CN111627126B - 考勤防作弊方法及装置、存储介质、终端 - Google Patents

考勤防作弊方法及装置、存储介质、终端 Download PDF

Info

Publication number
CN111627126B
CN111627126B CN202010519575.XA CN202010519575A CN111627126B CN 111627126 B CN111627126 B CN 111627126B CN 202010519575 A CN202010519575 A CN 202010519575A CN 111627126 B CN111627126 B CN 111627126B
Authority
CN
China
Prior art keywords
attendance
person
time
checking
real
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.)
Active
Application number
CN202010519575.XA
Other languages
English (en)
Other versions
CN111627126A (zh
Inventor
李杭
陈捷
向俞明
周震
傅强
金鑫鑫
张倬铭
王光远
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.)
Shanghai Yingdun Technology Co ltd
Original Assignee
Shanghai Yingdun 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 Shanghai Yingdun Technology Co ltd filed Critical Shanghai Yingdun Technology Co ltd
Priority to CN202010519575.XA priority Critical patent/CN111627126B/zh
Publication of CN111627126A publication Critical patent/CN111627126A/zh
Application granted granted Critical
Publication of CN111627126B publication Critical patent/CN111627126B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Library & Information Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Time Recorders, Dirve Recorders, Access Control (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Collating Specific Patterns (AREA)

Abstract

一种考勤防作弊方法及装置、存储介质、终端，所述方法包括：接收考勤信息，其中，所述考勤信息包括考勤时间、考勤地点以及考勤影像，所述考勤影像包括考勤人的实时人脸影像以及动态识别码，所述动态识别码根据拍摄所述考勤影像的拍摄地点和拍摄时间实时生成；根据所述考勤时间和考勤地点核验所述动态识别码；根据所述考勤人的实时人脸影像与所述考勤人的标准人脸影像的匹配度判断所述考勤人是否为本人；当核验通过且所述考勤人为本人时，记录考勤结果为考勤成功。通过本发明提供的方案能够自动化、智能化地防止和发现考勤作弊行为，有效降低人力成本。

