CN117636496A - 一种基于体征数据的考勤管理系统 - Google Patents
一种基于体征数据的考勤管理系统 Download PDFInfo
- Publication number
- CN117636496A CN117636496A CN202410111710.5A CN202410111710A CN117636496A CN 117636496 A CN117636496 A CN 117636496A CN 202410111710 A CN202410111710 A CN 202410111710A CN 117636496 A CN117636496 A CN 117636496A
- Authority
- CN
- China
- Prior art keywords
- user
- sign data
- module
- intensity
- punching
- 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
- 238000004080 punching Methods 0.000 claims abstract description 53
- 230000036541 health Effects 0.000 claims description 19
- 230000033001 locomotion Effects 0.000 claims description 19
- 201000010099 disease Diseases 0.000 claims description 16
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 16
- 238000004891 communication Methods 0.000 claims description 11
- 230000037149 energy metabolism Effects 0.000 claims description 8
- 239000002243 precursor Substances 0.000 claims description 8
- 230000036772 blood pressure Effects 0.000 claims description 5
- 230000009471 action Effects 0.000 claims description 4
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 4
- 239000008280 blood Substances 0.000 claims description 4
- 210000004369 blood Anatomy 0.000 claims description 4
- 230000036760 body temperature Effects 0.000 claims description 4
- 229910052760 oxygen Inorganic materials 0.000 claims description 4
- 239000001301 oxygen Substances 0.000 claims description 4
- 230000008859 change Effects 0.000 abstract description 3
- 238000000034 method Methods 0.000 description 9
- 235000019577 caloric intake Nutrition 0.000 description 4
- 238000013186 photoplethysmography Methods 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 230000001815 facial effect Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000037323 metabolic rate Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及智能办公领域，具体为一种基于体征数据的考勤管理系统，包括数据采集终端、移动终端和服务器，移动终端用于打卡并将数据采集终端采集的体征数据上传至服务器，服务器用于记录打卡信息并根据体征数据判断是否存在代打卡行为。本方案通过移动终端进行打卡能够避免指纹考勤系统不易识别以及面部识别拥堵的情况，提高了企业员工较多时的考勤打卡效率。而每个人在同一时间段的体征数据都是有所区别的。因此，在打卡的同时上传体征数据，服务器能够对体征数据变化进行分析，当体征数据相似度过高时则能够判定为同一用户在进行打卡，由此克服了现有打卡系统的代打卡行为，提高了考勤管理系统的精准性。
Description
技术领域
