CN116432211A - 一种考勤统计方法、装置、考勤机、服务器及系统 - Google Patents
一种考勤统计方法、装置、考勤机、服务器及系统 Download PDFInfo
- Publication number
- CN116432211A CN116432211A CN202111638944.8A CN202111638944A CN116432211A CN 116432211 A CN116432211 A CN 116432211A CN 202111638944 A CN202111638944 A CN 202111638944A CN 116432211 A CN116432211 A CN 116432211A
- Authority
- CN
- China
- Prior art keywords
- face image
- ciphertext
- face
- verification
- attendance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Collating Specific Patterns (AREA)
Abstract
本申请公开了一种考勤统计方法、装置、考勤机、服务器及系统,该方法对通过考勤机获取的人脸图像进行加密,将加密得到的人脸图像密文上传到服务器进行验证,替代相关技术中直接发送人脸图像进行验证的过程,保证了用户隐私。该方法包括:接收考勤机上传的人脸图像密文,所述人脸图像密文通过考勤机对人脸图像加密得到;根据人脸图像密文和预先存储的人脸模板,确定是否验证成功;如果验证成功,生成并存储打卡信息。
Description
技术领域
本申请涉及考勤统计的技术领域,尤其涉及一种考勤统计方法、装置、考勤机、服务器及系统。
背景技术
随着时代的发展,用于员工考勤的考勤机也越来越智能化,考勤机由插卡式考勤机、条形码考勤机,磁卡型考勤机、指纹识别考勤机、逐渐演变到现在的人脸识别考勤机。人脸识别下的身份认证因便捷有效已经逐渐替代了指纹机、二维码、身份证等考勤方式。
人脸识别作为生物特征识别应用较为成功的技术之一,在使用的过程中往往伴随着争议,其隐私安全与实时便捷的平衡是一个难点。在人脸识别的过程中,如图1所示,将安装在考勤机1上摄像头11拍摄的人脸图像上传到服务器2进行认证,在上传到服务器时,可能由于恶意攻击等造成人脸图像被窃取等不良后果,导致用户隐私暴露。
所以,如何利用人脸识别考勤机时不会造成用户的隐私泄漏,成为本领域技术人员亟待解决的问题。
发明内容
本申请一些实施例提供一种考勤统计方法、装置、考勤机、服务器及系统,该方法对通过考勤机获取的人脸图像进行加密,将加密得到的人脸图像密文上传到服务器进行验证,替代相关技术中直接发送人脸图像进行验证的过程,保证了用户隐私。
第一方面,提供一种考勤统计方法,包括:
接收考勤机上传的人脸图像密文,所述人脸图像密文通过考勤机对人脸图像加密得到;根据人脸图像密文和预先存储的人脸模板,确定是否验证成功;如果验证成功,生成并存储打卡信息。
一些实施例中,所述方法还包括:对所述打卡信息进行哈希计算,得到哈希值;将所述打卡信息和哈希值上传所述打卡信息到区块链平台,以使区块链平台存储所述打卡信息。
一些实施例中,所述根据人脸图像密文和预先存储的人脸模板,确定是否验证成功的步骤包括:计算所述人脸图像密文和人脸模板的相似度;比较所述相似度和相似度阈值;如果所述相似度小于相似度阈值,则验证失败;如果所述相似度不小于相似度阈值,则验证成功。
第二方面,提供一种考勤统计方法,包括:获取人脸图像,所述人脸图像通过处理摄像头拍摄的图像得到;对所述人脸图像加密,得到人脸图像密文;上传所述人脸图像密文到服务器。
一些实施例中,所述对人脸图像加密,得到人脸图像密文的步骤包括:提取所述人脸图像对应的人脸特征;对所述人脸特征进行加密,得到人脸特征密文;将所述人脸特征密文,作为人脸图像密文。
一些实施例中,所述加密的方法为对称加密算法。
第三方面,提供一种考勤统计装置,包括:
接收单元,用于接收考勤机上传的人脸图像密文,所述人脸图像密文通过考勤机对人脸图像加密得到;确定单元,用于根据人脸图像密文和预先存储的人脸模板,确定是否验证成功;生成单元,用于如果验证成功,生成并存储打卡信息。
第四方面,提供一种服务器,被配置执行:
