CN112633749A - 一种基于人脸识别的员工工作时长统计方法、系统及介质 - Google Patents

一种基于人脸识别的员工工作时长统计方法、系统及介质 Download PDF

Info

Publication number
CN112633749A
CN112633749A CN202011624977.2A CN202011624977A CN112633749A CN 112633749 A CN112633749 A CN 112633749A CN 202011624977 A CN202011624977 A CN 202011624977A CN 112633749 A CN112633749 A CN 112633749A
Authority
CN
China
Prior art keywords
staff
preset
time
face recognition
employees
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
CN202011624977.2A
Other languages
English (en)
Inventor
樊笑冰
胡永雷
包英豪
冯月
吴晓龙
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.)
Henan Oak Intelligent Technology Co ltd
Original Assignee
Henan Oak Intelligent Technology 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 Henan Oak Intelligent Technology Co ltd filed Critical Henan Oak Intelligent Technology Co ltd
Priority to CN202011624977.2A priority Critical patent/CN112633749A/zh
Publication of CN112633749A publication Critical patent/CN112633749A/zh
Pending legal-status Critical Current

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06398—Performance of employee with respect to a job function
    • 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
    • G06Q10/105—Human resources
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30244—Camera pose

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Game Theory and Decision Science (AREA)
  • Time Recorders, Dirve Recorders, Access Control (AREA)

Abstract

本发明公开了一种基于人脸识别的员工工作时长统计方法、系统和介质，统计方法包括以下步骤：信息采集，接收并保存录入的多个员工人脸信息和所述每个员工对应的预设空间范围信息；人脸识别，实时获取摄像视频，与保存的多个员工人脸信息进行比对，确认员工；空间转换，摄像视频中员工所在像素空间点转化为空间坐标点；空间坐标点对比，员工所在空间坐标点与对应的预设空间范围进行比对，确认员工是否在对应的预设空间范围内；时长统计，统计员工在对应预设空间范围内的时长。本发明公开的基于人脸识别的员工工作时长统计方法无需员工进行任何操作，就可以精准的统计员工在预设的空间范围内的时长。

