CN111768511A - 一种基于云测温设备的员工信息记录方法及装置 - Google Patents

一种基于云测温设备的员工信息记录方法及装置 Download PDF

Info

Publication number
CN111768511A
CN111768511A CN202010645436.1A CN202010645436A CN111768511A CN 111768511 A CN111768511 A CN 111768511A CN 202010645436 A CN202010645436 A CN 202010645436A CN 111768511 A CN111768511 A CN 111768511A
Authority
CN
China
Prior art keywords
face image
image texture
body temperature
employee
acquiring
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
CN202010645436.1A
Other languages
English (en)
Inventor
冯哲
王晓敏
刘方兵
秦恺骐
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.)
Hubei Electric Power Equipment Co ltd
Original Assignee
Hubei Electric Power Equipment 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 Hubei Electric Power Equipment Co ltd filed Critical Hubei Electric Power Equipment Co ltd
Priority to CN202010645436.1A priority Critical patent/CN111768511A/zh
Publication of CN111768511A publication Critical patent/CN111768511A/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
    • 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
    • G06F16/5862—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using texture
    • 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)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Library & Information Science (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Radiation Pyrometers (AREA)
  • Image Processing (AREA)

Abstract

本发明提出了一种基于云测温设备的员工信息记录方法及装置。包括：获取人脸图像信息以及体温数据，并将体温数据与人脸图像信息进行绑定；建立Gabor算法，通过Gabor算法对人脸图像信息进行处理，获取人脸图像纹理特征；获取本地人脸图像纹理特征数据库，根据本地人脸图像纹理特征数据库对人脸图像纹理特征进行识别，获取识别结果；根据识别结果获取对应的体温数据，并生成数据表。本发明通过Gabor算法从频率和方向上解析人脸图像，对人脸图像特征的提取和纹理的描述更加全面，能够减小位置和角度对人脸识别的干扰，提高了员工信息记录精确度。

