1为本发明实施例的方法流程示意图。如图所示,本发明实施例提供的考勤处理方法,包括:
S10:获取包括多个检测对象的图像信息;
于一些实施例中,利用图像采集设备采集包括多个检测对象的视频信息,按照预定时间从视频信息中提取视频帧图像作为图像信息进行后续识别处理。例如,在课前考勤时间段内,每隔1.5秒从视频信息中提取一幅图像信息;在课中考勤时间段内,每隔30秒从视频信息中提取一幅图像信息。
可于特定区域安装图像采集设备,用于采集特定区域内所有检测对象的图像信息。例如,对于课堂考勤场景,在教室前方安装摄像头,用于采集教室内所有学生的图像信息。
S11:对图像信息进行人脸检测处理,确定检测对象所在位置,确定检测对象个数;
本实施例中,对图像信息进行人脸检测处理,识别出图像信息中所有的人脸,确定人脸所在位置,并统计识别出的人脸个数,将识别出的人脸个数作为检测对象个数。
其中,人脸检测处理识别出的人脸个数如果不完整,需要重新检测。例如检测对象因低头、侧头等情况未识别出其人脸位置,需要在提示检测对象之后,重新进行人脸检测,以得到准确的人脸个数,得到准确的检测对象个数。
于学校的应用场景,将识别出的人脸个数作为实到学生人数。
S12:对图像信息进行特征提取处理,于各检测对象所在位置提取各检测对象的人脸特征信息;
本实施例中,对图像信息进行特征提取处理,基于识别出的所有人脸,于人脸所在位置截取人脸轮廓,基于所截取的人脸轮廓提取人脸特征信息,人脸特征信息包括眉毛、眼部、鼻部、嘴部、脸型等特征信息。将所有检测对象的人脸特征信息汇总形成特征集合。
S13:根据各检测对象的人脸特征信息,对各检测对象进行人脸识别处理,对于人脸识别处理未识别出的检测对象,进行整体形态识别,得到匹配结果。
本实施例中,利用人脸识别模型对各检测对象的人脸特征信息进行人脸识别处理,得到人脸匹配结果。具体是,将特征集合输入人脸识别模型,人脸识别模型对特征集合中的每组人脸特征信息进行识别,得到人脸识别结果,人脸识别结果包括特征值、身份信息及相似度,其中,身份信息包括检测对象的姓名、性别、所属班级或部门等。
根据得到的人脸识别结果,将相似度大于等于预设的匹配阈值的结果作为第一结果。本实施例中,设定匹配阈值,当相似度大于等于匹配阈值时,认为人脸匹配成功,小于匹配阈值的人脸识别结果认为人脸匹配未成功,将人脸匹配未成功的人脸识别结果汇总形成未识别特征集合。其中,匹配阈值的设置可根据检测对象所处的位置、光线情况进行设定,例如检测对象就坐于靠前靠中间的位置,图像采集设备可采集到清晰的图像信息,则可提高匹配阈值的取值,若光线较暗,影响图像信息的清晰度,可适当降低匹配阈值的取值。
对于第一结果,进一步根据结果中的各检测对象的身份信息,判断是否存在身份信息重复的检测对象,若存在,将身份信息重复的检测对象的人脸识别结果汇总于未识别特征集合,然后,将身份信息重复的检测对象的人脸识别结果从第一结果中删除,得到第二结果。
对于第二结果,统计其中的检测对象的个数,将统计结果与所述检测对象个数相比较,若一致,则第二结果为匹配结果,将得到的匹配结果展示于终端,例如,对于教学场景,展示于教室内的电子白板或是教师所使用的移动终端等,展示形式可以是座位位置、学生人脸及学生姓名等内容;若不一致,基于未识别特征集合,进行整体形态识别。
其中,所述人脸识别模型,是以人脸样本为基础训练生成,将包括检测对象的图像信息作为人脸样本输入人脸识别模型进行训练,对于图像信息中包括多于一个人脸,或是人脸特征不显著(例如有遮挡,侧面照等情况)的图像信息,认为是无效的人脸样本,需要重新输入图像信息。
图2为本发明另一实施例的方法流程示意图。如图所示,于另一实施例中,为提高识别准确性,所述考勤处理方法包括:
S20:获取包括多个检测对象的图像信息;
S21:对图像信息进行位置识别处理,确定图像信息中各检测对象的位置信息;
于一些实施例中,对图像信息进行位置识别处理,确定出各检测对象所处的位置,确定各检测对象的位置信息。
在学校的应用场景,由于每个教室内的学生人数固定,学生的座位固定,所以可预先确定包括所有学生的座位表,座位表中每个座位具有相应的位置信息。对于图像采集设备采集的图像信息,首先识别每个学生所处的位置,得到的位置识别结果包括位置个数和每个位置的位置信息,位置个数即为识别出的实到学生人数。
可选的,若识别出的任意一位置信息与座位表的任意一座位的位置信息都不对应,则重新对图像信息进行位置识别处理,直至位置识别结果准确,即识别出的位置信息与座位表中的座位的位置信息一一对应,将识别出的位置个数作为实到学生人数,再进行下一步处理。
其中,预先确定座位表的方法是,各检测对象对应就坐于各自的座位上,预先确定每个座位的位置信息,采集获取包括多个检测对象的图像信息,基于图像信息进行人脸识别,得到每个位置信息对应的人脸特征信息,建立每个座位的位置信息、人脸特征信息、身份信息的对应关系。
