一種考勤方法及系統的制作方法
【專利摘要】本公開涉及一種考勤方法及系統，其中，所述方法通過攝像頭輸出的上下班出入口處的視頻，服務器實時獲取所述待考勤人員的若干張圖像，通過對獲取的圖像提取用戶特征和時間信息，結合用戶特征庫中存儲的待考勤人員的用戶特征信息來實現一種無需待考勤人員專門就考勤付出時間的、非接觸式考勤，既可以有效的提高考勤效率，也能克服考勤代簽的問題，提高了考勤的實時性和有效性。基于所述方法，本公開還實現了相應的系統。
【專利說明】
_種考勤方法及系統
技術領域
[0001] 本公開涉及一般的控制或監視技術領域，特別涉及一種考勤方法及系統。
【背景技術】
[0002] 考勤簽到是目前公司和企業必不可少的一項工作，最原始的簽到方式無疑是人手 簽到，但是這種方式可以很容易代簽，可靠性不強。隨后又出現了很多考勤簽到方式，例如 打卡簽到、指紋簽到等等，但是這些方式仍然可以代簽。因此，在考勤方面更需要一種具有 不可復制且不可替代性的簽到手段。

【發明內容】

[0003 ]針對上述問題，本公開提供了一種考勤方法及系統。
[0004] -種考勤方法，所述方法包括下述步驟：
[0005] S100、建立所有T名待考勤人員的用戶特征庫，所述用戶特征庫存儲待考勤人員Ui 的用戶標識IDi，和用戶標識IDi所對應的Mi個用戶特征，其中，i的取值范圍從1到T，Mi為正 整數；
[0006] S200、對于待考勤人員山，至少通過攝像頭輸出的上下班出入口處的視頻，服務器 實時獲取所述待考勤人員山的心張圖像和所述心張圖像的時間信息，并基于每張圖像提取1 個用戶特征，以獲得該待考勤人員的&個用戶特征，其中，&為正整數；
[0007] S300、對于待考勤人員Ui，利用步驟S200中所述Ni個用戶特征和所述Ni張圖像的時 間信息，以及步驟S100中所述用戶特征庫，對所述待考勤人員山的上下班進行考勤。
[0008] 基于所述方法，實現了一種考勤系統，所述系統包括用戶特征庫、圖像用戶特征獲 得模塊、考勤模塊;其中：
[0009] 用戶特征庫，用于：存儲待考勤人員Ui的用戶標識IDi，和用戶標識IDi所對應的Mi 個用戶特征，其中，i的取值范圍從1到T，Mi為正整數;T為帶考勤人員總數；
[0010] 圖像用戶特征獲得模塊，用于:對待考勤人員山，至少通過攝像頭輸出的上下班出 入口處的視頻，服務器實時獲取所述待考勤人員山的&張圖像和所述&張圖像的時間信息， 并基于每張圖像提取1個用戶特征，以獲得該待考勤人員的心個用戶特征，其中，心為正整 數；
[0011] 考勤模塊，用于:對待考勤人員山，利用所述用戶特征提取模塊提取的所述Ni個用 戶特征和所述&張圖像的時間信息，以及所述用戶特征庫，對所述待考勤人員山的上下班進 行考勤。
[0012] 本公開通過攝像頭輸出的上下班出入口處的視頻，服務器實時獲取所述待考勤人 員的若干張圖像，通過對獲取的圖像提取用戶特征和時間信息，結合用戶特征庫中存儲的 待考勤人員的用戶特征信息來對待考勤人員的上下班進行非接觸式考勤，可以有效的避免 考勤中人員代簽的現象。
【附圖說明】
[0013] 圖1為本公開一個實施例中的考勤方法流程圖；
[0014] 圖2為本公開一個實施例中步驟S300在有用戶標識情況下的一種實施方式流程 圖；
[0015] 圖3為本公開一個實施例中步驟S300在沒有用戶標識情況下的一種實施方式流程 圖；
[0016] 圖4為本公開一個實施例中將步驟S302B進一步分解的流程圖；
[0017]圖5為本公開一個實施例中將步驟S303B進一步分解的流程圖；
[0018] 圖6為本公開一個實施例中的結構圖；
[0019] 圖7為本公開一個實施例中的一種結構圖；
[0020] 圖8為本公開一個實施例中的一種結構圖；
