[发明专利]一种基于人脸识别的考勤方法及系统

权利要求书

1.一种基于人脸识别的考勤方法，其特征在于，所述考勤方法包括如下步骤：

S1、预读取存储于数据库中的考勤人员人脸的特征码；

S2、采集申请开门人员的人脸图像数据，并提取人脸图像数据中特征码；

S3、将提取的特征码与预先读取的特征码进行比对，当二者的阈值不一致时，不记录人员的进出信息，并重新采集申请开门人员的人脸图像数据，否则，执行步骤S3；

S4、记录人员的进出信息，并发送开门信号；

S5、对记录的人员进出信息进行汇总，并以图形化形式进行显示。

2.根据权利要求1所述的基于人脸识别的考勤方法，其特征在于，所述步骤S2还包括对采集的人脸图像数据进行过滤处理：

S21、根据采集的人脸图像数据，计算局部能量谱梯度、梯度直方图扩展和最大色度饱和；

S22、根据计算得到的局部能量谱梯度、梯度直方图扩展和最大色度饱和，统计出整幅图像中模糊像素的比例，对人脸图像数据进行有效的过滤。

3.根据权利要求2所述的基于人脸识别的考勤方法，其特征在于，所述局部能量谱梯度按照如下方法计算：

先用离散傅里叶变换计算NxN大小图像的能量谱：

然后转换至极坐标u＝fcosθ，v＝fsinθ，并计算S(f,θ)，得到：

其中，A是一个各个方向上的幅度因子，α是能量谱斜率，大量的研究表明，自然图像中α约为2，模糊的图像有较大的α。因此图像的局部模糊程度可以描述为局部与全局α值的比例差异

其中，α_p是局部α，α_o是全局α。

4.根据权利要求2所述的基于人脸识别的考勤方法，其特征在于，所述梯度直方图扩展按照如下方法计算：

先计算图像每个像素的梯度，然后用含有两个高斯的高斯混合模型描述局部的梯度分布：π₀G(x；μ₀，σ₀)+π₁G(x；μ₁，σ₁)，其中σ₁>σ₀；

根据梯度分布，梯度直方图扩展的具体计算公式为

其中，C_p是局部图像灰度值范围，ε是防止除零的极小数，τ是一个常数，取25。

5.根据据权利要求2所述的基于人脸识别的考勤方法，其特征在于，所述最大色度饱和按照如下方法计算：

先计算每个像素的饱和度：

然后使用以下公式比较局部饱和度最大值和全局饱和度最大值，得到最大色度饱和：

其中，max(s_p)是局部图像块中饱和度最大值，max(s_o)是全局图像中饱和度最大值。

6.一种基于人脸识别的的考勤系统，其特征在于，所述的考勤系统包括：存储模块、提取模块、人脸图像数据采集模块、识别模块、处理模块；

所述存储模块存储数据库中的考勤人员人脸的特征码；

所述提取模块预读取存储于数据库中的考勤人员人脸的特征码；

所述人脸图像数据采集模块采集申请开门人员的人脸图像数据，并提取人脸图像数据中特征码；

所述识别模将提取的特征码与预先读取的特征码进行比对，当二者的阈值不一致时，不记录人员的进出信息，并重新采集申请开门人员的人脸图像数据，否则，记录人员的进出信息，并发送开门信号；

所述处理模块对记录的人员进出信息进行汇总，并以图形化形式进行显示。

7.根据权利要求6所述的基于人脸识别的的考勤系统，其特征在于，所述人脸图像数据采集模块还对采集的人脸图像数据进行过滤处理：

所述人脸图像数据采集模块根据采集的人脸图像数据，计算局部能量谱梯度、梯度直方图扩展和最大色度饱和，并根据计算得到的局部能量谱梯度、梯度直方图扩展和最大色度饱和，统计出整幅图像中模糊像素的比例，对人脸图像数据进行有效的过滤。