S22:根据各检测对象的位置信息,于相应位置提取各检测对象的人脸特征信息;
根据各检测对象的位置信息,从每个位置信息对应的位置截取人脸轮廓,基于所截取的人脸轮廓提取人脸特征信息,人脸特征信息包括眉毛、眼部、鼻部、嘴部、脸型等特征信息。将所有检测对象的人脸特征信息汇总形成特征集合。
S23:根据各检测对象的人脸特征信息,对各检测对象进行人脸识别处理,得到人脸匹配结果。
本实施例中,利用人脸识别模型对各检测对象的人脸特征信息进行人脸识别处理,得到人脸匹配结果。识别方法与前述步骤S13的识别方法相同,本实施例不再详述,经过人脸识别处理得到第二结果,统计第二结果中的检测对象的个数,将统计结果与实到学生人数相比较,若一致,则第二结果为匹配结果,将得到的匹配结果展示于终端;若不一致,基于未识别特征集合,进行整体形态识别。
图3为本发明实施例的整体形态识别方法流程示意图,图4为本发明实施例的整体方法流程示意图。如图3、4所示,基于未识别出的检测对象,进行整体形态识别,以提高识别完整性,所述考勤处理方法还包括:
S30:根据未识别特征集合,确定未识别检测对象所在位置;
S31:根据未识别检测对象所在位置,于相应位置截取包括未识别检测对象的整体轮廓的轮廓图像信息;
S32:计算轮廓图像信息的指纹特征值;
S33:将计算得到的指纹特征值与预设的指纹信息库进行对比,得到整体形态匹配结果。
根据未识别特征集合,确定未识别检测对象所在位置,从对应位置截取人体整体轮廓,得到包括人体整体轮廓的轮廓图像信息;利用感知哈希算法计算轮廓图像信息的指纹特征值,将指纹特征值与指纹信息库进行对比,得到整体形态匹配结果,整体形态匹配结果包括身份信息及形态相似度,其中,身份信息包括检测对象的姓名、性别、所属班级或部门等。
本实施例中,指纹信息库包括所有检测对象的指纹特征值,建立指纹信息库的方法是,采集获取每个检测对象的完整图像信息,从完整图像信息中截取包括检测对象整体轮廓的轮廓图像信息,利用感知哈希算法计算轮廓图像信息的指纹特征值,将每个检测对象的指纹特征值及对应的身份信息保存于指纹信息库中。其中,建立的指纹信息库保存于云端,可定时更新维护,使其保存最接近于检测对象近期形态的整体形态信息(指纹特征值)。
其中,将计算得到的指纹特征值与指纹信息库进行对比是指,对于每个未识别检测对象,将计算得到的指纹特征值分别与指纹信息库中的每个指纹特征值进行对比,得到多个对比结果,每个对比结果包括身份信息及形态相似度;设定形态匹配阈值,将形态相似度最大且形态相似度大于等于形态匹配阈值的结果作为整体形态匹配结果。
将第二结果和整体形态匹配结果作为匹配结果,将匹配结果展示于终端,例如,对于教学场景,展示于教室内的电子白板或是教师所使用的移动终端等,展示形式可以是座位位置、学生人脸及学生姓名等内容。
图5为本发明实施例的装置结构示意图。如图所示,本发明实施例提供的考勤处理装置,包括:
图像获取模块,用于获取包括多个检测对象的图像信息;
人脸检测模块,用于对图像信息进行人脸检测处理,确定检测对象所在位置,确定检测对象个数;
特征提取模块,用于于所述检测对象所在位置提取各检测对象的人脸特征信息;
匹配模块,用于根据各检测对象的人脸特征信息,对各检测对象进行人脸识别处理,对于人脸识别处理未识别出的检测对象,进行整体形态识别,得到匹配结果。
于一些实施例中,利用图像采集设备采集包括多个检测对象的视频信息,按照预定时间从视频信息中提取视频帧图像作为图像信息进行后续识别处理。例如,在课前考勤时间段内,每隔1.5秒从视频信息中提取一幅图像信息;在课中考勤时间段内,每隔30秒从视频信息中提取一幅图像信息。
可于特定区域安装图像采集设备,用于采集特定区域内所有检测对象的图像信息。例如,对于课堂考勤场景,在教室前方安装摄像头,用于采集教室内所有学生的图像信息。
本实施例中,对图像信息进行人脸检测处理,识别出图像信息中所有的人脸,确定人脸所在位置,统计识别出的人脸个数,将识别出的人脸个数作为检测对象个数。
其中,人脸检测模块识别出的人脸个数如果不完整,需要重新检测。例如检测对象因低头、侧头等情况未识别出其人脸位置,需要在提示检测对象之后,重新进行人脸检测,以得到准确的人脸个数,得到准确的检测对象个数。
于学校的应用场景,将识别出的人脸个数作为实到学生人数。
本实施例中,对图像信息进行特征提取处理,基于识别出的所有人脸,于人脸所在位置截取人脸轮廓,基于所截取的人脸轮廓提取人脸特征信息,人脸特征信息包括眉毛、眼部、鼻部、嘴部、脸型等特征信息。将所有检测对象的人脸特征信息汇总形成特征集合。
图6为本发明实施例的装置结构示意图。如图所示,为提高识别准确性,本发明另一实施例提供的考勤处理装置,包括:
图像获取模块,用于获取包括多个检测对象的图像信息;
位置识别模块,用于对图像信息进行位置识别处理,确定图像信息中各检测对象的位置信息;
特征提取模块,用于根据各检测对象的位置信息,于相应位置提取各检测对象的人脸特征信息;
匹配模块,用于根据各检测对象的人脸特征信息,对各检测对象进行人脸识别处理,对于人脸识别处理未识别出的检测对象,进行整体形态识别,得到匹配结果。
于一些实施例中,位置识别模块对图像信息进行位置识别处理,确定出各检测对象所处的位置,确定各检测对象的位置信息。
在学校的应用场景,由于每个教室内的学生人数固定,学生的座位固定,所以可预先确定包括所有学生的座位表,座位表中每个座位具有相应的位置信息。对于图像采集设备采集的图像信息,位置识别模块识别每个学生所处的位置,得到的位置识别结果包括位置个数和每个位置的位置信息,位置个数即为识别出的实到学生人数。
可选的,若识别出的任意一位置信息与座位表的任意一座位的位置信息都不对应,则重新对图像信息进行位置识别处理,直至位置识别结果准确,即识别出的位置信息与座位表中的座位的位置信息一一对应,将识别出的位置个数作为实到学生人数,再进行下一步处理。
其中,预先确定座位表的方法是,各检测对象对应就坐于各自的座位上,预先确定每个座位的位置信息,采集获取包括多个检测对象的图像信息,基于图像信息进行人脸识别,得到每个位置信息对应的人脸特征信息,建立每个座位的位置信息、人脸特征信息、身份信息的对应关系。
特征提取模块根据各检测对象的位置信息,从每个位置信息对应的位置截取人脸轮廓,基于所截取的人脸轮廓提取人脸特征信息,人脸特征信息包括眉毛、眼部、鼻部、嘴部、脸型等特征信息。将所有检测对象的人脸特征信息汇总形成特征集合。
本实施例中,匹配模块利用人脸识别模型对各检测对象的人脸特征信息进行人脸识别处理,得到匹配结果。具体是,将包括所有检测对象的人脸特征信息的特征集合输入人脸识别模型,人脸识别模型对特征集合中的每组人脸特征信息进行识别,得到人脸识别结果,人脸识别结果包括特征值、身份信息及相似度,其中,身份信息包括检测对象的姓名、性别、所属班级或部门等。
匹配模块根据得到的人脸识别结果,将相似度大于等于预设的匹配阈值的结果作为第一结果。本实施例中,设定匹配阈值,当相似度大于等于匹配阈值时,认为人脸匹配成功,小于匹配阈值的人脸识别结果认为人脸匹配未成功,将人脸匹配未成功的人脸识别结果汇总形成未识别特征集合。其中,匹配阈值的设置可根据检测对象所处的位置、光线情况进行设定,例如检测对象就坐于靠前靠中间的位置,图像采集设备可采集到清晰的图像信息,则可提高匹配阈值的取值,若光线较暗,影响图像信息的清晰度,可适当降低匹配阈值的取值。
对于第一结果,匹配模块根据第一结果中的各检测对象的身份信息,判断是否存在身份信息重复的检测对象,若存在,将身份信息重复的检测对象的人脸识别结果汇总于未识别特征集合,然后,将身份信息重复的检测对象的人脸识别结果从第一结果中删除,得到第二结果。
匹配模块统计第二结果中的检测对象的个数,将统计结果与实到学生人数相比较,若一致,则第二结果为匹配结果,将得到的人脸匹配结果展示于终端,例如,对于教学场景,展示于教室内的电子白板或是教师所使用的移动终端等,展示形式可以是座位位置、学生人脸及学生姓名等内容;若不一致,基于未识别特征集合,进行整体形态识别。
所述人脸识别模型,是以人脸样本为基础训练生成,将包括检测对象的图像信息作为人脸样本输入人脸识别模型进行训练,对于图像信息中包括多于一个人脸,或是人脸特征不显著(例如有遮挡,侧面照等情况)的图像信息,认为是无效的人脸样本,需要重新输入图像信息。
图7为本发明实施例的匹配模块的结构示意图。如图所示,基于未识别出的检测对象,进行整体形态识别,以提高识别完整性,本发明实施例的匹配模块,包括:
位置确定模块,用于根据未识别特征集合,确定未识别检测对象所在位置;
轮廓提取模块,用于根据未识别检测对象所在位置,于相应位置截取包括未识别检测对象的整体轮廓的轮廓图像信息;
特征值计算模块,用于计算轮廓图像信息的指纹特征值;
形态匹配模块,用于将计算得到的指纹特征值与预设的指纹信息库进行对比,得到整体形态匹配结果。
位置确定模块根据未识别特征集合,确定未识别检测对象所在位置,轮廓提取模块从对应位置截取人体整体轮廓,得到包括人体整体轮廓的轮廓图像信息;特征值计算模块利用感知哈希算法计算轮廓图像信息的指纹特征值,形态匹配模块将指纹特征值与指纹信息库进行对比,得到整体形态匹配结果,整体形态匹配结果包括身份信息及形态相似度,其中,身份信息包括检测对象的姓名、性别、所属班级或部门等。
