企业员工信息智能管理系统及其方法技术方案

本申请涉及智能识别领域，其具体地公开了一种企业员工信息智能管理系统及其方法，其采用基于深度学习的人工智能技术，通过对员工人脸特征和虹膜特征进行提取并融合以得到员工身份的相关信息，并根据相关身份信息完成对应员工上班打卡记录的功能

【技术实现步骤摘要】
企业员工信息智能管理系统及其方法


[0001]本申请涉及智能识别领域，且更为具体地，涉及一种企业员工信息智能管理系统及其方法
。

技术介绍

[0002]企业员工信息管理是指对企业员工的基本信息
、
工作经历
、
薪酬
、
考勤
、
绩效等方面进行全面的管理和记录
。
这些信息对于企业的人力资源管理和运营至关重要
。
在现有的企业员工信息管理中，员工的考勤是非常重要的一部分，通常情况下，企业会使用专门的考勤系统来管理员工的考勤信息，企业会根据考勤信息来了解员工的工作状况，也会根据考勤信息进行相应的管理和决策
。
在实际应用中，员工考勤数据的收集存在一些问题，比如刷卡打卡容易出现员工作弊等问题，普通的人脸识别打卡受光线
、
角度等影响可能会导致识别出错，出现误打卡的情况
。
[0003]因此，需要一种优化的企业员工信息智能管理方案
。

技术实现思路

[0004]为了解决上述技术问题，提出了本申请
。
本申请的实施例提供了一种企业员工信息智能管理系统及其方法，其采用基于深度学习的人工智能技术，通过对员工人脸特征和虹膜特征进行提取并融合以得到员工身份的相关信息，并根据相关身份信息完成对应员工上班打卡记录的功能
。
这样，可以有效记录员工考勤，避免其他方式易造成的错误
、
作弊等情况
。
[0005]根据本申请的一个方面，提供了一种企业员工信息智能管理系统，其包括：
[0006]人脸图像数据获取模块，用于获取由摄像头拍摄的人脸图像；
[0007]人脸特征提取模块，用于将所述人脸图像通过作为人脸检测网络的第一卷积神经网络模型以得到人脸特征图；
[0008]眼球区域提取模块，用于基于眼球在所述人脸图像中的位置，从所述人脸图像提取眼球区域；
[0009]区域图像增强模块，用于将所述眼球区域通过生成器以得到清晰度增强的生成眼球区域图像；
[0010]虹膜特征提取模块，用于将所述生成眼球区域图像通过具有显著性检测模块的第二卷积神经网络模型以得到虹膜特征图；
[0011]特征融合模块，用于融合所述人脸特征图和所述虹膜特征图以生成分类特征图；
[0012]人脸识别结果判断模块，用于将所述分类特征图通过分类器来进行分类，所述分类结果用于表示待检测人脸是否属于数据库中的对象；以及员工账号关联打卡模块，用于以所述对象所关联的账号来完成上班打卡
。
[0013]在上述企业员工信息智能管理系统中，所述人脸特征提取模块，进一步用于：使用所述作为人脸检测网络的第一卷积神经网络模型的各层在层的正向传递中分别进行：对输
入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于局部特征矩阵的均值池化以得到池化特征图；以及，对所述池化特征图进行非线性激活以得到激活特征图；其中，所述作为人脸检测网络的第一卷积神经网络模型的最后一层的输出为所述人脸特征图，所述作为人脸检测网络的第一卷积神经网络模型的第一层的输入为所述人脸图像
。
[0014]在上述企业员工信息智能管理系统中，所述区域图像增强模块，用于：将所述眼球区域输入所述生成器以由所述生成器对所述眼球区域进行反卷积处理以得到所述生成眼球区域图像
。
[0015]在上述企业员工信息智能管理系统中，所述虹膜特征提取模块，包括：浅层特征提取单元，用于在所述第二卷积神经网络模型的浅层添加显著性特征检测器以得到浅层特征图；深层特征提取单元，用于从所述第二卷积神经网络模型的最后一层得到深层特征图；注意力掩码图生成单元，用于计算所述浅层特征图与所述深层特征图之间的按位置距离以生成注意力掩码图；以及，虹膜特征图生成单元，用于将所述注意力掩码图与所述深层特征图进行按位置点乘以得到所述虹膜特征图
。
[0016]在上述企业员工信息智能管理系统中，所述特征融合模块，包括
:KL
散度值计算单元，用于计算所述人脸特征图的沿通道维度的各个特征矩阵与所述虹膜特征图的沿通道维度的各个特征矩阵之间的
KL
散度以得到多个
KL
散度值；几何相似度计算单元，用于计算所述多个
KL
散度值的加和值作为所述人脸特征图的沿通道维度的各个特征矩阵相对于所述虹膜特征图的全局特征分布的几何相似度；几何相似度排列单元，用于将所述人脸特征图的沿通道维度的各个特征矩阵相对于所述虹膜特征图的全局特征分布的几何相似度排列为几何相似度全局输入向量；概率计算单元，用于将所述几何相似度全局输入向量输入
Softmax
函数以得到概率化几何相似度全局特征向量；以及，分类特征图生成单元，用于以所述概率化几何相似度全局特征向量中各个位置的特征值作为权重值来融合所述人脸特征图和所述虹膜特征图以得到所述分类特征图
。
[0017]在上述企业员工信息智能管理系统中，所述人脸识别结果判断模块，用于：使用所述分类器以如下分类公式对所述分类特征图进行处理以生成所述分类结果；其中，所述分类公式为：
[0018]O
＝
softmax{(W
n
,B
n
):
…
:(W1,B1)|Project(F
c
)}
[0019]其中
O
为所述分类结果，
Project(F
c
)
表示将所述分类特征图投影为向量，
W1至
W
n
为各层全连接层的权重矩阵，
B1至
B
n
表示各层全连接层的偏置向量，
softmax
为归一化指数函数
。
[0020]根据本申请的另一方面，提供了一种企业员工信息智能管理方法，其包括：
[0021]获取由摄像头拍摄的人脸图像；
[0022]将所述人脸图像通过作为人脸检测网络的第一卷积神经网络模型以得到人脸特征图；
[0023]基于眼球在所述人脸图像中的位置，从所述人脸图像提取眼球区域；
[0024]将所述眼球区域通过生成器以得到清晰度增强的生成眼球区域图像；
[0025]将所述生成眼球区域图像通过具有显著性检测模块的第二卷积神经网络模型以得到虹膜特征图；
[0026]融合所述人脸特征图和所述虹膜特征图以生成分类特征图；
[0027]将所述分类特征图通过分类器来进行分类，所述分类结果用于表示待检测人脸是否属于数据库中的对象；以及
[0028]以所述对象所关联的账号来完成上班打卡
。
[0029]根据本申请的再一方面，提供了一种电子设备，包括：处理器；以及，存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在被所述处本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种企业员工信息智能管理系统，其特征在于，包括：人脸图像数据获取模块，用于获取由摄像头拍摄的人脸图像；人脸特征提取模块，用于将所述人脸图像通过作为人脸检测网络的第一卷积神经网络模型以得到人脸特征图；眼球区域提取模块，用于基于眼球在所述人脸图像中的位置，从所述人脸图像提取眼球区域；区域图像增强模块，用于将所述眼球区域通过生成器以得到清晰度增强的生成眼球区域图像；虹膜特征提取模块，用于将所述生成眼球区域图像通过具有显著性检测模块的第二卷积神经网络模型以得到虹膜特征图；特征融合模块，用于融合所述人脸特征图和所述虹膜特征图以生成分类特征图；人脸识别结果判断模块，用于将所述分类特征图通过分类器来进行分类，所述分类结果用于表示待检测人脸是否属于数据库中的对象；以及员工账号关联打卡模块，用于以所述对象所关联的账号来完成上班打卡
。2.
根据权利要求1所述的企业员工信息智能管理系统，其特征在于，所述人脸特征提取模块，进一步用于：使用所述作为人脸检测网络的第一卷积神经网络模型的各层在层的正向传递中分别进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于局部特征矩阵的均值池化以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；其中，所述作为人脸检测网络的第一卷积神经网络模型的最后一层的输出为所述人脸特征图，所述作为人脸检测网络的第一卷积神经网络模型的第一层的输入为所述人脸图像
。3.
根据权利要求2所述的企业员工信息智能管理系统，其特征在于，所述区域图像增强模块，用于：将所述眼球区域输入所述生成器以由所述生成器对所述眼球区域进行反卷积处理以得到所述生成眼球区域图像
。4.
根据权利要求3所述的企业员工信息智能管理系统，其特征在于，所述虹膜特征提取模块，包括：浅层特征提取单元，用于在所述第二卷积神经网络模型的浅层添加显著性特征检测器以得到浅层特征图；深层特征提取单元，用于从所述第二卷积神经网络模型的最后一层得到深层特征图；注意力掩码图生成单元，用于计算所述浅层特征图与所述深层特征图之间的按位置距离以生成注意力掩码图；以及虹膜特征图生成单元，用于将所述注意力掩码图与所述深层特征图进行按位置点乘以得到所述虹膜特征图
。5.
根据权利要求4所述的企业员工信息智能管理系统，其特征在于，所述特征融合模块，包括
:KL
散度值计算单元，用于计算所述人脸特征图的沿通道维度的各个特征矩阵与所述虹
膜特征图的沿通道维度的各个特征矩阵之间的
KL
散度以得到多个
KL
散度值；几何相似度计算单元，用于计算所述多个
KL
散度值的加和值作为所述人脸特征图的沿通道维度的各个特征矩阵相对于所述虹膜特征图的全局特征分布的几何相似度；几何相似度排列单元，用于将所述人脸特征图的沿通道维度的各个特征矩阵相对于所述虹膜特征图的全局特征分布的几何相似度排列为几何相似度全局输入向量；概率计算单元，用于将所述几何相似度全局输入向量输入
Softmax
函数以得到概率化几何相似度全局特征向量；以及分类特征图生成单元，用于以所述概率化几何相似度全局特征向量中各个位置的特征值作为权重值来融合所述人脸特征图和所述虹膜特征图以得到所述分类特征图
。6.
根据权利要求5所述的企业员工信息智能管理系统，其特征在于，所述人脸识别结果判断模块，用于：使用所述分类器以如下分类公式对所述分类特征图...

【专利技术属性】
技术研发人员：叶晨珠，
申请(专利权)人：杭州勇冠网络科技有限公司，
类型：发明
国别省市：