Description

一种基于云测温设备的员工信息记录方法及装置
技术领域
本发明涉及计算机软件技术领域，尤其涉及一种基于云测温设备的员工信 息记录方法及装置。
背景技术
作为分接触式体温计的代表，红外额温枪和红外耳温枪得到了广泛的应用。 但这些体温计往往只是进行测量，无法对测量的人员身份进行辨识，无法存储 测量的体温信息，需要对测温信息和被测人员信息进行人工登记，也降低了体 温测量的工作效率，无法进行高效率大范围的体温测量工作。
对于企业来说，仅仅是记录员工的温度信息是不够的，还需要将温度信息 与对应的员工对应起来，但是现有的云测温员工信息记录方法并不够精确，特 别是对于人脸识别来说，可能会因为人脸识别的精度不够导致员工信息没有及 时进行记录，对于企业来说，这种问题不仅影响企业管理，同时也耗费人工成 本，所以，亟需一种精确的云测温员工信息记录方法。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现 有技术。
发明内容
有鉴于此，本发明提出了一种基于云测温设备的员工信息记录方法及装 置，旨在解决现有技术无法通过Gabor小波变换提高人脸识别度的方式来提高 员工信息记录精确度的技术问题。
本发明的技术方案是这样实现的：
一方面，本发明提供了一种基于云测温设备的员工信息记录方法，所述基 于云测温设备的员工信息记录方法包括以下步骤：
S1，获取人脸图像信息以及体温数据，并将体温数据与人脸图像信息进行 绑定；
S2，建立Gabor算法，通过Gabor算法对人脸图像信息进行处理，获取人 脸图像纹理特征；
S3，获取本地人脸图像纹理特征数据库，根据本地人脸图像纹理特征数据 库对人脸图像纹理特征进行识别，获取识别结果；
S4，根据识别结果获取对应的体温数据，并生成数据表。
在以上技术方案的基础上，优选的，步骤S1中，获取人脸图像信息以及体 温数据，并将体温数据与人脸图像信息进行绑定，还包括以下步骤，设定标准 人脸图像尺寸，获取人脸图像信息以及体温数据，所述人脸图像信息包括：人 脸图像尺寸以及人脸图像，根据标准人脸图像尺寸对人脸图像信息进行筛选， 筛选出满足标准人脸图像尺寸的人脸图像信息，并将人脸图像信息与体温数据 进行绑定。
在以上技术方案的基础上，优选的，步骤S2中，建立Gabor算法，通过 Gabor算法对人脸图像信息进行处理，获取人脸图像纹理特征，还包括以下步 骤，建立Gabor算法，通过Gabor算法对人脸图像信息进行解析，从解析结果 中提取人脸图像纹理特征。
在以上技术方案的基础上，优选的，所述Gabor算法为：
Figure BDA0002572937280000021
其中，u为方向变量，v为尺度变量，||*||表示对*进行取模运算，
Figure BDA0002572937280000022
用来 补偿频率导致能量谱的衰弱，
Figure BDA0002572937280000023
用来限定振荡函数的变化范围，使 其仅在局部起作用，
Figure BDA0002572937280000024
是直流分量，[exp(i·ku,v·z)]是一种振荡平面波函数， σ是高斯函数半径，
Figure BDA0002572937280000025
ρ为频程的带宽，ku,v是中心频率。
在以上技术方案的基础上，优选的，步骤S3中，获取本地人脸图像纹理特 征数据库，根据本地人脸图像纹理特征数据库对人脸图像纹理特征进行识别， 获取识别结果之前，还包括以下步骤，从本地数据库中获取员工人脸图像纹理 特征以及员工姓名，根据员工人脸图像纹理特征建立本地人脸图像纹理特征数 据库，并将员工姓名作为对应员工人脸图像纹理特征的标签存入本地人脸图像 纹理特征数据库中。
在以上技术方案的基础上，优选的，获取本地人脸图像纹理特征数据库， 根据本地人脸图像纹理特征数据库对人脸图像纹理特征进行识别，获取识别结 果，还包括以下步骤，获取本地人脸图像纹理特征数据库，根据本地人脸图像 纹理特征数据库对人脸图像纹理特征进行识别，当本地人脸图像纹理特征数据 库中存在对应的人脸图像纹理特征时，记录当前的人脸图像纹理特征以及对应 的员工姓名；当本地人脸图像纹理特征数据库中不存在对应的人脸图像纹理特 征时，选择下一个人脸图像纹理特征进行识别。
在以上技术方案的基础上，优选的，步骤S4中，根据识别结果获取对应的 体温数据，并生成数据表，还包括以下步骤，根据人脸图像纹理特征获取对应 的体温数据，并结合对应的员工姓名生成体温数据报表展示给管理人员。
更进一步优选的，所述基于云测温设备的员工信息记录装置包括：
数据采集模块，用于获取人脸图像信息以及体温数据，并将体温数据与人 脸图像信息进行绑定；
处理模块，用于建立Gabor算法，通过Gabor算法对人脸图像信息进行处 理，获取人脸图像纹理特征；
识别模块，用于获取本地人脸图像纹理特征数据库，根据本地人脸图像纹 理特征数据库对人脸图像纹理特征进行识别，获取识别结果；
记录模块，用于根据识别结果获取对应的体温数据，并生成数据表。
第二方面，所述基于云测温设备的员工信息记录方法还包括一种设备，所 述设备包括：存储器、处理器以及存储在所述存储器上并可在所述处理器上运 行的基于云测温设备的员工信息记录方法程序，所述基于云测温设备的员工信 息记录方法程序配置为实现如上文所述的基于云测温设备的员工信息记录方法 的步骤。
第三方面，所述基于云测温设备的员工信息记录方法还包括一种介质，所 述介质为计算机介质，所述计算机介质上存储有基于云测温设备的员工信息记 录方法程序，所述基于云测温设备的员工信息记录方法程序被处理器执行时实 现如上文所述的基于云测温设备的员工信息记录方法的步骤。
本发明的一种基于云测温设备的员工信息记录方法相对于现有技术具有以 下有益效果：
(1)通过Gabor算法从频率和方向上解析人脸图像，对人脸图像特征的提取 和纹理的描述更加全面，能够减小位置和角度对人脸识别的干扰，提高员工信 息记录精确度。
