一种基于人脸识别的考勤方法、装置及系统制造方法及图纸

本发明专利技术公开了一种基于人脸识别的考勤方法、装置及系统，属于考勤管理技术领域，所述方法包括：获取待识别的图像及其采集时间；提取图像中的人体部分及其有效特征值；提取人体部分中的人脸部分，标记出人脸部分的关键特征点；通过所述有效特征值和关键特征点提取人脸的特征向量；通过支持向量机对人脸的特征向量进行匹配识别，得到人脸识别结果；若人脸识别通过则将图像采集时间和预设考勤时间进行对比，图像采集时间满足预设时间要求则考勤结果为正常，图像采集时间不满足预设时间要求则考勤结果为异常，若人脸识别不通过则考勤结果为异常；精确判断考勤结果，操作更方便和人性化，信息处理与反馈合理，界面可视化显示友好，更加智能可靠。加智能可靠。加智能可靠。

【技术实现步骤摘要】
一种基于人脸识别的考勤方法、装置及系统


[0001]本专利技术涉及一种基于人脸识别的考勤方法、装置及系统，属于考勤管理


技术介绍

[0002]考勤管理是学校或公司等团体日常管理工作的重要组成部分，现代考勤管理主要是利用信息化技术进行数据采集，把学生课堂或某些需要签到的课外培训活动或上下班等相关签到数据按照一定的逻辑关系组织起来进行管理，由此形成反映教学运行状态或公司运行状态的数据综合平台，为高校/公司等质量保障体系建设服务，为教务教学/工作评估服务，为学校/公司提供预测决策信息等服务。
[0003]签到考勤的方式最初是采用人工纸质点名，目前仍有部分学校/公司依旧采用该相对传统的签到方式；然而，由于上课的学生数量众多,教师随机点名过程中的代点名现象普遍存在,而且现场点名签到的方式费时费力,效率低下，直接影响到教师的授课质量和教学体验度。
[0004]在信息化时代，非接触式交流已逐渐成为一种新的主流趋势，尤其是以高校、公司等为代表的团体迫切需要具有多样化、个性化，快速化的识别技术和手段；现有的身份识别主要采用个人身份证识别、口令密码等识别方法，这些传统的识别技术已经受到了越来越多的挑战，可靠度大为降低。

技术实现思路

[0005]本专利技术的目的在于提供一种基于人脸识别的考勤方法、装置及系统，实现精确判断考勤结果是否正常，操作更加方便和人性化，易于系统维护，数据信息处理与反馈合理，界面可视化显示友好，因而效率更高、更加智能可靠。
[0006]为实现以上目的，本专利技术是采用下述技术方案实现的：
[0007]第一方面，本专利技术提供了一种基于人脸识别的考勤方法，包括：
[0008]获取待识别的图像及其采集时间；
[0009]提取图像中的人体部分及其有效特征值；
[0010]提取人体部分中的人脸部分，标记出人脸部分的关键特征点；
[0011]通过所述有效特征值和关键特征点提取人脸的特征向量；
[0012]通过支持向量机对人脸的特征向量进行特征匹配，得到人脸识别结果；
[0013]若人脸识别通过则将图像采集时间和预设考勤时间进行对比，图像采集时间满足预设时间要求则考勤结果为正常，图像采集时间不满足预设时间要求则考勤结果为异常，若人脸识别不通过则考勤结果为异常。
[0014]结合第一方面，进一步的，所述待识别的图像通过以下方法得到：
[0015]获取实时视频，通过人脸眨眼检测算法检测所述实时视频中是否存在真人的人脸图像，根据眨眼的阈值和时长来确定实时视频中是否存在活体；
[0016]若存在真人的人脸图像，则通过人脸分割算法提取出实时视频中的待识别的图
像；
[0017]若不存在真人的人脸图像，则发出告警信息。
[0018]结合第一方面，进一步的，提取图像中的人体部分及其有效特征值，包括：
[0019]通过人体建模系统采集图像中的人体部分并提取人体部分的有效特征值，去除无关背景的影响。
[0020]结合第一方面，进一步的，提取人体部分中的人脸部分，标记出人脸部分的关键特征点，包括：
[0021]使用深度卷积神经网络的方法，将预先提取出的人体部分进行人脸部分的定位并提取，并将人脸部分的关键特征点标记出来。
[0022]结合第一方面，进一步的，通过支持向量机对人脸的特征向量进行特征匹配，得到人脸识别结果，包括：
[0023]使用支持向量机对人脸的特征向量进行分类，返回预测分类概率的列表，将列表中的预测分类概率与预设概率阈值进行对比得到相似度，将相似度和预设相似度要求进行对比，若相似度满足预设相似度要求则人脸识别通过，否则人脸识别不通过。
[0024]结合第一方面，进一步的，图像采集时间满足预设时间要求则考勤结果为正常，图像采集时间不满足预设时间要求则考勤结果为异常，包括：
[0025]图像采集时间在预设考勤时间之前的第一时间值内则考勤结果为正常；
[0026]图像采集时间在预设考勤时间之后的第二时间值内则考勤结果为迟到；
[0027]图像采集时间在预设考勤时间之后的第二时间值之后则考勤结果为缺勤；
[0028]所述异常包括迟到和缺勤。
[0029]结合第一方面，进一步的，还包括：
[0030]将考勤结果录入数据库中的考勤日志表，并从数据库中读取考勤结果对应的考勤信息进行展示；
[0031]根据请假登记和漏签补签情况正向修改数据库中的考勤信息，根据实际的随机点名情况反向修改数据库中的考勤信息。
[0032]第二方面，本专利技术还提供了一种基于人脸识别的考勤装置，包括：
[0033]数据获取模块：用于获取待识别的图像及其采集时间；
[0034]人体特征提取模块，用于提取图像中的人体部分及其有效特征值；
[0035]人脸特征点提取模块，用于提取人体部分中的人脸部分，标记出人脸部分的关键特征点；
[0036]人脸特征向量提取模块，用于通过所述有效特征值和关键特征点提取人脸的特征向量；
[0037]人脸识别模块，用于通过支持向量机对人脸的特征向量进行特征匹配，得到人脸识别结果；
[0038]考勤模块，用于若人脸识别通过则将图像采集时间和预设考勤时间进行对比，图像采集时间满足预设时间要求则考勤结果为正常，图像采集时间不满足预设时间要求则考勤结果为异常，若人脸识别不通过则考勤结果为异常。
[0039]第三方面，本专利技术还提供了一种基于人脸识别的考勤系统，包括考勤单元，用于执行第一方面任一项所述的一种基于人脸识别的考勤方法；
[0040]还包括分别和考勤单元相连的采集单元、展示单元和监测单元，采集单元采集实时视频传输给考勤单元，展示单元将考勤单元得到的考勤结果进行展示，监测单元根据请假登记和漏签补签情况正向修改数据库中的考勤信息，根据实际的随机点名情况反向修改数据库中的考勤信息。
[0041]结合第三方面，进一步的，所述考勤单元包括人脸识别单元，人脸识别单元使用提供的ResNet
‑
SSD预训练模型和OpenFace开源的基于Inception的预训练模型进行人脸检测和校正。
[0042]与现有技术相比，本专利技术所达到的有益效果是：
[0043]本专利技术提供的一种基于人脸识别的考勤方法、装置及系统，从图像中提取人体部分再提取人脸部分，利用人体部分有效特征值和人脸部分关键特征点快速且准确的通过支持向量机提取人脸的特征向量从而进行人脸识别，得到人脸识别结果，进而通过图像采集时间的对比得到考勤结果，实现精确判断考勤结果是否正常；采用模块化、标准化的基础架构，操作更加方便和人性化，易于系统维护，所有的操作栏都在菜单栏实现；采集到的人脸数据和考勤结果数据全部保存在数据库文件中，用户不可见，数据更加安全；相对于较为传统的纸质考勤与电子化考勤来说，数据信息处理与反馈合理，界面可视化显示友好，因而效率更高、更加智能可靠。
附图说明
[0044本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人脸识别的考勤方法，其特征在于，包括：获取待识别的图像及其采集时间；提取图像中的人体部分及其有效特征值；提取人体部分中的人脸部分，标记出人脸部分的关键特征点；通过所述有效特征值和关键特征点提取人脸的特征向量；通过支持向量机对人脸的特征向量进行特征匹配，得到人脸识别结果；若人脸识别通过则将图像采集时间和预设考勤时间进行对比，图像采集时间满足预设时间要求则考勤结果为正常，图像采集时间不满足预设时间要求则考勤结果为异常，若人脸识别不通过则考勤结果为异常。2.根据权利要求1所述的一种基于人脸识别的考勤方法，其特征在于，所述待识别的图像通过以下方法得到：获取实时视频，通过人脸眨眼检测算法检测所述实时视频中是否存在真人的人脸图像，根据眨眼的阈值和时长来确定实时视频中是否存在活体；若存在真人的人脸图像，则通过人脸分割算法提取出实时视频中的待识别的图像；若不存在真人的人脸图像，则发出告警信息。3.根据权利要求1所述的一种基于人脸识别的考勤方法，其特征在于，提取图像中的人体部分及其有效特征值，包括：通过人体建模系统采集图像中的人体部分并提取人体部分的有效特征值，去除无关背景的影响。4.根据权利要求1所述的一种基于人脸识别的考勤方法，其特征在于，提取人体部分中的人脸部分，标记出人脸部分的关键特征点，包括：使用深度卷积神经网络的方法，将预先提取出的人体部分进行人脸部分的定位并提取，并将人脸部分的关键特征点标记出来。5.根据权利要求1所述的一种基于人脸识别的考勤方法，其特征在于，通过支持向量机对人脸的特征向量进行特征匹配，得到人脸识别结果，包括：使用支持向量机对人脸的特征向量进行分类，返回预测分类概率的列表，将列表中的预测分类概率与预设概率阈值进行对比得到相似度，将相似度和预设相似度要求进行对比，若相似度满足预设相似度要求则人脸识别通过，否则人脸识别不通过。6.根据权利要求1所述的一种基于人脸识别的考勤方法，其特征在于，图像采集时间满足预设时间要求则考勤结果为正常，图像采集时间不满足预设时间要求则考勤结...

【专利技术属性】
技术研发人员：王颖，郁子恒，尚领，李维勇，
申请(专利权)人：南京信息职业技术学院，
类型：发明
国别省市：