System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及人脸识别考勤,具体为一种基于多特征人脸识别的考勤方法、系统、设备及存储介质。
技术介绍
1、人脸识别,是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部识别的一系列相关技术,通常也叫做人像识别、面部识别,现有的企业通常将人脸识别用于员工的考勤,从而获取员工是否迟到或早退等情况。
2、现有的用于考勤方面的人脸识别的相关改进,通常是在人脸识别的准确性以及防止虚假考勤方面的改进,比如在申请公开号为cn103984941a的中国专利中,公开了人脸识别考勤方法及其装置,该方案就是通过获取人的正面与侧面人脸图像,而后对采集到的正面和侧面两个方向的人脸图像进行匹配,在不影响人脸考勤机的识别准确率和效率的情况下,快速有效的克服利用照片虚假考勤的问题,而其他的用于人脸识别方面的改进,通常是对人脸考勤机的装置进行改进,现有的改进中缺少对利用已有照片等数据库材料进行虚假考勤的有效识别区分方法,这会导致当考勤人员使用已有的照片或图像在人脸考勤机进行人脸识别时,人脸考勤机无法有效判断是否为虚假考勤,从而影响对实际的考勤判断,鉴于此,有必要对现有的用于考勤方面的人脸识别技术进行改进。
技术实现思路
1、本专利技术旨在至少在一定程度上解决现有技术中的技术问题之一,通过
2、提出一种基于多特征人脸识别的考勤方法、系统、设备及存储介质,用于解决现有技术中缺少对利用已有照片等数
3、为实现上述目的,第一方面,本专利技术提供一种基于多特征人脸识别的考勤方法,包括:
4、使用ai识别获取已记录的多个人脸数据,并将多个人脸数据分别记为人脸信息1至人脸信息n;
5、使用特性信息提取法对所有人脸信息进行特征提取,将提取结果记为人脸信息的标准环境特征;
6、基于每个人脸信息的标准环境特征在人脸信息进行考勤登记时使用特征区分方法进行判断;
7、基于判断结果对考勤情况进行调整。
8、进一步地,使用特性信息提取法对所有人脸信息进行特征提取,将提取结果记为人脸信息的标准环境特征包括:
9、对于人脸信息1至人脸信息n中的任意一个人脸信息n1,获取人脸信息n1的所有考勤记录,将每次考勤记录中的人脸识别图片依次记为历史考勤图片1至历史考勤图片m,使用特征信息提取法获取每个历史考勤图片的图片特征信息,将历史考勤图片1至历史考勤图片m的图片特征信息记为人脸信息n1的标准环境特征。
10、进一步地,特征信息提取法包括:
11、对于历史考勤图片1至历史考勤图片m中的任意一个历史考勤图片m1,使用ai识别获取历史考勤图片m1中人脸所处的区域并标记为人脸区域m1;
12、对历史考勤图片m1进行灰度化处理,将灰度化处理后的历史考勤图片m1记为灰度化考勤图片m1,对于灰度化考勤图片m1中的所有像素点,将灰度值小于标准灰度值的像素点记为深度像素点,将灰度值大于等于标准灰度值的像素点记为浅度像素点;
13、将灰度化考勤图片m1中的所有深度像素点的灰度值设置为一级灰度值,将灰度化考勤图片中的所有浅度像素点的灰度值设置为二级灰度值;
14、使用边缘检测算法对灰度化考勤图片m1中的像素点进行边缘检测,并基于检测结果获取灰度化考勤图片m1中多个轮廓,将灰度化考勤图片m1中不与人脸区域m1重合的轮廓依次记为标准考勤轮廓1至标准考勤轮廓j。
15、进一步地,特征信息提取法还包括:
16、使用matlab获取人脸区域m1的最小外接矩形,记为人脸矩形m1,将人脸矩形m1的两条对角线的交点记为人脸中心点m1;
17、使用matlab依次获取标准考勤轮廓1至标准考勤轮廓j的最小外接矩形,记为环境矩形1至环境矩形j,将环境矩形1至环境矩形j的两条对角线的交点依次记为环境中心点1至环境中心点j;
18、对于任意一个环境中心点j1,将环境中心点j1与人脸中心点m1等比例放入平面直角坐标系中,其中,平面直角坐标系的x轴以及y轴单位均为cm,将环境中心点j1的坐标记为(q1,q2),将人脸中心点m1的坐标记为(p1,p2),将环境中心点j1与人脸中心点m1的连线为记为关联线,当关联线与x轴平行时,将环境中心点j1的偏移角度记为0°,将环境中心点j1的偏移距离记为q1-q2;
19、当关联线与y轴平行时,将环境中心点j1的偏移角度记为90°,将环境中心点j1的偏移距离记为q2-p2;
20、当关联线不与x轴平行且关联线不与y轴平行时,在人脸中心点m1做与x轴平行的直线,记为直角线1,在环境中心点j1做与y轴平行的直线,记为直角线2,将直角线1、直角线2以及关联线构成的直角三角形记为偏移三角形,使用公式α=arctan(t1/t2)求得环境中心点j1的偏移角度,记为αj1,将关联线的长度记为环境中心点j1的偏移距离,其中,t1为偏移三角形中人脸中心点m1对应的直角边,t2为偏移三角形中环境中心点j1对应的直角边;
21、获取所有环境中心点关于人脸中心点m1的所有偏移角度以及偏移距离,并记为历史考勤图片m1的图片特征信息。
22、进一步地,基于每个人脸信息的标准环境特征在人脸信息进行考勤登记时使用特征区分方法进行判断包括:
23、当任意一个人脸使用人脸识别进行考勤时,获取该人脸的人脸信息,当人脸信息为未录入人脸时,发送未注册信号;
24、当人脸信息为已录入人脸时,获取人脸信息对应的人脸识别图片,记为实时识别图片,使用特征区分方法对实时识别图片进行特征区分处理,当特征区分方法的分析结果为新型特征时,发送新型特征信号。
25、当特征区分方法的分析结果为旧型特征时,发送旧型特征信号。
26、进一步地,特征区分方法包括:
27、使用特征信息提取法获取实时识别图片的图片特征信息,记为待定特征信息;
28、获取实时识别图片对应的人脸信息的标准环境特征,记为标准比对特征;
29、对于标准比对特征中的任意一个图片特征信息k1,获取图片特征信息k1中所有环境中心点的偏移角度以及偏移距离,当图片特征信息k1中的任意一个环境中心点的偏移角度以及偏移距离等于待定特征信息中的任意一个环境中心点的偏移角度以及偏移距离时,将图片特征信息k1的相似值加1,其中,在获取到标准比对特征时为标准比对特征中的所有图片特征信息均设置相似值且相似值的初始值均为0;
30、当标准比对特征中的所有图片特征信息均与待定特征信息进行比对后,当标准比对特征的任意一个图片特征信息的相似值大于等于标准相似值时,将特征区分方法的分析结果记为旧型特征;
...【技术保护点】
1.一种基于多特征人脸识别的考勤方法,其特征在于,包括:
2.根据权利要求1所述的一种基于多特征人脸识别的考勤方法,其特征在于,使用特性信息提取法对所有人脸信息进行特征提取,将提取结果记为人脸信息的标准环境特征包括:
3.根据权利要求2所述的一种基于多特征人脸识别的考勤方法,其特征在于,特征信息提取法包括:
4.根据权利要求3所述的一种基于多特征人脸识别的考勤方法,其特征在于,特征信息提取法还包括:
5.根据权利要求4所述的一种基于多特征人脸识别的考勤方法,其特征在于,基于每个人脸信息的标准环境特征在人脸信息进行考勤登记时使用特征区分方法进行判断包括:
6.根据权利要求5所述的一种基于多特征人脸识别的考勤方法,其特征在于,特征区分方法包括:
7.根据权利要求6所述的一种基于多特征人脸识别的考勤方法,其特征在于,基于判断结果对考勤情况进行调整包括:
8.适用于权利要求1-7任意一项所述的一种基于多特征人脸识别的考勤方法的系统,其特征在于,包括人脸信息记录模块、特征信息提取模块、考勤录入比对模块以及执
9.一种电子设备,其特征在于,包括处理器以及存储器,所述存储器存储有计算机可读取指令,当所述计算机可读取指令由所述处理器执行时,运行如权利要求1-7任一项所述方法中的步骤。
10.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,运行如权利要求1-7任一项所述方法中的步骤。
...【技术特征摘要】
1.一种基于多特征人脸识别的考勤方法,其特征在于,包括:
2.根据权利要求1所述的一种基于多特征人脸识别的考勤方法,其特征在于,使用特性信息提取法对所有人脸信息进行特征提取,将提取结果记为人脸信息的标准环境特征包括:
3.根据权利要求2所述的一种基于多特征人脸识别的考勤方法,其特征在于,特征信息提取法包括:
4.根据权利要求3所述的一种基于多特征人脸识别的考勤方法,其特征在于,特征信息提取法还包括:
5.根据权利要求4所述的一种基于多特征人脸识别的考勤方法,其特征在于,基于每个人脸信息的标准环境特征在人脸信息进行考勤登记时使用特征区分方法进行判断包括:
6.根据权利要求5所述的一种基于多特征人脸识别...
【专利技术属性】
技术研发人员:易思浩,
申请(专利权)人:北京华创互联科技股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。