CN117196560A - 一种基于物联网的打卡设备数据采集方法及系统 - Google Patents

Abstract

本申请实施例提供的基于物联网的打卡设备数据采集方法及系统，通过对组合的考勤系统录入数据样例与活体分析任务项目指示组合进行特征提取，通过活体检测数据采集网络中的检测数据解析组件确定包含活体打卡信息的活体打卡检测采样预测数据，结合了活体分析任务项目指示以及考勤系统录入数据的综合分析采样，这样能够提高对活体检测数据进行采集的时效性，且通过考虑活体分析任务项目指示，能够针对性地抽取不同类型的活体检测数据，提升了对多模态的考勤系统录入数据进行活体检测数据抽取的针对性和准确性，从而为之后的打卡考勤分析提供尽可能精准的分析依据。

Description

一种基于物联网的打卡设备数据采集方法及系统

技术领域

本申请涉及数据处理技术领域，特别涉及一种基于物联网的打卡设备数据采集方法及系统。

背景技术

伴随物联网技术的不断发展和进步，万物互联已逐渐融入社会生产生活。打卡/考勤管理作为人员考核的其中一项重要方法，现目前也逐渐转向数字化模式。例如，人员/用户可以通过用户终端或者打卡设备进行打卡，云端平台可以根据打卡数据进行考勤分析。然而随着打卡方式和数据采集的多样化，如何对打卡数据/考勤数据进行针对性和精准的抽取，是当下需要改进的一个技术问题。

发明内容

为改善相关技术中存在的技术问题，本申请提供了一种基于物联网的打卡设备数据采集方法及系统。

第一方面，本申请实施例提供了一种基于物联网的打卡设备数据采集方法，应用于数据处理云平台系统，所述方法包括：

获取拟进行处理的考勤系统录入数据以及所述考勤系统录入数据对应的活体分析任务项目指示；

将所述考勤系统录入数据与对应的活体分析任务项目指示进行组合，获得目标考勤系统录入数据；

基于活体检测数据采集网络对所述目标考勤系统录入数据进行采样操作，获得活体打卡检测采样数据。

在上述方案中，所述获取所述考勤系统录入数据对应的活体分析任务项目指示，包括：

基于设定的活体分析任务标识集，对所述考勤系统录入数据进行活体分析任务标识配对，获得所述考勤系统录入数据对应的活体分析任务标识；

根据所述考勤系统录入数据对应的活体分析任务标识，对所述考勤系统录入数据进行活体分析任务种类识别，获得目标活体分析任务种类；

获取所述目标活体分析任务种类对应的活体分析任务项目指示。

在上述方案中，所述活体检测数据采集网络的调试步骤包括：

获取网络调试学习集，所述网络调试学习集包括若干个网络调试学习依据，每个网络调试学习依据包括已认证考勤系统录入数据以及对应的先验活体打卡检测采样数据，所述已认证考勤系统录入数据是依据考勤系统录入数据样例与对应的活体分析任务项目指示组合得到；

基于活体检测数据采集网络中活体描述挖掘组件对所述网络调试学习集中各已认证考勤系统录入数据进行活体描述挖掘操作，获得若干个活体检测描述向量；

基于活体检测数据采集网络中检测数据解析组件对若干个所述活体检测描述向量进行检测数据解析操作，获得活体打卡检测采样预测数据；所述活体打卡检测采样预测数据反映将考勤系统录入数据样例添加到对应的活体分析任务项目指示所确定的活体检测数据预测结果；

依据所述活体打卡检测采样预测数据与对应的先验活体打卡检测采样数据，确定第一调试质量评估指标；

依据所述第一调试质量评估指标对所述活体检测数据采集网络进行调试，获得完成调试的活体检测数据采集网络。

在上述方案中，所述活体描述挖掘组件包括信息调整单元和特征挖掘单元；

所述基于活体检测数据采集网络中活体描述挖掘组件对所述网络调试学习集中各已认证考勤系统录入数据进行活体描述挖掘操作，获得若干个活体检测描述向量，包括：

基于活体检测数据采集网络中信息调整单元对所述网络调试学习集中各已认证考勤系统录入数据进行信息调整处理，获得若干个已调整的学习样例；

基于活体检测数据采集网络中特征挖掘单元对若干个所述已调整的学习样例进行活体描述挖掘操作，获得若干个活体检测描述向量。

在上述方案中，所述信息调整单元包括第一信息调整节点和第二信息调整节点；所述基于活体检测数据采集网络中信息调整单元对所述网络调试学习集中各已认证考勤系统录入数据进行信息调整处理，获得若干个已调整的学习样例，包括：

基于活体检测数据采集网络中第一信息调整节点对所述网络调试学习集中各已认证考勤系统录入数据进行第一层级信息调整处理，获得第一目标学习样例；所述第一层级信息调整处理是对已认证考勤系统录入数据中除活体分析任务标识以外的录入信息进行调整处理；

基于活体检测数据采集网络中第二信息调整节点对所述网络调试学习集中各已认证考勤系统录入数据进行第二层级信息调整处理，获得第二目标学习样例；所述第二层级信息调整处理是对已认证考勤系统录入数据中活体分析任务标识对应的任务标识描述特征进行调整处理；

依据所述第一目标学习样例和所述第二目标学习样例，获得若干个已调整的学习样例。

在上述方案中，所述方法还包括：基于活体检测数据采集网络中特征联合分析组件，对若干个所述活体检测描述向量中每两个活体检测描述向量进行一致性分析，获得若干个一致性分析观点；所述一致性分析观点反映每两个所述活体检测描述向量之间的特征共性评分；基于若干个所述一致性分析观点，确定第二调试质量评估指标；

