一种用于考勤的人脸识别系统及方法技术方案

本发明专利技术涉及一种用于考勤的人脸识别系统及方法，其中包括第一模型识别模块；第二模型识别模块，用于识别三庭和五眼特征点，并根据三庭的两个分割点和人脸高度范围计算三庭的比例信息，根据五眼的四个分割点和人脸宽度范围计算五眼的比例信息；比对图像筛选模块，用于根据识别到的三庭的比例信息和五眼的比例信息从预设的样本特征库中筛选得到备选的样本图像特征向量；第三模型识别模块；图像分类模块；考勤记录模块，用于记录考勤人员的身份标识信息、当前时间和考勤位置，作为考勤记录；以及红外测温模块。本发明专利技术首先基于三庭五眼比例对样本图像进行筛选，降低根据特征比对的样本图像的数量，提高数据处理效率，进而提高考勤效率。

A Face Recognition System and Method for Attendance

The invention relates to a face recognition system and method for attendance check, which includes the first model recognition module, the second model recognition module, which is used to recognize three and five eye feature points, calculate the proportion information of three courtyards according to two segmentation points of three courtyards and face height range, and calculate the proportion information of five eyes according to four segmentation points of five eyes and face width range. Screening module is used to select the candidate image feature vectors from the preset sample feature library according to the proportion information of three courtyards and five eyes; the third model recognition module; image classification module; attendance record module, which is used to record attendance identification information, current time and attendance location as attendance records; and infrared temperature measurement. Modular. The method firstly filters the sample image based on the proportion of three chambers and five eyes, reduces the number of sample images matched according to features, improves the data processing efficiency, and then improves the attendance efficiency.

