人臉識別考勤方法及其裝置制造方法
【專利摘要】本發(fā)明提供了一種人臉識別考勤方法及其裝置，通過在人臉考勤時獲取人的正面與側(cè)面人臉圖像，而后對采集到的正面和側(cè)面兩個方向的人臉圖像進行匹配，只有當采集到的兩個角度的圖片匹配成功才會轉(zhuǎn)到正常的識別流程，從而有效克服利用照片虛假考勤的問題。該方案不但不影響人臉考勤機的識別準確率和效率，而且可以快速有效的克服利用照片虛假考勤的問題。
【專利說明】人臉識別考勤方法及其裝置
【技術領域】
[0001]本發(fā)明涉及圖像識別領域，尤其是指一種人臉識別考勤方法及其裝置。
【背景技術】
[0002]嚴格規(guī)范的員工考勤管理是現(xiàn)代企事業(yè)單位提高管理效益的重要保證，而傳統(tǒng)的以打卡、卡鐘為代表的考勤形式，存在著代打現(xiàn)象、計算速度慢、磁卡容易損壞或忘帶、設備維修成本高等弊端，已經(jīng)越來越不適合現(xiàn)代企事業(yè)發(fā)展的需要。
[0003]生物識別技術是通過計算機與光學、聲學、生物傳感器和生物統(tǒng)計學原理等高科技手段密切結(jié)合，利用人體固有的生理特性(如指紋、臉像、虹膜等)和行為特征(如筆跡、聲音、步態(tài)等)來進行個人身份的鑒定。如今生物識別在不斷的普及，不僅成為企業(yè)首選的考勤管理系統(tǒng)，隨著生物識別技術的不斷升級，其應用領域也在不斷的擴展。企業(yè)考勤是企業(yè)的一大重要點，其設備的不斷升級也代表著生物識別技術的不斷升級。生物識別設備的興起克服了被復制、失竊、被遺忘等一系列問題，以指紋識別、人臉識別、虹膜識別為代表的生物識別設備在各個領域都得到了廣泛的應用。指紋考勤系統(tǒng)是目前最成熟且價格較便宜的生物考勤設備，但是指紋考勤機對環(huán)境和考勤人員皮膚的要求都很高，當空氣干燥、皮膚臟、蛻皮等情況就無法識別，而且讀頭容易磨損。這些原因使得考勤機壽命短，維護成本高。虹膜識別設備的可靠性很好，但是造價高，無法大范圍推廣。
[0004]人臉識別相對于其他的生物識別方法，具有明顯的優(yōu)勢，從而迅速成為了近年來全球的一個市場熱點。人臉考勤設備的優(yōu)勢如下:
[0005]I)用戶易接受，運用起來簡單，對用戶無特殊要求。
[0006]2)防偽性能好，不易偽造或被盜。
[0007]3)可以隨身攜帶，不用擔心遺漏或丟失，隨時隨地可用。
[0008]4)非接觸，更衛(wèi)生，不怕細菌傳播。
[0009]5)方便快捷，識別時間少于I秒。
[0010]6)攝像頭的大量普及，易于推廣使用。
[0011]7)安全可靠，不涉及到個人隱私。
[0012]8)通過網(wǎng)絡或U盤通訊。
[0013]可見，應用人臉識別考勤系統(tǒng)能有效提高企業(yè)的考勤管理方式，規(guī)范員工考勤操作，防止出現(xiàn)代打卡、弄虛作假的行為，也方便有效的提高考勤效率。同時支持TCP/IP聯(lián)網(wǎng)方式，考勤數(shù)據(jù)自動上傳管理部門，管理考勤數(shù)據(jù)。廣泛適用于企事業(yè)單位、中小學教育機構(gòu)、酒店、會所、醫(yī)院等。
[0014]然而，傳統(tǒng)的二維圖像人臉考勤機通常從正面采集人臉圖像，如果作弊者使用他人的照片進行考勤，就可以起到代替他人考勤的目的，這就使得二維圖像人臉考勤機失去了存在的意義。而三維圖像人臉考勤機造價高、計算復雜度高，一般的消費群體沒有必要選擇這種花費大、速度慢的考勤設備。
【發(fā)明內(nèi)容】

[0015]本發(fā)明所要解決的技術問題是:避免以往普通人臉考勤可靠性低及三維人臉考勤成本過高的問題，提供一種通過正面人臉圖像與側(cè)面人臉圖像，通過增加人臉正面與側(cè)面的匹配流程進而實現(xiàn)低成本下的高可靠性人臉考勤。
[0016]為了解決上述技術問題，本發(fā)明采用的技術方案為:一種人臉識別考勤方法，包括匹配流程及識別流程；
[0017]所述匹配流程包括步驟，
[0018]S21)于同一時刻采集目標對象的正面人臉圖像與側(cè)面人臉圖像；
