CN112330833A - 人脸识别考勤数据验证方法、装置及计算机设备 - Google Patents

人脸识别考勤数据验证方法、装置及计算机设备 Download PDF

Info

Publication number
CN112330833A
CN112330833A CN202011190780.2A CN202011190780A CN112330833A CN 112330833 A CN112330833 A CN 112330833A CN 202011190780 A CN202011190780 A CN 202011190780A CN 112330833 A CN112330833 A CN 112330833A
Authority
CN
China
Prior art keywords
attendance
picture
current
user
face
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
CN202011190780.2A
Other languages
English (en)
Inventor
欧光礼
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.)
Ping An Life Insurance Company of China Ltd
Original Assignee
Ping An Life Insurance Company of China 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 Ping An Life Insurance Company of China Ltd filed Critical Ping An Life Insurance Company of China Ltd
Priority to CN202011190780.2A priority Critical patent/CN112330833A/zh
Publication of CN112330833A publication Critical patent/CN112330833A/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
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • 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
    • G06V40/168—Feature extraction; Face representation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
    • H04L63/0861—Network architectures or network communication protocols for network security for authentication of entities using biometrical features, e.g. fingerprint, retina-scan
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
    • H04L63/0876—Network architectures or network communication protocols for network security for authentication of entities based on the identity of the terminal or configuration, e.g. MAC address, hardware or software configuration or device fingerprint
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/10—Network architectures or network communication protocols for network security for controlling access to devices or network resources
    • H04L63/101—Access control lists [ACL]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/06—Authentication

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Computer Security & Cryptography (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Hardware Design (AREA)
  • Computational Linguistics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Library & Information Science (AREA)
  • Human Computer Interaction (AREA)
  • Medical Informatics (AREA)
  • Power Engineering (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明公开了人脸识别考勤数据验证方法、装置、计算机设备及存储介质，涉及人工智能技术，包括若当前登录账号对应的当前MAC地址与绑定MAC地址不相同，获取当前用户考勤视频，将其进行人脸识别和背景识别以得到人脸图片和背景图片；调用人脸识别模型以获取人脸图片对应的用户身份信息；若用户身份信息与当前登录账号对应的登记身份信息相同，且若背景图片与当日考勤标准背景图片不相同，将当前用户考勤视频增加考勤异常标识。实现了结合人脸识别和打卡环境的背景识别来综合判定用户是否存在异常打卡的嫌疑，不仅准确率高，而且效率更高。本申请可应用于智慧政务、智慧安防等场景中，从而推动智慧城市的建设。