所述依据所述第一调试质量评估指标对所述活体检测数据采集网络进行调试，获得完成调试的活体检测数据采集网络，包括：依据所述第一调试质量评估指标和所述第二调试质量评估指标，确定目标调试质量评估指标；依据所述目标调试质量评估指标对所述活体检测数据采集网络进行调试，获得完成调试的活体检测数据采集网络。

在上述方案中，所述特征联合分析组件包括特征下采样单元和特征一致性判别单元，所述基于活体检测数据采集网络中特征联合分析组件，对若干个所述活体检测描述向量中每两个活体检测描述向量进行一致性分析，获得若干个一致性分析观点，包括：

基于活体检测数据采集网络中特征下采样单元，对若干个所述活体检测描述向量中各活体检测描述向量进行特征下采样，获得对应的若干个活体检测下采样向量；

基于活体检测数据采集网络中特征一致性判别单元，对每两个所述活体检测下采样向量进行特征一致性判别，获得若干个一致性分析观点。

在上述方案中，所述获取网络调试学习集包括：

获取若干个考勤系统录入数据样例；

对每个所述考勤系统录入数据样例进行活体分析任务种类识别；

基于识别结果，确定每个所述考勤系统录入数据样例对应的活体分析任务项目指示；

将每个所述考勤系统录入数据样例与对应的活体分析任务项目指示进行组合处理，获得已认证考勤系统录入数据；

依据所述已认证考勤系统录入数据以及每个已认证考勤系统录入数据对应的先验活体打卡检测采样数据，生成网络调试学习集。

在上述方案中，所述对每个所述考勤系统录入数据样例进行活体分析任务种类识别，包括：

基于设定活体分析任务标识集，对每个考勤系统录入数据样例进行活体分析任务标识配对，获得每个所述考勤系统录入数据样例对应的活体分析任务标识；

根据每个所述考勤系统录入数据样例对应的活体分析任务标识，对每个所述考勤系统录入数据样例进行活体分析任务种类识别。

在上述方案中，所述基于活体检测数据采集网络中检测数据解析组件对若干个所述活体检测描述向量进行检测数据解析操作，获得活体打卡检测采样预测数据：

将若干个所述活体检测描述向量加载到活体检测数据采集网络中检测数据解析组件；

基于所述检测数据解析组件中的局部描述聚焦层确定所述活体检测描述向量的局部活体检测关注向量；

基于所述检测数据解析组件中的检测向量解析层对所述局部活体检测关注向量和所述活体检测描述向量进行检测数据解析操作，获得活体打卡检测采样预测数据。

第二方面，本申请还提供了一种数据处理云平台系统，包括处理器和存储器；所述处理器和所述存储器通信连接，所述处理器用于从所述存储器中读取计算机程序并执行，以实现上述的方法。

第三方面，本申请还提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现上述的方法。

本申请实施例通过获取网络调试学习集，该网络调试学习集包括若干个网络调试学习依据，每个网络调试学习依据包括已认证考勤系统录入数据以及对应的先验活体打卡检测采样数据，该已认证考勤系统录入数据是依据考勤系统录入数据样例与对应的活体分析任务项目指示组合得到；基于活体检测数据采集网络中活体描述挖掘组件对所述网络调试学习集中各已认证考勤系统录入数据进行活体描述挖掘操作，获得若干个活体检测描述向量；基于活体检测数据采集网络中检测数据解析组件对若干个所述活体检测描述向量进行检测数据解析操作，获得活体打卡检测采样预测数据；所述活体打卡检测采样预测数据反映将考勤系统录入数据样例添加到对应的活体分析任务项目指示所确定的活体检测数据预测结果；依据所述活体打卡检测采样预测数据与对应的先验活体打卡检测采样数据，确定第一调试质量评估指标；依据所述第一调试质量评估指标对所述活体检测数据采集网络进行调试，获得完成调试的活体检测数据采集网络。

这样一来，通过对组合的考勤系统录入数据样例与活体分析任务项目指示组合进行特征提取，通过活体检测数据采集网络中的检测数据解析组件确定包含活体打卡信息的活体打卡检测采样预测数据，结合了活体分析任务项目指示以及考勤系统录入数据的综合分析采样，这样能够提高对活体检测数据进行采集的时效性，且通过考虑活体分析任务项目指示，能够针对性地抽取不同类型的活体检测数据，提升了对多模态的考勤系统录入数据进行活体检测数据抽取的针对性和准确性，从而为之后的打卡考勤分析提供尽可能精准的分析依据。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并于说明书一起用于解释本申请的原理。

图1是本申请实施例提供的一种基于物联网的打卡设备数据采集方法的流程示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

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。

本申请实施例所提供的方法实施例可以在数据处理云平台系统、计算机设备或者类似的运算装置中执行。以运行在数据处理云平台系统上为例，数据处理云平台系统可以包括一个或多个处理器（处理器可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置）和用于存储数据的存储器，可选地，上述数据处理云平台系统还可以包括用于通信功能的传输装置。本领域普通技术人员可以理解，上述结构仅为示意，其并不对上述数据处理云平台系统的结构造成限定。例如，数据处理云平台系统还可包括比上述所示更多或者更少的组件，或者具有与上述所示不同的配置。