Description

考勤防作弊方法及装置、存储介质、终端
技术领域
本发明涉及人事信息管理技术领域，具体地涉及一种考勤防作弊方法及装置、存储介质、终端。
背景技术
现有的人事信息管理仍极大地依赖人工实现。例如，在考勤阶段，现有仍依赖于纸质化签到方式实现，需要投入大量的人力成本整理签到内容，且无法判别是否是本人签到。
或者，虽然有考勤机等可供员工在线打卡的考勤机制，但现有的考勤机只是简单记录员工的打卡信息，无法智能识别考勤人的作弊行为。
发明内容
本发明解决的技术问题是如何自动化、智能化地防止和发现考勤作弊行为。
为解决上述技术问题，本发明实施例提供一种考勤防作弊方法，包括：接收考勤信息，其中，所述考勤信息包括考勤时间、考勤地点以及考勤影像，所述考勤影像包括考勤人的实时人脸影像以及动态识别码，所述动态识别码根据拍摄所述考勤影像的拍摄地点和拍摄时间实时生成；根据所述考勤时间和考勤地点核验所述动态识别码；根据所述考勤人的实时人脸影像与所述考勤人的标准人脸影像的匹配度判断所述考勤人是否为本人；当核验通过且所述考勤人为本人时，记录考勤结果为考勤成功。
可选的，所述考勤信息还包括考勤人的身份标识，所述身份标识用于在预设数据库中唯一标识所述考勤人，所述预设数据库存储有多个考勤人的标准人脸影像；所述根据所述考勤人的实时人脸影像与所述考勤人的标准人脸影像的匹配度判断所述考勤人是否为本人包括：根据所述考勤人的身份标识查找所述预设数据库，以获取所述考勤人的标准人脸影像；计算所述考勤人的实时人脸影像与所述考勤人的标准人脸影像的匹配度；若匹配度大于预设阈值，则确定所述考勤人为本人。
可选的，在接收考勤信息之后，根据所述考勤人的实时人脸影像与所述考勤人的标准人脸影像的匹配度判断所述考勤人是否为本人之前，还包括：对所述考勤人的实时人脸影像进行五官定位；若五官定位失败，则发送提示信息以提示重新采集考勤信息，直至五官定位成功。
可选的，在接收考勤信息之后，根据所述考勤人的实时人脸影像与所述考勤人的标准人脸影像的匹配度判断所述考勤人是否为本人之前，还包括：对所述考勤人的实时人脸影像进行静态活体验证，以识别所述实时人脸影像是否为真人拍摄；若识别结果为非真人拍摄，则发送提示信息以提示重新采集考勤信息，直至识别结果为真人拍摄。
可选的，在接收考勤信息之前，所述方法还包括：接收所述考勤人的实时定位信息；获取所述考勤人的标准考勤范围；若所述实时定位信息超出所述标准考勤范围，则发送提醒信息。
可选的，所述方法还包括：获取所述考勤人的标准考勤范围；判断所述考勤地点是否落入所述考勤人的标准考勤范围；若判断结果为所述考勤地点超出所述标准考勤范围，则触发异常报告。
可选的，所述考勤信息还包括考勤人的身份标识，所述身份标识用于在预设数据库中唯一标识所述考勤人，所述预设数据库存储有多个考勤人的标准考勤范围。
可选的，所述根据所述考勤时间和考勤地点核验所述动态识别码包括：以所述考勤时间和考勤地点为输入参数，基于生成所述动态识别码的算法处理所述输入参数，以得到核验码；判断所述核验码与所述动态识别码是否一致；若一致，则核验通过。
可选的，所述方法还包括：定期与考勤端交互以同步考勤端的时钟，其中，所述考勤时间基于所述考勤端的时钟确定。
可选的，对于任一考勤地点的动态识别码，所述动态识别码随时间实时更新。
可选的，不同考勤地点在同一时刻生成的动态识别码各不相同。