Description

人脸识别考勤数据验证方法、装置及计算机设备
技术领域
本发明涉及人工智能的生物识别领域，尤其涉及一种人脸识别考勤数据验证方法、装置、计算机设备及存储介质。
背景技术
目前，常见的考勤签到方式有使用纸张签到或者APP扫码、APP人脸识别(人脸+WiFi)签到等方式。其中，纸质签到或者扫码考勤因不能确定扫码人员的身份，存在虚假考勤的风险；人脸+WiFi的考勤方式，因WiFi不能精准定位，存在有在非指定打卡区域(如办公室)打卡等虚假打卡嫌疑；而且，采用APP人脸或者扫码考勤效率非常低，考勤结果不便于进行数据统计。
发明内容
本发明实施例提供了一种人脸识别考勤数据验证方法、装置、计算机设备及存储介质，旨在解决现有技术中人脸及WiFi的考勤方式，因WiFi不能精准定位，存在有在非指定打卡区域打卡等虚假打卡嫌疑，且考勤效率低下的风险问题。
第一方面，本发明实施例提供了一种人脸识别考勤数据验证方法，其包括：
判断当前登录账号对应的当前MAC地址是否与绑定MAC地址相同；
若当前登录账号对应的当前MAC地址与绑定MAC地址不相同，获取当前用户考勤视频；
将所述用户考勤视频进行人脸识别和背景识别，以分别得到人脸图片和背景图片；
调用预先训练的人脸识别模型以获取所述人脸图片对应的用户身份信息；
判断所述用户身份信息与所述当前登录账号对应的登记身份信息是否相同；
若所述用户身份信息与所述当前登录账号对应的登记身份信息相同，判断所述背景图片与当日考勤标准背景图片是否相同；以及
若所述背景图片与当日考勤标准背景图片不相同，将所述当前用户考勤视频增加考勤异常标识。
第二方面，本发明实施例提供了一种人脸识别考勤数据验证装置，其包括：
MAC地址判断单元，用于判断当前登录账号对应的当前MAC地址是否与绑定MAC地址相同；
考勤视频获取单元，用于若当前登录账号对应的当前MAC地址与绑定MAC地址不相同，获取当前用户考勤视频；
图片识别单元，用于将所述用户考勤视频进行人脸识别和背景识别，以分别得到人脸图片和背景图片；
用户身份信息获取单元，用于调用预先训练的人脸识别模型以获取所述人脸图片对应的用户身份信息；
身份信息判断单元，用于判断所述用户身份信息与所述当前登录账号对应的登记身份信息是否相同；
图片背景判断单元，用于若所述用户身份信息与所述当前登录账号对应的登记身份信息相同，判断所述背景图片与当日考勤标准背景图片是否相同；以及
第一异常视频标识单元，用于若所述背景图片与当日考勤标准背景图片不相同，将所述当前用户考勤视频增加考勤异常标识。
第三方面，本发明实施例又提供了一种计算机设备，其包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的人脸识别考勤数据验证方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其中所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的人脸识别考勤数据验证方法。
本发明实施例提供了一种人脸识别考勤数据验证方法、装置、计算机设备及存储介质，包括判断当前登录账号对应的当前MAC地址是否与绑定MAC地址相同；若当前登录账号对应的当前MAC地址与绑定MAC地址不相同，获取当前用户考勤视频；将所述用户考勤视频进行人脸识别和背景识别，以分别得到人脸图片和背景图片；调用预先训练的人脸识别模型以获取所述人脸图片对应的用户身份信息；判断所述用户身份信息与所述当前登录账号对应的登记身份信息是否相同；若所述用户身份信息与所述当前登录账号对应的登记身份信息相同，判断所述背景图片与当日考勤标准背景图片是否相同；以及若所述背景图片与当日考勤标准背景图片不相同，将所述当前用户考勤视频增加考勤异常标识。实现了结合人脸识别和打卡环境的背景识别来综合判定用户是否存在异常打卡的嫌疑，不仅准确率高，而且效率更高。
附图说明
为了更清楚地说明本发明实施例技术方案，下面将对实施例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为本发明实施例提供的人脸识别考勤数据验证方法的应用场景示意图；
图2为本发明实施例提供的人脸识别考勤数据验证方法的流程示意图；
图3为本发明实施例提供的人脸识别考勤数据验证装置的示意性框图；
图4为本发明实施例提供的计算机设备的示意性框图。
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做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。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
请参阅图1和图2，图1为本发明实施例提供的人脸识别考勤数据验证方法的应用场景示意图；图2为本发明实施例提供的人脸识别考勤数据验证方法的流程示意图，该人脸识别考勤数据验证方法应用于服务器中，该方法通过安装于服务器中的应用软件进行执行。
如图2所示，该方法包括步骤S110～S170。
S110、判断当前登录账号对应的当前MAC地址是否与绑定MAC地址相同。
在本实施例中，为了确保用户数据安全，可以限定当前登录账号在MAC地址白名单对应的智能终端上进行登录从而进行考勤打卡。也就是当用户操作智能终端(如台式电脑、笔记本电脑等)进行当前登录账号的注册，当完成了账号注册时会同时上传该智能终端的MAC地址和当前登录账号至服务器，以加入MAC地址白名单。而且在服务器中该当前登录账号是与一个绑定MAC地址唯一对应，也就限定了一个当前登录账号只能在一个智能终端上进行登录。
而且当前登录账号中包括登录用户名和登录密码，其中登录用户名是用户在注册账号时设定，而登录密码是服务器根据登录用户名和当前MAC地址进行流程审批后自动分配登录密码(例如由密码生成器随机生成登录密码，也可以是由服务器根据登录用户名和当前MAC地址进行哈希运算后截取部分哈希值作为登录密码)，而且登录密码是可以定期更换的。
其中，当用户本次使用智能终端输入当前登录账号后，点击登录按钮后，会将智能终端的当前MAC地址及当前登录账号均发送至服务器。服务器接收到当前MAC地址及当前登录账号后，若当前登录账号通过身份验证后，需判断当前登录账号对应的当前MAC地址是否与绑定MAC地址相同，也就是判断当前登录账号对应的当前MAC地址是否在MAC地址白名单中存在相同的MAC地址。进行上述MAC地址的判断，是为了防止用户在非工作场所(如家中或室外场所等)的智能终端上登录账号后进行考勤打卡，也即限定了只能在工作场所的指定智能终端上才能打卡。
在一实施例中，步骤S110之前还包括：
判断当前MAC地址是否属于注册MAC地址；
若当前MAC地址不属于注册MAC地址，进行登录失败的提示；
若当前MAC地址属于注册MAC地址，进行当前终端为合法考勤终端的提示。
在本实施例中，由于当前登录账号仅能在MAC地址白名单对应的智能终端上进行登录从而进行考勤打卡，故在某一终端上录入了当前登录账号之后，该终端将当前MAC地址发送服务器。由于服务器中已预先存储有MAC地址白名单，且MAC地址白名单中包括多个注册MAC地址，此时服务器先判断当前MAC地址是否属于且MAC地址白名单中包括的注册MAC地址。若当前MAC地址不属于注册MAC地址，表示用户无法在当前终端上登录当前登录账号进行考勤打卡，故进行登录失败的提示，且此时结束流程。若当前MAC地址属于注册MAC地址，表示用户可在当前终端上登录当前登录账号进行考勤打卡，故进行当前终端为合法考勤终端的提示。
