[發(fā)明專利]基于深度學(xué)習(xí)與強(qiáng)化學(xué)習(xí)的視頻考勤系統(tǒng)及方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010010894.8
• 申請(qǐng)日: 2020-01-06
• 公開(kāi)（公告）號(hào): CN111209860B
• 公開(kāi)（公告）日: 2023-04-07
• 發(fā)明（設(shè)計(jì)）人: 馬林;朱昌明;季翔;梅成就;羅軍
• 申請(qǐng)（專利權(quán)）人: 上海海事大學(xué)
• 主分類號(hào): G06V40/16
• 分類號(hào): G06V40/16;G06V20/40;G06V20/52;G06V10/774;G06V10/82;G06N3/0464;G06N3/08;G06N3/092
• 代理公司: 上海元好知識(shí)產(chǎn)權(quán)代理有限公司 31323
• 代理人: 徐雯瓊;章麗娟

本發(fā)明公開(kāi)了一種基于深度學(xué)習(xí)與強(qiáng)化學(xué)習(xí)的視頻考勤系統(tǒng)及方法，所述系統(tǒng)包括：信息采樣模塊，用于獲取訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)；訓(xùn)練模塊，用于根據(jù)接收到的訓(xùn)練數(shù)據(jù)對(duì)深度神經(jīng)網(wǎng)絡(luò)架構(gòu)進(jìn)行訓(xùn)練，得到訓(xùn)練模型；測(cè)試模塊，用于采用接收到的測(cè)試數(shù)據(jù)對(duì)訓(xùn)練模型進(jìn)行測(cè)試，輸出測(cè)試結(jié)果，并判別測(cè)試結(jié)果，輸出判別信息；終端處理模塊，當(dāng)所述判別信息為成功時(shí)，其用于將與該判別信息相對(duì)應(yīng)的測(cè)試結(jié)果存儲(chǔ)至預(yù)先設(shè)有的數(shù)據(jù)庫(kù)內(nèi)；以及強(qiáng)化模塊，當(dāng)判別信息為失敗時(shí)，用于將與測(cè)試結(jié)果所對(duì)應(yīng)的所述測(cè)試數(shù)據(jù)對(duì)訓(xùn)練模型進(jìn)行重新訓(xùn)練，更新訓(xùn)練模型。本發(fā)明解決了視頻考勤過(guò)程等待過(guò)長(zhǎng)、不能實(shí)現(xiàn)多人同時(shí)考勤、識(shí)別錯(cuò)誤率高等技術(shù)問(wèn)題。

技術(shù)領(lǐng)域

本發(fā)明涉及考勤管理技術(shù)領(lǐng)域，特別涉及一種基于深度學(xué)習(xí)與強(qiáng)化學(xué)習(xí)的視頻考勤系統(tǒng)及方法。

背景技術(shù)

目前生活中存在的考勤系統(tǒng)多種多樣，如利用GPS定位、通過(guò)APP簽到、IC卡射頻識(shí)別等一系列考勤方式，不過(guò)這些方式仍然存在著效率低下、檢測(cè)不準(zhǔn)確，甚至可以通過(guò)一些漏洞避免考勤、非法進(jìn)入公司或者學(xué)校，造成巨大的損失。而視頻考勤技術(shù)的出現(xiàn)，極大的改變了這種現(xiàn)狀，然而目前的視頻考勤技術(shù)普遍存在以下問(wèn)題：

問(wèn)題一、視頻考勤過(guò)程等待過(guò)長(zhǎng)：機(jī)器提取圖像、對(duì)比圖像時(shí)間過(guò)長(zhǎng)，導(dǎo)致不能很好的實(shí)現(xiàn)實(shí)時(shí)考勤。

問(wèn)題二、視頻考勤不能實(shí)現(xiàn)多人同時(shí)考勤：目前視頻考勤只能同一時(shí)間一個(gè)人進(jìn)行考勤，會(huì)導(dǎo)致效率低下，等待時(shí)間過(guò)久。

