【技术实现步骤摘要】
一种人脸识别的考勤方法和装置
本专利技术涉及考勤领域，尤其是一种人脸识别的考勤方法和装置。
技术介绍
随着“刷脸”时代的来临，人脸识别技术在人工智能领域不断取得新的研究成果，基于深度卷积神经网络模型的识别方法，提升了人脸识别的精度。现在，越来越多的人工智能研究成果进入人们的日常生活和工作中，人脸识别考勤是人脸识别技术的一种应用，相对于传统的感应打卡、指纹考勤等，人脸识别考勤基于人脸无可替代的特性，直观、友好的同时还能杜绝代打卡现象。人脸识别技术，是计算机视觉领域在考勤方法上的一项具体应用，使用深度学习进行人脸识别，MTCNN是常用的人脸检测和人脸对齐模型，为了提取合适的人脸特征，需要使用合适损失来优化卷积神经网络。基于人脸识别的考勤方法能够有效提高企业的考勤管理方式，规范员工考勤操作，杜绝出现代打卡的现象，提高了考勤的效率。基于深度卷积神经网络提取人脸特征，把大量人脸特征信息保存到数据库，利用提取的特征进行人脸识别。对采集设备捕捉到的人脸图片进行特征提取并从数据库中检测与之相似度最高的人脸。目前，人脸识别的采集设备大多数是配合式的，而且需要对捕捉到的每一张图片进行...
【技术保护点】
1.一种人脸识别的考勤方法，其特征在于：包括如下步骤：S1.从多角度采集人脸图像：为一个待考勤人员采集多个角度人脸图像；S2.输出人脸居中图片：对采集到的所有多个角度人脸图像分别应用深度卷积神经网络方法将人脸图像中的人脸检测出来后，使用仿射变换方法对多个角度的人脸图像进行人脸配准、对齐，然后输出多个角度下人脸居中图片；S3.特征提取分析：对多个角度下人脸居中图片分别进行快速分析提取人脸特征，输出多个角度下的人脸特征；S4.人脸比对：多个角度下的人脸特征分别与考勤人脸信息数据库中数据进行比对，判断是否有任意一个角度下的人脸特征与相似度达到阈值，若有转到步骤S5；否则，输出错误...
【技术特征摘要】
1.一种人脸识别的考勤方法，其特征在于：包括如下步骤：S1.从多角度采集人脸图像：为一个待考勤人员采集多个角度人脸图像；S2.输出人脸居中图片：对采集到的所有多个角度人脸图像分别应用深度卷积神经网络方法将人脸图像中的人脸检测出来后，使用仿射变换方法对多个角度的人脸图像进行人脸配准、对齐，然后输出多个角度下人脸居中图片；S3.特征提取分析：对多个角度下人脸居中图片分别进行快速分析提取人脸特征，输出多个角度下的人脸特征；S4.人脸比对：多个角度下的人脸特征分别与考勤人脸信息数据库中数据进行比对，判断是否有任意一个角度下的人脸特征与相似度达到阈值，若有转到步骤S5；否则，输出错误信息而后结束；S5.考勤成功：标记当前人脸特征对应的人员考勤成功，而后转至步骤S1。2.如权利要求1所述的人脸识别的考勤方法，其特征在于：在步骤S1之前还包括S00)建立考勤人脸信息数据库的步骤，所述S00)具体包括步骤：S001.多角度采集人脸图片：依次采集每个待考勤人员的多角度人脸图片；S002.图片质量判断：判断待考勤人员每一张人脸图片中人脸质量是否达到判断标准的要求，若是则保存该图片，而后进入步骤S003，否则删除该图片；所述判断标准包括以下一种或多种：分辨率是否超过设定值、清晰度是否超过设定值、欧拉角是否大于设定值；S003.提取特征和个人信息：对保存的图片提取人脸特征，建立人脸特征与个人信息对应关联；S004.舍弃进入下一张：删除该图片；将提取的人脸特征与关联的个人信息写入考勤人脸信息数据库。3.如权利要求2所述的人脸识别的考勤方法，其特征在于：所述S1)多角度采集人脸图片步骤，具体为：通过处于同一平面、高度H为1.7≤H≤2.5米，偏差不超过0.6米、待考勤人员移动水平方向与采集的夹角不超过60度、相对夹角θ为120°≤θ≤180°、与待考勤人员距离L为1≤L≤5米的多角度依次采集每个待考勤人员的人脸图片。4.如权利要求3所述的人脸识别的考勤方法，其特征在于：所述S4，具体包括如下步骤：S41.特征加载：分别将多个角度下的人脸特征和考勤人脸信息数据库中人脸特征加载到内存中；S42.特征比对：多个角度下的人脸特征分别与考勤人脸信息数据库中数据在内存中进行比对；S43.判断相似度：判断是否有任意一个角度下的人脸特征与相似度达到阈值，若有转到步骤S5；否则，输出错误信息而后结束。5.如权利要求4所述的人脸识别的考勤方法，其特征在于：所述S1前包括步骤，S01)从多角度采集一个待考勤人员的人脸视频流；所述步骤S1具体为，从多角度采集的人脸视频流中截取采集得至少一组待考勤人员的多个角度下的人脸图像。6.一...
【专利技术属性】
技术研发人员：刘华好，王立强，宋建斌，张青，吴武勋，吴冬冬，邹东杰，
申请(专利权)人：广东亿迅科技有限公司，
类型：发明
国别省市：广东,44
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。