本实施例中,指纹信息库包括所有检测对象的指纹特征值,建立指纹信息库的方法是,采集获取每个检测对象的完整图像信息,从完整图像信息中截取包括检测对象整体轮廓的轮廓图像信息,利用感知哈希算法计算轮廓图像信息的指纹特征值,将每个检测对象的指纹特征值及对应的身份信息保存于指纹信息库中。
其中,形态匹配模块将计算得到的指纹特征值与指纹信息库进行对比是指,对于每个未识别检测对象,将计算得到的指纹特征值分别与指纹信息库中的每个指纹特征值进行对比,得到多个对比结果,每个对比结果包括身份信息及形态相似度;设定形态匹配阈值,将形态相似度最大且形态相似度大于等于形态匹配阈值的结果作为整体形态匹配结果。
将第二结果和整体形态匹配结果作为匹配结果,将得到的人脸匹配结果展示于终端,例如,对于教学场景,展示于教室内的电子白板或是教师所使用的移动终端等,展示形式可以是座位位置、学生人脸及学生姓名等内容。
基于上述目的,本发明实施例还提出了一种执行所述考勤处理方法的装置的一个实施例。所述装置包括:
一个或多个处理器以及存储器。
所述执行所述考勤处理方法的装置还可以包括:输入装置和输出装置。
处理器、存储器、输入装置和输出装置可以通过总线或者其他方式连接。
存储器作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本发明实施例中的考勤处理方法对应的程序指令/模块。处理器通过运行存储在存储器中的非易失性软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例的考勤处理方法。
存储器可以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、至少一个功能所需要的应用程序;存储数据区可存储根据执行所述考勤处理方法的装置的使用所创建的数据等。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,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至会员用户行为监控装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置可接收输入的数字或字符信息,以及产生与执行考勤处理方法的装置的用户设置以及功能控制有关的键信号输入。输出装置可包括显示屏等显示设备。
所述一个或者多个模块存储在所述存储器中,当被所述一个或者多个处理器执行时,执行上述任意方法实施例中的考勤处理方法。所述执行所述考勤处理方法的装置的实施例,其技术效果与前述任意方法实施例相同或者类似。
本发明实施例还提供了一种非暂态计算机存储介质,所述计算机存储介质存储有计算机可执行指令,该计算机可执行指令可执行上述任意方法实施例中的列表项操作的处理方法。所述非暂态计算机存储介质的实施例,其技术效果与前述任意方法实施例相同或者类似。
最后需要说明的是,本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。所述计算机程序的实施例,其技术效果与前述任意方法实施例相同或者类似。
此外,典型地,本公开所述的装置、设备等可为各种电子终端设备,例如手机、个人数字助理(PDA)、平板电脑(PAD)、智能电视等,也可以是大型终端设备,如服务器等,因此本公开的保护范围不应限定为某种特定类型的装置、设备。本公开所述的客户端可以是以电子硬件、计算机软件或两者的组合形式应用于上述任意一种电子终端设备中。
此外,根据本公开的方法还可以被实现为由CPU执行的计算机程序,该计算机程序可以存储在计算机可读存储介质中。在该计算机程序被CPU 执行时,执行本公开的方法中限定的上述功能。
此外,上述方法步骤以及系统单元也可以利用控制器以及用于存储使得控制器实现上述步骤或单元功能的计算机程序的计算机可读存储介质实现。
此外,应该明白的是,本文所述的计算机可读存储介质(例如,存储器) 可以是易失性存储器或非易失性存储器,或者可以包括易失性存储器和非易失性存储器两者。作为例子而非限制性的,非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦写可编程ROM(EEPROM)或快闪存储器。易失性存储器可以包括随机存取存储器(RAM),该RAM可以充当外部高速缓存存储器。作为例子而非限制性的, RAM可以以多种形式获得,比如同步RAM(DRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据速率SDRAM(DDR SDRAM)、增强 SDRAM(ESDRAM)、同步链路DRAM(SLDRAM)以及直接 RambusRAM(DRRAM)。所公开的方面的存储设备意在包括但不限于这些和其它合适类型的存储器。