接收考勤机上传的人脸图像密文,所述人脸图像密文通过考勤机对人脸图像加密得到;根据人脸图像密文和预先存储的人脸模板,确定是否验证成功;如果验证成功,生成并存储打卡信息。
第五方面,提供一种考勤机,被配置执行:获取人脸图像,所述人脸图像通过处理摄像头拍摄的图像得到;对所述人脸图像加密,得到人脸图像密文;上传所述人脸图像密文到服务器。
第六方面,提供一种考勤统计系统,包括相互连接的考勤机和服务器;所述考勤机,获取人脸图像,所述人脸图像通过处理摄像头拍摄的图像得到;对所述人脸图像加密,得到人脸图像密文;上传所述人脸图像密文到服务器;所述服务器,接收考勤机上传的人脸图像密文,所述人脸图像密文通过考勤机对人脸图像加密得到;根据人脸图像密文和预先存储的人脸模板,确定是否验证成功;如果验证成功,生成并存储打卡信息。
第七方面,提供一种计算机可读存储介质,该计算机可读存储介质中存储有至少一条计算机程序,该至少一条计算机程序由处理器加载并执行以实现上述实施例的考勤统计方法所执行的操作。
第八方面,提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述实施例的考勤统计方法所执行的操作。
在上述实施例中,一种考勤统计方法、装置、考勤机、服务器及系统,该方法对通过考勤机获取的人脸图像进行加密,将加密得到的人脸图像密文上传到服务器进行验证,替代相关技术中直接发送人脸图像进行验证的过程,保证了用户隐私。该方法包括:接收考勤机上传的人脸图像密文,所述人脸图像密文通过考勤机对人脸图像加密得到;根据人脸图像密文和预先存储的人脸模板,确定是否验证成功;如果验证成功,生成并存储打卡信息。
附图说明
图1示出了根据一些实施例的一种场景图;
图2示出了根据一些实施例的一种考勤统计方法的流程图;
图3示出了根据一些实施例的一种考勤机屏幕的界面示意图;
图4示出了根据一些实施例的另一种考勤机屏幕的界面示意图;
图5示出了根据一些实施例的另一种考勤统计方法的流程图;
图6示出了根据一些实施例的一种考勤统计装置的结构示意图;
图7示出了根据一些实施例的另一种考勤统计装置的结构示意图。
具体实施方式
为使本申请的目的和实施方式更加清楚,下面将结合本申请示例性实施例中的附图,对本申请示例性实施方式进行清楚、完整地描述,显然,描述的示例性实施例仅是本申请一部分实施例,而不是全部的实施例。
需要说明的是,本申请中对于术语的简要说明,仅是为了方便理解接下来描述的实施方式,而不是意图限定本申请的实施方式。除非另有说明,这些术语应当按照其普通和通常的含义理解。
本申请中说明书和权利要求书及上述附图中的术语″第一″、″第二″、″第三″等是用于区别类似或同类的对象或实体,而不必然意味着限定特定的顺序或先后次序,除非另外注明。应该理解这样使用的用语在适当情况下可以互换。
术语″包括″和″具有″以及他们的任何变形,意图在于覆盖但不排他的包含,例如,包含了一系列组件的产品或设备不必限于清楚地列出的所有组件,而是可包括没有清楚地列出的或对于这些产品或设备固有的其它组件。
术语“模块″是指任何已知或后来开发的硬件、软件、固件、人工智能、模糊逻辑或硬件或/和软件代码的组合,能够执行与该元件相关的功能。
随着时代的发展,用于员工考勤的考勤机也越来越智能化,考勤机由插卡式考勤机、条形码考勤机,磁卡型考勤机、指纹识别考勤机、逐渐演变到现在的人脸识别考勤机。人脸识别下的身份认证因便捷有效已经逐渐替代了指纹机、二维码、身份证等考勤方式。
具体的,第一代是插卡式考勤机,七十年代,逐渐代替了手工记录考勤,是在一个金属制成的卡片上有规律的打上孔,然后用感光元件和光投影区别人的编号,8086处理器或者80286处理器。但金属片容易变形,造成了识别的误差.再加上分辨率的限制,这种考勤机在动辄几千人的煤矿中没有普遍推广。第二代是条形码考勤机,在矿灯的光柱中利用光学原理投影出一个条形码的像,工人下井前用矿灯照射一下专门的考勤探头就可以考勤。这种方式方便快捷,最早下井用的就是这样的考勤机。但是矿灯毕竟是一种经常工作在恶劣环境中的器械,所以维修频繁,投影的走样是捆扰大家的一个难题。第三代是磁卡型考勤机,现在最为普遍的考勤机,像煤矿工人下井刷卡上井刷卡已经成了大家的习惯。第四代是生物身份识考勤机,是利用人的生物特征来识别的,这种考勤机只要人的一个手指、手撑、人脸放在或面向读头就可以识别了非常方便而且可以防止代打卡现象,提高管理制度。
