[发明专利]基于自学习的人脸考勤方法、装置、设备及存储介质

权利要求书

1.一种基于自学习的人脸考勤方法，其特征在于，包括：

对接收到的连续帧数图像数据进行人脸图像质量分析，获取多帧待识别人脸图像；

对多帧所述待识别人脸图像进行特征点定位，并通过预设的卷积神经网络模型，提取出每帧待识别人脸图像中的人脸特征向量；

将多帧所述待识别人脸图像对应的人脸特征向量保存至预设的人脸特征列表；

对所述人脸特征列表进行聚类，得到人脸特征矩阵；其中，所述人脸特征矩阵中每一行为同一人的不同帧数的待识别人脸图像对应的人脸特征向量；

采用预先构建的KNN模型对所述人脸特征矩阵中的每一行的人脸特征向量进行匹配分析，获得每一行中各个人脸特征向量的匹配结果，并将所述匹配结果保存至预先构建的识别相似度矩阵中；

根据所述识别相似度矩阵，获取人脸考勤结果。

2.如权利要求1所述的基于自学习的人脸考勤方法，其特征在于，所述匹配结果包括人名信息、相似度、人脸特征信息。

3.如权利要求2所述的基于自学习的人脸考勤方法，其特征在于，所述根据所述识别相似度矩阵，获取人脸考勤结果，具体包括：

根据所述识别相似度矩阵中每一行的相似度，对所述识别相似度矩阵中每一行的匹配结果进行排序，获取相似度最大值对应的匹配结果；

以相似度最大值对应的匹配结果中的人名信息为目标考勤对，查询历史播报记录；

当所述目标考勤对象未播报时，记录目标考勤对象的考勤并将所述目标考勤对象对应的匹配结果发送至语音播报模块进行播报、将所述目标考勤对象对应的匹配结果发送至显示模块进行显示；

当所述目标考勤对象已播报，且播报时间与当前时间的差值大于预设时间阈值时，记录目标考勤对象的考勤并将所述目标考勤对象对应的匹配结果发送至语音播报模块进行播报、将所述目标考勤对象对应的匹配结果发送至显示模块进行显示；

当所述目标考勤对象已播报，且播报时间与当前时间的差值小于预设时间阈值时，对所述识别相似度矩阵中下一行的相似度进行排序分析。

4.如权利要求2所述的基于自学习的人脸考勤方法，其特征在于，所述方法还包括：

当所述匹配结果中的相似度小于预设相似度阈值，且图像质量值大于预设质量值时，将所述匹配结果对应的待识别人脸图像添加到人脸特征训练集；

将更新后的人脸特征训练集输入至所述预先构建的KNN模型进行模型训练。

5.如权利要求1所述的基于自学习的人脸考勤方法，其特征在于，所述对接收到的连续帧数图像数据进行人脸图像质量分析，获取多帧待识别人脸图像，具体包括：

将所述连续帧数图像数据按顺序分组；其中，每组图像数据包括连续N帧图像，N>1；

对每组图像数据进行人脸图像质量分析，获取每组图像数据对应的待识别人脸图像。

6.如权利要求5所述的基于自学习的人脸考勤方法，其特征在于，所述对每组图像数据进行人脸图像质量分析，获取每组图像数据对应的待识别人脸图像，具体包括：

计算每组图像数据中各帧图像的人脸旋转度、人脸图像清晰度、人脸图像明亮度以及人脸图像大小值；

根据预设的权值以及每组图像数据中各帧图像的人脸旋转度、人脸图像清晰度、人脸图像明亮度以及人脸图像大小值，计算每组图像数据中各帧图像的图像质量值；

从每组图像数据中获取图像质量值最大值对应的图像作为每组图像数据对应的待识别人脸图像。

7.如权利要求1所述的基于自学习的人脸考勤方法，其特征在于，所述对多帧所述待识别人脸图像进行特征点定位，具体包括：

采用d l i b人脸特征点检测算法对多帧所述待识别人脸图像进行特征点定位。