S120、若当前登录账号对应的当前MAC地址与绑定MAC地址不相同，获取当前用户考勤视频。
在本实施例中，若当前登录账号对应的当前MAC地址与绑定MAC地址不相同，表示用户可能在非工作场所的终端上登录当前登录账号后进行考勤打卡，此时为了进一步核实用户是否存在未在工作场所内考勤打卡的嫌疑，此时可以由服务器向用户考勤打卡所使用的智能终端发送考勤视频采集指令，之后服务器接收由智能终端对应采集的当前用户考勤视频(如5-15秒的当前用户考勤视频)。由于采集了当前用户考勤视频，在服务器中可进一步判断存在异常考勤打卡的嫌疑。
在一实施例中，步骤S120之后还包括：
将预先存储的考勤异常通知信息和当前登录账号发送至监察终端。
在本实施例中，由于当前登录账号对应当前登录账号对应，表示用户未在该当前登录账号唯一对应的绑定MAC地址相对应的智能终端上进行考勤打卡，也即用户存储在更换终端进行打卡的情况，此时服务器会将绑定MAC地址对应的终端上登录的账号进行强制下线，仅保持用户当前所使用终端上当前登录账号的成功登录。同时服务器还会将预先存储的考勤异常通知信息和当前登录账号发送至监察终端(例如，将考勤异常通知信息和当前登录账号填充至一个邮件模板中后得到的邮件发送至监察终端对应的邮箱，以便于监察终端查收)。此时用户在当前终端上采集的当前用户考勤视频或当前用户考勤照片均会增加异地登录打卡标志，以便于后续重点排查是否存在非正常打卡的嫌疑。
S130、将所述用户考勤视频进行人脸识别和背景识别，以分别得到人脸图片和背景图片。
在本实施例中，当服务器接收到了智能终端上传的用户考勤视频后，为了更准确的进行人脸识别和背景识别，需要从所述用户考勤视频中随机截取一张考勤图片进行人脸区域和背景区域的划分，划分完成之后分别对人脸区域进行人脸识别，并对背景区域进行背景识别。通过这一区域划分，能有效结合用户身份和考勤打卡环境两方面因素综合考虑用户是否存在异常打卡的情况。
在一实施例中，步骤S130包括：
将所述用户考勤视频进行视频图片拆分以得到用户考勤图片集，随机获取所述用户考勤图片集中的图片以作为目标用户考勤图片；
将所述目标用户考勤图片依次进行人脸检测和人脸分割以得到人脸图片；
将所述目标用户考勤图片中人脸图片所对应区域之外的像素点组成图片作为背景图片。
在本实施例中，由于所述用户考勤视频是一个图片流(即视频本质上是多帧图片组成的，例如1秒的视频包括24-30帧图片)，且用户考勤视频是对准考勤用户拍摄的，故在将所述用户考勤视频进行视频图片拆分以得到用户考勤图片集后，其中任意一张都是可以选作后续进行人脸识别和背景识别的图片，此时随机获取所述用户考勤图片集中的图片以作为目标用户考勤图片进行人脸识别和背景识别。
为了更准确的进行人脸识别和背景识别，可以先定位所述目标用户考勤图片中的人脸区域，将人脸区域分割出来即可做人脸图片，之后将所述目标用户考勤图片中人脸区域之外的区域作为背景图片即可，通过这一方式实现了图片区域快速划分。
在一实施例中，所述将所述目标用户考勤图片依次进行人脸检测和人脸分割以得到人脸图片的步骤，包括：
调用预先训练的多任务卷积神经网络模型对述目标用户考勤图片进行人脸检测，得到头像区域；
将所述头像区域通过人脸分割从所述目标用户考勤图片中移出，以得到人脸图片。
在本实施例中，可以通过调用预先训练的MTCNN人脸检测模型(即多任务卷积神经网络模型)，将所述目标用户考勤图片中的背景区域与头像区域进行划分，从而定位到目标用户考勤图片中的头像区域。
之后，由于已通过人脸检测定位到目标用户考勤图片中的头像区域，此时即可通过人像分割将用户头部图像中的头像区域从图中抠出，相当于删除了用户头部图像中背景区域且只保留了头像区域。通过这一方式，实现了用户头像区域的自动获取，避免了用户人工操作处理，提高了获取效率。
S140、调用预先训练的人脸识别模型以获取所述人脸图片对应的用户身份信息。
在本实施例中，在获取了人脸图片后，服务器中调用预先训练的人脸识别模型对人脸图片进行用户身份识别，以确定考勤打卡人员的身份信息。
在一实施例中，步骤S140包括：
对所述人脸图片进行灰度校正及噪声过滤，得到预处理后图片；
通过卷积神经网络模型获取与所述预处理后图片对应的特征向量；
将所述人脸图片对应的特征向量与人脸数据库中已存储的特征模板进行比对，以判断人脸数据库中已存储的特征模板中是否存在与所述人脸图片对应的特征向量相同的特征模板；
若人脸数据库中已存储的特征模板中存在与所述人脸图片对应的特征向量相同的特征模板，获取对应的用户身份信息。
在本实施例中，服务器获取的人脸图片由于受到各种条件的限制和随机干扰，往往不能直接使用，必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。对于人脸图片而言，其预处理过程主要包括人脸图片的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。
在获取所述人脸图片的特征向量时，是先获取与预处理后图片对应的像素矩阵，然后将预处理后图片对应的像素矩阵作为卷积神经网络模型中输入层的输入，得到多个特征图，之后将特征图输入池化层，得到每一特征图对应的最大值所对应一维向量，最后将每一特征图对应的最大值所对应一维向量输入至全连接层，得到与预处理后图片对应的特征向量。
其中，人脸数据库中已存储的特征模板可以是用户主动上传至服务器，也可以是用户在不断使用的过程中，不断新增在历史人脸数据库中不存在的特征模板，从而积累得到人脸数据库中已存储的特征模板。
由于人脸数据库中已存储的特征模板中存储了已采集的海量的人脸图片对应的特征向量，也即每一个人的人脸均对应唯一的特征向量，有了这些海量的特征模板为数据基础后，可以用来确定预处理后图片对应的一个或多个人，从而实现人脸识别。
最后，所得到的用户身份信息可以是用户的身份证号，由于每一公民的身份证号是唯一的，可以作为其唯一识别码。
S150、判断所述用户身份信息与所述当前登录账号对应的登记身份信息是否相同。
在本实施例中，当完成了用户身份识别后，在服务器中调用登记身份信息清单(在该登记身份信息清单中包括多个登记身份信息，每一登记身份信息对应一个用户)，判断所述用户身份信息与所述当前登录账号对应的登记身份信息是否相同，从而有效判断是否为本人打卡。
S160、若所述用户身份信息与所述当前登录账号对应的登记身份信息相同，判断所述背景图片与当日考勤标准背景图片是否相同。
在本实施例中，若所述用户身份信息与所述当前登录账号对应的登记身份信息相同，表示是用户本人考勤打卡，不存在代打卡的情况。由于用户还可能将考勤打卡所使用的智能终端拿回家中或是在其他场所进行打卡，此时为了判断用户是否在工作场所的工位上打卡，可以判断所述背景图片与当日考勤标准背景图片是否相同。
在具体实施时，判断所述背景图片与当日考勤标准背景图片是否相同，可以是先获取所述标准背景图片对应的第一图片特征向量(可以参考人脸识别获取特征向量的过程)，然后获取所述当日考勤标准背景图片对应的第二图片特征向量，最后计算获取第一图片特征向量与第二图片特征向量之间欧式距离作为图片相似度，若该图片相似度超过预设的相似度阈值(如0.7)，则可以判定所述背景图片与当日考勤标准背景图片相同；若该图片相似度超过所述相似度阈值，则可以判定所述背景图片与当日考勤标准背景图片不相同。