[0021] 圖9為本公開一個實施例中的一種結構圖；
[0022] 圖10為本公開一個實施例中的一種結構圖；
[0023] 圖11為本公開一個實施例中的一種結構圖。
【具體實施方式】
[0024] 在一個基礎的實施例中，提供了一種考勤方法，所述方法流程圖如圖1所示，該方 法包括下述步驟：
[0025] S100、建立所有T名待考勤人員的用戶特征庫，所述用戶特征庫存儲待考勤人員Ui 的用戶標識IDi，和用戶標識IDi所對應的Mi個用戶特征，其中，i的取值范圍從1到T，Mi為正 整數；
[0026] S200、對于待考勤人員仏，至少通過攝像頭輸出的上下班出入口處的視頻，服務器 實時獲取所述待考勤人員仏的化張圖像和所述K張圖像的時間信息，并基于每張圖像提取1 個用戶特征，以獲得該待考勤人員的K個用戶特征，其中為正整數；
[0027] S300、對于待考勤人員Ui，利用步驟S200中所述Ni個用戶特征和所述Ni張圖像的時 間信息，以及步驟S100中所述用戶特征庫，對所述待考勤人員U的上下班進行考勤。
[0028]本公開由于通過攝像頭輸出的上下班出入口處的視頻，服務器實時獲取所述待考 勤人員的若干張圖像，通過對獲取的圖像提取用戶特征和時間信息，結合用戶特征庫中存 儲的待考勤人員的用戶特征信息來實現考勤，很好的克服了考勤代簽問題。同時，由于是一 種非接觸式考勤，無需待考勤人員專門就考勤付出時間，因此本公開方法可以有效的提高 考勤效率。在應用時，由于使用用戶標識來獲取考勤人員圖像，加速了用戶特征匹配速度， 提高了考勤的實時性和有效性。其中，所述客戶端可以是手機、平板、定制帶有人員標識的 卡片、以及指紋識別器等能夠向服務器發送用戶標識的電子設備。
[0029]在一個實施例中，揭示了步驟S100中用戶標識ID:的生成方式，即：
[0030] 所述待考勤人員仏的用戶標識ID:是自動生成的，或被人為設置的，或基于每個待 考勤人員的客戶端而獲得的；
[0031] 所述用戶標識ID:所對應的1個用戶特征是基于預先獲得的待考勤人員仏的1個 圖像來提取的。
[0032] 在一個實施例中，步驟S300還包括考勤結果提示，所述相似性匹配結果提示的內 容形式包括采用下述一種或任意多種方式的組合形式:靜態文字、圖案或動態文字、動態圖 案、聲音。所述提示包括具體的考勤人員或者訪客。本公開可以實時顯示視頻與識別結果， 當考勤人員被識別時，會給出相應提示。
[0033] 在一個實施例中，揭示了步驟S300在有用戶標識情況下的一種實施方式，如圖2所 示，所述步驟S300進一步包括下述步驟：
[0034] S301A、對于與服務器在同一空間區域的、待考勤人員仏的客戶端，服務器與該客 戶端進行通信以獲得該待考勤人員u的用戶標識im，并記錄相應通信時間；
[0035] S302A、基于該用戶標識IDi，獲取存儲在所述用戶特征庫的該用戶標識IDi對應的 Mi個用戶特征；
[0036] S303A、將步驟S302A獲取的Mi個用戶特征與步驟S200獲取的Ni個用戶特征分別進 行相似度比對；
[0037] S304A、若存在一次比對結果滿足相似度比對的閾值要求，且步驟S301A中的通信 時間與步驟S200中的所述化張圖像的時間信息滿足考勤的時間要求，則該用戶標識所屬用 戶的考勤被判定為有效;否則，考勤被判定為無效。
[0038] 特別地，若服務器接收到與其不在同一區域客戶端發送的用戶標識，則不進行任 何操作。這種方式對于使用移動設備發送用戶標識的情況，可以有效避免不在考勤區域客 戶端就發送用戶標識，服務器就在視頻圖像中匹配考勤人員，進而影響實際的考勤效率。