本发明涉及智能办公领域，具体为一种基于体征数据的考勤管理系统。
背景技术
考勤管理系统在企业发展中发挥着重要的作用，而且随着企业的壮大和员工人数的增多，一个高效准确的考勤管理系统是必备的。传统的考勤管理系统通常是以打卡、指纹识别和面部识别为主，但打卡的考勤方式存在着代打卡的问题，系统难以对用户真实身份进行识别；而指纹识别则存在着用户指纹磨损，导致用户指纹难以被识别的情况；面部识别则是效率太低，无法在企业员工人数过多时对用户面部进行快速识别记录，造成考勤效率低下的问题。因此，现在亟需一种能够对高效且识别精准的考勤管理系统。
发明内容
本发明的技术问题在于现有的考勤系统存在着替代打卡、效率低下和不易识别的弊端。
本发明提供的基础方案：一种基于体征数据的考勤管理系统，包括数据采集终端、移动终端和服务器，移动终端分别与数据采集终端和服务器无线连接，所述移动终端用于打卡并将数据采集终端采集的体征数据上传至服务器，服务器用于记录打卡信息并根据体征数据判断是否存在代打卡行为。
进一步，所述服务器包括相似度分析模块和打卡记录模块；
相似度分析模块设有相似度阈值，相似度分析模块用于对接收到的体征数据进行分析，当存在两组或以上体征数据的相似度大于相似度阈值时，判定用户存在代打卡行为；
打卡记录模块用于记录用户的打卡信息以及是否存在代打卡行为。
进一步，所述移动终端包括打卡模块和通信模块；
通信模块与所述数据采集终端和所述服务器建立无线连接，通信模块接收数据采集终端采集的体征数据；
打卡模块采用定位考勤打卡并通过通信模块将用户当前时间段内的体征数据传输至服务器。
进一步，所述数据采集终端采用智能手环。
进一步，所述体征数据包括心率、体温、血氧和血压。
进一步，所述移动终端还包括请假模块；
所述请假模块用于通过通信模块将请假信息和当前时间段内的体征数据传输至服务器。
进一步，所述服务器包括病假审批模块，所述病假审批模块包括健康分析模块和自动审批模块；
所述健康分析模块用于根据用户的体征数据分析用户的身体状态；
所述自动审批模块用于根据用户身体状态判定是否通过审批。
进一步，所述身体状态包括健康状态、亚健康状态、疾病前驱状态和疾病状态。
进一步，所述数据采集终端还包括热量采集模块，所述移动终端还包括劳动强度分析模块、运动强度分析模块以及指导模块；
所述热量采集模块用于采集计算用户的工作能量代谢率；
所述劳动强度分析模块用于计算用户的劳动强度指数I:
式中，T为劳动时间率，M为用户的工作能量代谢率；
所述运动强度分析模块用于根据历史工作时间内的用户心率数据判断工作的运动强度；
所述指导模块用于根据用户工作的劳动强度指数和运动强度来判定用户当前身体状态是否适宜工作。
进一步，所述指导模块根据用户的劳动强度指数将劳动强度划分为轻劳动、中等强度劳动、高强度劳动和重强度劳动；
所述运动强度包括低强度运动、中等强度运动、高强度运动和极高强度运动；
所述指导模块的判定规则为：
当用户的身体状态为疾病状态时，建议用户请假；
当用户的身体状态为疾病前驱状态时，用户适宜轻劳动以及低强度运动的工作；
当用户的身体状态为亚健康状态时，用户适宜重强度劳动以及高强度运动以下的工作；
当用户的身体状态为健康状态时，用户适宜重强度劳动和极高强度运动及以下的工作。
本发明的原理及优点在于：
1、本方案中，通过移动终端进行打卡能够避免指纹考勤系统不易识别以及面部识别拥堵的情况，提高了企业员工较多时的考勤打卡效率。而每个人在同一时间段的体征数据都是有所区别的。因此，在打卡的同时上传体征数据，服务器能够对体征数据变化进行分析，当体征数据相似度过高时则能够判定为同一用户在进行打卡，由此克服了现有打卡系统的代打卡行为，提高了考勤管理系统的精准性。
2、本方案通过对用户当前时间段内的体征数据进行分析，从而获取用户实时的健康状态，再由健康状态来对用户的病假申请进行自动审批，不仅减少了人工审批的人力成本，还提高了病假审批的精准度和及时性。
3、本方案通过对用户的体征数据进行监测分析，能够实时反馈出用户的身体状态，及时对用户给予健康建议和指导。此外，通过对历史工作时间内的体征数据进行分析，能够获取到用户工作时段的劳动强度及运动强度，再结合用户的实时身体状态判断用户是否适宜工作内容，来对用户提供相应的指导建议，避免因过高的工作强度影响到用户的生命健康安全。
附图说明
图1为本发明一种基于体征数据的考勤管理系统实施例一的示意图。
图2为本发明一种基于体征数据的考勤管理系统实施例一的逻辑框图。
具体实施方式
下面通过具体实施方式进一步详细说明：
具体实施过程如下：
实施例一
实施例一如附图1所示，一种基于体征数据的考勤管理系统，包括服务器和若干移动终端以及数据采集终端，移动终端分别与数据采集终端和服务器无线连接。移动终端用于打卡并将数据采集终端采集的体征数据上传至服务器，服务器用于记录打卡信息并根据体征数据判断是否存在代打卡行为。
如附图2所示，本实施例中的服务器包括相似度分析模块、打卡记录模块以及能够设置打卡区域的区域设置模块，移动终端中设有定位模块、打卡模块和通信模块。当用户进入打卡区域时，即可通过打卡模块进行定位考勤打卡，移动终端通过通信模块将打卡信息以及数据采集终端采集的体征数据上传至服务器，服务器通过相似度分析模块判定用户是否存在代打卡行为，再通过打卡记录模块记录用户的打卡信息以及判定结果。
