本发明涉及数据通信技术领域，具体而言，涉及一种基于人脸识别的考勤方法及装置。
背景技术
学生考勤是学校教学管理的重要环节，高校中学生上课考勤采用的方式主要有老师在课堂上逐个点名进行考勤的方式和固定考勤机进行考勤的方式。在实践中发现，采用老师在课堂上逐个点名进行考勤的方式，费时费力，考勤效率低；采用固定考勤机进行考勤的方式需要待点名人员排队，依次通过点名装置采集待点名人员特征(人脸识别、指纹、虹膜等)，排队时间长、考勤效率低。可见，现有的考勤方式耗费时间长，考勤效率低。
技术实现要素：
鉴于上述问题，本发明提供了一种基于人脸识别的考勤方法及装置，能够快速准确完成考勤目的，操作简便，进而有效提升考勤效率。
为了实现上述目的，本发明采用如下的技术方案：
本发明第一方面公开了一种基于人脸识别的考勤方法，包括：
接收考勤相关信息，所述考勤相关信息包括排课信息以及人像采集信息；
获取与所述排课信息对应的多个预设学生信息；其中，每个所述预设学生信息包括学生姓名和对应的预设人脸特征；
当所述人像采集信息为视频信息时，提取所述视频信息中所有的考勤人脸特征；
以所述多个预设学生信息和所有的所述考勤人脸特征为依据，获取到课学生名单和缺席学生名单。
作为一种可选的实施方式，在本发明第一方面中，所述当所述人像采集信息为视频信息时，提取所述视频信息中所有的考勤人脸特征，包括：
对所述视频信息进行帧切割处理，得到多张帧图片，并从所述多张帧图片中分割出所有包括人脸的人脸图片；
对所有所述人脸图片进行归一化处理，得到多张归一化图片；
提取所述多张归一化图片中所有的考勤人脸特征。
作为一种可选的实施方式，在本发明第一方面中，在所述接收考勤相关信息之前，所述方法还包括：
获取所有排课信息、与每个所述排课信息对应的学生姓名以及与所述学生姓名对应的学生照片；
通过深度学习网络提取所述学生照片的人脸特征，作为与学生姓名对应的预设人脸特征；
构建与每个所述排课信息对应的所述预设学生信息。
作为一种可选的实施方式，在本发明第一方面中，所述以所述多个预设学生信息和所有的所述考勤人脸特征为依据，获取到课学生名单和缺席学生名单，包括：
将所述考勤人脸特征与所述多个预设人脸特征逐一匹配，得到第一哈希表；其中，所述第一哈希表包括所述学生姓名和与每个学生姓名相对应的多个相似率；
以所述第一哈希表为依据，获取每个学生姓名对应的所述多个相似率中的最大相似率，生成第二哈希表，所述第二哈希表包括所述学生姓名和与每个学生姓名对应的最大相似率；
获取所述第二哈希表中相似率大于或者等于预设阈值的学生姓名，生成到课学生名单，并从应出勤学生名单中排除到课学生名单，得到缺席学生名单。
作为一种可选的实施方式，在本发明第一方面中，当所述人像采集信息为图片信息时，对所述图片信息进行鱼眼消除处理和分割处理，得到多张分割图片；
提取所述多张分割图片中所有的考勤人脸特征，并执行所述的以所述多个预设学生信息和所有的所述考勤人脸特征为依据，获取到课学生名单和缺席学生名单。
本发明第二方面公开一种基于人脸识别的考勤装置，包括：
接收模块，用于接收考勤相关信息，所述考勤相关信息包括排课信息以及人像采集信息；
获取模块，用于获取与所述排课信息对应的多个预设学生信息；其中，每个所述预设学生信息包括学生姓名和对应的预设人脸特征；
人脸特征提取模块，用于当所述人像采集信息为视频信息时，提取所述视频信息中所有的考勤人脸特征；
出勤判断模块，用于以所述多个预设学生信息和所有的所述考勤人脸特征为依据，获取到课学生名单和缺席学生名单。
作为一种可选的实施方式，在本发明第二方面中，所述人脸特征提取模块包括：
第一子模块，用于对所述视频信息进行帧切割处理，得到多张帧图片，并从所述多张帧图片中分割出所有包括人脸的人脸图片；以及对所有所述人脸图片进行归一化处理，得到多张归一化图片；
第二子模块，用于提取所述多张归一化图片中所有的考勤人脸特征。
作为一种可选的实施方式，在本发明第二方面中，所述获取模块，还用于在所述接收考勤相关信息之前，获取所有排课信息、与每个所述排课信息对应的学生姓名以及与所述学生姓名对应的学生照片；
还包括：
预设特征提取模块，用于通过深度学习网络提取所述学生照片的人脸特征，作为与学生姓名对应的预设人脸特征；