[0039] 在一個實施例中，還揭示了步驟S300在沒有用戶標識情況下的一種實施方式。即： 在沒有用戶標識情況時，服務器也可以根據獲取的實時視頻圖像進行用戶考勤，同時還能 區別是考勤人員還是訪客。在這種情況下，如圖3所示，所述步驟S300進一步包括下述步驟：
[0040] S301B、將步驟S200中獲得的Ni個用戶特征作為一個整體檢索條件，并以此整體檢 索條件檢索所述用戶特征庫；
[0041] S302B、從所述用戶特征庫中獲取與該Ni個用戶特征最相似的Ki個相似用戶特征， 以及所述1個相似用戶特征所對應的待考勤人員的用戶標識；
[0042] 33038、將化個用戶特征和所述L個相似用戶特征分別進行相似度比對；
[0043] S304B、若存在一次比對結果滿足相似度比對的閾值要求，且步驟S200中的所述Ni 張圖像的時間信息滿足考勤的時間要求，則：
[0044]該次比對所對應的相似用戶被識別為待考勤人員，且該化個用戶特征所屬用戶的 考勤被判定為有效；
[0045] 否則，該化個用戶特征所屬用戶被識別為訪客。
[0046] 在一個實施例中，如圖4所示，步驟S302B進一步包括下述步驟來獲取與該Ni個用 戶特征最相似的Ki個相似用戶特征：
[0047] S302B1、通過Ki個相似用戶特征來建立KD樹，其中，Ki彡Mi;
[0048] S302B2、對所述KD樹進行遍歷，每層選取用戶特征中的一維進行比較，以確定下一 層檢索的分支，最后選取最相似的I個相似用戶特征；
[0049] S302B3、進一步獲取所述Ki個相似用戶特征所對應的用戶標識，以此作為可能的 相似用戶。
[0050]所述KD樹的每一層可以為人臉特征的一維，在查找相似特征向量時，可以減少比 較次數加速比對過程。在搜索相似特征時，通過遍歷基于人臉特征的KD樹實現，每層選取人 臉特征的一維進行比較以確定下一層檢索的分支。
[0051] 在一個實施例中，如圖5所示，步驟S303B中所述將Ni個用戶特征和所述Ki個相似用 戶特征分別進行相似度比對，進一步包括下述步驟：
[0052] S303B1、定義相似度矩陣Si,userj，i G [ 1，Ni]，j G [ 1，Ki];
[0053] S303B2、對Ni張圖像，根據正臉、清晰度計算一個質量分值qi，iG[l，Ni];
[0054] S303B3、按照下式計算步驟S302B3中所述用戶標識所對應的每個用戶的Mi個用戶 特征與步驟S200中的K個用戶特征的相似度得分：
[0056] S303B4、，基于步驟S303B3的相似度得分，獲得最大相似度及其所屬該次比對所對 應的用戶標識，以此作為可能的相似用戶。
[0057]為了能夠準確識別出用戶，將所述用戶特征包括人臉特征和/或步態特征。在應用 時，可以單獨使用人臉特征或者步態特征，也可以是兩者結合使用。為了方便檢索，所述用 戶特征在存儲時采用分布式存儲方式，以便進行并行檢索，提高檢索速度。優選的，所述人 臉特征包括類間變化和類內變化，所述類間變化是指不同人之間的人臉差異;所述類內變 化是指一個人在不同條件下人臉之間的差異。在一個實施例中，列舉了產生類內變化的不 同條件，即所述不同條件包括表情、光線、年齡所相關的條件。在其它實施例中，不同條件包 括表情、光線、年齡、發型、化妝與否等相關的條件。在一個實施例中，不同條件包括性別、年 齡、是否戴眼鏡、帽子、口罩等，并將這些不同條件作為檢索條件，為檢索查詢提供幫助。 [0058]優選的，所述人臉特征通過深度學習方法對人臉特征所屬圖像中的人臉進行特征 提取。在一個實施例中，使用深度學習方法提取約180維的人臉特征，更能有效地在不同條 件下產生的類內變化與由于不同人臉產生的類間變化進行區分。深度學習方法可以通過非 線性變換得到新的特征表示:該特征在盡可能多地去掉類內變化的同時，保留類間變化。通 過深度學習方法提取每張人臉個性化的特征，能很大提高人臉識別的準確性。在一個實施 例中，給出了深度學習采用的具體函數，即：所述深度學習方法使用非線性變換sigmoid函 數：