上述实施例的装置用于实现前述实施例中相应的方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本公开的范围(包括权利要求)被限于这些例子;在本发明的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本发明的不同方面的许多其它变化,为了简明它们没有在细节中提供。
另外,为简化说明和讨论,并且为了不会使本发明难以理解,在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外,可以以框图的形式示出装置,以便避免使本发明难以理解,并且这也考虑了以下事实,即关于这些框图装置的实施方式的细节是高度取决于将要实施本发明的平台的(即,这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如,电路)以描述本发明的示例性实施例的情况下,对本领域技术人员来说显而易见的是,可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本发明。因此,这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本发明的具体实施例对本发明进行了描述,但是根据前面的描述,这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如,其它存储器架构(例如,动态RAM(DRAM))可以使用所讨论的实施例。
本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此,凡在本发明的精神和原则之内,所做的任何省略、修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (25)
1.一种考勤处理方法,其特征在于,包括:
获取包括多个检测对象的图像信息;
对所述图像信息进行人脸检测处理,确定所述检测对象所在位置,确定所述检测对象个数;
于所述检测对象所在位置提取各检测对象的人脸特征信息;
根据所述各检测对象的人脸特征信息,对各检测对象进行人脸识别处理,;
对于所述人脸识别处理未识别出的检测对象,进行整体形态识别,得到匹配结果。
2.根据权利要求1所述的方法,其特征在于,所述根据各检测对象的人脸特征信息,对各检测对象进行人脸识别处理,包括:利用人脸识别模型对人脸特征信息进行识别,得到人脸识别结果,所述人脸识别结果包括对应的相似度、身份信息,将所述相似度大于等于预设的匹配阈值的结果作为第一结果,将所述第一结果中不存在重复身份信息的结果作为第二结果,统计所述第二结果中的所述检测对象的个数,若统计结果与所述检测对象个数一致,则所述第二结果为所述匹配结果。
3.根据权利要求2所述的方法,其特征在于,还包括,将所述相似度小于所述匹配阈值的结果汇总于未识别特征集合,将所述身份信息重复的结果汇总于所述未识别特征集合,对所述未识别特征集合中的未识别检测对象进行所述整体形态识别。
4.根据权利要求3所述的方法,其特征在于,所述整体形态识别包括:
根据所述未识别特征集合,确定所述未识别检测对象所在位置;
根据所述未识别检测对象所在位置,于相应位置截取包括所述未识别检测对象的整体轮廓的轮廓图像信息;
计算所述轮廓图像信息的指纹特征值;
将所述指纹特征值与预设的指纹信息库进行对比,得到整体形态匹配结果。
5.根据权利要求4所述的方法,其特征在于,利用感知哈希算法计算所述轮廓图像信息的指纹特征值。
6.根据权利要求4所述的方法,其特征在于,所述指纹信息库包括所有检测对象的指纹特征值及相应的身份信息。
7.根据权利要求6所述的方法,其特征在于,将所述指纹特征值与所述指纹信息库进行对比包括:对于每个所述未识别检测对象,将计算得到的指纹特征值分别与所述指纹信息库中的每个指纹特征值进行对比,得到多个对比结果,每个对比结果包括身份信息及形态相似度;设定形态匹配阈值,将所述形态相似度最大且所述形态相似度大于等于所述形态匹配阈值的结果作为所述整体形态匹配结果。
8.根据权利要求1所述的方法,其特征在于,所述获取包括多个检测对象的图像信息之后,还包括:
对所述图像信息进行位置识别处理,确定所述图像信息中各检测对象的位置信息;
根据所述各检测对象的位置信息,于相应位置提取各检测对象的人脸特征信息;
根据所述各检测对象的人脸特征信息,对各检测对象进行人脸识别处理,得到人脸匹配结果。
9.根据权利要求8所述的方法,其特征在于,对所述图像信息进行位置识别处理,得到位置识别结果,所述位置识别结果包括位置个数和每个位置的位置信息。
