[發明專利]一種基于單階無錨檢測網絡的考勤方法

有效

• 申請號: 202010783356.2
• 申請日: 2020-08-06
• 公開（公告）號: CN111881876B
• 公開（公告）日: 2022-04-08
• 發明（設計）人: 李昕昕;黎永杰;陳丹陽;閆書明;張翔宇;蘭琳;管軍霖
• 申請（專利權）人: 桂林電子科技大學
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08;G06Q10/10
• 代理公司: 桂林市華杰專利商標事務所有限責任公司 45112
• 代理人: 覃永峰

本發明公開了一種基于單階無錨檢測網絡的考勤方法，其特征在于，包括如下步驟：1）人臉編碼過程；2）人臉檢測過程；3）統計考勤。這種方法能夠實現單臺終端對多人完成考勤識別，在通過/考勤效率上擁有較大優勢，能輔助完成大人流量下的考勤任務。

技術領域

本發明涉及生物體征考勤技術領域，具體是一種基于單階無錨檢測網絡的考勤方法。

背景技術

基于生物體征的考勤系統相對于依賴非生物物料的考勤方法(如：IC卡)擁有較高的抗考勤欺騙能力，可以更為有效準確的完成考勤任務。但常見的生物體征考勤系統，往往是基于1:1的思路設計，即在已知需核驗的身份的前提下，通過生物體征對目標身份的真實性進行核驗。這種設計安全性較高，即使出現誤檢也不會造成較大的危害。但對于很多不需要過高準確度的場景，如大會議簽到、入場，企業簽到，1:1驗證的識別系統較低的通過速度容易造成阻塞進而嚴重的影響效率。而1:1驗證方案僅能通過增加通道及終端數量提高效率，這一措施受限于場地大小以及資金往往難以實施，因此大多數企業學校使用的仍是基于非生物物料的通過/考勤系統。

發明內容

本發明的目的是針對現有技術得不足，而提供一種基于單階無錨檢測網絡的考勤方法。這種方法能夠實現單臺終端對多人完成考勤識別，在通過/考勤效率上擁有較大優勢，能輔助完成大人流量下的考勤任務。

實現本發明目的的技術方案是：

一種基于單階無錨檢測網絡的考勤方法，包括如下步驟：

1)人臉編碼過程：包括：

1-1)將圖片轉換為輸入張量：獲取將用于輸入的n張大小為112*112的圖片，將每張圖片轉化為RGB編碼，并表示為3*112*112的張量，將n個圖片張量堆疊，并拼接為n*3*112*112尺寸的張量，最后所得張量即為所用網絡的輸入，記為x；

1-2)采用用于人臉編碼的輕量級神經網絡特征提取模塊提取步驟1-1)最后所得張量作為輸入的圖片的特征，所述特征提取模塊的結構如表1所示，表1按行描述依次級聯的一系列運算操作及參數，其中每行的input列表示該行描述運算的輸入尺寸、Opretor列表示該行描述運算采用的運算方法的名稱、t列表示若采用該運算時轉置殘差瓶頸塊IBottleneck的擴張系數、c表示該行描述運算的輸出的通道數量、n表示該運算的重復次數、s表示該行操作中第一次卷積所采用的步長，Opretor列提及的運算均由一個或多個卷積運算組成，

表1：

特征提取包括：

1-2-1)主干網絡結果抽?。毫畋硎颈?中第i行所描述的運算、

計算并保存結果

1-3)計算512維特征向量：將步驟1-2-1)所得結果中的分別通過步長為4卷積核大小為4x4、步長為2卷積核大小為2x2的深度可分離卷積層，得到結果并采用步長為1的1x1卷積對進行變換使變換后的結果通道數擴張至128得到采用逐點加法運算即得到融合特征圖集X，隨后采用7x7的深度卷積卷積層對融合特征圖X進行變換使變換后的結果通道數量擴張至512，此時每一通道的特征圖尺寸均為1x1，去掉多余的1x1維度，即可獲得512維特征向量