S170、若所述背景图片与当日考勤标准背景图片不相同，将所述当前用户考勤视频增加考勤异常标识。
在本实施例中，当所述背景图片与当日考勤标准背景图片不相同，表示用户可能存在不在工位上打卡的嫌疑，此时可以将所述当前用户考勤视频增加考勤异常标识，并将该增加了考勤异常标识的当前用户考勤视频和当前登录账号发送至监察终端。通过这一方式，能快速和准确的筛选出异常打卡的视频。本申请可应用于智慧政务、智慧安防等场景中，从而推动智慧城市的建设。
在一实施例中，步骤S150之后还包括：
若所述用户身份信息与所述当前登录账号对应的登记身份信息不相同，将所述当前用户考勤视频增加考勤异常标识。
在本实施例中，若所述用户身份信息与所述当前登录账号对应的登记身份信息不相同，表示是可能是他人代打卡而并非本人考勤打卡，此时也可以将所述当前用户考勤视频增加考勤异常标识，并将该增加了考勤异常标识的当前用户考勤视频和当前登录账号发送至监察终端。通过这一方式，能快速和准确的筛选出异常打卡的视频。
该方法实现了结合人脸识别和打卡环境的背景识别来综合判定用户是否存在异常打卡的嫌疑，不仅准确率高，而且效率更高。
本发明实施例还提供一种人脸识别考勤数据验证装置，该人脸识别考勤数据验证装置用于执行前述人脸识别考勤数据验证方法的任一实施例。具体地，请参阅图3，图3是本发明实施例提供的人脸识别考勤数据验证装置的示意性框图。该人脸识别考勤数据验证装置100可以配置于服务器中。
如图3所示，人脸识别考勤数据验证装置100包括：MAC地址判断单元110、考勤视频获取单元120、图片识别单元130、用户身份信息获取单元140、身份信息判断单元150、图片背景判断单元160、第一异常视频标识单元170。
MAC地址判断单元110，用于判断当前登录账号对应的当前MAC地址是否与绑定MAC地址相同。
在本实施例中，为了确保用户数据安全，可以限定当前登录账号在MAC地址白名单对应的智能终端上进行登录从而进行考勤打卡。也就是当用户操作智能终端(如台式电脑、笔记本电脑等)进行当前登录账号的注册，当完成了账号注册时会同时上传该智能终端的MAC地址和当前登录账号至服务器，以加入MAC地址白名单。而且在服务器中该当前登录账号是与一个绑定MAC地址唯一对应，也就限定了一个当前登录账号只能在一个智能终端上进行登录。
而且当前登录账号中包括登录用户名和登录密码，其中登录用户名是用户在注册账号时设定，而登录密码是服务器根据登录用户名和当前MAC地址进行流程审批后自动分配登录密码(例如由密码生成器随机生成登录密码，也可以是由服务器根据登录用户名和当前MAC地址进行哈希运算后截取部分哈希值作为登录密码)，而且登录密码是可以定期更换的。
其中，当用户本次使用智能终端输入当前登录账号后，点击登录按钮后，会将智能终端的当前MAC地址及当前登录账号均发送至服务器。服务器接收到当前MAC地址及当前登录账号后，若当前登录账号通过身份验证后，需判断当前登录账号对应的当前MAC地址是否与绑定MAC地址相同，也就是判断当前登录账号对应的当前MAC地址是否在MAC地址白名单中存在相同的MAC地址。进行上述MAC地址的判断，是为了防止用户在非工作场所(如家中或室外场所等)的智能终端上登录账号后进行考勤打卡，也即限定了只能在工作场所的指定智能终端上才能打卡。
在一实施例中，人脸识别考勤数据验证装置100还包括：
注册MAC地址判断单元，用于判断当前MAC地址是否属于注册MAC地址；
第一提示单元，用于若当前MAC地址不属于注册MAC地址，进行登录失败的提示；
第二提示单元，用于若当前MAC地址属于注册MAC地址，进行当前终端为合法考勤终端的提示。
在本实施例中，由于当前登录账号仅能在MAC地址白名单对应的智能终端上进行登录从而进行考勤打卡，故在某一终端上录入了当前登录账号之后，该终端将当前MAC地址发送服务器。由于服务器中已预先存储有MAC地址白名单，且MAC地址白名单中包括多个注册MAC地址，此时服务器先判断当前MAC地址是否属于且MAC地址白名单中包括的注册MAC地址。若当前MAC地址不属于注册MAC地址，表示用户无法在当前终端上登录当前登录账号进行考勤打卡，故进行登录失败的提示，且此时结束流程。若当前MAC地址属于注册MAC地址，表示用户可在当前终端上登录当前登录账号进行考勤打卡，故进行当前终端为合法考勤终端的提示。
考勤视频获取单元120，用于若当前登录账号对应的当前MAC地址与绑定MAC地址不相同，获取当前用户考勤视频。
在本实施例中，若当前登录账号对应的当前MAC地址与绑定MAC地址不相同，表示用户可能在非工作场所的终端上登录当前登录账号后进行考勤打卡，此时为了进一步核实用户是否存在未在工作场所内考勤打卡的嫌疑，此时可以由服务器向用户考勤打卡所使用的智能终端发送考勤视频采集指令，之后服务器接收由智能终端对应采集的当前用户考勤视频(如5-15秒的当前用户考勤视频)。由于采集了当前用户考勤视频，在服务器中可进一步判断存在异常考勤打卡的嫌疑。
在一实施例中，人脸识别考勤数据验证装置100还包括：
第一异常通知单元，用于将预先存储的考勤异常通知信息和当前登录账号发送至监察终端。
在本实施例中，由于当前登录账号对应当前登录账号对应，表示用户未在该当前登录账号唯一对应的绑定MAC地址相对应的智能终端上进行考勤打卡，也即用户存储在更换终端进行打卡的情况，此时服务器会将绑定MAC地址对应的终端上登录的账号进行强制下线，仅保持用户当前所使用终端上当前登录账号的成功登录。同时服务器还会将预先存储的考勤异常通知信息和当前登录账号发送至监察终端(例如，将考勤异常通知信息和当前登录账号填充至一个邮件模板中后得到的邮件发送至监察终端对应的邮箱，以便于监察终端查收)。此时用户在当前终端上采集的当前用户考勤视频或当前用户考勤照片均会增加异地登录打卡标志，以便于后续重点排查是否存在非正常打卡的嫌疑。
图片识别单元130，用于将所述用户考勤视频进行人脸识别和背景识别，以分别得到人脸图片和背景图片。
在本实施例中，当服务器接收到了智能终端上传的用户考勤视频后，为了更准确的进行人脸识别和背景识别，需要从所述用户考勤视频中随机截取一张考勤图片进行人脸区域和背景区域的划分，划分完成之后分别对人脸区域进行人脸识别，并对背景区域进行背景识别。通过这一区域划分，能有效结合用户身份和考勤打卡环境两方面因素综合考虑用户是否存在异常打卡的情况。
在一实施例中，图片识别单元130包括：
目标用户考勤图片获取单元，用于将所述用户考勤视频进行视频图片拆分以得到用户考勤图片集，随机获取所述用户考勤图片集中的图片以作为目标用户考勤图片；
人脸检测单元，用于将所述目标用户考勤图片依次进行人脸检测和人脸分割以得到人脸图片；
背景获取单元，用于将所述目标用户考勤图片中人脸图片所对应区域之外的像素点组成图片作为背景图片。
在本实施例中，由于所述用户考勤视频是一个图片流(即视频本质上是多帧图片组成的，例如1秒的视频包括24-30帧图片)，且用户考勤视频是对准考勤用户拍摄的，故在将所述用户考勤视频进行视频图片拆分以得到用户考勤图片集后，其中任意一张都是可以选作后续进行人脸识别和背景识别的图片，此时随机获取所述用户考勤图片集中的图片以作为目标用户考勤图片进行人脸识别和背景识别。
为了更准确的进行人脸识别和背景识别，可以先定位所述目标用户考勤图片中的人脸区域，将人脸区域分割出来即可做人脸图片，之后将所述目标用户考勤图片中人脸区域之外的区域作为背景图片即可，通过这一方式实现了图片区域快速划分。