人脸识别作为生物特征识别应用较为成功的技术之一,在使用的过程中往往伴随着争议,其隐私安全与实时便捷的平衡是一个难点。在人脸识别的过程中,如图1所示,图1示出了根据一些实施例的场景图,将安装在考勤机1上摄像头11拍摄的人脸图像上传到服务器2进行认证,在上传到服务器时,可能由于恶意攻击等造成人脸图像被窃取等不良后果,导致用户隐私暴露。所以,如何利用人脸识别考勤机时不会造成用户的隐私泄漏,成为本领域技术人员亟待解决的问题。
为了解决上述技术问题,本申请实施例提供一种考勤统计方法,该方法对通过考勤机获取的人脸图像进行加密,将加密得到的人脸图像密文上传到服务器进行验证,替代相关技术中直接发送人脸图像进行验证的过程,保证了用户隐私。
所述方法,如图2所示,图2示出了根据一些实施例的一种考勤统计方法的流程图,包括:
考勤机获取人脸图像,所述人脸图像通过处理摄像头拍摄的图像得到。本申请实施例中,所述考勤机可以内置有摄像头或者外接摄像头,通过内置的摄像头或外接的摄像头拍摄图像。考勤机持续检测拍摄的图像中是否存在人脸图像。如果存在人脸图像,将人脸图像从摄像头拍摄的图像中提取出,实际拍摄过程中,参阅图1,用户处于摄像头的拍摄范围内,考勤机即可检测出拍摄的图像存在人脸图像。
一些实施例中,可以预先通过大量样本学习得到人脸模型,当获取摄像头拍摄的图像,通过该人脸模型,确定图像中是否存在人脸图像。如果存在人脸图像,将人脸图像从摄像头拍摄的图像中提取出。如果不存在人脸图像,则持续检测摄像头拍摄的图像中是否存在人脸图像。
所述考勤机对所述人脸图像加密,得到人脸图像密文。上传所述人脸图像密文到服务器。本申请实施例中,在通过人脸识别进行日常打卡时,不再采用相关技术中直接上传人脸图像到服务器,而是对人脸图像进行加密,得到人脸图像密文,将人脸图像密文上传到服务器。所以即使人脸图像密文被窃取,也不会造成用户隐私的暴露,保证了用户隐私的安全性。
一些实施例中,在考勤机的处理器中可以内置程序,该内置程序可以执行对人脸图像加密,得到人脸图像密文。另一些实施例中,考勤机中可以安装芯片,该芯片内置程序,利用安装的芯片执行对人脸图像加密,得到人脸图像密文的步骤,示例性的,该芯片可以为装置TEE硬件加密单元(可信执行环境,Trusted Execution Environment)。
一些实施例中,所述加密的方法包括对称加密算法。该对称加密算法具有计算量小、加密速度快、加密效率高的优势。具体的,所述对称加密算法可以为DES算法,3DES算法,TDEA算法,BIowfish算法,RC5算法,IDEA算法。下面对DES算法和Blowfish算法简单介绍一下,DES算法为密码体制中的对称密码体制,又被称为美国数据加密标准。Blowfish算法是一种对称的分组加密算法,算法核心在于子密钥生成,将变长密钥扩展成总长4168 Byte的子密钥数组。算法中使用了大量的子密钥,而子密钥又依赖于用户密钥,实际加/解密过程中使用的是更新后的子密钥数组,子密钥即P数组和S盒。Blowfish算法有一个核心加密函数:BF_En函数,该函数的输人是64位明文信息,经过运算,以64位密文信息的形式输出。用Blowfish算法加密信息,需要两个过程:密钥预处理和信息加密。同样,解密亦需要两个过程,密钥预处理和信息解密。
另一些实施例中,所述加密的方法还可以为其他加密算法,可以保证对人脸图像加密后得到人脸图像密文时,该人脸图像密文不会被解密的算法均可。
一些实施例中,所述考勤机可以处于不同模式下,至少包括管理模式和使用模式。一些实施例中,管理者设置考勤机处于管理模式。当考勤机设置为管理模式时,可以保存员工的员工信息。一些实施例中,为了保证考勤机不会被随意更改模式,管理者可以通过输入密码设置考勤机为管理模式,这样只有知道该密码的管理者才有权限设置考勤机的模式。
预先使用考勤机通过对拍摄的员工图像进行人脸图像提取,并对该人脸图像进行加密,得到人脸模板。将人脸模板和该员工对应的员工姓名等,组合成员工信息,上传到服务器中存储。将员工信息存储到服务器中后,考勤机处于使用模式下,员工即可使用该考勤机进行日常打卡。
一些实施例中,为了减少计算量,所述对人脸图像加密,得到人脸图像密文的步骤包括:提取所述人脸图像对应的人脸特征;对所述人脸特征进行加密,得到人脸特征密文;将所述人脸特征密文,作为人脸图像密文。
