[发明专利]一种基于地理位置和人脸特征的签到方法及系统

说明书

本发明涉及一种基于地理位置和人脸特征的签到方法及系统，通过获取用户签到时间、签到时刻所处的经度、纬度和人脸特征信息，通过对上述信息进行审核得到签到审核结果，并将签到审核结果返回客户端。相对于现有技术，本发明极大地提高了签到效率和准确性。

技术领域

本发明涉及签到领域，尤其是涉及一种基于地理位置和人脸特征的签到方法及系统。

背景技术

随着互联网和信息处理技术的快速发展，人们借助各种智能终端设备，极大地提高了办事效率。然而在一些公共场合中，依然存在一些传统的解决方案影响着人们办事的效率和准确率，例如课堂签到、大型户外集体活动签到、会议签到、上班签到等场景。在日常生活中，上述场景最常见的做法是全人工签到和借助机器的签到两大类方法。

对于全人工签到，一般在高校课堂、户外集体出游会采用点名或者手动登记的方式签到，这种方式不仅费时费力，还存在错签、代签、漏签的情况。其次，对于借助机器签到的方案，人们主要是借助打卡机如采集指纹或人脸的设备，由于单台设备只能顺序打卡，在人数较多时，如上下班高峰期，需排队等候造成时间浪费。同样若采购大量设备会造成资源浪费，而且该方案需要另外固定安装和配置，适用范围也有限制。特别是对于指纹采集设备，还存在手指皮肤损伤影响指纹采集的情况。在现有常见的签到方法中，普遍存在签到效率、准确率低的情况。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种签到效率高、准确率高的基于地理位置和人脸特征的签到方法及系统。

一种基于地理位置和人脸特征的签到方法，包括以下步骤：

获取用户签到时刻所处的经度、纬度和人脸特征信息；

判断用户是否处于签到设定时间内，得到签到时间审核结果；

调用半正矢模型计算出用户签到地点与签到规则预设地点的距离，判断用户是否在签到约束范围内，得到地理信息审核结果；

调用通过对预训练的深度神经网络迁移学习得到的人脸识别模型，对接收到的人脸信息进行特征提取，并与数据库中的注册时的特征进行匹配，得到人脸信息审核结果；

根据签到时间审核结果、地理信息审核结果和人脸信息审核结果得到签到审核结果并返回客户端。

相对于现有技术，本案通过获取用户签到时刻所处的经度、纬度、人脸特征信息和签到时间，通过对上述信息进行审核得到签到审核结果，并将签到审核结果返回客户端，大大地提高了签到效率和准确性。

进一步地，在调用通过对预训练的深度神经网络迁移学习得到的人脸识别模型的步骤之前，还包括以下步骤：

将采集到的人脸图片集作为迁移学习的待训练数据集；

使用人脸识别数据集预训练深度神经网络；

根据待训练数据集对上述深度神经网络进行微调。通过上述步骤，得到识别效果最佳的人脸识别模型，增加人脸识别的准确性。

进一步地，所述调用通过对预训练的深度神经网络迁移学习得到的人脸识别模型，对接收到的人脸信息进行特征提取，并与数据库中的注册时的特征进行匹配的步骤具体包括：

调用人脸检测接口，该接口使用多任务级联卷积神经网络对采集到的图片进行人脸检测、人脸对齐并返回对齐后的人脸图片；

调用人脸特征提取接口，使用微调后的深度卷积神经网络将人脸图片中的人脸特征映射到N维欧式空间，返回表示特征映射的N元组；

根据匹配策略将人脸特征N元组与人脸特征数据库中存储的特征进行比对，并得到比对结果。

通过对人脸图片进行对齐，避免在后续过程中人脸检测出现偏差，增加准确性。