(2)通过将测温与人脸识别结合起来，能够在记录员工体温数据的同时记录 当前测量的员工信息，避免了企业在测温时无法追踪到个人所造成的企业管理 问题。
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是本发明实施例方案涉及的硬件运行环境的设备的结构示意图；
图2为本发明基于云测温设备的员工信息记录方法第一实施例的流程示意 图；
图3本发明基于云测温设备的员工信息记录方法第一实施例的功能模块示 意图。
具体实施方式
下面将结合本发明实施方式，对本发明实施方式中的技术方案进行清楚、 完整地描述，显然，所描述的实施方式仅仅是本发明一部分实施方式，而不是 全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有做出 创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
如图1所示，该设备可以包括：处理器1001，例如中央处理器(Central ProcessingUnit，CPU)，通信总线1002、用户接口1003，网络接口1004，存 储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口 1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户 接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以 包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity，WI-FI)接 口)。存储器1005可以是高速的随机存取存储器(Random AccessMemory， RAM)存储器，也可以是稳定的非易失性存储器(Non-Volatile Memory， NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001 的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对设备的限定，在 实际应用中设备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 不同的部件布置。
如图1所示，作为一种介质的存储器1005中可以包括操作系统、网络通信 模块、用户接口模块以及基于云测温设备的员工信息记录方法程序。
在图1所示的设备中，网络接口1004主要用于建立设备与存储基于云测温 设备的员工信息记录方法系统中所需的所有数据的服务器的通信连接；用户接 口1003主要用于与用户进行数据交互；本发明基于云测温设备的员工信息记录 方法设备中的处理器1001、存储器1005可以设置在基于云测温设备的员工信息 记录方法设备中，所述基于云测温设备的员工信息记录方法设备通过处理器 1001调用存储器1005中存储的基于云测温设备的员工信息记录方法程序，并执 行本发明实施提供的基于云测温设备的员工信息记录方法。
结合图2，图2为本发明基于云测温设备的员工信息记录方法第一实施例的 流程示意图。
本实施例中，所述基于云测温设备的员工信息记录方法包括以下步骤：
S10：获取人脸图像信息以及体温数据，并将体温数据与人脸图像信息进行 绑定。
应当理解的是，系统还会预先设定标准人脸图像尺寸，这个标准人脸图像 尺寸用于筛选设备获取的不符合处理要求的人脸图像，比如人脸图像过于模糊， 人脸图像没有拍摄完整等，通过标准人脸图像尺寸对人脸图像信息进行筛选， 筛选出满足标准人脸图像尺寸的人脸图像信息，能够减少后续系统的运算量。
应当理解的是，在筛选出符合处理要求的人脸图像之后，系统会将测量的 人体温度与对应的人脸图像进行绑定，以便于后期对人脸图像进行记录。
S20：用于建立Gabor算法，通过Gabor算法对人脸图像信息进行处理，获 取人脸图像纹理特征。
应当理解的是，Gabor小波变换在图像处理中常被用于纹理分析和获取特 征。这是因为Gabor滤波器可对要处理的数据设置方向参数和尺度参数，能够 在频率和方向上解析人脸图像特征，对特征的提取和纹理的描述更加全面，减 小位置和角度对人脸识别的干扰。Gabor滤波器的核心思想有两种：一是滤波核 函数，二是提取图片的纹理特征。
应当理解的是，本实施例中，通过Gabor滤波器的Gabor算法对人脸图像 信息进行解析，从解析结果中提取人脸图像纹理特征。
应当理解的是，Gabor滤波器对应的Gabor算法为：
Figure BDA0002572937280000061
其中，u为方向变量，v为尺度变量，||*||表示对*进行取模运算，
Figure BDA0002572937280000062
用来 补偿频率导致能量谱的衰弱，
Figure BDA0002572937280000063
用来限定振荡函数的变化范围，使 其仅在局部起作用，
Figure BDA0002572937280000071
是直流分量，[exp(i·ku,v·z)]是一种振荡平面波函数， σ是高斯函数半径，
Figure BDA0002572937280000072
ρ为频程的带宽，ku,v是中心频率。
应当理解的是，
Figure BDA0002572937280000073
Figure BDA0002572937280000074
是并行条纹的角度参数，
Figure BDA0002572937280000075
在该函数中f是空间因子变量，kmax是滤波器最 大中心频率，v是对于图像尺度的提取数目，
Figure BDA0002572937280000076
n是提取纹理的方向个 数。
S30：获取本地人脸图像纹理特征数据库，根据本地人脸图像纹理特征数据 库对人脸图像纹理特征进行识别，获取识别结果。
应当理解的是，在对人脸图像纹理特征进行识别之前，系统会从本地数据 库中获取员工人脸图像纹理特征以及员工姓名，本地数据库是管理员预先建立 的含有公司所有员工人脸图像纹理特征的数据库，其中还包括员工的姓名、工 作岗位、员工工号等与员工职位相关的数据，用于后续对员工进行管理。