在一实施例中，所述人脸检测单元，包括：
头像区域获取单元，用于调用预先训练的多任务卷积神经网络模型对述目标用户考勤图片进行人脸检测，得到头像区域；
人脸图片获取单元，用于将所述头像区域通过人脸分割从所述目标用户考勤图片中移出，以得到人脸图片。
在本实施例中，可以通过调用预先训练的MTCNN人脸检测模型(即多任务卷积神经网络模型)，将所述目标用户考勤图片中的背景区域与头像区域进行划分，从而定位到目标用户考勤图片中的头像区域。
之后，由于已通过人脸检测定位到目标用户考勤图片中的头像区域，此时即可通过人像分割将用户头部图像中的头像区域从图中抠出，相当于删除了用户头部图像中背景区域且只保留了头像区域。通过这一方式，实现了用户头像区域的自动获取，避免了用户人工操作处理，提高了获取效率。
用户身份信息获取单元140，用于调用预先训练的人脸识别模型以获取所述人脸图片对应的用户身份信息。
在本实施例中，在获取了人脸图片后，服务器中调用预先训练的人脸识别模型对人脸图片进行用户身份识别，以确定考勤打卡人员的身份信息。
在一实施例中，用户身份信息获取单元140包括：
图片预处理单元，用于对所述人脸图片进行灰度校正及噪声过滤，得到预处理后图片；
特征向量获取单元，用于通过卷积神经网络模型获取与所述预处理后图片对应的特征向量；
模板比对单元，用于将所述人脸图片对应的特征向量与人脸数据库中已存储的特征模板进行比对，以判断人脸数据库中已存储的特征模板中是否存在与所述人脸图片对应的特征向量相同的特征模板；
身份信息获取单元，用于若人脸数据库中已存储的特征模板中存在与所述人脸图片对应的特征向量相同的特征模板，获取对应的用户身份信息。
在本实施例中，服务器获取的人脸图片由于受到各种条件的限制和随机干扰，往往不能直接使用，必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。对于人脸图片而言，其预处理过程主要包括人脸图片的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等。
在获取所述人脸图片的特征向量时，是先获取与预处理后图片对应的像素矩阵，然后将预处理后图片对应的像素矩阵作为卷积神经网络模型中输入层的输入，得到多个特征图，之后将特征图输入池化层，得到每一特征图对应的最大值所对应一维向量，最后将每一特征图对应的最大值所对应一维向量输入至全连接层，得到与预处理后图片对应的特征向量。
其中，人脸数据库中已存储的特征模板可以是用户主动上传至服务器，也可以是用户在不断使用的过程中，不断新增在历史人脸数据库中不存在的特征模板，从而积累得到人脸数据库中已存储的特征模板。
由于人脸数据库中已存储的特征模板中存储了已采集的海量的人脸图片对应的特征向量，也即每一个人的人脸均对应唯一的特征向量，有了这些海量的特征模板为数据基础后，可以用来确定预处理后图片对应的一个或多个人，从而实现人脸识别。
最后，所得到的用户身份信息可以是用户的身份证号，由于每一公民的身份证号是唯一的，可以作为其唯一识别码。
身份信息判断单元150，用于判断所述用户身份信息与所述当前登录账号对应的登记身份信息是否相同。
在本实施例中，当完成了用户身份识别后，在服务器中调用登记身份信息清单(在该登记身份信息清单中包括多个登记身份信息，每一登记身份信息对应一个用户)，判断所述用户身份信息与所述当前登录账号对应的登记身份信息是否相同，从而有效判断是否为本人打卡。
图片背景判断单元160，用于若所述用户身份信息与所述当前登录账号对应的登记身份信息相同，判断所述背景图片与当日考勤标准背景图片是否相同。
在本实施例中，若所述用户身份信息与所述当前登录账号对应的登记身份信息相同，表示是用户本人考勤打卡，不存在代打卡的情况。由于用户还可能将考勤打卡所使用的智能终端拿回家中或是在其他场所进行打卡，此时为了判断用户是否在工作场所的工位上打卡，可以判断所述背景图片与当日考勤标准背景图片是否相同。
在具体实施时，判断所述背景图片与当日考勤标准背景图片是否相同，可以是先获取所述标准背景图片对应的第一图片特征向量(可以参考人脸识别获取特征向量的过程)，然后获取所述当日考勤标准背景图片对应的第二图片特征向量，最后计算获取第一图片特征向量与第二图片特征向量之间欧式距离作为图片相似度，若该图片相似度超过预设的相似度阈值(如0.7)，则可以判定所述背景图片与当日考勤标准背景图片相同；若该图片相似度超过所述相似度阈值，则可以判定所述背景图片与当日考勤标准背景图片不相同。
第一异常视频标识单元170，用于若所述背景图片与当日考勤标准背景图片不相同，将所述当前用户考勤视频增加考勤异常标识。
在本实施例中，当所述背景图片与当日考勤标准背景图片不相同，表示用户可能存在不在工位上打卡的嫌疑，此时可以将所述当前用户考勤视频增加考勤异常标识，并将该增加了考勤异常标识的当前用户考勤视频和当前登录账号发送至监察终端。通过这一方式，能快速和准确的筛选出异常打卡的视频。本申请可应用于智慧政务、智慧安防等场景中，从而推动智慧城市的建设。
在一实施例中，人脸识别考勤数据验证装置100还包括：
第二异常视频标识单元，用于若所述用户身份信息与所述当前登录账号对应的登记身份信息不相同，将所述当前用户考勤视频增加考勤异常标识。
在本实施例中，若所述用户身份信息与所述当前登录账号对应的登记身份信息不相同，表示是可能是他人代打卡而并非本人考勤打卡，此时也可以将所述当前用户考勤视频增加考勤异常标识，并将该增加了考勤异常标识的当前用户考勤视频和当前登录账号发送至监察终端。通过这一方式，能快速和准确的筛选出异常打卡的视频。
该装置实现了结合人脸识别和打卡环境的背景识别来综合判定用户是否存在异常打卡的嫌疑，不仅准确率高，而且效率更高。
上述人脸识别考勤数据验证装置可以实现为计算机程序的形式，该计算机程序可以在如图4所示的计算机设备上运行。
请参阅图4，图4是本发明实施例提供的计算机设备的示意性框图。该计算机设备500是服务器，服务器可以是独立的服务器，也可以是多个服务器组成的服务器集群。
参阅图4，该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505，其中，存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032被执行时，可使得处理器502执行人脸识别考勤数据验证方法。
该处理器502用于提供计算和控制能力，支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境，该计算机程序5032被处理器502执行时，可使得处理器502执行人脸识别考勤数据验证方法。
该网络接口505用于进行网络通信，如提供数据信息的传输等。本领域技术人员可以理解，图4中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的计算机设备500的限定，具体的计算机设备500可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
其中，所述处理器502用于运行存储在存储器中的计算机程序5032，以实现本发明实施例公开的人脸识别考勤数据验证方法。