构建模块，用于构建与每个所述排课信息对应的所述预设学生信息。
本发明第三方面公开一种基于人脸识别的考勤系统，包括：
终端设备，用于获取视频信息或者图片信息，并发送考勤相关信息至后台服务器，所述考勤相关信息包括排课信息以及人像采集信息；
后台服务器，用于接收考勤相关信息，并获取与所述排课信息对应的多个预设学生信息；其中，每个所述预设学生信息包括学生姓名和对应的预设人脸特征；以所述多个预设学生信息和所述人像采集信息中所有的所述考勤人脸特征为依据，获取到课学生名单和缺席学生名单，并发送所述到课学生名单和所述缺席学生名单至考勤人员的终端设备。
本发明第四方面公开一种计算机可读存储介质，其存储有第三方面公开的所述的基于人脸识别的考勤系统中所使用的所述计算机程序。
根据本发明提供的基于人脸识别的考勤方法及装置，在考勤的时候，首先接收考勤相关信息，该考勤相关信息包括排课信息以及人像采集信息；然后获取与该排课信息对应的多个预设学生信息；其中，每个预设学生信息包括学生姓名和对应的预设人脸特征；当人像采集信息为视频信息时，则提取该视频信息中所有的考勤人脸特征；再以多个预设学生信息和所有的所述考勤人脸特征为依据，获取到课学生名单和缺席学生名单。可见，实施本发明提供的基于人脸识别的考勤方法及装置，能够快速准确完成考勤目的，操作简便，进而有效提升考勤效率。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对本发明范围的限定。
图1是本发明实施例一提供的一种基于人脸识别的考勤方法的流程示意图；
图2是本发明实施例二提供的一种基于人脸识别的考勤方法的流程示意图；
图3是本发明实施例三提供的一种基于人脸识别的考勤装置的结构示意图；
图4是本发明实施例四提供的一种基于人脸识别的考勤装置的结构示意图；
图5是本发明提供的一种基于人脸识别的考勤系统的系统架构示意图。
具体实施方式
下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
针对现有技术中的问题，本发明提供了一种基于人脸识别的考勤方法及装置；在考勤的时候，首先接收考勤相关信息，该考勤相关信息包括排课信息以及人像采集信息；然后获取与该排课信息对应的多个预设学生信息；其中，预设学生信息包括学生姓名和对应的预设人脸特征；当人像采集信息为视频信息时，则提取该视频信息中所有的考勤人脸特征；再以多个预设学生信息和所有的考勤人脸特征为依据，获取到课学生名单和缺席学生名单。可见，实施本发明提供的基于人脸识别的考勤方法及装置，能够快速准确完成考勤目的，操作简便，进而有效提升考勤效率。并且，该技术可以采用相关的软件或硬件实现，下面通过实施例进行描述。
实施例1
请参阅图1，图1是本发明实施例一提供的一种基于人脸识别的考勤方法的流程示意图。其中，如图1所示，该基于人脸识别的考勤方法可以包括以下步骤：
s101、接收考勤相关信息，考勤相关信息包括排课信息以及人像采集信息。
本发明实施例中，实施基于人脸识别的考勤方法的执行主体可以为后台服务器，其中，服务器可以是用于管理运营商基站接收到的通信资源并为用户提供服务的设备，通常可以为文件服务器、数据库服务器和应用程序服务器等中的任意一种，本发明实施例不作限定。
本发明实施例中，在上课点名的时候，教师可以通过其持有的终端设备，先根据实际任课课程，选择对应的排课，然后再长按录像按钮，拍摄包含所有学生的人像采集信息爱，最后，该终端设备可以将排课信息和人像采集信息发送至后台服务器。
作为一种可选的实施方式，终端设备可以采用文件传输协议(filetransferprotocol，ftp)的技术，将排课信息和人像采集信息发送至后台服务器，简单快捷，有利于提升考勤速度。
s102、获取与排课信息对应的多个预设学生信息；其中，每个预设学生信息包括学生姓名和对应的预设人脸特征。
本发明实施例中，后台服务器预存有所有的排课信息，该排课信息包括上课时间、课任老师姓名、上课班级以及课程名称等，本发明实施例不作限定。
作为一种可选的实施方式，课任老师姓名还可以在上传的时候更改科任信息，以方便应对调课等突发情况的出现。
