CN116959134A - 打卡方法、装置、电子设备和计算机可读介质 - Google Patents

Abstract

本公开的实施例公开了打卡方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：响应于检测到当前帧图像包括人脸，获取目标视频；对目标视频进行活体对象检测，以生成检测信息；对于活体对象信息，执行以下处理步骤：根据活体对象信息包括的活体对象位置组，对目标视频进行抽帧处理，得到候选视频；对候选视频进行对象检测，以生成对象描述信息，得到对象描述信息集合；从对象描述信息集合中筛选出满足筛选条件的对象描述信息，作为目标对象描述信息；响应于确定动作相似度大于第二预设相似度、且打卡时间位于预设打卡时间段内，向目标终端发送打卡成功提示信息。该实施方式能够大大减少误打卡、错打卡的问题，提高了打卡成功率。

Description

打卡方法、装置、电子设备和计算机可读介质

技术领域

本公开的实施例涉及计算机技术领域，具体涉及打卡方法、装置、电子设备和计算机可读介质。

背景技术

打卡是一种用于证明是否出勤的行为。目前，在进行打卡时，通常是采用打卡机，通过对打卡机采集的单张图像进行人脸识别的方式以实现打卡的目的。

然而，发明人发现，当采用上述方式时，经常会存在如下技术问题：

第一，针对单张图像进行识别的方式，无法有效地确定打卡对象是否为活体，导致打卡准确度较差；

第二，当图像中包含多个打卡对象时，无法进行有效地打卡对象识别；

第三，打卡机采集的图像质量往往较差，从而导致缺失面部特征，使得易出现误打卡，错打卡的情况。

该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开的一些实施例提出了打卡方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。

第一方面，本公开的一些实施例提供了一种打卡方法，该方法包括：响应于检测到当前帧图像包括人脸，获取目标视频，其中，上述目标视频中的初始帧图像为上述当前帧图像；对上述目标视频进行活体对象检测，以生成检测信息，其中，上述检测信息包括：活体对象信息组，上述活体对象信息组中的活体对象信息包括：活体对象面部特征向量和活体对象位置组，活体对象位置组表征相同活体对象所在的帧图像在上述目标视频中的位置；对于上述活体对象信息组中的每个活体对象信息，执行以下处理步骤：根据上述活体对象信息包括的活体对象位置组，对上述目标视频进行抽帧处理，得到候选视频；对上述候选视频进行对象检测，以生成对象描述信息，得到对象描述信息集合，其中，上述对象描述信息集合中的对象描述信息包括：候选对象面部特征向量和对象动作特征向量；从上述对象描述信息集合中筛选出满足筛选条件的对象描述信息，作为目标对象描述信息，其中，上述筛选条件为：上述活体对象信息包括的活体对象面部特征向量与对象描述信息包括的候选对象面部特征向量的面部特征相似度大于第一预设相似度；响应于确定动作相似度大于第二预设相似度、且打卡时间位于预设打卡时间段内，向目标终端发送打卡成功提示信息，其中，上述动作相似度是上述目标对象描述信息包括的对象动作特征向量与标准动作特征向量之间的相似度。

第二方面，本公开的一些实施例提供了一种打卡装置，装置包括：获取单元，被配置成响应于检测到当前帧图像包括人脸，获取目标视频，其中，上述目标视频中的初始帧图像为上述当前帧图像；活体对象检测单元，被配置成对上述目标视频进行活体对象检测，以生成检测信息，其中，上述检测信息包括：活体对象信息组，上述活体对象信息组中的活体对象信息包括：活体对象面部特征向量和活体对象位置组，活体对象位置组表征相同活体对象所在的帧图像在上述目标视频中的位置；执行单元，被配置成对于上述活体对象信息组中的每个活体对象信息，执行以下处理步骤：根据上述活体对象信息包括的活体对象位置组，对上述目标视频进行抽帧处理，得到候选视频；对上述候选视频进行对象检测，以生成对象描述信息，得到对象描述信息集合，其中，上述对象描述信息集合中的对象描述信息包括：候选对象面部特征向量和对象动作特征向量；从上述对象描述信息集合中筛选出满足筛选条件的对象描述信息，作为目标对象描述信息，其中，上述筛选条件为：上述活体对象信息包括的活体对象面部特征向量与对象描述信息包括的候选对象面部特征向量的面部特征相似度大于第一预设相似度；响应于确定动作相似度大于第二预设相似度、且打卡时间位于预设打卡时间段内，向目标终端发送打卡成功提示信息，其中，上述动作相似度是上述目标对象描述信息包括的对象动作特征向量与标准动作特征向量之间的相似度。

