[发明专利]人脸批量识别考勤系统及方法在审

专利信息
申请号: 201811608358.7 申请日: 2018-12-27
公开(公告)号: CN109887114A 公开(公告)日: 2019-06-14
发明(设计)人: 罗巍;李昂;胥超;范晋康;李海英 申请(专利权)人: 北京智慧云行科技有限责任公司
主分类号: G07C1/10 分类号: G07C1/10;G06K9/00
代理公司: 暂无信息 代理人: 暂无信息
地址: 100080 北京*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 全景图像 考勤系统 人脸图像 人脸 报告生成模块 模型生成模块 数据采集装置 数据处理模块 数据存储模块 数据显示模块 目标检测 人图像 检测 归档 上传 学习
【说明书】:

发明公开了人脸批量识别考勤系统及方法,包括数据采集装置、模型生成模块、数据处理模块、数据显示模块、数据存储模块、报告生成模块采用基于深度学习的目标检测方法对上传的所述全景图像文件中的人图像进行检测、定位并且,所述切分出所述全景图像文件中的每张人脸图像的步骤,包括:将所述全景图像文件中已检测出的所述人脸图像进行切图、编码和归档。

技术领域

本发明涉及人脸识别领域,具体为人脸批量识别考勤系统及方法。

背景技术

人脸识别技术对图片或者视频中的人物脸部物理特征进行身份识别,从而对认证后的人脸进行后续的一系列操作,主要可用的大型场景包括安防,安检,交通管理等,小型场景包括家庭安全监控,公司考勤等,目前用作考勤的人脸识别技术基本上都专注于设计一台考勤机装置,这台装置包括一个小型网络摄像头,一个小型人脸大小的显示屏,有可能还包括一个指纹识别装置。使用该技术后,员工进入公司必须排队经过此台考勤机,如果公司规模比较大,员工人数较多,这就会导致一些问题出现:员工在上下班时间排队通过考勤机,考勤时间过长,考勤效率低,并且公司为了考勤需要购买许多数量考勤机,成本比较高。

发明内容

为实现上述目的,本发明提供如下技术方案:人脸批量识别考勤系统,包括:

数据采集模块,同时采集至少两个考勤对象的人脸图像数据;

模型生成模块,根据所述人脸图像数据通过人脸识别算法获得人脸预测模型,根据所述人脸预测模型匹配对应的考勤对象的的标识ID,获得人脸识别结果,并通过所述标识ID将采集到的所述人脸的图像数据按照预定格式分别存入相对应的考勤对象的图像集中;

数据处理模块,将人脸识别结果被推送至消息队列中,并通过所述消息队列批量处理所述人脸识别结果,并在接收到订阅该消息队列的申请后,将所述人脸识别结果发送给数据显示模块,同时将所述人脸识别结果记录在数据库中;

数据显示模块,接收数据处理模块发送的人脸识别结果,并将所述人脸识别结果输出到显示终端。

进一步地,还包括数据存储模块,将人脸识别结果分时间段存储在专门的分布式数据存储节点上。

数据显示模块,接收数据处理模块发送的人脸识别结果,并将所述人脸识别结果输出到显示终端。

进一步地,还包括数据存储模块,将人脸识别结果分时间段存储在专门的分布式数据存储节点上。

进一步地,还包括报告生成模块,根据人脸识别结果生成考勤需要的各种报表。

进一步地,所述数据采集模块包括web终端,通过web终端上传个人脸部图像数据采集得到所述人脸的图像数据。

进一步地,所述数据库记录每个考勤对象每天第一次通过人脸识别考勤的时间以及最后一次通过人脸识别考勤的时间。

进一步地,通过所述数据库存储消息队列中的人脸识别结果,多个考勤对象的信息存储在一个数据库中。

进一步地,所述报告生成模块提供考勤所需要的各种报表,包括考勤对象工号、姓名、上下班时间以及加班时间。

本发明还提供一种人脸批量识别考勤方法,包括如下步骤:

步骤S1:同时采集至少两个考勤对象的人脸图像数据;

步骤S2:根据所述人脸图像数据通过人脸识别算法获得人脸预测模型,根据所述人脸预测模型匹配对应的考勤对象的的标识ID,获得人脸识别结果,并通过所述标识ID将采集到的所述人脸的图像数据按照预定格式分别存入相对应的考勤对象的图像集中;

步骤S3:将人脸识别结果被推送至消息队列中,并通过所述消息队列批量处理所述人脸识别结果,并在接收到订阅该消息队列的申请后,将所述人脸识别结果发送给数据显示模块,同时将所述人脸识别结果记录在数据库中;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京智慧云行科技有限责任公司,未经北京智慧云行科技有限责任公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811608358.7/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top