10.根据权利要求9所述的方法,其特征在于,判断所述位置信息与预设的座位表的任意一座位的位置信息是否一致,若一致,将所述位置个数作为所述检测对象个数,若不一致,则重新进行所述位置识别处理。
11.根据权利要求10所述的方法,其特征在于,所述座位表包括若干座位,每个座位包括对应的位置信息、人脸特征信息及身份信息。
12.根据权利要求8所述的方法,其特征在于,根据所述各检测对象的位置信息,从每个所述位置信息对应的位置截取人脸轮廓,基于所述人脸轮廓提取所述人脸特征信息。
13.一种考勤处理装置,其特征在于,包括:
图像获取模块,用于获取包括多个检测对象的图像信息;
人脸检测模块,用于对所述图像信息进行人脸检测处理,确定所述检测对象所在位置,确定检测对象个数;
特征提取模块,用于于所述检测对象所在位置,提取各检测对象的人脸特征信息;
匹配模块,用于根据所述各检测对象的人脸特征信息,对各检测对象进行人脸识别处理,对于所述人脸识别处理未识别出的检测对象,进行整体形态识别,得到匹配结果。
14.根据权利要求13所述的装置,其特征在于,
所述匹配模块利用人脸识别模型对所述人脸特征信息进行识别,所述人脸识别结果包括对应的相似度、身份信息,将所述相似度大于等于预设的匹配阈值的结果作为第一结果,将所述第一结果中不存在重复身份信息的结果作为第二结果,统计所述第二结果中的所述检测对象的个数,若统计结果与所述实到人数一致,则所述第二结果为所述匹配结果。
15.根据权利要求14所述的装置,其特征在于,所述匹配模块将所述相似度小于所述匹配阈值的结果汇总于未识别特征集合,将所述身份信息重复的结果汇总于所述未识别特征集合。
16.根据权利要求15所述的装置,其特征在于,所述匹配模块包括:
位置确定模块,用于根据所述未识别特征集合,确定所述未识别检测对象所在位置;
轮廓提取模块,用于根据所述未识别检测对象所在位置,于相应位置截取包括所述未识别检测对象的整体轮廓的轮廓图像信息;
特征值计算模块,用于计算所述轮廓图像信息的指纹特征值;
形态匹配模块,用于将所述指纹特征值与预设的指纹信息库进行对比,得到整体形态匹配结果。
17.根据权利要求16所述的装置,其特征在于,所述特征值计算模块利用感知哈希算法计算所述轮廓图像信息的指纹特征值。
18.根据权利要求16所述的装置,其特征在于,所述指纹信息库包括所有检测对象的指纹特征值及相应的身份信息。
19.根据权利要求18所述的装置,其特征在于,所述形态匹配模块用于对于每个所述未识别检测对象,将所述指纹特征值分别与所述指纹信息库中的每个指纹特征值进行对比,得到多个对比结果,每个对比结果包括身份信息及形态相似度;设定形态匹配阈值,将所述形态相似度最大且所述形态相似度大于等于所述形态匹配阈值的结果作为所述整体形态匹配结果。
20.根据权利要求13所述的装置,还包括:
位置识别模块,用于对所述图像信息进行位置识别处理,确定所述图像信息中各检测对象的位置信息;
特征提取模块,用于根据所述各检测对象的位置信息,于相应位置提取各检测对象的人脸特征信息;
匹配模块,用于根据所述各检测对象的人脸特征信息,对各检测对象进行人脸识别处理,得到人脸匹配结果。
21.根据权利要求20所述的装置,其特征在于,所述位置识别模块对所述图像信息进行位置识别处理,得到位置识别结果,所述位置识别结果包括位置个数和每个位置的位置信息。
22.根据权利要求21所述的装置,其特征在于,所述位置识别模块判断所述位置信息与预设的座位表的任意一座位的位置信息是否一致,若一致,将所述位置个数作为所述检测对象个数,若不一致,则重新进行所述位置识别处理。
23.根据权利要求22所述的装置,其特征在于,所述座位表包括若干座位,每个座位包括对应的位置信息、人脸特征信息及身份信息。
24.根据权利要求20所述的装置,其特征在于,所述特征提取模块根据所述各检测对象的位置信息,从每个所述位置信息对应的位置截取人脸轮廓,基于所述人脸轮廓提取所述人脸特征信息。
25.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至12任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910765993.4A CN111311772A (zh) | 2019-08-19 | 2019-08-19 | 一种考勤处理方法及装置、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910765993.4A CN111311772A (zh) | 2019-08-19 | 2019-08-19 | 一种考勤处理方法及装置、电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111311772A true CN111311772A (zh) | 2020-06-19 |