存储器可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本申请实施例中的一种基于物联网的打卡设备数据采集方法对应的计算机程序，处理器通过运行存储在存储器内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至数据处理云平台系统。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传输装置用于经由一个网络接收或者发送数据。上述的网络具体实例可包括数据处理云平台系统的通信供应商提供的无线网络。在一个实例中，传输装置包括一个网络适配器（Network Interface Controller，简称为NIC），其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置可以为射频（Radio Frequency，简称为RF）模块，其用于通过无线方式与互联网进行通讯。

基于此，请参阅图1，图1是本申请实施例所提供的一种基于物联网的打卡设备数据采集方法的流程示意图，该方法应用于数据处理云平台系统，用于对活体检测数据采集网络进行调试处理，进一步可以包括步骤101-步骤109。

步骤101：获取网络调试学习集。

其中，所述网络调试学习集包括若干个网络调试学习依据，每个网络调试学习依据包括已认证考勤系统录入数据以及对应的先验活体打卡检测采样数据，所述已认证考勤系统录入数据是依据考勤系统录入数据样例与对应的活体分析任务项目指示组合得到。

其中，考勤系统录入数据样例可以是包括人员打卡数据且用于调试活体检测数据采集网络的信息，考勤系统录入数据样例可以包括不同模态的人员打卡数据，比如人脸打卡数据、指纹打卡数据、语音打卡数据等。考勤系统录入数据样例的获取思路不限，比如可以从互联网中获取，也可以从本地数据库中获取，且考勤系统录入数据样例的获取是经过打卡人员/员工的知晓和授权的。比如，考勤系统录入数据样例为一周前的考勤系统录入数据，一周前的考勤系统录入数据中包括人员1~人员10的人员打卡数据，人员1~人员10在一周前打卡时，考勤系统会对人员1~人员10进行告知，该告知内容可以为“您的打卡数据可能会用于后期进行系统分析升级，请悉知”。

进一步的，活体分析任务项目指示用于表征考勤系统录入数据中人员录入信息对应的活体分析任务种类，不同的活体分析任务种类对应不同的活体分析任务项目指示。该人员录入信息可以包括活体打卡信息、打卡数据类型等。举例而言，活体分析任务种类可以包括不同活体检测任务中至少一种。对应的活体分析任务项目指示可以包括人脸分析任务项目指示、指纹分析任务项目指示、语音分析任务项目指示等。

其中，先验活体打卡检测采样数据是对已认证考勤系统录入数据中的考勤系统录入数据样例预先进行活体数据采集所得的结果。先验活体打卡检测采样数据与已认证考勤系统录入数据的活体分析任务项目指示存在联系，不同的活体分析任务种类对应的先验活体打卡检测采样数据的存在差异。

在一些可能的设计思路下，在获取到考勤系统录入数据样例后，可以对考勤系统录入数据样例进行预处理，并根据预处理结果确定该考勤系统录入数据样例对应的活体分析任务项目指示。然后，将考勤系统录入数据样例与对应的活体分析任务项目指示进行基于特征维度的组合处理，获得若干个已认证考勤系统录入数据（先验考勤系统录入数据）。然后，通过若干个已认证考勤系统录入数据以及对应的先验活体打卡检测采样数据生成对应的网络调试学习集。

对于一些可能的示例而言，所述获取网络调试学习集可以包括步骤201-步骤209。

步骤201：获取若干个考勤系统录入数据样例。

步骤203：对每个所述考勤系统录入数据样例进行活体分析任务种类识别。

示例性的，数据处理云平台系统在获取到若干个考勤系统录入数据样例之后，可以激活活体分析任务种类识别机制。响应于该活体分析任务种类识别机制，对每个考勤系统录入数据样例的活体分析任务种类进行预处理，获得每个考勤系统录入数据样例对应的活体分析任务种类。

示例性的，所述对每个所述考勤系统录入数据样例进行活体分析任务种类识别，包括步骤2031和步骤2033。

步骤2031：基于设定活体分析任务标识集，对每个考勤系统录入数据样例进行活体分析任务标识配对，获得每个所述考勤系统录入数据样例对应的活体分析任务标识。

步骤2033：根据每个所述考勤系统录入数据样例对应的活体分析任务标识，对每个所述考勤系统录入数据样例进行活体分析任务种类识别。

示例性的，数据处理云平台系统在对考勤系统录入数据样例进行配对之前，可以先对每个考勤系统录入数据样例进行数据拆解处理。然后，对每个经数据拆解处理的考勤系统录入数据样例中的各数据块与设定活体分析任务标识集进行活体分析任务标识配对，检测每个考勤系统录入数据样例对应的活体分析任务标识（活体分析任务的关键词）。在识别出到活体分析任务标识之后，可以将考勤系统录入数据样例中的每个活体分析任务标识通过关键词进行表征，活体分析任务标识的关键词包括但不限于“人脸”、“指纹”和“语音”等。

然后，根据考勤系统录入数据样例对应的至少一个活体分析任务标识可以确定该考勤系统录入数据样例对应的活体分析任务种类。又比如，可以根据考勤系统录入数据样例中活体分析任务标识的热力值（频率）来确定活体分析任务种类，譬如，可以将活体分析任务标识热力值最高对应的活体分析任务种类，作为该考勤系统录入数据样例对应的活体分析任务种类。

步骤205：基于识别结果，确定每个所述考勤系统录入数据样例对应的活体分析任务项目指示。

示例性的，在确定了考勤系统录入数据样例对应的活体分析任务种类，便能够根据活体分析任务种类确定对应的活体分析任务项目指示。活体分析任务项目指示可以包括活体检测数据采集指示。

