[发明专利]一种基于人脸识别的考勤方法及系统在审

专利信息
申请号: 201811007563.8 申请日: 2018-08-31
公开(公告)号: CN109255851A 公开(公告)日: 2019-01-22
发明(设计)人: 朱彬;高树超 申请(专利权)人: 镇江赛唯思智能科技有限公司
主分类号: G07C1/10 分类号: G07C1/10;G06K9/00;G06K9/46
代理公司: 镇江基德专利代理事务所(普通合伙) 32306 代理人: 马振华
地址: 212200 江苏省镇*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 考勤 特征码 人脸图像数据 人脸识别 读取 记录 采集 开门 人员进出信息 图形化形式 开门信号 控制区域 人员管理 不一致 准确率 比对 人脸 申请 数据库 存储 发送 管理
【说明书】:

发明提供一种基于人脸识别的考勤方法及系统,其中,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。本发明通过人脸识别的模式,方便了人员的考勤与管理,其具有较高的识别效率以及准确率,方便了考勤人员进入到指定区域,有利于人员管理以及提高所控制区域的安全性。

技术领域

本发明涉及考勤技术领域,尤其涉及一种基于人脸识别的考勤方法及系统。

背景技术

考勤系统是指一套管理公司的员工的上下班考勤记录等相关情况的管理系统。是考勤软件与考勤硬件结合的产品,一般为HR部门使用,掌握并管理企业的员工出勤动态。然而,现有的考勤系统主要基于刷卡或者指纹识别的方式对员工进行考勤。其中,刷卡的方式存在代刷的问题,而指纹识别的方式存在指纹识别不准确,有时需要多次指纹验证才能完成人员考勤。因此,针对上述问题,有必要提出进一步地解决方案。

发明内容

本发明的目的在于提供一种基于人脸识别的考勤方法及系统,以克服现有技术中存在的不足。

为实现上述发明目的,本发明提供一种基于人脸识别的考勤方法,其包括如下步骤:

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。

作为本发明的基于人脸识别的考勤方法的改进,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。

作为本发明的基于人脸识别的考勤方法的改进,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,αp是局部α,αo是全局α。

作为本发明的基于人脸识别的考勤方法的改进,所述梯度直方图扩展按照如下方法计算:

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镇江赛唯思智能科技有限公司,未经镇江赛唯思智能科技有限公司许可,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/201811007563.8/2.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