考勤结果的确认方法及装置制造方法及图纸

本公开涉及人工智能技术领域，提供了考勤结果的确认方法及装置。该方法包括：将所述考勤图像输入所述第一图像识别模型，输出所述目标对象的第一考勤信息；将所述考勤图像输入所述第二图像识别模型，输出所述目标对象的第二考勤信息；根据所述第一考勤信息和\或所述第二考勤信息，确定所述目标对象在所述预设时间段内的考勤结果，采用上述技术手段，解决现有技术中，为检验人脸识别考勤的真实性，往往会造成高成本的问题。造成高成本的问题。造成高成本的问题。

【技术实现步骤摘要】
考勤结果的确认方法及装置


[0001]本公开涉及人工智能
，尤其涉及一种考勤结果的确认方法及装置。

技术介绍

[0002]为了保证工作效率，几乎每个单位都会使用考勤打卡的方式确保员工的出勤以及上下班时间，而在众多的考勤打卡方式中，人脸识别打卡是应用最为广泛的一种。目前发现，有些员工会使用翻拍图像考勤作弊，比如员工A上班迟到，但是员工A将自己的翻拍图像发给员工B，让员工B使用员工A的翻拍图像帮员工A人脸识别打卡。翻拍是把照片、底片、绘图、文件图表等原件制成复制品，在本公开中，翻拍图像是指员工人脸识别打卡时，使用图像而不是真人。
[0003]为了解决在人脸识别打卡中，使用翻拍图像考勤作弊的问题，现有技术要么在人脸识别的同时，还通过传感器检测人体，要么在人脸识别的同时，还获取打卡对象的实时位置。但是无论是使用传感器检测人体还是获取打卡对象的实时位置用于辅助人脸识别，都会借助相应的硬件，进而提高了考勤设备的成本。
[0004]在实现本公开构思的过程中，专利技术人发现相关技术中至少存在如下技术问题：为检验人脸识别考勤的真实性，往往会造成高成本的问题。

技术实现思路

[0005]有鉴于此，本公开实施例提供了一种考勤结果的确认方法、装置、电子设备和计算机可读的存储介质，以解决现有技术中，为检验人脸识别考勤的真实性，往往会造成高成本的问题。
[0006]本公开实施例的第一方面，提供了一种考勤结果的确认方法，包括：构建第一图像识别模型和第二图像识别模型；获取目标对象在预设时间段内的考勤图像；将考勤图像输入第一图像识别模型，输出目标对象的第一考勤信息，其中，第一考勤信息包括考勤图像中存在第一翻拍图像，第一翻拍图像为在预设时间段内只被目标对象使用了一次的翻拍图像；将考勤图像输入第二图像识别模型，输出目标对象的第二考勤信息，其中，第二考勤信息包括考勤图像中存在第二翻拍图像，第二翻拍图像为在预设时间段内被目标对象使用了多次的翻拍图像；根据第一考勤信息和\或第二考勤信息，确定目标对象在预设时间段内的考勤结果。
[0007]本公开实施例的第二方面，提供了一种考勤结果的确认装置，包括：构建模型模块，被配置为构建第一图像识别模型和第二图像识别模型；获取模块，被配置为获取目标对象在预设时间段内的考勤图像；第一模型模块，被配置为将考勤图像输入第一图像识别模型，输出目标对象的第一考勤信息，其中，第一考勤信息包括考勤图像中存在第一翻拍图像，第一翻拍图像为在预设时间段内只被目标对象使用了一次的翻拍图像；第二模型模块，被配置为将考勤图像输入第二图像识别模型，输出目标对象的第二考勤信息，其中，第二考勤信息包括考勤图像中存在第二翻拍图像，第二翻拍图像为在预设时间段内被目标对象使
用了多次的翻拍图像；确认模块，被配置为根据第一考勤信息和\或第二考勤信息，确定目标对象在预设时间段内的考勤结果。
[0008]本公开实施例的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述方法的步骤。
[0009]本公开实施例的第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。
[0010]本公开实施例与现有技术相比存在的有益效果是：因为本公开实施例通过将考勤图像输入第一图像识别模型，输出目标对象的第一考勤信息；将考勤图像输入第二图像识别模型，输出目标对象的第二考勤信息；根据第一考勤信息和\或第二考勤信息，确定目标对象在预设时间段内的考勤结果，因此，采用上述技术手段，可以解决现有技术中，为检验人脸识别考勤的真实性，往往会造成高成本的问题，进而提供一种新的人脸识别考勤的方法。
附图说明
[0011]为了更清楚地说明本公开实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
[0012]图1是本公开实施例的应用场景的场景示意图；
[0013]图2是本公开实施例提供的一种考勤结果的确认方法的流程示意图；
[0014]图3是本公开实施例提供的一种考勤结果的确认装置的结构示意图；
[0015]图4是本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
[0016]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本公开实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本公开。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本公开的描述。
[0017]下面将结合附图详细说明根据本公开实施例的一种考勤结果的确认方法和装置。
[0018]图1是本公开实施例的应用场景的场景示意图。该应用场景可以包括终端设备1、2和3、服务器4以及网络5。
[0019]终端设备1、2和3可以是硬件，也可以是软件。当终端设备1、2和3为硬件时，其可以是具有显示屏且支持与服务器4通信的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等；当终端设备1、2和3为软件时，其可以安装在如上的电子设备中。终端设备1、2和3可以实现为多个软件或软件模块，也可以实现为单个软件或软件模块，本公开实施例对此不作限制。进一步地，终端设备1、2和3上可以安装有各种应用，例如数据处理应用、即时通信工具、社交平台软件、搜索类应用、购物类应用等。
[0020]服务器4可以是提供各种服务的服务器，例如，对与其建立通信连接的终端设备发
送的请求进行接收的后台服务器，该后台服务器可以对终端设备发送的请求进行接收和分析等处理，并生成处理结果。服务器4可以是一台服务器，也可以是由若干台服务器组成的服务器集群，或者还可以是一个云计算服务中心，本公开实施例对此不作限制。
[0021]需要说明的是，服务器4可以是硬件，也可以是软件。当服务器4为硬件时，其可以是为终端设备1、2和3提供各种服务的各种电子设备。当服务器4为软件时，其可以是为终端设备1、2和3提供各种服务的多个软件或软件模块，也可以是为终端设备1、2和3提供各种服务的单个软件或软件模块，本公开实施例对此不作限制。
[0022]网络5可以是采用同轴电缆、双绞线和光纤连接的有线网络，也可以是无需布线就能实现各种通信设备互联的无线网络，例如，蓝牙(Bluetooth)、近场通信(Near Field Communication，NFC)、红外(Infrared)等，本公开实施例对此不作限制。
[0023]用户可以通过终端设备1、2和3经由网络5与服务器4建立通信连接，以接收或发送信息等。需要说明的是，终端设备1、2和3、服务器4以及网络5的具体类型、数量和组合可以根据应用场景的实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种考勤结果的确认方法，其特征在于，包括：构建第一图像识别模型和第二图像识别模型；获取目标对象在预设时间段内的考勤图像；将所述考勤图像输入所述第一图像识别模型，输出所述目标对象的第一考勤信息，其中，所述第一考勤信息包括所述考勤图像中存在第一翻拍图像，所述第一翻拍图像为在所述预设时间段内只被所述目标对象使用了一次的翻拍图像；将所述考勤图像输入所述第二图像识别模型，输出所述目标对象的第二考勤信息，其中，所述第二考勤信息包括所述考勤图像中存在第二翻拍图像，所述第二翻拍图像为在所述预设时间段内被所述目标对象使用了多次的翻拍图像；根据所述第一考勤信息和\或所述第二考勤信息，确定所述目标对象在所述预设时间段内的考勤结果。2.根据权利要求1所述的方法，其特征在于，所述将所述考勤图像输入所述第一图像识别模型，输出所述目标对象的第一考勤信息，包括：所述第一图像识别模型，包括：残差模块、通道注意力模块、空间注意力模块和预测模块；通过所述残差模块提取所述考勤图像的第一特征，其中，所述残差模块由基础残差网络和残差分支构成；通过参数中心确定所述通道注意力模块的空洞率，将所述第一特征输入所述通道注意力模块，得到第二特征，其中，所述通道注意力模块包括多个通道分支；通过所述参数中心确定所述空间注意力模块的分组数，将所述第二特征输入所述空间注意力模块，得到第三特征，其中，所述空间注意力模块包括多个空间分支；通过所述参数中心确定所述预测模块的权值，将所述第三特征输入所述预测模块，得到第四特征；根据第四特征确定所述第一考勤信息。3.根据权利要求2所述的方法，其特征在于，所述通过参数中心确定所述通道注意力模块的空洞率，将所述第一特征输入所述通道注意力模块，得到第二特征，其中，所述通道注意力模块包括多个通道分支，包括：在每个所述通道分支中：对所述第一特征做预设卷积处理，得到第一卷积结果，使用归一化指数函数处理所述卷积结果，得到归一化结果，将所述归一化结果乘以所述第一特征，得到相乘结果，对所述相乘结果做池化处理，得到第一池化结果，将所述池化结果通过全连接层，得到第一分类结果；将多个所述通道分支得到的所述分类结果相加，得到所述第二特征。4.根据权利要求2所述的方法，其特征在于，所述通过所述参数中心确定所述空间注意力模块的分组数，将所述第二特征输入所述空间注意力模块，得到第三特征，其中，所述空间注意力模块包括多个空间分支，包括：按照所述分组数将所述第二特征划分，得到所述分组数个分组；在每个所述空间分支中：在每个所述分组中：对所述分组做预设卷积处理，得到第二卷积结果，对所述第二卷积
结果做池化处理，得到第二池化结果，将所述第二池化结果通过第二全连接层，得到第二分类结果，使用relu激活函数处理所述第二分类结果，得到第一激活结果，将所述激活结果通过第三全连接层，得到第三分类结果，使用sigmoid激活函数处理所述第三分类结果，得到第二激活结果；对所有所述分组的第二激活结果做加权平均处理，得到加权平均结果；将所有所述通道分支得到的所述加权平均结果相加，得到所述第三特征。5.根据权利要求2所述的方法，其特征在于，所述通过所述参数中心确定所述预测模块的权值，将所述第三特征输入所述预测模块，得到第四特征，包括：所述预测模块具有四个阶段，包括：第一阶段、第二阶段、第三阶段和第四阶段，所述第三特征有四个阶段的特征，包括：第一阶段特征、第二阶段特征、第三阶段特征和第四阶段特征；分别将所述第二阶段特征、所述第三阶段特征、所述第四阶段特征下采样到所述第一阶段，将三个采样结果与所述第一阶段特征融合，得到第一融合特征；分别将所述第一阶段特征、所述第三阶段特征、所述第四阶段特征下采样到所述第二阶段，将三个采样结果与所述第二阶段特征融合，得到第二融合特征；分别将所述第一阶段特征、所述第二阶段特征、所述第四阶段特征下采样到所述第三阶段，将三个采样结果与所述第三阶段特征融合，得到第三融合特征；分别将所述第一阶段特征、所述第二阶段特征、所述第三阶段特征下采样到所述第四阶段，将三个采样结果与所述第四阶段特征融合，得到第四融合特征；按照所述权值，将所述第一融合特征、所述...

【专利技术属性】
技术研发人员：杨战波，黄泽元，蒋召，祁晓婷，
申请(专利权)人：深圳集智数字科技有限公司，
类型：发明
国别省市：