具体的，数据采集终端采用智能手环，智能手环中设有PPG（光电体积描记法）传感器和蓝牙模块，PPG（光电体积描记法）传感器用于采集心率数据、体温数据、血氧数据和血压数据等体征数据。本实施例中的移动终端采用手机，数据采集终端通过蓝牙模块与移动终端进行无线数据传输。
本实施例中的相似度分析模块设置有相似度阈值，本实施例中的相似度阈值为98%，当服务器接收到用户的打卡信息及当前时间段的体征数据后，将通过相似度分析模块对接收到的体征数据进行基于文本的相似度分析。首先，将各个智能手环采集到的体征数据进行包括数据清洗、特征提取等步骤的预处理。然后将这些数据转换为文本形式，本实施例中使用自然语言处理技术中的词嵌入模型（如Word2Vec）将每个数据点表示为一个向量。最后采用余弦相似度来计算不同智能手环之间的相似度。余弦相似度是通过计算两个向量之间的夹角余弦值来衡量它们之间的相似度，值越接近1表示相似度越高。在具体计算时，本实施例将每个数据点表示为一个向量，并使用余弦相似度来计算不同手环之间的相似度，最终得到相似度的百分比值。在当天存在两组或以上体征数据的相似度大于相似度阈值时，判定用户存在代打卡行为。通过移动终端进行打卡能够避免指纹考勤系统不易识别以及面部识别拥堵的情况，提高了企业员工较多时的考勤打卡效率。而每个人在同一时间段的体征数据都是有所区别的。因此，在打卡的同时上传体征数据，服务器能够对体征数据变化进行分析，当体征数据相似度过高时则能够判定为同一用户在进行打卡，由此克服了现有打卡系统的代打卡行为，在提高了考勤管理系统的精准性的同时，也避免了面部识别的低效性。
实施例二
实施例二与实施例一的区别仅在于，本实施例中的移动终端还包括请假模块，服务器还包括病假审批模块。请假模块用于通过通信模块和当前时间段内的体征数据传输至服务器。病假审批模块包括健康分析模块和自动审批模块，健康分析模块用于根据用户的体征数据分析用户的身体状态；自动审批模块用于根据用户身体状态判定是否通过审批。
具体的，健康分析模块中设有健康分析模型，该模型的建立步骤包括：
数据收集：首先，从MIMIC-III Health Interview Questionnaire (HIQ)中提取相关的数据。该数据集包含了超过40种不同的生理参数，本实施例中主要参考体温、心率、血氧、血压这四个参数。同时，我们还需要患者的年龄、性别、体重等信息。
数据预处理：对收集到的数据进行预处理。包括将非数字数据转换为数字格式，处理缺失值和异常值等。另外，对于连续的生理参数，如心率和血压，还将对其进行归一化处理。
特征选择：确定描述用户身体状态的特征，并通过信息增益的方法来评估每个特征的重要性，筛选出身体状态的强关联性特征。
生成决策树：将收集的数据集划分为训练集和验证集。然后从根节点开始，按照信息增益的方法选择最佳的特征进行分裂。这个过程会递归进行，直到到达叶子节点（即特定的身体状态，本实施例中的身体状态包括健康状态、亚健康状态、疾病前驱状态和疾病状态）。
模型验证和优化：将用一部分数据进行模型的训练，另一部分数据进行验证。根据验证结果对模型进行调整和优化。本实施例采用交叉验证的方法来提高模型的稳定性和泛化能力。
训练后的健康分析模型在接收到用户的体征数据后，能够对用户的身体状态进行评估，即健康状态、亚健康状态、疾病前驱状态和疾病状态中的一种。当病假审批模块接收到评估结果后，若用户的身体状态为疾病状态或疾病前驱状态，则病假审批模块将会自动通过审批，否则将会将病假审批通过邮箱的形式发送给管理人员。本实施例通过对用户当前时间段内的体征数据进行分析，从而获取用户实时的健康状态，再由健康状态来对用户的病假申请进行自动审批，不仅减少了人工审批的人力成本，还提高了病假审批的精准度和及时性。
实施例三
实施例三与实施例二的区别仅在于，数据采集终端还包括热量采集模块，移动终端还包括劳动强度分析模块、运动强度分析模块以及指导模块。
热量采集模块用于采集计算用户的工作能量代谢率。具体的，采集终端还设有三轴加速度传感器用于采集用户的三轴加速度信息，热量采集模块通过三轴加速度信息计算用户步数，再由步数和用户体重计算出用户的动态卡路里消耗，动态卡路里=体重*距离*1.036；其中，距离由用户的身高换算出步长，再由步长乘以步数取得。用户的静态卡路里消耗=基础代谢率*手环佩戴时间，基础代谢率（BMR）= 88.362 + (13.397 x 体重kg) +(4.799 x 身高cm) - (5.677 x 年龄years)。热量采集模块将动态卡路里消耗加上静态卡路里消耗即可取得用户的工作能量代谢率。
热量采集模块将用户的工作能量代谢率上传至移动终端后，劳动强度分析模块计算用户的劳动强度指数I:
式中，T为劳动时间率，M为用户的工作能量代谢率，劳动时间率T=实际工作时间/标准工作时间，本实施例中的标准工作时间为8小时。
运动强度分析模块用于根据历史工作时间内的用户心率数据判断工作的运动强度。指导模块用于根据用户工作的劳动强度指数和运动强度来判定用户当前身体状态是否适宜工作。
