本發(fā)明涉及一種考勤系統(tǒng)，具體涉及一種基于指紋識別的考勤系統(tǒng)。

背景技術(shù)：

現(xiàn)在企、事業(yè)管理的一項重要組成部分就是其人事考勤制度，它的好壞直接影響到單位的經(jīng)濟(jì)、社會效益以及員工的薪資等諸多方面。因此，對單位員工的出勤情況進(jìn)行有效、科學(xué)地管理已經(jīng)成為每個單位面臨的重要課題。傳統(tǒng)的考勤方式如手工簽到、打卡鐘、ic卡或磁卡考勤方式，經(jīng)常出現(xiàn)代打卡現(xiàn)象。即便采用人工干預(yù)方式，但由于受到技術(shù)手段本身的限制，這就決定了傳統(tǒng)考勤方式是一種低效率、難管理、易假冒、高人情的不科學(xué)管理手段，因此考勤管理起不到較好的效果。

相關(guān)技術(shù)中，采用對指紋圖像進(jìn)行預(yù)處理的方式獲取質(zhì)量更高的圖像信息。對指紋圖像進(jìn)行預(yù)處理，可以消除在傳輸?shù)倪^程中產(chǎn)生的噪聲，同時突顯指紋圖像的邊緣信息，提高了指紋圖像的質(zhì)量。目前，形態(tài)成分分析(mca)是一種基于稀疏表示的圖像分解方法。該方法的思想是假設(shè)圖像的每一個原信號，在合適的自殿下都有相對應(yīng)的一個稀疏向量，且該字典對其他的內(nèi)容不具有稀疏性。在稀疏分解中，采用匹配跟蹤算法獲得圖像稀疏的表示，并且從一個冗余的字典中選擇出最適合當(dāng)前待分解圖像的原子集合，并根據(jù)該集合將圖像進(jìn)行分解。該圖像分解方法對圖像的預(yù)處理有著良好的效果。

技術(shù)實現(xiàn)要素：

針對上述問題，本發(fā)明旨在提供一種基于指紋識別的考勤系統(tǒng)。

本發(fā)明的目的采用以下技術(shù)方案實現(xiàn)：

一種基于指紋識別的考勤系統(tǒng)，包括指紋識別模塊、體溫監(jiān)測模塊和考勤模塊，所述指紋識別模塊用于獲取目標(biāo)指紋圖像，并對指紋圖像進(jìn)行識別，輸出指紋識別結(jié)果；所述體溫監(jiān)測模塊與所述指紋識別模塊關(guān)聯(lián)，用于體溫的實時檢測；所述考勤模塊用于在指紋識別結(jié)果為已經(jīng)識別時，記錄考勤時間和體溫檢測結(jié)果。

本發(fā)明的有益效果為：采用基于指紋識別的考勤系統(tǒng)，能夠更準(zhǔn)確的獲取員工信息，使考勤系統(tǒng)準(zhǔn)確性更高，另外考勤系統(tǒng)具有實時體溫檢測功能，能有效地檢測員工的身體健康狀況。

附圖說明

利用附圖對本發(fā)明作進(jìn)一步說明，但附圖中的實施例不構(gòu)成對本發(fā)明的任何限制，對于本領(lǐng)域的普通技術(shù)人員，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)以下附圖獲得其它的附圖。

圖1是本發(fā)明的框架結(jié)構(gòu)圖；

圖2是本發(fā)明指紋識別模塊的框架結(jié)構(gòu)圖。

附圖標(biāo)記：

指紋識別模塊1、體溫檢測模塊2、考勤模塊3、結(jié)果顯示模塊4、指紋庫10、指紋圖像采集單元11、指紋圖像預(yù)處理單元12、指紋圖像分割單元13、指紋圖像特征提取單元14、指紋圖像匹配單元15。

具體實施方式

結(jié)合以下應(yīng)用場景對本發(fā)明作進(jìn)一步描述。

參見圖1，本實施例的一種基于指紋識別的考勤系統(tǒng)，包括指紋識別模塊1、體溫監(jiān)測模塊2和考勤模塊3，所述指紋識別模塊1用于獲取目標(biāo)指紋圖像，并對指紋圖像進(jìn)行識別，輸出指紋識別結(jié)果；所述體溫監(jiān)測模塊2與所述指紋識別模塊關(guān)聯(lián)，用于體溫的實時檢測；所述考勤模塊3用于在指紋識別結(jié)果為已經(jīng)識別時，記錄考勤時間和體溫檢測結(jié)果。

優(yōu)選地，還包括考勤結(jié)果顯示模塊4，該考勤結(jié)果顯示模塊在指紋識別結(jié)果為已經(jīng)識別時，通過屏幕顯示考勤成功，在指紋識別結(jié)果為識別失敗時，通過屏幕顯示考勤失敗。

