[發明專利]一種人臉考勤方法、系統、計算機設備及存儲介質

在審

• 申請號: 202010894758.X
• 申請日: 2020-08-31
• 公開（公告）號: CN112149517A
• 公開（公告）日: 2020-12-29
• 發明（設計）人: 劉天元;張玉沖;陳奇松;羅龍;韓高強;陳國鎮
• 申請（專利權）人: 三盟科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08;G07C1/10
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 胡楓;曹萬菊

1.一種人臉考勤方法，其特征在于，包括：

預先構建待考勤人員人臉底庫向量集合；

獲取考勤現場圖像，并將考勤現場圖像輸入預先構建好的人臉檢測模型以獲得考勤人員人臉圖像；

將所述考勤人員人臉圖像輸入預先構建好的人臉特征提取模型以獲得考勤人員人臉特征向量；

將所述考勤人員人臉特征向量與所述待考勤人員人臉底庫向量集合進行搜索比對，輸出最大人臉相似度；

當所述人臉相似度大于預設閾值時，所述考勤人員考勤合格。

2.如權利要求1所述的人臉考勤方法，其特征在于，所述預先構建待考勤人員人臉底庫向量集合的步驟包括：

獲取待考勤人員正臉高清圖像；

將所述待考勤人員正臉高清圖像輸入預先構建好的人臉特征提取模型以獲得待考勤人員人臉特征向量；

根據所有的待考勤人員人臉特征向量構建待考勤人員人臉底庫向量集合。

3.如權利要求1所述的人臉考勤方法，其特征在于，所述人臉檢測模型包括依次連接的第一卷積層、第一池化層、第一殘差塊、第二殘差塊、第三殘差塊、第四殘差塊以及全局池化層，所述人臉檢測模型采用隨機梯度下降算法進行訓練得到模型權重，并結合損失函數以及分類函數輸出考勤人員人臉圖像，所有卷積層后均與激活函數連接；所述隨機梯度下降算法的批量大小為32，總共訓練40個epochs，初始學習率為0.01，每30個epochs學習率除以10。

4.如權利要求1所述的人臉考勤方法，其特征在于，所述人臉特征提取模型所述人臉特征提取模型包括依次連接的卷積層、全連接層以及A-Softmax Loss，其中，所述卷積層深度為20，使用ResNet中的殘差單元。

5.如權利要求1所述的人臉考勤方法，其特征在于，所述將所述考勤人員人臉特征向量與所述待考勤人員人臉底庫向量集合進行搜索比對，輸出最大人臉相似度的步驟包括：

計算所述考勤人員人臉特征向量與所述待考勤人員人臉底庫向量集合中各向量的余弦相似度；

將最大的余弦相似度作為最大人臉相似度。

6.一種人臉考勤系統，其特征在于，包括：人臉底庫構建模塊、人臉檢測模塊、人臉特征提取模塊以及人臉特征對比模塊；

所述人臉底庫構建模塊用于構建待考勤人員人臉底庫向量集合；

所述人臉檢測模塊用于將所述待考勤人員圖像輸入預先構建好的人臉檢測模型以獲得待考勤人員人臉圖像；

所述人臉特征提取模塊用于將所述待考勤人員人臉圖像輸入預先構建好的人臉特征提取模型以獲得待考勤人員人臉特征向量；

所述人臉特征對比模塊用于將所述待考勤人員人臉特征向量與預先構建的底庫向量集合進行搜索比對，輸出最大人臉相似度，當所述人臉相似度大于預設閾值時，所述待考勤人員考勤合格。

7.如權利要求6所述的人臉考勤系統，其特征在于，所述人臉檢測模型包括依次連接的第一卷積層、第一池化層、第一殘差塊、第二殘差塊、第三殘差塊、第四殘差塊以及全局池化層，所述人臉檢測模型采用隨機梯度下降算法進行訓練得到模型權重，并結合損失函數以及分類函數輸出人臉圖像，所有卷積層后均與激活函數連接；所述隨機梯度下降算法的批量大小為32，總共訓練40個epochs，初始學習率為0.01，每30個epochs學習率除以10。

8.如權利要求6所述的人臉考勤系統，其特征在于，所述人臉特征提取模型包括依次連接的卷積層、全連接層以及A-Softmax Loss，其中，所述卷積層深度為20，使用ResNet中的殘差單元。

9.一種計算機設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機指令，其特征在于，所述處理器執行所述指令時實現權利要求1-4任意一項所述方法的步驟。

10.一種存儲介質，其存儲有計算機指令，其特征在于，該程序被處理器執行時實現權利要求1-4任意一項所述方法的步驟。