为解决上述技术问题，本发明实施例还提供一种考勤防作弊装置，包括：接收模块，用于接收考勤信息，其中，所述考勤信息包括考勤时间、考勤地点以及考勤影像，所述考勤影像包括考勤人的实时人脸影像以及动态识别码，所述动态识别码根据拍摄所述考勤影像的拍摄地点和拍摄时间实时生成；核验模块，用于根据所述考勤时间和考勤地点核验所述动态识别码；判断模块，用于根据所述考勤人的实时人脸影像与所述考勤人的标准人脸影像的匹配度判断所述考勤人是否为本人；记录模块，当核验通过且所述考勤人为本人时，记录考勤结果为考勤成功。
为解决上述技术问题，本发明实施例还提供一种存储介质，其上存储有计算机指令，所述计算机指令运行时执行上述方法的步骤。
为解决上述技术问题，本发明实施例还提供一种终端，包括存储器和处理器，所述存储器上存储有能够在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行上述方法的步骤。
与现有技术相比，本发明实施例的技术方案具有以下有益效果：
本发明实施例提供一种考勤防作弊方法，包括：接收考勤信息，其中，所述考勤信息包括考勤时间、考勤地点以及考勤影像，所述考勤影像包括考勤人的实时人脸影像以及动态识别码，所述动态识别码根据拍摄所述考勤影像的拍摄地点和拍摄时间实时生成；根据所述考勤时间和考勤地点核验所述动态识别码；根据所述考勤人的实时人脸影像与所述考勤人的标准人脸影像的匹配度判断所述考勤人是否为本人；当核验通过且所述考勤人为本人时，记录考勤结果为考勤成功。
较之现有主要依赖人工的考勤机制，本实施例方案能够自动化、智能化地防止和发现考勤作弊行为，有效降低人力成本。具体而言，在拍摄考勤人的考勤影像时摄取动态识别码，并基于动态识别码核验拍摄地点是否与考勤地点相一致，以及识别拍摄时间是否与考勤时间相一致。进一步，通过人脸识别判别考勤影像中摄取的人脸是否为考勤人本人。当确认考勤人非本人，或者核验发现拍摄地点与考勤地点不相一致，或者核验发现拍摄时间与考勤时间不相一致时，确定发现作弊行为(如考勤人拿别人的动态识别码或其他考勤地点的动态识别码发考勤信息)。当确认考勤人为本人、拍摄地点与考勤地点相一致，且拍摄时间与考勤时间相一致时，确定考勤成功。由此，本实施例方案基于人脸、拍摄背景和定位三因素综合实现作弊行为的智能识别。
附图说明
图1是本发明实施例一种考勤防作弊方法的流程图；
图2是图1中步骤S102的一个具体实施方式的流程图；
图3是本发明实施例一种考勤防作弊装置的结构示意图。
具体实施方式
如背景技术所言，现有的考勤机制仍主要依赖人工实现，防作弊效果差。
而且，现有的在线打卡方式需要在固定地点设置考勤机，考勤人需要到特定的考勤机上打卡。在实际应用中，并不是所有场景都适合设置考勤机。
另一方面，在安保行业，同一安保人员可能在多个地点、多个岗位之间调动以执行安保任务，则现有的考勤机制无法智能识别安保人员是否在规定的时间在规定的岗位打卡。
为解决上述技术问题，本发明实施例提供一种考勤防作弊方法，包括：接收考勤信息，其中，所述考勤信息包括考勤时间、考勤地点以及考勤影像，所述考勤影像包括考勤人的实时人脸影像以及动态识别码，所述动态识别码根据拍摄所述考勤影像的拍摄地点和拍摄时间实时生成；根据所述考勤时间和考勤地点核验所述动态识别码；根据所述考勤人的实时人脸影像与所述考勤人的标准人脸影像的匹配度判断所述考勤人是否为本人；当核验通过且所述考勤人为本人时，记录考勤结果为考勤成功。