第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。

第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。

本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的打卡方法提高了打卡准确度。具体来说造成打卡机精度较差的原因在于：第一，针对单张图像进行识别的方式，无法有效地确定打卡对象是否为活体，导致打卡准确度较差；第二，当图像中包含多个打卡对象时，无法进行有效地打卡对象识别。基于此，本公开的一些实施例的打卡方法，首先，响应于检测到当前帧图像包括人脸，获取目标视频，其中，上述目标视频中的初始帧图像为上述当前帧图像。以此，得到一段包含有人脸的视频。其次，对上述目标视频进行活体对象检测，以生成检测信息，其中，上述检测信息包括：活体对象信息组，上述活体对象信息组中的活体对象信息包括：活体对象面部特征向量和活体对象位置组，活体对象位置组表征相同活体对象所在的帧图像在上述目标视频中的位置。以此，得到目标视频中包含的活体对象，以及在目标视频中出现的位置。通过结合视频(即，多张图像)，以及活体识别，避免了针对单张图像进行识别，所导致的无法有效地确定打卡对象是否为活体的问题。接着，对于上述活体对象信息组中的每个活体对象信息，执行以下处理步骤：第一步，根据上述活体对象信息包括的活体对象位置组，对上述目标视频进行抽帧处理，得到候选视频。以此得到出现活体对象信息对应的活体对象的子视频(候选视频)。第二步，对上述候选视频进行对象检测，以生成对象描述信息，得到对象描述信息集合，其中，上述对象描述信息集合中的对象描述信息包括：候选对象面部特征向量和对象动作特征向量。以此得到子视频包含的对象的面部特征和动作特征。第三步，从上述对象描述信息集合中筛选出满足筛选条件的对象描述信息，作为目标对象描述信息，其中，上述筛选条件为：上述活体对象信息包括的活体对象面部特征向量与对象描述信息包括的候选对象面部特征向量的面部特征相似度大于第一预设相似度。实践中，由于图像中可能存在多个打卡对象，因此，可以通过确定活体对象面部特征向量与面部特征向量相似度方式，以此得到与活体对象信息对应的对象。第四步，响应于确定动作相似度大于第二预设相似度、且打卡时间位于预设打卡时间段内，向目标终端发送打卡成功提示信息，其中，上述动作相似度是上述目标对象描述信息包括的对象动作特征向量与标准动作特征向量之间的相似度。即动作匹配度也满足打卡条件，则生成打卡成功提示信息。通过结合动作特征，相较于仅使用面部识别的方式，能够大大减少误打卡、错打卡的问题，提高了打卡成功率。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。

图1是根据本公开的打卡方法的一些实施例的流程图；

图2是根据本公开的打卡装置的一些实施例的结构示意图；

图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

下面将参考附图并结合实施例来详细说明本公开。

参考图1，示出了根据本公开的打卡方法的一些实施例的流程100。该打卡方法，包括以下步骤：

步骤101，响应于检测到当前帧图像包括人脸，获取目标视频。

在一些实施例中，响应于检测到当前帧图像包括人脸，打卡方法的执行主体(例如，计算设备)可以通过有线连接的方式获取目标视频。其中，上述目标视频中的初始帧图像为上述当前帧图像。实践中，上述目标视频可以是由上述执行主体包括的摄像头采集的视频。

需要说明的是，上述计算设备可以是硬件，也可以是软件。当计算设备为硬件时，可以是打卡机。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成单个软件或软件模块。在此不做具体限定。

步骤102，对目标视频进行活体对象检测，以生成检测信息。

在一些实施例中，上述执行主体可以对目标视频进行活体对象检测，以生成检测信息。其中，上述检测信息包括：活体对象信息组。上述活体对象信息组中的活体对象信息包括：活体对象面部特征向量和活体对象位置组。活体对象位置组表征相同活体对象所在的帧图像在上述目标视频中的位置。活体对象面部特征向量表征活体对象的面部特征。实践中，上述执行主体可以通过RNN(Recurrent Neural Network，循环神经网络)模型，对目标视频进行活体对象检测，以生成检测信息。

作为示例，上述目标视频可以包括：帧图像A、帧图像B、帧图像C和帧图像D。目标视频可以包括活体对象A和活体对象B。其中，活体对象A出现在帧图像A、帧图像B和帧图像C中。活体对象B出现在帧图像B、帧图像C和帧图像D中。帧图像A对应的编号为“1”。帧图像B对应的编号为“2”。帧图像C对应的编号为“3”。帧图像D对应的编号为“4”。则活体对象A对应的活体对象信息包括的活体对象位置组为[1，2，3]。活体对象B对应的活体对象信息包括的活体对象位置组为[2，3，4]。

在一些实施例的一些可选的实现方式中，上述执行主体对上述目标视频进行活体对象检测，以生成检测信息，可以包括以下步骤：

第一步，将上述目标视频输入预先训练的活体检测模型，以生成活体检测结果。

其中，活体检测结果包括：活体对象初始信息组。活体对象初始信息包括：初始帧图像位置和活体对象初始位置。其中，初始帧图像位置表征包括活体对象初始信息对应的活体对象的初始帧图像在上述目标视频中的位置。活体对象初始位置表征活体对象初始信息对应的活体对象在对应的初始帧图像中的位置。实践中，上述活体检测模型可以由至少一个串行连接的卷积层构成。

第二步，对于上述活体对象初始信息组中的每个活体对象初始信息，执行以下检测步骤：

第一子步骤，通过预先训练的对象面部特征提取模型，对目标图像对应的、上述活体对象初始信息包括的初始帧图像位置进行面部特征提取，以生成活体对象信息包括的活体对象面部特征向量。

实践中，上述对象面部特征提取模型可以是FPN(Feature Pyramid Networks，特征金字塔网络)模型。

第二子步骤，以上述活体对象初始信息包括的初始帧图像位置为初始位置，将包含有目标活体对象的帧图像的位置，确定为活体对象位置，得到上述活体对象信息包括的活体对象位置组。

其中，目标活体对象是上述活体对象初始信息对应的活体对象。

步骤103，对于活体对象信息组中的每个活体对象信息，执行以下处理步骤：

步骤1031，根据活体对象信息包括的活体对象位置组，对目标视频进行抽帧处理，得到候选视频。

在一些实施例中，上述执行主体可以根据活体对象信息包括的活体对象位置组，对目标视频进行抽帧处理，得到候选视频。实践中，上述执行主体可以将活体对象位置对应的帧图像从目标视频中抽出，组成上述候选视频。

作为示例，目标视频可以包括：帧图像A、帧图像B、帧图像C和帧图像D。帧图像A对应的编号为“1”。帧图像B对应的编号为“2”。帧图像C对应的编号为“3”。帧图像D对应的编号为“4”。活体对象位置组为[1，2，3]。则候选视频可以包括：帧图像A、帧图像B和帧图像C。

步骤1032，对候选视频进行对象检测，以生成对象描述信息，得到对象描述信息集合。

在一些实施例中，上述执行主体可以对候选视频进行对象检测，以生成对象描述信息，得到对象描述信息集合。其中，上述对象描述信息集合中的对象描述信息包括：候选对象面部特征向量和对象动作特征向量。候选对象面部特征向量可以表征对象检测得到的对象的面部特征。对象动作特征向量可以表征对象检测得到的对象的动作特征。实践中，上述执行主体可以通过双路卷积神经网络模型，对候选视频进行对象检测，以生成对象描述信息。其中，双路卷积神经网络模型包括2个并行的卷积神经网络，例如，包括：卷积神经网络A和卷积神经网络B。其中，卷积神经网络A用于生成候选面部特征向量。卷积神经网络B用于生成对象动作特征向量。

在一些实施例的一些可选的实现方式中，上述执行主体对上述候选视频进行对象检测，以生成对象描述信息，得到对象描述信息集合，可以包括以下步骤：

第一步，通过上述对象面部特征提取模型，对上述候选视频进行对象检测，以生成对象描述信息集合中的对象描述信息包括的候选对象面部特征向量。

其中，上述对象面部特征提取模型可以有K个串行连接的卷积块、池化层和全连接层构成。其中，K≥2。卷积块包括3个并行连接的、卷积核大小不同的卷积层。实践中，池化层的输入可以是K个串行连接的卷积块。全连接层的输入可以是池化层的输出。具体的，上述池化层可以是平均池化层。

第二步，对于上述对象描述信息集合中的每个对象描述信息，通过预先训练的动作特征提取模型，对上述对象描述信息包括的候选对象面部特征向量对应的帧图像进行动作特征提取，以生成上述对象描述信息包括的对象动作特征向量。

例如，动作特征提取模型可以是CNN-LSTM(Convolutional Neural Networks-Long Short-Term Memory)模型。

可选地，上述动作特征提取模型可以包括：动作识别模型和动作编码模型。其中，动作识别模型可以是用于识别帧图像中包括的动作的模型。动作编码模型是用于对识别得到的动作进行编码的模型。

可选地，通过预先训练的动作特征提取模型，对上述对象描述信息包括的候选对象面部特征向量对应的帧图像进行动作特征提取，以生成上述对象描述信息包括的对象动作特征向量，可以包括以下步骤：

步骤1：通过上述动作识别模型对象描述信息包括的候选对象面部特征向量对应的帧图像进行动作识别，得到动作识别信息。

其中，动作识别信息可以包括：动作类型和动作位置。动作位置可以表征识别到的动作在帧图像中的位置。具体的，动作位置可以由骨骼关键点坐标构成。具体的，动作识别模型可以是ResNet模型。

步骤2：通过上述动作编码模型，对上述动作识别信息进行动作编码，以生成上述对象描述信息包括的对象动作特征向量。

实践中，动作编码模型可以包括：卷积层和全连接层。具体的，对象动作特征向量的特征维度可以是1×256。

可选地，动作识别信息包括：动作类型向量和动作特征图。上述动作编码模型包括：第一卷积层组、第二卷积层组、第三卷积层组、第一特征拼接层、全连接层和第二特征拼接层。其中，动作类型向量可以是有动作识别模型包括的全连接层输出。动作特征图可以是由动作识别模型包括的全连接层之前的残差块输出的特征图。

可选地，上述通过上述动作编码模型，对上述动作识别信息进行动作编码，以生成上述对象描述信息包括的对象动作特征向量，可以包括以下步骤：

步骤1：分别通过上述第一卷积层组、上述第二卷积层组和上述第三卷积层组，对上述动作特征图进行特征提取，得到第一动作特征图、第二动作特征图和第三动作特征图。

实践中，第一卷积层组、上述第二卷积层组和上述第三卷积层组对应的卷积核大小不同，以实现不同感受野下的特征提取。

步骤2：通过上述第一特征拼接层对上述第一动作特征图、上述第二动作特征图和上述第三动作特征图进行特征拼接，得到拼接后动作特征图。

实践中，上述执行主体可以通过第一特征拼接层，对对上述第一动作特征图、上述第二动作特征图和上述第三动作特征图进行特征叠加，得到拼接后动作特征图。

步骤3：将上述拼接后动作特征图输入上述全连接层，以生成动作特征向量。

步骤4：通过上述第二特征拼接层对上述动作类型向量和上述动作特征向量进行向量拼接，得到上述对象描述信息包括的对象动作特征向量。

作为示例，对象动作特征向量＝动作类型向量+动作特征向量。

步骤1032中的内容，作为本公开的一个发明点，解决了背景技术提及的技术问题三，即“打卡机采集的图像质量往往较差，从而导致缺失面部特征，使得易出现误打卡，错打卡的情况”。实践中，打卡机包括的摄像头采集的图像分辨率往往较低，同时，打卡机的图像采集角度往往为倾斜角度，导致会进一步丢失一部分面部特征。基于此，本公开在进行打卡时，设置了面部识别+动作识别的双验证模式，以此提高打卡成功率。具体的，本公开设计了对象面部特征提取模型和动作特征提取模型以实现对面部特征和动作特征的提取。其中，考虑到打卡机包括的摄像头采集的图像分辨率较差，因此本公开中的对象面部特征提取模型采用K个串行连接的卷积块作为主干网络，同时每个卷积块包括3个并行连接的、卷积核大小不同的卷积层。以实现在每个特征提取阶段下的、不同感受野的特征提取。与此同时，本公开通过第一卷积层组、第二卷积层组、第三卷积层组对动作进行特征提取。此外，考虑到拼接后动作特征图与动作类型向量的向量纬度不同，因此，在第一特征拼接层和第二特征拼接层之间设置全连接层，以实现对拼接后动作特征图的特征维度的调整。通过此种方式能够生成精准的候选对象面部特征向量和对象动作特征向量。最后，通过相似度计算的方式，即可快速且准确地进行打卡对象的识别，大大提高了打卡成功率。

步骤1033，从对象描述信息集合中筛选出满足筛选条件的对象描述信息，作为目标对象描述信息。

在一些实施例中，上述执行主体可以从对象描述信息集合中筛选出满足筛选条件的对象描述信息，作为目标对象描述信息。其中，上述筛选条件为：上述活体对象信息包括的活体对象面部特征向量与对象描述信息包括的候选对象面部特征向量的面部特征相似度大于第一预设相似度。实践中，上述执行主体可以将活体对象面部特征向量与对象描述信息包括的候选对象面部特征向量的余弦相似度，作为面部特征相似度。

步骤1034，响应于确定动作相似度大于第二预设相似度、且打卡时间位于预设打卡时间段内，向目标终端发送打卡成功提示信息。

在一些实施例中，上述执行主体可以响应于确定动作相似度大于第二预设相似度、且打卡时间位于预设打卡时间段内，向目标终端发送打卡成功提示信息。其中，上述动作相似度是上述目标对象描述信息包括的对象动作特征向量与标准动作特征向量之间的相似度。实践中，动作相似度可以是余弦相似度。目标终端可以是与活体对象信息对应的对象绑定的通信终端。例如，目标终端可以是手机。打卡成功提示信息是用于提示活体对象信息对应的对象打开成功的信息。预设打卡时间段可以是预先设定的、可以进行打卡的时间段。

作为示例，首先，上述执行主体可以检索数据库，确定与上述活体对象信息对应的对象所绑定的终端通信地址。实践中，终端通信地址可以是手机号。然后，向上述终端通信地址发送上述打卡成功提示信息。

可选地，在上述响应于确定动作相似度大于第二预设相似度、且打卡时间位于预设打卡时间段内，向目标终端发送打卡成功提示信息之后，上述方法还包括：

第一步，响应于确定上述动作相似度小于等于上述第二预设相似度、且上述打卡时间位于上述预设打卡时间段内，向目标终端发送第一打卡失败提示信息。

其中，上述第一打卡失败提示信息用于提示动作匹配失败。

第二步，响应于上述打卡时间未位于上述预设打卡时间段内，向上述目标终端发送第二打卡失败提示信息。

其中，上述第二打卡失败提示信息用于提示未在打卡时间段内。

本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的打卡方法提高了打卡准确度。具体来说造成打卡机精度较差的原因在于：第一，针对单张图像进行识别的方式，无法有效地确定打卡对象是否为活体，导致打卡准确度较差；第二，当图像中包含多个打卡对象时，无法进行有效地打卡对象识别。基于此，本公开的一些实施例的打卡方法，首先，响应于检测到当前帧图像包括人脸，获取目标视频，其中，上述目标视频中的初始帧图像为上述当前帧图像。以此，得到一段包含有人脸的视频。其次，对上述目标视频进行活体对象检测，以生成检测信息，其中，上述检测信息包括：活体对象信息组，上述活体对象信息组中的活体对象信息包括：活体对象面部特征向量和活体对象位置组，活体对象位置组表征相同活体对象所在的帧图像在上述目标视频中的位置。以此，得到目标视频中包含的活体对象，以及在目标视频中出现的位置。通过结合视频(即，多张图像)，以及活体识别，避免了针对单张图像进行识别，所导致的无法有效地确定打卡对象是否为活体的问题。接着，对于上述活体对象信息组中的每个活体对象信息，执行以下处理步骤：第一步，根据上述活体对象信息包括的活体对象位置组，对上述目标视频进行抽帧处理，得到候选视频。以此得到出现活体对象信息对应的活体对象的子视频(候选视频)。第二步，对上述候选视频进行对象检测，以生成对象描述信息，得到对象描述信息集合，其中，上述对象描述信息集合中的对象描述信息包括：候选对象面部特征向量和对象动作特征向量。以此得到子视频包含的对象的面部特征和动作特征。第三步，从上述对象描述信息集合中筛选出满足筛选条件的对象描述信息，作为目标对象描述信息，其中，上述筛选条件为：上述活体对象信息包括的活体对象面部特征向量与对象描述信息包括的候选对象面部特征向量的面部特征相似度大于第一预设相似度。实践中，由于图像中可能存在多个打卡对象，因此，可以通过确定活体对象面部特征向量与面部特征向量相似度方式，以此得到与活体对象信息对应的对象。第四步，响应于确定动作相似度大于第二预设相似度、且打卡时间位于预设打卡时间段内，向目标终端发送打卡成功提示信息，其中，上述动作相似度是上述目标对象描述信息包括的对象动作特征向量与标准动作特征向量之间的相似度。即动作匹配度也满足打卡条件，则生成打卡成功提示信息。通过结合动作特征，相较于仅使用面部识别的方式，能够大大减少误打卡、错打卡的问题，提高了打卡成功率。

进一步参考图2，作为对上述各图所示方法的实现，本公开提供了一种打卡装置的一些实施例，这些装置实施例与图1所示的那些方法实施例相对应，该打卡装置具体可以应用于各种电子设备中。

如图2所示，一些实施例的打卡装置200包括：获取单元201、活体对象检测单元202和执行单元203。其中，获取单元201，被配置成响应于检测到当前帧图像包括人脸，获取目标视频，其中，上述目标视频中的初始帧图像为上述当前帧图像；活体对象检测单元202，被配置成对上述目标视频进行活体对象检测，以生成检测信息，其中，上述检测信息包括：活体对象信息组，上述活体对象信息组中的活体对象信息包括：活体对象面部特征向量和活体对象位置组，活体对象位置组表征相同活体对象所在的帧图像在上述目标视频中的位置；执行单元203，被配置成对于上述活体对象信息组中的每个活体对象信息，执行以下处理步骤：根据上述活体对象信息包括的活体对象位置组，对上述目标视频进行抽帧处理，得到候选视频；对上述候选视频进行对象检测，以生成对象描述信息，得到对象描述信息集合，其中，上述对象描述信息集合中的对象描述信息包括：候选对象面部特征向量和对象动作特征向量；从上述对象描述信息集合中筛选出满足筛选条件的对象描述信息，作为目标对象描述信息，其中，上述筛选条件为：上述活体对象信息包括的活体对象面部特征向量与对象描述信息包括的候选对象面部特征向量的面部特征相似度大于第一预设相似度；响应于确定动作相似度大于第二预设相似度、且打卡时间位于预设打卡时间段内，向目标终端发送打卡成功提示信息，其中，上述动作相似度是上述目标对象描述信息包括的对象动作特征向量与标准动作特征向量之间的相似度。

可以理解的是，该打卡装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于打卡装置200及其中包含的单元，在此不再赘述。

下面参考图3，其示出了适于用来实现本公开的一些实施例的电子设备(例如，计算设备)300的结构示意图。图3示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图3所示，电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301，其可以根据存储在只读存储器302中的程序或者从存储装置308加载到随机访问存储器303中的程序而执行各种适当的动作和处理。在随机访问存储器303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、只读存储器302以及随机访问存储器303通过总线304彼此相连。输入/输出接口305也连接至总线304。

通常，以下装置可以连接至I/O接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从只读存储器302被安装。在该计算机程序被处理装置301执行时，执行本公开的一些实施例的方法中限定的上述功能。

需要说明的是，本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(Hyper Text TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：响应于检测到当前帧图像包括人脸，获取目标视频，其中，上述目标视频中的初始帧图像为上述当前帧图像；对上述目标视频进行活体对象检测，以生成检测信息，其中，上述检测信息包括：活体对象信息组，上述活体对象信息组中的活体对象信息包括：活体对象面部特征向量和活体对象位置组，活体对象位置组表征相同活体对象所在的帧图像在上述目标视频中的位置；对于上述活体对象信息组中的每个活体对象信息，执行以下处理步骤：根据上述活体对象信息包括的活体对象位置组，对上述目标视频进行抽帧处理，得到候选视频；对上述候选视频进行对象检测，以生成对象描述信息，得到对象描述信息集合，其中，上述对象描述信息集合中的对象描述信息包括：候选对象面部特征向量和对象动作特征向量；从上述对象描述信息集合中筛选出满足筛选条件的对象描述信息，作为目标对象描述信息，其中，上述筛选条件为：上述活体对象信息包括的活体对象面部特征向量与对象描述信息包括的候选对象面部特征向量的面部特征相似度大于第一预设相似度；响应于确定动作相似度大于第二预设相似度、且打卡时间位于预设打卡时间段内，向目标终端发送打卡成功提示信息，其中，上述动作相似度是上述目标对象描述信息包括的对象动作特征向量与标准动作特征向量之间的相似度。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、活体对象检测单元和执行单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“响应于检测到当前帧图像包括人脸，获取目标视频的单元”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种打卡方法，包括：

