CN111340451A - 智能无感考勤方法及装置 - Google Patents
智能无感考勤方法及装置 Download PDFInfo
- Publication number
- CN111340451A CN111340451A CN202010127361.8A CN202010127361A CN111340451A CN 111340451 A CN111340451 A CN 111340451A CN 202010127361 A CN202010127361 A CN 202010127361A CN 111340451 A CN111340451 A CN 111340451A
- Authority
- CN
- China
- Prior art keywords
- attendance
- user
- information
- data source
- face recognition
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
- G06Q10/1091—Recording time for administrative or management purposes
-
- 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
- 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
- G07C1/12—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 wherein the time is indicated in figures
- G07C1/14—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 wherein the time is indicated in figures with apparatus adapted for use with individual cards
Abstract
本申请实施例提供一种智能无感考勤方法及装置，方法包括：采集用户在目标区域的多种数据源信息；根据预设考勤规则模型对所述多种数据源信息进行活动分析，得到用户活动信息，并根据所述用户活动信息对所述用户的考勤状态进行异常判断；本申请能够有效提升考勤管理效率和准确性，进而提升用户的用户体验。
Description
技术领域
本申请涉及智能考勤领域，具体涉及一种智能无感考勤方法及装置。
背景技术
传统、单一的考勤方式，存在一些问题，如刷卡考勤方式，存在忘记打卡，替人打卡的情况；人脸识别考勤，存在人脸误识、人脸作弊等情况；移动APP定位打卡，也存在忘记打卡的情况。上述问题降低了考勤管理效率和准确性，也给用户带来了不好的用户体验。
发明内容
针对现有技术中的问题，本申请提供一种智能无感考勤方法及装置，能够有效提升考勤管理效率和准确性，进而提升用户的用户体验。
为了解决上述问题中的至少一个，本申请提供以下技术方案：
第一方面，本申请提供一种智能无感考勤方法，包括：
采集用户在目标区域的多种数据源信息；
根据预设考勤规则模型对所述多种数据源信息进行活动分析，得到用户活动信息，并根据所述用户活动信息对所述用户的考勤状态进行异常判断。
进一步地，所述根据预设考勤规则模型对所述多种数据源信息进行活动分析，得到用户活动信息，并根据所述用户活动信息对所述用户的考勤状态进行异常判断，包括：
根据预设考勤规则模型对所述多种数据源信息进行活动分析，得到用户活动事件，其中，所述用户活动事件按照时间先后顺序排列；
根据所述用户活动事件和预设考勤正常活动规则，判断所述用户的考勤是否异常。
进一步地，所述根据预设考勤规则模型对所述多种数据源信息进行活动分析，得到用户活动事件，包括：
若所述数据源信息为通过摄像头采集的图像信息，则对所述图像信息进行人脸识别处理；
根据所述预设考勤规则模型对所述人脸识别处理的结果进行活动分析，得到所述用户活动事件。
进一步地，所述对所述图像信息进行人脸识别处理，包括：
对所述图像信息进行视频流处理，得到用户图片；
根据预设人脸识别云平台和人脸识别边缘计算节点对所述用户图片进行人脸检测，确定所述用户的身份信息，其中，所述预设人脸识别云平台存储有人脸特征数据，所述人脸识别边缘计算节点存储有人脸识别算法。
进一步地，所述根据所述预设考勤规则模型对所述人脸识别处理的结果进行活动分析，得到所述用户活动事件，包括：
根据所述用户的身份信息和所述图像信息中的位置信息，得到所述用户的用户活动事件。
进一步地，所述数据源信息包括：图像信息、网络接入信息、门禁信息以及消费信息中的至少一种，各种所述数据源信息分布式存储。
第二方面，本申请提供一种智能无感考勤装置，包括：
数据源信息采集模块，用于采集用户在目标区域的多种数据源信息；
用户活动分析模块，用于根据预设考勤规则模型对所述多种数据源信息进行活动分析，得到用户活动信息，并根据所述用户活动信息对所述用户的考勤状态进行异常判断。
进一步地，
所述用户活动分析模块包括：
用户活动事件确定单元，用于根据预设考勤规则模型对所述多种数据源信息进行活动分析，得到用户活动事件，其中，所述用户活动事件按照时间先后顺序排列；
考勤异常判断单元，用于根据所述用户活动事件和预设考勤正常活动规则，判断所述用户的考勤是否异常。
进一步地，所述用户活动事件确定单元包括：
人脸识别处理子单元，用于若所述数据源信息为通过摄像头采集的图像信息，则对所述图像信息进行人脸识别处理；
人脸确定事件子单元，用于根据所述预设考勤规则模型对所述人脸识别处理的结果进行活动分析，得到所述用户活动事件。
进一步地，所述人脸识别处理子单元包括：
视频流处理子单元，用于对所述图像信息进行视频流处理，得到用户图片；
用户身份确定子单元，用于根据预设人脸识别云平台和人脸识别边缘计算节点对所述用户图片进行人脸检测，确定所述用户的身份信息，其中，所述预设人脸识别云平台存储有人脸特征数据，所述人脸识别边缘计算节点存储有人脸识别算法。
进一步地，所述人脸确定事件子单元包括：
身份位置关联子单元，用于根据所述用户的身份信息和所述图像信息中的位置信息，得到所述用户的用户活动事件。
进一步地，所述数据源信息包括：图像信息、网络接入信息、门禁信息以及消费信息中的至少一种，各种所述数据源信息分布式存储。
第三方面，本申请提供一种电子设备，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的智能无感考勤方法的步骤。
第四方面，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，该计算机程序被处理器执行时实现所述的智能无感考勤方法的步骤。
由上述技术方案可知，本申请提供一种智能无感考勤方法及装置，通过采集用户在目标区域的多种数据源信息，如闸机门禁信息、视频监控图像信息、园区消费信息、无线网络接入信息等；根据预设考勤规则模型对所述多种数据源信息进行活动分析，得到用户活动信息，即得出用户在目标区域内的真实活动情况，并根据所述用户活动信息对所述用户的考勤状态进行异常判断，从而实现智能无感考勤，避免传统、单一考勤方式的缺点，在提升员工体验的同时，降低考勤管理成本、提升考勤管理效率。
附图说明
为了更清楚地说明本申请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，下面描述中的附图是本申请的一些实施例，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为本申请实施例中的智能无感考勤方法的流程示意图之一；
图2为本申请实施例中的智能无感考勤方法的流程示意图之二；
图3为本申请实施例中的智能无感考勤方法的流程示意图之三；
图4为本申请实施例中的智能无感考勤方法的流程示意图之四；
图5为本申请实施例中的智能无感考勤装置的结构图之一；
图6为本申请实施例中的智能无感考勤装置的结构图之二；
图7为本申请实施例中的智能无感考勤装置的结构图之三；
图8为本申请实施例中的智能无感考勤装置的结构图之四；
图9为本申请实施例中的智能无感考勤装置的结构图之五；
图10为本申请实施例中的电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
考虑到传统、单一的考勤方式，存在一些问题，如刷卡考勤方式，存在忘记打卡，替人打卡的情况；人脸识别考勤，存在人脸误识、人脸作弊等情况；移动APP定位打卡，也存在忘记打卡的情况。上述问题降低了考勤管理效率和准确性，也给用户带来了不好的用户体验的问题，本申请提供一种智能无感考勤方法及装置，通过采集用户在目标区域的多种数据源信息，如闸机门禁信息、视频监控图像信息、园区消费信息、无线网络接入信息等；根据预设考勤规则模型对所述多种数据源信息进行活动分析，得到用户活动信息，即得出用户在目标区域内的真实活动情况，并根据所述用户活动信息对所述用户的考勤状态进行异常判断，从而实现智能无感考勤，避免传统、单一考勤方式的缺点，在提升员工体验的同时，降低考勤管理成本、提升考勤管理效率。
为了能够有效提升考勤管理效率和准确性，进而提升用户的用户体验，本申请提供一种智能无感考勤方法的实施例，参见图1，所述智能无感考勤方法具体包含有如下内容：
步骤S101：采集用户在目标区域的多种数据源信息。
可选的，所述用户可以为在本系统中注册过的员工，所述目标区域可以为在本系统中预先设置好一个办公园区或一栋办公楼。
可选的，所述数据源信息为能够在所述目标区域内采集到的各种类型的员工监测信息，例如，通过摄像头采集员工的图像信息、通过闸机门禁采集员工的出入信息、通过消费系统采集员工的消费信息等。
步骤S102：根据预设考勤规则模型对所述多种数据源信息进行活动分析，得到用户活动信息，并根据所述用户活动信息对所述用户的考勤状态进行异常判断。
可选的，可以基于一预设的考勤规则模型的多种数据源信息进行综合的活动分析，或对存储在大数据平台的多种数据源信息进行加工和活动分析，并可以按时间顺序列出员工的用户活动信息，所述用户活动信息至少包含有用户活动事件，并通过考勤规则模型，智能判断员工的考勤情况，将最终考勤结果写入考勤管理系统并进行考勤异常判断。
具体的，基于一预设的考勤规则模型的多种数据源信息进行综合的活动分析，将工作日一天中用户最早活动事件的时间记为用户考勤开始时间T1，用户最晚活动事件的时间记为用户考勤结束时间T2，单位要求员工上班时间记为T3，要求下班时间记为T4，如果T1<＝T3同时T2>＝T4，则认为该员工当天的考勤正常，否则该员工考勤异常。同时基于用户活动事件，进行用户行为分析，包括建立用户行为基线、通过用户历史纵向对比、横向同组对比发现可疑异常考勤，对发现的可疑人员进行人工确认。如统计用户同组人员平均的各类活动事件次数，对显著偏离的用户置为可疑，或统计该用户的历史活动事件，对同比变化较大的用户置为可疑。
从上述描述可知，本申请实施例提供的智能无感考勤方法，能够通过采集用户在目标区域的多种数据源信息，如闸机门禁信息、视频监控图像信息、园区消费信息、无线网络接入信息等；根据预设考勤规则模型对所述多种数据源信息进行活动分析，得到用户活动信息，即得出用户在目标区域内的真实活动情况，并根据所述用户活动信息对所述用户的考勤状态进行异常判断，从而实现智能无感考勤，避免传统、单一考勤方式的缺点，在提升员工体验的同时，降低考勤管理成本、提升考勤管理效率。
为了能够准确得得到用户在目标区域内真实的用户活动事件，在本申请的智能无感考勤方法的一实施例中，参见图2，还可以具体包含如下内容：
步骤S201：根据预设考勤规则模型对所述多种数据源信息进行活动分析，得到用户活动事件，其中，所述用户活动事件按照时间先后顺序排列。
步骤S202：根据所述用户活动事件和预设考勤正常活动规则，判断所述用户的考勤是否异常。
可选的，可以基于一预设的考勤规则模型的多种数据源信息进行综合的活动分析，或对存储在大数据平台的多种数据源信息进行加工和活动分析，并可以按时间顺序列出员工的用户活动信息，所述用户活动信息至少包含有用户活动事件，并通过考勤规则模型，智能判断员工的考勤情况，将最终考勤结果写入考勤管理系统并进行考勤异常判断。
为了能够根据数据源信息中的人脸信息确定用户活动事件，在本申请的智能无感考勤方法的一实施例中，参见图3，还可以具体包含如下内容：
步骤S301：若所述数据源信息为通过摄像头采集的图像信息，则对所述图像信息进行人脸识别处理。
步骤S302：根据所述预设考勤规则模型对所述人脸识别处理的结果进行活动分析，得到所述用户活动事件。
可选的，通过摄像头采集视频，可以传输给人脸识别边缘计算节点，所述人脸识别边缘计算节点可以包括三个功能，第一个功能是视频流处理，将视频流按照一定时间间隔截取成图片；第二个功能是人脸检测，对图片进行人脸检测，检测出人脸小图，进行人脸识别，并将识别结果写入分布式缓存；第三个功能是从人脸识别云平台下载所在区域的人脸特征码，用于人脸比对。
其中，所述脸识别云平台用于存放统一人脸库，为人脸识别边缘计算节点提供人脸特征码下载，为人力资源管理系统提供人脸注册、更新、删除服务。
同时，本申请还提供一人力资源管理系统，用于管理员工的头像照片，并实时或准实时将头像照片在人脸识别云平台注册、分组，当员工离职时，同步删除人脸识别云平台的人脸注册信息。
为了能够准确得对人脸进行识别，在本申请的智能无感考勤方法的一实施例中，参见图4，还可以具体包含如下内容：
步骤S401：对所述图像信息进行视频流处理，得到用户图片。
步骤S401：根据预设人脸识别云平台和人脸识别边缘计算节点对所述用户图片进行人脸检测，确定所述用户的身份信息，其中，所述预设人脸识别云平台存储有人脸特征数据，所述人脸识别边缘计算节点存储有人脸识别算法。
可选的，所述人脸识别边缘计算节点可以包括三个功能，第一个功能是视频流处理，将视频流按照一定时间间隔截取成图片；第二个功能是人脸检测，对图片进行人脸检测，检测出人脸小图，进行人脸识别，并将识别结果写入分布式缓存；第三个功能是从人脸识别云平台下载所在区域的人脸特征码，用于人脸比对。
可选的，所述脸识别云平台用于存放统一人脸库，为人脸识别边缘计算节点提供人脸特征码下载，为人力资源管理系统提供人脸注册、更新、删除服务。
为了能够准确得用户活动事件，在本申请的智能无感考勤方法的一实施例中，还可以具体包含如下内容：
根据所述用户的身份信息和所述图像信息中的位置信息，得到所述用户的用户活动事件。
可选的，所述用户的用户活动事件至少可以根据所述用户的身份信息和所述图像信息中的位置信息而得到，具体的，所述用户活动事件，对于视频采集事件包括用户ID、抓拍位置、抓拍照片、时间，对于网络接入事件，包括用户ID、接入网络ID、接入IP地址、接入时间，对于门禁事件，包括用户ID、门禁位置、进出标志、时间，对于消费事件，包括用户ID、消费金额、消费事件。
为了能够采集不同维度的数据源信息并有效存储，在本申请的智能无感考勤方法的一实施例中，还可以具体包含如下内容：
所述数据源信息包括：图像信息、网络接入信息、门禁信息以及消费信息中的至少一种，各种所述数据源信息分布式存储。
可选的，除上述描述的通过摄像头采集得到的图像信息外，当员工使用电脑无线接入办公网络时，该系统将进行认证，并记录访问日志，以此采集得到用户的网络接入信息；此外，员工通过刷卡或人脸进出闸机和办公室，闸机、门禁系统将会记录员工的出入信息，即所述门禁信息；同时，员工刷卡或使用人脸消费时，消费系统将会记录员工的消费明细，以此采集得到用户的消费信息。
