[发明专利]一种人脸考勤方法、系统、计算机设备及存储介质

说明书

本发明公开了一种人脸考勤方法，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。本发明还公开了一种人脸考勤系统、计算机设备以及存储介质。采用本发明，能够提高考勤效率和准确率。

技术领域

本发明涉及考勤领域，尤其涉及一种人脸考勤方法、系统、计算机设备及存储介质。

背景技术

大学课堂出勤率低一直是各大高校面临的问题。相比各行各业陆续出现的各类考勤系统，高校课堂目前较多的仍然是采用传统的课堂点名方式。而近年来,也曾有一些新兴方式在某些高校出现：如手机App签到、指纹识别及校园一卡通刷卡等。虽然这些新的方式较传统点名来说,是一种进步且日趋成熟,但是仍然有不少人为漏洞。比如手机或校园卡有遗失或忘带的情况；考勤设备认卡不认人，容易替刷；指纹识别成本较高，手指受伤情况下无法识别等。

传统人脸考勤方式经历了从人工点名到刷卡签到方式，刷卡存在代刷卡、效率低等问题，也占用了正常教学时间。

发明内容

本发明所要解决的技术问题在于，提供一种人脸考勤方法、系统、计算机设备及存储介质，能够提高课堂考勤效率和准确率。

为了解决上述技术问题，本发明提供了一种人脸考勤方法，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。

优选地，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。

优选地，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。

优选地，所述人脸特征提取模型包括：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。

优选地，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。

本发明还提供了一种人脸考勤系统，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。