本申请实施例中,由于人脸图像相对于人脸特征的信息量更多,所以为了减少后续步骤的计算量,对人脸图像提取人脸特征,对人脸特征进行加密。
本申请实施例中,所述对人脸图像提取人脸特征的方法,包括基于几何特征的方法和模板匹配方法、基于子空间分析的方法、基于小波理论的人脸识别方法、基于神经网络的方法、基于隐马尔可夫模型的方法、基于支持向量机的方法,以及基于三维模型的方法等。
服务器接收考勤机上传的人脸图像密文;根据人脸图像密文和预先存储的人脸模板,确定是否验证成功;如果验证成功,生成并存储打卡信息。
本申请实施例中,所述预先存储的人脸模板可以是在考勤机处于管理模式下进行存储得到。需要说明的是,在日常打卡时,考勤机处于使用模式,在使用模式对人脸图像加密得到人脸图像密文的加密方法,和在管理模式对人脸图像加密得到人脸模板的加密方法保持一致,这样才能实现通过二者进行验证。示例性的,在考勤机处于管理模式时预存的人脸模板,是由对称加密算法得到的。进而在日常打卡时,对人脸图像加密使用的加密方法也为对称加密算法,
当员工上班进行打卡时,可以站在考勤机上摄像头可以拍摄的范围内,此时考勤机可以识别到人脸图像。考勤机对人脸图像进行加密得到人脸图像密文,上传到服务器中,服务器根据对上传的人脸图像密文和预先存储的人脸模板进行验证,如果验证成功,生成并存储打卡信息。
所述打卡信息包括与该员工本次打卡相关的内容,示例性的,包括员工姓名和打卡时间等。服务器将该打卡信息进行存储,以便于日后统计该员工的考勤情况。在员工打卡的过程中,考勤机向服务器发送的为人脸图像密文,在服务器中进行验证也是通过人脸图像密文,和预先进行加密存储的人脸模板进行验证,这样可以保证用户的人脸信息的安全性。一些实施例中,包括考勤数据统计管理模块,该考勤数据统计管理模块用于生成打卡信息。
本申请实施例中,服务器中预先存储有多个人脸模板。可以理解的是,某公司存在十名员工,服务器中对应存储有该十名员工的人脸模板。当考勤机获得的人脸图像对应的人脸图像密文与预先储存的一个人脸模板验证成功,则说明该人脸模板对应的员工本次打卡成功。
一些实施例中,所述考勤机上设置有屏幕,当用户打卡时,该屏幕显示摄像头拍摄的图像。当验证成功,即打卡成功,则控制屏幕上显示打卡成功的消息,示例性的,如图3所示,图3示出了根据一些实施例的一种考勤机屏幕的界面示意图,该打卡成功的消息包括员工姓名″员工A″,以及打卡成功文字″打卡成功″。当然,该打卡成功的消息并不限制只能通过文字的方式显示,还可以通过动画,图片,或视频等方式显示。
如果在一段时间内未收到验证成功的消息,该种情况的发生可能是由于没有预存该员工的人脸模板在服务器中,此时屏幕上显示打卡失败的消息,示例性的,如图4所示,图4示出了根据一些实施例的另一种考勤机屏幕的界面示意图,该打卡失败的消息包括打卡失败文字″打卡失败″,以及提示如何进行人脸模板保存的步骤。例如,提示如何进行人脸模板保存的步骤可以为″请联系管理人员A,对您的人脸模板进行保存″。同样,该打卡失败的消息并不限制只能通过文字的方式显示,还可以通过动画,图片,或视频等方式显示。
一些实施例中,除了在屏幕上显示打卡成功的消息或打卡失败的消息,还可以在考勤机上设置扬声器,利用扬声器播报打卡成功的消息或打卡失败的消息。示例性的,当员工打卡成功,则扬声器播报″打卡成功″。当员工打卡失败,则扬声器播报″打卡失败″。
一些实施例中,所述根据人脸图像密文和预先存储的人脸模板,确定是否验证成功的步骤包括:计算所述人脸图像密文和人脸模板的相似度;比较所述相似度和相似度阈值;如果所述相似度小于相似度阈值,则验证失败;如果所述相似度不小于相似度阈值,则验证成功。本申请实施例中,当人脸图像密文与预先存储的人脸模板的相似度不小于相似度阈值时,则验证成功,说明该员工本次打卡成功。本申请实施例中的相似度阈值可以通过大量样本进行确定。
一些实施例中,计算所述人脸图像密文和人脸模板的相似度,可以通过计算人脸图像密文对应矩阵和人脸模板对应矩阵的欧氏距离确定。需要说明的是欧式距离越小代表相似度越高,欧式距离越大代表相似度越低,所以当欧式距离不大于预设欧式距离时,则说明人脸图像密文和人脸模板的相似度较高,此时验证成功。当欧式距离大于预设欧式距离时,则说明人脸图像密文和人脸模板的相似度较低,此时验证失败。一些实施例中,人脸图像密文和人脸模板也有可能不是矩阵,此时可以通过与其对应的方式,计算二者的相似度。
