[发明专利]一种基于综合识别的智能考勤系统在审

专利信息
申请号: 202010566448.5 申请日: 2020-06-19
公开(公告)号: CN111696222A 公开(公告)日: 2020-09-22
发明(设计)人: 赵海晶 申请(专利权)人: 打工快线网络科技(苏州)有限责任公司
主分类号: G07C1/10 分类号: G07C1/10;G06K9/00;G06K9/62;G06F16/583;G06F11/14
代理公司: 郑州欧凯专利代理事务所(普通合伙) 41166 代理人: 毛瑞官
地址: 215000 江苏省苏州市苏州工业*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 综合 识别 智能 考勤 系统
【说明书】:

发明公开了一种基于综合识别的智能考勤系统,包括员工考勤模块、图像处理模块、无用信息剔除模块、特征匹配模块、云端存储模块和展示模块,所述员工考勤模块、图像处理模块、无用信息剔除模块、特征匹配模块、云端存储模块和展示模块依次连接,所述员工考勤模块包括人员检测单元和考勤单元。本发明可以有效的防止员工未到公司就打卡的情况,实现精准打卡并且有效的避免代打卡的情况,同时,该考勤系统处理效率更高,有效的减少占用系统的内存,方便考勤系统的精准高效的操作。

技术领域

本发明涉及考勤系统技术领域,尤其涉及一种基于综合识别的智能考勤系统。

背景技术

考勤可以实现企业对员工进行管理,早期的考勤方式通常是借助花名册的名单点到或者签名完成,既费时又费力,现在常用的考勤方式通常使用人脸识别或者指纹识别进行通过但是当企业的人较多时,逐个打卡则会出现拥挤的情况,并且在请假或者出差时无法准确确保员工的安全。

发明内容

基于背景技术存在的技术问题,本发明提出了一种基于综合识别的智能考勤系统。

本发明提出的一种基于综合识别的智能考勤系统,包括员工考勤模块、图像处理模块、无用信息剔除模块、特征匹配模块、云端存储模块和展示模块,所述员工考勤模块、图像处理模块、无用信息剔除模块、特征匹配模块、云端存储模块和展示模块依次连接,所述员工考勤模块包括人员检测单元和考勤单元。

优选的,所述员工考勤模块用于获取所有在职人员基本信息,并发送目标数据至本地数据库并进行备份,备份后的数据信息传输至图像处理模块。

优选的,所述图像处理模块用于分析处理在职人员的照片,在处理后的图像数据信息传输至无用信息剔除模块。

优选的,所述无用信息剔除模块用于将处理后的图像数据信息进行筛分,将无用信息数据直接进行删除处理,同时,将有用图像数据信息传输至特征匹配模块。

优选的,所述特征匹配模块用于调用原始数据存储模块中的员工原始图像数据,然后与员工考勤模块传输的脸部图像信息进行比对,并将对比结果和相关数据信息均传输至云端存储模块和展示模块中。

优选的,所述云端存储模块将接收的数据信息均上传至云端进行存储。

优选的,所述展示模块用于将员工的考勤数据整理成表格数据,并通过表格的方式进行直观的展示。

优选的,所述人员检测单元安装在公司出入处,用于检测进出公司人员的身份信息,并将身份信息上传至员工考勤模块中。

优选的,所述考勤单元包括采集器、红外传感器、人脸识别摄像机,所述采集器设置在公司出入口,采集器用于手机公司出入口的人员信息并传输至员工考勤模块中,红外传感器用于检测员工出入信息,人脸识别摄像机用于采集出入人员的脸部信息并上传至员工考勤模块中。

本发明中,所述一种基于综合识别的智能考勤系统,可以有效的防止员工未到公司就打卡的情况,实现精准打卡并且有效的避免代打卡的情况,同时,该考勤系统处理效率更高,有效的减少占用系统的内存,方便考勤系统的精准高效的操作。

附图说明

图1为本发明提出的一种基于综合识别的智能考勤系统的流程示意图。

具体实施方式

下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。

参照图1,一种基于综合识别的智能考勤系统,包括员工考勤模块、图像处理模块、无用信息剔除模块、特征匹配模块、云端存储模块和展示模块,员工考勤模块、图像处理模块、无用信息剔除模块、特征匹配模块、云端存储模块和展示模块依次连接,员工考勤模块包括人员检测单元和考勤单元。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于打工快线网络科技(苏州)有限责任公司,未经打工快线网络科技(苏州)有限责任公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010566448.5/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top