本领域技术人员可以理解，图4中示出的计算机设备的实施例并不构成对计算机设备具体构成的限定，在其他实施例中，计算机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。例如，在一些实施例中，计算机设备可以仅包括存储器及处理器，在这样的实施例中，存储器及处理器的结构及功能与图4所示实施例一致，在此不再赘述。
应当理解，在本发明实施例中，处理器502可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，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。其中，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。
在本发明的另一实施例中提供计算机可读存储介质。该计算机可读存储介质可以为非易失性的计算机可读存储介质。该计算机可读存储介质存储有计算机程序，其中计算机程序被处理器执行时实现本发明实施例公开的人脸识别考勤数据验证方法。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的设备、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为逻辑功能划分，实际实现时可以有另外的划分方式，也可以将具有相同功能的单元集合成一个单元，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
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单元来实现本发明实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的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，可以存储在一个存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种人脸识别考勤数据验证方法，其特征在于，包括：
判断当前登录账号对应的当前MAC地址是否与绑定MAC地址相同；
若当前登录账号对应的当前MAC地址与绑定MAC地址不相同，获取当前用户考勤视频；
将所述用户考勤视频进行人脸识别和背景识别，以分别得到人脸图片和背景图片；
调用预先训练的人脸识别模型以获取所述人脸图片对应的用户身份信息；
判断所述用户身份信息与所述当前登录账号对应的登记身份信息是否相同；
若所述用户身份信息与所述当前登录账号对应的登记身份信息相同，判断所述背景图片与当日考勤标准背景图片是否相同；以及
若所述背景图片与当日考勤标准背景图片不相同，将所述当前用户考勤视频增加考勤异常标识。
2.根据权利要求1所述的人脸识别考勤数据验证方法，其特征在于，所述判断所述用户身份信息与所述当前登录账号对应的登记身份信息是否相同之后，还包括：
若所述用户身份信息与所述当前登录账号对应的登记身份信息不相同，将所述当前用户考勤视频增加考勤异常标识。
3.根据权利要求1所述的人脸识别考勤数据验证方法，其特征在于，所述若当前登录账号对应的当前MAC地址与绑定MAC地址不相同，获取当前用户考勤视频之后，包括：
将预先存储的考勤异常通知信息和当前登录账号发送至监察终端。
4.根据权利要求1所述的人脸识别考勤数据验证方法，其特征在于，还包括：
判断当前MAC地址是否属于注册MAC地址；
若当前MAC地址不属于注册MAC地址，进行登录失败的提示；
若当前MAC地址属于注册MAC地址，进行当前终端为合法考勤终端的提示。
5.根据权利要求1所述的人脸识别考勤数据验证方法，其特征在于，所述将所述用户考勤视频进行人脸识别和背景识别，以分别得到人脸图片和背景图片，包括：
将所述用户考勤视频进行视频图片拆分以得到用户考勤图片集，随机获取所述用户考勤图片集中的图片以作为目标用户考勤图片；
将所述目标用户考勤图片依次进行人脸检测和人脸分割以得到人脸图片；
将所述目标用户考勤图片中人脸图片所对应区域之外的像素点组成图片作为背景图片。
6.根据权利要求5所述的人脸识别考勤数据验证方法，其特征在于，所述将所述目标用户考勤图片依次进行人脸检测和人脸分割以得到人脸图片，包括：
调用预先训练的多任务卷积神经网络模型对述目标用户考勤图片进行人脸检测，得到头像区域；
将所述头像区域通过人脸分割从所述目标用户考勤图片中移出，以得到人脸图片。
7.根据权利要求1所述的人脸识别考勤数据验证方法，其特征在于，所述调用预先训练的人脸识别模型以获取所述人脸图片对应的用户身份信息，包括：
对所述人脸图片进行灰度校正及噪声过滤，得到预处理后图片；
通过卷积神经网络模型获取与所述预处理后图片对应的特征向量；
将所述人脸图片对应的特征向量与人脸数据库中已存储的特征模板进行比对，以判断人脸数据库中已存储的特征模板中是否存在与所述人脸图片对应的特征向量相同的特征模板；
若人脸数据库中已存储的特征模板中存在与所述人脸图片对应的特征向量相同的特征模板，获取对应的用户身份信息。
8.一种人脸识别考勤数据验证装置，其特征在于，包括：
MAC地址判断单元，用于判断当前登录账号对应的当前MAC地址是否与绑定MAC地址相同；
考勤视频获取单元，用于若当前登录账号对应的当前MAC地址与绑定MAC地址不相同，获取当前用户考勤视频；
图片识别单元，用于将所述用户考勤视频进行人脸识别和背景识别，以分别得到人脸图片和背景图片；
用户身份信息获取单元，用于调用预先训练的人脸识别模型以获取所述人脸图片对应的用户身份信息；
身份信息判断单元，用于判断所述用户身份信息与所述当前登录账号对应的登记身份信息是否相同；
图片背景判断单元，用于若所述用户身份信息与所述当前登录账号对应的登记身份信息相同，判断所述背景图片与当日考勤标准背景图片是否相同；以及
第一异常视频标识单元，用于若所述背景图片与当日考勤标准背景图片不相同，将所述当前用户考勤视频增加考勤异常标识。
9.一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述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计算机程序时实现如权利要求1至7中任一项所述的人脸识别考勤数据验证方法。
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存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行如权利要求1至7任一项所述的人脸识别考勤数据验证方法。
CN202011190780.2A 2020-10-30 2020-10-30 人脸识别考勤数据验证方法、装置及计算机设备 Pending CN112330833A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011190780.2A CN112330833A (zh) 2020-10-30 2020-10-30 人脸识别考勤数据验证方法、装置及计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011190780.2A CN112330833A (zh) 2020-10-30 2020-10-30 人脸识别考勤数据验证方法、装置及计算机设备