在一些示例下，每个考勤系统录入数据样例对应的活体分析任务种类可以包括若干个，相应的，对应的活体分析任务项目指示也可以为若干个。譬如，可以将若干个活体分析任务种类分别对应的活体分析任务项目指示进行组合，将组合后的活体分析任务项目指示作为考勤系统录入数据样例对应的活体分析任务项目指示。

在另一些示例下，在考勤系统录入数据样例包括若干个活体分析任务种类的情况下，可以根据活体分析任务种类的权重值的大小，从若干个活体分析任务种类中确定设定个数的目标活体分析任务种类，并根据目标活体分析任务种类来确定该考勤系统录入数据样例对应的活体分析任务项目指示。

步骤207：将每个所述考勤系统录入数据样例与对应的活体分析任务项目指示进行组合处理，获得已认证考勤系统录入数据。

示例性的，在获取考勤系统录入数据样例对应的活体分析任务项目指示之后，可以基于区分标签来组合考勤系统录入数据样例与对应的活体分析任务项目指示，并将组合后的考勤系统录入数据样例作为已认证考勤系统录入数据。

步骤209：依据所述已认证考勤系统录入数据以及每个已认证考勤系统录入数据对应的先验活体打卡检测采样数据，生成网络调试学习集。

示例性的，在获取到若干个已认证考勤系统录入数据之后，可以结合每个已认证考勤系统录入数据分别对应的先验活体打卡检测采样数据来确定若干个网络调试学习依据，以生成网络调试学习集。

步骤103：基于活体检测数据采集网络中活体描述挖掘组件对所述网络调试学习集中各已认证考勤系统录入数据进行活体描述挖掘操作，获得若干个活体检测描述向量。

其中，活体检测数据采集网络可以是经过预调试的AI算法（比如深度残差网络），或者网络变量进行一定程度调整的AI算法。

示例性的，将网络调试学习集加载到活体检测数据采集网络中活体描述挖掘组件，对网络调试学习集中各已认证考勤系统录入数据进行活体描述挖掘操作，分别获得每个已认证考勤系统录入数据对应的活体检测描述向量。该活体检测描述向量可以是已认证考勤系统录入数据的Embedding Feature（嵌入向量）。

步骤105：基于活体检测数据采集网络中检测数据解析组件对若干个所述活体检测描述向量进行检测数据解析操作，获得活体打卡检测采样预测数据。

其中，所述活体打卡检测采样预测数据包括将考勤系统录入数据样例添加到对应的活体分析任务项目指示所确定的活体检测数据预测结果。

示例性的，将活体检测描述向量加载到活体检测数据采集网络中检测数据解析组件，基于所述检测数据解析组件中的局部描述聚焦层确定所述活体检测描述向量的局部活体检测关注向量；基于所述检测数据解析组件中的检测向量解析层对所述局部活体检测关注向量和所述活体检测描述向量进行检测数据解析操作，抽取得到考勤系统录入数据样例对应的活体打卡信息与对应的活体检测传感数据，然后基于活体打卡信息对应的活体检测传感数据，将各活体打卡信息添加到对应的活体分析任务项目指示中的对应区域，以形成活体检测数据预测结果，将该活体检测数据预测结果作为活体打卡检测采样预测数据。

步骤107：依据所述活体打卡检测采样预测数据与对应的先验活体打卡检测采样数据，确定第一调试质量评估指标。

在调试过程中，基于检测数据解析组件生成的活体打卡检测采样预测数据与先验活体打卡检测采样数据之间的比较结果，作为第一调试质量评估指标。

在一些示例下，该第一调试质量评估指标对应训练代价函数可以用包括但不限于交叉熵损失函数。

步骤109：依据所述第一调试质量评估指标对所述活体检测数据采集网络进行调试，获得完成调试的活体检测数据采集网络。

示例性的，可以基于确定出的第一调试质量评估指标对活体检测数据采集网络进行调试，以调整活体检测数据采集网络的网络变量，直到符合调试终止要求，从而得到完成调试的活体检测数据采集网络。

可见，通过对组合的考勤系统录入数据样例与活体分析任务项目指示组合进行特征提取，通过活体检测数据采集网络中的检测数据解析组件确定包含活体打卡信息的活体打卡检测采样预测数据，结合了活体分析任务项目指示以及考勤系统录入数据的综合分析采样，这样能够提高对活体检测数据进行采集的时效性，且通过考虑活体分析任务项目指示，能够针对性地抽取不同类型的活体检测数据，提升了对多模态的考勤系统录入数据进行活体检测数据抽取的针对性和准确性，从而为之后的打卡考勤分析提供尽可能精准的分析依据。

对于一些可能的示例而言，所述活体描述挖掘组件包括信息调整单元和特征挖掘单元。所述基于活体检测数据采集网络中活体描述挖掘组件对所述网络调试学习集中各已认证考勤系统录入数据进行活体描述挖掘操作，获得若干个活体检测描述向量，包括步骤301和步骤303。

步骤301：基于活体检测数据采集网络中信息调整单元对所述网络调试学习集中各已认证考勤系统录入数据进行信息调整处理，获得若干个已调整的学习样例。

示例性的，信息调整单元是用于采用对抗思路对已认证考勤系统录入数据进行信息维度的的噪声调整，以获得各种噪声样例等，信息调整的方式包括但不限于掩码、畸变、模糊处理等。

