一种基于NB-IoT模式的零接触人脸识别考勤方法及系统技术方案

本发明专利技术公开了一种基于NB

【技术实现步骤摘要】
一种基于NB
‑
IoT模式的零接触人脸识别考勤方法及系统


[0001]本专利技术涉及图像识别
，具体来说，涉及一种基于NB
‑
IoT模式的零接触人脸识别考勤方法及系统。

技术介绍

[0002]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。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。
[0003]人脸识别作为生物特征识别技术的热门方向，是根据人类面部特征，利用图像处理和模式识别技术进行身份识别的一种计算机安全技术。与指纹、虹膜等其它生物特征识别相比，虽然其准确度低于二者，但是由于人脸识别是无接触，无侵犯性，容易被用户所接受，而且它不需要被动配合，可远距离采集人脸，是一种更加友好、便捷的识别技术。
[0004]然而，传统的基于人脸识别的考勤方法虽然可以实现远距离零接触式的考勤打卡，但是其仅仅只能在施工工地的入口处对作业人员进行零接触的人脸识别考勤打卡，而无法在施工现场对作业人员的身份进行再次确认，从而容易出现部分作业人员打完卡而不进入施工现场进行施工的现象，进而出现消极怠工的现象，极大地影响了施工项目的速度及进程。
[0005]针对相关技术中的问题，目前尚未提出有效的解决方案。

技术实现思路

[0006]针对相关技术中的问题，本专利技术提出一种基于NB/>‑
IoT模式的零接触人脸识别考勤方法及系统，以克服现有相关技术所存在的上述技术问题。
[0007]为此，本专利技术采用的具体技术方案如下：
[0008]根据本专利技术的一个方面，提供了一种基于NB
‑
IoT模式的零接触人脸识别考勤方法，该方法包括以下步骤：
[0009]S1、预先录入作业人员的身份信息及施工信息，并生成考勤数据库；
[0010]S2、通过预设的视频监控设备获取作业人员的实时监控视频；
[0011]S3、利用改进型人脸识别算法对实时监控视频中工地入口的作业人员进行身份识别，并结合考勤数据库中的身份信息实现作业人员的出勤打卡；
[0012]S4、通过改进型人脸识别算法及动作识别算法分别对实时监控视频中施工现场作业人员的身份及动作进行识别，并结合考勤数据库中的身份信息实现作业人员的工作打卡；
[0013]S5、结合出勤打卡信息和工作打卡信息实现作业人员的考勤打卡，并通过NB
‑
IoT网络将考勤信息定时传送至云端服务器进行存储。
[0014]进一步的，所述身份信息包括作业人员的姓名信息、年龄信息、卡号信息、工种信
息、部门信息及人脸图像信息，其中，所述人脸图像信息包括作业人员多个角度的人脸图像；
[0015]所述施工信息包括作业人员每天的施工地点信息、施工内容信息及施工标准动作信息。
[0016]进一步的，所述通过预设的视频监控设备获取作业人员的实时监控视频包括以下步骤：
[0017]S21、通过安装于工地入口的视频监控设备采集作业人员进入施工工地的实时监控视频；
[0018]S22、利用安装于施工现场的视频监控设备采集作业人员的现场施工视频。
[0019]进一步的，所述利用改进型人脸识别算法对实时监控视频中工地入口的作业人员进行身份识别，并结合考勤数据库中的身份信息实现作业人员的出勤打卡包括以下步骤：
[0020]S31、获取实时监控视频中工地入口的作业人员的人脸图像信息；
[0021]S32、利用改进的线性判别回归分类人脸识别算法对工地入口的作业人员的人脸图像进行识别；
[0022]S33、根据人脸图像的识别结果结合考勤数据库中的身份信息实现作业人员的出勤打卡。
[0023]进一步的，所述利用改进的线性判别回归分类人脸识别算法对工地入口的作业人员的人脸图像进行识别包括以下步骤：
[0024]S321、将工地入口作业人员的人脸图像作为训练图像，并转换得到基于人脸图像的向量训练集；
[0025]S322、根据基于人脸图像的向量训练集寻找最优投影矩阵；
[0026]S323、将每个训练图像向量转换为特征向量，并计算每个类的特定类投影矩阵；
[0027]S324、利用最优投影矩阵转换每个测试人脸图像向量为特征向量；
[0028]S325、通过投影公式将特征向量投影到i类空间；
[0029]S326、计算测试样本到各训练样本间的欧式距离，并利用K
‑
近邻分类器完成人脸识别。
[0030]进一步的，所述通过改进型人脸识别算法及动作识别算法分别对实时监控视频中施工现场作业人员的身份及动作进行识别，并结合考勤数据库中的身份信息实现作业人员的工作打卡包括以下步骤：
[0031]S41、获取实时监控视频中施工现场作业人员的人脸图像信息及施工视频信息；
[0032]S42、利用基于图像变换的光照补偿算法对施工现场的作业人员的人脸图像进行预处理；
[0033]S43、利用改进的线性判别回归分类人脸识别算法对预处理后的施工现场作业人员的人脸图像进行识别；
[0034]S44、通过基于改进稠密轨迹的动作识别算法对施工现场作业人员的施工动作进行规范识别；
[0035]S45、根据人脸图像的识别结果和施工动作规范的识别结果结合考勤数据库中的身份信息实现作业人员的工作打卡，其中，所述工作打卡用于记录作业人员是否出现在施工地点及施工动作是否规范的信息。
[0036]进一步的，所述利用基于图像变换的光照补偿算法对施工现场的作业人员的人脸图像进行预处理包括以下步骤：
[0037]S421、采用对数边缘图变换法和Gamma灰度变换法对施工现场作业人员的人脸图像进行光照噪声去除处理；
[0038]S422、利用基于Retinex理论的光照补偿算法对S421中处理后的人脸图像进行再处理，得到预处理后的人脸图像。
[0039]进一步的，所述通过基于改进稠密轨迹的动作识别算法对施工现场作业人员的施工动作进行规范识别包括以下步骤：
[0040]S441、在各个尺度空间上对作业人员现场施工的视频帧进行稠密采样，获得特征点；
[0041]S442、利用改进相机运动估计法消除背景多余的干扰轨迹，得到优化后的光流；
[0042]S443、在每层的尺度空间上对获得的特征点进行跟踪，形成特征点轨迹；
[0043]S444、在特征点轨迹所在的时空体当中提取HOG、HOF及MBH特征；
[0044]S445、使用改进的特征融合法对提取HOG、HOF及MBH特征进行融合；
[0045]S446、对融合特征进行PCA特征降维处理，并对降维后的特征进行编码处理；
[0046]S447、使用分类器对特征向量进行分类，实现施工动本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于NB
‑
IoT模式的零接触人脸识别考勤方法，其特征在于，该方法包括以下步骤：S1、预先录入作业人员的身份信息及施工信息，并生成考勤数据库；S2、通过预设的视频监控设备获取作业人员的实时监控视频；S3、利用改进型人脸识别算法对实时监控视频中工地入口的作业人员进行身份识别，并结合考勤数据库中的身份信息实现作业人员的出勤打卡；S4、通过改进型人脸识别算法及动作识别算法分别对实时监控视频中施工现场作业人员的身份及动作进行识别，并结合考勤数据库中的身份信息实现作业人员的工作打卡；S5、结合出勤打卡信息和工作打卡信息实现作业人员的考勤打卡，并通过NB
‑
IoT网络将考勤信息定时传送至云端服务器进行存储。2.根据权利要求1所述的一种基于NB
‑
IoT模式的零接触人脸识别考勤方法，其特征在于，所述身份信息包括作业人员的姓名信息、年龄信息、卡号信息、工种信息、部门信息及人脸图像信息，其中，所述人脸图像信息包括作业人员多个角度的人脸图像；所述施工信息包括作业人员每天的施工地点信息、施工内容信息及施工标准动作信息。3.根据权利要求1所述的一种基于NB
‑
IoT模式的零接触人脸识别考勤方法，其特征在于，所述通过预设的视频监控设备获取作业人员的实时监控视频包括以下步骤：S21、通过安装于工地入口的视频监控设备采集作业人员进入施工工地的实时监控视频；S22、利用安装于施工现场的视频监控设备采集作业人员的现场施工视频。4.根据权利要求1所述的一种基于NB
‑
IoT模式的零接触人脸识别考勤方法，其特征在于，所述利用改进型人脸识别算法对实时监控视频中工地入口的作业人员进行身份识别，并结合考勤数据库中的身份信息实现作业人员的出勤打卡包括以下步骤：S31、获取实时监控视频中工地入口的作业人员的人脸图像信息；S32、利用改进的线性判别回归分类人脸识别算法对工地入口的作业人员的人脸图像进行识别；S33、根据人脸图像的识别结果结合考勤数据库中的身份信息实现作业人员的出勤打卡。5.根据权利要求4所述的一种基于NB
‑
IoT模式的零接触人脸识别考勤方法，其特征在于，所述利用改进的线性判别回归分类人脸识别算法对工地入口的作业人员的人脸图像进行识别包括以下步骤：S321、将工地入口作业人员的人脸图像作为训练图像，并转换得到基于人脸图像的向量训练集；S322、根据基于人脸图像的向量训练集寻找最优投影矩阵；S323、将每个训练图像向量转换为特征向量，并计算每个类的特定类投影矩阵；S324、利用最优投影矩阵转换每个测试人脸图像向量为特征向量；S325、通过投影公式将特征向量投影到i类空间；S326、计算测试样本到各训练样本间的欧式距离，并利用K
‑
近邻分类器完成人脸识别。6.根据权利要求1所述的一种基于NB
‑
IoT模式的零接触人脸识别考勤方法，其特征在
于，所述通过改进型人脸识别算法及动作识别算法分别对实时监控视频中施工现场作业人员的身份及动作进行识别，并结合考勤数据库中的身份信息实现作业人员的工作打卡包括以下步骤：S41、获取实时监控视频中施工现场作业人员的人脸图像信息及施工视频信息；S42、利用基于图像变换的光照补偿算法对施工现场的作业人员的人脸图像进行预处理；S43、利用改进的线性判别回归分类人脸识别算法对预处理后的施工现场作业人员的人脸图像进行识别；S44、通过基于改进稠密轨迹的动作识别算法对施工...

【专利技术属性】
技术研发人员：邱枫，
申请(专利权)人：广东越华智能科技有限公司，
类型：发明
国别省市：