打卡方法、装置、电子设备和计算机可读介质制造方法及图纸

本公开的实施例公开了打卡方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：响应于检测到当前帧图像包括人脸，获取目标视频；对目标视频进行活体对象检测，以生成检测信息；对于活体对象信息，执行以下处理步骤：根据活体对象信息包括的活体对象位置组，对目标视频进行抽帧处理，得到候选视频；对候选视频进行对象检测，以生成对象描述信息，得到对象描述信息集合；从对象描述信息集合中筛选出满足筛选条件的对象描述信息，作为目标对象描述信息；响应于确定动作相似度大于第二预设相似度、且打卡时间位于预设打卡时间段内，向目标终端发送打卡成功提示信息。该实施方式能够大大减少误打卡、错打卡的问题，提高了打卡成功率。高了打卡成功率。高了打卡成功率。

【技术实现步骤摘要】
打卡方法、装置、电子设备和计算机可读介质


[0001]本公开的实施例涉及计算机
，具体涉及打卡方法、装置、电子设备和计算机可读介质。

技术介绍

[0002]打卡是一种用于证明是否出勤的行为。目前，在进行打卡时，通常是采用打卡机，通过对打卡机采集的单张图像进行人脸识别的方式以实现打卡的目的。
[0003]然而，专利技术人发现，当采用上述方式时，经常会存在如下技术问题：
[0004]第一，针对单张图像进行识别的方式，无法有效地确定打卡对象是否为活体，导致打卡准确度较差；
[0005]第二，当图像中包含多个打卡对象时，无法进行有效地打卡对象识别；
[0006]第三，打卡机采集的图像质量往往较差，从而导致缺失面部特征，使得易出现误打卡，错打卡的情况。
[0007]该
技术介绍
部分中所公开的以上信息仅用于增强对本专利技术构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。

技术实现思路

[0008]本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
[0009]本公开的一些实施例提出了打卡方法、装置、电子设备和计算机可读介质，来解决以上
技术介绍
部分提到的技术问题中的一项或多项。
[0010]第一方面，本公开的一些实施例提供了一种打卡方法，该方法包括：响应于检测到当前帧图像包括人脸，获取目标视频，其中，上述目标视频中的初始帧图像为上述当前帧图像；对上述目标视频进行活体对象检测，以生成检测信息，其中，上述检测信息包括：活体对象信息组，上述活体对象信息组中的活体对象信息包括：活体对象面部特征向量和活体对象位置组，活体对象位置组表征相同活体对象所在的帧图像在上述目标视频中的位置；对于上述活体对象信息组中的每个活体对象信息，执行以下处理步骤：根据上述活体对象信息包括的活体对象位置组，对上述目标视频进行抽帧处理，得到候选视频；对上述候选视频进行对象检测，以生成对象描述信息，得到对象描述信息集合，其中，上述对象描述信息集合中的对象描述信息包括：候选对象面部特征向量和对象动作特征向量；从上述对象描述信息集合中筛选出满足筛选条件的对象描述信息，作为目标对象描述信息，其中，上述筛选条件为：上述活体对象信息包括的活体对象面部特征向量与对象描述信息包括的候选对象面部特征向量的面部特征相似度大于第一预设相似度；响应于确定动作相似度大于第二预设相似度、且打卡时间位于预设打卡时间段内，向目标终端发送打卡成功提示信息，其中，上述动作相似度是上述目标对象描述信息包括的对象动作特征向量与标准动作特征向量
之间的相似度。
[0011]第二方面，本公开的一些实施例提供了一种打卡装置，装置包括：获取单元，被配置成响应于检测到当前帧图像包括人脸，获取目标视频，其中，上述目标视频中的初始帧图像为上述当前帧图像；活体对象检测单元，被配置成对上述目标视频进行活体对象检测，以生成检测信息，其中，上述检测信息包括：活体对象信息组，上述活体对象信息组中的活体对象信息包括：活体对象面部特征向量和活体对象位置组，活体对象位置组表征相同活体对象所在的帧图像在上述目标视频中的位置；执行单元，被配置成对于上述活体对象信息组中的每个活体对象信息，执行以下处理步骤：根据上述活体对象信息包括的活体对象位置组，对上述目标视频进行抽帧处理，得到候选视频；对上述候选视频进行对象检测，以生成对象描述信息，得到对象描述信息集合，其中，上述对象描述信息集合中的对象描述信息包括：候选对象面部特征向量和对象动作特征向量；从上述对象描述信息集合中筛选出满足筛选条件的对象描述信息，作为目标对象描述信息，其中，上述筛选条件为：上述活体对象信息包括的活体对象面部特征向量与对象描述信息包括的候选对象面部特征向量的面部特征相似度大于第一预设相似度；响应于确定动作相似度大于第二预设相似度、且打卡时间位于预设打卡时间段内，向目标终端发送打卡成功提示信息，其中，上述动作相似度是上述目标对象描述信息包括的对象动作特征向量与标准动作特征向量之间的相似度。
[0012]第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
[0013]第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
[0014]本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的打卡方法提高了打卡准确度。具体来说造成打卡机精度较差的原因在于：第一，针对单张图像进行识别的方式，无法有效地确定打卡对象是否为活体，导致打卡准确度较差；第二，当图像中包含多个打卡对象时，无法进行有效地打卡对象识别。基于此，本公开的一些实施例的打卡方法，首先，响应于检测到当前帧图像包括人脸，获取目标视频，其中，上述目标视频中的初始帧图像为上述当前帧图像。以此，得到一段包含有人脸的视频。其次，对上述目标视频进行活体对象检测，以生成检测信息，其中，上述检测信息包括：活体对象信息组，上述活体对象信息组中的活体对象信息包括：活体对象面部特征向量和活体对象位置组，活体对象位置组表征相同活体对象所在的帧图像在上述目标视频中的位置。以此，得到目标视频中包含的活体对象，以及在目标视频中出现的位置。通过结合视频(即，多张图像)，以及活体识别，避免了针对单张图像进行识别，所导致的无法有效地确定打卡对象是否为活体的问题。接着，对于上述活体对象信息组中的每个活体对象信息，执行以下处理步骤：第一步，根据上述活体对象信息包括的活体对象位置组，对上述目标视频进行抽帧处理，得到候选视频。以此得到出现活体对象信息对应的活体对象的子视频(候选视频)。第二步，对上述候选视频进行对象检测，以生成对象描述信息，得到对象描述信息集合，其中，上述对象描述信息集合中的对象描述信息包括：候选对象面部特征向量和对象动作特征向量。以此得到子视频包含的对象的面部特征和动作特征。第三步，从上述对象描述信息集合中筛选出满足筛选条件的对象描述信息，作为目标对象描述信息，其中，上述筛选条件为：上述活体对象信
息包括的活体对象面部特征向量与对象描述信息包括的候选对象面部特征向量的面部特征相似度大于第一预设相似度。实践中，由于图像中可能存在多个打卡对象，因此，可以通过确定活体对象面部特征向量与面部特征向量相似度方式，以此得到与活体对象信息对应的对象。第四步，响应于确定动作相似度大于第二预设相似度、且打卡时间位于预设打卡时间段内，向目标终端发送打卡成功提示信息，其中，上述动作相似度是上述目标对象描述信息包括的对象动作特征向量与标准动作特征向量之间的相似度。即动作匹配度也满足打卡条件，则生成打卡成功提示信息。通过结合动作特征，相较于仅使用面部本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种打卡方法，包括：响应于检测到当前帧图像包括人脸，获取目标视频，其中，所述目标视频中的初始帧图像为所述当前帧图像；对所述目标视频进行活体对象检测，以生成检测信息，其中，所述检测信息包括：活体对象信息组，所述活体对象信息组中的活体对象信息包括：活体对象面部特征向量和活体对象位置组，活体对象位置组表征相同活体对象所在的帧图像在所述目标视频中的位置；对于所述活体对象信息组中的每个活体对象信息，执行以下处理步骤：根据所述活体对象信息包括的活体对象位置组，对所述目标视频进行抽帧处理，得到候选视频；对所述候选视频进行对象检测，以生成对象描述信息，得到对象描述信息集合，其中，所述对象描述信息集合中的对象描述信息包括：候选对象面部特征向量和对象动作特征向量；从所述对象描述信息集合中筛选出满足筛选条件的对象描述信息，作为目标对象描述信息，其中，所述筛选条件为：所述活体对象信息包括的活体对象面部特征向量与对象描述信息包括的候选对象面部特征向量的面部特征相似度大于第一预设相似度；响应于确定动作相似度大于第二预设相似度、且打卡时间位于预设打卡时间段内，向目标终端发送打卡成功提示信息，其中，所述动作相似度是所述目标对象描述信息包括的对象动作特征向量与标准动作特征向量之间的相似度。2.根据权利要求1所述的方法，其中，在所述响应于确定动作相似度大于第二预设相似度、且打卡时间位于预设打卡时间段内，向目标终端发送打卡成功提示信息之后，所述方法还包括：响应于确定所述动作相似度小于等于所述第二预设相似度、且所述打卡时间位于所述预设打卡时间段内，向目标终端发送第一打卡失败提示信息，其中，所述第一打卡失败提示信息用于提示动作匹配失败；响应于所述打卡时间未位于所述预设打卡时间段内，向所述目标终端发送第二打卡失败提示信息，其中，所述第二打卡失败提示信息用于提示未在打卡时间段内。3.根据权利要求2所述的方法，其中，所述对所述目标视频进行活体对象检测，以生成检测信息，包括：将所述目标视频输入预先训练的活体检测模型，以生成活体检测结果，其中，所述活体检测结果包括：活体对象初始信息组，活体对象初始信息包括：初始帧图像位置和活体对象初始位置，其中，初始帧图像位置表征包括活体对象初始信息对应的活体对象的初始帧图像在所述目标视频中的位置，活体对象初始位置表征活体对象初始信息对应的活体对象在对应的初始帧图像中的位置；对于所述活体对象初始信息组中的每个活体对象初始信息，执行以下检测步骤：通过预先训练的对象面部特征提取模型，对目标图像对应的、所述活体对象初始信息包括的初始帧图像位置进行面部特征提取，以生成活体对象信息包括的活体对象面部特征向量；以所述活体对象初始信息包括的初始帧图像位置为初始位置，将包含有目标活体对象的帧图像的位置，确定为活体对象位置，得到所述活体对象信息包括的活体对象位置组，其
中，所述目标活体对象是所述活体对象初始信息对应的活体对象。4.根据权利要求3所述的方法，其中，所述对所述候选视频进行对象检测，以生成对象描述信息，得到对象描述信息集合，包括：通过所述对象面部特征提取模型，对所述候选视频进行对象检测，以生成对象描述信息集合中的对象描述信息包括的候选对象面部特征向量；对于所述对象描述信息集合中的每个对象描述信息，通过预先训练的动作特征提取模型，对所述对象描述信息包括的候选对象面部特征向量对应的帧图像进行动作特征提取，以生成所述对象描述信息包括的对象动作特征向量。5.根据权利要求4所述的方法，其中，所述动作特征提取模型包括：动作识别模型和动作编码模型；以及所述通过预先训练的动作特征提取模型，对所述对象描述信息包括的候选对象面部特征向量对应的帧图像进行动作特征提取，以生成所述对象描述信息包括的对象动作特征向量，包括：通过所述动作识别模型对象描述信息包括的候选对象面部特...

【专利技术属性】
技术研发人员：吴冬伟，李浩浩，刘忠平，刘子雪，孙国亮，
申请(专利权)人：海易科技北京有限公司，
类型：发明
国别省市：