優(yōu)選地，所述考勤模塊在記錄體溫檢測結(jié)果時，當(dāng)體溫檢測結(jié)果超出預(yù)設(shè)的范圍，將該體溫檢測結(jié)果標(biāo)記為異常。

優(yōu)選地，參考圖2，所述指紋識別模塊包括指紋庫10、指紋圖像采集單元11、指紋圖像預(yù)處理單元12、指紋圖像分割單元13、指紋圖像特征提取單元14和指紋圖像匹配單元15；

本發(fā)明上述實施例，采用基于指紋識別的考勤系統(tǒng)，能夠更準(zhǔn)確的獲取員工信息，使考勤系統(tǒng)準(zhǔn)確性更高，另外考勤系統(tǒng)具有實時體溫檢測功能，能有效地檢測員工的身體健康狀況。

優(yōu)選地，所述指紋庫10中存有預(yù)先錄入的標(biāo)準(zhǔn)指紋圖像。

優(yōu)選地，所述指紋圖像采集單元11用于獲取目標(biāo)指紋圖像。

優(yōu)選地，所述指紋圖像預(yù)處理單元12用于對獲取的目標(biāo)指紋圖像進(jìn)行預(yù)處理，包括：

首先對目標(biāo)指紋圖像進(jìn)行形態(tài)成分分析(mca)分解，得到目標(biāo)指紋圖像的平滑部分和細(xì)節(jié)部分，對于每個細(xì)節(jié)部分pn，按照下列除噪聲公式進(jìn)行除噪，定義除噪聲公式為：

式中，p‘n(x,y)是第n個細(xì)節(jié)部分像素點(x,y)的像素值，n＝1，2，…i，i表示細(xì)節(jié)部分的數(shù)量，pn(x-x’,y-y’)表示第n個細(xì)節(jié)部分像素點(x-x’,y-y’)的像素值，x’和y’分別表示平面內(nèi)像素點(x-x’,y-y’)與像素點(x,y)的水平距離和垂直距離，表示設(shè)定的除噪因子，fp(x-x’,y-y’)表示除噪時像素點(x-x’,y-y’)對像素點(x,y)的像素值的影響因子，σl和σk分別表示所有像素點(x-x’,y-y’)與像素點(x,y)的距離和灰度值差的標(biāo)準(zhǔn)偏差，q(x,y)和q(x-x’,y-y’)分別表示像素點(x,y)和(x-x’,y-y’)的灰度值，ω表示設(shè)定的灰度比重；

然后將處理過的細(xì)節(jié)部分與圖像的平滑部分進(jìn)行圖像重構(gòu)，得到預(yù)處理后的目標(biāo)指紋圖像；

其中，形態(tài)成分分析(mca)是一種基于稀疏表示的圖像分解方法。該方法的思想是假設(shè)圖像的每一個原信號，在合適的字典下都有相對應(yīng)的一個稀疏向量，且該字典對其他的內(nèi)容不具有稀疏性。在稀疏分解中，采用匹配跟蹤算法獲得圖像稀疏的表示，并且從一個冗余的字典中選擇出最適合當(dāng)前待分解圖像的原子集合，并根據(jù)該集合將圖像進(jìn)行分解。

本優(yōu)選實施例，設(shè)置指紋圖像預(yù)處理單元12，對采集到的目標(biāo)指紋圖像進(jìn)行預(yù)處理，采用自定義除噪聲公式，能夠有效地去除目標(biāo)指紋圖像于無線傳輸過程中產(chǎn)生的噪聲，同時有效地保留了目標(biāo)指紋圖像的細(xì)節(jié)特征，為后續(xù)的指紋識別奠定基礎(chǔ)，提高了考勤系統(tǒng)的精確度。

優(yōu)選地，所述指紋分割單元13用于對預(yù)處理后的目標(biāo)指紋圖像進(jìn)行分割處理，包括：

首先使用高斯金字塔對預(yù)處理后的指紋圖像進(jìn)行多尺度分離，得到不同尺度下的子圖像，并且將每一個尺度下的子圖像，使用三通道分離方法進(jìn)行rgb分離，得到分離后三通道子圖像，分別為r、g和b子圖像，利用自定義磨光函數(shù)分別對r、g和b子圖像進(jìn)行磨光處理，自定義磨光函數(shù)為：

式中，e′(x,y)表示磨光處理后像素點(x,y)的灰度值，e(x-x1,y-y1)表示像素點(x-x1,y-y1)的灰度值，x1和y1分別表示平面內(nèi)像素點(x-x1,y-y1)和像素點(x,y)的水平距離和垂直距離，x1,y1∈[-fv,fv]，fv表示設(shè)定的磨光因子，fh表示設(shè)定的平滑因子；