一些实施例中,为了保证存储在服务器中的打卡信息的可信度,如图5所示,图5示出了根据一些实施例的另一种考勤统计方法的流程图,所述方法还包括:对所述打卡信息进行哈希计算,得到哈希值;将所述打卡信息和哈希值上传所述打卡信息到区块链平台,以使区块链平台存储所述打卡信息。
一些实施例中,所述打卡信息还包括员工薪酬等信息,将该打卡信息传输到区块链平台中,也可以避免恶意在服务器中篡改保存的薪酬等信息。由于员工薪酬对于公司和员工都很重要,所以为了保证该数据真实可信,将该数据上传到区块链平台上,区块链平台由于是一个去中心化的平台,所以可以保证区块链平台中存储的数据的真实性。
哈希函数,是把任意长度的输入(又叫做预映射pre-image)通过散列算法变换成固定长度的输出,该输出就是散列值。这种转换是一种压缩映射,也就是,散列值的空间通常远小于输入的空间,不同的输入可能会散列成相同的输出,所以不可能从散列值来确定唯一的输入值。简单的说就是一种将任意长度的消息压缩到某一固定长度的消息摘要的函数。
从本质上讲,区块链是一个共享数据库,存储于其中的数据或信息,具有不可伪造、全程留痕、可以追溯、公开透明、集体维护等特征。区块链技术的核心优势是去中心化,能够通过运用数据加密、时间戳、分布式共识等手段,可以保证上传到区块链中数据的真实可信。区块链平台利用不可篡改和时间戳的特性保证数据的真实可信。
在上传所述打卡信息到区块链平台后,当再次利用时,可以从区块链平台中拿取该打卡信息,由于该打卡信息在区块链平台上存储,所以可以保证数据的真实性。由于服务器中也同样存储打卡信息,所以在需要使用打卡信息时,可以将区块链平台中读取的打卡信息和服务器中的打卡信息进行比对,进一步确认打卡信息的内容。
上述实施例中,一种考勤统计方法,该方法对通过考勤机获取的人脸图像进行加密,将加密得到的人脸图像密文上传到服务器进行验证,替代相关技术中直接发送人脸图像进行验证的过程,保证了用户隐私。该方法包括:接收考勤机上传的人脸图像密文,所述人脸图像密文通过考勤机对人脸图像加密得到;根据人脸图像密文和预先存储的人脸模板,确定是否验证成功;如果验证成功,生成并存储打卡信息。
本申请实施例还提供一种考勤统计装置,如图6所示,图6示出了根据一些实施例的一种考勤统计装置的结构示意图,所述装置包括:
接收单元100,用于接收考勤机上传的人脸图像密文,所述人脸图像密文通过考勤机对人脸图像加密得到。确定单元200,用于根据人脸图像密文和预先存储的人脸模板,确定是否验证成功。生成单元300,用于如果验证成功,生成并存储打卡信息。
本申请实施例还提供一种考勤统计装置,如图7所示,图7示出了根据一些实施例的一种考勤统计装置的结构示意图,所述装置包括:获取单元400,用于获取人脸图像,所述人脸图像通过处理摄像头拍摄的图像得到。加密单元500,用于对所述人脸图像加密,得到人脸图像密文。上传单元600,用于上传所述人脸图像密文到服务器。
本申请实施例还提供一种服务器,所述服务器被配置执行:接收考勤机上传的人脸图像密文,所述人脸图像密文通过考勤机对人脸图像加密得到;根据人脸图像密文和预先存储的人脸模板,确定是否验证成功;如果验证成功,生成并存储打卡信息。
本申请实施例还提供一种考勤机,所述考勤机被配置执行:获取人脸图像,所述人脸图像通过处理摄像头拍摄的图像得到;对所述人脸图像加密,得到人脸图像密文;上传所述人脸图像密文到服务器。
本申请实施例还提供一种考勤统计系统,所述系统包括相互连接的考勤机和服务器;所述考勤机,获取人脸图像,所述人脸图像通过处理摄像头拍摄的图像得到;对所述人脸图像加密,得到人脸图像密文;上传所述人脸图像密文到服务器。所述服务器,接收考勤机上传的人脸图像密文,所述人脸图像密文通过考勤机对人脸图像加密得到;根据人脸图像密文和预先存储的人脸模板,确定是否验证成功;如果验证成功,生成并存储打卡信息。
上述考勤统计系统、服务器、考勤机和系统中执行的步骤,在上述方法实施例中,已经进行了详细介绍,在此不再赘述。
上述实施例中,一种考勤统计方法、装置、考勤机、服务器及系统,该方法对通过考勤机获取的人脸图像进行加密,将加密得到的人脸图像密文上传到服务器进行验证,替代相关技术中直接发送人脸图像进行验证的过程,保证了用户隐私。该方法包括:接收考勤机上传的人脸图像密文,所述人脸图像密文通过考勤机对人脸图像加密得到;根据人脸图像密文和预先存储的人脸模板,确定是否验证成功;如果验证成功,生成并存储打卡信息。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有至少一条计算机程序,该至少一条计算机程序由处理器加载并执行以实现上述实施例的考勤统计方法所执行的操作。