对于一些可能的示例而言，所述信息调整单元包括第一信息调整节点和第二信息调整节点。此时，所述基于活体检测数据采集网络中信息调整单元对所述网络调试学习集中各已认证考勤系统录入数据进行信息调整处理，获得若干个已调整的学习样例，包括步骤3011-步骤3015。

步骤3011：基于活体检测数据采集网络中第一信息调整节点对所述网络调试学习集中各已认证考勤系统录入数据进行第一层级信息调整处理，获得第一目标学习样例；所述第一层级信息调整处理是对已认证考勤系统录入数据中除活体分析任务标识以外的录入信息进行调整处理。

步骤3013：基于活体检测数据采集网络中第二信息调整节点对所述网络调试学习集中各已认证考勤系统录入数据进行第二层级信息调整处理，获得第二目标学习样例；所述第二层级信息调整处理是对已认证考勤系统录入数据中活体分析任务标识对应的任务标识描述特征进行调整处理。

步骤3015：依据所述第一目标学习样例和所述第二目标学习样例，获得若干个已调整的学习样例。

示例性的，本申请的信息调整单元包括两个信息调整节点。其中，第一信息调整节点是针对不引入活体分析任务标识的调整。第二信息调整节点针对活体分析任务标识的调整，也即针对考勤系统录入数据的信息调整。示例性的，对于考勤系统录入数据样例和对应的活体分析任务项目指示可以分别采用不同的信息对抗思路。

可见，通过考勤系统录入数据的一致性分析和活体分析任务标识的一致性分析，能够实现之后的一致性训练调试，尽可能优化活体检测数据采集网络的性能，从而保障少量调试示例条件下活体检测数据采集网络的调试质量。

步骤303：基于活体检测数据采集网络中特征挖掘单元对若干个所述已调整的学习样例进行活体描述挖掘操作，获得若干个活体检测描述向量。

示例性的，将已调整的学习样例加载到活体检测数据采集网络中特征挖掘单元，对已调整的学习样例进行活体描述挖掘操作，分别获得每个已调整的学习样例对应的活体检测描述向量。该活体检测描述向量可以是已调整的学习样例的Embedding Feature。

又比如，将已调整的学习样例与未经调整处理的已认证考勤系统录入数据，一起加载到活体检测数据采集网络中特征挖掘单元，对已调整的学习样例和已认证考勤系统录入数据进行活体描述挖掘操作，分别获得每个已调整的学习样例和已认证考勤系统录入数据对应的活体检测描述向量。该活体检测描述向量可以包括已调整的学习样例的Embedding Feature和已认证考勤系统录入数据分别对应的Embedding Feature。

在另一些实施例中，所述方法还包括步骤305。

步骤305：基于活体检测数据采集网络中特征联合分析组件，对若干个所述活体检测描述向量中每两个活体检测描述向量进行一致性分析，获得若干个一致性分析观点。

其中，所述一致性分析观点反映每两个所述活体检测描述向量之间的特征共性评分。特征共性评分可以理解为每两个所述活体检测描述向量之间的特征相似性。

在另一些实施例中，所述特征联合分析组件包括特征下采样单元（特征池化单元）和特征一致性判别单元（特征比较单元）。所述基于活体检测数据采集网络中特征联合分析组件，对若干个所述活体检测描述向量中每两个活体检测描述向量进行一致性分析，获得若干个一致性分析观点，包括步骤3051和步骤3053。

步骤3051：基于活体检测数据采集网络中特征下采样单元，对若干个所述活体检测描述向量中各活体检测描述向量进行特征下采样，获得对应的若干个活体检测下采样向量；

步骤3053：基于活体检测数据采集网络中特征一致性判别单元，对每两个所述活体检测下采样向量进行特征一致性判别，获得若干个一致性分析观点。

示例性的，在对已调整的学习样例进行活体描述挖掘操作之后，基于活体检测数据采集网络中特征下采样单元对各活体检测描述向量进行特征下采样。比如，可以将已调整的学习样例对应的向量值进行平均化，获得该已调整的学习样例对应的下采样特征，可以将该下采样特征作为对应的活体检测下采样向量。

在获取到每个已调整的学习样例对应的活体检测下采样向量之后，可以基于活体检测数据采集网络中特征一致性判别单元，对每两个所述活体检测下采样向量进行基于特征共性评分的特征一致性判别，获得若干个一致性分析观点。该一致性分析观点可以包括但不限于为余弦相似度等。

步骤307：基于若干个所述一致性分析观点，确定第二调试质量评估指标。

在一些示例下，该第二调试质量评估指标对应训练代价函数可以用包括但不限于铰链损失函数来表征。

相应的，所述依据所述第一调试质量评估指标对所述活体检测数据采集网络进行调试，获得完成调试的活体检测数据采集网络，包括步骤309和步骤311。

步骤309：依据所述第一调试质量评估指标和所述第二调试质量评估指标，确定目标调试质量评估指标。

步骤311：依据所述目标调试质量评估指标对所述活体检测数据采集网络进行调试，获得完成调试的活体检测数据采集网络。

示例性的，在获取到第一调试质量评估指标和第二调试质量评估指标之后，可以对这两个调试质量评估指标进行量化处理，来确定目标调试质量评估指标。该量化处理包括但不限于为加权和求解等。之后，基于目标调试质量评估指标来调试活体检测数据采集网络，直到符合调试终止要求，获得完成调试的活体检测数据采集网络。