Family
ID=71159622
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910765993.4A Pending CN111311772A (zh) | 2019-08-19 | 2019-08-19 | 一种考勤处理方法及装置、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111311772A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113343850A (zh) * | 2021-06-07 | 2021-09-03 | 广州市奥威亚电子科技有限公司 | 视频人物信息检查的方法、装置、设备及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102831412A (zh) * | 2012-09-11 | 2012-12-19 | 魏骁勇 | 一种基于人脸识别的教学考勤方法及其装置 |
CN104992146A (zh) * | 2015-06-15 | 2015-10-21 | 百度在线网络技术(北京)有限公司 | 一种用于人脸识别的方法和装置 |
CN106557549A (zh) * | 2016-10-24 | 2017-04-05 | 珠海格力电器股份有限公司 | 识别目标对象的方法和装置 |
CN106997459A (zh) * | 2017-04-28 | 2017-08-01 | 成都艾联科创科技有限公司 | 一种基于神经网络和图像叠合分割的人数统计方法及系统 |
CN107103270A (zh) * | 2016-02-23 | 2017-08-29 | 云智视像科技(上海)有限公司 | 一种基于idf的动态计算分块加权系数的人脸识别系统 |
CN107967458A (zh) * | 2017-12-06 | 2018-04-27 | 宁波亿拍客网络科技有限公司 | 一种人脸识别方法 |
CN108830180A (zh) * | 2018-05-25 | 2018-11-16 | 讯飞幻境(北京)科技有限公司 | 电子考勤方法、装置及电子设备 |
CN108897775A (zh) * | 2018-06-01 | 2018-11-27 | 昆明理工大学 | 一种基于感知哈希的快速图像识别系统及方法 |
CN109308682A (zh) * | 2018-10-18 | 2019-02-05 | 杭州数为科技有限公司 | 一种人脸识别与卡通还原方法、装置、介质及系统 |
CN109598809A (zh) * | 2018-12-05 | 2019-04-09 | 上海创视通软件技术有限公司 | 一种基于人脸识别的课堂考勤方法及系统 |
CN110059544A (zh) * | 2019-03-07 | 2019-07-26 | 华中科技大学 | 一种基于道路场景的行人检测方法和系统 |
-
2019
- 2019-08-19 CN CN201910765993.4A patent/CN111311772A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102831412A (zh) * | 2012-09-11 | 2012-12-19 | 魏骁勇 | 一种基于人脸识别的教学考勤方法及其装置 |
CN104992146A (zh) * | 2015-06-15 | 2015-10-21 | 百度在线网络技术(北京)有限公司 | 一种用于人脸识别的方法和装置 |
CN107103270A (zh) * | 2016-02-23 | 2017-08-29 | 云智视像科技(上海)有限公司 | 一种基于idf的动态计算分块加权系数的人脸识别系统 |
CN106557549A (zh) * | 2016-10-24 | 2017-04-05 | 珠海格力电器股份有限公司 | 识别目标对象的方法和装置 |
CN106997459A (zh) * | 2017-04-28 | 2017-08-01 | 成都艾联科创科技有限公司 | 一种基于神经网络和图像叠合分割的人数统计方法及系统 |
CN107967458A (zh) * | 2017-12-06 | 2018-04-27 | 宁波亿拍客网络科技有限公司 | 一种人脸识别方法 |
CN108830180A (zh) * | 2018-05-25 | 2018-11-16 | 讯飞幻境(北京)科技有限公司 | 电子考勤方法、装置及电子设备 |