Description

一种基于人脸识别的员工工作时长统计方法、系统及介质
技术领域
本发明涉及人脸识别技术领域，尤其涉及一种基于人脸识别的员工工作时长统计方法、系统及介质。
背景技术
现有的一些考勤设备和考勤软件在计算员工考勤时，一般仅限于上班打卡和下班打卡，通过比对员工上班打卡时间和下班打卡时间是否在规定的打卡时间，判断员工是否有迟到、早退现象，或者通过计算上班打卡时间和下班打卡时间的时间差，判断员工是否工作满规定的时长。但是此种考勤方法，不能有效统计员工在工作区域比如工位上的实际工作时间，不能为计算实际工作效率提供依据。
公开号为CN107172655A的中国发明专利公开一种基于无线接入设备的自动考勤方法及系统，该方法包括步骤：S1.接收无线接入设备发送的设备接入网络通知，记录对应的第一系统时间为设备对应员工上班时间；S2.接收无线接入设备发送的设备断开连接通知，记录对应的第二系统时间为设备对应员工下班时间；S3.根据所述员工上班时间及下班时间，计算所述员工工作时长，并保存至考勤记录；S4.当所述员工上班时间，或下班时间，或工作时长不符合预设时间条件时，生成异常报告。通过无线接入设备记录用户设备接入信息及断开信息，并结合云控制器记录系统时间，能够更加便捷地实现考勤管理。
该自动考勤方法是根据员工上班打卡时间和下班打卡时间计算员工工作时长，不能统计员工在工作区域的实际工作时间。另外，该自动考勤方法是依据无线接入设备比如手机接入或断开网络判断员工上班时间或下班时间，当更换手机或者忘带手机时就不能有效统计考勤。
发明内容
有鉴于此，本发明的目的是针对现有技术的不足，提供一种基于人脸识别的员工工作时长统计方法、系统及介质，可以高效统计员工在工作区域的实际工作时间。
为达到上述目的，本发明采用以下技术方案：
一种基于人脸识别的员工工作时长统计方法，包括：
信息采集，接收并保存录入的多个员工人脸信息和每个员工对应的预设空间范围信息；
人脸识别，实时获取摄像视频，与保存的多个员工人脸信息进行比对，确认员工；
空间转换，摄像视频中员工所在像素空间点转化为空间坐标点；
空间坐标点对比，员工所在空间坐标点与对应的预设空间范围进行比对，确认员工是否在对应的预设空间范围内；
时长统计，统计员工在对应预设空间范围内的时长。
进一步的，时长统计采用累加计算，累加员工在预设空间范围内的时长。
进一步的，时长统计为扣减计算，员工首次进入预设空间范围内至员工最终离开预设空间范围内的时长减去员工中途不在预设空间范围内的时长。
进一步的，还包括标记，信息采集中还接收并保存与员工人脸信息对应的预定工作开始时间和预定工作结束时间，标记员工首次进入预设空间范围内的时间点与预定工作开始时间的关系，及员工最终离开预设空间范围内的时间点与预定工作结束时间的关系。
进一步的，信息采集中可以增加或删除员工人脸信息及对应的预设空间范围信息，每个员工人脸信息对应的预设空间范围可调。
本发明还提供了一种基于人脸识别的员工工作时长统计系统，包括：
信息采集模块，用于接收并保存录入的多个员工人脸信息和每个员工对应的预设空间范围信息；
人脸识别模块，用于实时获取摄像视频，与保存的多个员工人脸信息进行比对，确认员工；
空间转换模块，用于将摄像视频中员工所在像素空间点转化为空间坐标点；
空间坐标点对比模块，用于将员工所在空间坐标点与对应的预设空间范围进行比对，确认员工是否在对应的预设空间范围内；
时长统计模块，用于统计员工在对应预设空间范围内的时长。
进一步的，还包括标记模块，信息采集模块还接收并保存与员工人脸信息对应的预定工作开始时间和预定工作结束时间，标记模块用于标记员工首次进入预设空间范围内的时间点与预定工作开始时间的关系，及员工最终离开预设空间范围内的时间点与预定工作结束时间的关系。
本发明还提供一种基于人脸识别的员工工作时长统计系统，包括处理器、存储器以及存储在存储器中且被配置为由处理器执行的计算机程序，处理器执行计算机程序时实现如上任意一项的基于人脸识别的员工工作时长统计方法。
本发明还提供了一种计算机可读存储介质，计算机可读存储介质包括存储的计算机程序，其中，在计算机程序运行时控制计算机可读存储介质所在设备执行如上任意一项的基于人脸识别的员工工作时长统计方法。
本发明和现有技术相比，本发明提供的基于人脸识别的员工工作时长统计方法、系统及介质有以下有益效果：
基于人脸识别的员工工作时长统计方法、系统及介质，首先进行信息采集，接收并保存录入的多个员工人脸信息和每个员工对应的预设空间范围信息，将每个员工及每个员工对应的空间范围确定下来，员工人脸信息及对应的预设空间范围信息可以增加或删除，满足员工更新的需要及统计精度变化的需要；接着进行人脸识别，实时获取摄像视频，与保存的多个员工人脸信息进行比对，确认员工，通过员工的人脸来识别员工，依赖员工本身具有的不会变化的生物学信息进行识别，不依赖员工携带的打卡设备如手机等来识别员工，识别精度高；接下来进行空间转换，将摄像视频中员工所在像素空间点转化为空间坐标点；然后进行空间坐标点对比，员工所在空间坐标点与对应的预设空间范围进行比对，确认员工是否在对应的预设空间范围内；最后进行时长统计，统计员工在对应预设空间范围内的时长，本发明提供的员工工作时长统计方法，无需员工进行任何操作，就可以精准的统计员工在预设的空间范围内的时长，可以为计算实际工作效率提供依据。
附图说明
下面结合附图对本发明做进一步的详细说明。
图1是本发明实施例1提供的一种基于人脸识别的员工工作时长统计方法的流程示意图；
图2是本发明实施例2提供的一种基于人脸识别的员工工作时长统计方法的流程示意图；
图3是本发明实施例3提供的一种基于人脸识别的员工工作时长统计系统的结构示意图；
图4是本发明实施例4提供的一种基于人脸识别的员工工作时长统计系统的结构示意图。
具体实施方式
下面结合实施例对本发明作进一步说明。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，都属于本发明保护的范围。
请参考图1，图1是本发明实施例1提供的一种基于人脸识别的员工工作时长统计方法的流程示意图。
如图1所示的基于人脸识别的员工工作时长统计方法，包括步骤S1至步骤S5，具体如下：
S1.信息采集，接收并保存录入的多个员工人脸信息和所述每个员工对应的预设空间范围信息。
S2.人脸识别，实时获取摄像视频，与保存的多个员工人脸信息进行比对，确认员工。
S3.空间转换，将摄像视频中员工所在像素空间点转化为空间坐标点。
转化的方式为：基于张正友标定法对相机进行标定，可得到摄像头的内参
矩阵和外参矩阵；
再通过相机成像原理，可知如下公式：
Figure BDA0002879080110000051
其中R、K、T均为已知值。将上述等式中的变量做以下改写，方便描述：
Figure BDA0002879080110000052
进一步的可推导出如下公式：
ZW＝ZC*Mat1(2，0)-Mat2(2，0)
ZC＝(ZW+Mat2(2,0))/Mat1(2,0)
这里以大地为坐标系，将Zw设置为0，方便进行计算；
S4.空间坐标点对比，员工所在空间坐标点与对应的预设空间范围进行比对，确认员工是否在对应的预设空间范围内。这里使用欧氏距离，对预先设置中心点坐标和当前坐标点，进行距离判定，公式如下：
Figure BDA0002879080110000061
将两个坐标点代入公式进行计算，根据预设的距离范围进行判定是否属于空间范围内；
S5.时长统计，统计员工在对应预设空间范围内的时长。
在一些优选的实施例，时长统计采用累加计算，累加员工在预设空间范围内的时长，也就是说，从员工首次进入预设空间范围内开始计时，当员工离开预设空间范围内时，停止计时，当员工再次进入预设空间范围内时，接着计时，得到员工在预设空间范围内的时长。
在另一些优选的实施例中，时长统计为扣减计算，先统计员工首次进入预设空间范围的时间点，当员工离开预设空间范围内时，开始计时，员工返回预设空间范围内时，停止计时，当员工再次离开预设空间范围时，接着计时，统计员工离开预设空间范围的累加值，直至员工最终离开预设空间范围，并记录员工最终离开预设空间范围的时间点，员工工作时长为员工最终离开预设空间范围的时间点和首次进入预设空间范围的时间点之差减去员工中途离开预设空间范围的累加时间。
在一些优选的实施例中，还包括S6标记，信息采集中还接收并保存与员工人脸信息对应的预定工作开始时间和预定工作结束时间，标记员工首次进入预设空间范围内的时间点与预定工作开始时间的关系，及员工最终离开预设空间范围内的时间点与预定工作结束时间的关系，判断员工是否存在迟到和早退现象，还能应用在轮班倒员工的工作时间管理中，使员工的工作排班能合理搭接。
为了满足员工更新的需要及统计精度变化的需要，信息采集中可以增加或删除员工人脸信息及对应的预设空间范围信息，每个员工人脸信息对应的预设空间范围可调。其中，每个员工人脸信息对应的预设空间范围信息可以相同，比如预设的空间范围是整个办公室；或者每个员工人脸信息对应的预设空间范围是办公工位，每个员工人脸信息对应的预设空间范围相互独立不相同。
参见图2，图2是本发明实施例2提供的一种基于人脸识别的员工工作时长统计方法的流程示意图。
在上述实施例1的基础上，如图2所示的基于人脸识别的员工工作时长统计方法还包括步骤S6：
S6：标记，信息采集中还接收并保存与员工人脸信息对应的预定工作开始时间和预定工作结束时间，标记员工首次进入预设空间范围内的时间点与预定工作开始时间的关系，及员工最终离开预设空间范围内的时间点与预定工作结束时间的关系。
本发明实施例还提供了一种基于人脸识别的员工工作时长统计系统，能够实施上述各个基于人脸识别的员工工作时长统计方法的所有流程。
参见图3，图3是本发明实施例3提供的一种基于人脸识别的员工工作时长统计系统的结构示意图。
如图3所示的基于人脸识别的员工工作时长统计系统20，包括：
信息采集模块21，用于接收并保存录入的多个员工人脸信息和每个员工对应的预设空间范围信息；
人脸识别模块22，用于实时获取摄像视频，与保存的多个员工人脸信息进行比对，确认员工；
空间转换模块23，用于将摄像视频中员工所在像素空间点转化为空间坐标点；
空间坐标点对比模块24，用于将员工所在空间坐标点与对应的预设空间范围进行比对，确认员工是否在对应的预设空间范围内；
时长统计模块25，用于统计员工在对应预设空间范围内的时长。
进一步的，基于人脸识别的员工工作时长统计系统20还包括标记模块26，信息采集模块还接收并保存与员工人脸信息对应的预定工作开始时间和预定工作结束时间，标记模块用于标记员工首次进入预设空间范围内的时间点与预定工作开始时间的关系，及员工最终离开预设空间范围内的时间点与预定工作结束时间的关系。
参见图4，图4是本发明实施例4提供的一种基于人脸识别的员工工作时长统计系统的结构示意图。
本发明实施例提供的一种基于人脸识别的员工工作时长统计系统30，包括处理器31、存储器32以及存储在所述存储器中且被配置为由所述处理器31执行的计算机程序，所述处理器31执行所述计算机程序时实现如上任一实施例所述的基于人脸识别的员工工作时长统计方法。
另外，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上任一实施例所述的基于人脸识别的员工工作时长统计方法。
所述处理器31执行所述计算机程序时实现上述基于人脸识别的员工工作时长统计方法实施例中的步骤，例如图1所示的基于人脸识别的员工工作时长统计方法的所有步骤。或者，所述处理器31执行所述计算机程序时实现如图3所示的基于人脸识别的员工工作时长统计系统20的各模块的功能。
示例性的，所述计算机程序可以被分割成一个或多个模块，所述一个或者多个模块被存储在所述存储器32中，并由所述处理器31执行，以完成本发明。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述基于人脸识别的员工工作时长统计系统30的执行过程。例如，所述计算机程序可以被分割成信息采集模块、人脸识别模块、空间转换模块、空间坐标点对比模块和时长统计模块。各模块具体功能如下：信息采集模块用于接收并保存录入的多个员工人脸信息和每个员工对应的预设空间范围信息；人脸识别模块用于实时获取摄像视频，与保存的多个员工人脸信息进行比对，确认员工；空间转换模块用于将摄像视频中员工所在像素空间点转化为空间坐标点；空间坐标点对比模块用于将员工所在空间坐标点与对应的预设空间范围进行比对，确认员工是否在对应的预设空间范围内；时长统计模块用于统计员工在对应预设空间范围内的时长。
所述基于人脸识别的员工工作时长统计系统30可以是摄像设备和桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述基于人脸识别的员工工作时长统计系统30可包括，但不仅限于，处理器31、存储器32。本领域技术人员可以理解，所述示意图仅仅是基于人脸识别的员工工作时长统计系统30的示例，并不构成对基于人脸识别的员工工作时长统计系统30的限定，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，例如所述基于人脸识别的员工工作时长统计系统30还可以包括输入输出设备、网络接入设备、总线等。
所称处理器31可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，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。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，所述处理器31是所述基于人脸识别的员工工作时长统计系统30的控制中心，利用各种接口和线路连接整个基于人脸识别的员工工作时长统计系统30的各个部分。
所述存储器32可用于存储所述计算机程序和/或模块，所述处理器31通过运行或执行存储在所述存储器32内的计算机程序和/或模块，以及调用存储在存储器32内的数据，实现所述基于人脸识别的员工工作时长统计系统30的各种功能。所述存储器32可主要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、至少一个功能所需的应用程序等；存储数据区可存储根据基于人脸识别的员工工作时长统计系统30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，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中，所述基于人脸识别的员工工作时长统计系统30集成的模块/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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
需说明的是，以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (9)

1.一种基于人脸识别的员工工作时长统计方法，其特征在于，包括：
S1.信息采集，接收并保存录入的多个员工人脸信息和所述每个员工对应的预设空间范围信息；
S2.人脸识别，实时获取摄像视频，与保存的多个员工人脸信息进行比对，确认员工；
S3.空间转换，摄像视频中员工所在像素空间点转化为空间坐标点；
S4.空间坐标点对比，员工所在空间坐标点与对应的预设空间范围进行比对，确认员工是否在对应的预设空间范围内；
S5.时长统计，统计员工在对应预设空间范围内的时长。
2.根据权利要求1所述的一种基于人脸识别的员工工作时长统计方法，其特征在于，所述时长统计采用累加计算，累加员工在预设空间范围内的时长。
3.根据权利要求1所述的一种基于人脸识别的员工工作时长统计方法，其特征在于，所述时长统计为扣减计算，员工首次进入预设空间范围内至员工最终离开预设空间范围内的时长减去员工中途不在预设空间范围内的时长。
4.根据权利要求1所述的一种基于人脸识别的员工工作时长统计方法，其特征在于，还包括S6标记，所述信息采集中还接收并保存与员工人脸信息对应的预定工作开始时间和预定工作结束时间，标记员工首次进入预设空间范围内的时间点与预定工作开始时间的关系，及员工最终离开预设空间范围内的时间点与预定工作结束时间的关系。
5.根据权利要求1所述的一种基于人脸识别的员工工作时长统计方法，其特征在于，所述信息采集中，可以增加或删除员工人脸信息及对应的预设空间范围信息，每个员工人脸信息对应的预设空间范围可调。
6.一种基于人脸识别的员工工作时长统计系统，其特征在于，包括：
信息采集模块，用于接收并保存录入的多个员工人脸信息和所述每个员工对应的预设空间范围信息；
人脸识别模块，用于实时获取摄像视频，与保存的多个员工人脸信息进行比对，确认员工；
空间转换模块，用于将摄像视频中员工所在像素空间点转化为空间坐标点；
空间坐标点对比模块，用于将员工所在空间坐标点与对应的预设空间范围进行比对，确认员工是否在对应的预设空间范围内；
时长统计模块，用于统计员工在对应预设空间范围内的时长。
7.根据权利要求6所述的一种基于人脸识别的员工工作时长统计系统，其特征在于，还包括标记模块，所述信息采集模块还接收并保存与员工人脸信息对应的预定工作开始时间和预定工作结束时间，所述标记模块用于标记员工首次进入预设空间范围内的时间点与预定工作开始时间的关系，及员工最终离开预设空间范围内的时间点与预定工作结束时间的关系。
8.一种基于人脸识别的员工工作时长统计系统，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-5中任意一项所述的基于人脸识别的员工工作时长统计方法。
9.一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包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1-5中任意一项所述的基于人脸识别的员工工作时长统计方法。
CN202011624977.2A 2020-12-31 2020-12-31 一种基于人脸识别的员工工作时长统计方法、系统及介质 Pending CN112633749A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011624977.2A CN112633749A (zh) 2020-12-31 2020-12-31 一种基于人脸识别的员工工作时长统计方法、系统及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011624977.2A CN112633749A (zh) 2020-12-31 2020-12-31 一种基于人脸识别的员工工作时长统计方法、系统及介质

Publications (1)

Publication Number Publication Date
CN112633749A true CN112633749A (zh) 2021-04-09

Family

ID=75290358

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011624977.2A Pending CN112633749A (zh) 2020-12-31 2020-12-31 一种基于人脸识别的员工工作时长统计方法、系统及介质

Country Status (1)

Country Link
CN (1) CN112633749A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112991570A (zh) * 2021-05-21 2021-06-18 中建电子商务有限责任公司 一种支持乱序上传的考勤工时及夜班算法
CN113111847A (zh) * 2021-04-29 2021-07-13 四川隧唐科技股份有限公司 一种工序循环的自动监测方法、装置和系统
CN113570749A (zh) * 2021-07-22 2021-10-29 用友汽车信息科技（上海）股份有限公司 工位作业时间的确定方法、工位作业系统和可读存储介质
CN114926054A (zh) * 2022-05-30 2022-08-19 安徽金源药业有限公司 一种用于保健食品加工的5g智能工厂数据管理系统

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090097716A1 (en) * 2007-10-10 2009-04-16 Lenovo (Beijing) Limited Camera device and information prompt method
CN106296112A (zh) * 2016-07-28 2017-01-04 广州猫眼网络科技有限公司 基于人脸识别的考勤系统、方法及其装置
CN106384106A (zh) * 2016-10-24 2017-02-08 杭州非白三维科技有限公司 一种基于三维扫描的反欺诈人脸识别系统
CN108241953A (zh) * 2016-12-23 2018-07-03 电信科学技术研究院 目标对象监控的方法和装置
CN108509946A (zh) * 2018-07-05 2018-09-07 常州纺织服装职业技术学院 一种基于人脸识别的智能楼宇系统
CN109447597A (zh) * 2018-12-27 2019-03-08 深圳市沃特沃德股份有限公司 多人共同进行考勤的方法、装置及人脸识别系统
CN109657624A (zh) * 2018-12-21 2019-04-19 秒针信息技术有限公司 目标对象的监控方法、装置和系统
CN109767196A (zh) * 2019-01-22 2019-05-17 武汉武吉智能科技有限公司 一种智能考勤系统
CN109801394A (zh) * 2018-12-29 2019-05-24 南京天溯自动化控制系统有限公司 一种工作人员考勤方法及装置、电子设备和可读存储介质
WO2019100385A1 (zh) * 2017-11-27 2019-05-31 齐心商用设备(深圳)有限公司 考勤机、考勤机的考勤方法
CN109903414A (zh) * 2018-12-27 2019-06-18 北京智慧云行科技有限责任公司 一种基于物联网监控办公考勤控制系统及方法
CN110782228A (zh) * 2019-10-25 2020-02-11 上海燕汐软件信息科技有限公司 一种工作时长获得方法、装置、电子设备及存储介质
WO2020093634A1 (zh) * 2018-11-06 2020-05-14 平安科技（深圳）有限公司 基于人脸识别的照片添加方法、装置、终端及存储介质
CN111369703A (zh) * 2020-03-20 2020-07-03 北京金山云网络技术有限公司 一种在线时间确定方法、装置、服务器及介质

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090097716A1 (en) * 2007-10-10 2009-04-16 Lenovo (Beijing) Limited Camera device and information prompt method
CN106296112A (zh) * 2016-07-28 2017-01-04 广州猫眼网络科技有限公司 基于人脸识别的考勤系统、方法及其装置
CN106384106A (zh) * 2016-10-24 2017-02-08 杭州非白三维科技有限公司 一种基于三维扫描的反欺诈人脸识别系统
CN108241953A (zh) * 2016-12-23 2018-07-03 电信科学技术研究院 目标对象监控的方法和装置
WO2019100385A1 (zh) * 2017-11-27 2019-05-31 齐心商用设备(深圳)有限公司 考勤机、考勤机的考勤方法
CN108509946A (zh) * 2018-07-05 2018-09-07 常州纺织服装职业技术学院 一种基于人脸识别的智能楼宇系统
WO2020093634A1 (zh) * 2018-11-06 2020-05-14 平安科技（深圳）有限公司 基于人脸识别的照片添加方法、装置、终端及存储介质
CN109657624A (zh) * 2018-12-21 2019-04-19 秒针信息技术有限公司 目标对象的监控方法、装置和系统
CN109447597A (zh) * 2018-12-27 2019-03-08 深圳市沃特沃德股份有限公司 多人共同进行考勤的方法、装置及人脸识别系统
CN109903414A (zh) * 2018-12-27 2019-06-18 北京智慧云行科技有限责任公司 一种基于物联网监控办公考勤控制系统及方法
CN109801394A (zh) * 2018-12-29 2019-05-24 南京天溯自动化控制系统有限公司 一种工作人员考勤方法及装置、电子设备和可读存储介质
CN109767196A (zh) * 2019-01-22 2019-05-17 武汉武吉智能科技有限公司 一种智能考勤系统
CN110782228A (zh) * 2019-10-25 2020-02-11 上海燕汐软件信息科技有限公司 一种工作时长获得方法、装置、电子设备及存储介质
CN111369703A (zh) * 2020-03-20 2020-07-03 北京金山云网络技术有限公司 一种在线时间确定方法、装置、服务器及介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
李艳坤等: "《模式识别方法及其在复杂体系中的应用》", 北京理工大学出版社, pages: 38 *
袁小平等: "煤矿调度室员工自动签到系统的设计", 《工矿自动化》, no. 09, 30 August 2012 (2012-08-30) *
高晗: "基于MATLAB的人脸识别考勤系统应用探究", 《科技风》 *
高晗: "基于MATLAB的人脸识别考勤系统应用探究", 《科技风》, no. 14, 30 July 2017 (2017-07-30) *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113111847A (zh) * 2021-04-29 2021-07-13 四川隧唐科技股份有限公司 一种工序循环的自动监测方法、装置和系统
CN112991570A (zh) * 2021-05-21 2021-06-18 中建电子商务有限责任公司 一种支持乱序上传的考勤工时及夜班算法
CN113570749A (zh) * 2021-07-22 2021-10-29 用友汽车信息科技（上海）股份有限公司 工位作业时间的确定方法、工位作业系统和可读存储介质
CN114926054A (zh) * 2022-05-30 2022-08-19 安徽金源药业有限公司 一种用于保健食品加工的5g智能工厂数据管理系统

Similar Documents

Publication Publication Date Title
CN112633749A (zh) 一种基于人脸识别的员工工作时长统计方法、系统及介质
CN111815754B (zh) 一种三维信息确定方法、三维信息确定装置及终端设备
CN109166156B (zh) 一种摄像头标定图像的生成方法、移动终端及存储介质
CN109656973B (zh) 一种目标对象关联分析方法及装置
CN109858441A (zh) 一种用于施工现场的异常状态监测方法与装置
CN114414935A (zh) 基于大数据的配电网馈线故障区域自动化定位方法和系统
CN112770265B (zh) 一种行人身份信息获取方法、系统、服务器和存储介质
CN111667504A (zh) 一种人脸追踪方法、装置及设备
CN110599520B (zh) 一种旷场实验数据分析方法、系统及终端设备
CN115797876A (zh) 设备监控处理方法及系统
CN113516275A (zh) 一种配电网超短期负荷预测方法、装置及终端设备
CN110348717B (zh) 基于栅格粒度的基站价值评分方法和装置
CN110142940B (zh) 应用于注塑模具的良品检测方法及装置
CN115409867A (zh) 一种基于视频处理技术的轨迹分析方法及系统
CN112047209B (zh) 一种电梯楼层的自动标定方法、介质、终端和装置
CN113077018A (zh) 一种目标对象识别方法、装置、存储介质及电子装置
CN112068079A (zh) 用于安防雷达的防区划分方法、装置、终端及存储介质
CN108629219B (zh) 一种识别一维码的方法及装置
CN113190429B (zh) 服务器性能预测方法、装置及终端设备
CN115186751A (zh) 一种基于s变换的CVT计量误差预测方法、装置及存储介质
CN112580462A (zh) 一种特征点选择方法、终端和存储介质
CN109981970B (zh) 一种确定拍摄场景的方法、装置和机器人
CN111025010B (zh) 设备有功响应时间测量方法、装置及终端设备
CN115833941B (zh) Dwdm光模块apd调试方法、电子设备及计算机可读存储介质
CN112531629B (zh) 配电网保护定值自动整定方法、装置及终端设备

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: 20210409