可见，在上述的调试阶段，通过引入一致性分析进行网络调试，且基于第二调试质量评估指标能够进行样本增广处理和对抗调试，这样可以提高活体检测数据采集网络对噪声的抗干扰性。此外，还可以提高活体检测数据采集网络的泛化性。如此，能够提高活体检测数据采集网络的应用灵活性。

在另一些可能的实施例中，一种基于物联网的打卡设备数据采集方法可以包括步骤401-步骤405。

步骤401：获取拟进行处理的考勤系统录入数据以及所述考勤系统录入数据对应的活体分析任务项目指示。

本申请实施例中，拟进行处理的考勤系统录入数据可以是用户终端或者打卡设备上传给数据处理云平台系统的。

步骤403：将所述考勤系统录入数据与对应的活体分析任务项目指示进行组合，获得目标考勤系统录入数据。

步骤405：基于活体检测数据采集网络对所述目标考勤系统录入数据进行采样操作，获得活体打卡检测采样数据。

其中，所述活体检测数据采集网络采用上述的活体检测数据采集网络调试方法调试得到。

在另一些示例中，所述获取所述考勤系统录入数据对应的活体分析任务项目指示，包括：基于设定的活体分析任务标识集，对所述考勤系统录入数据进行活体分析任务标识配对，获得所述考勤系统录入数据对应的活体分析任务标识；根据所述考勤系统录入数据对应的活体分析任务标识，对所述考勤系统录入数据进行活体分析任务种类识别，获得目标活体分析任务种类；获取所述目标活体分析任务种类对应的活体分析任务项目指示。

应用步骤401-步骤405，结合了活体分析任务项目指示以及考勤系统录入数据的综合分析采样，这样能够提高对活体检测数据进行采集的时效性，且通过考虑活体分析任务项目指示，能够针对性地抽取不同类型的活体检测数据，提升了对多模态的考勤系统录入数据进行活体检测数据抽取的针对性和准确性，从而为之后的打卡考勤分析提供尽可能精准的分析依据。

在一些可独立的实施例中，在所述基于活体检测数据采集网络对所述目标考勤系统录入数据进行采样操作，获得活体打卡检测采样数据之后，所述方法还包括：响应于针对所述活体打卡检测采样数据的打卡验证请求，对所述活体打卡检测采样数据进行活体信息核验，在所述活体打卡检测采样数据通过所述活体信息核验的前提下，确定所述活体打卡检测采样数据对应的人员身份描述特征；在预设数据库中查询是否存在于所述人员身份描述特征匹配的注册身份描述特征；若是，则判定所述人员身份描述特征对应的用户完成打卡。

在一些可独立的实施例中，所述对所述活体打卡检测采样数据进行活体信息核验，包括：

获取活体打卡检测采样数据的第一声波频谱向量和第一脸部动态向量，以及获取活体核验参考数据的第二声波频谱向量和第二脸部动态向量；

根据所述第一声波频谱向量和所述第二声波频谱向量，确定所述活体打卡检测采样数据的语音采样数据和所述活体核验参考数据的语音采样数据是否具有共性，以及根据所述第一脸部动态向量和所述第二脸部动态向量，确定所述活体打卡检测采样数据的脸部活动和所述活体核验参考数据的脸部活动是否具有共性；

倘若所述活体打卡检测采样数据的语音采样数据和所述活体核验参考数据的语音采样数据具有共性且所述活体打卡检测采样数据的脸部活动和所述活体核验参考数据的脸部活动具有共性，则确定所述活体打卡检测采样数据通过所述活体信息核验。

在一些可独立的实施例中，所述根据所述第一声波频谱向量和所述第二声波频谱向量，确定所述活体打卡检测采样数据的语音采样数据和所述活体核验参考数据的语音采样数据是否具有共性，包括：确定所述第一声波频谱向量与所述第二声波频谱向量之间的第一共性度量值；倘若所述第一共性度量值大于第一设定数值，则确定所述活体打卡检测采样数据的语音采样数据和所述活体核验参考数据的语音采样数据具有共性；

所述根据所述第一脸部动态向量和所述第二脸部动态向量，确定所述活体打卡检测采样数据的脸部活动和所述活体核验参考数据的脸部活动是否具有共性，包括：确定所述第一脸部动态向量与所述第二脸部动态向量之间的第二共性度量值；倘若所述第二共性度量值大于第二设定数值，则确定所述活体打卡检测采样数据的脸部活动和所述活体核验参考数据的脸部活动具有共性。

在一些可独立的实施例中，所述倘若所述活体打卡检测采样数据的语音采样数据和所述活体核验参考数据的语音采样数据具有共性且所述活体打卡检测采样数据的脸部活动和所述活体核验参考数据的脸部活动具有共性，则确定所述活体打卡检测采样数据通过所述活体信息核验，包括：根据所述第一共性度量值和所述第二共性度量值，确定所述活体打卡检测采样数据与所述活体核验参考数据之间的第三共性度量值；

倘若所述第三共性度量值大于第三设定数值，则确定所述活体打卡检测采样数据通过所述活体信息核验。

在一些可独立的实施例中，所述第一声波频谱向量包括所述活体打卡检测采样数据中的每个第一语音段的第三声波频谱向量，所述第二声波频谱向量包括所述活体核验参考数据中的每个第二语音段的第四声波频谱向量，所述每个第一语音段对应一个第二语音段；所述获取活体打卡检测采样数据的第一声波频谱向量以及获取活体核验参考数据的第二声波频谱向量，包括：

