CN113505824B - 一种判断更新方法、装置和人脸打卡系统 - Google Patents
一种判断更新方法、装置和人脸打卡系统 Download PDFInfo
- Publication number
- CN113505824B CN113505824B CN202110750042.7A CN202110750042A CN113505824B CN 113505824 B CN113505824 B CN 113505824B CN 202110750042 A CN202110750042 A CN 202110750042A CN 113505824 B CN113505824 B CN 113505824B
- Authority
- CN
- China
- Prior art keywords
- picture
- face
- average value
- pictures
- user
- 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.)
- Active
Links
- 238000004080 punching Methods 0.000 title claims abstract description 140
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000004364 calculation method Methods 0.000 claims abstract description 35
- 238000000605 extraction Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 abstract description 15
- 230000000750 progressive effect Effects 0.000 abstract description 3
- 238000004590 computer program Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance 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
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/06—Protocols specially adapted for file transfer, e.g. file transfer protocol [FTP]
Abstract
本申请公开了一种判断更新方法、装置和人脸打卡系统。其中,方法包括:获取第一时间段内用户通过人脸打卡系统获取的人脸图片中得分最高的第一图片,得分是将人脸图片与底库图片进行相似度计算得到的,在得分大于或等于打卡阈值的情况下,确定打卡成功;计算第一图片与该用户的所有底库图片进行相似度计算的得分的平均值,得到第一均值;计算第一图片与该用户除去得分最低的底库图片后剩余底库图片进行相似度计算的得分的平均值,得到第二均值;基于第二均值与第一均值的差值更新打卡阈值。采用该方法,人脸打卡系统可以根据用户打卡过程中获取的人脸图片调整打卡阈值,从而实现打卡阈值的渐进式增长,不断提高人脸识别的准确率。
Description
技术领域
本申请涉及图像处理技术领域,特别是涉及一种判断更新方法、装置和人脸打卡系统。
背景技术
严格规范员工打卡考勤是现代企事业单位提高管理效益的重要保证,而传统的打卡、刷卡等考勤产品,存在着代打卡、效率低下、不易统计、管理和维护成本高等弊端。随后出现的指纹识别产品,虽能部分解决代打卡等问题,但是超过5%的人天生指纹很浅,无法使用指纹识别,而且必须接触机器,也给细菌传播提供便利的载体。
随着深度学习技术发展,摄像头精度提升,成本降低,通过人脸识别进行打卡的技术日益成熟,并迅速成为市场热点。人脸打卡系统是基于人脸识别进行考勤打卡的产品,人脸识别是对人的脸部特征信息进行身份认证的生物特征识别技术。目前人脸打卡技术,首先是基于业务场景,采集所需识别人的图像例如,身份证照片,根据深度学习模型,对图像进行检测识别,每张图片生成特征,并对每个人的特征进行归类存储,形成底库,以用来后续进行特征比对识别。然后通过摄像机摄取视频图像,送入深度学习模型中,进行检测识别,生成对应人脸特征,然后和底库中所有特征进行比对得分,选取相似度最高的人脸特征,就将该图片识别成为某个人。一般而言,由于光照和人脸角度等因素,对于同一个人的不同照片,得分会有高有低。而人脸打卡系统通常会设定一个固定阈值,将人脸识别计算得到的分数与该阈值进行比较,高于该阈值则认为识别正确,并打卡成功。由于该阈值通常不做更改,使得整个系统的识别准确率得不到改进和提高,影响用户体验。
发明内容
本申请的目的在于克服上述问题或者至少部分地解决或缓减解决上述问题。
根据本申请的第一个方面,提供了一种判断更新方法,包括:
第一图片获取步骤:获取第一时间段内用户通过人脸打卡系统获取的人脸图片中得分最高的第一图片,其中,所述得分是将所述人脸图片的人脸特征与底库图片的人脸特征进行相似度计算得到的,在所述得分大于或等于打卡阈值的情况下,确定该用户打卡成功;
均值计算步骤:计算所述第一图片与该用户的所有底库图片进行相似度计算的得分的平均值,得到第一均值;计算所述第一图片与该用户除去得分最低的底库图片后剩余的底库图片进行相似度计算的得分的平均值,得到第二均值;
打卡阈值更新步骤:基于所述第二均值与所述第一均值的差值更新打卡阈值。
采用该方法,人脸打卡系统中判断打卡是否成功的阈值可以根据用户打卡过程中获取的人脸图片进行调整,从而实现打卡阈值的渐进式增长,不断提高人脸识别的准确率。
可选地,在所述人脸打卡图像获取步骤之前,该方法还包括:
底库图片特征提取步骤:获取每一个用户的多个底库图片,对每一个底库图片进行人脸识别和特征提取,得到相应的人脸特征。
该方法为每个用户准备多个底库图片,能够使得用户在不同天气、场景、光线、角度的情况下拍摄的人脸图片均能得到正确识别,从而提高人脸识别的准确度。
可选地,在所述打卡阈值更新步骤中:将所述第二均值与所述第一均值的差值作为增加值,利用所有用户的增加值的平均值与所述打卡阈值之和更新所述打卡阈值。
可选地,在所述打卡阈值更新步骤之后,该方法还包括:
底库图片更新步骤:将所述第一图片替换所述得分最低的底库图片,作为该用户的底库图片。
采用该方法能够收集得分较高的人脸图片,对底库图片进行替换,以提高比对得分,进而可以提高打卡阈值,提高识别准确度。
可选地,在所述第一图片获取步骤之前,该方法还包括:
第一图片更新步骤:在第一时间段内,将第一图片进行初始设置,如果后续用户通过人脸打卡系统获取的个人脸图片的得分大于该第一图片的得分,则利用该个人脸图片更新该第一图片。
该方法能够减少图片的存储量,在一定时间段内,对于每个用户仅保存一个得分最高的图片即可,降低了对存储空间的使用需求。
根据本申请的第二个方面,提供了一种判断更新装置,包括:
第一图片获取模块,其配置成用于获取第一时间段内用户通过人脸打卡系统获取的人脸图片中得分最高的第一图片,其中,所述得分是将所述人脸图片的人脸特征与底库图片的人脸特征进行相似度计算得到的,在所述得分大于或等于打卡阈值的情况下,确定该用户打卡成功;
均值计算模块,其配置成用于计算所述第一图片与该用户的所有底库图片进行相似度计算的得分的平均值,得到第一均值;计算所述第一图片与该用户除去得分最低的底库图片后剩余的底库图片进行相似度计算的得分的平均值,得到第二均值;
打卡阈值更新模块,其配置成用于基于所述第二均值与所述第一均值的差值更新打卡阈值。
采用该装置,人脸打卡系统中判断打卡是否成功的阈值可以根据用户打卡过程中获取的人脸图片进行调整,从而实现打卡阈值的渐进式增长,不断提高人脸识别的准确率。
根据本申请的第三个方面,提供了一种人脸打卡系统,包括:相互连接的服务器和移动终端,其中,
移动终端,用于获取用户的人脸图片以用于打卡,得到第一时间段内用户的人脸图片中得分最高的第一图片,其中,所述得分是将所述人脸图片的人脸特征与底库图片的人脸特征进行相似度计算得到的,在所述得分大于或等于打卡阈值的情况下,确定该用户打卡成功;计算所述第一图片与该用户的所有底库图片进行相似度计算的得分的平均值,得到第一均值;计算所述第一图片与该用户除去得分最低的底库图片后剩余的底库图片进行相似度计算的得分的平均值,得到第二均值,将所述第二均值与所述第一均值的差值传送给服务器;
服务器,用于基于差值更新打卡阈值,并将更新后的打卡阈值发送给移动终端。
该人脸打卡系统能够根据用户打卡过程中获取的人脸图片对打卡阈值进行调整,从而实现打卡阈值的渐进式增长,不断提高人脸识别的准确率。
根据本申请的第四个方面,提供了一种人脸打卡系统,包括:相互连接的服务器和终端,其中,
终端,用于获取用户的人脸图片并上传给服务器以用于打卡;
服务器,用于获取第一时间段内终端上传的人脸图片中得分最高的第一图片,其中,所述得分是将所述人脸图片的人脸特征与底库图片的人脸特征进行相似度计算得到的,在所述得分大于或等于打卡阈值的情况下,确定该用户打卡成功;计算所述第一图片与该用户的所有底库图片进行相似度计算的得分的平均值,得到第一均值;计算所述第一图片与该用户除去得分最低的底库图片后剩余的底库图片进行相似度计算的得分的平均值,得到第二均值,将所述第二均值与所述第一均值的差值,基于所述差值更新打卡阈值。
该人脸打卡系统将人脸识别阈值计算的功能部分地转移给移动终端实现,缓解了服务器的运行压力,提高了数据处理的速度。服务器可以根据用户打卡过程中获取的人脸图片进行调整,从而实现打卡阈值的渐进式增长,不断提高人脸识别的准确率。
根据本申请的第五个方面,提供了一种计算设备,包括存储器、处理器和存储在所述存储器内并能由所述处理器运行的计算机程序,其中,所述处理器执行所述计算机程序时实现如上所述的方法。
根据本申请的第六个方面,提供了一种计算机可读存储介质,优选为非易失性可读存储介质,其内存储有计算机程序,所述计算机程序在由处理器执行时实现如上所述的方法。
根据下文结合附图对本申请的具体实施例的详细描述,本领域技术人员将会更加明了本申请的上述以及其他目的、优点和特征。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。后文将参照附图以示例性而非限制性的方式详细描述本申请的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解的是,这些附图未必是按比例绘制的。在附图中:
图1是根据本申请的一个实施例的判断更新方法的示意性流程图;
图2是根据本申请的一个实施例的判断更新装置的示意性框图;
图3是根据本申请的一个实施例的人脸打卡系统的示意性框图;
图4是根据本申请的另一个实施例的人脸打卡系统的示意性框图;
图5是本申请的计算设备的一个实施例的框图;
图6是本申请的计算机可读存储介质的一个实施例的框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,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、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,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做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本申请实施例,提供了一种判断更新方法,该方法应用于人脸打卡系统。图1是根据本申请的一个实施例的判断更新方法的示意性流程图。本申请中判断更新方法可以包括以下步骤中的一个或多个:
S300第一图片获取步骤:获取第一时间段内用户通过人脸打卡系统获取的人脸图片中得分最高的第一图片。
其中,所述得分是将所述人脸图片的人脸特征与底库图片的人脸特征进行相似度计算得到的。相似度可以是余弦相似度,相似度越大,可以把相似度的计算结果作为得分。得分越高,表示该人脸图片和底库图片越相似,表明这张图片是底库图片中的用户的可能性越高。
在所述得分大于或等于打卡阈值的情况下,确定该用户打卡成功。在一个可选实施方案中,将人脸图片与底库中所有图片进行特征比对,计算得到的得分,从高到低排序。可选地,在人脸识别中也会设置一个阈值,低于该阈值的就表示识别不准确,并且忽略该识别结果。
S400均值计算步骤:计算所述第一图片与该用户的所有底库图片进行相似度计算的得分的平均值,得到第一均值;计算所述第一图片与该用户除去得分最低的底库图片后剩余的底库图片进行相似度计算的得分的平均值,得到第二均值。
S500打卡阈值更新步骤:基于所述第二均值与所述第一均值的差值更新打卡阈值。
采用该方法,人脸打卡系统中判断打卡是否成功的阈值可以根据用户打卡过程中获取的人脸图片进行调整,从而实现打卡阈值的渐进式增长,不断提高人脸识别的准确率。
可选地,在所述S300第一图片获取步骤之前,该方法还可以包括:
S100底库图片特征提取步骤:获取每一个用户的多个底库图片,对每一个底库图片进行人脸识别和特征提取,得到相应的人脸特征。
在该步骤中,根据人脸打卡系统的需求,先对所有用户,例如,一个公司的所有员工,每个人采集一定数量的图片,例如,10张图片,从而形成该用户的底库图片。这些图片可以是不同角度、场景、光线下进行拍摄得到的。对每个底库图片进行人脸识别和特征提取,得到相应的人脸特征。即,每个人对应10个人脸特征,存储这些人脸特征以便用作后续比对使用。
该方法为每个用户准备多个底库图片,能够使得用户在不同天气、场景、光线、角度的情况下拍摄的人脸图片均能得到正确识别,从而提高人脸识别的准确度。
在一个可选实施例中,在S300第一图片获取步骤之前,该方法还包括:
S200第一图片更新步骤:在第一时间段内,在第一时间段内,保存用户的打卡成功的所有人脸图片以及相应的得分,以便在S300第一图片获取步骤中,将得分最高的人脸图片作为第一图片。
在另一个可选实施例中,在所述S300第一图片获取步骤之前,该方法还包括:
S200’第一图片更新步骤:在第一时间段内,将第一图片进行初始设置,如果后续用户通过人脸打卡系统获取的个人脸图片的得分大于该第一图片的得分,则利用该个人脸图片更新该第一图片。
在该步骤中,初始设置时,可以将用户在第一时间段内打卡成功的第一个人脸图片作为第一图片,也可以将上一个时间段内用户通过人脸打卡系统获取的个人脸图片的人脸图片作为第一图片。在后续过程中,如果用户在某一次打卡时的个人脸图片的得分大于该第一图片的得分,则利用该个人脸图片更新该第一图片。这样能够始终保持该第一图片为第一时间段内或者更长时间内得分最高的图片,也便于在S300第一图片获取步骤中,直接获取该第一图片。
该方法能够减少图片的存储量,在一定时间段内,对于每个用户仅保存一个得分最高的图片即可,降低了对存储空间的使用需求。
其中,第一时间段可以是10天、15天、一个月、三个月或者其他时间。
可选地,在所述S500打卡阈值更新步骤中:将所述第二均值与所述第一均值的差值作为增加值,利用所有用户的增加值的平均值与所述打卡阈值之和更新所述打卡阈值。
例如,打卡阈值的初始值为0.45,该初始值一般根据模型训练结果和/或评测集结果得到。对于一个用户,在S400均值计算步骤中,计算所述第一图片与该用户的所有10个底库图片进行相似度计算的得分的平均值,得到第一均值,例如为0.6;除去得分最低的底库图片后得到剩余的9个底库图片,计算所述第一图片与该9个底库图片进行相似度计算的得分的平均值,得到第二均值,例如为0.65;在所述S500打卡阈值更新步骤中,用0.65减去0.6,得到0.5,0.5为该用户的增加值。对所有用户的增加值取平均值,例如0.04,将0.04加到原始的打卡阈值0.45上,得到0.49,将0.49作为新的打卡阈值。
采用该步骤,能够对打卡阈值进行渐进式的更新,从而不断提高人脸识别的准确度。
可选地,在所述S500打卡阈值更新步骤之后,该方法还包括:
S600底库图片更新步骤:将所述第一图片替换所述得分最低的底库图片,作为该用户的底库图片。
采用该方法能够收集得分较高的人脸图片,对底库图片进行替换,以提高比对得分,进而可以提高打卡阈值,提高识别准确度。由于用户最初提供的底库图片,可能是平时的生活照,光线、角度等参数较好。而在实际上班打卡过程中,从移动终端的摄像头或者公司安装的公共终端的摄像头获取的图片或者拍摄的视频中截取的图片才是最真实的打卡图片,从这些图片中选取得分较高的图片,对底库图片进行替换,才能使以后识别的得分越来越高,识别结果越来越准确。得分就是图片与底库图片进行比对,得到的分数,底库图片之间并不互相比较。底库图片中得分最低的图片与真实上班打卡图片中最不相似的图片,所以用打卡中真实状态的图片替换该底库图片,能够提高识别得分。由于底片图片与实际打卡的相似度提高,打卡阈值也随之提高,因此能够从整体上提升人脸识别的准确率,提高打卡效率。
根据本申请实施例,还提供了一种判断更新装置。图2是根据本申请的一个实施例的判断更新装置的示意性框图。该装置可以包括以下模块中的一个或多个:
第一图片获取模块300,其配置成用于获取第一时间段内用户通过人脸打卡系统获取的人脸图片中得分最高的第一图片。其中,所述得分是将所述人脸图片的人脸特征与底库图片的人脸特征进行相似度计算得到的,在所述得分大于或等于打卡阈值的情况下,确定该用户打卡成功。
均值计算模块400,其配置成用于计算所述第一图片与该用户的所有底库图片进行相似度计算的得分的平均值,得到第一均值;计算所述第一图片与该用户除去得分最低的底库图片后剩余的底库图片进行相似度计算的得分的平均值,得到第二均值。
打卡阈值更新模块500,其配置成用于基于所述第二均值与所述第一均值的差值更新打卡阈值。
可选地,该装置还可以包括:
底库图片特征提取模块,其配置成用于获取每一个用户的多个底库图片,对每一个底库图片进行人脸识别和特征提取,得到相应的人脸特征。
可选地,该装置还可以包括第一图片更新模块。
在一个可选实施例中,该第一图片更新模块配置成用于在第一时间段内,在第一时间段内,保存用户的打卡成功的所有人脸图片以及相应的得分。从而在第一图片获取模块中,可以将得分最高的人脸图片作为第一图片。
在另一个可选实施例中,该第一图片更新模块配置成用于在第一时间段内,将第一图片进行初始设置,如果后续用户通过人脸打卡系统获取的个人脸图片的得分大于该第一图片的得分,则利用该个人脸图片更新该第一图片。
可选地,所述打卡阈值更新模块500还用于将所述第二均值与所述第一均值的差值作为增加值,利用所有用户的增加值的平均值与所述打卡阈值之和更新所述打卡阈值。
可选地,该装置还可以包括:
底库图片更新模块,其配置成用于将所述第一图片替换所述得分最低的底库图片,作为该用户的底库图片。
采用该装置,人脸打卡系统中判断打卡是否成功的阈值可以根据用户打卡过程中获取的人脸图片进行调整,从而实现打卡阈值的渐进式增长,不断提高人脸识别的准确率。
根据本申请实施例,还提供了一种人脸打卡系统。图3是根据本申请的一个实施例的人脸打卡系统的示意性框图。该系统可以包括:相互连接的服务器和终端。
其中,终端,用于获取所有用户中的每一个的人脸图片并上传给服务器以用于打卡。可选地,该终端可以是公共终端,例如,安装在公司的固定位置供所有员工使用的终端。可选地,该终端可以移动终端,该移动终端可以是任一种用户通过键盘、鼠标、触摸屏、声控设备或手写设备等方式进行人机交互的电子产品,例如手机、智能手机、PDA、可穿戴设备、掌上电脑PPC、平板电脑、台式电脑等。终端可以获取用户的人脸图片;或者可以获取用户的一段视频,通过选取其中一个帧获得该用户的人脸图片。
服务器,用于获取第一时间段内终端上传的人脸图片中得分最高的第一图片,其中,所述得分是将所述人脸图片的人脸特征与底库图片的人脸特征进行相似度计算得到的,在所述得分大于或等于打卡阈值的情况下,确定该用户打卡成功;计算所述第一图片与该用户的所有底库图片进行相似度计算的得分的平均值,得到第一均值;计算所述第一图片与该用户除去得分最低的底库图片后剩余的底库图片进行相似度计算的得分的平均值,得到第二均值,将所述第二均值与所述第一均值的差值,基于所述差值更新打卡阈值。
服务器处理第一图片和打卡阈值等数据的更加具体的实现方式可以通过上述方法或者装置中的任一个实现。此处不再赘述。
该人脸打卡系统能够根据用户打卡过程中获取的人脸图片对打卡阈值进行调整,从而实现打卡阈值的渐进式增长,不断提高人脸识别的准确率。
根据本申请实施例,还提供了一种人脸打卡系统。图4是根据本申请的另一个实施例的人脸打卡系统的示意性框图。该系统可以包括:相互连接的服务器和移动终端。
移动终端,用于获取用户的人脸图片以用于打卡,得到第一时间段内用户的人脸图片中得分最高的第一图片,其中,所述得分是将所述人脸图片的人脸特征与底库图片的人脸特征进行相似度计算得到的,在所述得分大于或等于打卡阈值的情况下,确定该用户打卡成功;计算所述第一图片与该用户的所有底库图片进行相似度计算的得分的平均值,得到第一均值;计算所述第一图片与该用户除去得分最低的底库图片后剩余的底库图片进行相似度计算的得分的平均值,得到第二均值,将所述第二均值与所述第一均值的差值传送给服务器。可选地,移动终端可以是移动终端。
服务器,用于基于差值更新打卡阈值,并将更新后的打卡阈值发送给移动终端。
移动终端和服务器处理第一图片和打卡阈值等数据的更加具体的方式可以通过上述方法或者装置中的任一个实现。此处不再赘述。
该人脸打卡系统将人脸识别阈值计算的功能部分地转移给移动终端实现,缓解了服务器的运行压力,提高了数据处理的速度。服务器可以根据用户打卡过程中获取的人脸图片进行调整,从而实现打卡阈值的渐进式增长,不断提高人脸识别的准确率。
根据本申请实施例,还提供了一种人脸打卡系统,该系统包括:存储器、处理器和存储在所述存储器内并能由所述处理器运行的计算机程序,该计算机程序存储于存储器中的用于程序代码的空间,该计算机程序在由处理器执行时实现用于执行任一项根据本申请的判断更新方法中的任一个。
根据本申请实施例,还提供了一种人脸打卡系统,该系统包括:如上所述的用于人脸打卡系统的判断更新装置中的任一个。
本申请的实施例的一个方面提供了一种计算设备,参照图5,该计算设备包括存储器1120、处理器1110和存储在所述存储器1120内并能由所述处理器1110运行的计算机程序,该计算机程序存储于存储器1120中的用于程序代码的空间1130,该计算机程序在由处理器1110执行时实现用于执行任一项根据本申请的方法步骤1131。
本申请的实施例的一个方面还提供了一种计算机可读存储介质。参照图6,该计算机可读存储介质包括用于程序代码的存储单元,该存储单元设置有用于执行根据本申请的方法步骤的程序1131’,该程序被处理器执行。
本申请实施例的一个方面还提供了一种包含指令的计算机程序产品,包括计算机可读代码,当所述计算机可读代码由计算设备执行时,导致所述计算设备执行如上所述的方法。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
在本申请的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,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,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,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。另一点,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,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
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实施例方案的目的。
另外,在本申请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,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请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(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。
专业人员应该还可以进一步意识到,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申请的范围。
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步骤是可以通过程序来指令处理器完成,所述的程序可以存储于计算机可读存储介质中,所述存储介质是非短暂性(英文:non-transitory)介质,例如随机存取存储器,只读存储器,快闪存储器,硬盘,固态硬盘,磁带(英文:magnetic tape),软盘(英文:floppy disk),光盘(英文:optical disc)及其任意组合。
以上所述,仅为本申请较佳的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。
Claims (6)
1.一种判断更新方法,包括:
第一图片获取步骤:获取第一时间段内用户通过人脸打卡系统获取的人脸图片中得分最高的第一图片,其中,所述得分是将所述人脸图片的人脸特征与底库图片的人脸特征进行相似度计算得到的,在所述得分大于或等于打卡阈值的情况下,确定该用户打卡成功;
均值计算步骤:计算所述第一图片与该用户的所有底库图片进行相似度计算的得分的平均值,得到第一均值;计算所述第一图片与该用户除去得分最低的底库图片后剩余的底库图片进行相似度计算的得分的平均值,得到第二均值;和
打卡阈值更新步骤:基于所述第二均值与所述第一均值的差值更新打卡阈值;在所述打卡阈值更新步骤中:将所述第二均值与所述第一均值的差值作为增加值,利用所有用户的增加值的平均值与所述打卡阈值之和更新所述打卡阈值;在所述第一图片获取步骤之前,该方法还包括:
底库图片特征提取步骤:获取每一个用户的多个底库图片,对每一个底库图片进行人脸识别和特征提取,得到相应的人脸特征;
在所述打卡阈值更新步骤之后,该方法还包括:
底库图片更新步骤:将所述第一图片替换所述得分最低的底库图片,作为该用户的底库图片。
2.根据权利要求1所述的方法,其特征在于,在所述第一图片获取步骤之后,该方法还包括:
第一图片更新步骤:在第一时间段内,将第一图片进行初始设置,如果后续用户通过人脸打卡系统获取的人脸图片的得分大于该第一图片的得分,则利用该人脸图片更新该第一图片。
3.一种判断更新装置,包括:
第一图片获取模块,其配置成用于获取第一时间段内用户通过人脸打卡系统获取的人脸图片中得分最高的第一图片,其中,所述得分是将所述人脸图片的人脸特征与底库图片的人脸特征进行相似度计算得到的,在所述得分大于或等于打卡阈值的情况下,确定该用户打卡成功;
均值计算模块,其配置成用于计算所述第一图片与该用户的所有底库图片进行相似度计算的得分的平均值,得到第一均值;计算所述第一图片与该用户除去得分最低的底库图片后剩余的底库图片进行相似度计算的得分的平均值,得到第二均值;和
打卡阈值更新模块,其配置成用于基于所述第二均值与所述第一均值的差值更新打卡阈值;打卡阈值更新模块:其配置成用于将所述第二均值与所述第一均值的差值作为增加值,利用所有用户的增加值的平均值与所述打卡阈值之和更新所述打卡阈值;
所述装置还包括:
底库图片特征提取模块:配置成获取每一个用户的多个底库图片,对每一个底库图片进行人脸识别和特征提取,得到相应的人脸特征;
底库图片更新模块:配置成用于将所述第一图片替换所述得分最低的底库图片,作为该用户的底库图片。
4.根据权利要求3所述的装置,其特征在于,所述装置还包括:
第一图片更新模块:配置成用于在第一时间段内,将第一图片进行初始设置,如果后续用户通过人脸打卡系统获取的人脸图片的得分大于该第一图片的得分,则利用该人脸图片更新该第一图片。
5.一种人脸打卡系统,包括:相互连接的服务器和移动终端,其中,
移动终端,用于获取用户的人脸图片以用于打卡,获取每一个用户的多个底库图片,对每一个底库图片进行人脸识别和特征提取,得到相应的人脸特征;得到第一时间段内用户的人脸图片中得分最高的第一图片,其中,所述得分是将所述人脸图片的人脸特征与底库图片的人脸特征进行相似度计算得到的,在所述得分大于或等于打卡阈值的情况下,确定该用户打卡成功;计算所述第一图片与该用户的所有底库图片进行相似度计算的得分的平均值,得到第一均值;计算所述第一图片与该用户除去得分最低的底库图片后剩余的底库图片进行相似度计算的得分的平均值,得到第二均值,将所述第二均值与所述第一均值的差值传送给服务器;将所述第一图片替换所述得分最低的底库图片,作为该用户的底库图片;和
服务器,用于将所述差值作为增加值,利用所有用户的增加值的平均值与所述打卡阈值之和更新所述打卡阈值,并将更新后的打卡阈值发送给移动终端。
6.一种人脸打卡系统,包括:相互连接的服务器和终端,其中,
终端,用于获取用户的人脸图片并上传给服务器以用于打卡;和
服务器,用于获取每一个用户的多个底库图片,对每一个底库图片进行人脸识别和特征提取,得到相应的人脸特征;用于获取第一时间段内终端上传的人脸图片中得分最高的第一图片,其中,所述得分是将所述人脸图片的人脸特征与底库图片的人脸特征进行相似度计算得到的,在所述得分大于或等于打卡阈值的情况下,确定该用户打卡成功;计算所述第一图片与该用户的所有底库图片进行相似度计算的得分的平均值,得到第一均值;计算所述第一图片与该用户除去得分最低的底库图片后剩余的底库图片进行相似度计算的得分的平均值,得到第二均值,将所述第二均值与所述第一均值的差值,将所述差值作为增加值,利用所有用户的增加值的平均值与所述打卡阈值之和更新所述打卡阈值;将所述第一图片替换所述得分最低的底库图片,作为该用户的底库图片。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110750042.7A CN113505824B (zh) | 2019-01-23 | 2019-01-23 | 一种判断更新方法、装置和人脸打卡系统 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110750042.7A CN113505824B (zh) | 2019-01-23 | 2019-01-23 | 一种判断更新方法、装置和人脸打卡系统 |
CN201910065157.5A CN109872406B (zh) | 2019-01-23 | 2019-01-23 | 一种渐进式的判断更新方法、装置和人脸打卡系统 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910065157.5A Division CN109872406B (zh) | 2019-01-23 | 2019-01-23 | 一种渐进式的判断更新方法、装置和人脸打卡系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113505824A CN113505824A (zh) | 2021-10-15 |
CN113505824B true CN113505824B (zh) | 2024-01-09 |
Family
ID=66917964
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110750042.7A Active CN113505824B (zh) | 2019-01-23 | 2019-01-23 | 一种判断更新方法、装置和人脸打卡系统 |
CN201910065157.5A Active CN109872406B (zh) | 2019-01-23 | 2019-01-23 | 一种渐进式的判断更新方法、装置和人脸打卡系统 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910065157.5A Active CN109872406B (zh) | 2019-01-23 | 2019-01-23 | 一种渐进式的判断更新方法、装置和人脸打卡系统 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN113505824B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110992500B (zh) * | 2019-10-12 | 2023-04-25 | 平安科技(深圳)有限公司 | 考勤方法、装置及存储介质、服务器 |
CN112949346A (zh) * | 2019-11-26 | 2021-06-11 | 中兴通讯股份有限公司 | 一种特征库更新方法、装置、推理服务器及存储介质 |
CN111241928B (zh) * | 2019-12-30 | 2024-02-06 | 新大陆数字技术股份有限公司 | 人脸识别底库优化方法、系统、设备、可读存储介质 |
CN111814570B (zh) * | 2020-06-12 | 2024-04-30 | 深圳禾思众成科技有限公司 | 一种基于动态阈值的人脸识别方法、系统及存储介质 |
CN113469012B (zh) * | 2021-06-28 | 2024-05-03 | 广州云从鼎望科技有限公司 | 用户刷脸验证的方法、系统、介质及装置 |
CN114154018B (zh) * | 2022-02-08 | 2022-05-10 | 中国电子科技集团公司第二十八研究所 | 一种面向无人系统的云边协同视频流处理方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101664311A (zh) * | 2008-09-05 | 2010-03-10 | 富士通株式会社 | 生物特征认证装置、伪造体判断装置及生物特征认证方法 |
CN101770613A (zh) * | 2010-01-19 | 2010-07-07 | 北京智慧眼科技发展有限公司 | 基于人脸识别和活体检测的社保身份认证方法 |
CN102184391A (zh) * | 2011-05-19 | 2011-09-14 | 汉王科技股份有限公司 | 一种分布式人脸识别方法及系统和人脸识别终端 |
EP3113072A1 (en) * | 2015-06-30 | 2017-01-04 | Samsung Electronics Co., Ltd. | Methods and apparatuses for updating user authentication data |
CN107015879A (zh) * | 2017-04-12 | 2017-08-04 | 上海与德科技有限公司 | 指纹解锁方法及装置 |
CN108429619A (zh) * | 2018-01-18 | 2018-08-21 | 北京捷通华声科技股份有限公司 | 身份认证方法和系统 |
CN108564067A (zh) * | 2018-04-28 | 2018-09-21 | 深圳卡安兴科技有限公司 | 人脸比对的阈值确定方法及系统 |
CN108713202A (zh) * | 2018-06-07 | 2018-10-26 | 深圳市汇顶科技股份有限公司 | 用于指纹识别的方法、装置和电子设备 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100703693B1 (ko) * | 2005-01-13 | 2007-04-05 | 삼성전자주식회사 | 얼굴 인식 시스템 및 방법 |
CN101639800A (zh) * | 2008-08-01 | 2010-02-03 | 华为技术有限公司 | 一种显示屏显示方法及终端 |
CN102004908B (zh) * | 2010-11-30 | 2012-10-17 | 汉王科技股份有限公司 | 一种自适应的人脸识别方法及装置 |
CN103136533B (zh) * | 2011-11-28 | 2015-11-25 | 汉王科技股份有限公司 | 基于动态阈值的人脸识别方法及装置 |
-
2019
- 2019-01-23 CN CN202110750042.7A patent/CN113505824B/zh active Active
- 2019-01-23 CN CN201910065157.5A patent/CN109872406B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101664311A (zh) * | 2008-09-05 | 2010-03-10 | 富士通株式会社 | 生物特征认证装置、伪造体判断装置及生物特征认证方法 |
CN101770613A (zh) * | 2010-01-19 | 2010-07-07 | 北京智慧眼科技发展有限公司 | 基于人脸识别和活体检测的社保身份认证方法 |
CN102184391A (zh) * | 2011-05-19 | 2011-09-14 | 汉王科技股份有限公司 | 一种分布式人脸识别方法及系统和人脸识别终端 |
EP3113072A1 (en) * | 2015-06-30 | 2017-01-04 | Samsung Electronics Co., Ltd. | Methods and apparatuses for updating user authentication data |
CN107015879A (zh) * | 2017-04-12 | 2017-08-04 | 上海与德科技有限公司 | 指纹解锁方法及装置 |
CN108429619A (zh) * | 2018-01-18 | 2018-08-21 | 北京捷通华声科技股份有限公司 | 身份认证方法和系统 |
CN108564067A (zh) * | 2018-04-28 | 2018-09-21 | 深圳卡安兴科技有限公司 | 人脸比对的阈值确定方法及系统 |
CN108713202A (zh) * | 2018-06-07 | 2018-10-26 | 深圳市汇顶科技股份有限公司 | 用于指纹识别的方法、装置和电子设备 |
Non-Patent Citations (1)
Title |
---|
基于二维条码的指纹特征信息隐藏方法研究;赵季中 等;西安交通大学学报;第41卷(第2期);145-148 * |
Also Published As
Publication number | Publication date |
---|---|
CN109872406B (zh) | 2021-07-09 |
CN109872406A (zh) | 2019-06-11 |
CN113505824A (zh) | 2021-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113505824B (zh) | 一种判断更新方法、装置和人脸打卡系统 | |
CN108733819B (zh) | 一种人员档案建立方法和装置 | |
AU2017261537B2 (en) | Automated selection of keeper images from a burst photo captured set | |
CN110046266B (zh) | 一种照片的智能管理方法及装置 | |
CN108038176B (zh) | 一种路人库的建立方法、装置、电子设备及介质 | |
KR102284096B1 (ko) | 중요도 맵을 이용한 지능형 주관적 화질 평가 시스템, 방법, 및 상기 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 기록 매체 | |
CN110414376B (zh) | 更新人脸识别模型的方法、人脸识别相机及服务器 | |
CN112199530B (zh) | 多维度脸库图片自动更新方法、系统、设备及介质 | |
CN111178147B (zh) | 屏幕破碎分级方法、装置、设备及计算机可读存储介质 | |
CN112818909A (zh) | 图像更新方法、装置、电子设备及计算机可读介质 | |
AU2011252761B2 (en) | Automatic identity enrolment | |
JP2020526835A (ja) | 画像を投稿するためのユーザのアカウントを動的に識別する装置及び方法 | |
WO2021082045A1 (zh) | 微笑表情检测方法、装置、计算机设备及存储介质 | |
US11763605B2 (en) | Synchronized online/offline clock in management | |
CN111263955A (zh) | 一种目标对象的移动轨迹确定方法和装置 | |
AU2011252761A1 (en) | Automatic identity enrolment | |
CN113269903A (zh) | 人脸识别课堂考勤系统 | |
CN111291627A (zh) | 人脸识别方法、装置及计算机设备 | |
CN110992500A (zh) | 考勤方法、装置及存储介质、服务器 | |
CN112949346A (zh) | 一种特征库更新方法、装置、推理服务器及存储介质 | |
CN111753642B (zh) | 一种确定关键帧的方法及装置 | |
US8879805B2 (en) | Automated image identification method | |
CN112149517A (zh) | 一种人脸考勤方法、系统、计算机设备及存储介质 | |
CN103984415B (zh) | 一种信息处理方法及电子设备 | |
CN108830217B (zh) | 一种基于模糊均值哈希学习的签名自动判别方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |