[发明专利]基于批量人脸识别的师生考勤打卡方法及装置

说明书

本发明涉及一种基于批量人脸识别的师生考勤打卡方法及装置，所述方法包括：采集师生考勤图像，检测师生考勤图像中的像素清晰度，在不符合预设清晰度时，对师生考勤图像中的低清晰度图像进行向量重建，确定向量重建图像对应的重建考勤图像；提取重建考勤图像中的候选人脸框与边界校准向量，利用边界校准向量与非极大值抑制算法对候选人脸框进行人脸框校准；从校准人脸框中选取敏感区域框，构建加权圆子，计算敏感特征码，计算敏感区域系数；计算校准人脸框对应的人脸相似度，确定师生考勤图像对应的师生识别结果，并确定师生识别结果对应的批量考勤打卡结果。本发明可以提高师生考勤打卡准确率。

技术领域

本发明涉及人工智能领域，尤其涉及一种基于批量人脸识别的师生考勤打卡方法、装置、电子设备以及存储介质。

背景技术

基于批量人脸识别的师生考勤打卡是指利用人脸识别进行考勤打卡的过程。

目前，学生课堂出勤率低是高校教学管理的难题，严格的考勤制度可以有效提高出勤率，需要在上课前快速准确完成并能实时记录学生参与课堂的情况，有效防止迟到、早退、课堂玩手机等不良现象，目前的考勤方法多为人工操作，也有少数研究人员开发人脸识别系统并应用于课堂和会议考勤；但还存在人脸检测召回率较低和低像素人脸识别失败的问题，单纯基于深度学习方法的人脸检测识别精度较高，但是需要海量的数据资源，更新数据库繁琐，对硬件设备要求苛刻等，因此，基于批量人脸识别的师生考勤打卡准确率不足。

发明内容

为了解决上述问题，本发明提供了一种基于批量人脸识别的师生考勤打卡方法、装置、电子设备以及存储介质，可以提高基于批量人脸识别的师生考勤打卡准确率。

第一方面，本发明提供了一种基于批量人脸识别的师生考勤打卡方法，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。

在第一方面的一种可能实现方式中，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。

在第一方面的一种可能实现方式中，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：