分别将活体打卡检测采样数据和活体核验参考数据进行音频提取得到第一音频信息和第二音频信息；

分别将所述第一音频信息和所述第二音频信息均分为多个第一语音段和多个第二语音段；

分别获取所述每个第一语音段的第三声波频谱向量和所述每个第一语音段对应的第二语音段的第四声波频谱向量。

在一些可独立的实施例中，所述确定所述第一声波频谱向量与所述第二声波频谱向量之间的第一共性度量值，包括：

分别确定所述每个第一语音段的第三声波频谱向量与所述每个第一语音段对应的第二语音段的第四声波频谱向量之间的共性度量值，得到多个第四共性度量值；

确定所述多个第四共性度量值的平均共性度量值作为所述第一声波频谱向量与所述第二声波频谱向量之间的第一共性度量值。

在一些可独立的实施例中，所述第一声波频谱向量包括所述活体打卡检测采样数据中的第一共鸣区段数量和第一音域区段数量，所述第二声波频谱向量包括所述活体核验参考数据中的第二共鸣区段数量和第二音域区段数量；

所述根据所述第一声波频谱向量和所述第二声波频谱向量，确定所述活体打卡检测采样数据的语音采样数据和所述活体核验参考数据的语音采样数据是否具有共性，包括：

根据所述第一共鸣区段数量和所述第二共鸣区段数量，确定所述活体打卡检测采样数据与所述活体核验参考数据之间的共鸣区段共性度量值；

根据所述第一音域区段数量和所述第二音域区段数量，确定所述活体打卡检测采样数据与所述活体核验参考数据之间的音域区段共性度量值；

根据所述共鸣区段共性度量值和所述音域区段共性度量值，确定所述第一声波频谱向量与所述第二声波频谱向量之间的第一共性度量值；

倘若所述第一共性度量值大于第一设定数值，则确定所述活体打卡检测采样数据的语音采样数据和所述活体核验参考数据的语音采样数据具有共性。

在一些可独立的实施例中，所述活体打卡检测采样数据的第一脸部动态向量包括所述活体打卡检测采样数据中的每个采样数据块的第三脸部动态向量，所述活体核验参考数据的第二脸部动态向量包括所述活体核验参考数据中的每个活体核验参考数据块的第四脸部动态向量，所述每个采样数据块对应一个活体核验参考数据块；

所述确定所述第一脸部动态向量与所述第二脸部动态向量之间的第二共性度量值，包括：

分别确定所述每个采样数据块的第三脸部动态向量与所述每个采样数据块对应的活体核验参考数据块的第四脸部动态向量之间的共性度量值，得到多个第五共性度量值；

确定所述多个第五共性度量值的平均共性度量值作为所述第一脸部动态向量与所述第二脸部动态向量之间的第二共性度量值。

在一些可独立的实施例中，所述方法还包括：

根据所述第一脸部动态向量、所述第一声波频谱向量、所述第二脸部动态向量和所述第二声波频谱向量，通过决策树模型确定所述活体打卡检测采样数据是否通过活体信息核验。

在本申请实施例中，根据活体打卡检测采样数据的第一声波频谱向量和活体核验参考数据的第二声波频谱向量，确定活体打卡检测采样数据的语音采样数据和活体核验参考数据的语音采样数据是否具有共性，以及根据活体打卡检测采样数据的第一脸部动态向量和活体核验参考数据的第二脸部动态向量，确定活体打卡检测采样数据的脸部活动和活体核验参考数据的脸部活动是否具有共性；倘若活体打卡检测采样数据的语音采样数据和活体核验参考数据的语音采样数据具有共性且活体打卡检测采样数据的脸部活动和活体核验参考数据的脸部活动具有共性，则确定活体打卡检测采样数据通过活体信息核验，从而综合语音采样数据和脸部活动来进行活体打卡检测采样数据的活体信息核验，提升活体信息核验的精度和可信度。

进一步地，还提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现上述的方法。

在本申请实施例所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、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，所述模块、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方式中，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，两个连续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动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。

另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块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、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。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）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种基于物联网的打卡设备数据采集方法，其特征在于，应用于数据处理云平台系统，所述方法包括：

获取拟进行处理的考勤系统录入数据以及所述考勤系统录入数据对应的活体分析任务项目指示；

将所述考勤系统录入数据与对应的活体分析任务项目指示进行组合，获得目标考勤系统录入数据；

基于活体检测数据采集网络对所述目标考勤系统录入数据进行采样操作，获得活体打卡检测采样数据。

2.根据权利要求1所述的方法，其特征在于，所述获取所述考勤系统录入数据对应的活体分析任务项目指示，包括：

基于设定的活体分析任务标识集，对所述考勤系统录入数据进行活体分析任务标识配对，获得所述考勤系统录入数据对应的活体分析任务标识；

根据所述考勤系统录入数据对应的活体分析任务标识，对所述考勤系统录入数据进行活体分析任务种类识别，获得目标活体分析任务种类；

获取所述目标活体分析任务种类对应的活体分析任务项目指示。

3.根据权利要求1所述的方法，其特征在于，所述活体检测数据采集网络的调试步骤包括：

获取网络调试学习集，所述网络调试学习集包括若干个网络调试学习依据，每个网络调试学习依据包括已认证考勤系统录入数据以及对应的先验活体打卡检测采样数据，所述已认证考勤系统录入数据是依据考勤系统录入数据样例与对应的活体分析任务项目指示组合得到；