本实施例方案能够自动化、智能化地防止和发现考勤作弊行为，有效降低人力成本。具体而言，在拍摄考勤人的考勤影像时摄取动态识别码，并基于动态识别码核验拍摄地点是否与考勤地点相一致，以及识别拍摄时间是否与考勤时间相一致。进一步，通过人脸识别判别考勤影像中摄取的人脸是否为考勤人本人。当确认考勤人非本人，或者核验发现拍摄地点与考勤地点不相一致，或者核验发现拍摄时间与考勤时间不相一致时，确定发现作弊行为(如考勤人拿别人的动态识别码或其他考勤地点的动态识别码发考勤信息)。当确认考勤人为本人、拍摄地点与考勤地点相一致，且拍摄时间与考勤时间相一致时，确定考勤成功。由此，本实施例方案基于人脸、拍摄背景和定位三因素综合实现作弊行为的智能识别。
为使本发明的上述目的、特征和有益效果能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。
图1是本发明实施例一种考勤防作弊方法的流程图。
本实施例方案可以应用于安保领域，以对安保企业的考勤记录进行智能化管理。例如，本实施例方案可以由终端执行，所述终端可以是设置于安保企业的后台服务器。所述终端与安装于考勤人的移动终端的应用程序(Application，简称APP)相通信，以通过应用程序获取用户上传的考勤信息并记录，进而智能化识别考勤信息中是否存在作弊行为。
具体地，参考图1，本实施例所述考勤防作弊方法可以包括如下步骤：
步骤S101，接收考勤信息，其中，所述考勤信息包括考勤时间、考勤地点以及考勤影像，所述考勤影像包括考勤人的实时人脸影像以及动态识别码，所述动态识别码根据拍摄所述考勤影像的拍摄地点和拍摄时间实时生成；
步骤S102，根据所述考勤时间和考勤地点核验所述动态识别码；
步骤S103，根据所述考勤人的实时人脸影像与所述考勤人的标准人脸影像的匹配度判断所述考勤人是否为本人；
步骤S104，当核验通过且所述考勤人为本人时，记录考勤结果为考勤成功。
在一个具体实施中，在考勤地点可以设置有考勤端，所述考勤端可以包括显示屏以实时显示所述动态识别码。所述动态识别码是根据所述考勤端的时钟和考勤地点采用预设算法计算生成的。
具体而言，对于任一考勤地点的动态识别码，所述动态识别码随时间实时更新。
进一步地，不同考勤地点在同一时刻生成的动态识别码各不相同。
进一步地，所述考勤端可以定期与后台服务器通信以同步时钟，以确保生成动态识别码的时间是用于考勤的标准时间。例如，本实施例所述考勤防作弊方法还可以包括步骤：定期与考勤端交互以同步考勤端的时钟，其中，所述考勤时间基于所述考勤端的时钟确定。
所述考勤端还预先维护有用于表征其所处地理位置的定位信息，以确保生成动态识别码的地点是用于考勤的标准地点，即所述考勤地点。
由于动态识别码是动态、实时变化的，因此当考勤人拍摄考勤影像时摄取所述显示屏上显示的动态识别码时，考勤影像中摄取得到的动态识别码是基于拍摄那一刻的拍摄时间和拍摄地点生成的。后台服务器根据考勤人上传的考勤时间和考勤地点采用同一套预设算法生成核验码，如果核验码与考勤影像中摄取得到的动态识别码相一致，则可以确认拍摄时间与考勤时间相符且拍摄地点与考勤地点相符。否则，可以确认存在作弊行为，如考勤人拍摄的是其他考勤地点的动态识别码，或者把以前考勤时拍摄到的动态识别码复制到了本次的考勤影像上。
与现有考勤机的区别在于，本实施例所述考勤端可以仅用于提供动态识别码，至于考勤信息中的考勤时间和考勤地点可以是基于考勤人的智能终端获取的，且考勤信息是由考勤人的智能终端上传至后台服务器的。
例如，所述考勤时间可以是基于上传考勤信息的移动终端的时钟确定的，所述考勤地点可以是基于上传考勤信息的移动终端的定位装置确定的。
