[发明专利]基于密集微小人脸识别的考勤方法、系统、设备及介质有效

专利信息
申请号: 201911004656.X 申请日: 2019-10-22
公开(公告)号: CN110852704B 公开(公告)日: 2023-04-25
发明(设计)人: 周燕;曾凡智;项杨 申请(专利权)人: 佛山科学技术学院
主分类号: G06Q10/1091 分类号: G06Q10/1091;G06V40/16;G06V10/82;G06N3/08
代理公司: 广州市华学知识产权代理有限公司 44245 代理人: 李君;梁莹
地址: 528200 广*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 密集 微小 识别 考勤 方法 系统 设备 介质
【权利要求书】:

1.一种基于密集微小人脸识别的考勤方法,其特征在于,所述方法包括:

根据预设扫描次数,获取每次扫描的目标区域的人脸数据;

利用创建的图像金字塔和训练好的深度残差网络对目标区域的人脸数据进行检测,以框定人脸框;

利用标定模型和训练好的深度残差网络对框定的人脸框进行特征提取,得到人脸深度特征;

将人脸深度特征与数据库的深度特征进行比对,获得识别结果;

根据每次扫描的识别结果,生成目标区域的考勤记录;

所述利用创建的图像金字塔和训练好的深度残差网络对目标区域的人脸数据进行检测,以框定人脸框,具体包括:

利用创建的图像金字塔对目标区域的人脸数据进行不同分辨率的近似类比,生成堆叠层数图像;

利用训练好的深度残差网络对堆叠层数图像中人脸特征进行提取,获得高维映射特征;

针对高维映射特征,利用边界框多次回归框定人脸区域;

利用非最大抑制的方法,对框定的人脸区域进行迭代,若框定的人脸区域非最大且不符合人脸特征,则消除该框定的人脸区域,继续框定人脸区域,直到框定的人脸区域最大且符合人脸特征时,返回人脸框的坐标及其大小;

所述利用标定模型和训练好的深度残差网络对框定的人脸框进行特征提取,得到人脸深度特征,具体包括:

利用标定模型对框定的人脸框中的人脸进行预处理;

利用训练好的深度残差网络对预处理后的人脸进行特征提取,获得高维映射特征,将该高维映射特征作为人脸深度特征;

所述根据每次扫描的识别结果,生成目标区域的考勤记录,具体包括:

若第一次扫描的识别结果指出某个人员在目标区域内,则判断该人员为准时出勤;

若每次扫描都没有某个人员的识别结果,则判断该人员为缺勤;

若第一次扫描没有某个人员的识别结果,且最后一次扫描的识别结果指出该人员在目标区域内,则判断该人员为迟到;

若第一次扫描的识别结果指出某个人员在目标区域内,且最后一次扫描没有该人员的识别结果,则判断该人员为早退;

若第一次扫描和最后一次扫描的识别结果指出某个人员在目标区域内,且第一次扫描和最后一次扫描之间至少有一次扫描没有该人员的识别结果,则判断该人员为暂离;

根据判断得到的各个人员的考勤情况,生成目标区域的考勤记录。

2.根据权利要求1所述的考勤方法,其特征在于,所述对框定的人脸框中的人脸进行预处理包括对框定的人脸框中的人脸进行对齐,具体为:

运用集成回归树算法,估计框定的人脸框中人脸关键点初始位置,经过多次迭代,使人脸的多个关键点准确地落在脸部的各个部位上。

3.根据权利要求1所述的考勤方法,其特征在于,所述将人脸深度特征与数据库的深度特征进行比对,获得识别结果,具体包括:

将人脸深度特征与数据库的深度特征进行欧氏距离的比对,选取最小匹配值;

判断最小匹配值是否小于预设阈值;

若最小匹配值小于预设阈值,则获得匹配成功的识别结果;

若最小匹配值大于或等于预设阈值,则获得匹配失败的识别结果。

4.根据权利要求3所述的考勤方法,其特征在于,所述将人脸深度特征与数据库的深度特征进行欧氏距离的比对,选取最小匹配值,具体为:

将人脸深度特征和数据库的深度特征映射到欧几里德空间,计算人脸深度特征与数据库的深度特征之间的欧氏距离,将欧氏距离最小值作为最小匹配值。

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佛山科学技术学院,未经佛山科学技术学院许可,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/201911004656.X/1.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