[0019]S22)采用彈性匹配法比較正面人臉圖像與側(cè)面人臉圖像，若匹配成功則轉(zhuǎn)到識別流程，匹配失敗則返回錯誤信息；
[0020]所述識別流程包括將采集的正面人臉圖像與人臉庫中數(shù)據(jù)進行比對，若比對一致則考勤成功，失敗則返回錯誤信息的步驟。
[0021]本發(fā)明還涉及一種人臉識別考勤裝置，包括至少兩組攝像頭及一中央處理器；兩組攝像頭分別設置于人臉采集區(qū)域的兩側(cè)并與所述中央處理器相連；
[0022]所述兩組攝像頭分別用于采集目標對象的正面人臉圖像與側(cè)面人臉圖像；
[0023]所述中央處理器用于采用彈性匹配法比較正面人臉圖像與側(cè)面人臉圖像，若匹配成功則轉(zhuǎn)到識別流程，匹配失敗則返回錯誤信息；執(zhí)行識別流程的將采集的正面人臉圖像與人臉庫中數(shù)據(jù)進行比對，若比對一致則考勤成功，失敗則返回錯誤信息。
[0024]本發(fā)明的有益效果在于:通過在人臉考勤時獲取人的正面與側(cè)面人臉圖像，而后對采集到的正面和側(cè)面兩個方向的人臉圖像進行匹配，只有當采集到的兩個角度的圖片匹配成功才會轉(zhuǎn)到正常的識別流程，從而有效克服利用照片虛假考勤的問題。該方案不但不影響人臉考勤機的識別準確率和效率，而且可以快速有效的克服利用照片虛假考勤的問題。
【專利附圖】

【附圖說明】
[0025]下面結(jié)合附圖詳述本發(fā)明的具體結(jié)構(gòu)
[0026]圖1為本發(fā)明的具體示例流程圖。
【具體實施方式】
[0027]為詳細說明本發(fā)明的技術內(nèi)容、構(gòu)造特征、所實現(xiàn)目的及效果，以下結(jié)合實施方式并配合附圖詳予說明。
[0028]本發(fā)明最關鍵的構(gòu)思在于:在人臉識別之前，增加一個匹配識別，目的是檢驗正面攝像頭獲取的人臉圖像與側(cè)面攝像頭獲取的人臉圖像是否為同一個人。通過分別采集待考勤人正面與側(cè)面的人臉圖像后進行匹配識別，只有當兩者匹配時放進行識別，不匹配則直接返回錯誤信息。如果作弊者使用照片進行考勤，顯然，正面掃描到的人臉圖像和側(cè)面掃描的人臉圖像不是同一個人，匹配階段無法通過，人臉考勤機拒識。這就有效的達到了防止使用照片作弊的目的。
[0029]本發(fā)明提供了一種人臉識別考勤方法，包括匹配流程及識別流程；
[0030]所述匹配流程包括步驟，[0031]S21)于同一時刻采集目標對象的正面人臉圖像與側(cè)面人臉圖像；
[0032]S22)采用彈性匹配法比較正面人臉圖像與側(cè)面人臉圖像，若匹配成功則轉(zhuǎn)到識別流程，匹配失敗則返回錯誤信息；
[0033]所述識別流程包括將采集的正面人臉圖像與人臉庫中數(shù)據(jù)進行比對，若比對一致則考勤成功，失敗則返回錯誤信息的步驟。
[0034]從上述描述可知，本發(fā)明的有益效果在于:通過在人臉識別前增加匹配流程，在人臉考勤時獲取人的正面與側(cè)面人臉圖像，而后對采集到的正面和側(cè)面兩個方向的人臉圖像進行匹配，只有當采集到的兩個角度的圖片匹配成功才會轉(zhuǎn)到正常的識別流程，從而有效克服利用照片虛假考勤的問題。該方案不但不影響人臉考勤機的識別準確率和效率，而且可以快速有效的克服利用照片虛假考勤的問題。
[0035]實施例1:
[0036]上述一種人臉識別考勤方法中還包括有注冊流程，該注冊流程包括步驟:
[0037]Sll)為目標對象分配一個ID號；
[0038]S12)采集多張目標對象的人臉圖像；
[0039]S13)對采集的人臉圖像進行預處理后進行人臉特征提??； [0040]S14)將提取的人臉特征與ID號對應存入人臉庫。
[0041]實施例2:
[0042]進一步的,上述注冊流程中通過Adaboost算法實現(xiàn)步驟S13。
[0043]Adaboost 算法是 Paul Viola 和 Michael Jones 于 2001 年提出的[10]。它是一種迭代方法，其基本思想是針對不同的訓練集訓練同一個分類器(弱分類器)，然后把這些不同訓練集上的得到的分類器集合起來，構(gòu)成一個最終的強分類器。
