[发明专利]一种基于视觉头部检测的自动考勤方法

权利要求书

1.一种基于视觉头部检测的自动考勤方法，其特征在于，包括以下步骤：

(1)、头部检测

首先，摄像头对考勤的区域进行图像采集，并对采集图像进行差分运动检测预处理，以增强运动物体的轮廓，接着，增强后的图像被送入头部检测深度学习神经网络，先经过卷积层提取图像特征，然后经过全连接层生成对应头部坐标的张量，最后张量被解析成为头部坐标；

(2)、工位区域构建

按照步骤(1)，对考勤区域进行一段时间的图像采集，对每张考勤图像进行头部检测，得到一系列头部坐标并构成一个对应的人头坐标点，将所有考勤图像的人头坐标点集中的头部坐标绘制在同一张图上，得到一张用于工位区域分割的散点图S；

在散点图S中，通过膨胀腐蚀算法优化每个头部坐标点集聚区域，确定工位，从而实现工位区域的分割；

(3)、考勤

按照步骤(1)，对考勤区域进行实时图像采集，对获得的考勤图像进行头部检测，得到一系列头部坐标；

将每个头部坐标与步骤(2)得到的每个工位区域进行位置判断，看每个工位区域是否有头部坐标落入其中，如果落入，则该工位区域有人员出勤，否则，该工位区域没有人员出勤。

2.根据权利要求1所述的自动考勤方法，其特征在于，步骤(1)中，所述卷积层摘取自GoogLeNet的前20层，利用它的输出可以降低输入到全连接层的维度，同时可以帮助头部检测神经网络更好的理解图像的特征，获得更优秀的性能；

增强后的图像分割成R*R格，其中R＝13，全连接层利用卷积神经网络的输出，生成(R*R*3)个特征，特征反映了每个小格中的3个信息，分别是小格中存在人头的概率p以及人头在小格中的横坐标x和纵坐标y，取一个p的阈值，过滤后的特征便被解析成为了头部检测算法的结果。

3.根据权利要求1所述的自动考勤方法，其特征在于，步骤(1)中，通过构造一个损失函数L来训练全连接层，训练的过程是通过梯度下降使损失函数最小化的过程；

其中，训练集提供了每幅图像人为标定的(R*R*3)个参数，标定规则为：如果第i个小格中存在人头，则x_i,y_i为人头横纵坐标，p_i＝1，如果第i个小格中不存在人头，则x_i,y_i,p_i皆为0。