在一个具体实施中，参考图2，所述步骤S102可以包括如下步骤：
步骤S1021，以所述考勤时间和考勤地点为输入参数，基于生成所述动态识别码的算法处理所述输入参数，以得到核验码；
步骤S1022，判断所述核验码与所述动态识别码是否一致；
步骤S1023，若一致，则核验通过。
由此，后台服务器和考勤端使用同一套预设算法各自生成核验码和动态识别码，若用于生成核验码的考勤时间和考勤地点与用于生成动态识别码的拍摄时间和拍摄地点相一致，则核验码和动态识别码应该是一致的。
反之，若步骤S1021生成的核验码不同于考勤影像中拍摄到的动态识别码，则可以确定拍摄时间与考勤时间不一致，和/或拍摄地点和考勤地点不一致。亦即存在作弊行为。
在一个具体实施中，不同的考勤端可以使用不同的预设算法，后台服务器可以记录有所有考勤端采用的预设算法。相应的，在所述步骤S1021中，后台服务器根据考勤地点确定对应的考勤端所采用的预设算法，并采用该预设算法计算得到核验码。
在一个具体实施中，所述步骤S102和步骤S103可以是同步执行的，或者，也可以是异步执行的。异步执行时，步骤S102和步骤S103的执行先后顺序可以互换。
在一个具体实施中，所述考勤信息还可以包括考勤人的身份标识，所述身份标识用于在预设数据库中唯一标识所述考勤人，所述预设数据库存储有多个考勤人的标准人脸影像以及各考勤人的标准考勤范围。
例如，在考勤人入职阶段可以采集并录入所述考勤人的人脸影像作为其标准人脸影像。
相应的，所述步骤S103可以包括步骤：根据所述考勤人的身份标识查找所述预设数据库，以获取所述考勤人的标准人脸影像；计算所述考勤人的实时人脸影像与所述考勤人的标准人脸影像的匹配度；若匹配度大于预设阈值，则确定所述考勤人为本人。
例如，标准人脸影像可以为全脸信息，也可以为人脸上的多个特征点信息，相应的，实时人脸影像也可以为全脸信息或者多个特征点信息。
在一个具体实施中，在所述步骤S101接收考勤信息之后，执行所述步骤S103之前，本实施例所述考勤防作弊方法还可以包括步骤：对所述考勤人的实时人脸影像进行五官定位；若五官定位失败，则发送提示信息以提示重新采集考勤信息，直至五官定位成功。
例如，若五官定位失败，表明考勤人未正对镜头拍摄考勤影像。为确保人脸识别的准确度，可以提示考勤人重新拍摄，直至拍摄到的实时人脸影像中考勤人的五官全部露出。
在一个具体实施中，在所述步骤S101接收考勤信息之后，执行所述步骤S103之前，本实施例所述考勤防作弊方法还可以包括步骤：对所述考勤人的实时人脸影像进行静态活体验证，以识别所述实时人脸影像是否为真人拍摄；若识别结果为非真人拍摄，则发送提示信息以提示重新采集考勤信息，直至识别结果为真人拍摄。
例如，在进行人脸识别操作之前，可以先识别考勤人上传的实时人脸影像是真人实时拍摄还是拍的照片。若确定非真人拍摄，则表明存在作弊行为，后台服务器可以触发相应的提醒机制。
在一个变化例中，对于考勤信息中的实时人脸影像，可以首先执行五官定位操作，然后执行静态活体验证；当五官定位成功且确认为真人拍摄时，再与标准人脸影像做匹配。
在一个具体实施中，在步骤S101之前，本实施例所述考勤防作弊方法还可以包括步骤：接收所述考勤人的实时定位信息；获取所述考勤人的标准考勤范围；若所述实时定位信息超出所述标准考勤范围，则发送提醒信息。
例如，考勤人使用移动终端进入所述应用程序的考勤界面后，应用程序可以向后台服务器发送所述移动终端的实时位置作为所述考勤人的实时定位信息。
相应的，所述后台服务器根据所述考勤人的身份标识在所述预设数据库中查找得到所述考勤人的标准考勤范围。