具体的，本实施例中根据心率数据将运动强度分为了四个等级，分别为：
1.低强度运动：心率在最大心率的50%~60%之间；2.中等强度运动：心率在最大心率的60%~70%之间；3.高强度运动：心率在最大心率的70%~85%之间；4.极高强度运动：心率在最大心率的85%以上。
指导模块根据用户的劳动强度指数将劳动强度划分为轻劳动、中等强度劳动、高强度劳动和重强度劳动。当用户的身体状态为疾病状态时，建议用户请假；当用户的身体状态为疾病前驱状态时，用户适宜轻劳动以及低强度运动的工作；当用户的身体状态为亚健康状态时，用户适宜重强度劳动以及高强度运动以下的工作；当用户的身体状态为健康状态时，用户适宜重强度劳动和极高强度运动及以下的工作。
通过对用户的体征数据进行监测分析，本方案能够实时反馈出用户的身体状态，及时对用户给予健康建议和指导。此外，通过对历史工作时间内的体征数据进行分析，能够获取到用户工作时段的劳动强度及运动强度，再结合用户的实时身体状态判断用户是否适宜工作内容，来对用户提供相应的指导建议，避免因过高的工作强度影响到用户的生命健康安全。
以上的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (10)
1.一种基于体征数据的考勤管理系统，包括数据采集终端、移动终端和服务器，移动终端分别与数据采集终端和服务器无线连接，其特征在于：所述移动终端用于打卡并将数据采集终端采集的体征数据上传至服务器，服务器用于记录打卡信息并根据体征数据判断是否存在代打卡行为。
2.根据权利要求1所述的一种基于体征数据的考勤管理系统，其特征在于：所述服务器包括相似度分析模块和打卡记录模块；
相似度分析模块设有相似度阈值，相似度分析模块用于对接收到的体征数据进行分析，当存在两组或以上体征数据的相似度大于相似度阈值时，判定用户存在代打卡行为；
打卡记录模块用于记录用户的打卡信息以及是否存在代打卡行为。
3.根据权利要求2所述的一种基于体征数据的考勤管理系统，其特征在于：所述移动终端包括打卡模块和通信模块；
通信模块与所述数据采集终端和所述服务器建立无线连接，通信模块接收数据采集终端采集的体征数据；
打卡模块采用定位考勤打卡并通过通信模块将用户当前时间段内的体征数据传输至服务器。
4.根据权利要求3所述的一种基于体征数据的考勤管理系统，其特征在于：所述数据采集终端采用智能手环。
5.根据权利要求4所述的一种基于体征数据的考勤管理系统，其特征在于：所述体征数据包括心率、体温、血氧和血压。
6.根据权利要求5所述的一种基于体征数据的考勤管理系统，其特征在于：所述移动终端还包括请假模块；
所述请假模块用于通过通信模块将请假信息和当前时间段内的体征数据传输至服务器。
7.根据权利要求6所述的一种基于体征数据的考勤管理系统，其特征在于：所述服务器包括病假审批模块，所述病假审批模块包括健康分析模块和自动审批模块；
所述健康分析模块用于根据用户的体征数据分析用户的身体状态；
所述自动审批模块用于根据用户身体状态判定是否通过审批。
8.根据权利要求7所述的一种基于体征数据的考勤管理系统，其特征在于：所述身体状态包括健康状态、亚健康状态、疾病前驱状态和疾病状态。
9.根据权利要求8所述的一种基于体征数据的考勤管理系统，其特征在于：所述采集终端还包括热量采集模块，所述移动终端还包括劳动强度分析模块、运动强度分析模块以及指导模块；
所述热量采集模块用于采集计算用户的工作能量代谢率；
所述劳动强度分析模块用于计算用户的劳动强度指数I：
式中，T为劳动时间率，M为用户的工作能量代谢率；
所述运动强度分析模块用于根据历史工作时间内的用户心率数据判断工作的运动强度；
所述指导模块用于根据用户工作的劳动强度指数和运动强度来判定用户当前身体状态是否适宜工作。
10.根据权利要求9所述的一种基于体征数据的考勤管理系统，其特征在于：所述指导模块根据用户的劳动强度指数将劳动强度划分为轻劳动、中等强度劳动、高强度劳动和重强度劳动；
所述运动强度包括低强度运动、中等强度运动、高强度运动和极高强度运动；
所述指导模块的判定规则为：
当用户的身体状态为疾病状态时，建议用户请假；
当用户的身体状态为疾病前驱状态时，用户适宜轻劳动以及低强度运动的工作；
当用户的身体状态为亚健康状态时，用户适宜重强度劳动以及高强度运动以下的工作；
当用户的身体状态为健康状态时，用户适宜重强度劳动和极高强度运动及以下的工作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410111710.5A CN117636496A (zh) | 2024-01-26 | 2024-01-26 | 一种基于体征数据的考勤管理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410111710.5A CN117636496A (zh) | 2024-01-26 | 2024-01-26 | 一种基于体征数据的考勤管理系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117636496A true CN117636496A (zh) | 2024-03-01 |
Family
ID=90016758
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410111710.5A Pending CN117636496A (zh) | 2024-01-26 | 2024-01-26 | 一种基于体征数据的考勤管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117636496A (zh) |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106137120A (zh) * | 2015-03-26 | 2016-11-23 | 深圳市新元素医疗技术开发有限公司 | 计算运动消耗能量的方法及系统 |
| CN106408675A (zh) * | 2016-08-25 | 2017-02-15 | 广西小草信息产业有限责任公司 | 一种考勤管理系统 |
| CN106779023A (zh) * | 2016-12-07 | 2017-05-31 | 歌尔科技有限公司 | 一种智能考勤手环及考勤方法 |
| CN106845917A (zh) * | 2016-11-30 | 2017-06-13 | 浙江水马环保科技有限公司 | 一种基于净水器的智能app考勤管理系统 |
| CN107085920A (zh) * | 2017-05-19 | 2017-08-22 | 广东深华消防设备工程股份有限公司 | 一种消防员体征监控方法及系统 |
| CN107220806A (zh) * | 2017-05-23 | 2017-09-29 | 合肥昊思云科科技有限公司 | 一种自动化工人工作安排管理系统 |
| CN107248067A (zh) * | 2017-08-11 | 2017-10-13 | 广州未名雷蒙特实验室科技有限公司 | 一种实验室智能管理系统 |
| CN107736699A (zh) * | 2017-10-23 | 2018-02-27 | 天津云拓网络科技有限公司 | 一种基于LoRa手环的学生校园定位系统 |
| CN109528186A (zh) * | 2018-09-28 | 2019-03-29 | 上海掌门科技有限公司 | 一种用于采集、处理心率的方法及设备 |
| CN109993403A (zh) * | 2019-02-21 | 2019-07-09 | 顺丰科技有限公司 | 劳动强度确定方法、装置和计算机可读存储介质 |
| CN112750221A (zh) * | 2019-10-31 | 2021-05-04 | 深圳云天励飞技术有限公司 | 一种校园签到方法、装置及签到设备 |
| CN113077364A (zh) * | 2021-03-31 | 2021-07-06 | 重庆工程职业技术学院 | 一种教育服务管理系统 |
| CN113420968A (zh) * | 2021-06-09 | 2021-09-21 | 厦门互啪智能科技有限公司 | 一种基于可穿戴设备的智能请假审批方法、装置以及设备 |
| CN116703346A (zh) * | 2023-06-06 | 2023-09-05 | 重庆财经职业学院 | 一种基于大数据和人工智能的考勤管理系统及管理方法 |
| CN117219296A (zh) * | 2023-08-01 | 2023-12-12 | 陕西君凯医疗科技有限公司 | 一种人员智能健康监测管理方法及系统 |
-
2024
- 2024-01-26 CN CN202410111710.5A patent/CN117636496A/zh active Pending
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106137120A (zh) * | 2015-03-26 | 2016-11-23 | 深圳市新元素医疗技术开发有限公司 | 计算运动消耗能量的方法及系统 |
| CN106408675A (zh) * | 2016-08-25 | 2017-02-15 | 广西小草信息产业有限责任公司 | 一种考勤管理系统 |
| CN106845917A (zh) * | 2016-11-30 | 2017-06-13 | 浙江水马环保科技有限公司 | 一种基于净水器的智能app考勤管理系统 |
| CN106779023A (zh) * | 2016-12-07 | 2017-05-31 | 歌尔科技有限公司 | 一种智能考勤手环及考勤方法 |
| CN107085920A (zh) * | 2017-05-19 | 2017-08-22 | 广东深华消防设备工程股份有限公司 | 一种消防员体征监控方法及系统 |
| CN107220806A (zh) * | 2017-05-23 | 2017-09-29 | 合肥昊思云科科技有限公司 | 一种自动化工人工作安排管理系统 |
| CN107248067A (zh) * | 2017-08-11 | 2017-10-13 | 广州未名雷蒙特实验室科技有限公司 | 一种实验室智能管理系统 |
| CN107736699A (zh) * | 2017-10-23 | 2018-02-27 | 天津云拓网络科技有限公司 | 一种基于LoRa手环的学生校园定位系统 |
| CN109528186A (zh) * | 2018-09-28 | 2019-03-29 | 上海掌门科技有限公司 | 一种用于采集、处理心率的方法及设备 |
| CN109993403A (zh) * | 2019-02-21 | 2019-07-09 | 顺丰科技有限公司 | 劳动强度确定方法、装置和计算机可读存储介质 |
| CN112750221A (zh) * | 2019-10-31 | 2021-05-04 | 深圳云天励飞技术有限公司 | 一种校园签到方法、装置及签到设备 |
| CN113077364A (zh) * | 2021-03-31 | 2021-07-06 | 重庆工程职业技术学院 | 一种教育服务管理系统 |
| CN113420968A (zh) * | 2021-06-09 | 2021-09-21 | 厦门互啪智能科技有限公司 | 一种基于可穿戴设备的智能请假审批方法、装置以及设备 |
| CN116703346A (zh) * | 2023-06-06 | 2023-09-05 | 重庆财经职业学院 | 一种基于大数据和人工智能的考勤管理系统及管理方法 |
| CN117219296A (zh) * | 2023-08-01 | 2023-12-12 | 陕西君凯医疗科技有限公司 | 一种人员智能健康监测管理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108053838B (zh) | 结合音频分析和视频分析的欺诈识别方法、装置及存储介质 | |
| Lester et al. | A hybrid discriminative/generative approach for modeling human activities | |
| CN111540471B (zh) | 一种基于用户健康数据的健康状态跟踪及预警方法和系统 | |
| CN106821376A (zh) | 一种基于深度学习算法的癫痫发作预警系统及方法 | |
| CN106580282A (zh) | 一种人体健康监测装置、系统及方法 | |
| CN108958482B (zh) | 一种基于卷积神经网络的相似性动作识别装置及方法 | |
| CN113069080A (zh) | 一种基于人工智能的困难气道评估方法及装置 | |
| CN116561589B (zh) | 一种基于智能穿戴设备的考勤训练管理方法及系统 | |
| CN111415099A (zh) | 一种基于多分类BP-Adaboost的贫困生认定方法 | |
| CN109567832A (zh) | 一种基于智能手环的检测愤怒驾驶状态的方法及系统 | |
| CN116530943B (zh) | 基于血气数据的麻醉深度检测装置 | |
| CN117636496A (zh) | 一种基于体征数据的考勤管理系统 | |
| CN112370058A (zh) | 一种基于移动端对用户的情感进行识别与监测方法 | |
| CN109620263B (zh) | 一种企事业单位上岗人员体征安全分析方法 | |
| CN103985385A (zh) | 基于波谱特征鉴定蛙类个体信息的方法 | |
| CN115965143A (zh) | 一种基于生理信息特征融合的大学生成绩预测方法 | |
| CN109766456A (zh) | 一种智能镜子管控方法及系统 | |
| CN116013517A (zh) | 基于iot评测数据量化老人身体健康分及康养的方法 | |
| CN113903470A (zh) | 一种血液透析后患者的生活智能提醒方法及系统 | |
| CN113724853A (zh) | 一种基于深度学习的智慧医疗系统 | |
| Hou et al. | Study on individual behavior of dairy cows based on activity data and clustering | |
| CN112259244A (zh) | 一种基于血氧饱和度的疾病信息匹配系统 | |
| CN111414884A (zh) | 一种基于边缘计算的面部表情识别方法 | |
| Wang et al. | Analysis of Digital Long Jump Take-off Wearable Sensor Monitoring System | |
| CN118116592A (zh) | 一种脑卒中智能预警及防控系统 |
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 |