响应于检测到当前帧图像包括人脸，获取目标视频，其中，所述目标视频中的初始帧图像为所述当前帧图像；

对所述目标视频进行活体对象检测，以生成检测信息，其中，所述检测信息包括：活体对象信息组，所述活体对象信息组中的活体对象信息包括：活体对象面部特征向量和活体对象位置组，活体对象位置组表征相同活体对象所在的帧图像在所述目标视频中的位置；

对于所述活体对象信息组中的每个活体对象信息，执行以下处理步骤：

根据所述活体对象信息包括的活体对象位置组，对所述目标视频进行抽帧处理，得到候选视频；

对所述候选视频进行对象检测，以生成对象描述信息，得到对象描述信息集合，其中，所述对象描述信息集合中的对象描述信息包括：候选对象面部特征向量和对象动作特征向量；

从所述对象描述信息集合中筛选出满足筛选条件的对象描述信息，作为目标对象描述信息，其中，所述筛选条件为：所述活体对象信息包括的活体对象面部特征向量与对象描述信息包括的候选对象面部特征向量的面部特征相似度大于第一预设相似度；

响应于确定动作相似度大于第二预设相似度、且打卡时间位于预设打卡时间段内，向目标终端发送打卡成功提示信息，其中，所述动作相似度是所述目标对象描述信息包括的对象动作特征向量与标准动作特征向量之间的相似度。

2.根据权利要求1所述的方法，其中，在所述响应于确定动作相似度大于第二预设相似度、且打卡时间位于预设打卡时间段内，向目标终端发送打卡成功提示信息之后，所述方法还包括：

响应于确定所述动作相似度小于等于所述第二预设相似度、且所述打卡时间位于所述预设打卡时间段内，向目标终端发送第一打卡失败提示信息，其中，所述第一打卡失败提示信息用于提示动作匹配失败；

响应于所述打卡时间未位于所述预设打卡时间段内，向所述目标终端发送第二打卡失败提示信息，其中，所述第二打卡失败提示信息用于提示未在打卡时间段内。

3.根据权利要求2所述的方法，其中，所述对所述目标视频进行活体对象检测，以生成检测信息，包括：

将所述目标视频输入预先训练的活体检测模型，以生成活体检测结果，其中，所述活体检测结果包括：活体对象初始信息组，活体对象初始信息包括：初始帧图像位置和活体对象初始位置，其中，初始帧图像位置表征包括活体对象初始信息对应的活体对象的初始帧图像在所述目标视频中的位置，活体对象初始位置表征活体对象初始信息对应的活体对象在对应的初始帧图像中的位置；

对于所述活体对象初始信息组中的每个活体对象初始信息，执行以下检测步骤：

通过预先训练的对象面部特征提取模型，对目标图像对应的、所述活体对象初始信息包括的初始帧图像位置进行面部特征提取，以生成活体对象信息包括的活体对象面部特征向量；

以所述活体对象初始信息包括的初始帧图像位置为初始位置，将包含有目标活体对象的帧图像的位置，确定为活体对象位置，得到所述活体对象信息包括的活体对象位置组，其中，所述目标活体对象是所述活体对象初始信息对应的活体对象。

4.根据权利要求3所述的方法，其中，所述对所述候选视频进行对象检测，以生成对象描述信息，得到对象描述信息集合，包括：

通过所述对象面部特征提取模型，对所述候选视频进行对象检测，以生成对象描述信息集合中的对象描述信息包括的候选对象面部特征向量；

对于所述对象描述信息集合中的每个对象描述信息，通过预先训练的动作特征提取模型，对所述对象描述信息包括的候选对象面部特征向量对应的帧图像进行动作特征提取，以生成所述对象描述信息包括的对象动作特征向量。

