[发明专利]一种基于人脸识别的无感考勤方法及系统

权利要求书

1.一种基于人脸识别的无感考勤方法，其特征在于，包括：

获取注册信息，所述注册信息包括考勤人员的基本信息和标准人脸图像信息，将每个考勤人员的标准人脸图像信息进行多维向量化处理，形成生物特征向量数据库；

在预设区域范围内，实时采集待考勤人员的人脸图像信息，并根据预先训练好的第一网络模型对所述人脸图像信息进行处理，获取最佳人脸图像帧；

对所述最佳人脸图像帧进行多维向量化处理，获取所述最佳人脸图像帧的多维向量化数据，并将其与所述生物特征向量数据库进行特征对比，根据特征对比的相似度，获取对比结果，进而获取待考勤人员的身份；

将所述待考勤人员的身份、待考勤人员的人脸图像信息的采集时间作为考勤信息与预先设置的考勤规则进行匹配，完成无感考勤。

2.根据权利要求1所述的基于人脸识别的无感考勤方法，其特征在于，所述第一网络模型为卷积神经网络模型，根据预设的筛选参数对所述第一网络模型进行训练，所述筛选参数包括人脸完整性标准、人脸大小阈值、人脸位置阈值、清晰度阈值。

3.根据权利要求2所述的基于人脸识别的无感考勤方法，其特征在于，在预设区域范围内，通过预设多个人脸目标跟随抓拍设备，实时捕捉经过所述区域范围人员的人脸图像信息，并通过所述第一网络模型对人脸图像信息进行实时运算，获取当前图像帧中的人脸位置坐标，并根据筛选参数进行评价，获取评价得分，进而获取所述最佳人脸图像帧。

4.根据权利要求3所述的基于人脸识别的无感考勤方法，其特征在于，对所述最佳人脸图像帧进行多维向量化处理包括：

通过对所述最佳人脸图像帧进行人脸关键部位检测，获取检测结果；

将人脸关键部位检测的检测结果进行人脸对齐后，进行人脸图像帧的多维向量化处理。

5.根据权利要求4所述的基于人脸识别的无感考勤方法，其特征在于，

预先建立第二网络模型并进行训练，通过训练后的第二网络模型进行所述特征对比，所述第二网络模型通过Triple Loss损失函数进行训练，在构建图像金字塔的基础上，通过全卷积网络进行检测，并通过边框回归和非极大值抑制进行修正。

6.根据权利要求1所述的基于人脸识别的无感考勤方法，其特征在于，所述根据特征对比的相似度，获取对比结果包括：

如果所述特征对比的相似度达到预设的相似阈值，则判定匹配成功，并将匹配成功的人脸图像向量更新至生物特征向量数据库，进行样本向量数据的更新；

以及，根据不同的人物检测情况对所述相似阈值进行动态更新，所述动态更新包括，

根据已考勤人员的匹配度平均值对所述相似阈值进行调整，和/或，

当图像信息中包括多个人脸图像时，同时对所有人脸图像进行识别，并选择一目标人脸，根据所述目标人脸的匹配度与所述目标人脸的历史匹配度的差异，对相似阈值进行调整；所述目标人脸根据匹配度的得分和/或占据图像面积确定。

7.根据权利要求1所述的基于人脸识别的无感考勤方法，其特征在于，将所述考勤信息发送至消息队列供上游服务消费，上游服务跟进预先设置的考勤规则对信息队列中的信息进行过滤，生成对应的考勤结果。

8.一种基于人脸识别的无感考勤系统，其特征在于，包括：

信息服务模块，用于获取注册信息，所述注册信息包括考勤人员的基本信息和标准人脸图像信息，将每个考勤人员的标准人脸图像信息进行多维向量化处理，形成生物特征向量数据库；

图像采集模块，用于在预设区域范围内，实时采集待考勤人员的人脸图像信息，

图像处理模块，用于根据预先训练好的第一网络模型对所述人脸图像信息进行处理，获取最佳人脸图像帧；

对所述最佳人脸图像帧进行多维向量化处理，获取所述最佳人脸图像帧的多维向量化数据，并将其与所述生物特征向量数据库进行特征对比，根据特征对比的相似度，获取对比结果，进而获取待考勤人员的身份；

考勤规则匹配模块，用于将所述待考勤人员的身份、待考勤人员的人脸图像信息的采集时间作为考勤信息与预先设置的考勤规则进行匹配，完成无感考勤。