为了能够有效提升考勤管理效率和准确性，进而提升用户的用户体验，本申请提供一种用于实现所述智能无感考勤方法的全部或部分内容的智能无感考勤装置的实施例，参见图5，所述智能无感考勤装置具体包含有如下内容：
数据源信息采集模块10，用于采集用户在目标区域的多种数据源信息。
用户活动分析模块20，用于根据预设考勤规则模型对所述多种数据源信息进行活动分析，得到用户活动信息，并根据所述用户活动信息对所述用户的考勤状态进行异常判断。
从上述描述可知，本申请实施例提供的智能无感考勤装置，能够通过采集用户在目标区域的多种数据源信息，如闸机门禁信息、视频监控图像信息、园区消费信息、无线网络接入信息等；根据预设考勤规则模型对所述多种数据源信息进行活动分析，得到用户活动信息，即得出用户在目标区域内的真实活动情况，并根据所述用户活动信息对所述用户的考勤状态进行异常判断，从而实现智能无感考勤，避免传统、单一考勤方式的缺点，在提升员工体验的同时，降低考勤管理成本、提升考勤管理效率。
为了能够准确得得到用户在目标区域内真实的用户活动事件，在本申请的智能无感考勤装置的一实施例中，参见图6，所述用户活动分析模块20包括：
用户活动事件确定单元21，用于根据预设考勤规则模型对所述多种数据源信息进行活动分析，得到用户活动事件，其中，所述用户活动事件按照时间先后顺序排列。
考勤异常判断单元22，用于根据所述用户活动事件和预设考勤正常活动规则，判断所述用户的考勤是否异常。
为了能够根据数据源信息中的人脸信息确定用户活动事件，在本申请的智能无感考勤装置的一实施例中，参见图7，所述用户活动事件确定单元21包括：
人脸识别处理子单元211，用于若所述数据源信息为通过摄像头采集的图像信息，则对所述图像信息进行人脸识别处理。
人脸确定事件子单元212，用于根据所述预设考勤规则模型对所述人脸识别处理的结果进行活动分析，得到所述用户活动事件。
为了能够准确得对人脸进行识别，在本申请的智能无感考勤装置的一实施例中，参见图8，所述人脸识别处理子单元211包括：
视频流处理子单元2111，用于对所述图像信息进行视频流处理，得到用户图片。
用户身份确定子单元2112，用于根据预设人脸识别云平台和人脸识别边缘计算节点对所述用户图片进行人脸检测，确定所述用户的身份信息，其中，所述预设人脸识别云平台存储有人脸特征数据，所述人脸识别边缘计算节点存储有人脸识别算法。
为了能够准确得用户活动事件，在本申请的智能无感考勤装置的一实施例中，参见图9，所述人脸确定事件子单元212包括：
身份位置关联子单元2121，用于根据所述用户的身份信息和所述图像信息中的位置信息，得到所述用户的用户活动事件。
为了能够采集不同维度的数据源信息并有效存储，在本申请的智能无感考勤装置的一实施例中，所述数据源信息包括：图像信息、网络接入信息、门禁信息以及消费信息中的至少一种，各种所述数据源信息分布式存储。
为了更进一步说明本方案，本申请还提供一种应用上述智能无感考勤装置实现智能无感考勤方法的具体应用实例，具体包含有如下内容：
步骤1：人力资源管理系统将所有员工头像在人脸识别云平台注册和分组，包括以下几个子步骤：
1)员工在人力资源管理系统维护最新的证件照。
2)人力资源管理系统将员工头像在云平台注册并按区域进行分组。
3)员工离职时，人力管理系统同步将人脸识别云平台的人脸注册信息删除。
步骤2，人脸识别云平台处理人力资源管理系统的人脸注册、更新、删除、分组请求，包括如下几个子步骤：
1)根据变更类型，进行人脸注册、更新、删除。
2)记录人脸变更信息，为人脸识别边缘计算节点提供变更增量下载接口
步骤S3：人脸识别边缘计算节点从人脸识别云平台下载所属区域的人脸变更信息，根据变更类型，执行人脸新增、更新、删除等操作。
步骤S4：人脸识别边缘计算节点将采集的人脸照片与边缘节点的人脸库比对将比对结果写入分布式缓存队列。
步骤S5：无线WIFI接入系统的员工访问日志、园区消费系统的员工消费明细、闸机门禁系统的员工出入日志写入分布式缓存队列。
步骤S6：对分布式缓存中汇聚的各种数据源信息进行标准化处理并写入大数据平台存储。
步骤S7：基于大数据平台进行综合分析，列出员工按时间排序在员工的活动事件，然后根据预设的考勤规则模型将考勤结果写入考勤管理系统。包括以下几个子步骤：
1)按时间顺序排序员工的活动事件记录。
2)根据考勤规则模型，得出员工考勤结果。如正常情况下最早记录为考勤开始时间，最晚记录为考勤结束时间，但如果某个员工在一天内只有人脸识别记录，则该员工置为可疑考勤，需要人工确认。
步骤S8：将考勤结果写入考勤管理系统。
由上述描述可知，本申请还可以实现如下技术效果：
1、基于多数据源综合分析，实现了智能、无感的员工考勤，提升员工考勤体验。
2、避免传统、单一考勤方式的各种缺点和弊端，保证了员工考勤数据的准确性、完整性、可追溯性。
3、降低了考勤管理成本、提升了考勤管理效率。
从硬件层面来说，为了能够有效提升考勤管理效率和准确性，进而提升用户的用户体验，本申请提供一种用于实现所述智能无感考勤方法中的全部或部分内容的电子设备的实施例，所述电子设备具体包含有如下内容：
