【技术实现步骤摘要】
基于侧脸多特征融合人脸识别的考勤方法、系统、设备及介质
本专利技术涉及一种基于侧脸多特征融合人脸识别的考勤方法、系统、设备及介质，属于计算机视觉
技术介绍
考勤是人力资源管理重要内容，是保证工作人员能够自觉遵守劳动纪律以及工作时间的管理手段。近年来，随着大数据与人工智能的迅速发展，IC卡、指纹识别与人脸识别等考勤方法由于其统计精度高，速度快，节省人力等优点，已逐步取代了传统的人工考勤。IC卡与指纹考勤大多一次只能对一个身份进行认证，人脸识别作为考勤的新兴技术，为考勤系统的发展提供更大的空间和可能性。人脸识别属于计算机视觉的范畴,特指计算机利用分析比较人脸视觉特征信息自动进行身份鉴别的“智能”技术。其研究范围包含图像采集、人脸检测、人脸对齐、特征表示等过程。近些年来随着深度卷积神经网络D-CNN(Deep-ConvolutionNeuralNetwork)的引入，人脸识别的准确率得以跨越式提升。但由于光照环境、姿态遮挡、年龄变化、图像质量等难题，人脸识别仍是计算机视觉研究的热点。2014年提出的Dee...
【技术保护点】
1.一种基于侧脸多特征融合人脸识别的考勤方法，其特征在于，所述方法包括：/n根据预设扫描次数，获取每次扫描的目标区域的人脸数据；/n利用训练好的多任务级联卷积神经网络对目标区域的人脸数据进行检测，得到固定分辨率的人脸框图像；/n利用训练好的FaceNet模型对固定分辨率的人脸框图像进行特征提取，得到人脸深度特征；其中，所述FaceNet模型采用的损失函数为附加角幅损失函数；/n将人脸深度特征与数据库的深度特征进行比对，获得识别结果；/n根据每次扫描的识别结果，生成目标区域的考勤记录。/n
【技术特征摘要】
1.一种基于侧脸多特征融合人脸识别的考勤方法，其特征在于，所述方法包括：
根据预设扫描次数，获取每次扫描的目标区域的人脸数据；
利用训练好的多任务级联卷积神经网络对目标区域的人脸数据进行检测，得到固定分辨率的人脸框图像；
利用训练好的FaceNet模型对固定分辨率的人脸框图像进行特征提取，得到人脸深度特征；其中，所述FaceNet模型采用的损失函数为附加角幅损失函数；
将人脸深度特征与数据库的深度特征进行比对，获得识别结果；
根据每次扫描的识别结果，生成目标区域的考勤记录。
2.根据权利要求1所述的考勤方法，其特征在于，所述利用训练好的多任务级联卷积神经网络对目标区域的人脸数据进行检测，得到固定分辨率的人脸框图像，具体包括：
将目标区域的人脸数据输入训练好的多任务级联卷积神经网络；其中，所述多任务级联卷积神经网络包括候选提议网络、改善网络和输出网络；
通过候选提议网络、改善网络和输出网络创建图像金字塔；
通过图像金字塔对目标区域的人脸数据进行不同分辨率的近似类比，生成堆叠层数图像；
通过输出网络的全卷积层对堆叠层数图像进行人脸特征保留，得到人脸框及人脸关键点图像；
将人脸框及人脸关键点图像进行尺度变换，得到固定分辨率的人脸框图像。
3.根据权利要求1所述的考勤方法，其特征在于，所述将人脸深度特征与数据库的深度特征进行比对，获得识别结果，具体包括：
将人脸深度特征与数据库的深度特征进行欧氏距离的比对，选取最小匹配值；
判断最小匹配值是否小于预设阈值；
若最小匹配值小于预设阈值，则获得匹配成功的识别结果；
若最小匹配值大于或等于预设阈值，则获得匹配失败的识别结果。
4.根据权利要求3所述的考勤方法，其特征在于，所述将人脸深度特征与数据库的深度特征进行欧氏距离的比对，选取最小匹配值，具体为：
将人脸深度特征和数据库的深度特征映射到欧几里德空间，计算人脸深度特征与数据库的深度特征之间的欧氏距离，将欧氏距离最小值作为最小匹配值。
5.根据权利要求1-4任一项所述的考勤方法，其特征在于，所述根据每次扫描的识别...
【专利技术属性】
技术研发人员：周燕，曾凡智，邱腾达，
申请(专利权)人：佛山科学技术学院，
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。