[发明专利]一种用于考勤的人脸识别系统及方法

说明书

本发明涉及一种用于考勤的人脸识别系统及方法，其中包括第一模型识别模块；第二模型识别模块，用于识别三庭和五眼特征点，并根据三庭的两个分割点和人脸高度范围计算三庭的比例信息，根据五眼的四个分割点和人脸宽度范围计算五眼的比例信息；比对图像筛选模块，用于根据识别到的三庭的比例信息和五眼的比例信息从预设的样本特征库中筛选得到备选的样本图像特征向量；第三模型识别模块；图像分类模块；考勤记录模块，用于记录考勤人员的身份标识信息、当前时间和考勤位置，作为考勤记录；以及红外测温模块。本发明首先基于三庭五眼比例对样本图像进行筛选，降低根据特征比对的样本图像的数量，提高数据处理效率，进而提高考勤效率。

技术领域

本发明涉及数据处理技术领域，具体是指一种用于考勤的人脸识别系统及方法。

背景技术

随着社会的发展，机器学习算法越来越多地应用到我们日常的生活中。采用机器学习可以大大提高各行各业中的数据处理效率。现在已经出现了很多将人脸识别应用到考勤系统中的技术方案，然而现有技术的方法中，考勤的识别算法十分复杂，而且数据处理量大，当公司人员数量很大时，需要比对的工作量也很大，增加了考勤系统的负担，降低了考勤的效率。

发明内容

本发明提供了一种用于考勤的人脸识别系统及方法，其目的在于克服现有技术中的缺陷，首先基于三庭五眼比例对样本图像进行筛选，降低根据特征比对的样本图像的数量，提高数据处理效率，进而提高考勤效率。

为了实现上述目的，本发明具有如下构成：

该用于考勤的人脸识别系统，包括：

第一模型识别模块，用于获取摄像头拍摄的考勤人员的图像，基于训练好的Adaboost分类器在摄像头拍摄的图像中检测人脸区域图像；

第二模型识别模块，用于获取人脸区域图像，采用训练好的主动形状模型，检测人脸图像中的下巴尖、左眼外侧发际点、右眼外侧发际点、顶部中央发际点、三庭的两个分割点和五眼的四个分割点，根据顶部中央发际点和下巴尖之间的间距确定人脸高度范围，根据左眼外侧发际点和右眼外侧发际点之间的间距确定人脸宽度范围，根据三庭的两个分割点和人脸高度范围计算三庭的比例信息，根据五眼的四个分割点和人脸宽度范围计算五眼的比例信息；

比对图像筛选模块，用于根据识别到的三庭的比例信息和五眼的比例信息从预设的样本特征库中筛选得到备选的样本图像特征向量；

第三模型识别模块，用于采用训练好的特征识别模型，提取待识别的人脸区域图像的特征向量；

图像分类模块，用于计算备选的样本图像特征向量与待识别的人脸区域图像的特征向量的欧氏距离，选择计算得到的最小的欧氏距离，判断最小的欧氏距离是否小于预设阈值，如果是，则将最小的欧氏距离所对应的样本图像作为最接近的样本图像，根据最接近的样本图像的身份标签确定待识别的人脸区域图像所对应的身份；

考勤记录模块，用于当图像分类模块识别得到人脸区域图像对应的身份时，根据拍摄图像的摄像头的位置，确定考勤人员的考勤位置，记录考勤人员的身份标识信息、当前时间和考勤位置，作为考勤记录；

红外测温模块，用于当考勤记录模块新增一条考勤记录时，查找距离考勤人员的考勤位置最接近的红外测温仪，控制最接近的红外测温仪对考勤人员进行体温测量，并将测量的体温数据添加到对应的考勤记录中。

可选地，所述特征识别模型为卷积神经网络，所述卷积神经网络包括依次连接的第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层、第四卷积层、第五卷积层和第三池化层，所述第一卷积层和第一池化层之间、第二卷积层和第二池化层之间、第三卷积层和第四卷积层之间以及第五卷积层和第三池化层之间分别设置有一Relu函数。

可选地，所述基于训练好的Adaboost分类器在摄像头拍摄的图像中检测人脸区域图像，包括如下步骤：