基于活体检测数据采集网络中活体描述挖掘组件对所述网络调试学习集中各已认证考勤系统录入数据进行活体描述挖掘操作，获得若干个活体检测描述向量；

基于活体检测数据采集网络中检测数据解析组件对若干个所述活体检测描述向量进行检测数据解析操作，获得活体打卡检测采样预测数据；所述活体打卡检测采样预测数据反映将考勤系统录入数据样例添加到对应的活体分析任务项目指示所确定的活体检测数据预测结果；

依据所述活体打卡检测采样预测数据与对应的先验活体打卡检测采样数据，确定第一调试质量评估指标；

依据所述第一调试质量评估指标对所述活体检测数据采集网络进行调试，获得完成调试的活体检测数据采集网络。

4.根据权利要求3所述的方法，其特征在于，所述活体描述挖掘组件包括信息调整单元和特征挖掘单元；

所述基于活体检测数据采集网络中活体描述挖掘组件对所述网络调试学习集中各已认证考勤系统录入数据进行活体描述挖掘操作，获得若干个活体检测描述向量，包括：

基于活体检测数据采集网络中信息调整单元对所述网络调试学习集中各已认证考勤系统录入数据进行信息调整处理，获得若干个已调整的学习样例；

基于活体检测数据采集网络中特征挖掘单元对若干个所述已调整的学习样例进行活体描述挖掘操作，获得若干个活体检测描述向量；

其中，所述信息调整单元包括第一信息调整节点和第二信息调整节点；所述基于活体检测数据采集网络中信息调整单元对所述网络调试学习集中各已认证考勤系统录入数据进行信息调整处理，获得若干个已调整的学习样例，包括：

基于活体检测数据采集网络中第一信息调整节点对所述网络调试学习集中各已认证考勤系统录入数据进行第一层级信息调整处理，获得第一目标学习样例；所述第一层级信息调整处理是对已认证考勤系统录入数据中除活体分析任务标识以外的录入信息进行调整处理；

基于活体检测数据采集网络中第二信息调整节点对所述网络调试学习集中各已认证考勤系统录入数据进行第二层级信息调整处理，获得第二目标学习样例；所述第二层级信息调整处理是对已认证考勤系统录入数据中活体分析任务标识对应的任务标识描述特征进行调整处理；

依据所述第一目标学习样例和所述第二目标学习样例，获得若干个已调整的学习样例。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：基于活体检测数据采集网络中特征联合分析组件，对若干个所述活体检测描述向量中每两个活体检测描述向量进行一致性分析，获得若干个一致性分析观点；所述一致性分析观点反映每两个所述活体检测描述向量之间的特征共性评分；基于若干个所述一致性分析观点，确定第二调试质量评估指标；

所述依据所述第一调试质量评估指标对所述活体检测数据采集网络进行调试，获得完成调试的活体检测数据采集网络，包括：依据所述第一调试质量评估指标和所述第二调试质量评估指标，确定目标调试质量评估指标；依据所述目标调试质量评估指标对所述活体检测数据采集网络进行调试，获得完成调试的活体检测数据采集网络；

其中，所述特征联合分析组件包括特征下采样单元和特征一致性判别单元，所述基于活体检测数据采集网络中特征联合分析组件，对若干个所述活体检测描述向量中每两个活体检测描述向量进行一致性分析，获得若干个一致性分析观点，包括：

基于活体检测数据采集网络中特征下采样单元，对若干个所述活体检测描述向量中各活体检测描述向量进行特征下采样，获得对应的若干个活体检测下采样向量；

基于活体检测数据采集网络中特征一致性判别单元，对每两个所述活体检测下采样向量进行特征一致性判别，获得若干个一致性分析观点。

6.根据权利要求3所述的方法，其特征在于，所述获取网络调试学习集包括：

获取若干个考勤系统录入数据样例；

对每个所述考勤系统录入数据样例进行活体分析任务种类识别；

基于识别结果，确定每个所述考勤系统录入数据样例对应的活体分析任务项目指示；

将每个所述考勤系统录入数据样例与对应的活体分析任务项目指示进行组合处理，获得已认证考勤系统录入数据；

依据所述已认证考勤系统录入数据以及每个已认证考勤系统录入数据对应的先验活体打卡检测采样数据，生成网络调试学习集。

7.根据权利要求6所述的方法，其特征在于，所述对每个所述考勤系统录入数据样例进行活体分析任务种类识别，包括：

基于设定活体分析任务标识集，对每个考勤系统录入数据样例进行活体分析任务标识配对，获得每个所述考勤系统录入数据样例对应的活体分析任务标识；

根据每个所述考勤系统录入数据样例对应的活体分析任务标识，对每个所述考勤系统录入数据样例进行活体分析任务种类识别。

8.根据权利要求3所述的方法，其特征在于，所述基于活体检测数据采集网络中检测数据解析组件对若干个所述活体检测描述向量进行检测数据解析操作，获得活体打卡检测采样预测数据：

将若干个所述活体检测描述向量加载到活体检测数据采集网络中检测数据解析组件；

基于所述检测数据解析组件中的局部描述聚焦层确定所述活体检测描述向量的局部活体检测关注向量；

基于所述检测数据解析组件中的检测向量解析层对所述局部活体检测关注向量和所述活体检测描述向量进行检测数据解析操作，获得活体打卡检测采样预测数据。

9.一种数据处理云平台系统，其特征在于，包括处理器和存储器；所述处理器和所述存储器通信连接，所述处理器用于从所述存储器中读取计算机程序并执行，以实现权利要求1-8任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，其上存储有程序，该程序被处理器执行时实现权利要求1-8任一项所述的方法。