处理器(processor)、存储器(memory)、通信接口(Communications Interface)和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述通信接口用于实现智能无感考勤装置与核心业务系统、用户终端以及相关数据库等相关设备之间的信息传输；该逻辑控制器可以是台式计算机、平板电脑及移动终端等，本实施例不限于此。在本实施例中，该逻辑控制器可以参照实施例中的智能无感考勤方法的实施例，以及智能无感考勤装置的实施例进行实施，其内容被合并于此，重复之处不再赘述。
可以理解的是，所述用户终端可以包括智能手机、平板电子设备、网络机顶盒、便携式计算机、台式电脑、个人数字助理(PDA)、车载设备、智能穿戴设备等。其中，所述智能穿戴设备可以包括智能眼镜、智能手表、智能手环等。
在实际应用中，智能无感考勤方法的部分可以在如上述内容所述的电子设备侧执行，也可以所有的操作都在所述客户端设备中完成。具体可以根据所述客户端设备的处理能力，以及用户使用场景的限制等进行选择。本申请对此不作限定。若所有的操作都在所述客户端设备中完成，所述客户端设备还可以包括处理器。
上述的客户端设备可以具有通信模块(即通信单元)，可以与远程的服务器进行通信连接，实现与所述服务器的数据传输。所述服务器可以包括任务调度中心一侧的服务器，其他的实施场景中也可以包括中间平台的服务器，例如与任务调度中心服务器有通信链接的第三方服务器平台的服务器。所述的服务器可以包括单台计算机设备，也可以包括多个服务器组成的服务器集群，或者分布式装置的服务器结构。
图10为本申请实施例的电子设备9600的系统构成的示意框图。如图10所示，该电子设备9600可以包括中央处理器9100和存储器9140；存储器9140耦合到中央处理器9100。值得注意的是，该图10是示例性的；还可以使用其他类型的结构，来补充或代替该结构，以实现电信功能或其他功能。
一实施例中，智能无感考勤方法功能可以被集成到中央处理器9100中。其中，中央处理器9100可以被配置为进行如下控制：
步骤S101：采集用户在目标区域的多种数据源信息。
步骤S102：根据预设考勤规则模型对所述多种数据源信息进行活动分析，得到用户活动信息，并根据所述用户活动信息对所述用户的考勤状态进行异常判断。
从上述描述可知，本申请实施例提供的电子设备，通过采集用户在目标区域的多种数据源信息，如闸机门禁信息、视频监控图像信息、园区消费信息、无线网络接入信息等；根据预设考勤规则模型对所述多种数据源信息进行活动分析，得到用户活动信息，即得出用户在目标区域内的真实活动情况，并根据所述用户活动信息对所述用户的考勤状态进行异常判断，从而实现智能无感考勤，避免传统、单一考勤方式的缺点，在提升员工体验的同时，降低考勤管理成本、提升考勤管理效率。
在另一个实施方式中，智能无感考勤装置可以与中央处理器9100分开配置，例如可以将智能无感考勤装置配置为与中央处理器9100连接的芯片，通过中央处理器的控制来实现智能无感考勤方法功能。
如图10所示，该电子设备9600还可以包括：通信模块9110、输入单元9120、音频处理器9130、显示器9160、电源9170。值得注意的是，电子设备9600也并不是必须要包括图10中所示的所有部件；此外，电子设备9600还可以包括图10中没有示出的部件，可以参考现有技术。
如图10所示，中央处理器9100有时也称为控制器或操作控件，可以包括微处理器或其他处理器装置和/或逻辑装置，该中央处理器9100接收输入并控制电子设备9600的各个部件的操作。
其中，存储器9140，例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息，此外还可存储执行有关信息的程序。并且中央处理器9100可执行该存储器9140存储的该程序，以实现信息存储或处理等。
输入单元9120向中央处理器9100提供输入。该输入单元9120例如为按键或触摸输入装置。电源9170用于向电子设备9600提供电力。显示器9160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器，但并不限于此。
该存储器9140可以是固态存储器，例如，只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器，其即使在断电时也保存信息，可被选择性地擦除且设有更多数据，该存储器的示例有时被称为EPROM等。存储器9140还可以是某种其它类型的装置。存储器9140包括缓冲存储器9141(有时被称为缓冲器)。存储器9140可以包括应用/功能存储部9142，该应用/功能存储部9142用于存储应用程序和功能程序或用于通过中央处理器9100执行电子设备9600的操作的流程。
存储器9140还可以包括数据存储部9143，该数据存储部9143用于存储数据，例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器9140的驱动程序存储部9144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
