[发明专利]一种基于人脸识别的无感考勤方法及系统

说明书

本发明提供一种基于人脸识别的无感考勤方法和系统，方法包括：获取注册信息，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，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；本发明无需主动配合，被考勤人员仅需要在上下班时间正常通过考勤区域即可，能够有效的解决传统考勤系统的效率低，造成人员拥堵问题。

技术领域

本发明涉及安防领域，尤其涉及一种基于人脸识别的无感考勤方法及系统。

背景技术

现有比较成熟的考勤技术一是指纹识别，二是需被考勤人员主动式在固定地点人脸识别考勤，前者考勤进度缓慢，易造成上下班高峰期人员拥堵，考勤效率低且需要接触机器，后者传统的基于人脸识别的考勤方法，需被考勤人员在固定的地点或固定的姿势面对摄像头，主动的配合来进行考勤，虽然具有了非接触性，但人像抓拍角度固定，特征底库并不是实时更新，依然存在无法高效的解决高峰时段的考勤，以及随着考勤人员的面部生物特征的变化，误识别率逐渐升高等问题。

发明内容

鉴于以上所述现有技术的缺点，本发明提供一种基于人脸识别的无感考勤方法及系统，以解决上述技术问题。

本发明提供的基于人脸识别的无感考勤方法，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。

于本发明的一实施例中，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。

于本发明的一实施例中，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。

于本发明的一实施例中，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。

于本发明的一实施例中，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。

于本发明的一实施例中，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，