基于稀疏表示的人脸分类算法的远距离考勤方法
【技术领域】
[0001] 基于稀疏表示的人脸分类算法的远距离考勤方法，实现远距离实时跟踪和记录人 员出入的详细情况，属于考勤技术领域。
【背景技术】
[0002] 考勤管理是人力资源管理的重要组成部分，是保障高校与企事业单位正常运转的 重要手段，关系着员工的切身利益。考勤管理系统是一门跨学科、高科技的综合性技术集 合，主要涉及到心理学、信息技术、数据库系统、计算机网络以及物联网应用等技术学科，具 有对企事业单位员工进行考勤、数据分析、自动薪酬计算以及考核等多种功能。
[0003] 考勤管理系统主要有身份识别模块、身份认证模块以及信息管理模块三大部分组 成。首先需要对人员的身份进行识别以及确认，然后通过网络将人员身份信息上传到中央 服务器进行分析与处理。通常在需要考勤的门口安装考勤设备，如IC(ID)卡阅读器、指纹 机、虹膜扫描机、摄像头等，当人员身份信息被这些设备进行捕获之后，通过计算机网络将 数据传回到中央服务器，对数据进行确认、记录和分析。合理的考勤管理对一个企业或者高 校的发展有着举足轻重的作用。
[0004] 近年来，各种类型的考勤管理系统在高校、企事业单位得到了广泛的应用。早期的 考勤管理系统多采用人工签到、近距离主动式刷卡等方式进行考勤管理，需要被考勤人员 主动在考勤设备面前停留进行考勤管理，费时费力，容易出现卡片丢失、磨损、被复制以及 他人代替刷卡等问题，并且当被考勤人员数量众多时，需要排队考勤，用户体验很差，在强 调人性化体验的今天，以不能满足各种应用场合的需求。
[0005] 打指纹、按掌纹、扫描虹膜等基于人体生物信息识别的考勤管理方式同样面临着 这些问题，需要在考勤设备面前停留数秒进行考勤，虽然指纹、虹膜等人体生物信息具有长 久不变、随身携带等特性，仍然不能满足现代智能考勤管理的需求。
[0006] 基于RFID技术的非接触式考勤管理避免了需要停留考勤的缺点，可以使被考勤 人员随身携带卡片自由出入，而不会漏掉考勤管理数据，近年来得到了越来越多的应用。但 传统的RFID存在识别距离短、安全性低、容易被人体和金属遮以及定位困难等问题。针对 这些问题，基于ZigBee技术的远距离主动RFID识别方式通过在标识卡中加入低功耗微控 制器与ZigBee通信模块，并采用休眠/唤醒模式，可以实现远距离（50-80米）自动身份识 另IJ。基于ZigBee技术的射频识别系统不仅可以支持50米范围内的轻松读取，还支持高达 200个标识卡的同时读取，更能克服远距离被动识别方式容易被人体、金属等遮挡的问题， 可以保证上百位员工同时进出的正确读取，是目前应用最多、受欢迎程度最大的一种识别 方式。该方法还能实时对员工进出的详细情况进行跟踪和记录，但仍然容易出现他人代替 刷卡以及卡片丢失、被复制等问题。
【发明内容】
[0007] 本发明针对现有技术的不足之处提供了一种基于稀疏表示的人脸分类算法的远 距离考勤方法，实现远距离实时跟踪和记录人员出入的详细情况，并且能够提高考前管理 或者门禁系统的安全性，避免出现一些人为的安全性问题。
[0008] 为了实现上述目的，本发明采用的技术方案为：
[0009] -种基于稀疏表示的人脸分类算法的远距离考勤方法，其特征在于，如下步骤：
[0010] (1)采集所有被考勤人员的人脸信息作为训练样本数据集；
[0011] (2)重新采集被考勤人员的人脸信息作为测试样本，基于稀疏表示的人脸分类算 法将测试样本在训练样本集中稀疏表示，稀疏表示是找出线性方程组:Ax=b最稀疏的解， A是一个mXn的矩阵，bei是一个向量，x是这个方程组的解，采用一个评估函数J(x)来 找到最稀疏的唯一解，定义一个常用的优化问题PT，PJ:minxj(x)，使Ax=b，其中J(x)采 用二范数的平方I|x| |22,得到最稀疏的解；
[0012] (3)将得到的最稀疏的解，基于ZigBee技术的有源RFID实现远距离人员身份信息 识别，采用双基站模型，并利用RSSI定位技术对人员通行的方向进行准确的判别，识别出 人员是进入考勤区域还是离开考勤区域。
[0013] 作为优选，所述步骤（2)中，所述基于稀疏表示的人脸分类算法的步骤如下：
[0014] (21)输入由k类训练样本组成的字典数据集A= [AUA2，…Ak]e，Xn和测试样本 yGrx!；
[0015] (22)用单位二范数规范化字典A的所有列；
[0016](23)求解h最小化问题，xl:min||x||丄st. ||Ax-y||e，e为给定的可容忍 的噪音项的二范数常量；
[0017] (24)计算残差fori= 1:k;ri(y) = ||y-ASi(Xl) || 2，其中截断函数 si:r-r，Si(Xl)用以保留Xl中与第i类对应的系数，其余位置都置为〇 ;
[0018] (25)输出测试样本y的类别ID，即测试样本y属于字典中的第i类。
[0019]作为优选，所述步骤（21)中，判断人脸测试样本是否为合法的样本，步骤如下：
[0020] (211)在训练样本上计算稀疏系数，通过稀疏集中系数来判断稀 疏表示x中非零元是否集中在训练样本的某一个类别上，稀疏集中系数
【主权项】
1. 一种基于稀疏表示的人脸分类算法的远距离考勤方法，其特征在于，如下步骤： (1) 采集所有被考勤人员的人脸信息作为训练样本数据集； (2) 重新采集被考勤人员的人脸信息作为测试样本，基于稀疏表示的人脸分类算法将 测试样本在训练样本集中稀疏表示，稀疏表示是找出线性方程组:Ax=b最稀疏的解，A是 一个mXn的矩阵，bet是一个向量，x是这个方程组的解，采用一个评估函数J(x)来找到 最稀疏的唯一解，定义一个常用的优化问题PpP；r:minxJ(x)，使Ax=b，其中J(x)采用二 范数的平方I|x| |22,得到最稀疏的解； (3) 将得到的最稀疏的解，基于ZigBee技术的有源RFID实现远距离人员身份信息识 另IJ，采用双基站模型，并利用RSSI定位技术对人员通行的方向进行准确的判别，识别出人 员是进入考勤区域还是离开考勤区域。
2. 根据权利要求1所述的一种基于稀疏表示的人脸分类算法的远距离考勤方法，其特 征在于，所述步骤（2)中，所述基于稀疏表示的人脸分类算法的步骤如下： (21)输入由k类训练样本组成的字典数据集A=[Ab A2，…Ak] GlmXn和测试样本 yerxl； (22) 用单位二范数规范化字典A的所有列； (23)求解h最小化问题，xl :min||x||pt. || Ax-y ||2彡e，e为给定的可容忍的噪音 项的二范数常量； (24) 计算残差fori=l:k;ri(y)= ||y-ASi(Xl)||2，其中截断函数Si:En-DT， Si(Xl)用以保留Xl中与第i类对应的系数，其余位置都置为0 ; (25) 输出测试样本y的类别ID，S卩测试样本y属于字典中的第i类。
3. 根据权利要求2所述的一种基于稀疏表示的人脸分类算法的远距离考勤方法，其特 征在于，所述步骤（21)中，判断人脸测试样本是否为合法的样本，步骤如下： (211) 在训练样本上计算稀疏系数，通过稀疏集中系数来判断稀疏表示x中非零元是 否集中在训练样本的某一个类别上，稀疏集中系数
系数向量如果SCI(x) =1，则表明 x t li^， 测试样本仅仅是由训练样本中的某一个类表示，而如果SCI(X) = 0,则表明稀疏系数的非 零元几乎分散在所有的类别中； (212)取定一个tG [〇，1]，如果SCI(Xi)〈t，则拒绝该测试样本。
【专利摘要】本发明公开了一种基于稀疏表示的人脸分类算法的远距离考勤方法，属于考勤技术领域，解决现有的考勤不能远距离识别的问题，步骤如下:(1)采集所有被考勤人员的人脸信息作为训练样本数据集；(2)重新采集被考勤人员的人脸信息作为测试样本，基于稀疏表示的人脸分类算法将测试样本在训练样本集中稀疏表示，得到最稀疏的解；(3)将得到的最稀疏的解，基于ZigBee技术的有源RFID实现远距离人员身份信息识别，采用双基站模型，并利用RSSI定位技术对人员通行的方向进行准确的判别，识别出人员是进入考勤区域还是离开考勤区域。本发明实现远距离实时跟踪和记录人员出入的详细情况。
【IPC分类】G06K9-62, G07C1-10
【公开号】CN104574555
【申请号】CN201510016667
【发明人】吕建成, 章毅, 李莉丽, 李孝杰, 李茂
【申请人】四川大学
【公开日】2015年4月29日
【申请日】2015年1月14日