通信模块9110即为经由天线9111发送和接收信号的发送机/接收机9110。通信模块(发送机/接收机)9110耦合到中央处理器9100，以提供输入信号和接收输出信号，这可以和常规移动通信终端的情况相同。
基于不同的通信技术，在同一电子设备中，可以设置有多个通信模块9110，如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)9110还经由音频处理器9130耦合到扬声器9131和麦克风9132，以经由扬声器9131提供音频输出，并接收来自麦克风9132的音频输入，从而实现通常的电信功能。音频处理器9130可以包括任何合适的缓冲器、解码器、放大器等。另外，音频处理器9130还耦合到中央处理器9100，从而使得可以通过麦克风9132能够在本机上录音，且使得可以通过扬声器9131来播放本机上存储的声音。
本申请的实施例还提供能够实现上述实施例中的执行主体为服务器或客户端的智能无感考勤方法中全部步骤的一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中的执行主体为服务器或客户端的智能无感考勤方法的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：
步骤S101：采集用户在目标区域的多种数据源信息。
步骤S102：根据预设考勤规则模型对所述多种数据源信息进行活动分析，得到用户活动信息，并根据所述用户活动信息对所述用户的考勤状态进行异常判断。
从上述描述可知，本申请实施例提供的计算机可读存储介质，通过采集用户在目标区域的多种数据源信息，如闸机门禁信息、视频监控图像信息、园区消费信息、无线网络接入信息等；根据预设考勤规则模型对所述多种数据源信息进行活动分析，得到用户活动信息，即得出用户在目标区域内的真实活动情况，并根据所述用户活动信息对所述用户的考勤状态进行异常判断，从而实现智能无感考勤，避免传统、单一考勤方式的缺点，在提升员工体验的同时，降低考勤管理成本、提升考勤管理效率。
本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(装置)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (14)
1.一种智能无感考勤方法，其特征在于，所述方法包括：
采集用户在目标区域的多种数据源信息；
根据预设考勤规则模型对所述多种数据源信息进行活动分析，得到用户活动信息，并根据所述用户活动信息对所述用户的考勤状态进行异常判断。
2.根据权利要求1所述的智能无感考勤方法，其特征在于，所述根据预设考勤规则模型对所述多种数据源信息进行活动分析，得到用户活动信息，并根据所述用户活动信息对所述用户的考勤状态进行异常判断，包括：
根据预设考勤规则模型对所述多种数据源信息进行活动分析，得到用户活动事件，其中，所述用户活动事件按照时间先后顺序排列；
根据所述用户活动事件和预设考勤正常活动规则，判断所述用户的考勤是否异常。
3.根据权利要求2所述的智能无感考勤方法，其特征在于，所述根据预设考勤规则模型对所述多种数据源信息进行活动分析，得到用户活动事件，包括：
若所述数据源信息为通过摄像头采集的图像信息，则对所述图像信息进行人脸识别处理；
根据所述预设考勤规则模型对所述人脸识别处理的结果进行活动分析，得到所述用户活动事件。
4.根据权利要求3所述的智能无感考勤方法，其特征在于，所述对所述图像信息进行人脸识别处理，包括：
对所述图像信息进行视频流处理，得到用户图片；
根据预设人脸识别云平台和人脸识别边缘计算节点对所述用户图片进行人脸检测，确定所述用户的身份信息，其中，所述预设人脸识别云平台存储有人脸特征数据，所述人脸识别边缘计算节点存储有人脸识别算法。
5.根据权利要求4所述的智能无感考勤方法，其特征在于，所述根据所述预设考勤规则模型对所述人脸识别处理的结果进行活动分析，得到所述用户活动事件，包括：
根据所述用户的身份信息和所述图像信息中的位置信息，得到所述用户的用户活动事件。
6.根据权利要求1所述的智能无感考勤方法，其特征在于，所述数据源信息包括：图像信息、网络接入信息、门禁信息以及消费信息中的至少一种，各种所述数据源信息分布式存储。
7.一种智能无感考勤装置，其特征在于，包括：
数据源信息采集模块，用于采集用户在目标区域的多种数据源信息；
用户活动分析模块，用于根据预设考勤规则模型对所述多种数据源信息进行活动分析，得到用户活动信息，并根据所述用户活动信息对所述用户的考勤状态进行异常判断。
8.根据权利要求7所述的智能无感考勤装置，其特征在于，所述用户活动分析模块包括：
用户活动事件确定单元，用于根据预设考勤规则模型对所述多种数据源信息进行活动分析，得到用户活动事件，其中，所述用户活动事件按照时间先后顺序排列；
考勤异常判断单元，用于根据所述用户活动事件和预设考勤正常活动规则，判断所述用户的考勤是否异常。
9.根据权利要求8所述的智能无感考勤装置，其特征在于，所述用户活动事件确定单元包括：