本发明实施例中，一个学校的各个年级的各个班均有不同的课程表，一般来说，一个班的课程表，是以一个固定周期(即7天)进行循环的，所以，后台服务器可以录入全校所有班级一个周期内的课程表，得到与每个班级一一对应的排课信息库。举例来说，假设一位名为张三的老师，在周四的早上第二节课的时候为六年级二班上语文课，在上课前，老师可以通过其手持的终端设备采集六年级二班的所有学生的人像采集信息，然后终端设备可以将该人像采集信息和排课信息发送至后台服务器，该排课信息包括上课时间(星期四08点50分)和上课班级(六年级二班)；然后后台服务器可以先根据上课班级(六年级二班)获取该班级的一个周期内的课程表，然后再根据上课时间(星期四08点50分)确定出当前待考勤的课程为星期四的第二节课，最终根据该课程表确定出星期四的第二节课为语文课，课任老师姓名为张三，然后服务器再获取与该语文课对应的上课学生的名单和与该名单上学生姓名一一对应的人脸特征。
需要说明的是，终端设备发送的排课信息可以只包括上课时间和上课班级，后台服务器可以根据上课时间和上课班级定位出当前待考勤的课程，再另外上传课任老师姓名、上课班级以及课程名称等信息，可以对当前定位结果进行校对，有利于提升对当前课程识别的准确度。
本发明实施例中，以课任老师姓名的角度来看，由于每个老师，在同一个时间只能为一个班级上一节课，因此，一个学校的每个课任老师姓名均有一张与其对应的课程表，一般来说，每个课任老师姓名对应的的课程表，是以一个固定周期(即7天)进行循环的，所以，后台服务器可以录入全校所有课任老师姓名一个周期内的课程表，得到与每个老师一一对应的排课信息库，所以，终端设备发送的排课信息可以只包括上课时间和课任老师姓名，后台服务器可以根据上课时间和课任老师姓名定位出当前待考勤的课程，本发明实施例不作限定。
s103、当人像采集信息为视频信息时，提取视频信息中所有的考勤人脸特征。
本发明实施例中，在提取视频信息中所有的考勤人脸特征之前，可以先对该视频信息进行帧分割，得到多张图片；然后对多个人脸图片进行预处理，即在多张图片中准确标定出人脸的位置和大小，再将人脸区域的图片切割出来，得到多个人脸图片。其中，在多张图片中可以根据人脸模式特征准确标定出人脸的位置和大小，其中，人脸模式特征可以为直方图特征、颜色特征、模板特征、结构特征及haar特征等，本发明实施例不作限定。
本发明实施例中，在得到多个人脸图片之后，还可以对该人脸图片进行灰度校正、噪声过滤等图像预处理。其中，对人脸图片进行预处理的过程包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等，本发明实施例不作限定。
本发明实施例中，提取视频信息中所有的考勤人脸特征，即提取上述多个人脸图片的所有人脸表征，是对人脸进行特征建模的过程。其中，人脸特征提取的方法可以为基于知识的表征方法、基于代数特征或统计学习的表征方法等；同时，所提取的考勤人脸特征可以为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等，本发明实施例不作限定。
作为一种可选的实施方式，可以采用基于知识的表征方法来提取视频信息中所有的考勤人脸特征。人脸由眼睛、鼻子、嘴、下巴等局部构成，对这些局部和它们之间结构关系的几何描述，可作为识别人脸的重要特征。先根据人脸图片中人脸的各个器官的形状描述数据以及各个器官之间的距离特征数据，其特征分量通常包括特征点间的欧氏距离、曲率和角度等。
s104、以多个预设学生信息和所有的考勤人脸特征为依据，获取到课学生名单和缺席学生名单。
本发明实施例中，在获取到课学生名单和缺席学生名单之后，还可以发送到课学生名单和缺席学生名单至考勤人员的终端设备。
本发明实施例中，由于预设人脸特征与学生姓名一一对应，所以可以将所有的考勤人脸特征循环遍历与预设人脸特征进行一一比较。