問(wèn)題三、識(shí)別錯(cuò)誤率高：當(dāng)人的發(fā)型、光線明暗發(fā)生改變時(shí)，考勤判別錯(cuò)誤率會(huì)提升。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于深度學(xué)習(xí)與強(qiáng)化學(xué)習(xí)的視頻考勤系統(tǒng)及方法，通過(guò)深度學(xué)習(xí)與強(qiáng)化學(xué)習(xí)結(jié)合，實(shí)現(xiàn)多人考勤、及時(shí)響應(yīng)和實(shí)時(shí)考勤的目的，從而解決視頻考勤過(guò)程等待過(guò)長(zhǎng)、不能實(shí)現(xiàn)多人同時(shí)考勤和識(shí)別錯(cuò)誤率高等技術(shù)問(wèn)題。

為了解決以上問(wèn)題，本發(fā)明通過(guò)以下技術(shù)方案實(shí)現(xiàn)：

一種基于深度學(xué)習(xí)與強(qiáng)化學(xué)習(xí)的視頻考勤系統(tǒng)，包括：

信息采樣模塊，用于獲取訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)；

訓(xùn)練模塊，用于根據(jù)接收到的所述訓(xùn)練數(shù)據(jù)對(duì)深度神經(jīng)網(wǎng)絡(luò)架構(gòu)進(jìn)行訓(xùn)練，得到訓(xùn)練模型；

測(cè)試模塊，用于采用接收到的所述測(cè)試數(shù)據(jù)對(duì)所述訓(xùn)練模型進(jìn)行測(cè)試，輸出測(cè)試結(jié)果，并判別所述測(cè)試結(jié)果，輸出判別信息；

終端處理模塊，當(dāng)所述判別信息為成功時(shí)，其用于將與該判別信息相對(duì)應(yīng)的所述測(cè)試結(jié)果存儲(chǔ)至預(yù)先設(shè)有的數(shù)據(jù)庫(kù)內(nèi)；以及

強(qiáng)化模塊，當(dāng)所述判別信息為失敗時(shí)，用于將與所述測(cè)試結(jié)果所對(duì)應(yīng)的所述測(cè)試數(shù)據(jù)對(duì)所述訓(xùn)練模型進(jìn)行重新訓(xùn)練，更新所述訓(xùn)練模型。

可選地，所述信息采樣模塊包括攝像子單元和采集數(shù)據(jù)子單元；

所述攝像子單元用于從攝像中錄入人臉圖像，得到樣本數(shù)據(jù)；

所述采集數(shù)據(jù)子單元用于將所述樣本數(shù)據(jù)分為兩路相同的數(shù)據(jù)，包括所述訓(xùn)練數(shù)據(jù)和所述測(cè)試數(shù)據(jù)，并分別將所述訓(xùn)練數(shù)據(jù)向所述訓(xùn)練模塊進(jìn)行傳送，將所述測(cè)試數(shù)據(jù)向所述測(cè)試模塊進(jìn)行傳送。

可選地，所述訓(xùn)練模塊包括：mtcnn子單元與facenet子單元；

所述mtcnn子單元用于將接收到的所述訓(xùn)練數(shù)據(jù)中的圖像樣本進(jìn)行不同尺度的縮放，構(gòu)建圖像金字塔，生成若干個(gè)候選窗口，通過(guò)卷積神經(jīng)網(wǎng)絡(luò)過(guò)濾非人臉候選窗口，輸出若干個(gè)人臉關(guān)鍵點(diǎn)，得到的圖像樣本；

所述facenet子單元用于接收所述圖像樣本，并將所述圖像樣本輸入至深度神經(jīng)網(wǎng)絡(luò)架構(gòu)，將所述深度神經(jīng)網(wǎng)絡(luò)架構(gòu)輸出的結(jié)果進(jìn)行歸一化處理，再計(jì)算三元損失函數(shù)獲取模型梯度和損失，調(diào)整所述深度神經(jīng)網(wǎng)絡(luò)架構(gòu)的參數(shù)，更新所述深度神經(jīng)網(wǎng)絡(luò)架構(gòu)，得到所述訓(xùn)練模型。