【技术实现步骤摘要】
一种用于考勤的人脸识别系统及方法
本专利技术涉及数据处理
，具体是指一种用于考勤的人脸识别系统及方法。
技术介绍
随着社会的发展，机器学习算法越来越多地应用到我们日常的生活中。采用机器学习可以大大提高各行各业中的数据处理效率。现在已经出现了很多将人脸识别应用到考勤系统中的技术方案，然而现有技术的方法中，考勤的识别算法十分复杂，而且数据处理量大，当公司人员数量很大时，需要比对的工作量也很大，增加了考勤系统的负担，降低了考勤的效率。
技术实现思路
本专利技术提供了一种用于考勤的人脸识别系统及方法，其目的在于克服现有技术中的缺陷，首先基于三庭五眼比例对样本图像进行筛选，降低根据特征比对的样本图像的数量，提高数据处理效率，进而提高考勤效率。为了实现上述目的，本专利技术具有如下构成：该用于考勤的人脸识别系统，包括：第一模型识别模块，用于获取摄像头拍摄的考勤人员的图像，基于训练好的Adaboost分类器在摄像头拍摄的图像中检测人脸区域图像；第二模型识别模块，用于获取人脸区域图像，采用训练好的主动形状模型，检测人脸图像中的下巴尖、左眼外侧发际点、右眼外侧发际点、顶部中央发际点、三庭的两个分割点和五眼的四个分割点，根据顶部中央发际点和下巴尖之间的间距确定人脸高度范围，根据左眼外侧发际点和右眼外侧发际点之间的间距确定人脸宽度范围，根据三庭的两个分割点和人脸高度范围计算三庭的比例信息，根据五眼的四个分割点和人脸宽度范围计算五眼的比例信息；比对图像筛选模块，用于根据识别到的三庭的比例信息和五眼的比例信息从预设的样本特征库中筛选得到备选的样本图像特征向量；第三模型识别模块，用于采用训练好的特征识别模型，提取待识别的人脸区域图像的特征向量；图像分类模块，用于计算备选的样本图像特征向量与待识别的人脸区域图像的特征向量的欧氏距离，选择计算得到的最小的欧氏距离，判断最小的欧氏距离是否小于预设阈值，如果是，则将最小的欧氏距离所对应的样本图像作为最接近的样本图像，根据最接近的样本图像的身份标签确定待识别的人脸区域图像所对应的身份；考勤记录模块，用于当图像分类模块识别得到人脸区域图像对应的身份时，根据拍摄图像的摄像头的位置，确定考勤人员的考勤位置，记录考勤人员的身份标识信息、当前时间和考勤位置，作为考勤记录；红外测温模块，用于当考勤记录模块新增一条考勤记录时，查找距离考勤人员的考勤位置最接近的红外测温仪，控制最接近的红外测温仪对考勤人员进行体温测量，并将测量的体温数据添加到对应的考勤记录中。可选地，所述特征识别模型为卷积神经网络，所述卷积神经网络包括依次连接的第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层、第四卷积层、第五卷积层和第三池化层，所述第一卷积层和第一池化层之间、第二卷积层和第二池化层之间、第三卷积层和第四卷积层之间以及第五卷积层和第三池化层之间分别设置有一Relu函数。可选地，所述基于训练好的Adaboost分类器在摄像头拍摄的图像中检测人脸区域图像，包括如下步骤：第一模型识别模块基于训练好的Adaboost分类器在摄像头拍摄的图像中人脸区域；第一模型识别模块识别人脸区域的宽度w和高度h以及人脸区域的中心点C0；第一模型识别模块以人脸区域的中心点为中心点，以h*1.2为高度、以w*1.1为宽度从摄像头拍摄的图像中提取人脸区域图像，提取到的人脸区域图像的中心点为C0，高度为h*1.2，宽度为w*1.1。可选地，所述三庭的分割点包括鼻下点和眉毛尾点，所述五眼的分割特征点包括左眼外眼角、左眼内眼角、右眼内眼角和右眼外眼角。可选地，所述系统还包括：第一报警模块，用于当图像分类模块检测不到与考勤人员匹配的样本图像时，根据拍摄图像的摄像头的位置，确定考勤人员的考勤位置，生成报警信号，所述报警信号的标识为未知人员闯入，所述报警信号包括考勤位置和考勤人员的拍摄图像；第二报警模块，用于获取红外测温模块的体温数据，当体温数据大于预设体温阈值时，生成报警信号，所述报警信号的标识为体温异常，所述报警信号包括考勤人员的考勤位置和考勤人员的身份标识信息。可选地，所述系统还包括：样本图像采集模块，用于采集多个样本图像；所述第一模型识别模块还用于基于训练好的Adaboost分类器在样本图像中检测人脸区域图像；所述第二模型识别模块还用于计算各个样本图像中的三庭的比例信息和五眼的比例信息；所述第三模型识别模块还用于采用训练好的特征识别模型识别样本图像的人脸区域图像的特征向量，并存储到样本特征库中；样本图像分类模块，用于根据样本图像的三庭的比例信息和五眼的比例信息将样本图像分为多个类别，每个类别的样本图像的三庭的比例信息均处于该类别对应的三庭比例信息范围内，每个类别的样本图像的五眼的比例信息均处于该类别对应的五眼比例信息范围内。可选地，所述根据识别到的三庭的比例信息和五眼的比例信息从预设的样本特征库中筛选得到备选的样本图像特征向量，包括如下步骤：所述比对图像筛选模块判断识别到的三庭的比例信息和五眼的比例信息落入哪一类别的三庭比例信息范围和五眼比例信息范围，确定考勤人员的图像所属的类别；所述比对图像筛选模块选择考勤人员的图像所属的类别下的所有样本图像作为备选的样本图像，将备选的样本图像的特征向量作为备选的样本图像特征向量。本专利技术实施例还提供一种用于考勤的人脸识别方法，采用所述的用于考勤的人脸识别系统，所述方法包括如下步骤：获取摄像头拍摄的考勤人员的图像，基于训练好的Adaboost分类器在摄像头拍摄的图像中检测人脸区域图像；获取人脸区域图像，采用训练好的主动形状模型，检测人脸图像中的下巴尖、左眼外侧发际点、右眼外侧发际点、顶部中央发际点、三庭的两个分割点和五眼的四个分割点，根据顶部中央发际点和下巴尖之间的间距确定人脸高度范围，根据左眼外侧发际点和右眼外侧发际点之间的间距确定人脸宽度范围，根据三庭的两个分割点和人脸高度范围计算三庭的比例信息，根据五眼的四个分割点和人脸宽度范围计算五眼的比例信息；根据识别到的三庭的比例信息和五眼的比例信息从预设的样本特征库中筛选得到备选的样本图像特征向量；采用训练好的特征识别模型，提取待识别的人脸区域图像的特征向量；计算备选的样本图像特征向量与待识别的人脸区域图像的特征向量的欧氏距离，选择计算得到的最小的欧氏距离，判断最小的欧氏距离是否小于预设阈值，如果是，则将最小的欧氏距离所对应的样本图像作为最接近的样本图像，根据最接近的样本图像的身份标签确定待识别的人脸区域图像所对应的身份；当图像分类模块识别得到人脸区域图像对应的身份时，根据拍摄图像的摄像头的位置，确定考勤人员的考勤位置，记录考勤人员的身份标识信息、当前时间和考勤位置，作为考勤记录；当考勤记录模块新增一条考勤记录时，查找距离考勤人员的考勤位置最接近的红外测温仪，控制最接近的红外测温仪对考勤人员进行体温测量，并将测量的体温数据添加到对应的考勤记录中。可选地，所述基于训练好的Adaboost分类器在摄像头拍摄的图像中检测人脸区域图像，包括如下步骤：基于训练好的Adaboost分类器在摄像头拍摄的图像中人脸区域；识别人脸区域的宽度w和高度h以及人脸区域的中心点C0；以人脸区域的中心点为中心点，以h*1.2为高度、以w*1.1为宽度从摄像头拍摄的图像中提取人脸区域图像，提取本文档来自技高网...