若所述实时定位信息超出所述标准考勤范围，则通过应用程序向考勤人发送提醒信息，以提示考勤人移动到标准考勤范围内打卡并发送考勤信息。
在一个具体实施中，同一考勤人在不同考勤时间可以对应不同的标准考勤范围，例如，白天和晚上可以对应不同的标准考勤范围。相应的，后台服务器根据接收到实时定位信息的实时时间查找对应的标准考勤范围，进而判断实时定位信息是否落入该对应的标准考勤范围。
在一个具体实施中，本实施例所述考勤防作弊方法还可以包括步骤：获取所述考勤人的标准考勤范围；判断所述考勤地点是否落入所述考勤人的标准考勤范围；若判断结果为所述考勤地点超出所述标准考勤范围，则触发异常报告。
例如，在执行所述步骤S102以核验动态识别码，以及执行步骤S103以进行人脸识别操作的基础上，还可以进一步判断所述考勤人上传的考勤地点是否落入其标准考勤范围。若超出范围，则对本次考勤记录做标记并触发异常提示报告上级。
由此，本实施例方案能够自动化、智能化地防止和发现考勤作弊行为，有效降低人力成本。具体而言，在拍摄考勤人的考勤影像时摄取动态识别码，并基于动态识别码核验拍摄地点是否与考勤地点相一致，以及识别拍摄时间是否与考勤时间相一致。
进一步，通过人脸识别判别考勤影像中摄取的人脸是否为考勤人本人。当确认考勤人非本人，或者核验发现拍摄地点与考勤地点不相一致，或者核验发现拍摄时间与考勤时间不相一致时，确定发现作弊行为(如考勤人拿别人的动态识别码或其他考勤地点的动态识别码发考勤信息)。
当确认考勤人为本人、拍摄地点与考勤地点相一致，且拍摄时间与考勤时间相一致时，确定考勤成功。由此，本实施例方案基于人脸、拍摄背景和定位三因素综合实现作弊行为的智能识别。
图3是本发明实施例一种考勤防作弊装置的结构示意图。本领域技术人员理解，本实施例所述考勤防作弊装置3可以用于实施上述图1和图2所示实施例中所述的方法技术方案。
具体地，参考图3，本实施例所述考勤防作弊装置3可以包括：接收模块31，用于接收考勤信息，其中，所述考勤信息包括考勤时间、考勤地点以及考勤影像，所述考勤影像包括考勤人的实时人脸影像以及动态识别码，所述动态识别码根据拍摄所述考勤影像的拍摄地点和拍摄时间实时生成；核验模块32，用于根据所述考勤时间和考勤地点核验所述动态识别码；判断模块33，用于根据所述考勤人的实时人脸影像与所述考勤人的标准人脸影像的匹配度判断所述考勤人是否为本人；记录模块34，当核验通过且所述考勤人为本人时，记录考勤结果为考勤成功。
关于所述考勤防作弊装置的工作原理、工作方式的更多内容，可以参照上述图1和图2中的相关描述，这里不再赘述。
进一步地，本发明实施例还公开一种存储介质，其上存储有计算机指令，所述计算机指令被处理器运行时执行上述图1和图2所示实施例中所述的方法技术方案。优选地，所述存储介质可以包括诸如非挥发性(non-volatile)存储器或者非瞬态(non-transitory)存储器等计算机可读存储介质。所述存储介质可以包括ROM、RAM、磁盘或光盘等。
进一步地，本发明实施例还公开一种终端，包括存储器和处理器，所述存储器上存储有能够在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行上述图1和图2所示实施例中所述的方法技术方案。优选地，所述终端可以是计算机等计算设备。
虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。