本申请实施例还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述实施例的考勤统计方法所执行的操作。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
为了方便解释,已经结合具体的实施方式进行了上述说明。但是,上述示例性的讨论不是意图穷尽或者将实施方式限定到上述公开的具体形式。根据上述的教导,可以得到多种修改和变形。上述实施方式的选择和描述是为了更好的解释原理以及实际的应用,从而使得本领域技术人员更好的使用所述实施方式以及适于具体使用考虑的各种不同的变形的实施方式。
Claims (10)
1.一种考勤统计方法,其特征在于,包括:
接收考勤机上传的人脸图像密文,所述人脸图像密文通过考勤机对人脸图像加密得到;根据人脸图像密文和预先存储的人脸模板,确定是否验证成功;如果验证成功,生成并存储打卡信息。
2.根据权利要求1所述的方法,其特征在于,还包括:对所述打卡信息进行哈希计算,得到哈希值;将所述打卡信息和哈希值上传所述打卡信息到区块链平台,以使区块链平台存储所述打卡信息。
3.根据权利要求1所述的方法,其特征在于,所述根据人脸图像密文和预先存储的人脸模板,确定是否验证成功的步骤包括:
计算所述人脸图像密文和人脸模板的相似度;比较所述相似度和相似度阈值;
如果所述相似度小于相似度阈值,则验证失败;如果所述相似度不小于相似度阈值,则验证成功。
4.一种考勤统计方法,其特征在于,包括:获取人脸图像,所述人脸图像通过处理摄像头拍摄的图像得到;对所述人脸图像加密,得到人脸图像密文;上传所述人脸图像密文到服务器。
5.根据权利要求4所述的方法,其特征在于,所述对人脸图像加密,得到人脸图像密文的步骤包括:
提取所述人脸图像对应的人脸特征;对所述人脸特征进行加密,得到人脸特征密文;将所述人脸特征密文,作为人脸图像密文。
6.根据权利要求4或5所述的方法,其特征在于,所述加密的方法为对称加密算法。
7.一种考勤统计装置,其特征在于,包括:
接收单元,用于接收考勤机上传的人脸图像密文,所述人脸图像密文通过考勤机对人脸图像加密得到;
确定单元,用于根据人脸图像密文和预先存储的人脸模板,确定是否验证成功;
生成单元,用于如果验证成功,生成并存储打卡信息。
8.一种服务器,其特征在于,被配置执行:
接收考勤机上传的人脸图像密文,所述人脸图像密文通过考勤机对人脸图像加密得到;根据人脸图像密文和预先存储的人脸模板,确定是否验证成功;如果验证成功,生成并存储打卡信息。
9.一种考勤机,其特征在于,被配置执行:获取人脸图像,所述人脸图像通过处理摄像头拍摄的图像得到;对所述人脸图像加密,得到人脸图像密文;上传所述人脸图像密文到服务器。
10.一种考勤统计系统,其特征在于,包括相互连接的考勤机和服务器;
所述考勤机,获取人脸图像,所述人脸图像通过处理摄像头拍摄的图像得到;对所述人脸图像加密,得到人脸图像密文;上传所述人脸图像密文到服务器;
所述服务器,接收考勤机上传的人脸图像密文,所述人脸图像密文通过考勤机对人脸图像加密得到;根据人脸图像密文和预先存储的人脸模板,确定是否验证成功;如果验证成功,生成并存储打卡信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111638944.8A CN116432211A (zh) | 2021-12-29 | 2021-12-29 | 一种考勤统计方法、装置、考勤机、服务器及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111638944.8A CN116432211A (zh) | 2021-12-29 | 2021-12-29 | 一种考勤统计方法、装置、考勤机、服务器及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116432211A true CN116432211A (zh) | 2023-07-14 |
Family