应当理解的是，之后系统会根据本地数据库中的所有员工人脸图像纹理特 征建立本地人脸图像纹理特征数据库用于对获取的人脸图像纹理特征进行识 别，当本地人脸图像纹理特征数据库中存在对应的人脸图像纹理特征时，记录 当前的人脸图像纹理特征以及对应的员工姓名；当本地人脸图像纹理特征数据 库中不存在对应的人脸图像纹理特征时，选择下一个人脸图像纹理特征进行识 别。
S40：根据识别结果获取对应的体温数据，并生成数据表。
应当理解的是，系统在完成对获取的人脸图像纹理特征进行识别之后，系 统会将识别完成的人脸图像纹理特征、测量的体温数据以及员工姓名整合到一 起生成一个体温数据表，用于后续记录，同时也方便了管理员的管理。
需要说明的是，以上仅为举例说明，并不对本申请的技术方案构成任何限 定。
通过上述描述不难发现，本实施例通过获取人脸图像信息以及体温数据， 并将体温数据与人脸图像信息进行绑定；建立Gabor算法，通过Gabor算法对 人脸图像信息进行处理，获取人脸图像纹理特征；获取本地人脸图像纹理特征 数据库，根据本地人脸图像纹理特征数据库对人脸图像纹理特征进行识别，获 取识别结果；根据识别结果获取对应的体温数据，并生成数据表。本实施例通 过Gabor算法从频率和方向上解析人脸图像，对人脸图像特征的提取和纹理的 描述更加全面，能够减小位置和角度对人脸识别的干扰，提高了员工信息记录 精确度。
此外，本发明实施例还提出一种基于云测温设备的员工信息记录装置。如 图3所示，该基于云测温设备的员工信息记录装置包括：数据采集模块10、处 理模块20、识别模块30、记录模块40。
数据采集模块10，用于获取人脸图像信息以及体温数据，并将体温数据与 人脸图像信息进行绑定；
处理模块20，用于建立Gabor算法，通过Gabor算法对人脸图像信息进行 处理，获取人脸图像纹理特征；
识别模块30，用于获取本地人脸图像纹理特征数据库，根据本地人脸图像 纹理特征数据库对人脸图像纹理特征进行识别，获取识别结果；
记录模块40，用于根据识别结果获取对应的体温数据，并生成数据表。
此外，需要说明的是，以上所描述的装置实施例仅仅是示意性的，并不对 本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际 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，此处不做限 制。
另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所 提供的基于云测温设备的员工信息记录方法，此处不再赘述。
此外，本发明实施例还提出一种介质，所述介质为计算机介质，所述计算 机介质上存储有基于云测温设备的员工信息记录方法程序，所述基于云测温设 备的员工信息记录方法程序被处理器执行时实现如下操作：
S1，获取人脸图像信息以及体温数据，并将体温数据与人脸图像信息进行 绑定；
S2，建立Gabor算法，通过Gabor算法对人脸图像信息进行处理，获取人 脸图像纹理特征；
S3，获取本地人脸图像纹理特征数据库，根据本地人脸图像纹理特征数据 库对人脸图像纹理特征进行识别，获取识别结果；
S4，根据识别结果获取对应的体温数据，并生成数据表。
进一步地，所述基于云测温设备的员工信息记录方法程序被处理器执行时 还实现如下操作：
设定标准人脸图像尺寸，获取人脸图像信息以及体温数据，所述人脸图像 信息包括：人脸图像尺寸以及人脸图像，根据标准人脸图像尺寸对人脸图像信 息进行筛选，筛选出满足标准人脸图像尺寸的人脸图像信息，并将人脸图像信 息与体温数据进行绑定。
进一步地，所述基于云测温设备的员工信息记录方法程序被处理器执行时 还实现如下操作：
建立Gabor算法，通过Gabor算法对人脸图像信息进行解析，从解析结果 中提取人脸图像纹理特征。
进一步地，所述基于云测温设备的员工信息记录方法程序被处理器执行时 还实现如下操作：
所述Gabor算法为：
Figure BDA0002572937280000091
其中，u为方向变量，v为尺度变量，||*||表示对*进行取模运算，
Figure BDA0002572937280000092
用来 补偿频率导致能量谱的衰弱，
Figure BDA0002572937280000101
用来限定振荡函数的变化范围，使 其仅在局部起作用，
Figure BDA0002572937280000102
是直流分量，[exp(i·ku,v·z)]是一种振荡平面波函数， σ是高斯函数半径，
Figure BDA0002572937280000103
ρ为频程的带宽，ku,v是中心频率。
进一步地，所述基于云测温设备的员工信息记录方法程序被处理器执行时 还实现如下操作：
从本地数据库中获取员工人脸图像纹理特征以及员工姓名，根据员工人脸 图像纹理特征建立本地人脸图像纹理特征数据库，并将员工姓名作为对应员工 人脸图像纹理特征的标签存入本地人脸图像纹理特征数据库中。
进一步地，所述基于云测温设备的员工信息记录方法程序被处理器执行时 还实现如下操作：
获取本地人脸图像纹理特征数据库，根据本地人脸图像纹理特征数据库对 人脸图像纹理特征进行识别，当本地人脸图像纹理特征数据库中存在对应的人 脸图像纹理特征时，记录当前的人脸图像纹理特征以及对应的员工姓名；当本 地人脸图像纹理特征数据库中不存在对应的人脸图像纹理特征时，选择下一个 人脸图像纹理特征进行识别。
进一步地，所述基于云测温设备的员工信息记录方法程序被处理器执行时 还实现如下操作：
根据人脸图像纹理特征获取对应的体温数据，并结合对应的员工姓名生成 体温数据报表展示给管理人员。
以上所述仅为本发明的较佳实施方式而已，并不用以限制本发明，凡在本 发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本 发明的保护范围之内。

Claims (10)

1.一种基于云测温设备的员工信息记录方法，其特征在于：包括以下步骤；
S1，获取人脸图像信息以及体温数据，并将体温数据与人脸图像信息进行绑定；
S2，建立Gabor算法，通过Gabor算法对人脸图像信息进行处理，获取人脸图像纹理特征；
S3，获取本地人脸图像纹理特征数据库，根据本地人脸图像纹理特征数据库对人脸图像纹理特征进行识别，获取识别结果；
S4，根据识别结果获取对应的体温数据，并生成数据表。
2.如权利要求1所述的基于云测温设备的员工信息记录方法，其特征在于：步骤S1中，获取人脸图像信息以及体温数据，并将体温数据与人脸图像信息进行绑定，还包括以下步骤，设定标准人脸图像尺寸，获取人脸图像信息以及体温数据，所述人脸图像信息包括：人脸图像尺寸以及人脸图像，根据标准人脸图像尺寸对人脸图像信息进行筛选，筛选出满足标准人脸图像尺寸的人脸图像信息，并将人脸图像信息与体温数据进行绑定。
3.如权利要求2所述的基于云测温设备的员工信息记录方法，其特征在于：步骤S2中，建立Gabor算法，通过Gabor算法对人脸图像信息进行处理，获取人脸图像纹理特征，还包括以下步骤，建立Gabor算法，通过Gabor算法对人脸图像信息进行解析，从解析结果中提取人脸图像纹理特征。
4.如权利要求3所述的基于云测温设备的员工信息记录方法，其特征在于：还包括以下步骤，所述Gabor算法为：
Figure FDA0002572937270000011
其中，u为方向变量，v为尺度变量，||*||表示对*进行取模运算，
Figure FDA0002572937270000012
用来补偿频率导致能量谱的衰弱，
Figure FDA0002572937270000021
用来限定振荡函数的变化范围，使其仅在局部起作用，
Figure FDA0002572937270000022
是直流分量，[exp(i·ku,v·z)]是一种振荡平面波函数，σ是高斯函数半径，
Figure FDA0002572937270000023
ρ为频程的带宽，ku,v是中心频率。
5.如权利要求3所述的基于云测温设备的员工信息记录方法，其特征在于：步骤S3中，获取本地人脸图像纹理特征数据库，根据本地人脸图像纹理特征数据库对人脸图像纹理特征进行识别，获取识别结果之前，还包括以下步骤，从本地数据库中获取员工人脸图像纹理特征以及员工姓名，根据员工人脸图像纹理特征建立本地人脸图像纹理特征数据库，并将员工姓名作为对应员工人脸图像纹理特征的标签存入本地人脸图像纹理特征数据库中。
6.如权利要求5所述的基于云测温设备的员工信息记录方法，其特征在于：获取本地人脸图像纹理特征数据库，根据本地人脸图像纹理特征数据库对人脸图像纹理特征进行识别，获取识别结果，还包括以下步骤，获取本地人脸图像纹理特征数据库，根据本地人脸图像纹理特征数据库对人脸图像纹理特征进行识别，当本地人脸图像纹理特征数据库中存在对应的人脸图像纹理特征时，记录当前的人脸图像纹理特征以及对应的员工姓名；当本地人脸图像纹理特征数据库中不存在对应的人脸图像纹理特征时，选择下一个人脸图像纹理特征进行识别。
7.如权利要求6所述的基于云测温设备的员工信息记录方法，其特征在于：步骤S4中，根据识别结果获取对应的体温数据，并生成数据表，还包括以下步骤，根据人脸图像纹理特征获取对应的体温数据，并结合对应的员工姓名生成体温数据报表展示给管理人员。
8.一种基于云测温设备的员工信息记录装置，其特征在于，所述基于云测温设备的员工信息记录装置包括：
数据采集模块，用于获取人脸图像信息以及体温数据，并将体温数据与人脸图像信息进行绑定；
处理模块，用于建立Gabor算法，通过Gabor算法对人脸图像信息进行处理，获取人脸图像纹理特征；
识别模块，用于获取本地人脸图像纹理特征数据库，根据本地人脸图像纹理特征数据库对人脸图像纹理特征进行识别，获取识别结果；
记录模块，用于根据识别结果获取对应的体温数据，并生成数据表。
9.一种设备，其特征在于，所述设备包括：存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的基于云测温设备的员工信息记录方法程序，所述基于云测温设备的员工信息记录方法程序配置为实现如权利要求1至7任一项所述的基于云测温设备的员工信息记录方法的步骤。
10.一种介质，其特征在于，所述介质为计算机介质，所述计算机介质上存储有基于云测温设备的员工信息记录方法程序，所述基于云测温设备的员工信息记录方法程序被处理器执行时实现如权利要求1至7任一项所述的基于云测温设备的员工信息记录方法的步骤。
CN202010645436.1A 2020-07-07 2020-07-07 一种基于云测温设备的员工信息记录方法及装置 Pending CN111768511A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010645436.1A CN111768511A (zh) 2020-07-07 2020-07-07 一种基于云测温设备的员工信息记录方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010645436.1A CN111768511A (zh) 2020-07-07 2020-07-07 一种基于云测温设备的员工信息记录方法及装置

Publications (1)

Publication Number Publication Date
CN111768511A true CN111768511A (zh) 2020-10-13

Family

ID=72723988

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010645436.1A Pending CN111768511A (zh) 2020-07-07 2020-07-07 一种基于云测温设备的员工信息记录方法及装置

Country Status (1)

Country Link
CN (1) CN111768511A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117789278A (zh) * 2024-02-26 2024-03-29 深圳市华彩视讯科技有限公司 一种人脸识别测温方法、装置及系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101964064A (zh) * 2010-07-27 2011-02-02 上海摩比源软件技术有限公司 一种人脸比对方法
CN101999888A (zh) * 2010-12-01 2011-04-06 北京航空航天大学 一种对体温异常者进行检测与搜寻的疫情防控系统
CN103914676A (zh) * 2012-12-30 2014-07-09 杭州朗和科技有限公司 一种在人脸识别中使用的方法和装置
CN107423677A (zh) * 2017-05-19 2017-12-01 深圳市唯特视科技有限公司 一种基于局部边缘梯度Gabor幅度的脸部图描述方法
CN107609459A (zh) * 2016-12-15 2018-01-19 平安科技（深圳）有限公司 一种基于深度学习的人脸识别方法及装置
CN109215806A (zh) * 2018-10-31 2019-01-15 绍兴文理学院 一种基于人脸识别的公共场所健康监测系统及方法
CN109614903A (zh) * 2018-12-03 2019-04-12 芜湖潜思智能科技有限公司 一种监控摄像机外置人脸识别装置
CN109993086A (zh) * 2019-03-21 2019-07-09 北京华捷艾米科技有限公司 人脸检测方法、装置、系统及终端设备
CN110332995A (zh) * 2019-06-13 2019-10-15 深圳市中科鸿智科技有限公司 非接触式人体测温方法、装置、系统及存储介质
CN111325129A (zh) * 2020-02-14 2020-06-23 上海商汤智能科技有限公司 交通工具通勤控制方法及装置、电子设备、介质和车辆