人脸识别处理子单元，用于若所述数据源信息为通过摄像头采集的图像信息，则对所述图像信息进行人脸识别处理；
人脸确定事件子单元，用于根据所述预设考勤规则模型对所述人脸识别处理的结果进行活动分析，得到所述用户活动事件。
10.根据权利要求9所述的智能无感考勤装置，其特征在于，所述人脸识别处理子单元包括：
视频流处理子单元，用于对所述图像信息进行视频流处理，得到用户图片；
用户身份确定子单元，用于根据预设人脸识别云平台和人脸识别边缘计算节点对所述用户图片进行人脸检测，确定所述用户的身份信息，其中，所述预设人脸识别云平台存储有人脸特征数据，所述人脸识别边缘计算节点存储有人脸识别算法。
11.根据权利要求10所述的智能无感考勤装置，其特征在于，所述人脸确定事件子单元包括：
身份位置关联子单元，用于根据所述用户的身份信息和所述图像信息中的位置信息，得到所述用户的用户活动事件。
12.根据权利要求7所述的智能无感考勤装置，其特征在于，所述数据源信息包括：图像信息、网络接入信息、门禁信息以及消费信息中的至少一种，各种所述数据源信息分布式存储。
13.一种电子设备，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权利要求1至6任一项所述的智能无感考勤方法的步骤。
14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6任一项所述的智能无感考勤方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010127361.8A CN111340451A (zh) | 2020-02-28 | 2020-02-28 | 智能无感考勤方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010127361.8A CN111340451A (zh) | 2020-02-28 | 2020-02-28 | 智能无感考勤方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111340451A true CN111340451A (zh) | 2020-06-26 |
Family
ID=71187046
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010127361.8A Pending CN111340451A (zh) | 2020-02-28 | 2020-02-28 | 智能无感考勤方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111340451A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111709724A (zh) * | 2020-08-18 | 2020-09-25 | 北京志翔科技股份有限公司 | 深度考勤方法及系统 |
| CN112884930A (zh) * | 2021-02-24 | 2021-06-01 | 深圳康佳电子科技有限公司 | 智慧大厦人员管控方法、装置、系统及存储介质 |
| CN115841709A (zh) * | 2022-11-11 | 2023-03-24 | 四川智胜慧旅科技有限公司 | 一种景区场景被动式无感知考勤装置及方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN205899624U (zh) * | 2016-07-18 | 2017-01-18 | 重庆中科云丛科技有限公司 | 智能考勤系统 |
| CN107481342A (zh) * | 2016-06-07 | 2017-12-15 | 腾讯科技（深圳）有限公司 | 考勤系统、方法、服务器和终端 |
| CN107564119A (zh) * | 2017-09-01 | 2018-01-09 | 北京中燕信息技术有限公司 | 一种考勤管理系统及其方法 |
| CN108846911A (zh) * | 2018-04-13 | 2018-11-20 | 华为技术有限公司 | 一种考勤方法及装置 |
| CN108932760A (zh) * | 2018-06-14 | 2018-12-04 | 深圳市商汤科技有限公司 | 基于人脸识别的考勤方法及终端 |
| CN109255537A (zh) * | 2018-09-10 | 2019-01-22 | 珠海格力电器股份有限公司 | 一种劳动纪律考勤管理方法及系统 |
-
2020
- 2020-02-28 CN CN202010127361.8A patent/CN111340451A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107481342A (zh) * | 2016-06-07 | 2017-12-15 | 腾讯科技（深圳）有限公司 | 考勤系统、方法、服务器和终端 |