【技术保护点】
1.一种用于考勤的人脸识别系统，其特征在于，包括：第一模型识别模块，用于获取摄像头拍摄的考勤人员的图像，基于训练好的Adaboost分类器在摄像头拍摄的图像中检测人脸区域图像；第二模型识别模块，用于获取人脸区域图像，采用训练好的主动形状模型，检测人脸图像中的下巴尖、左眼外侧发际点、右眼外侧发际点、顶部中央发际点、三庭的两个分割点和五眼的四个分割点，根据顶部中央发际点和下巴尖之间的间距确定人脸高度范围，根据左眼外侧发际点和右眼外侧发际点之间的间距确定人脸宽度范围，根据三庭的两个分割点和人脸高度范围计算三庭的比例信息，根据五眼的四个分割点和人脸宽度范围计算五眼的比例信息；比对图像筛选模块，用于根据识别到的三庭的比例信息和五眼的比例信息从预设的样本特征库中筛选得到备选的样本图像特征向量；第三模型识别模块，用于采用训练好的特征识别模型，提取待识别的人脸区域图像的特征向量；图像分类模块，用于计算备选的样本图像特征向量与待识别的人脸区域图像的特征向量的欧氏距离，选择计算得到的最小的欧氏距离，判断最小的欧氏距离是否小于预设阈值，如果是，则将最小的欧氏距离所对应的样本图像作为最接近的样本图像，根据最接近的样本图像的身份标签确定待识别的人脸区域图像所对应的身份；考勤记录模块，用于当图像分类模块识别得到人脸区域图像对应的身份时，根据拍摄图像的摄像头的位置，确定考勤人员的考勤位置，记录考勤人员的身份标识信息、当前时间和考勤位置，作为考勤记录；红外测温模块，用于当考勤记录模块新增一条考勤记录时，查找距离考勤人员的考勤位置最接近的红外测温仪，控制最接近的红外测温仪对考勤人员进行体温测量，并将测量的体温数据添加到对应的考勤记录中。...

【技术特征摘要】
1.一种用于考勤的人脸识别系统，其特征在于，包括：第一模型识别模块，用于获取摄像头拍摄的考勤人员的图像，基于训练好的Adaboost分类器在摄像头拍摄的图像中检测人脸区域图像；第二模型识别模块，用于获取人脸区域图像，采用训练好的主动形状模型，检测人脸图像中的下巴尖、左眼外侧发际点、右眼外侧发际点、顶部中央发际点、三庭的两个分割点和五眼的四个分割点，根据顶部中央发际点和下巴尖之间的间距确定人脸高度范围，根据左眼外侧发际点和右眼外侧发际点之间的间距确定人脸宽度范围，根据三庭的两个分割点和人脸高度范围计算三庭的比例信息，根据五眼的四个分割点和人脸宽度范围计算五眼的比例信息；比对图像筛选模块，用于根据识别到的三庭的比例信息和五眼的比例信息从预设的样本特征库中筛选得到备选的样本图像特征向量；第三模型识别模块，用于采用训练好的特征识别模型，提取待识别的人脸区域图像的特征向量；图像分类模块，用于计算备选的样本图像特征向量与待识别的人脸区域图像的特征向量的欧氏距离，选择计算得到的最小的欧氏距离，判断最小的欧氏距离是否小于预设阈值，如果是，则将最小的欧氏距离所对应的样本图像作为最接近的样本图像，根据最接近的样本图像的身份标签确定待识别的人脸区域图像所对应的身份；考勤记录模块，用于当图像分类模块识别得到人脸区域图像对应的身份时，根据拍摄图像的摄像头的位置，确定考勤人员的考勤位置，记录考勤人员的身份标识信息、当前时间和考勤位置，作为考勤记录；红外测温模块，用于当考勤记录模块新增一条考勤记录时，查找距离考勤人员的考勤位置最接近的红外测温仪，控制最接近的红外测温仪对考勤人员进行体温测量，并将测量的体温数据添加到对应的考勤记录中。2.根据权利要求1所述的用于考勤的人脸识别系统，其特征在于，所述特征识别模型为卷积神经网络，所述卷积神经网络包括依次连接的第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层、第四卷积层、第五卷积层和第三池化层，所述第一卷积层和第一池化层之间、第二卷积层和第二池化层之间、第三卷积层和第四卷积层之间以及第五卷积层和第三池化层之间分别设置有一Relu函数。3.根据权利要求1所述的用于考勤的人脸识别系统，其特征在于，所述基于训练好的Adaboost分类器在摄像头拍摄的图像中检测人脸区域图像，包括如下步骤：第一模型识别模块基于训练好的Adaboost分类器在摄像头拍摄的图像中人脸区域；第一模型识别模块识别人脸区域的宽度w和高度h以及人脸区域的中心点C0；第一模型识别模块以人脸区域的中心点为中心点，以h*1.2为高度、以w*1.1为宽度从摄像头拍摄的图像中提取人脸区域图像，提取到的人脸区域图像的中心点为C0，高度为h*1.2，宽度为w*1.1。4.根据权利要求1所述的用于考勤的人脸识别系统，其特征在于，所述三庭的分割点包括鼻下点和眉毛尾点，所述五眼的分割特征点包括左眼外眼角、左眼内眼角、右眼内眼角和右眼外眼角。5.根据权利要求1所述的用于考勤的人脸识别系统，其特征在于，所述系统还包括：第一报警模块，用于当图像分类模块检测不到与考勤人员匹配的样本图像时，根据拍摄图像的摄像头的位置，确定考勤人员的考勤位置，生成报警信号，所述报警信号的标识为未知人员闯入，所述报警信号包括考勤位置和考勤人员的拍摄图像；第二报警模块，用于获取红外测温模块的体温数据，当体温数据大于预设体温阈值时，生成报警信号，所述报警信号的标识为体温异常，所述报警信号包括考勤人员的考勤位置和考勤人员的身份标识信息。6.根据权利要求1所述的用于考勤的人脸识别系统，其特征在于，所述系统还包括：样本图像采集模块，用于采集多个样本图像；所述第一模型识别模块还用于基于训练好的Adaboost分类器在样本图像中检测人脸区域图像；所述第二模型识别模...

【专利技术属性】
技术研发人员：李荣花，
申请(专利权)人：绍兴文理学院，
类型：发明
国别省市：浙江,33