Publications (1)

Publication Number Publication Date
CN112330833A true CN112330833A (zh) 2021-02-05

Family

ID=74296284

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011190780.2A Pending CN112330833A (zh) 2020-10-30 2020-10-30 人脸识别考勤数据验证方法、装置及计算机设备

Country Status (1)

Country Link
CN (1) CN112330833A (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112700265A (zh) * 2021-03-23 2021-04-23 广州格鲁信息技术有限公司 一种基于大数据处理的反欺诈系统及方法
CN113269517A (zh) * 2021-05-14 2021-08-17 广州红海云计算股份有限公司 一种人员薪资核算方法及系统
CN113326747A (zh) * 2021-05-14 2021-08-31 四川梓沐教育科技有限公司 教职工人脸识别考勤方法与系统
CN113486712A (zh) * 2021-05-31 2021-10-08 内蒙古大学 一种基于深度学习的多人脸识别方法、系统和介质
CN113538721A (zh) * 2021-06-28 2021-10-22 福建数博讯信息科技有限公司 一种考勤数据交互的优化方法
CN114140863A (zh) * 2022-01-29 2022-03-04 深圳市中讯网联科技有限公司 基于人脸识别的签到方法、装置、存储介质及电子设备
CN114360036A (zh) * 2022-03-21 2022-04-15 深圳市海清视讯科技有限公司 图像识别方法、装置、服务器和存储介质
CN115641234A (zh) * 2022-10-19 2023-01-24 广州友好教育科技有限公司 一种基于大数据的远程教育系统
CN115830734A (zh) * 2022-12-30 2023-03-21 武汉佰钧成技术有限责任公司 防止代打卡方法及相关设备
CN116501577A (zh) * 2023-05-06 2023-07-28 点米(北京)科技有限公司 一种人事信息监控系统及方法
CN116824755A (zh) * 2023-03-17 2023-09-29 四川云梯智建科技有限公司 建筑工人实名制入场自助申报方法、装置、设备及介质
CN117037314A (zh) * 2023-08-11 2023-11-10 深圳市巨龙创视科技有限公司 一种基于防止身份共享的摄像装置及其摄像系统

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104240314A (zh) * 2014-09-20 2014-12-24 中国航空工业集团公司洛阳电光设备研究所 无线考勤系统及方法
CN106097468A (zh) * 2016-06-07 2016-11-09 腾讯科技（深圳）有限公司 一种签到方法、终端及im应用服务器
CN106295522A (zh) * 2016-07-29 2017-01-04 武汉理工大学 一种基于多角度人脸和环境信息的两级防欺骗检测方法
CN107274507A (zh) * 2017-07-26 2017-10-20 惠州Tcl移动通信有限公司 一种基于移动终端的考勤处理方法、存储装置及移动终端
CN107507289A (zh) * 2017-09-30 2017-12-22 四川长虹电器股份有限公司 一种移动端人脸识别考勤方法及系统
CN107993301A (zh) * 2018-02-28 2018-05-04 广州市勤思网络科技有限公司 基于WiFi的人脸识别考勤系统
CN108734801A (zh) * 2018-05-09 2018-11-02 北京邦邦共赢网络科技有限公司 一种pc端的考勤方法及装置
CN109544721A (zh) * 2018-12-04 2019-03-29 北京诺士诚国际工程项目管理有限公司 一种远程打卡方法及系统
CN109636935A (zh) * 2018-12-07 2019-04-16 苏州科达科技股份有限公司 人员签到方法、装置及存储介质
CN109961530A (zh) * 2019-01-16 2019-07-02 平安普惠企业管理有限公司 基于图像识别的考勤方法、装置、计算机设备及存储介质
CN110136286A (zh) * 2019-04-16 2019-08-16 平安科技（深圳）有限公司 基于移动终端的考勤方法、装置、计算机设备和存储介质
CN110942528A (zh) * 2019-11-13 2020-03-31 中国联合网络通信集团有限公司 一种签到方法、装置及系统
US20200210685A1 (en) * 2018-12-31 2020-07-02 Samsung Electronics Co., Ltd. Apparatus and method with user verification
CN111724496A (zh) * 2020-05-27 2020-09-29 深圳英飞拓智能技术有限公司 一种考勤方法、考勤装置及计算机可读存储介质

