无感人脸考勤方法、装置、设备及存储介质制造方法及图纸

技术编号:21851370 阅读:25 留言:0更新日期:2019-08-14 00:31
本发明专利技术公开了一种无感考勤方法、装置、设备及计算机可读存储介质,该方法通过对连续帧数图像进行人脸特征点定位,并通过卷积神经网络模型,提取出每帧图像中的人脸特征并保存至人脸特征列表;对人脸特征列表进行聚类,得到人脸特征矩阵;对人脸特征矩阵中的人脸特征进行人脸图像质量分析,得到人脸特征对应的图像质量值,构建质量分析矩阵,将人脸特征矩阵中人脸特征与预设的原始人脸数据库中存储的原始人脸特征进行匹配,获得人脸特征的匹配结果并保存至识别相似度矩阵中;根据质量分析矩阵和识别相似度矩阵,获得人脸考勤结果,采用图像质量分析方法结合人脸特征聚类方法对多人多帧的图像进行人脸识别,有效提高人脸考勤过程中人脸识别的精度。

Senseless Face Attendance Method, Device, Equipment and Storage Media

【技术实现步骤摘要】
无感人脸考勤方法、装置、设备及存储介质
本专利技术涉及计算机图像处理领域,尤其涉及一种无感人脸考勤方法、装置、设备及计算机可读存储介质。
技术介绍
传统的考勤方式为指纹打卡,指纹打卡无疑会在上班高峰期因排队而造成拥堵,随着人工智能技术不断推进,人脸考勤已经成为现实。人脸考勤涉及的重要技术是人脸图像匹配。目前,利用普通摄像头考勤过程中,往往多人同时出现在摄像头中且摄像头会获取被考勤者从进门到从摄像头消失的所有帧数,被考勤者在考勤过程中会因低头,扭头导致有多个识别结果,另外由于天气变化、被考勤者更换佩戴眼镜帽子会导致识别率降低、识别结果多样化。因此,如何提高普通摄像头考勤过程中人脸识别的精度成为人脸考勤领域亟待解决的技术问题。
技术实现思路
针对上述问题,本专利技术的目的在于提供一种无感人脸考勤方法、装置、设备及存储介质,结合图像质量,能够有效提高人脸考勤过程中人脸识别的精度,运维成本低。第一方面,本专利技术实施例提供了一种无感人脸考勤方法,包括以下步骤:对接收到的连续帧数图像进行人脸特征点定位,并通过预设的卷积神经网络模型,提取出每帧图像中的人脸特征;将每帧图像对应的人脸特征保存至预设的人脸特征列表;对所述人脸特征列表进行聚类,得到人脸特征矩阵;其中,所述人脸特征矩阵中每一行为同一人的不同帧数的图像对应的人脸特征;对所述人脸特征矩阵中的每一行的各个人脸特征进行人脸图像质量分析,得到所述人脸特征矩阵中的每一行的各个人脸特征对应的图像质量值,并构建质量分析矩阵;将所述人脸特征矩阵中每一行的各个人脸特征与预设的原始人脸数据库中存储的原始人脸特征进行匹配,获得每一行中各个人脸特征的匹配结果,并将所述匹配结果保存至预先构建的识别相似度矩阵中;根据所述质量分析矩阵和所述识别相似度矩阵,获得人脸考勤结果。优选地,所述匹配结果包括人名信息、相似度、人脸图像信息。优选地,所述根据所述质量分析矩阵和所述识别相似度矩阵,获得人脸考勤结果,具体包括:根据所述质量分析矩阵和所述识别相似度矩阵,得到人脸综合分析矩阵;其中,所述人脸综合分析矩阵中每一行中的人脸识别结果与所述识别相似度矩阵中每一行中的匹配结果一一对应,所述人脸识别结果包括人名信息、人脸综合评分值、人脸图像信息;所述人脸综合评分值为所述质量分析矩阵中图像质量值与所述识别相似度矩阵的相似度的乘积;根据人脸综合评分值,对所述人脸综合分析矩阵中每一行的各个人脸识别结果进行排序,获取人脸综合评分值大于预设的第一评分阈值对应的人脸识别结果;以人脸综合评分值大于预设的第一评分阈值对应的人脸识别结果中的人名信息为第一目标考勤对象,查询历史播报记录;当所述第一目标考勤对象未播报时,记录第一目标考勤对象的考勤并将所述第一目标考勤对象对应的人脸识别结果发送至语音播报模块进行播报、将所述第一目标考勤对象对应的人脸识别结果发送至显示模块进行显示;当所述第一目标考勤对象已播报,且播报时间与当前时间的差值大于预设时间阈值时,记录目标考勤对象的考勤并将所述第一目标考勤对象对应的人脸识别结果发送至语音播报模块进行播报、将所述第一目标考勤对象对应的人脸识别结果发送至显示模块进行显示;当所述第一目标考勤对象已播报,且播报时间与当前时间的差值小于预设时间阈值时,对所述识别相似度矩阵中下一行的相似度进行排序分析。优选地,所述根据所述质量分析矩阵和所述识别相似度矩阵,获得人脸考勤结果,还包括:获取人脸综合评分值不大于所述预设的第一评分阈值对应的人脸识别结果,作为第一人脸筛选结果;根据所述第一人脸筛选结果、所述第一人脸筛选结果的人脸综合评分值以及所述第一人脸筛选结果在所述人脸综合分析矩阵中所在的一行的长度,确定第二目标考勤对象;当所述第二目标考勤对象未播报时,记录第二目标考勤对象的考勤并将所述第二目标考勤对象对应的人脸识别结果发送至语音播报模块进行播报、将所述第二目标考勤对象对应的人脸识别结果发送至显示模块进行显示;当所述第二目标考勤对象已播报,且播报时间与当前时间的差值大于预设时间阈值时,记录目标考勤对象的考勤并将所述第二目标考勤对象对应的人脸识别结果发送至语音播报模块进行播报、将所述第二目标考勤对象对应的人脸识别结果发送至显示模块进行显示;当所述第二目标考勤对象已播报,且播报时间与当前时间的差值小于预设时间阈值时,对所述识别相似度矩阵中下一行的相似度进行排序分析。优选地,所述根据所述第一人脸筛选结果、所述第一人脸筛选结果的人脸综合评分值以及所述第一人脸筛选结果在所述人脸综合分析矩阵中所在的一行的长度,确定第二目标考勤对象,具体包括:计算任意一个第一人脸筛选结果在所述人脸综合分析矩阵中所在的一行中人脸综合评分值大于预设的第二评分阈值对应的人脸识别结果的数目与任意一个第一人脸筛选结果在所述人脸综合分析矩阵中所在的一行的人脸识别结果的总数目的比值;当所述比值大于预设的第三评分阈值时,将所述任意一个第一人脸筛选结果对应的人名信息为第二目标考勤对象。优选地,所述将所述人脸特征矩阵中每一行的各个人脸特征与预设的原始人脸数据库中存储的原始人脸特征进行匹配,获得每一行中各个人脸特征的匹配结果,具体包括:采用余弦相似度算法计算所述人脸特征矩阵中每一行的任意一个人脸特征与预设的原始人脸数据库中存储的各个原始人脸特征的相似度,并获取相似度最大值及其对应的原始人脸特征和人名信息,以生成任意一个人脸特征的匹配结果。优选地,所述对接收到的连续帧数图像进行人脸特征点定位,具体包括:采用dlib人脸特征点检测算法对连续帧数图像进行人脸特征点定位。第二方面,本专利技术实施例了一种无感人脸考勤装置,包括:人脸特征提取模块,用于对接收到的连续帧数图像进行人脸特征点定位,并通过预设的卷积神经网络模型,提取出每帧图像中的人脸特征;人脸特征列表构建模块,用于将每帧图像对应的人脸特征保存至预设的人脸特征列表;人脸特征聚类模块,用于对所述人脸特征列表进行聚类,得到人脸特征矩阵;其中,所述人脸特征矩阵中每一行为同一人的不同帧数的图像对应的人脸特征;图像质量分析模块,用于对所述人脸特征矩阵中的每一行的各个人脸特征进行人脸图像质量分析,得到所述人脸特征矩阵中的每一行的各个人脸特征对应的图像质量值,并构建质量分析矩阵;人脸特征匹配模块,用于将所述人脸特征矩阵中每一行的各个人脸特征与预设的原始人脸数据库中存储的原始人脸特征进行匹配,获得每一行中各个人脸特征的匹配结果,并将所述匹配结果保存至预先构建的识别相似度矩阵中;人脸考勤模块,用于根据所述质量分析矩阵和所述识别相似度矩阵,获得人脸考勤结果。第三方面,本专利技术实施例了一种无感人脸考勤设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面所述的无感人脸考勤方法。第四方面,本专利技术实施例提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如第一方面所述的无感人脸考勤方法。以上实施例具有如下有益效果:通过对接收到的连续帧数图像进行人脸特征点定位,并通过预设的卷积神经网络模型,提取出每帧图像中的人脸特征;将每帧图像对应的人脸特征保存至预设的人脸特征列表;对所述人脸特征列表本文档来自技高网...

【技术保护点】
1.一种无感人脸考勤方法,其特征在于,包括:对接收到的连续帧数图像进行人脸特征点定位,并通过预设的卷积神经网络模型,提取出每帧图像中的人脸特征;将每帧图像对应的人脸特征保存至预设的人脸特征列表;对所述人脸特征列表进行聚类,得到人脸特征矩阵;其中,所述人脸特征矩阵中每一行为同一人的不同帧数的图像对应的人脸特征;对所述人脸特征矩阵中的每一行的各个人脸特征进行人脸图像质量分析,得到所述人脸特征矩阵中的每一行的各个人脸特征对应的图像质量值,并构建质量分析矩阵;将所述人脸特征矩阵中每一行的各个人脸特征与预设的原始人脸数据库中存储的原始人脸特征进行匹配,获得每一行中各个人脸特征的匹配结果,并将所述匹配结果保存至预先构建的识别相似度矩阵中;根据所述质量分析矩阵和所述识别相似度矩阵,获得人脸考勤结果。

【技术特征摘要】
1.一种无感人脸考勤方法,其特征在于,包括:对接收到的连续帧数图像进行人脸特征点定位,并通过预设的卷积神经网络模型,提取出每帧图像中的人脸特征;将每帧图像对应的人脸特征保存至预设的人脸特征列表;对所述人脸特征列表进行聚类,得到人脸特征矩阵;其中,所述人脸特征矩阵中每一行为同一人的不同帧数的图像对应的人脸特征;对所述人脸特征矩阵中的每一行的各个人脸特征进行人脸图像质量分析,得到所述人脸特征矩阵中的每一行的各个人脸特征对应的图像质量值,并构建质量分析矩阵;将所述人脸特征矩阵中每一行的各个人脸特征与预设的原始人脸数据库中存储的原始人脸特征进行匹配,获得每一行中各个人脸特征的匹配结果,并将所述匹配结果保存至预先构建的识别相似度矩阵中;根据所述质量分析矩阵和所述识别相似度矩阵,获得人脸考勤结果。2.如权利要求1所述的无感人脸考勤方法,其特征在于,所述匹配结果包括人名信息、相似度、人脸图像信息。3.如权利要求2所述的无感人脸考勤方法,其特征在于,所述根据所述质量分析矩阵和所述识别相似度矩阵,获得人脸考勤结果,具体包括:根据所述质量分析矩阵和所述识别相似度矩阵,得到人脸综合分析矩阵;其中,所述人脸综合分析矩阵中每一行中的人脸识别结果与所述识别相似度矩阵中每一行中的匹配结果一一对应,所述人脸识别结果包括人名信息、人脸综合评分值、人脸图像信息;所述人脸综合评分值为所述质量分析矩阵中图像质量值与所述识别相似度矩阵的相似度的乘积;根据人脸综合评分值,对所述人脸综合分析矩阵中每一行的各个人脸识别结果进行排序,获取人脸综合评分值大于预设的第一评分阈值对应的人脸识别结果;以人脸综合评分值大于预设的第一评分阈值对应的人脸识别结果中的人名信息为第一目标考勤对象,查询历史播报记录;当所述第一目标考勤对象未播报时,记录第一目标考勤对象的考勤并将所述第一目标考勤对象对应的人脸识别结果发送至语音播报模块进行播报、将所述第一目标考勤对象对应的人脸识别结果发送至显示模块进行显示;当所述第一目标考勤对象已播报,且播报时间与当前时间的差值大于预设时间阈值时,记录目标考勤对象的考勤并将所述第一目标考勤对象对应的人脸识别结果发送至语音播报模块进行播报、将所述第一目标考勤对象对应的人脸识别结果发送至显示模块进行显示;当所述第一目标考勤对象已播报,且播报时间与当前时间的差值小于预设时间阈值时,对所述识别相似度矩阵中下一行的相似度进行排序分析。4.如权利要求3所述的无感人脸考勤方法,其特征在于,所述根据所述质量分析矩阵和所述识别相似度矩阵,获得人脸考勤结果,还包括:获取人脸综合评分值不大于所述预设的第一评分阈值对应的人脸识别结果,作为第一人脸筛选结果;根据所述第一人脸筛选结果、所述第一人脸筛选结果的人脸综合评分值以及所述第一人脸筛选结果在所述人脸综合分析矩阵中所在的一行的长度,确定第二目标考勤对象;当所述第二目标考勤对象未播报时,记录第二目标考勤对象的考勤并将所述第二目标考勤对象对应的人脸识别结果发送至语音播报模块进行播报、将所述第二目标考勤对象对应的人脸识别结果发送至显示模块进行显示;当所述第二目标考勤对象已播报,且播报时间与当前时间的差值...

【专利技术属性】
技术研发人员:朱常玉周冠宇程庆年
申请(专利权)人:广州杰赛科技股份有限公司
类型:发明
国别省市:广东,44

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1