| CN205899624U (zh) * | 2016-07-18 | 2017-01-18 | 重庆中科云丛科技有限公司 | 智能考勤系统 |
| CN107564119A (zh) * | 2017-09-01 | 2018-01-09 | 北京中燕信息技术有限公司 | 一种考勤管理系统及其方法 |
| CN108846911A (zh) * | 2018-04-13 | 2018-11-20 | 华为技术有限公司 | 一种考勤方法及装置 |
| CN108932760A (zh) * | 2018-06-14 | 2018-12-04 | 深圳市商汤科技有限公司 | 基于人脸识别的考勤方法及终端 |
| CN109255537A (zh) * | 2018-09-10 | 2019-01-22 | 珠海格力电器股份有限公司 | 一种劳动纪律考勤管理方法及系统 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111709724A (zh) * | 2020-08-18 | 2020-09-25 | 北京志翔科技股份有限公司 | 深度考勤方法及系统 |
| CN112884930A (zh) * | 2021-02-24 | 2021-06-01 | 深圳康佳电子科技有限公司 | 智慧大厦人员管控方法、装置、系统及存储介质 |
| CN115841709A (zh) * | 2022-11-11 | 2023-03-24 | 四川智胜慧旅科技有限公司 | 一种景区场景被动式无感知考勤装置及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111340451A (zh) | 智能无感考勤方法及装置 | |
| US9111402B1 (en) | Systems and methods for capturing employee time for time and attendance management | |
| AU2021203255B2 (en) | Methods and systems for cloud-and mobile device-based biological inventory tracking | |
| CN109947821B (zh) | 报告信息的生成方法、显示方法、装置、设备及存储介质 | |
| CN111597388B (zh) | 基于分布式系统的样本采集方法、装置、设备及介质 | |
| CN104376340A (zh) | 打卡方法及装置 | |
| CN106534562A (zh) | 文件删除方法及装置 | |
| CN106446185A (zh) | 产品推荐方法、装置以及服务器 | |
| CN112530205A (zh) | 机场停机坪飞机状态检测方法及装置 | |
| CN106021072A (zh) | 信息显示方法及装置 | |
| CN114973436A (zh) | 考勤方法、装置、智能考勤终端及存储介质 | |
| CN110990878B (zh) | 一种隐私数据衍生图的构建方法 | |
| TWM569449U (zh) | Smart attendance system and its mobile device | |
| CN112613745A (zh) | 记录仪管理方法、系统、存储介质以及电子设备 | |
| KR20180020745A (ko) | 일과 생활에 대한 정보를 제공하기 위한 전자 장치 및 방법 | |
| AU2022100065A4 (en) | Data integrity management in a computer network | |
| JP2021520020A (ja) | 仮想アセットタグ付け及び拡張カメラディスプレイシステム及びその使用方法 | |
| CN115794545A (zh) | 运维数据的自动化处理方法及其相关设备 | |
| CN114139942A (zh) | 一种任务分配方法、系统、电子设备及存储介质 | |
| CN103491234A (zh) | 一种数据处理的方法及一种电子设备 | |
| US20190180042A1 (en) | Image display device, image display control device, and image display control method | |
| CN111435525A (zh) | 阅读计划确定方法、装置、设备、服务器及存储介质 | |
| AU2021103692A4 (en) | Data integrity management in a computer network | |
| CN113989842A (zh) | 网点客流分析方法及装置 | |
| CN112801657A (zh) | 餐卡充值自动化处理方法及装置 |
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 |