[0060] 優選的，所述步態特征通過步態特征矢量表示，所述步態特征矢量通過下述步驟 獲得：
[0061] S111、獲取用戶步態的周期性特征矢量；
[0062] S112、基于周期性特征矢量的處理獲取步態特征矢量。
[0063]所述周期性特征矢量相當于被檢測對象的在時間維度上的特征，所述步態特征矢 量相當于被檢測對象在空間維度上的特征，在周期性特征矢量的基礎上獲得的不同特征矢 量具有較高的魯棒性。而由于不需要對每一幀圖像都進行步態特征矢量提取，能夠進行較 快的識別判斷。所述步態特征矢量至少需要表達下述內容:腳的擺動區域、腿的擺動區域、 手臂的擺動區域和軀干的擺動區域。在識別時，當檢測對象的不同特征矢量和用戶特征庫 中存儲的匹配達到設定閾值時，則認為匹配成功。
[0064]在一個實施例中，所述周期性特征矢量通過主成分分析方法獲得。所述步驟S112 中處理采用的方法是一種基于主成分分析和線性判別分析的聯合處理方法。采用這種全局 的方法來獲得反應人體形態特征的步態特征矢量，對圖像品質要求較低，這一優點使本公 開方法在通過攝像頭獲取的動態人員的圖像時進行步態識別的場景中尤為重要。
[0065] 在一個實施例中，步驟S200還包括下述步驟：
[0066] S201、將實時獲取的所述K張圖像，和從每張圖像中提取的用戶特征，以及所述K 張圖像的時間信息分別進行存儲；
[0067] S202、進一步對每張圖像中的地點進行識別，并將所述地點進行存儲。
[0068] 在這個實施例中，將實時獲取的化張圖像、從每張圖像中提取的用戶特征及圖像 獲取時間、地點進行存儲。對多個攝像頭在監控區域拍攝到的人臉，系統在線自動構建一個 人臉庫，記錄該人臉訪問時間、出現地點、外觀特征等，對外提供人臉查詢檢索功能。用戶可 以使用人臉圖片在庫中進行檢索，查詢該人是否在監控區域出現過并得到其相關訪問信息 或行走軌跡。
[0069] 利用存儲的信息，可以統計每天進入公司的員工人數，其中重復客戶只計算一次， 還可以將訪客的相關信息進行保存以用于查詢;而利用保存的時間信息可以統計每個進出 公司的時間和次數。
[0070] 在步驟S200中服務器實時獲取所述待考勤人員仏的化張圖像時，為提高匹配的準 確性，服務器自動挑選高質量的人臉圖像，優選的，所述質量判斷包括下述步驟：
[0071] S211、對每個檢測到的人臉圖像，首先判斷兩眼間距是否滿足設定要求，若滿足要 求則執行步驟S212;否則，舍棄該檢測到的人臉圖像；
[0072] S212、計算檢測到的人臉圖像的人臉置信度得分是否滿足設定要求，若滿足要求 則執行步驟S213;否則，舍棄該檢測到的人臉圖像；
[0073] S213、計算正臉得分是否滿足設定要求，如滿足，則認為該人臉圖像能夠用于識別 人臉;否則，舍棄該檢測到的人臉圖像。
[0074] 可選的，所述跟蹤通過比較當前跟蹤位置處的人臉與已檢測到的人臉面積重合度 來判斷是否為同一目標。在一個實施例中，比較所定位的人臉與當前跟蹤位置處的"人臉" 的面積重合度，如果重合度大于閾值，比如0.6，則認為是同一個目標，如果所定位的人臉沒 有與跟蹤的人臉重合或者重合度小于閾值，則認為不是同一目標。
[0075]根據上述方法，可建立相應的考勤系統，所述系統結構示意圖如圖6所示，所述系 統包括用戶特征庫、圖像用戶特征獲得模塊、考勤模塊;其中：
[0076]用戶特征庫，用于：存儲待考勤人員Ui的用戶標識IDi，和用戶標識IDi所對應的Mi 個用戶特征，其中，i的取值范圍從1到hit為正整數;T為帶考勤人員總數；