举例来说，当考勤人脸特征有三个(如第一人脸特征、第二人脸特征和第三人脸特征)、预设人脸特征有两个时，其中，第一预设人脸特征对应的学生姓名为张三，第二预设人脸特征对应的学生姓名为张四。在以多个预设学生信息和所有的考勤人脸特征为依据，获取到课学生名单和缺席学生名单时，先将第一人脸特征、第二人脸特征和第三人脸特征一一与第一预设人脸特征进行匹配比较，得出的相似度依次为0,69、0.81、0.52，然后将第一人脸特征、第二人脸特征和第三人脸特征一一与第二预设人脸特征进行匹配比较，得出的相似度依次为0,1、0.3、0.2。此时可以得出，与张三对应的相似度为0,69、0.81、0.52，则取其最大的相似度0.81，作为与张三对应的最终识别相似度，同理，与张四对应的最终识别相似度为0.3。
再进一步地，将最终识别相似度与预设相似度阈值进行比较，当判断出最终识别相似度大于预设相似度阈值时，则确定该最终识别相似度对应的学生姓名为到课学生姓名，反之，则确定该最终识别相似度对应的学生姓名为缺席学生姓名。如上例，当预设相似度阈值为0.6时，张三对应的最终识别相似度大于预设相似度阈值，则张三为到课学生姓名，张四对应的最终识别相似度小于预设相似度阈值，则张四为缺席学生姓名，则最终识别出的到课学生名单包括所有的到课学生姓名，缺席学生名单包括所有的缺席姓名。
需要说明的是，上述多张人脸图片包括同一个人的多个图片，则最终得到的到课学生名单包括多个相同的学生姓名，所以，终端设备在获取到到课学生名单和缺席学生名单之后，还可以对该到课学生名单和缺席学生名单中的学生姓名分别进行去重处理，得到无重复姓名的到课学生名单和无重复姓名的缺席学生名单，然后再发送无重复姓名的到课学生名单和无重复姓名的缺席学生名单至考勤人员的终端设备。
可见，实施如图1所描述的基于人脸识别的考勤方法，能够通过人脸识别技术，准确确定出到课学生名单和缺席学生名单，快速完成考勤目的，操作简便，能够有效提升考勤效率。
实施例2
请参阅图2，图2是本发明实施例二提供的一种基于人脸识别的考勤方法的流程示意图。其中，如图2所示，该基于人脸识别的考勤方法可以包括以下步骤：
s201、获取所有排课信息、与每个排课信息对应的学生姓名以及与学生姓名对应的学生照片。
s202、通过深度学习网络提取学生照片的人脸特征，作为与学生姓名对应的预设人脸特征。
s203、构建与每个排课信息对应的预设学生信息。
本发明实施例中，可以通过后台服务器，获取所有排课信息、与每个排课信息对应的学生姓名以及与学生姓名对应的学生照片。然后，后台服务器可以通过深度学习网络从与学生姓名对应的学生照片中提取出人脸特征，作为与该学生姓名对应的预设人脸特征。最后，每个学生的预设学生信息还可以与每个排课信息进行关联。
s204、接收考勤相关信息，考勤相关信息包括排课信息以及人像采集信息。
s205、获取与排课信息对应的多个预设学生信息；其中，每个预设学生信息包括学生姓名和对应的预设人脸特征。
作为一种可选的实施方式，在获取与排课信息对应的多个预设学生信息之后，还可以包括以下步骤：
当人像采集信息为图片信息时，对图片信息进行鱼眼消除处理和分割处理，得到多张分割图片。
提取多张分割图片中所有的考勤人脸特征，并执行步骤s208。
s206、对视频信息进行帧切割处理，得到多张帧图片，并从多张帧图片中分割出所有包括人脸的人脸图片。
s207、对所有人脸图片进行归一化处理，得到多张归一化图片，并提取多张归一化图片中所有的考勤人脸特征。
本发明实施例中，实施上述步骤s207～步骤s208，当人像采集信息为视频信息时，能够提取视频信息中所有的考勤人脸特征。
s208、将考勤人脸特征与多个预设人脸特征逐一匹配，得到第一哈希表；其中，所述第一哈希表包括所述学生姓名和与每个学生姓名相对应的多个相似率。
s209、以第一哈希表为依据，获取每个学生姓名对应的多个相似率中的最大相似率，生成第二哈希表，第二哈希表包括学生姓名和与每个学生姓名对应的最大相似率。
s210、获取第二哈希表中相似率大于或者等于预设阈值的学生姓名，生成到课学生名单，并从应出勤学生名单中排除到课学生名单，得到缺席学生名单。
本发明实施例中，当最大相似率为1时，该预设阈值可以设置为0.8、0.75、0.6等，同时，该预设阈值可以由教务管理员通过管理设备进行统一设置，也可以由老师通过终端设备进行设置等，本发明实施例不作限定。
可见，实施如图2所描述的基于人脸识别的考勤方法，能够快速准确完成考勤目的，操作简便，进而有效提升考勤效率。
实施例3