CN108897775A (zh) * | 2018-06-01 | 2018-11-27 | 昆明理工大学 | 一种基于感知哈希的快速图像识别系统及方法 |
CN109308682A (zh) * | 2018-10-18 | 2019-02-05 | 杭州数为科技有限公司 | 一种人脸识别与卡通还原方法、装置、介质及系统 |
CN109598809A (zh) * | 2018-12-05 | 2019-04-09 | 上海创视通软件技术有限公司 | 一种基于人脸识别的课堂考勤方法及系统 |
CN110059544A (zh) * | 2019-03-07 | 2019-07-26 | 华中科技大学 | 一种基于道路场景的行人检测方法和系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113343850A (zh) * | 2021-06-07 | 2021-09-03 | 广州市奥威亚电子科技有限公司 | 视频人物信息检查的方法、装置、设备及存储介质 |
CN113343850B (zh) * | 2021-06-07 | 2022-08-16 | 广州市奥威亚电子科技有限公司 | 视频人物信息检查的方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10650261B2 (en) | System and method for identifying re-photographed images | |
US11074436B1 (en) | Method and apparatus for face recognition | |
CN110232369B (zh) | 一种人脸识别方法和电子设备 | |
WO2019109526A1 (zh) | 人脸图像的年龄识别方法、装置及存储介质 | |
WO2020098250A1 (zh) | 字符识别方法、服务器及计算机可读存储介质 | |
WO2021135064A1 (zh) | 人脸识别方法、装置、计算机设备及存储介质 | |
WO2019033572A1 (zh) | 人脸遮挡检测方法、装置及存储介质 | |
CN107370942B (zh) | 拍照方法、装置、存储介质及终端 | |
WO2021179471A1 (zh) | 一种人脸模糊度检测方法、装置、计算机设备及存储介质 | |
CN111191567A (zh) | 身份数据处理方法、装置、计算机设备和存储介质 | |
WO2019071664A1 (zh) | 结合深度信息的人脸识别方法、装置及存储介质 | |
WO2019033525A1 (zh) | Au特征识别方法、装置及存储介质 | |
CN111353364A (zh) | 一种人脸动态识别方法及装置、电子设备 | |
CN108108711B (zh) | 人脸布控方法、电子设备及存储介质 | |
CN106056083B (zh) | 一种信息处理方法及终端 | |
CN110245573B (zh) | 一种基于人脸识别的签到方法、装置及终端设备 | |
US11922724B2 (en) | Face recognition method utilizing a face recognition model and a face sample library to detect mask images | |
CN112418009A (zh) | 一种图像质量检测方法、终端设备及存储介质 | |
CN111353368A (zh) | 云台摄像机、人脸特征处理方法及装置、电子设备 | |
CN111382655A (zh) | 一种举手行为识别方法及装置、电子设备 | |
CN111191521B (zh) | 人脸活体检测方法、装置、计算机设备及存储介质 | |
JP2022133378A (ja) | 顔生体検出方法、装置、電子機器、及び記憶媒体 | |
CN114663726A (zh) | 目标类别检测模型的训练方法、目标检测方法及电子设备 | |
CN110837901A (zh) | 云试驾预约审核方法及装置、存储介质、云服务器 | |
CN110942067A (zh) | 文本识别方法、装置、计算机设备和存储介质 |
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: 20200619 |
|
RJ01 | Rejection of invention patent application after publication |