CN110287841A - 图像传输方法及装置、图像传输***、存储介质 - Google Patents

图像传输方法及装置、图像传输***、存储介质 Download PDF

Info

Publication number
CN110287841A
CN110287841A CN201910522942.9A CN201910522942A CN110287841A CN 110287841 A CN110287841 A CN 110287841A CN 201910522942 A CN201910522942 A CN 201910522942A CN 110287841 A CN110287841 A CN 110287841A
Authority
CN
China
Prior art keywords
image
target object
face
facial image
recognition
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910522942.9A
Other languages
English (en)
Other versions
CN110287841B (zh
Inventor
李德刚
陆杰
吴明辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Miaozhen Information Technology Co Ltd
Miaozhen Systems Information Technology Co Ltd
Original Assignee
Miaozhen Systems Information Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Miaozhen Systems Information Technology Co Ltd filed Critical Miaozhen Systems Information Technology Co Ltd
Priority to CN201910522942.9A priority Critical patent/CN110287841B/zh
Publication of CN110287841A publication Critical patent/CN110287841A/zh
Application granted granted Critical
Publication of CN110287841B publication Critical patent/CN110287841B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
    • G07C1/10—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people together with the recording, indicating or registering of other data, e.g. of signs of identity
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种图像传输方法及装置、图像传输***、存储介质，其中，上述方法包括：图像采集设备监测待进行人脸识别的目标对象是否触发了预先设置的参考线，其中，所述参考线设置在所述图像采集设备的监测范围内；在所述图像采集设备确定所述目标对象触发了所述参考线的情况下，所述图像采集设备对所述目标对象进行人脸图像采集，得到所述目标对象的人脸图像，并将得到的所述人脸图像传输至人脸识别处理后台，其中，所述人脸图像用于指示所述人脸识别处理后台对接收到的所述人脸图像和已保存的人脸图像进行对比。

Description

图像传输方法及装置、图像传输***、存储介质
技术领域
本发明涉及图像处理领域，具体而言，涉及一种图像传输方法及装置、图像传输***、存储介质。
背景技术
随着人脸识别技术的兴起，针对人脸识别技术的应用越来越多，很多办公场所都开始通过人脸识别技术来完成员工考勤，目前对人脸识别技术的应用一般都是需要用户去主动配合人脸识别装置才能够完成人脸识别过程，但是这样的技术方案人脸识别过程复杂且用户体验度差。
针对上述问题，尚未提出有效的技术方案。
发明内容
本发明实施例提供了图像传输方法及装置、图像传输***、存储介质，以至少解决相关技术中人脸识别过程复杂且用户体验度差等问题。
根据本发明的一个实施例，提供了一种图像传输方法，包括：图像采集设备监测待进行人脸识别的目标对象是否触发了预先设置的参考线，其中，所述参考线设置在所述图像采集设备的监测范围内；在所述图像采集设备确定所述目标对象触发了所述参考线的情况下，所述图像采集设备对所述目标对象进行人脸图像采集，得到所述目标对象的人脸图像，并将得到的所述人脸图像传输至人脸识别处理后台，其中，所述人脸图像用于指示所述人脸识别处理后台对接收到的所述人脸图像和已保存的人脸图像进行对比。
可选地，所述图像采集设备对所述目标对象进行人脸图像采集，包括：通过第一图像采集设备和第二图像采集设备对所述目标对象进行人脸图像采集，其中，所述第一图像采集设备设置在所述参考线的一侧，所述第二图像采集设备设置在所述参考线的另一侧。
可选地，通过第一图像采集设备和第二图像采集设备对所述目标对象进行人脸图像采集之后，所述方法还包括：
在通过所述第一图像采集设备识别到所述目标对象的人脸图像，且通过所述第二图像采集设备未识别到所述目标对象的人脸图像的情况下，获取第一图像采集设备和第二图像采集设备对所述目标对象进行人脸图像采集的第一采集时刻，并将所述第一采集时刻和通过所述第一图像采集设备对所述目标对象采集得到的人脸图像传输至所述人脸识别处理后台；
在通过所述第一图像采集设备未识别到所述目标对象的人脸图像，且通过所述第二图像采集设备识别到所述目标对象的人脸图像的情况下，获取第一图像采集设备和第二图像采集设备对所述目标对象进行人脸图像采集的第二采集时刻，并将所述第二采集时刻和通过所述第二图像采集设备对所述目标对象采集得到的人脸图像传输至所述人脸识别处理后台。
可选地，所述图像采集设备对所述目标对象进行人脸图像采集，得到所述目标对象的人脸图像，包括：
所述图像采集设备对多个目标对象进行人脸图像采集，得到多个人脸图像；
将得到的所述多个人脸图像传输至所述人脸识别处理后台，其中，所述人脸识别处理后台在接收到所述多个人脸图像后，至少根据以下参数之一对所述多个人脸图像进行分析：所述多个人脸图像对应人员的速度、所述多个人脸图像和所述图像采集设备的角度、所述多个人脸图像被检测的次数、所述多个人脸图像被采集的次数、所述多个人脸图像被识别成功的次数，得到分析结果，并根据得到的所述分析结果向所述图像采集设备发送指示信息；
所述图像采集设备接收所述指示信息，并在所述指示信息的触发下，从所述多个目标对象中选择一个目标对象进行人脸图像采集，并记录人脸图像采集的第三采集时刻。
根据本发明的另一个实施例，还提供了一种图像传输***，包括：图像采集设备，用于监测待进行人脸识别的目标对象是否触发了预先设置的参考线，并在所述图像采集设备确定所述目标对象触发了所述参考线的情况下，对所述目标对象进行人脸图像采集，得到所述目标对象的人脸图像，并将得到的所述人脸图像传输至人脸识别处理后台；
所述人脸识别处理后台，用于接收所述人脸图像，对接收到的所述人脸图像和已保存的人脸图像进行对比。
可选地，所述图像采集设备包括：第一图像采集设备和第二图像采集设备，其中，所述第一图像采集设备设置在所述参考线的一侧，所述第二图像采集设备设置在所述参考线的另一侧，所述人脸识别处理后台，还用于至少执行以下之一：
在通过所述第一图像采集设备识别到所述目标对象的人脸图像，且通过所述第二图像采集设备未识别到所述目标对象的人脸图像的情况下，获取第一图像采集设备和第二图像采集设备对所述目标对象进行人脸图像采集的第一采集时刻，接收所述第一采集时刻和通过所述第一图像采集设备对所述目标对象采集得到的人脸图像；
在通过所述第一图像采集设备未识别到所述目标对象的人脸图像，且通过所述第二图像采集设备识别到所述目标对象的人脸图像的情况下，获取第一图像采集设备和第二图像采集设备对所述目标对象进行人脸图像采集的第二采集时刻，接收所述第二采集时刻和通过所述第二图像采集设备对所述目标对象采集得到的人脸图像。
可选地，所述人脸识别处理后台，还用于确定当前时间是否为预先设定的时间；如果是，将导出以下至少之一数据：
第一采集时刻和通过所述第一图像采集设备对所述目标对象采集得到的人脸图像；
所述第二采集时刻和通过所述第二图像采集设备对所述目标对象采集得到的人脸图像。
可选地，所述人脸识别处理后台，还用于向所述图像采集设备发送操作指令，其中，所述操作指令用于指示所述图像采集设备调节采集目标对象的角度和/或图像采集焦距。
根据本发明的另一个实施例，还提供了一种图像传输装置，包括：监测模块，用于监测待进行人脸识别的目标对象是否触发了预先设置的参考线，其中，所述参考线设置在所述图像采集设备的监测范围内；
采集模块，用于在所述图像采集设备确定所述目标对象触发了所述参考线的情况下，对所述目标对象进行人脸图像采集，得到所述目标对象的人脸图像，并将得到的所述人脸图像传输至人脸识别处理后台，其中，所述人脸图像用于指示所述人脸识别处理后台对接收到的所述人脸图像和已保存的人脸图像进行对比。
根据本发明的另一个实施例，还提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行以上任一项所述的图像传输方法。
通过本发明，图像采集设备监测待进行人脸识别的目标对象是否触发了预先设置的参考线，其中，所述参考线设置在所述图像采集设备的监测范围内；在所述图像采集设备确定所述目标对象触发了所述参考线的情况下，所述图像采集设备对所述目标对象进行人脸图像采集，得到所述目标对象的人脸图像，并将得到的所述人脸图像传输至人脸识别处理后台，其中，所述人脸图像用于指示所述人脸识别处理后台对接收到的所述人脸图像和已保存的人脸图像进行对比。即存在目标对象通过预先设置的参考线的情况下，即可通过图像采集设备采集该目标对象的人脸图像，采用上述技术方案，至少解决了相关技术中人脸识别过程复杂且用户体验度差的问题，进而简化了人脸识别图像的过程。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为根据本发明实施例的图像传输方法的流程图；
图2是根据本发明实施例的图像***的结构框图；
图3是根据本发明实施例的图像传输装置的结构框图；
图4是根据本发明实施例的图像传输装置的另一结构框图；
图5是根据本发明实施例的图像传输装置的又一结构框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
需要说明的是，为了更好的理解以下技术方案，以下对本发明实施例中出现的部分技术方案进行解释说明。
传统的人脸识别技术主要是基于可见光图像的人脸识别，这也是人们熟悉的识别方式。但这种方式有着难以克服的缺陷，尤其在环境光照发生变化时，识别效果会急剧下降，无法满足实际***的需要。解决光照问题的方案有三维图像人脸识别，和热成像人脸识别。但这两种技术还远不成熟，识别效果不尽人意。
迅速发展起来的一种解决方案是基于主动近红外图像的多光源人脸识别技术。它可以克服光线变化的影响，已经取得了卓越的识别性能，在精度、稳定性和速度方面的整体***性能超过三维图像人脸识别。这项技术在近两三年发展迅速，使人脸识别技术逐渐走向实用化。
人脸与人体的其它生物特征(指纹、虹膜等)一样与生俱来，它的唯一性和不易被复制的良好特性为身份鉴别提供了必要的前提，与其它类型的生物识别比较人脸识别具有如下特点：
非强制性：用户不需要专门配合人脸采集设备，几乎可以在无意识的状态下就可获取人脸图像，这样的取样方式没有“强制性”；
非接触性：用户不需要和设备直接接触就能获取人脸图像；
并发性：在实际应用场景下可以进行多个人脸的分拣、判断及识别；
除此之外，还符合视觉特性：“以貌识人”的特性，以及操作简单、结果直观、隐蔽性好等特点。
人脸识别***主要包括四个组成部分，分别为：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。
人脸图像采集：不同的人脸图像都能通过摄像镜头采集下来，比如静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集。当用户在采集设备的拍摄范围内时，采集设备会自动搜索并拍摄用户的人脸图像。
人脸检测：人脸检测在实际中主要用于人脸识别的预处理，即在图像中准确标定出人脸的位置和大小。人脸图像中包含的模式特征十分丰富，如直方图特征、颜色特征、模板特征、结构特征及Haar特征等。人脸检测就是把这其中有用的信息挑出来，并利用这些特征实现人脸检测。
主流的人脸检测方法基于以上特征采用Adaboost学习算法，Adaboost算法是一种用来分类的方法，它把一些比较弱的分类方法合在一起，组合出新的很强的分类方法。
人脸检测过程中使用Adaboost算法挑选出一些最能代表人脸的矩形特征(弱分类器)，按照加权投票的方式将弱分类器构造为一个强分类器，再将训练得到的若干强分类器串联组成一个级联结构的层叠分类器，有效地提高分类器的检测速度。
人脸图像预处理：对于人脸的图像预处理是基于人脸检测结果，对图像进行处理并最终服务于特征提取的过程。***获取的原始图像由于受到各种条件的限制和随机干扰，往往不能直接使用，必须在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理。对于人脸图像而言，其预处理过程主要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。
人脸图像特征提取：人脸识别***可使用的特征通常分为视觉特征、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。人脸特征提取就是针对人脸的某些特征进行的。人脸特征提取，也称人脸表征，它是对人脸进行特征建模的过程。人脸特征提取的方法归纳起来分为两大类：一种是基于知识的表征方法；另外一种是基于代数特征或统计学习的表征方法。
基于知识的表征方法主要是根据人脸器官的形状描述以及他们之间的距离特性来获得有助于人脸分类的特征数据，其特征分量通常包括特征点间的欧氏距离、曲率和角度等。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，这些特征被称为几何特征。基于知识的人脸表征主要包括基于几何特征的方法和模板匹配法。
人脸图像匹配与识别：提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配，通过设定一个阈值，当相似度超过这一阈值，则把匹配得到的结果输出。人脸识别就是将待识别的人脸特征与已得到的人脸特征模板进行比较，根据相似程度对人脸的身份信息进行判断。这一过程又分为两类：一类是确认，是一对一进行图像比较的过程，另一类是辨认，是一对多进行图像匹配对比的过程。
一般来说，人脸识别***包括图像摄取、人脸定位、图像预处理、以及人脸识别(身份确认或者身份查找)。***输入一般是一张或者一系列含有未确定身份的人脸图像，以及人脸数据库中的若干已知身份的人脸图象或者相应的编码，而其输出则是一系列相似度得分，表明待识别的人脸的身份。
其中，人脸识别算法分类主要有：基于人脸特征点的识别算法(Feature-basedrecognition algorithms)；基于整幅人脸图像的识别算法(Appearance-basedrecognition algorithms)；基于模板的识别算法(Template-based recognitionalgorithms)；利用神经网络进行识别的算法(Recognition algorithms using neuralnetwork)。
本发明实施例提供了一种图像传输方法，图1为根据本发明实施例的图像传输方法的流程图，如图1所示，包括：
步骤S102，图像采集设备监测待进行人脸识别的目标对象是否触发了预先设置的参考线，其中，所述参考线设置在所述图像采集设备的监测范围内；
步骤S104，在所述图像采集设备确定所述目标对象触发了所述参考线的情况下，所述图像采集设备对所述目标对象进行人脸图像采集，得到所述目标对象的人脸图像，并将得到的所述人脸图像传输至人脸识别处理后台，其中，所述人脸图像用于指示所述人脸识别处理后台对接收到的所述人脸图像和已保存的人脸图像进行对比。
通过本发明，图像采集设备监测待进行人脸识别的目标对象是否触发了预先设置的参考线，其中，所述参考线设置在所述图像采集设备的监测范围内；在所述图像采集设备确定所述目标对象触发了所述参考线的情况下，所述图像采集设备对所述目标对象进行人脸图像采集，得到所述目标对象的人脸图像，并将得到的所述人脸图像传输至人脸识别处理后台，其中，所述人脸图像用于指示所述人脸识别处理后台对接收到的所述人脸图像和已保存的人脸图像进行对比。即存在目标对象通过预先设置的参考线的情况下，即可通过图像采集设备采集该目标对象的人脸图像，采用上述技术方案，至少解决了相关技术中人脸识别过程复杂且用户体验度差的问题，进而简化了人脸识别图像的过程。
在本发明一可选实施例中，所述图像采集设备对所述目标对象进行人脸图像采集，包括：通过第一图像采集设备和第二图像采集设备对所述目标对象进行人脸图像采集，其中，所述第一图像采集设备设置在所述参考线的一侧，所述第二图像采集设备设置在所述参考线的另一侧。
在本发明一可选实施例中，通过第一图像采集设备和第二图像采集设备对所述目标对象进行人脸图像采集之后，所述方法还包括：
在通过所述第一图像采集设备识别到所述目标对象的人脸图像，且通过所述第二图像采集设备未识别到所述目标对象的人脸图像的情况下，获取第一图像采集设备和第二图像采集设备对所述目标对象进行人脸图像采集的第一采集时刻，并将所述第一采集时刻和通过所述第一图像采集设备对所述目标对象采集得到的人脸图像传输至所述人脸识别处理后台；
在通过所述第一图像采集设备未识别到所述目标对象的人脸图像，且通过所述第二图像采集设备识别到所述目标对象的人脸图像的情况下，获取第一图像采集设备和第二图像采集设备对所述目标对象进行人脸图像采集的第二采集时刻，并将所述第二采集时刻和通过所述第二图像采集设备对所述目标对象采集得到的人脸图像传输至所述人脸识别处理后台。
在本发明一可选实施例中，所述图像采集设备对所述目标对象进行人脸图像采集，得到所述目标对象的人脸图像，包括：
所述图像采集设备对多个目标对象进行人脸图像采集，得到多个人脸图像；
将得到的所述多个人脸图像传输至所述人脸识别处理后台，其中，所述人脸识别处理后台在接收到所述多个人脸图像后，至少根据以下参数之一对所述多个人脸图像进行分析：所述多个人脸图像对应人员的速度、所述多个人脸图像和所述图像采集设备的角度、所述多个人脸图像被检测的次数、所述多个人脸图像被采集的次数、所述多个人脸图像被识别成功的次数，得到分析结果，并根据得到的所述分析结果向所述图像采集设备发送指示信息；
所述图像采集设备接收所述指示信息，并在所述指示信息的触发下，从所述多个目标对象中选择一个目标对象进行人脸图像采集，并记录人脸图像采集的第三采集时刻。
以下结合一示例对上述图像传输过程进行解释说明，但不用于限定本发明实施例的技术方案，本发明示例的技术方案如下：
步骤1，预先设置参考线；
举例来说，该参考线可以理解为小米扫地机器人的虚拟墙边线。具体地，该参考线可设置于办公场所的大门附近(且该办公场所的大门设有门禁)。
步骤2，在该参考线的两侧分别安装第一图像采集设备和第二图像采集设备；
其中，图像采集设备可以为NFOV摄像机。具体地，该第一图像采集设备可以设置于该办公场所的大门内，该第二图像采集设备可以设置于该办公产所的大门外。
步骤3，图像采集设备监测该图像采集设备监控范围内是否有待进行人脸识别的目标对象触发了预先设置的参考线；
步骤4，确定存在目标对象触发了参考线的情况下，通过图像采集设备采集目标对象的人脸图像；
步骤5，将采集到的人脸图像以及人脸图像的采集时刻上传至人脸识别处理后台。
具体的，若第一图像采集设备(即大门内的图像采集设备)检测到了目标对象的人脸图像，且第二图像采集设备(即大门外的图像采集设备)未检测到目标对象的人脸，则通过第一图像采集设备采集人脸图像，并将该第一图像采集设备采集该人脸图像的采集时刻记为第一采集时刻，并将该人脸图像和第一采集时刻上传至人脸识别处理后台。举例来说，可理解为员工进入办公场所时，通过第一图像采集设备采集员工的人脸图像，进而可以记录员工的上班时间。其中，当包括多个该第一采集时刻的情况下，选取当天时间最早的一个时刻作为员工的最终上班时间。
若第二图像采集设备(即大门外的图像采集设备)检测到了目标对象的人脸图像，且第二图像采集设备(即大门内的图像采集设备)未检测到目标对象的人脸，则通过第二图像采集设备采集人脸图像，并将该第二图像采集设备采集该人脸图像的采集时刻记为第二采集时刻，并将该人脸图像和第二采集时刻上传至人脸识别处理后台。举例来说，可理解为员工离开办公场所时，通过第二图像采集设备采集员工的人脸图像，进而可以记录员工的下班时间。其中，当包括多个该第二采集时刻的情况下，选取当天时间最晚的一个时刻作为员工的最终下班时间。
最终，通过人脸识别处理后台可以对采集到的员工的人脸图像和已保存的人脸图像进行对比，完成对员工上下班时间的考勤记录。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，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的方法。
本发明实施例提供了一种图像传输***，图2为根据本发明实施例的图像传输***的结构框图，如图2所示，包括：
图像采集设备20，用于监测待进行人脸识别的目标对象是否触发了预先设置的参考线，并在所述图像采集设备确定所述目标对象触发了所述参考线的情况下，对所述目标对象进行人脸图像采集，得到所述目标对象的人脸图像，并将得到的所述人脸图像传输至人脸识别处理后台；
所述人脸识别处理后台24，用于接收所述人脸图像，对接收到的所述人脸图像和已保存的人脸图像进行对比。
通过本发明，图像采集设备监测待进行人脸识别的目标对象是否触发了预先设置的参考线，其中，所述参考线设置在所述图像采集设备的监测范围内；在所述图像采集设备确定所述目标对象触发了所述参考线的情况下，所述图像采集设备对所述目标对象进行人脸图像采集，得到所述目标对象的人脸图像，并将得到的所述人脸图像传输至人脸识别处理后台，其中，所述人脸图像用于指示所述人脸识别处理后台对接收到的所述人脸图像和已保存的人脸图像进行对比。即存在目标对象通过预先设置的参考线的情况下，即可通过图像采集设备采集该目标对象的人脸图像，采用上述技术方案，至少解决了相关技术中人脸识别过程复杂且用户体验度差的问题，进而简化了人脸识别图像的过程。
在本发明一可选实施例中，所述图像采集设备包括：第一图像采集设备和第二图像采集设备，其中，所述第一图像采集设备设置在所述参考线的一侧，所述第二图像采集设备设置在所述参考线的另一侧，所述人脸识别处理后台，还用于至少执行以下之一：
在通过所述第一图像采集设备识别到所述目标对象的人脸图像，且通过所述第二图像采集设备未识别到所述目标对象的人脸图像的情况下，获取第一图像采集设备和第二图像采集设备对所述目标对象进行人脸图像采集的第一采集时刻，接收所述第一采集时刻和通过所述第一图像采集设备对所述目标对象采集得到的人脸图像；
在通过所述第一图像采集设备未识别到所述目标对象的人脸图像，且通过所述第二图像采集设备识别到所述目标对象的人脸图像的情况下，获取第一图像采集设备和第二图像采集设备对所述目标对象进行人脸图像采集的第二采集时刻，接收所述第二采集时刻和通过所述第二图像采集设备对所述目标对象采集得到的人脸图像。
在本发明一可选实施例中，所述人脸识别处理后台，还用于确定当前时间是否为预先设定的时间；如果是，将导出以下至少之一数据：
第一采集时刻和通过所述第一图像采集设备对所述目标对象采集得到的人脸图像；
所述第二采集时刻和通过所述第二图像采集设备对所述目标对象采集得到的人脸图像。
在本发明一可选实施例中，所述人脸识别处理后台，还用于向所述图像采集设备发送操作指令，其中，所述操作指令用于指示所述图像采集设备调节采集目标对象的角度和/或图像采集焦距。
以下结合一示例对上述语音信息的优化能力的确定过程进行解释说明，但不用于限定本发明实施例的技术方案，本发明示例的技术方案如下：
步骤1，预先设置参考线；
步骤2，在该参考线两侧分别安装第一图像采集设备和第二图像采集设备；
步骤3，图像采集设备监测该图像采集设备监控范围内是否有待进行人脸识别的目标对象触发了预先设置的参考线；
步骤4，图像采集设备确定存在目标对象触发了参考线的情况下，图像采集设备发送触发指令至人脸识别处理后台；
步骤5，人脸识别处理后台向所述图像采集设备发送操作指令，该操作指令用于指示所述图像采集设备调节采集目标对象的角度和/或图像采集焦距；
步骤6，图像采集设备采集目标对象的人脸图像，并将该人脸图像以及采集该人脸图像的采集时刻上传至人脸识别处理后台；
步骤7，人脸识别处理后台确定当前时间是否为预先设定的时间，若是导出以下至少之一数据：
第一采集时刻和通过所述第一图像采集设备对所述目标对象采集得到的人脸图像；
所述第二采集时刻和通过所述第二图像采集设备对所述目标对象采集得到的人脸图像。
具体的，可通过人脸识别处理后台开发一个定时器，并设定开关。指定任务task在指定的时间执行，并可以设置时间周期，比如每月的倒数第三天，自动生成Excel导出考勤记录。开关打开的状态，人脸识别处理后台自动导出考勤记录，开关关闭的状态，则需要手工导出Excel。
在本实施例中还提供了一种图像传输装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图3是根据本发明实施例的图像传输装置的结构框图，如图3所示，该装置包括：
监测模块30，用于监测待进行人脸识别的目标对象是否触发了预先设置的参考线，其中，所述参考线设置在所述图像采集设备的监测范围内；
采集模块32，用于在所述图像采集设备确定所述目标对象触发了所述参考线的情况下，对所述目标对象进行人脸图像采集，得到所述目标对象的人脸图像，并将得到的所述人脸图像传输至人脸识别处理后台，其中，所述人脸图像用于指示所述人脸识别处理后台对接收到的所述人脸图像和已保存的人脸图像进行对比。
通过本发明，图像采集设备监测待进行人脸识别的目标对象是否触发了预先设置的参考线，其中，所述参考线设置在所述图像采集设备的监测范围内；在所述图像采集设备确定所述目标对象触发了所述参考线的情况下，所述图像采集设备对所述目标对象进行人脸图像采集，得到所述目标对象的人脸图像，并将得到的所述人脸图像传输至人脸识别处理后台，其中，所述人脸图像用于指示所述人脸识别处理后台对接收到的所述人脸图像和已保存的人脸图像进行对比。即存在目标对象通过预先设置的参考线的情况下，即可通过图像采集设备采集该目标对象的人脸图像，采用上述技术方案，解决了相关办公场所通过人脸识别进行打卡时，若员工忘记打卡，则不能准确的记录员工的考勤记录的问题，进而提供了一种图像传输方法，也方便了后续人脸识别处理后台对人脸图像的处理。
在本发明一可选实施例中，如图4所示，所述采集模块32包括：第一采集模块322和第二采集模块324，其中，第一采集模块322设置在所述第一图像采集设备设置于第一采集模块322中，所述第二采集模块324设置在所述第二图像采集设备中。
通过第一图像采集设备中的第一采集模块322和第二图像采集设备中的第二采集模块324对所述目标对象进行人脸图像采集，其中，所述第一图像采集设备设置在所述参考线的一侧，所述第二图像采集设备设置在所述参考线的另一侧。
在本发明一可选实施例中，图5是根据本发明实施例的图像传输装置的又一结构框图，如图5所示，包括：获取模块34，用于在通过第一图像采集设备和第二图像采集设备对所述目标对象进行人脸图像采集之后，在通过所述第一图像采集设备识别到所述目标对象的人脸图像，且通过所述第二图像采集设备未识别到所述目标对象的人脸图像的情况下，获取第一图像采集设备和第二图像采集设备对所述目标对象进行人脸图像采集的第一采集时刻，并将所述第一采集时刻和通过所述第一图像采集设备对所述目标对象采集得到的人脸图像传输至所述人脸识别处理后台；
所述获取模块34，还用于在通过所述第一图像采集设备未识别到所述目标对象的人脸图像，且通过所述第二图像采集设备识别到所述目标对象的人脸图像的情况下，获取第一图像采集设备和第二图像采集设备对所述目标对象进行人脸图像采集的第二采集时刻，并将所述第二采集时刻和通过所述第二图像采集设备对所述目标对象采集得到的人脸图像传输至所述人脸识别处理后台。
在本发明一可选实施例中，所述采集模块32，还用于：对多个目标对象进行人脸图像采集，得到多个人脸图像；将得到的所述多个人脸图像传输至所述人脸识别处理后台，其中，所述人脸识别处理后台在接收到所述多个人脸图像后，至少根据以下参数之一对所述多个人脸图像进行分析：所述多个人脸图像对应人员的速度、所述多个人脸图像和所述图像采集设备的角度、所述多个人脸图像被检测的次数、所述多个人脸图像被采集的次数、所述多个人脸图像被识别成功的次数，得到分析结果，并根据得到的所述分析结果向所述图像采集设备发送指示信息；
所述获取模块34，还用于接收所述指示信息，并在所述指示信息的触发下，从所述多个目标对象中选择一个目标对象进行人脸图像采集，并记录人脸图像采集的第三采集时刻。
以下再结合优选实施例对上述图像传输过程进行进一步说明，但不用于限定本发明实施例的技术方案。
当有多个目标对象通过参考线时，可优选一个目标对象进行人脸图像采集，具体实现方式如下：
本发明实施例需要的硬件设备可以由两个节点构成，每个节点对应一台NFOV摄像机，分辨率为1280*720,30Hz，其角度、转向和放大倍数，需根据到虚拟参考线(及上述参考线)距离和角度，在计算机(即上述人脸识别处理后台)上进行调整。
对于目标的选择，人脸识别处理后台自动控制NFOV摄像机采集目标的高分辨率人脸图像。目标优先选择基于目标的历史记录和当前状态，对于每一个被追踪的目标都有一个用于优先选择的目标记录。该记录包括过去目标被检测的次数、人脸图像采集的次数和人脸识别的成功次数。
通过人体追踪器中的卡尔曼滤波器可以确定以下几个参数：目标到摄像机节点间的距离、方向余弦和目标的速度。通过上述参数以及目标的历史记录和当前状态，可以对被追踪目标进行评分，评分最高的将被选为人脸图像采集对象。评分的得出主要是将每一参数乘以一个系数，并对结果进行省略处理再相加，最后得到最终的评分。如下表1所示为一组参数和系数。例如，目标的方向余弦乘以系数10，然后限定于[-8,8]内，再与其它分数相加就得到评分。类似地，目标的速度(米/秒)乘以10，限定于[0,20]的范围内，目标移动得快意味着会更快离开覆盖区域，所以增加了优先选择的分数。而采集次数、成功采集人脸图像的次数和成功识别人脸的次数的系数都为负数，这将对优先选择减分，减少***重复采集。***为各个参数限定了范围，可避免任何一个单独的参数过大而影响优先选择分数。总之，优先选择过程是在挑选行进速度快、面向摄像机的目标。在实际中，目标选择机制使得***能够从一个目标向另一个目标移动，去选择未出现过的、有用的人脸图像。
参数 系数 省略范围
方向余弦 10 [-8,8]
速度 10 [0,20]
检测次数 -2 [-5,0]
人脸识别采集 -1 [-5,0]
人脸识别次数 -5 [-15,0]
表1
一旦选定了目标，人体追踪器中的卡尔曼滤波将预测出目标在下0.5～1.0秒的人脸位置，然后NFOV摄像机将调节放大倍数等参数指向该位置，直到目标经过。这个做法为***留有完成平移、倾斜和放大设置的时间，当目标经过NFOV摄像机画面时，目标的人脸和上身将通过NFOV摄像机视频画面的中心，然后由基于NFOV视频图像的人脸检测模块进行人脸检测和采集。一旦完成采集，***将马上开始选择新目标，即***大约每隔1-2秒指示摄像机器采集一幅新的人脸图像。
除了选择目标和确定NFOV摄像机指向的位置外，***还必须选择NFOV摄像机的放大倍数。放大倍数与成功采集人脸的几率存在一个平衡，高放大倍数可获得高分辨率的人脸图像，但任何目标追踪上差错都将使人脸采集成功率大大降低。该***采用了一种自适应的放大倍数选择方法，如果一个目标从没被成功采集过人脸图像，那么采集人脸图像分辨率的目标设定为双眼间30个像素。然后，每次以某分辨率成功采集人脸图像后，其分辨率目标值将提高20％，如果***重复采集该目标图像，其分辨率将逐渐提高。人脸图像的分辨率目标值和人的距离决定了NFOV摄像机的放大倍数。NFOV摄像机具有自动和手动对焦模式，NFOV摄像机的自动对焦功能偶尔会出现对焦不准的情况，不过利用目标位置和距离两个数据可以解决这个问题。在使用中，独特的摄像机设备和典型目标距离使得焦距相对较远，所以在使用时不必知道非常精确的目标距离，只有当焦距调整超过几米的可调阈值范围内时才需要调整摄像机的焦距。这个焦距我们参照虚拟线来进行调整。
在人脸检测和剪切方面，人脸识别处理后台中的目标锁定程序指示NFOV摄像机连续监视NFOV摄像机视频流中的人脸图像，采用匹兹堡模式识别FT-SDK检测NFOV视频中每一帧的人脸。这个过程的运行频率为10Hz，与图像刷屏率相同保持实时操作。如果在一阵图像中检测到了多个人脸，异步传输至人脸识别器，同时告知目标锁定器人脸采集完毕，然后更新目标记录。
需要说明的是，上述技术方案可以运用到办公场所的人脸识别打卡***中，可以公司通过微信等方式发送统一资源定位符(Uniform Rresource Locator，简称为URL)地址给新员工，新员工访问URL地址，在手机端打卡H5页面，员工自己录入员工信息，上传自拍照(人脸识别处理后台可用该自拍照作为该新员工的考勤照片)等信息。
当有员工离职时，可以在人脸识别处理后台的数据库中解除已离职员工的授权，让***不再统计离职员工的信息。
进一步地，人脸识别处理后台可以开发一个定时器，并设定开关。指定任务task在指定的时间执行，可以设置时间周期，比如每月的倒数第三天，自动生成Excel，导出考勤记录。开关打开的状态，***则自动导出，开关关闭的状态，***则需要手工导出Excel。
综上可知，通过以上方式，可以在存在多个目标对象的情况下，优先选择一个目标进行人脸图像采集。并且可以自动导出员工的考勤记录。
本发明的实施例还提供了一种存储介质，该存储介质包括存储的程序，其中，上述程序运行时执行上述任一项的方法。
可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的程序代码：
S1，图像采集设备监测待进行人脸识别的目标对象是否触发了预先设置的参考线，其中，所述参考线设置在所述图像采集设备的监测范围内；
S2，在所述图像采集设备确定所述目标对象触发了所述参考线的情况下，所述图像采集设备对所述目标对象进行人脸图像采集，得到所述目标对象的人脸图像，并将得到的所述人脸图像传输至人脸识别处理后台，其中，所述人脸图像用于指示所述人脸识别处理后台对接收到的所述人脸图像和已保存的人脸图像进行对比。
可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(Read-Only Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
本发明的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
S1，图像采集设备监测待进行人脸识别的目标对象是否触发了预先设置的参考线，其中，所述参考线设置在所述图像采集设备的监测范围内；
S2，在所述图像采集设备确定所述目标对象触发了所述参考线的情况下，所述图像采集设备对所述目标对象进行人脸图像采集，得到所述目标对象的人脸图像，并将得到的所述人脸图像传输至人脸识别处理后台，其中，所述人脸图像用于指示所述人脸识别处理后台对接收到的所述人脸图像和已保存的人脸图像进行对比。
可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种图像传输方法，其特征在于，所述方法包括：
图像采集设备监测待进行人脸识别的目标对象是否触发了预先设置的参考线，其中，所述参考线设置在所述图像采集设备的监测范围内；
在所述图像采集设备确定所述目标对象触发了所述参考线的情况下，所述图像采集设备对所述目标对象进行人脸图像采集，得到所述目标对象的人脸图像，并将得到的所述人脸图像传输至人脸识别处理后台，其中，所述人脸图像用于指示所述人脸识别处理后台对接收到的所述人脸图像和已保存的人脸图像进行对比。
2.根据权利要求1所述的方法，其特征在于，所述图像采集设备对所述目标对象进行人脸图像采集，包括：通过第一图像采集设备和第二图像采集设备对所述目标对象进行人脸图像采集，其中，所述第一图像采集设备设置在所述参考线的一侧，所述第二图像采集设备设置在所述参考线的另一侧。
3.根据权利要求2所述的方法，其特征在于，通过第一图像采集设备和第二图像采集设备对所述目标对象进行人脸图像采集之后，所述方法还包括：
在通过所述第一图像采集设备识别到所述目标对象的人脸图像，且通过所述第二图像采集设备未识别到所述目标对象的人脸图像的情况下，获取第一图像采集设备和第二图像采集设备对所述目标对象进行人脸图像采集的第一采集时刻，并将所述第一采集时刻和通过所述第一图像采集设备对所述目标对象采集得到的人脸图像传输至所述人脸识别处理后台；
在通过所述第一图像采集设备未识别到所述目标对象的人脸图像，且通过所述第二图像采集设备识别到所述目标对象的人脸图像的情况下，获取第一图像采集设备和第二图像采集设备对所述目标对象进行人脸图像采集的第二采集时刻，并将所述第二采集时刻和通过所述第二图像采集设备对所述目标对象采集得到的人脸图像传输至所述人脸识别处理后台。
4.根据权利要求1所述的方法，其特征在于，所述图像采集设备对所述目标对象进行人脸图像采集，得到所述目标对象的人脸图像，包括：
所述图像采集设备对多个目标对象进行人脸图像采集，得到多个人脸图像；
将得到的所述多个人脸图像传输至所述人脸识别处理后台，其中，所述人脸识别处理后台在接收到所述多个人脸图像后，至少根据以下参数之一对所述多个人脸图像进行分析：所述多个人脸图像对应人员的速度、所述多个人脸图像和所述图像采集设备的角度、所述多个人脸图像被检测的次数、所述多个人脸图像被采集的次数、所述多个人脸图像被识别成功的次数，得到分析结果，并根据得到的所述分析结果向所述图像采集设备发送指示信息；
所述图像采集设备接收所述指示信息，并在所述指示信息的触发下，从所述多个目标对象中选择一个目标对象进行人脸图像采集，并记录人脸图像采集的第三采集时刻。
5.一种图像传输***，其特征在于，所述方法包括：
图像采集设备，用于监测待进行人脸识别的目标对象是否触发了预先设置的参考线，并在所述图像采集设备确定所述目标对象触发了所述参考线的情况下，对所述目标对象进行人脸图像采集，得到所述目标对象的人脸图像，并将得到的所述人脸图像传输至人脸识别处理后台；
所述人脸识别处理后台，用于接收所述人脸图像，对接收到的所述人脸图像和已保存的人脸图像进行对比。
6.根据权利要求5所述的***，其特征在于，所述图像采集设备包括：第一图像采集设备和第二图像采集设备，其中，所述第一图像采集设备设置在所述参考线的一侧，所述第二图像采集设备设置在所述参考线的另一侧，所述人脸识别处理后台，还用于至少执行以下之一：
在通过所述第一图像采集设备识别到所述目标对象的人脸图像，且通过所述第二图像采集设备未识别到所述目标对象的人脸图像的情况下，获取第一图像采集设备和第二图像采集设备对所述目标对象进行人脸图像采集的第一采集时刻，接收所述第一采集时刻和通过所述第一图像采集设备对所述目标对象采集得到的人脸图像；
在通过所述第一图像采集设备未识别到所述目标对象的人脸图像，且通过所述第二图像采集设备识别到所述目标对象的人脸图像的情况下，获取第一图像采集设备和第二图像采集设备对所述目标对象进行人脸图像采集的第二采集时刻，接收所述第二采集时刻和通过所述第二图像采集设备对所述目标对象采集得到的人脸图像。
7.根据权利要求6所述的***，其特征在于，所述人脸识别处理后台，还用于确定当前时间是否为预先设定的时间；如果是，将导出以下至少之一数据：
第一采集时刻和通过所述第一图像采集设备对所述目标对象采集得到的人脸图像；
所述第二采集时刻和通过所述第二图像采集设备对所述目标对象采集得到的人脸图像。
8.根据权利要求5所述的***，其特征在于，所述人脸识别处理后台，还用于向所述图像采集设备发送操作指令，其中，所述操作指令用于指示所述图像采集设备调节采集目标对象的角度和/或图像采集焦距。
9.一种图像传输装置，其特征在于，应用于图像采集设备，所述装置包括：
监测模块，用于监测待进行人脸识别的目标对象是否触发了预先设置的参考线，其中，所述参考线设置在所述图像采集设备的监测范围内；
采集模块，用于在所述图像采集设备确定所述目标对象触发了所述参考线的情况下，对所述目标对象进行人脸图像采集，得到所述目标对象的人脸图像，并将得到的所述人脸图像传输至人脸识别处理后台，其中，所述人脸图像用于指示所述人脸识别处理后台对接收到的所述人脸图像和已保存的人脸图像进行对比。
10.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至4任一项中所述的方法。
CN201910522942.9A 2019-06-17 2019-06-17 图像传输方法及装置、图像传输***、存储介质 Active CN110287841B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910522942.9A CN110287841B (zh) 2019-06-17 2019-06-17 图像传输方法及装置、图像传输***、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910522942.9A CN110287841B (zh) 2019-06-17 2019-06-17 图像传输方法及装置、图像传输***、存储介质

Publications (2)

Publication Number Publication Date
CN110287841A true CN110287841A (zh) 2019-09-27
CN110287841B CN110287841B (zh) 2021-09-17

Family

ID=68004119

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910522942.9A Active CN110287841B (zh) 2019-06-17 2019-06-17 图像传输方法及装置、图像传输***、存储介质

Country Status (1)

Country Link
CN (1) CN110287841B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111062323A (zh) * 2019-12-16 2020-04-24 腾讯科技（深圳）有限公司 人脸图像传输方法、数值转移方法、装置及电子设备

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201927050U (zh) * 2010-09-30 2011-08-10 深圳市中控生物识别技术有限公司 一种具有红外人体感应功能的面部识别装置
CN104484923A (zh) * 2014-12-03 2015-04-01 朗曦科技（上海）有限公司 基于智能移动终端身份验证和位置感知的门禁***及方法
CN106447814A (zh) * 2016-09-18 2017-02-22 长沙军鸽软件有限公司 一种机器人实现自动考勤的方法
CN206021381U (zh) * 2016-08-31 2017-03-15 中国电子科技集团公司第二十七研究所 一种基于移动智能终端的非靠近式考勤装置
CN106780819A (zh) * 2017-03-03 2017-05-31 泸州市众信信息技术有限公司 可用于面部识别的考勤打卡***
CN108269336A (zh) * 2018-01-18 2018-07-10 西安艾润物联网技术服务有限责任公司 一种车辆及车内人员的授权管理方法、装置和存储介质
CN109243000A (zh) * 2018-10-29 2019-01-18 冼汉生 一种智能考勤方法、装置、终端及计算机可读存储介质
CN109389036A (zh) * 2018-08-29 2019-02-26 中国建设银行股份有限公司 一种基于ar的信息推送方法、装置、终端及可读介质
CN109584393A (zh) * 2017-09-28 2019-04-05 钉钉控股（开曼）有限公司 考勤方法、装置以及考勤设备
CN109712259A (zh) * 2018-12-17 2019-05-03 深圳市酷开网络科技有限公司 一种基于人脸识别的办公方法、***及存储介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201927050U (zh) * 2010-09-30 2011-08-10 深圳市中控生物识别技术有限公司 一种具有红外人体感应功能的面部识别装置
CN104484923A (zh) * 2014-12-03 2015-04-01 朗曦科技（上海）有限公司 基于智能移动终端身份验证和位置感知的门禁***及方法
CN206021381U (zh) * 2016-08-31 2017-03-15 中国电子科技集团公司第二十七研究所 一种基于移动智能终端的非靠近式考勤装置
CN106447814A (zh) * 2016-09-18 2017-02-22 长沙军鸽软件有限公司 一种机器人实现自动考勤的方法
CN106780819A (zh) * 2017-03-03 2017-05-31 泸州市众信信息技术有限公司 可用于面部识别的考勤打卡***
CN109584393A (zh) * 2017-09-28 2019-04-05 钉钉控股（开曼）有限公司 考勤方法、装置以及考勤设备
CN108269336A (zh) * 2018-01-18 2018-07-10 西安艾润物联网技术服务有限责任公司 一种车辆及车内人员的授权管理方法、装置和存储介质
CN109389036A (zh) * 2018-08-29 2019-02-26 中国建设银行股份有限公司 一种基于ar的信息推送方法、装置、终端及可读介质
CN109243000A (zh) * 2018-10-29 2019-01-18 冼汉生 一种智能考勤方法、装置、终端及计算机可读存储介质
CN109712259A (zh) * 2018-12-17 2019-05-03 深圳市酷开网络科技有限公司 一种基于人脸识别的办公方法、***及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111062323A (zh) * 2019-12-16 2020-04-24 腾讯科技（深圳）有限公司 人脸图像传输方法、数值转移方法、装置及电子设备
CN111062323B (zh) * 2019-12-16 2023-06-02 腾讯科技（深圳）有限公司 人脸图像传输方法、数值转移方法、装置及电子设备

Also Published As

Publication number Publication date
CN110287841B (zh) 2021-09-17

Similar Documents

Publication Publication Date Title
Balcoh et al. Algorithm for efficient attendance management: Face recognition based approach
WO2019127273A1 (zh) 一种多人脸检测方法、装置、服务器、***及存储介质
KR101363017B1 (ko) 얼굴영상 촬영 및 분류 시스템과 방법
Lim et al. Automated classroom monitoring with connected visioning system
JP5010905B2 (ja) 顔認証装置
CN109243030B (zh) 一种夜间非接触式门禁***的控制方法及***
CN108009482A (zh) 一种提高人脸识别效率方法
US20060120571A1 (en) System and method for passive face recognition
US20040013286A1 (en) Object recognition system
KR101781358B1 (ko) 디지털 영상 내의 얼굴 인식을 통한 개인 식별 시스템 및 방법
JP2006293644A (ja) 情報処理装置、情報処理方法
KR20080033486A (ko) 서포트 벡터 머신 및 얼굴 인식에 기초한 자동 생체 식별
CN106169071A (zh) 一种基于动态人脸与胸卡识别的考勤方法及***
CN109800643A (zh) 一种活体人脸多角度的身份识别方法
CN110414381A (zh) 追踪式人脸识别***
CN110414314A (zh) 一种可进行人脸跟踪识别的摄像头结构及***
CN105335691A (zh) 笑脸识别鼓励***
CN111985348A (zh) 人脸识别方法和***
KR20190093799A (ko) Cctv를 통한 실시간 실종자 얼굴 인식 시스템 및 그 방법
CN104091173A (zh) 一种基于网络摄像机的性别识别方法及装置
CN108334870A (zh) Ar设备数据服务器状态的远程监控***
JP2014064083A (ja) 監視装置及び方法
CN110287841A (zh) 图像传输方法及装置、图像传输***、存储介质
CN109711232A (zh) 基于多目标函数的深度学习行人重识别方法
CN112766065A (zh) 一种移动端考生身份认证方法、装置、终端及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant