[发明专利]一种人脸考勤方法、系统、计算机设备及存储介质

权利要求书

1.一种人脸考勤方法，其特征在于，包括：

预先构建待考勤人员人脸底库向量集合；

获取考勤现场图像，并将考勤现场图像输入预先构建好的人脸检测模型以获得考勤人员人脸图像；

将所述考勤人员人脸图像输入预先构建好的人脸特征提取模型以获得考勤人员人脸特征向量；

将所述考勤人员人脸特征向量与所述待考勤人员人脸底库向量集合进行搜索比对，输出最大人脸相似度；

当所述人脸相似度大于预设阈值时，所述考勤人员考勤合格。

2.如权利要求1所述的人脸考勤方法，其特征在于，所述预先构建待考勤人员人脸底库向量集合的步骤包括：

获取待考勤人员正脸高清图像；

将所述待考勤人员正脸高清图像输入预先构建好的人脸特征提取模型以获得待考勤人员人脸特征向量；

根据所有的待考勤人员人脸特征向量构建待考勤人员人脸底库向量集合。

3.如权利要求1所述的人脸考勤方法，其特征在于，所述人脸检测模型包括依次连接的第一卷积层、第一池化层、第一残差块、第二残差块、第三残差块、第四残差块以及全局池化层，所述人脸检测模型采用随机梯度下降算法进行训练得到模型权重，并结合损失函数以及分类函数输出考勤人员人脸图像，所有卷积层后均与激活函数连接；所述随机梯度下降算法的批量大小为32，总共训练40个epochs，初始学习率为0.01，每30个epochs学习率除以10。

4.如权利要求1所述的人脸考勤方法，其特征在于，所述人脸特征提取模型所述人脸特征提取模型包括依次连接的卷积层、全连接层以及A-Softmax Loss，其中，所述卷积层深度为20，使用ResNet中的残差单元。

5.如权利要求1所述的人脸考勤方法，其特征在于，所述将所述考勤人员人脸特征向量与所述待考勤人员人脸底库向量集合进行搜索比对，输出最大人脸相似度的步骤包括：

计算所述考勤人员人脸特征向量与所述待考勤人员人脸底库向量集合中各向量的余弦相似度；

将最大的余弦相似度作为最大人脸相似度。

6.一种人脸考勤系统，其特征在于，包括：人脸底库构建模块、人脸检测模块、人脸特征提取模块以及人脸特征对比模块；

所述人脸底库构建模块用于构建待考勤人员人脸底库向量集合；

所述人脸检测模块用于将所述待考勤人员图像输入预先构建好的人脸检测模型以获得待考勤人员人脸图像；

所述人脸特征提取模块用于将所述待考勤人员人脸图像输入预先构建好的人脸特征提取模型以获得待考勤人员人脸特征向量；

所述人脸特征对比模块用于将所述待考勤人员人脸特征向量与预先构建的底库向量集合进行搜索比对，输出最大人脸相似度，当所述人脸相似度大于预设阈值时，所述待考勤人员考勤合格。

7.如权利要求6所述的人脸考勤系统，其特征在于，所述人脸检测模型包括依次连接的第一卷积层、第一池化层、第一残差块、第二残差块、第三残差块、第四残差块以及全局池化层，所述人脸检测模型采用随机梯度下降算法进行训练得到模型权重，并结合损失函数以及分类函数输出人脸图像，所有卷积层后均与激活函数连接；所述随机梯度下降算法的批量大小为32，总共训练40个epochs，初始学习率为0.01，每30个epochs学习率除以10。

8.如权利要求6所述的人脸考勤系统，其特征在于，所述人脸特征提取模型包括依次连接的卷积层、全连接层以及A-Softmax Loss，其中，所述卷积层深度为20，使用ResNet中的残差单元。

9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机指令，其特征在于，所述处理器执行所述指令时实现权利要求1-4任意一项所述方法的步骤。

10.一种存储介质，其存储有计算机指令，其特征在于，该程序被处理器执行时实现权利要求1-4任意一项所述方法的步骤。