[0077]圖像用戶特征獲得模塊，用于:對待考勤人員U，至少通過攝像頭輸出的上下班出 入口處的視頻，服務器實時獲取所述待考勤人員仏的化張圖像和所述K張圖像的時間信息， 并基于每張圖像提取1個用戶特征，以獲得該待考勤人員的K個用戶特征，其中，化為正整 數；
[0078]考勤模塊，用于:對待考勤人員U，利用所述用戶特征提取模塊提取的所述K個用 戶特征和所述K張圖像的時間信息，以及所述用戶特征庫，對所述待考勤人員Ui的上下班進 行考勤。
[0079] 特別地，所述用戶特征庫中存儲的待考勤人員仏的用戶標識ID:是是自動生成的， 或被人為設置的，或基于每個待考勤人員的客戶端而獲得的;所述用戶標識ID:所對應的1 個用戶特征是基于預先獲得的待考勤人員仏的姐個圖像來提取的。
[0080] 在一個實施例中，所述系統結構示意圖如圖7所示，所述圖像用戶特征獲得模塊還 包括下述單元：
[0081 ]地點識別單元，用于:對每張圖像中的地點進行識別；
[0082] 信息存儲單元，用于:將實時獲取的所述K張圖像，和從每張圖像中提取的用戶特 征，以及所述K張圖像的時間信息分別進行存儲;對每張圖像中識別出的地點進行存儲。
[0083] 在一個實施例中，如圖8所示，所述考勤模塊包括下述單元來實現對所述待考勤人 員仏的上下班進行考勤：
[0084] 用戶標識獲取單元，用于：對與服務器在同一空間區域的、待考勤人員仏的客戶 端，服務器與該客戶端進行通信以獲得該待考勤人員仏的用戶標識ID:，記錄相應通信時間； 并將所述用戶標識ID:輸出給第一檢索單元，將所述通信時間輸出給第一考勤判斷單元；
[0085] 第一檢索單元，用于：利用接收的用戶標識ID:，獲取存儲在所述用戶特征庫的該 用戶標識IDi對應的Mi個用戶特征;并將所述用戶標識IDi以及其對應的Mi個用戶特征輸出 給相似度對比單元；
[0086] 第一相似度對比單元，用于:接收所述第一檢索單元的I個用戶特征，將其與所述 圖像用戶特征獲得模塊獲取的化個用戶特征分別進行相似度比對，并將比對結果輸出給第 一考勤判斷單元；
[0087] 第一考勤判斷單元，用于:接收所述用戶標識獲取單元的通信時間以及所述第一 相似度對比單元的對比結果;若存在一次比對結果滿足相似度比對的閾值要求，且接收的 通信時間與所述圖像用戶特征獲得模塊獲取的所述化張圖像的時間信息滿足考勤的時間 要求，則該用戶標識所屬用戶的考勤被判定為有效;否則，考勤被判定為無效。
[0088] 在一個實施例中，如圖9所示，所述考勤模塊包括下述單元來實現對所述待考勤人 員仏的上下班進行考勤：
[0089] 第二檢索單元，用于:將所述圖像用戶特征獲得模塊獲取的化個用戶特征作為整 體檢索條件，并以此整體檢索條件檢索所述用戶特征庫，并將獲取的與該K個用戶特征最 相似的1個相似用戶特征，以及所述1個相似用戶特征所對應的待考勤人員的用戶標識作 為檢索結果輸出給第二相似比對單元；
[0090] 第二相似比對單元，用于:將接收的化個用戶特征和所述仏個相似用戶特征分別進 行相似度比對，并將比對結果輸出給第二考勤判斷單元；
[0091 ]第二考勤判斷單元，用于:接收第二相似比對單元輸出的比對結果;若存在一次比 對結果滿足相似度比對的閾值要求，且步驟S200中的所述化張圖像的時間信息滿足考勤的 時間要求，則:該次比對所對應的相似用戶被識別為待考勤人員，且該K個用戶特征所屬用 戶的考勤被判定為有效;否則，該化個用戶特征所屬用戶被識別為訪客。
[0092]在一個實施例中，所述第二檢索單元包括KD樹；
[0093]所述KD樹通過Ki個相似用戶特征來構建，其中Ki多Mi;每層是用戶特征中的一維。
[0094] 在一個實施例中，如圖10所示，所述第二相似比對單元包括相似度矩陣、質量評估 器、相似度得分計算器、比較器；