Claims (13)

1.一种考勤防作弊方法，其特征在于，包括：
接收考勤信息，其中，所述考勤信息包括考勤时间、考勤地点以及考勤影像，所述考勤影像包括考勤人的实时人脸影像以及动态识别码，所述动态识别码根据拍摄所述考勤影像的拍摄地点和拍摄时间实时生成，至少一个考勤端生成动态识别码时使用的预设算法不同于其他考勤端生成动态识别码时使用的预设算法；
根据所述考勤时间和考勤地点核验所述动态识别码；
根据所述考勤人的实时人脸影像与所述考勤人的标准人脸影像的匹配度判断所述考勤人是否为本人；
当核验通过且所述考勤人为本人时，记录考勤结果为考勤成功；
其中，所述根据所述考勤时间和考勤地点核验所述动态识别码包括：
根据所述考勤地点确定对应的考勤端所采用的预设算法，并以所述考勤时间和考勤地点为输入参数，基于确定的所述预设算法处理所述输入参数，以得到核验码；
判断所述核验码与所述动态识别码是否一致；
若一致，则核验通过。
2.根据权利要求1所述的方法，其特征在于，所述考勤信息还包括考勤人的身份标识，所述身份标识用于在预设数据库中唯一标识所述考勤人，所述预设数据库存储有多个考勤人的标准人脸影像；
所述根据所述考勤人的实时人脸影像与所述考勤人的标准人脸影像的匹配度判断所述考勤人是否为本人包括：
根据所述考勤人的身份标识查找所述预设数据库，以获取所述考勤人的标准人脸影像；
计算所述考勤人的实时人脸影像与所述考勤人的标准人脸影像的匹配度；若匹配度大于预设阈值，则确定所述考勤人为本人。
3.根据权利要求1所述的方法，其特征在于，在接收考勤信息之后，根据所述考勤人的实时人脸影像与所述考勤人的标准人脸影像的匹配度判断所述考勤人是否为本人之前，还包括：
对所述考勤人的实时人脸影像进行五官定位；
若五官定位失败，则发送提示信息以提示重新采集考勤信息，直至五官定位成功。
4.根据权利要求1所述的方法，其特征在于，在接收考勤信息之后，根据所述考勤人的实时人脸影像与所述考勤人的标准人脸影像的匹配度判断所述考勤人是否为本人之前，还包括：
对所述考勤人的实时人脸影像进行静态活体验证，以识别所述实时人脸影像是否为真人拍摄；
若识别结果为非真人拍摄，则发送提示信息以提示重新采集考勤信息，直至识别结果为真人拍摄。
5.根据权利要求1所述的方法，其特征在于，在接收考勤信息之前，还包括：
接收所述考勤人的实时定位信息；
获取所述考勤人的标准考勤范围；
若所述实时定位信息超出所述标准考勤范围，则发送提醒信息。
6.根据权利要求1所述的方法，其特征在于，还包括：
获取所述考勤人的标准考勤范围；
判断所述考勤地点是否落入所述考勤人的标准考勤范围；
若判断结果为所述考勤地点超出所述标准考勤范围，则触发异常报告。
7.根据权利要求5或6所述的方法，其特征在于，所述考勤信息还包括考勤人的身份标识，所述身份标识用于在预设数据库中唯一标识所述考勤人，所述预设数据库存储有多个考勤人的标准考勤范围。
8.根据权利要求1所述的方法，其特征在于，还包括：
定期与考勤端交互以同步考勤端的时钟，其中，所述考勤时间基于所述考勤端的时钟确定。
9.根据权利要求1所述的方法，其特征在于，对于任一考勤地点的动态识别码，所述动态识别码随时间实时更新。
10.根据权利要求1所述的方法，其特征在于，不同考勤地点在同一时刻生成的动态识别码各不相同。
11.一种考勤防作弊装置，其特征在于，包括：
接收模块，用于接收考勤信息，其中，所述考勤信息包括考勤时间、考勤地点以及考勤影像，所述考勤影像包括考勤人的实时人脸影像以及动态识别码，所述动态识别码根据拍摄所述考勤影像的拍摄地点和拍摄时间实时生成，至少一个考勤端生成动态识别码时使用的预设算法不同于其他考勤端生成动态识别码时使用的预设算法；
核验模块，用于根据所述考勤时间和考勤地点核验所述动态识别码；
判断模块，用于根据所述考勤人的实时人脸影像与所述考勤人的标准人脸影像的匹配度判断所述考勤人是否为本人；
记录模块，当核验通过且所述考勤人为本人时，记录考勤结果为考勤成功；其中，所述核验模块执行如下步骤：
根据所述考勤地点确定对应的考勤端所采用的预设算法，并以所述考勤时间和考勤地点为输入参数，基于确定的所述预设算法处理所述输入参数，以得到核验码；
判断所述核验码与所述动态识别码是否一致；
若一致，则核验通过。
12.一种存储介质，其上存储有计算机指令，其特征在于，所述计算机指令运行时执行权利要求1至10任一项所述方法的步骤。
13.一种终端，包括存储器和处理器，所述存储器上存储有能够在所述处理器上运行的计算机指令，其特征在于，所述处理器运行所述计算机指令时执行权利要求1至10任一项所述方法的步骤。
CN202010519575.XA 2020-06-09 2020-06-09 考勤防作弊方法及装置、存储介质、终端 Active CN111627126B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010519575.XA CN111627126B (zh) 2020-06-09 2020-06-09 考勤防作弊方法及装置、存储介质、终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010519575.XA CN111627126B (zh) 2020-06-09 2020-06-09 考勤防作弊方法及装置、存储介质、终端