5.根据权利要求4所述的方法，其中，所述动作特征提取模型包括：动作识别模型和动作编码模型；以及

所述通过预先训练的动作特征提取模型，对所述对象描述信息包括的候选对象面部特征向量对应的帧图像进行动作特征提取，以生成所述对象描述信息包括的对象动作特征向量，包括：

通过所述动作识别模型对象描述信息包括的候选对象面部特征向量对应的帧图像进行动作识别，得到动作识别信息；

通过所述动作编码模型，对所述动作识别信息进行动作编码，以生成所述对象描述信息包括的对象动作特征向量。

6.根据权利要求5所述的方法，其中，所述动作识别信息包括：动作类型向量和动作特征图，所述动作编码模型包括：第一卷积层组、第二卷积层组、第三卷积层组、第一特征拼接层、全连接层和第二特征拼接层；以及

所述通过所述动作编码模型，对所述动作识别信息进行动作编码，以生成所述对象描述信息包括的对象动作特征向量，包括：

分别通过所述第一卷积层组、所述第二卷积层组和所述第三卷积层组，对所述动作特征图进行特征提取，得到第一动作特征图、第二动作特征图和第三动作特征图；

通过所述第一特征拼接层对所述第一动作特征图、所述第二动作特征图和所述第三动作特征图进行特征拼接，得到拼接后动作特征图；

将所述拼接后动作特征图输入所述全连接层，以生成动作特征向量；

通过所述第二特征拼接层对所述动作类型向量和所述动作特征向量进行向量拼接，得到所述对象描述信息包括的对象动作特征向量。

7.一种打卡装置，包括：

获取单元，被配置成响应于检测到当前帧图像包括人脸，获取目标视频，其中，所述目标视频中的初始帧图像为所述当前帧图像；

活体对象检测单元，被配置成对所述目标视频进行活体对象检测，以生成检测信息，其中，所述检测信息包括：活体对象信息组，所述活体对象信息组中的活体对象信息包括：活体对象面部特征向量和活体对象位置组，活体对象位置组表征相同活体对象所在的帧图像在所述目标视频中的位置；

执行单元，被配置成对于所述活体对象信息组中的每个活体对象信息，执行以下处理步骤：根据所述活体对象信息包括的活体对象位置组，对所述目标视频进行抽帧处理，得到候选视频；对所述候选视频进行对象检测，以生成对象描述信息，得到对象描述信息集合，其中，所述对象描述信息集合中的对象描述信息包括：候选对象面部特征向量和对象动作特征向量；从所述对象描述信息集合中筛选出满足筛选条件的对象描述信息，作为目标对象描述信息，其中，所述筛选条件为：所述活体对象信息包括的活体对象面部特征向量与对象描述信息包括的候选对象面部特征向量的面部特征相似度大于第一预设相似度；响应于确定动作相似度大于第二预设相似度、且打卡时间位于预设打卡时间段内，向目标终端发送打卡成功提示信息，其中，所述动作相似度是所述目标对象描述信息包括的对象动作特征向量与标准动作特征向量之间的相似度。

8.根据权利要求7所述的打卡装置，其中，所述活体对象检测单元被进一步配置成：

将所述目标视频输入预先训练的活体检测模型，以生成活体检测结果，其中，所述活体检测结果包括：活体对象初始信息组，活体对象初始信息包括：初始帧图像位置和活体对象初始位置，其中，初始帧图像位置表征包括活体对象初始信息对应的活体对象的初始帧图像在所述目标视频中的位置，活体对象初始位置表征活体对象初始信息对应的活体对象在对应的初始帧图像中的位置；

对于所述活体对象初始信息组中的每个活体对象初始信息，执行以下检测步骤：

通过预先训练的对象面部特征提取模型，对目标图像对应的、所述活体对象初始信息包括的初始帧图像位置进行面部特征提取，以生成活体对象信息包括的活体对象面部特征向量；

以所述活体对象初始信息包括的初始帧图像位置为初始位置，将包含有目标活体对象的帧图像的位置，确定为活体对象位置，得到活体对象位置组，其中，所述目标活体对象是所述活体对象初始信息对应的活体对象。

9.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至6中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至6中任一所述的方法。