[发明专利]基于批量人脸识别的师生考勤打卡方法及装置

权利要求书

1.一种基于批量人脸识别的师生考勤打卡方法，其特征在于，所述方法包括：

采集师生考勤图像，检测所述师生考勤图像中的像素清晰度，在所述像素清晰度不符合预设清晰度时，对所述师生考勤图像中的低清晰度图像进行向量重建，得到向量重建图像，并确定所述向量重建图像对应的重建考勤图像；

提取所述重建考勤图像中的候选人脸框与边界校准向量，利用所述边界校准向量与非极大值抑制算法对所述候选人脸框进行人脸框校准，得到校准人脸框；

从所述校准人脸框中选取敏感区域框，构建所述敏感区域框的加权圆子，利用所述加权圆子计算所述敏感区域框中的敏感特征码，利用所述敏感特征码计算所述敏感区域框对应的敏感区域系数；

利用所述敏感区域系数计算所述校准人脸框对应的人脸相似度，根据所述人脸相似度，确定所述师生考勤图像对应的师生识别结果，并确定所述师生识别结果对应的批量考勤打卡结果。

2.根据权利要求1所述的方法，其特征在于，所述对所述师生考勤图像中的低清晰度图像进行向量重建，得到向量重建图像，包括：

利用下述公式对所述低清晰度图像进行高维向量映射，得到映射高维向量：

其中，表示所述映射高维向量，Y表示所述低清晰度图像，max表示最大值，表示利用第一层的卷积核尺寸为的滤波器对所述低清晰度图像进行滤波时的参数偏差，c表示输入图像的通道数，表示滤波器深度，代表滤波器的空间尺寸，表示滤波器的权重；

利用下述公式对所述映射高维向量进行特征向量映射，得到映射特征向量：

其中，表示所述映射特征向量，表示所述映射高维向量，max表示最大值，与分别表示利用第二层的卷积层对所述映射高维向量进行映射时的滤波器权重与参数偏差；

利用下述公式所述映射特征向量进行向量重建，得到所述向量重建图像：

其中，表示所述向量重建图像，表示所述映射特征向量，max表示最大值，与分别表示利用第三层的卷积层对所述映射特征向量进行向量重建时的滤波器权重与参数偏差。

3.根据权利要求1所述的方法，其特征在于，所述利用所述边界校准向量与非极大值抑制算法对所述候选人脸框进行人脸框校准，得到校准人脸框，包括：

根据所述边界校准向量，利用下述公式对所述候选人脸框进行初始校准，得到初始人脸框：

其中，R表示所述初始人脸框，表示所述初始人脸框的特征向量，分别表示所述初始人脸框的左上角坐标与宽度和高度的向量，表示所述候选人脸框的特征向量，表示所述候选人脸框的特征向量中候选人脸框的左上角坐标的向量，表示所述候选人脸框的特征向量中候选人脸框的宽度与高度的向量，表示所述边界校准向量对应的左上角坐标、宽度与高度的向量；

利用所述非极大值抑制算法识别所述初始人脸框中最大分类概率对应的目标人脸框与所述初始人脸框中的剩余人脸框；

利用下述公式计算所述目标人脸框与所述剩余人脸框之间的重合度：

其中，表示所述目标人脸框与所述剩余人脸框之间的重合度，A表示所述目标人脸框的面积，B表示所述剩余人脸框的面积，其中面积可以通过人脸框的四个角的向量坐标得到；

根据所述重合度，从所述初始人脸框中提取校准人脸框。

4.根据权利要求1所述的方法，其特征在于，所述构建所述敏感区域框的加权圆子，包括：

识别所述敏感区域框中敏感特征点的最近特征点；

利用所述敏感特征点提取所述最近特征点的邻域特征点；

根据所述邻域特征点，确定所述敏感区域框的加权圆子。