[0044]實施例3:
[0045]所述匹配流程中步驟S22具體包括步驟，
[0046]S221)對正面人臉圖像定義人臉模板的二維網(wǎng)格F。
[0047]S222)用特征向量Xi表示二維網(wǎng)格F中節(jié)點i附近的信息。
[0048]S223)定義中心頻率不同、帶寬不同、方向不同的二維Gabor濾波器，表示為G =
(gl，g2，...，gm)°
[0049]S224)對側(cè)面人臉圖像定義二維網(wǎng)格F’。
[0050]S225)用特征向量Xi'表示二維網(wǎng)格F’中節(jié)點i附近的信息，且X/和Xi為同類型特征向量
[0051]S226)采用歐式距離計算向量之間的匹配值E (f):
【權利要求】
1.一種人臉識別考勤方法，其特征在于:包括匹配流程及識別流程； 所述匹配流程包括步驟， 521)于同一時刻采集目標對象的正面人臉圖像與側(cè)面人臉圖像； 522)采用彈性匹配法比較正面人臉圖像與側(cè)面人臉圖像，若匹配成功則轉(zhuǎn)到識別流程，匹配失敗則返回錯誤信息； 所述識別流程包括將采集的正面人臉圖像與人臉庫中數(shù)據(jù)進行比對，若比對一致則考勤成功，失敗則返回錯誤信息的步驟。
2.如權利要求1所述的人臉識別考勤方法，其特征在于:還包括注冊流程；所述注冊流程包括步驟， 511)為目標對象分配一個ID號； 512)采集多張目標對象的人臉圖像； 513)對采集的人臉圖像進行預處理后進行人臉特征提取； 514)將提取的人臉特征與ID號對應存入人臉庫。
3.如權利要求2所述的人臉識別考勤方法，其特征在于:所述注冊流程中通過Adaboost算法實現(xiàn)步驟S13。
4.如權利要求1所述的人臉識別考勤方法，其特征在于:所述匹配流程中步驟S22具體包括步驟， 5221)對正面人臉圖像定義人臉模板的二維網(wǎng)格F; 5222)用特征向量Xi表示二維網(wǎng)格F中節(jié)點i附近的信息； 5223)定義中心頻率不同、帶寬不同、方向不同的二維Gabor濾波器，表示為G=(gl，g2，...，gm) ; 5224)對側(cè)面人臉圖像定義二維網(wǎng)格F’， 5225)用特征向量Xi'表示二維網(wǎng)格F’中節(jié)點i附近的信息，且Xi'和Xi為同類型特征向量 5226)采用歐式距離計算向量之間的匹配值E(f):
5.如權利要求1所述的人臉識別考勤方法，其特征在于:所述識別流程具體包括步驟， 531)對采集到的正面人臉圖像進行預處理和特征提取； 532)采用基于表示分類法將采集到的正面人臉圖像中的比對樣本與人臉庫中的測試樣本進行比對，得到比對分值； 533) 比對正面人臉圖像中的比對樣本與人臉庫中的任意兩個測試樣的絕對差值，若不大于第一閾值則識別失敗返回錯誤信息，否則繼續(xù)步驟； 534)判斷兩個比對分值的差值是否小于第二閾值，是則識別失敗返回錯誤信息，否則繼續(xù)步驟； 535)判斷比對結(jié)果與ID號是否一致，是則繼續(xù)步驟，否則識別失敗返回錯誤信息； 536)考勤成功。
6.一種人臉識別考勤裝置，其特征在于:包括至少兩組攝像頭及一中央處理器；兩組攝像頭分別設置于人臉采集區(qū)域的兩側(cè)并與所述中央處理器相連； 所述兩組攝像頭分別用于采集目標對象的正面人臉圖像與側(cè)面人臉圖像； 所述中央處理器用于采用彈性匹配法比較正面人臉圖像與側(cè)面人臉圖像，若匹配成功則轉(zhuǎn)到識別流程，匹配失敗則返回錯誤信息；執(zhí)行識別流程的將采集的正面人臉圖像與人臉庫中數(shù)據(jù)進行比對，若比對一致則考勤成功，失敗則返回錯誤信息。
【文檔編號】G06K9/66GK103984941SQ201410255700
【公開日】2014年8月13日 申請日期:2014年6月10日 優(yōu)先權日:2014年6月10日
【發(fā)明者】邱敏娜, 江厚銀, 陳雁, 陳敏 申請人:深圳市賽為智能股份有限公司