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104240314A (zh) * 2014-09-20 2014-12-24 中国航空工业集团公司洛阳电光设备研究所 无线考勤系统及方法
CN106097468A (zh) * 2016-06-07 2016-11-09 腾讯科技（深圳）有限公司 一种签到方法、终端及im应用服务器
CN106295522A (zh) * 2016-07-29 2017-01-04 武汉理工大学 一种基于多角度人脸和环境信息的两级防欺骗检测方法
CN107274507A (zh) * 2017-07-26 2017-10-20 惠州Tcl移动通信有限公司 一种基于移动终端的考勤处理方法、存储装置及移动终端
CN107507289A (zh) * 2017-09-30 2017-12-22 四川长虹电器股份有限公司 一种移动端人脸识别考勤方法及系统
CN107993301A (zh) * 2018-02-28 2018-05-04 广州市勤思网络科技有限公司 基于WiFi的人脸识别考勤系统
CN108734801A (zh) * 2018-05-09 2018-11-02 北京邦邦共赢网络科技有限公司 一种pc端的考勤方法及装置
CN109544721A (zh) * 2018-12-04 2019-03-29 北京诺士诚国际工程项目管理有限公司 一种远程打卡方法及系统
CN109636935A (zh) * 2018-12-07 2019-04-16 苏州科达科技股份有限公司 人员签到方法、装置及存储介质
US20200210685A1 (en) * 2018-12-31 2020-07-02 Samsung Electronics Co., Ltd. Apparatus and method with user verification
CN109961530A (zh) * 2019-01-16 2019-07-02 平安普惠企业管理有限公司 基于图像识别的考勤方法、装置、计算机设备及存储介质
CN110136286A (zh) * 2019-04-16 2019-08-16 平安科技（深圳）有限公司 基于移动终端的考勤方法、装置、计算机设备和存储介质
CN110942528A (zh) * 2019-11-13 2020-03-31 中国联合网络通信集团有限公司 一种签到方法、装置及系统
CN111724496A (zh) * 2020-05-27 2020-09-29 深圳英飞拓智能技术有限公司 一种考勤方法、考勤装置及计算机可读存储介质

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112700265A (zh) * 2021-03-23 2021-04-23 广州格鲁信息技术有限公司 一种基于大数据处理的反欺诈系统及方法
CN113269517A (zh) * 2021-05-14 2021-08-17 广州红海云计算股份有限公司 一种人员薪资核算方法及系统
CN113326747A (zh) * 2021-05-14 2021-08-31 四川梓沐教育科技有限公司 教职工人脸识别考勤方法与系统
CN113486712A (zh) * 2021-05-31 2021-10-08 内蒙古大学 一种基于深度学习的多人脸识别方法、系统和介质
CN113486712B (zh) * 2021-05-31 2022-09-06 内蒙古大学 一种基于深度学习的多人脸识别方法、系统和介质
CN113538721A (zh) * 2021-06-28 2021-10-22 福建数博讯信息科技有限公司 一种考勤数据交互的优化方法
CN114140863A (zh) * 2022-01-29 2022-03-04 深圳市中讯网联科技有限公司 基于人脸识别的签到方法、装置、存储介质及电子设备
CN114360036A (zh) * 2022-03-21 2022-04-15 深圳市海清视讯科技有限公司 图像识别方法、装置、服务器和存储介质
CN115641234A (zh) * 2022-10-19 2023-01-24 广州友好教育科技有限公司 一种基于大数据的远程教育系统
CN115641234B (zh) * 2022-10-19 2024-04-26 北京尚睿通教育科技股份有限公司 一种基于大数据的远程教育系统
CN115830734A (zh) * 2022-12-30 2023-03-21 武汉佰钧成技术有限责任公司 防止代打卡方法及相关设备
CN115830734B (zh) * 2022-12-30 2024-05-17 武汉佰钧成技术有限责任公司 防止代打卡方法及相关设备
CN116824755A (zh) * 2023-03-17 2023-09-29 四川云梯智建科技有限公司 建筑工人实名制入场自助申报方法、装置、设备及介质
CN116501577A (zh) * 2023-05-06 2023-07-28 点米(北京)科技有限公司 一种人事信息监控系统及方法
CN117037314A (zh) * 2023-08-11 2023-11-10 深圳市巨龙创视科技有限公司 一种基于防止身份共享的摄像装置及其摄像系统
CN117037314B (zh) * 2023-08-11 2024-06-07 深圳市巨龙创视科技有限公司 一种基于防止身份共享的摄像装置及其摄像系统

Similar Documents

Publication Publication Date Title
CN112330833A (zh) 人脸识别考勤数据验证方法、装置及计算机设备
CN109450771B (zh) 添加好友的方法、装置、计算机设备及存储介质
CN109756458B (zh) 身份认证方法和系统
CN105227307A (zh) 身份验证方法与系统以及服务器数据处理方法和服务器
HUE031428T2 (en) Process, system and computer program to compare images
CN111861240A (zh) 可疑用户识别方法、装置、设备及可读存储介质
US11688202B2 (en) Facial enrollment and recognition system
CN109961530B (zh) 基于图像识别的考勤方法、装置、计算机设备及存储介质
CN109005104B (zh) 一种即时通信方法、装置、服务器及存储介质
CN110738178A (zh) 园区施工安全检测方法、装置、计算机设备及存储介质
CN108875989B (zh) 基于人脸识别的预定方法、装置、计算机设备及存储介质
CN110991231B (zh) 活体检测方法、装置、服务器和人脸识别设备
CN109727027B (zh) 账户识别方法、装置、设备及存储介质
CN109635625B (zh) 智能身份核验方法、设备、存储介质及装置
CN112199530B (zh) 多维度脸库图片自动更新方法、系统、设备及介质
CN112036242A (zh) 人脸图片采集方法、装置、计算机设备及存储介质
CN115758398A (zh) 门禁数据处理方法、装置、门禁系统及存储介质
CN106649829B (zh) 一种基于掌纹数据的业务处理方法和装置
CN110852714A (zh) 应用于装修业务平台的薪酬提成数据管理系统
WO2021174869A1 (zh) 用户图片数据的处理方法、装置、计算机设备及存储介质
CN112597529A (zh) 多媒体内容处理方法和装置、存储介质和电子设备
CN110610164A (zh) 人脸图像处理方法、系统、服务器及可读存储介质
CN110968854A (zh) 坐姿身份认证方法及装置
CN112642162A (zh) 用户登录管理方法、装置、计算机设备及存储介质
CN113063218A (zh) 空调监控系统的用户管理方法及系统

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: 20210205