然后根據(jù)磨光處理后的子圖像，計算r，g，b子圖像的梯度值，采用的梯度計算公式為：

式中，u(x,y)表示像素點(x,y)的梯度值，e′(x,y)，e′(x+1,y)，e′(x,y+1)分別表示根據(jù)磨光函數(shù)計算得到的像素點(x,y)，(x+1,y)，(x,y+1)的灰度值；

之后將r，g，b子圖像的梯度值相加，得到子尺度圖像的梯度值，定義梯度疊加的計算公式為：

式中，dk(x,y)表示第k個尺度圖像像素點的梯度值，k＝1,2,3,…,k，k為設(shè)定的尺度數(shù)量，ur(x,y)，ug(x,y)，ub(x,y)分別表示根據(jù)所述的梯度計算公式計算得到的r，g，b子圖像像素點(x,y)的梯度值，α1，α2，α3為設(shè)定的r、g、b權(quán)重因子；

接著把每個子尺度圖像對應(yīng)像素點的梯度值相加，得到綜合梯度值，采用的綜合疊加公式為：

式中，d′(x,y)表示預(yù)處理后的指紋圖像像素點(x,y)的綜合梯度值，dk(x,y)表示根據(jù)所述的梯度疊加公式計算得到的第k個子尺度下的子尺度圖像像素點(x,y)的梯度值，γk表示第k個子尺度下的權(quán)重，k＝1,2,3,…,k，k為設(shè)定的尺度數(shù)量；

最后將綜合梯度值大于設(shè)定閾值的像素點作為邊緣點，分割邊緣點內(nèi)的圖像作為目標(biāo)指紋圖像的特征部分進(jìn)行進(jìn)一步篩選。

本優(yōu)選實施例，采用自定義磨光函數(shù)，能夠有效地突出圖像的邊緣特征信息，提高了邊緣檢測和分割處理的精確度；同時，對預(yù)處理后的目標(biāo)指紋圖像進(jìn)行多尺度下的分r、g、b通道的邊緣檢測處理，能夠更靈活地選的所需的邊緣信息進(jìn)行提取和分割，有利于后續(xù)的指紋識別，提高了考勤系統(tǒng)對員工身份識別的精確度。

優(yōu)選地，所述指紋圖像特征提取單元用于獲取所述目標(biāo)指紋圖像特征部分的目標(biāo)指紋特征，包括：

首先獲取目標(biāo)指紋圖像特征部分中每個像素點的灰度值，然后采用自定義指紋特征值函數(shù)計算指紋特征值，自定義指紋特征值函數(shù)為：

式中，q0(x,y)表示像素點(x,y)的局部灰度差異值，c(a)表示二值化函數(shù)，h(x,y)和h(x-xs,y-ys)分別表示像素點(x,y)和(x-xs,y-ys)的灰度值，xs和ys分別表示平面內(nèi)像素點(x-xs,y-ys)與像素點(x,y)的水平距離和垂直距離，且需滿足|xs|+|ys|≤l，l表示設(shè)定的距離閾值，q1(x,y)表示像素點(x,y)的灰度的梯度差異值，θ1表示像素點(x,y)的局部灰度差異的平均值，其中q2(x,y)表示像素點(x,y)的灰度水平，θ2表示整個圖像特征部分中所有像素點的灰度平均值；

最后分別統(tǒng)計q0、q1和q2的直方圖作為指紋特征。

本優(yōu)選實施例，采用自定義指紋特征值函數(shù)對進(jìn)行指紋特征提取，能夠有效、準(zhǔn)確地描述出指紋特征，函數(shù)中引入了局部灰度差異的平均值作為參考因子，克服了由于亮度分布不均帶來的指紋特征描述不準(zhǔn)確的問題，從而提高了指紋識別的精確度，不僅提高了考勤系統(tǒng)的工作效率，而且使得考勤系統(tǒng)對員工的身份識別更加準(zhǔn)確。

優(yōu)選地，所述指紋圖像匹配單元15用于對比指紋庫中所有標(biāo)準(zhǔn)指紋圖像與目標(biāo)指紋圖像的指紋特征，輸出指紋識別結(jié)果。

最后應(yīng)當(dāng)說明的是，以上實施例僅用以說明本發(fā)明的技術(shù)方案，而非對本發(fā)明保護(hù)范圍的限制，盡管參照較佳實施例對本發(fā)明作了詳細(xì)地說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，可以對本發(fā)明的技術(shù)方案進(jìn)行修改或者等同替換，而不脫離本發(fā)明技術(shù)方案的實質(zhì)和范圍。