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101964064A (zh) * 2010-07-27 2011-02-02 上海摩比源软件技术有限公司 一种人脸比对方法
CN101999888A (zh) * 2010-12-01 2011-04-06 北京航空航天大学 一种对体温异常者进行检测与搜寻的疫情防控系统
CN103914676A (zh) * 2012-12-30 2014-07-09 杭州朗和科技有限公司 一种在人脸识别中使用的方法和装置
CN107609459A (zh) * 2016-12-15 2018-01-19 平安科技（深圳）有限公司 一种基于深度学习的人脸识别方法及装置
CN107423677A (zh) * 2017-05-19 2017-12-01 深圳市唯特视科技有限公司 一种基于局部边缘梯度Gabor幅度的脸部图描述方法
CN109215806A (zh) * 2018-10-31 2019-01-15 绍兴文理学院 一种基于人脸识别的公共场所健康监测系统及方法
CN109614903A (zh) * 2018-12-03 2019-04-12 芜湖潜思智能科技有限公司 一种监控摄像机外置人脸识别装置
CN109993086A (zh) * 2019-03-21 2019-07-09 北京华捷艾米科技有限公司 人脸检测方法、装置、系统及终端设备
CN110332995A (zh) * 2019-06-13 2019-10-15 深圳市中科鸿智科技有限公司 非接触式人体测温方法、装置、系统及存储介质
CN111325129A (zh) * 2020-02-14 2020-06-23 上海商汤智能科技有限公司 交通工具通勤控制方法及装置、电子设备、介质和车辆

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘胜昔 等: ""改进的Gabor小波变换特征提取算法"", 《计算机应用研究》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117789278A (zh) * 2024-02-26 2024-03-29 深圳市华彩视讯科技有限公司 一种人脸识别测温方法、装置及系统

Similar Documents

Publication Publication Date Title
EP2510494B1 (en) Improved signal to noise ratio in digital pathology image analysis
KR20200098875A (ko) 3ｄ 얼굴인식 시스템 및 방법
US20140270431A1 (en) Characterizing pathology images with statistical analysis of local neural network responses
WO2022001097A1 (zh) 一种用于人证核验设备性能检测的算法测评系统及检测方法
CN111460138A (zh) 一种基于bim的数字化工程监理方法与系统
US11657644B2 (en) Automatic ruler detection
CN109873979A (zh) 一种基于摄像头的静态图像差异比对方法及装置
CN111178309B (zh) 业务处理方法及装置
CN110348326A (zh) 基于身份证识别和多设备访问的家庭健康信息处理方法
CN111768511A (zh) 一种基于云测温设备的员工信息记录方法及装置
CN117150138B (zh) 一种基于高维空间映射的科技资源组织方法及系统
CN112101257B (zh) 训练样本生成方法、图像处理方法、装置、设备和介质
WO2019071663A1 (zh) 电子装置、虚拟样本生成方法及存储介质
CN112613425A (zh) 一种面向小样本水下图像的目标识别方法及系统
CN111027937A (zh) 一种考勤系统
CN107783856A (zh) 一种图像处理器参数的测试方法及系统
CN116071348A (zh) 基于视觉检测的工件表面检测方法及相关装置
CN109119131A (zh) 基于医学检验专家智库平台的体检方法及系统
CN113569879B (zh) 异常识别模型的训练方法、异常账号识别方法及相关装置
CN208000588U (zh) 一种光学扫描脉搏波截取装置及一种指纹开关
Rahkoyo et al. IoT-Based Fingerprint Attendance System: Enhancing Efficiency and Security in Educational and Organizational Settings
CN113688784B (zh) 基于人脸识别的医保卡盗用风险识别方法及其相关设备
CN110245668A (zh) 基于图像识别的终端信息获取方法、获取装置及存储介质
US12124608B2 (en) Computerized-method and computerized-system for sensitive data redaction from screenshots
US20240143828A1 (en) Computerized-method and computerized-system for sensitive data redaction from screenshots

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: 20201013