请参阅图3，图3是本发明实施例三提供的一种基于人脸识别的考勤装置的结构示意图。其中，如图3所示，该基于人脸识别的考勤装置包括：
接收模块301，用于接收考勤相关信息，考勤相关信息包括排课信息以及人像采集信息。
获取模块302，获取与排课信息对应的多个预设学生信息；其中，每个预设学生信息包括学生姓名和对应的预设人脸特征。
人脸特征提取模块303，用于当人像采集信息为视频信息时，提取视频信息中所有的考勤人脸特征。
出勤判断模块304，用于以多个预设学生信息和所有的考勤人脸特征为依据，获取到课学生名单和缺席学生名单。
可见，实施如图3所描述的基于人脸识别的考勤装置，能够通过人脸识别技术，准确确定出到课学生名单和缺席学生名单，快速完成考勤目的，操作简便，能够有效提升考勤效率。
实施例4
请参阅图4，图4是本发明实施例四提供的基于人脸识别的考勤装置的结构示意图。其中，图4所示的基于人脸识别的考勤装置是由图3所示的基于人脸识别的考勤装置进行优化得到的。如图4所示，人脸特征提取模块303包括：
第一子模块3031，用于对视频信息进行帧切割处理，得到多张帧图片，并从多张帧图片中分割出所有包括人脸的人脸图片；以及对所有人脸图片进行归一化处理，得到多张归一化图片。
第二子模块3032，用于提取多张归一化图片中所有的考勤人脸特征。
本发明实施例中，获取模块302，还用于在接收考勤相关信息之前，获取所有排课信息、与每个排课信息对应的学生姓名以及与学生姓名对应的学生照片。
本发明实施例中，该基于人脸识别的考勤装置该还包括：
预设特征提取模块305，用于通过深度学习网络提取学生照片的人脸特征，作为与学生姓名对应的预设人脸特征。
构建模块306，用于构建与每个排课信息对应的预设学生信息，预设学生信息包括学生姓名和与学生姓名对应的预设人脸特征。
可见，实施如图4所描述的基于人脸识别的考勤装置，能够快速准确完成考勤目的，操作简便，进而有效提升考勤效率。
此外，本发明还提供了一种基于人脸识别的考勤系统。
请参阅图5，图5是本发明提供的一种基于人脸识别的考勤系统的系统架构示意图。如图5所示，该基于人脸识别的考勤系统包括：
终端设备402，用于获取视频信息或者图片信息，并发送考勤相关信息至后台服务器403，考勤相关信息包括排课信息以及人像采集信息。
本发明实施例中，终端设备402也可以称为用户设备(ue，userequipment)、移动台、接入终端、用户单元、用户站、移动站、远方站、远程终端、移动设备、终端、无线通信设备、用户代理或用户装置等，其具体可以是wlan中的站点(st，station)、蜂窝电话、无绳电话、会话启动协议(sip，sessioninitiationprotocol)电话、无线本地环路(wll，wirelesslocalloop)站、个人数字处理(pda、personaldigitalassistant)、具有无线通信功能的手持设备、计算设备、连接到无线调制解调器的其它处理设备、车载设备、可穿戴设备、未来5g网络中的移动台以及未来演进的plmn网络中的终端设备等中的任意一种，本发明实施例不作限定。
后台服务器403，用于接收考勤相关信息，并获取与排课信息对应的多个预设学生信息；其中，预设学生信息包括学生姓名和对应的预设人脸特征；以及以多个预设学生信息和人像采集信息为依据，获取到课学生名单和缺席学生名单，并发送到课学生名单和缺席学生名单至考勤人员401的终端设备402。
本发明实施例中，终端设备402与后台服务器403之间既可以通过运营商基站进行移动通信(lte)，又可以通过物理通信线路进行通信，本发明实施例不作限定。
本实施例还提供了一种计算机存储介质，用于储存上述基于人脸识别的考勤系统中使用的计算机程序。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和结构图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或更多个模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是智能手机、个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。