[发明专利]一种基于姿态识别的考勤系统

权利要求书

1.一种基于姿态识别的考勤系统，所述考勤系统包括：

监控模块；

姿态识别模块，所述姿态识别模块用于对员工群体进行姿态识别；所述姿态识别模块具体为:

建立姿态识别模型,所述姿态识别模型采用深度卷积神经网络结构，包括输入层、双向长短期记忆网络BiLSTM层、卷积层、池化层、局部连接层、全连接层依次连接，卷积层采用7*7的卷积核，16个滤波器；所述池化层的池化窗口大小为3*3，通道数为32；所述局部连接层采用32个滤波器，32个通道，3*3的卷积核；全连接层的输入来自局部连接层的输出；

所述池化层的池化方法如下：

x^e＝f(u^e+φ(u^e))

其中，x^e表示当前层的输出，u^e表示激活函数的输入，f()表示激活函数，φ表示损失函数，w^e表示当前层的权重，x^e-1表示下一层的输出，b^e表示偏置，δ表示常数；

确定模块，所述确定模块用于根据员工个体的不同姿态进行姿态识别，确定出相应出勤员工的个人信息；

所述姿态识别模块还包括:

对所述姿态识别模型进行学习更新，将获得的原始样本数据映射成256维特征向量；计算更新函数，所述更新函数由第一更新函数、第二更新函数融合而成；

所述第一更新函数如下：

N表示样本数据集的大小，i取值1～N，yi表示样本x_i对应的标签；W_yi表示样本x_i在其标签yi处的权重，b_yi表示样本x_i在其标签yi处的偏差，b_j表示输出节点j处的偏差；

所述第二更新函数如下：

式中，ψ(θ_yi,i)＝(-1)^kcos(mθ_yi,i)-2k,θ_yi,i为样本x_i与其对应标签yi的权重夹角，θ_j,i为样本x_i与输出节点j处的权重W_j的夹角，m为预设参数，

1≤m≤3；

k＝abs(sign(cosθ_j,i))；

最终的更新函数为：

其中1≤λ≤6；0.3≤μ≤0.5。

2.根据权利要求1所述的考勤系统，所述考勤系统还包括：

运动跟踪模块，当所述确定模块无法鉴定出某一姿态的员工时，由运动跟踪模块持续对所述员工进行第一预定时间段的跟踪，并持续由所述确定模块进行姿态的确定；

当在所述第一预定时间段内仍然无法鉴定出某一姿态的员工时，启动人脸识别模块用于对员工的人脸进行识别；

当所述人脸识别模块无法鉴定出某一员工的人脸时，由运动跟踪模块持续对所述员工进行第二预定时间段的跟踪，并持续由所述人脸识别模块进行人脸的识别；

如果在所述第二预定时间段内仍然无法识别出所述员工，则将所述员工列为异常人员。

3.根据权利要求2所述的考勤系统,所述人脸识别模块还包括:

利用三维人脸识别模型对员工进行识别，所述三维人脸识别模型为深度神经网络，所述深度神经网络包括池化层、全连接层及Softmax层；通过所述深度神经网络对监控图像中的多个人脸图像进行处理，得到所述人脸图像的分类结果，包括：

将输入图像输入2N+1个卷积层，以输出卷积特征图像，N取值范围为1-3；

将所述卷积特征图像输入所述池化层，以输出压缩特征图像；

将所述压缩特征图像输入所述全连接层，以输出特征向量；

将所述特征向量输入所述Softmax层，以计算分类识别的概率值，并将最大概率值对应的员工作为识别的分类结果。

4.根据权利要求1所述的考勤系统，所述监控模块由一个或多个摄像机组成，用于识别待监控区域的员工。

5.一种计算机可读介质，所述计算机可读介质上存储有实现权利要求1-4任一项所述的考勤系统的程序指令，所述指令可被处理器执行。