ID=87083719
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111638944.8A Pending CN116432211A (zh) | 2021-12-29 | 2021-12-29 | 一种考勤统计方法、装置、考勤机、服务器及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116432211A (zh) |
-
2021
- 2021-12-29 CN CN202111638944.8A patent/CN116432211A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220179943A1 (en) | Artificial intelligence-based generation of anthropomorphic signatures anduse thereof | |
CA2925325C (en) | Document authentication based on expected wear | |
US7454624B2 (en) | Match template protection within biometric security systems | |
EA037018B1 (ru) | Способ цифрового подписания электронного файла | |
CN105474230A (zh) | 用于比较图像的方法、系统以及计算机程序 | |
WO2003103217A1 (en) | Biometric authentication system | |
US20180288040A1 (en) | System and Method for Biometric Authentication-Based Electronic Notary Public | |
JP2006503374A (ja) | 暗号的にセキュリティ保護された個人識別 | |
WO2019114614A1 (zh) | 一种原生照片鉴定方法及系统 | |
Gandhi et al. | Study on security of online voting system using biometrics and steganography | |
CN114596639A (zh) | 一种生物特征识别方法、装置、电子设备及存储介质 | |
JP7236042B2 (ja) | 準同型暗号を用いた顔認証のアプリケーション | |
CN113821780A (zh) | 视频解析方法、装置、电子设备及存储介质 | |
CN116842583B (zh) | 一种以pdf签章为核心的电子签名系统及方法 | |
CN112800477A (zh) | 一种基于生物特征值的数据加解密系统及方法 | |
CN116756750A (zh) | 医疗敏感数据采集脱敏方法 | |
WO2017207998A1 (en) | Method of associating a person with a digital object | |
JP6541311B2 (ja) | 暗号情報コードを利用した復号システム、プログラム及び方法 | |
CN116432211A (zh) | 一种考勤统计方法、装置、考勤机、服务器及系统 | |
JP5301365B2 (ja) | 認証カード、カード認証端末、カード認証サーバおよびカード認証システム | |
CN110717078A (zh) | 美容院店务数据监控方法、装置、设备及介质 | |
CN113990429B (zh) | 一种电子病历数据保护方法及装置 | |
Benlamri et al. | Secure human face authentication for mobile e-government transactions | |
CN113436053A (zh) | 图像校验方法、装置、电子设备及存储介质 | |
TWM637891U (zh) | 電子合約簽章系統及合約處理伺服器 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |