[发明专利]多人人脸识别考勤系统及其考勤方法在审

专利信息
申请号: 201711459514.3 申请日: 2017-12-28
公开(公告)号: CN108022318A 公开(公告)日: 2018-05-11
发明(设计)人: 李伟 申请(专利权)人: 上海享服信息技术有限公司
主分类号: G07C1/10 分类号: G07C1/10;G06K9/00
代理公司: 上海唯源专利代理有限公司 31229 代理人: 曾耀先
地址: 200001 上海市黄浦区*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 人人 识别 考勤 系统 及其 方法
【说明书】:

发明提供了一种多人人脸识别考勤系统及其考勤方法,方法包括:记录学生信息和制定考勤现场的排课计划,并将所述学生信息和所述排课计划上传至考勤数据库;根据制定的排课计划,自动采集考勤现场的全景图像文件,并将采集的所述全景图像文件上传至所述考勤数据库;对上传至所述考勤数据库中的所述全景图像文件进行人脸识别处理,切分出所述全景图像文件中的每张人脸图像,对切分出的每张人脸图像与所述考勤数据库中记录的所述学生信息进行匹配,并将匹配结果输出至所述考勤数据库中,建立考勤关系。本发明只需要通过一张现场的全景图像文件,就可以对现场的所有出席人员(N个人)进行自动的身份识别,同时,对缺勤的人员也实现了识别与统计。

技术领域

本发明涉及考勤系统,尤其涉及一种多人人脸识别考勤系统及其考勤方法。

背景技术

目前的基于人脸识别的考勤方法主要为采用传统的主成分分析法对检测到的人脸进行识别。考勤者进入考勤系统后,系统判断其人脸数据是否存在于数据库中,若存在,则直接对其进行识别,并将本次检测结果加入数据库。若不存在,则需先对其进行人脸数据采集。该方法的实现需要在识别前对考勤者逐个采集人脸数据。

然而,实际情况中,考勤人员数量较多,若逐一采集人脸数据,将耗费大量时间,数据采集效率低。而且,该方法要求考勤者自主完成人脸数据的采集,难以保证所采集人脸数据的质量。此外,该方法在进行人脸识别时的背景简单、光照稳定、人脸表情单一,然而在实际考勤中,考勤人员较多,背景、光照、姿态和表情等变化非常复杂,传统的基于主成分分析的人脸识别方法在实际复杂情况下识别率较差。

发明内容

鉴于上述现有技术中存在或潜在的不足之处,本发明提供了一种多人人脸识别考勤系统及其考勤方法,只需要通过一种现场的全景图像文件,就可以对现场的所有出席人员(N个人)进行自动的身份识别。

为实现上述技术效果,本发明的第一方面提供了一种多人人脸识别考勤方法,其包括:

记录学生信息和制定考勤现场的排课计划,并将所述学生信息和所述排课计划上传至考勤数据库;

根据制定的排课计划,自动采集考勤现场的全景图像文件,并将采集的所述全景图像文件上传至所述考勤数据库;以及

对上传至所述考勤数据库中的所述全景图像文件进行人脸识别处理,切分出所述全景图像文件中的每张人脸图像,对切分出的每张人脸图像与所述考勤数据库中记录的所述学生信息进行匹配,并将匹配结果输出至所述考勤数据库中,建立考勤关系。

所述多人人脸识别考勤方法进一步的改进在于,记录所述学生信息的步骤,进一步包括:通过自助设备读取学生的证件,自助提取学生信息。

所述多人人脸识别考勤方法进一步的改进在于,记录所述学生信息的步骤,进一步包括:登录所述考勤数据库,手工录入学生信息。

所述多人人脸识别考勤方法进一步的改进在于,所述学生信息至少包括:学生ID信息和人脸图像。

所述多人人脸识别考勤方法进一步的改进在于,制定所述排课计划的步骤,进一步包括:统计每个考勤现场的课程信息和学生的选课信息,建立考勤现场、课程信息和学生的选课信息的唯一对应关系。

所述多人人脸识别考勤方法进一步的改进在于,所述人脸识别处理的步骤,进一步包括:采用基于深度学习的目标检测方法对上传的所述全景图像文件中的人脸图像进行检测、定位;

并且,所述切分出所述全景图像文件中的每张人脸图像的步骤,包括:

将所述全景图像文件中已检测出的所述人脸图像进行切图、编码和归档。

所述多人人脸识别考勤方法进一步的改进在于,所述考勤关系至少包括:上传至所述考勤数据库中的所述全景图像文件中的每张人脸图像与学生信息的匹配关系;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海享服信息技术有限公司,未经上海享服信息技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201711459514.3/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top