Publications (2)

Publication Number Publication Date
CN111627126A CN111627126A (zh) 2020-09-04
CN111627126B true CN111627126B (zh) 2023-01-03

Family

ID=72271987

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010519575.XA Active CN111627126B (zh) 2020-06-09 2020-06-09 考勤防作弊方法及装置、存储介质、终端

Country Status (1)

Country Link
CN (1) CN111627126B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112927383B (zh) * 2021-02-03 2022-12-02 广东共德信息科技有限公司 一种基于建筑行业跨区域劳务人员人脸识别***和方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104392502A (zh) * 2014-11-14 2015-03-04 苏州盖雅信息技术有限公司 一种基于智能手机的二维码考勤***及使用方法
CN108154566A (zh) * 2017-12-26 2018-06-12 北京邦邦共赢网络科技有限公司 一种智能打卡的方法和装置
CN108834040A (zh) * 2017-05-04 2018-11-16 腾讯科技（深圳）有限公司 一种考勤信息提醒方法及其设备
CN108830562A (zh) * 2018-06-14 2018-11-16 腾讯科技（深圳）有限公司 一种考勤打卡方法及相关设备
CN109300064A (zh) * 2018-07-19 2019-02-01 广东工业大学 一种基于微信公众平台的人脸识别和二维码上课防代签***

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107507288B (zh) * 2017-08-23 2019-12-13 重庆科技学院 一种快速考勤方法及装置
CN107742330A (zh) * 2017-09-30 2018-02-27 四川民工加网络科技有限公司 一种适用于建筑工地的工人考勤***
CN110969715A (zh) * 2019-12-04 2020-04-07 安徽信息工程学院 一种基于动态二维码和gps定位的课堂考勤***

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104392502A (zh) * 2014-11-14 2015-03-04 苏州盖雅信息技术有限公司 一种基于智能手机的二维码考勤***及使用方法
CN108834040A (zh) * 2017-05-04 2018-11-16 腾讯科技（深圳）有限公司 一种考勤信息提醒方法及其设备
CN108154566A (zh) * 2017-12-26 2018-06-12 北京邦邦共赢网络科技有限公司 一种智能打卡的方法和装置
CN108830562A (zh) * 2018-06-14 2018-11-16 腾讯科技（深圳）有限公司 一种考勤打卡方法及相关设备
CN109300064A (zh) * 2018-07-19 2019-02-01 广东工业大学 一种基于微信公众平台的人脸识别和二维码上课防代签***

Also Published As

Publication number Publication date
CN111627126A (zh) 2020-09-04

Similar Documents

Publication Publication Date Title
CA2782071C (en) Liveness detection
WO2019062080A1 (zh) 身份识别方法、电子装置及计算机可读存储介质
CN105518713A (zh) 活体人脸验证方法及***、计算机程序产品
CN110189111A (zh) 考勤方法及装置
CN108846912A (zh) 考勤方法、终端及服务器
CN111627126B (zh) 考勤防作弊方法及装置、存储介质、终端
CN113409056B (zh) 支付方法、装置、本地识别设备、人脸支付***及设备
CN111639879B (zh) 智能化安保人员信息管理方法、装置及***、存储介质、服务器
CN110992500A (zh) 考勤方法、装置及存储介质、服务器
CN110852714A (zh) 应用于装修业务平台的薪酬提成数据管理***
CN110837901A (zh) 云试驾预约审核方法及装置、存储介质、云服务器
KR20230017454A (ko) 비대면 평가에서의 부정행위 방지 방법, 장치 및 프로그램
CN111784302A (zh) 一种考勤管理方法及***
CN115798003A (zh) 身份核对方法、设备及存储介质
CN112687044A (zh) 滞留人员的管理方法、***、介质及设备
CN111027937A (zh) 一种考勤***
CN113850196A (zh) 基于人工智能的会议监测、装置、设备及存储介质
CN112507972A (zh) 基于区块链的绩效考核***
CN110110630B (zh) 一种人脸识别的方法和设备
CN112287830A (zh) 一种图像的检测方法及装置
CN113496166A (zh) 一种人脸活体数据采集方法及装置
WO2023166605A1 (ja) 動作判定装置、動作判定方法、及び非一時的なコンピュータ可読媒体
CN115982685A (zh) 身份核验方法及装置
CN117152858A (zh) 一种基于地理定位与逻辑控制的打卡方法及装置
CN116863553A (zh) 考勤方法、装置、计算机设备和存储介质

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