[0095] 所述相似度矩陣，其每個元素表示一個作為檢索條件的用戶特征和作為檢索結果 的一個用戶特征之間的相似度;所述相似矩陣的列向量表示一個檢索結果的用戶特征與不 同檢索條件的用戶特征的相似度分量；
[0096] 所述質量評估器，用于:根據正臉、清晰度計算一張圖像的質量分值;并將屬于同 一用戶的圖像的質量分值，按照所述相似度矩陣中作為檢索條件的用戶特征對應的圖像順 序寫入到第一行向量；
[0097] 所述相似度得分計算器，用于:將所述第一行向量與所述相似度矩陣相乘，得到相 似度得分結果向量；
[0098] 所述比較器，用于:從所述相似度得分結果向量元素中選擇最高的相似度得分，并 將該相似度得分對應的檢索結果用戶作為可能的相似用戶。
[0099] 在一個實施例中，所述圖像用戶特征獲得模塊包括人臉特征提取子模塊和/或步 態特征提取子模塊；
[0100] 所述人臉特征提取子模塊，用于提取圖像中的人臉特征；
[0101] 所述步態特征提取子模塊，用于提取圖像中的步態特征。
[0102] 進一步地，如圖11所示，所述圖像步態特征提取子模塊包括主成分分析單元、步態 特征提取單元;所述主成分分析單元，使用主成分分析方法提取服務器實時獲取所述待考 勤人員仏的化張圖像中的周期性特征矢量，并輸出給所述步態特征提取單元;所述步態特征 提取單元對所述主成分分析單元輸出的周期性特征矢量采用一種基于主成分分析和線性 判別分析的聯合處理方法來獲得步態特征矢量。
[0103] 以上對本公開進行了詳細介紹，本文中應用了具體個例對本公開的原理及實施方 式進行了闡述，以上實施例的說明只是用于幫助理解本公開的方法及其核心思想；同時，對 于本領域技術人員，依據本公開的思想，在【具體實施方式】及應用范圍上均會有改變之處，綜 上所述，本說明書內容不應理解為對本公開的限制。
【主權項】
1. 一種考勤方法，其特征在于，所述方法包括下述步驟： S100、建立所有T名待考勤人員的用戶特征庫，所述用戶特征庫存儲待考勤人員化的用 戶標識IDi,和用戶標識IDi所對應的Mi個用戶特征，其中，i的取值范圍從1到T，Mi為正整數； 5200、 對于待考勤人員化，至少通過攝像頭輸出的上下班出入口處的視頻，服務器實時 獲取所述待考勤人員化的Ni張圖像和所述Ni張圖像的時間信息，并基于每張圖像提取1個用 戶特征，W獲得該待考勤人員的Ni個用戶特征，其中，Ni為正整數； S300、對于待考勤人員化，利用步驟S200中所述Ni個用戶特征和所述Ni張圖像的時間信 息，W及步驟SlOO中所述用戶特征庫，對所述待考勤人員化的上下班進行考勤。2. 根據權利要求1所述的方法，其特征在于，優選的，步驟SlOO中： 所述待考勤人員化的用戶標識IDi是自動生成的，或被人為設置的，或基于每個待考勤 人員的客戶端而獲得的； 所述用戶標識IDi所對應的Mi個用戶特征是基于預先獲得的待考勤人員化的Mi個圖像來 提取的。3. 根據權利要求1所述的方法，其特征在于，步驟S200還包括下述步驟： 5201、 將實時獲取的所述Ni張圖像，和從每張圖像中提取的用戶特征，W及所述Ni張圖 像的時間信息分別進行存儲； 5202、 進一步對每張圖像中的地點進行識別，并將所述地點進行存儲。4. 根據權利要求1所述的方法，其特征在于，步驟S300包括下述步驟： S301A、對于與服務器在同一空間區域的、待考勤人員化的客戶端，服務器與該客戶端進 行通信W獲得該待考勤人員化的用戶標識IDi,并記錄相應通信時間； S302A、基于該用戶標識IDi,獲取存儲在所述用戶特征庫的該用戶標識IDi對應的Mi個 用戶特征； S303A、將步驟S302A獲取的Mi個用戶特征與步驟S200獲取的Ni個用戶特征分別進行相 似度比對； S304A、若存在一次比對結果滿足相似度比對的闊值要求，且步驟S301A中的通信時間 與步驟S200中的所述Ni張圖像的時間信息滿足考勤的時間要求，則該用戶標識IDi所屬用戶 的考勤被判定為有效;否則，考勤被判定為無效。