[发明专利]一种基于教室场景的无感知考勤系统及方法

说明书

本发明公开了一种基于教室场景的无感知考勤系统及方法，其中系统包括：双目摄像头，用于采集教室的全景图像和第一特写图像；第一云台摄像头，用于采集教室的第二特写图像；第二云台摄像头，用于采集教室的第三特写图像；GPU服务器，用于控制所有摄像头的运动状态，以使摄像头采集并上传多个预置区域的特写图像，以及根据采集到的图像和数据库进行人脸识别，根据识别结果获取并保存考勤信息；三台摄像头从三个不同的角度方向获取同一个预置区域的特写图像。本发明采用三台网络摄像机对教室的同一位置从三个角度抓拍图片，能大大提升拍摄到人脸正脸的概率，极大提高人脸识别的准确率，可广泛应用于无感知考勤技术领域。

技术领域

本发明涉及无感知考勤技术领域，尤其涉及一种基于教室场景的无感知考勤系统及方法。

背景技术

传统的基于教室场景的无感知考勤技术方案有：采用RFID技术实现非接触的远距离无感知考勤系统、基于WIFI嗅探技术的无感知考勤系统、基于WIFI探针和蓝牙技术的无感知考勤系统等，都是借助传感设备利用室内定位技术实现考勤功能，借助传感设备不仅用户使用起来不方便，容易出现代打卡等问题，技术上还存在维护困难等缺陷。近年来，随着人工智能技术的发展，人脸识别技术逐渐成熟，准确率也非常可观，基于人工智能的人脸识别技术用在无感知考勤系统是技术发展的一种趋势。

现有人脸识别考勤技术主要有两种，一种是通过传统的人脸识别考勤机，另一种是采用人工智能技术，利用单台高清摄像机对抓拍到的人脸进行人脸比对考勤，近年来，基于人工智能的人脸识别准确率如此之高，是有条件要求的，那就是在理想情况下，通过正面人脸完成人脸识别，现有的采用动态比对M：N模式的人脸识别无感知考勤系统的技术方案，主要的技术缺点在于采用N:M的方式进行人脸考勤，需通过对动态视频流的截取来获得人脸图像，很难做到每个人脸都能截取到正面人脸，人脸的外观在不同的角度有很大的不同，即使是人眼有时也很难在人脸不同的角度下识别出同一个人，导致在人脸特征提取之前的人脸图片质量比较差。另外，识别基数过大，设备分辨率不足、人脸图片的清晰度容易受光照、表情、遮挡、姿态等诸多因素的影响，使用M:N模式进行人脸识别会产生很高的错误率从而影响识别结果。

术语解释；

人脸识别动态比对M：N模式：动态对比，计算机通过对动态视频流截取的场景内所有人进行面部识别并与人脸数据库进行比对的过程，所有识别对象无需到特定位置便能完成识别工作；在海量的人像数据库中找出场景内所有对象的人脸数据并进行匹配；其难度要高于1:N模式。

人脸识别动态比对1：N模式：动态对比，指通过对动态视频流的截取来获得人脸数据并进一步比对的过程，而非配合性是识别过程非强制性与高效性的表现，识别对象无需到特定位置便能完成识别工作；在海量的人像数据库中找出当前用户的人脸数据并进行匹配；其难度要远高于静态1:1，因为机器面临着曝光过度、逆光、侧脸、远距离等挑战。

人脸识别静态比对1:1模式：静态比对，需要人脸在指定的位置进行识别，也即身份验证模式本质上是计算机对当前人脸与人像数据库进行快速比对并得出是否匹配的过程，可以简单理解为证明你就是你，常见的如人脸识别考勤机。

MTCNN(Multi-task Cascaded Convolutional Networks)：多任务卷积神经网络。

发明内容

为了解决上述技术问题之一，本发明的目的是提供一种基于教室场景的无感知考勤系统及方法，基于教室场景的M：N模式的人脸识别无感知考勤系统框架，提高了人脸识别的准确率。

本发明所采用的技术方案是：

一种基于教室场景的无感知考勤系统，包括

双目摄像头，用于采集教室的全景图像和第一特写图像；

第一云台摄像头，用于采集教室的第二特写图像；

第二云台摄像头，用于采集教室的第三特写图像；