5. 根據權利要求1所述的方法，其特征在于，步驟S300包括下述步驟： S301B、將步驟S200中獲得的Ni個用戶特征作為一個整體檢索條件，并W此整體檢索條 件檢索所述用戶特征庫； S302B、從所述用戶特征庫中獲取與該Ni個用戶特征最相似的Ki個相似用戶特征，W及 所述Ki個相似用戶特征所對應的待考勤人員的用戶標識； S303B、將Ni個用戶特征和所述Ki個相似用戶特征分別進行相似度比對； S304B、若存在一次比對結果滿足相似度比對的闊值要求，且步驟S200中的所述Ni張圖 像的時間信息滿足考勤的時間要求，則： 該次比對所對應的相似用戶被識別為待考勤人員，且該Ni個用戶特征所屬用戶的考勤 被判定為有效； 否則，該Ni個用戶特征所屬用戶被識別為訪客。6. 根據權利要求5所述的方法，其特征在于，所述S302B包括下述步驟： S302B1、通過Ki個相似用戶特征來建立邸樹，其中，Ki >Mi; S302B2、對所述K的對進行遍歷，每層選取用戶特征中的一維進行比較，W確定下一層檢 索的分支，最后選取最相似的Ki個相似用戶特征； S302B3、進一步獲取所述Ki個相似用戶特征所對應的用戶標識，W此作為可能的相似用 戶。7. 根據權利要求6所述的方法，其特征在于，所述S303B包括下述步驟： 830381、定義相似度矩陣51,。36小1￡[1，扣]〇￡[1，1(1]; S303B2、對Ni張圖像，根據正臉、清晰度計算一個質量分值qi，i G [1，Ni]; S303B3、按照下式計算步驟S302B3中所述用戶標識所對應的每個用戶的Ml個用戶特征 與步驟S200中的Ni個用戶特征的相似度得分：S303B4、，基于S303B3的相似度得分，獲得最大相似度及其所屬該次比對所對應的用戶 標識，W此作為可能的相似用戶。8. 根據權利要求1所述的方法，其特征在于： 所述用戶特征包括人臉特征和/或步態特征。9. 根據權利要求8所述的方法，其特征在于： 所述步態特征通過步態特征矢量表示，所述步態特征矢量通過下述步驟獲得： 5111、 獲取用戶步態的周期性特征矢量； 5112、 基于周期性特征矢量的處理獲取步態特征矢量。10. 根據權利要求9所述的方法，其特征在于，所述周期性特征矢量通過主成分分析方 法獲得。11. 根據權利要求9所述的方法，其特征在于，所述步驟S112中處理采用的方法是一種 基于主成分分析和線性判別分析的聯合處理方法。12. -種考勤系統，其特征在于： 所述系統包括用戶特征庫、圖像用戶特征獲得模塊、考勤模塊;其中： 用戶特征庫，用于:存儲待考勤人員化的用戶標識IDi,和用戶標識IDi所對應的Mi個用戶 特征，其中，i的取值范圍從1到T，Mi為正整數;T為帶考勤人員總數； 圖像用戶特征獲得模塊，用于:對待考勤人員化，至少通過攝像頭輸出的上下班出入口 處的視頻，服務器實時獲取所述待考勤人員化的Ni張圖像和所述Ni張圖像的時間信息，并基 于每張圖像提取1個用戶特征，W獲得該待考勤人員的Ni個用戶特征，其中，Ni為正整數； 考勤模塊，用于:對待考勤人員化，利用所述用戶特征提取模塊提取的所述Ni個用戶特 征和所述Ni張圖像的時間信息，W及所述用戶特征庫，對所述待考勤人員化的上下班進行考 勤。
【文檔編號】G07C1/10GK105913507SQ201610290659
【公開日】2016年8月31日
【申請日】2016年5月3日
【發明人】馬堃, 馬麗, 孫林, 吳瑕, 霍秋亮
【申請人】深圳市商湯科技有限公司