CN115063852A - 用于确定员工考勤信息的方法、装置、存储介质及处理器 - Google Patents

用于确定员工考勤信息的方法、装置、存储介质及处理器 Download PDF

Info

Publication number
CN115063852A
CN115063852A CN202210609519.4A CN202210609519A CN115063852A CN 115063852 A CN115063852 A CN 115063852A CN 202210609519 A CN202210609519 A CN 202210609519A CN 115063852 A CN115063852 A CN 115063852A
Authority
CN
China
Prior art keywords
pedestrian
image
information
attendance
determining
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.)
Pending
Application number
CN202210609519.4A
Other languages
English (en)
Inventor
黄跃峰
尹倩倩
肖英杰
周志忠
廖登
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.)
Zhongke Yungu Technology Co Ltd
Original Assignee
Zhongke Yungu 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 Zhongke Yungu Technology Co Ltd filed Critical Zhongke Yungu Technology Co Ltd
Priority to CN202210609519.4A priority Critical patent/CN115063852A/zh
Publication of CN115063852A publication Critical patent/CN115063852A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • 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
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/105—Human resources
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • 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
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • 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
    • 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
    • G07C9/00—Individual registration on entry or exit
    • G07C9/30—Individual registration on entry or exit not involving the use of a pass
    • G07C9/32—Individual registration on entry or exit not involving the use of a pass in combination with an identity check
    • G07C9/37—Individual registration on entry or exit not involving the use of a pass in combination with an identity check using biometric data, e.g. fingerprints, iris scans or voice recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Business, Economics & Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Software Systems (AREA)
  • Library & Information Science (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请实施例提供一种用于确定员工考勤信息的方法、装置、处理器及存储介质。方法包括：建立行人图像数据库；将行人图像数据库中的行人图像输入至行人重识别模型；通过行人重识别模型确定行人图像包含的行人在不同图像采集设备下的行人轨迹信息；根据行人图像的图像信息与员工人像数据库中的信息判断行人图像对应的行人是否为目标员工；在行人图像对应的行人为目标员工的情况下，根据行人轨迹信息确定目标员工的考勤信息。通过上述技术方案，无需员工主动配合考勤工作，减少外部因素对员工进行正常考勤的影响，进一步提升员工考勤的公平性，大幅度提高员工考勤的准确率。

Description

用于确定员工考勤信息的方法、装置、存储介质及处理器
技术领域
本申请涉及考勤管理领域，具体地涉及一种用于确定员工考勤信息的方法、装置、存储介质及处理器。
背景技术
常见的员工考勤方法包括***、磁卡考勤、人脸识别考勤等。随着人工智能的快速发展，人脸识别考勤的方法被运用的越来越广泛。人脸识别考勤严重依赖于摄像头对人脸的获取。人脸识别考勤通过特定位置的摄像头对员工的人脸进行采集，以完成对员工的考勤，会造成员工忘记打卡考勤使员工考勤异常的情况。当采用摄像头对人脸进行识别时，外部的环境因素会影响人脸识别的准确性，从而不能完成员工的正常考勤。
发明内容
本申请实施例的目的是提供一种用于确定员工考勤信息的方法、装置、存储介质及处理器。
为了实现上述目的，本申请第一方面提供一种用于确定员工考勤信息的方法，包括：
建立行人图像数据库；
将行人图像数据库中的行人图像输入至行人重识别模型；
通过行人重识别模型确定行人图像包含的行人在不同图像采集设备下的行人轨迹信息；
根据行人图像的图像信息与员工人像数据库中的信息判断行人图像对应的行人是否为目标员工；
在行人图像对应的行人为目标员工的情况下，根据行人轨迹信息确定目标员工的考勤信息。
在本申请的实施例中，通过行人重识别模型确定行人图像包含的行人在不同图像采集设备下的行人轨迹信息包括：将每个行人图像与行人图像数据库中的全部行人图像进行对比，以确定每个行人图像与全部行人图像之间的相似度；将行人图像数据库中相似度大于预设阈值的行人图像确定为候选行人图像；根据候选行人图像携带的图像信息确定每个行人图像包含的行人在不同图像采集设备下的行人轨迹信息；其中，图像信息包括时间信息以及与候选行人图像对应的图像采集设备的位置信息。
在本申请的实施例中，在行人图像对应的行人为目标员工时，根据行人轨迹信息确定目标员工的考勤信息包括：在行人图像对应的行人为目标员工时，按照时间顺序排列行人轨迹信息中包含的候选行人图像的时间信息；获取候选行人图像中的行人的第一时间信息和第二时间信息；在候选行人图像中的行人的第一时间信息和第二时间信息符合预设考勤规则的情况下，确定目标员工的考勤信息为正常出勤；在候选行人图像中的行人的第一时间信息和/或第二时间信息未符合预设考勤规则的情况下，获取目标员工的考勤管理数据，并根据考勤管理数据确定目标员工的考勤信息。
在本申请的实施例中，在行人图像对应的行人为目标员工时，根据行人轨迹信息确定目标员工的考勤信息包括：在行人图像对应的行人为目标员工时，按照时间顺序排列行人轨迹信息中包含的候选行人图像的时间信息；获取候选行人图像中的行人的第一时间信息和第二时间信息；在候选行人图像中的行人的第一时间信息和第二时间信息之间的时间差值符合预设考勤时长的情况下，确定目标员工的考勤信息为正常出勤；在候选行人图像中的行人的第一时间信息和第二时间信息之间的时间差值未符合预设考勤时长的情况下，获取目标员工的考勤管理数据，并根据考勤管理数据确定目标员工的考勤信息。
在本申请的实施例中，根据考勤管理数据确定目标员工的考勤信息包括：在考勤管理数据包括请假数据或者调休数据的情况下，确定目标员工的考勤信息为正常出勤；在考勤管理数据未包括请假数据或者调休数据的情况下，确定目标员工的考勤信息为异常出勤。
在本申请的实施例中，建立行人图像数据库包括：获取图像采集设备采集的行人图像；将行人图像输入至目标检测模型，以通过目标检测模型对行人图像中包含的一个或多个行人进行检测；获取目标检测模型输出的行人图像中包含的每个行人所在的图像位置；根据每个行人所在的图像位置提取出每个行人图像中每个行人所在的图像区域；根据每个行人所在的图像区域建立对应的行人图像数据库。
在本申请的实施例中，行人图像数据库中的行人图像包括图像特征信息，其中，图像特征信息包括行人人脸、行人姿态、行人穿着以及行人发型中的至少一者。
在本申请的实施例中，获取图像采集设备采集的行人图像包括：确定图像采集设备的安装位置；根据安装位置标识行人图像，以确定行人图像中行人的位置；获取图像采集设备采集的携带位置信息以及时间信息的行人图像。
在本申请的实施例中，根据行人图像的图像信息与员工人像数据库中的信息判断行人图像对应的行人是否为目标员工包括：对行人图像的图像信息中包含的人脸进行检测，以确定行人图像中行人的正脸图像信息；根据正脸图像信息与员工人像数据库中的信息将行人图像的行人图像中的行人确定为目标员工。
在本申请的实施例中，根据正脸图像信息与员工人像数据库中的信息将行人图像的行人图像中的行人确定为目标员工包括：将正脸图像信息与员工人像数据库中的图像信息进行比对；在正脸图像信息与员工人像数据库中的图像信息一致的情况下，将行人图像中的行人确定为目标员工。
在本申请的实施例中，方法还包括：在正脸图像信息与员工人像数据库中的图像信息不一致的情况下，保存正脸图像信息对应的行人的信息，其中，正脸图像信息对应的行人的信息包括行人的正脸图像信息以及行人的访问信息。
本申请第二方面提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令在被处理器执行时使得处理器被配置成执行上述的用于确定员工考勤信息的方法。
本申请第三方面提供一种处理器，被配置成执行上述的用于确定员工考勤信息的方法。
本申请第四方面提供一种用于确定员工考勤信息的装置，包括：图像采集设备，用于采集行人图像；以及上述的处理器。
通过上述技术方案，无需员工主动配合考勤工作，减少外部因素对员工考勤的影响，进一步提高员工考勤的公平性，大幅度提高员工考勤的准确率。同时，通过行人重识别模型遍历行人图像数据库中的行人图像，能够快速并准确地确定出行人在考勤区域的行动路线，为确定员工考勤信息提供良好的参考基础。
本申请实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本申请实施例，但并不构成对本申请实施例的限制。在附图中：
图1示意性示出了根据本申请实施例的用于确定员工考勤信息的方法的流程示意图；
图2示意性示出了根据本申请实施例的用于确定员工考勤信息的装置的结构框图；
图3示意性示出了根据本申请实施例的计算机设备的内部结构图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，应当理解的是，此处所描述的具体实施方式仅用于说明和解释本申请实施例，并不用于限制本申请实施例。基于本申请中的实施例，本领域普通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，都属于本申请保护的范围。
图1示意性示出了根据本申请实施例的用于确定员工考勤信息的方法的流程示意图。如图1所示，在本申请一实施例中，提供了一种用于确定员工考勤信息的方法，包括以下步骤：
步骤101，建立行人图像数据库。
步骤102，将行人图像数据库中的行人图像输入至行人重识别模型。
步骤103，通过行人重识别模型确定行人图像包含的行人在不同图像采集设备下的行人轨迹信息。
步骤104，根据行人图像的图像信息与员工人像数据库中的信息判断行人图像对应的行人是否为目标员工。
步骤105，在行人图像对应的行人为目标员工时，根据行人轨迹信息确定目标员工的考勤信息。
为确定员工的考勤信息，处理器可以建立行人图像数据库。其中，行人图像数据库可以包含行人图像中每个行人所在的图像区域。行人图像数据库可以指的是图像采集设备采集的每个行人在一天内的图像合集。
在一个实施例中，建立行人图像数据库包括：获取图像采集设备采集的行人图像；将行人图像输入至目标检测模型，以通过目标检测模型对行人图像中包含的一个或多个行人进行检测；获取目标检测模型输出的行人图像中包含的每个行人所在的图像位置；根据每个行人所在的图像位置提取出每个行人图像中每个行人所在的图像区域；根据每个行人所在的图像区域建立对应的行人图像数据库。
处理器可以获取图像采集设备采集的行人图像。其中，图像采集设备可以是摄像机、摄影机、照相机、记录仪等具备图像采集功能的设备。在对行人图像进行采集之前，可以根据员工在考勤区域内可能出现的位置点对图像采集设备进行部署。其中，考勤区域可以为工业园区。位置点可以指的是考勤区域内的大门、食堂以及办公楼等员工经常出入的地方。由此，图像采集设备可以安装在考勤区域内的多个位置点，图像采集设备可以包含多个。在部署好图像采集设备之后，可以通过多个位置点的图像采集设备采集行人图像。其中，每个图像采集设备采集的行人图像中可以包含多个行人。
为了能够实时获取到大量的行人图像，可以采用智能摄像机。通过智能摄像机可以采集一天内行人经过智能摄像机安装位置点的视频数据。其中，视频数据可以指的是摄像机采集的摄影视频中的每一帧行人图像。在拍摄到行人图像后，智能摄像机可以及时通过无线传输或有线传输的方式将采集到的图像传输至处理器。
在获取到图像采集设备采集的行人图像之后，处理器可以将行人图像输入至目标检测模型，然后可以通过目标检测模型可以对行人图像中包含的一个或多个行人进行检测。其中，行人图像可以携带位置信息和时间信息。目标检测模型可以包括Fast R-CNN和SSD等。处理器可以获取目标检测模型输出的行人图像中包含的每个行人所在的图像位置。然后，处理器可以根据每个行人所在的图像位置提取出每个行人图像中每个行人所在的图像区域。处理器根据每个行人所在的图像区域可以建立对应的行人图像数据库。
其中，行人所在的图像区域可以包括行人图像中的某一行人以及该行人所处的图像背景。具体地，在一个实施例中，行人图像数据库中的行人图像包括图像特征信息，其中，图像特征信息包括行人人脸、行人姿态、行人穿着以及行人发型中的至少一者。即，行人所在的图像区域还可以包括行人图像中某一行人的图像特征信息。其中，图像特征信息可以包括行人人脸、行人姿态、行人穿着以及行人发型中的至少一者。图像特征信息还可以包括行人的随身物品等。
例如，若将图像采集设备1采集的一张行人图像输入至目标检测模型，且行人图像中包含A、B以及C三个行人，则检测结果可以包括行人A所在的图像区域、行人B所在的图像区域以及行人C所在的图像区域。为了便于描述，可以将行人A所在的图像区域、行人B所在的图像区域以及行人C所在的图像区域分别表示为行人图像A、行人图像B以及行人图像C。即，将一张包含多个行人的行人图像输入至目标检测模型中可以检测得到多张包含某个行人的行人图像。通过多张包含某个行人的行人图像可以建立对应的行人图像数据库。
在一个实施例中，获取图像采集设备采集的行人图像包括：确定图像采集设备的安装位置；根据安装位置标识行人图像，以确定行人图像中行人的位置；获取图像采集设备采集的携带位置信息以及时间信息的行人图像。
处理器可以确定图像采集设备的安装位置。其中，图像采集设备的安装位置可以根据员工在考勤区域内可能出现的位置点进行设置。然后，处理器根据图像采集设备的安装位置可以标识行人图像，以确定行人图像中行人的位置。处理器可以获取图像采集设备采集的携带位置信息和时间信息的行人图像。其中，图像采集设备可以对采集到的行人图像进行时间标识。例如，若安装位置为M的图像采集设备1在早上N时采集到一张行人图像，且该行人图像中包含A、B以及C三个行人，则行人A、B以及C在早上N时刻所处的位置可以确定为M。
在建立行人图像数据库后，处理器可以将行人图像数据库中的行人图像输入至行人重识别模型。在一个实施例中，通过行人重识别模型确定行人图像包含的行人在不同图像采集设备下的行人轨迹信息包括：将每个行人图像与行人图像数据库中的全部行人图像进行对比，以确定每个行人图像与全部行人图像之间的相似度；将行人图像数据库中相似度大于预设阈值的行人图像确定为候选行人图像；根据候选行人图像携带的图像信息确定每个行人图像包含的行人在不同图像采集设备下的行人轨迹信息；其中，图像信息包括时间信息以及与候选行人图像对应的图像采集设备的位置信息。
在将行人图像数据库中的行人图像输入至行人重识别模型的情况下，行人重识别模型可以根据每个行人图像遍历行人图像数据库中的全部行人图像。进一步地，行人重识别模型可以将每个行人图像与行人图像数据库中的全部行人图像进行对比，以确定每个行人图像与全部行人图像之间的相似度。然后，行人重识别模型可以将行人图像数据库中相似度大于预设阈值的行人图像确定为候选行人图像。在行人重识别模型确定第一个行人图像对应的候选行人图像，并需要继续确定第二个行人图像对应的候选行人图像时，行人重识别模型可以不对第一个行人图像以及与其对应的候选行人图像进行遍历。例如，行人图像数据库中包含行人A的行人图像A1、A2、A3，行人B的行人图像B1、B2以及行人C的行人图像C1、C2、C3。若行人重识别模型已确定出行人A的行人图像A1，A2，A3，那么，在通过行人重识别模型确定行人B的行人轨迹信息时，可以遍历行人图像数据库中的行人图像B1、B2和行人图像C1、C2、C3，而不遍历行人图像A1，A2，A3。
在确定与每个行人图像对应的候选行人图像时，行人重识别模型也可以对行人图像数据库中的行人图像进行去重。然后行人重识别模型可以根据去重后的每个行人图像遍历行人图像数据库中的全部行人图像。即，可以将去重后的每个行人图像与行人图像数据库中的全部行人图像进行对比，以确定出每个行人图像与全部行人图像之间的相似度。然后，可以将行人图像数据库中相似度大于预设阈值的行人图像确定为候选行人图像。即，针对去重后的每个行人图像，在行人图像数据库中可以有与之对应的相似度大于预设阈值的行人图像，即候选行人图像。其中，去重后的每个行人图像中包含的行人与候选行人图像中包含的行人可以为同一人。
候选行人图像可以指的是候选行人图像中的行人在经过不同图像采集设备时，被图像采集设备采集到的图像。候选行人图像可以携带有图像信息。图像信息可以包括时间信息以及与候选行人图像对应的图像采集设备的位置信息。进一步地，时间信息可以指的是候选行人图像中的行人在经过不同图像采集设备时，被图像采集设备采集到行人图像时的时间。由此，在确定候选行人图像后，处理器可以根据候选行人图像携带的图像信息确定每个行人图像包含的行人在不同图像采集设备下的行人轨迹信息。
处理器可以通过行人重识别模型确定行人图像包含的行人在不同图像采集设备下的行人轨迹信息。进一步地，处理器可以根据行人图像的图像信息与员工人像数据库中的信息判断行人图像对应的行人是否为目标员工。
在一个实施例中，根据行人图像的图像信息与员工人像数据库中的信息判断行人图像对应的行人是否为目标员工包括：对行人图像的图像信息中包含的人脸进行检测，以确定行人图像中行人的正脸图像信息；根据正脸图像信息与员工人像数据库中的信息将行人图像的行人图像中的行人确定为目标员工。
为了进一步确定行人图像对应的行人是否为目标员工，处理器可以对行人图像中包含的行人的人脸进行检测，以确定行人图像中行人的正脸图像信息。然后，处理器可以根据正脸图像信息与员工人像数据库中的图像信息将行人图像中的行人确定为目标员工。
在一个实施例中，根据正脸图像信息与员工人像数据库中的信息将行人图像的行人图像中的行人确定为目标员工包括：将正脸图像信息与员工人像数据库中的图像信息进行比对；在正脸图像信息与员工人像数据库中的图像信息一致的情况下，将行人图像中的行人确定为目标员工。
处理器可以将正脸图像信息与员工人像数据库中的图像信息进行比对，以确定候选行人图像中行人的正脸图像信息与员工人像数据库中的图像信息是否一致。其中，正脸图像信息可以包括行人的面部五官以及发型等特征信息。在确定正脸图像信息与员工人像数据库中的图像信息一致的情况下，处理器可以将行人图像中的行人确定为目标员工。
在一个实施例中，方法还包括：在正脸图像信息与员工人像数据库中的图像信息不一致的情况下，保存正脸图像信息对应的行人的信息，其中，正脸图像信息对应的行人的信息包括行人的正脸图像信息以及行人的访问信息。
处理器可以将正脸图像信息与员工人像数据库中的图像信息进行比对，以确定候选行人图像中行人的正脸图像信息与员工人像数据库中的图像信息是否一致。在正脸图像信息与员工人像数据库中的图像信息不一致的情况下，处理器可以保存正脸图像信息对应的行人的信息。正脸图像信息对应的行人的信息包括行人的正脸图像信息以及行人的访问信息。进一步地，正脸图像信息可以包括行人的面部五官以及发型等特征信息。访问信息可以包括行人的访问时间以及访问地址等。
在确定行人图像对应的行人为目标员工的情况下，处理器可以根据行人轨迹信息确定目标员工的考勤信息。其中，考勤信息可以包括正常考勤信息和异常考勤信息。在目标员工为异常出勤时，其对应的考勤信息为异常考勤信息。在目标员工为正常出勤时，其对应的考勤信息为正常考勤信息。异常考勤信息可以包括迟到和/或早退等。
在一个实施例中，在行人图像对应的行人为目标员工时，根据行人轨迹信息确定目标员工的考勤信息包括：在行人图像对应的行人为目标员工时，按照时间顺序排列行人轨迹信息中包含的候选行人图像的时间信息；获取候选行人图像中的行人的第一时间信息和第二时间信息；在候选行人图像中的行人的第一时间信息和第二时间信息符合预设考勤规则的情况下，确定目标员工的考勤信息为正常出勤；在候选行人图像中的行人的第一时间信息和/或第二时间信息未符合预设考勤规则的情况下，获取目标员工的考勤管理数据，并根据考勤管理数据确定目标员工的考勤信息。
在行人图像对应的行人为目标员工时，处理器可以按照时间顺序排列行人轨迹信息中包含的候选行人图像的时间信息。然后，处理器可以获取候选行人图像中的行人的第一时间信息和第二时间信息。其中，第一时间信息可以指的是当候选行人图像中的行人出现在考勤区域内时，被图像采集设备采集的第一张图像的时间信息。第二时间信息可以指的是当候选行人图像中的行人离开考勤区域之前，被图像采集设备采集的最后一张图像的时间信息。
处理器可以判断候选行人图像中的行人的第一时间信息和/或第二时间信息是否符合预设考勤规则。其中，预设考勤规则可以指的是预设考勤时间。在候选行人图像中的行人的第一时间信息和第二时间信息符合预设考勤规则的情况下，处理器可以确定目标员工的考勤信息为正常出勤。在候选行人图像中的行人的第一时间信息和/或第二时间信息未满足预设考勤规则的情况下，处理器可以获取目标员工的考勤管理数据，并根据考勤管理数据确定目标员工的考勤信息。其中，考勤管理数据可以包括目标员工的请假数据或者调休数据。
例如，若在预设考勤时间可以是早上8点至下午5点，候选行人图像中的行人的第一时间信息为早上7点，第二时间信息为下午6点。那么，该目标员工的考勤为早到晚下班的情况，即该行人的第一时间信息和/或第二时间信息符合预设考勤规则。此时，处理器可以确定目标员工的考勤信息为正常出勤。
例如，若在预设考勤时间可以是早上8点至下午5点，候选行人图像中的行人的第一时间信息为早上9点，第二时间信息为下午6点。那么，该目标员工的考勤为迟到晚下班的情况，即该行人的第一时间信息未符合预设考勤规则。此时，处理器可以获取目标员工的考勤管理数据，并根据考勤管理数据确定目标员工的考勤信息。
在一个实施例中，在行人图像对应的行人为目标员工时，根据行人轨迹信息确定目标员工的考勤信息包括：在行人图像对应的行人为目标员工时，按照时间顺序排列行人轨迹信息中包含的候选行人图像的时间信息；获取候选行人图像中的行人的第一时间信息和第二时间信息；在候选行人图像中的行人的第一时间信息和第二时间信息之间的时间差值大于或等于预设考勤时长的情况下，确定目标员工的考勤信息为正常出勤；在候选行人图像中的行人的第一时间信息和第二时间信息之间的时间差值小于预设考勤时长的情况下，获取目标员工的考勤管理数据，并根据考勤管理数据确定目标员工的考勤信息。
在行人图像对应的行人为目标员工时，处理器可以按照时间顺序排列行人轨迹信息中包含的候选行人图像的时间信息。然后，处理器可以获取候选行人图像中的行人的第一时间信息和第二时间信息。其中，第一时间信息可以指的是当候选行人图像中的行人出现在考勤区域内时，被图像采集设备采集的第一张图像的时间信息。第二时间信息可以指的是当候选行人图像中的行人离开考勤区域之前，被图像采集设备采集的最后一张图像的时间信息。
处理器可以确定候选行人图像中的行人的第一时间信息和第二时间信息之间的时间差值。然后，处理器可以获取到预设考勤时长，并将第一时间信息和第二时间信息之间的时间差值和预设考勤时长进行对比。在第一时间信息和第二时间信息之间的时间差值大于或等于预设考勤时长的情况下，处理器可以确定目标员工的考勤信息为正常出勤。在第一时间信息和第二时间信息之间的时间差值小于预设考勤时长的情况下，处理器可以获取目标员工的考勤管理数据，并根据考勤管理数据确定目标员工的考勤信息。其中，考勤管理数据可以包括目标员工的请假数据或者调休数据。通过将目标员工的第一时间信息和第二时间信息之间的时间差值与预设考勤时长进行对比，在目标员工可以进行弹性打卡的情况下，能够进一步提高员工考勤管理的准确性。
例如，若候选行人图像中的行人的第一时间信息为早上9点，第二时间信息为下午6点，则第一时间信息与第二时间信息之间的时间差值为9小时。此时，若预设考勤时长为8小时，即时间差值大于预设考勤时长，则处理器可以确定目标员工的考勤信息为正常出勤。若预设考勤时长为9小时，即时间差值等于预设考勤时长，则处理器可以确定目标员工的考勤信息为正常出勤。若预设考勤时长为10小时，即时间差值小于预设考勤时长，则处理器可以获取目标员工的考勤管理数据，并根据考勤管理数据确定目标员工的考勤信息。
在一个实施例中，根据考勤管理数据确定目标员工的考勤信息包括：在考勤管理数据包括请假数据或者调休数据的情况下，确定目标员工的考勤信息为正常出勤；在考勤管理数据未包括请假数据或者调休数据的情况下，确定目标员工的考勤信息为异常出勤。
考勤管理数据可以是请假数据或者调休数据。其中，请假数据可以包含请假类别、请假时间、请假天数以及请假原因等。请假类别可以包括事假、病假以及年休假等。调休数据可以包括调休时间和调休天数等。异常出勤可以指的是迟到或者早退等。
在获取目标员工的考勤管理数据的情况下，处理器可以根据考勤管理数据确定目标员工的考勤信息。具体地，在考勤管理数据包括请假数据或者调休数据的情况下，处理器可以确定目标员工的考勤信息为正常考勤。其中，考勤管理数据可以指的是考勤当天的请假数据或者调休数据。在考勤管理数据未包括请假数据或者调休数据的情况下，处理器可以确定目标员工的考勤信息为异常出勤。
例如，若需要确定目标员工A在4月12日的考勤信息，且，处理器可以获取到目标员工A的请假数据中的请假时间为4月11日，请假天数为3天，处理器可以确定考勤管理数据中包含目标员工A的请假数据。此时，处理器可以确定目标员工A的考勤信息为正常考勤。若处理器可以获取到目标员工A的请假数据中的请假时间为4月11日，请假天数为1天，处理器可以确定考勤管理数据中未包含目标员工A的请假数据。此时，处理器可以确定目标员工A的考勤信息为异常出勤。
通过上述技术方案，无需员工主动配合考勤工作，减少外部因素对员工考勤的影响，进一步提高员工考勤的公平性，大幅度提高员工考勤的准确率。同时，通过行人重识别模型遍历行人图像数据库中的全部行人图像，能够快速并准确地确定出行人在考勤区域的行动路线，为确定员工考勤信息提供良好的参考基础。
图1为一个实施例中用于确定员工考勤信息的方法的流程示意图。应该理解的是，虽然图1的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本申请实施例提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述用于确定员工考勤信息的方法。
在一个实施例中，如图2所示，提供了一种用于确定员工考勤信息的装置，包括图像采集设备201和处理器202，其中，图像采集设备201用于采集行人图像。
本申请实施例提供了一种存储介质，其上存储有程序，该程序被处理器执行时实现上述用于确定员工考勤信息的方法。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图3所示。该计算机设备包括通过***总线连接的处理器A01、网络接口A02、存储器(图中未示出)和数据库(图中未示出)。其中，该计算机设备的处理器A01用于提供计算和控制能力。该计算机设备的存储器包括内存储器A03和非易失性存储介质A04。该非易失性存储介质A04存储有操作***B01、计算机程序B02和数据库(图中未示出)。该内存储器A03为非易失性存储介质A04中的操作***B01和计算机程序B02的运行提供环境。该计算机设备的数据库用于存储行人图像等数据。该计算机设备的网络接口A02用于与外部的终端通过网络连接通信。该计算机程序B02被处理器A01执行时以实现一种用于确定员工考勤信息的方法。
本领域技术人员可以理解，图3中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
本申请实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：建立行人图像数据库；将行人图像数据库中的行人图像输入至行人重识别模型；通过行人重识别模型确定行人图像包含的行人在不同图像采集设备下的行人轨迹信息；根据行人图像的图像信息与员工人像数据库中的信息判断行人图像对应的行人是否为目标员工；在行人图像对应的行人为目标员工的情况下，根据行人轨迹信息确定目标员工的考勤信息。
在一个实施例中，通过行人重识别模型确定行人图像包含的行人在不同图像采集设备下的行人轨迹信息包括：将每个行人图像与行人图像数据库中的全部行人图像进行对比，以确定每个行人图像与全部行人图像之间的相似度；将行人图像数据库中相似度大于预设阈值的行人图像确定为候选行人图像；根据候选行人图像携带的图像信息确定每个行人图像包含的行人在不同图像采集设备下的行人轨迹信息；其中，图像信息包括时间信息以及与候选行人图像对应的图像采集设备的位置信息。
在一个实施例中，在行人图像对应的行人为目标员工时，根据行人轨迹信息确定目标员工的考勤信息包括：在行人图像对应的行人为目标员工时，按照时间顺序排列行人轨迹信息中包含的候选行人图像的时间信息；获取候选行人图像中的行人的第一时间信息和第二时间信息；在候选行人图像中的行人的第一时间信息和第二时间信息符合预设考勤规则的情况下，确定目标员工的考勤信息为正常出勤；在候选行人图像中的行人的第一时间信息和/或第二时间信息未符合预设考勤规则的情况下，获取目标员工的考勤管理数据，并根据考勤管理数据确定目标员工的考勤信息。
在一个实施例中，在行人图像对应的行人为目标员工时，根据行人轨迹信息确定目标员工的考勤信息包括：在行人图像对应的行人为目标员工时，按照时间顺序排列行人轨迹信息中包含的候选行人图像的时间信息；获取候选行人图像中的行人的第一时间信息和第二时间信息；在候选行人图像中的行人的第一时间信息和第二时间信息之间的时间差值大于或等于预设考勤时长的情况下，确定目标员工的考勤信息为正常出勤；在候选行人图像中的行人的第一时间信息和第二时间信息之间的时间差值小于预设考勤时长的情况下，获取目标员工的考勤管理数据，并根据考勤管理数据确定目标员工的考勤信息。
在一个实施例中，根据考勤管理数据确定目标员工的考勤信息包括：在考勤管理数据包括请假数据或者调休数据的情况下，确定目标员工的考勤信息为正常出勤；在考勤管理数据未包括请假数据或者调休数据的情况下，确定目标员工的考勤信息为异常出勤。
在一个实施例中，建立行人图像数据库包括：获取图像采集设备采集的行人图像；将行人图像输入至目标检测模型，以通过目标检测模型对行人图像中包含的一个或多个行人进行检测；获取目标检测模型输出的行人图像中包含的每个行人所在的图像位置；根据每个行人所在的图像位置提取出每个行人图像中每个行人所在的图像区域；根据每个行人所在的图像区域建立对应的行人图像数据库。
在一个实施例中，行人图像数据库中的行人图像包括图像特征信息，其中，图像特征信息包括行人人脸、行人姿态、行人穿着以及行人发型中的至少一者。
在一个实施例中，获取图像采集设备采集的行人图像包括：确定图像采集设备的安装位置；根据安装位置标识行人图像，以确定行人图像中行人的位置；获取图像采集设备采集的携带位置信息以及时间信息的行人图像。
在一个实施例中，根据行人图像的图像信息与员工人像数据库中的信息判断行人图像对应的行人是否为目标员工包括：对行人图像的图像信息中包含的人脸进行检测，以确定行人图像中行人的正脸图像信息；根据正脸图像信息与员工人像数据库中的信息将行人图像的行人图像中的行人确定为目标员工。
在一个实施例中，根据正脸图像信息与员工人像数据库中的信息将行人图像的行人图像中的行人确定为目标员工包括：将正脸图像信息与员工人像数据库中的图像信息进行比对；在正脸图像信息与员工人像数据库中的图像信息一致的情况下，将行人图像中的行人确定为目标员工。
在一个实施例中，方法还包括：在正脸图像信息与员工人像数据库中的图像信息不一致的情况下，保存正脸图像信息对应的行人的信息，其中，正脸图像信息对应的行人的信息包括行人的正脸图像信息以及行人的访问信息。
本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：建立行人图像数据库；将行人图像数据库中的行人图像输入至行人重识别模型；通过行人重识别模型确定行人图像包含的行人在不同图像采集设备下的行人轨迹信息；根据行人图像的图像信息与员工人像数据库中的信息判断行人图像对应的行人是否为目标员工；在行人图像对应的行人为目标员工的情况下，根据行人轨迹信息确定目标员工的考勤信息。
在一个实施例中，通过行人重识别模型确定行人图像包含的行人在不同图像采集设备下的行人轨迹信息包括：将每个行人图像与行人图像数据库中的全部行人图像进行对比，以确定每个行人图像与全部行人图像之间的相似度；将行人图像数据库中相似度大于预设阈值的行人图像确定为候选行人图像；根据候选行人图像携带的图像信息确定每个行人图像包含的行人在不同图像采集设备下的行人轨迹信息；其中，图像信息包括时间信息以及与候选行人图像对应的图像采集设备的位置信息。
在一个实施例中，在行人图像对应的行人为目标员工时，根据行人轨迹信息确定目标员工的考勤信息包括：在行人图像对应的行人为目标员工时，按照时间顺序排列行人轨迹信息中包含的候选行人图像的时间信息；获取候选行人图像中的行人的第一时间信息和第二时间信息；在候选行人图像中的行人的第一时间信息和第二时间信息符合预设考勤规则的情况下，确定目标员工的考勤信息为正常出勤；在候选行人图像中的行人的第一时间信息和/或第二时间信息未符合预设考勤规则的情况下，获取目标员工的考勤管理数据，并根据考勤管理数据确定目标员工的考勤信息。
在一个实施例中，在行人图像对应的行人为目标员工时，根据行人轨迹信息确定目标员工的考勤信息包括：在行人图像对应的行人为目标员工时，按照时间顺序排列行人轨迹信息中包含的候选行人图像的时间信息；获取候选行人图像中的行人的第一时间信息和第二时间信息；在候选行人图像中的行人的第一时间信息和第二时间信息之间的时间差值大于或等于预设考勤时长的情况下，确定目标员工的考勤信息为正常出勤；在候选行人图像中的行人的第一时间信息和第二时间信息之间的时间差值小于预设考勤时长的情况下，获取目标员工的考勤管理数据，并根据考勤管理数据确定目标员工的考勤信息。
在一个实施例中，根据考勤管理数据确定目标员工的考勤信息包括：在考勤管理数据包括请假数据或者调休数据的情况下，确定目标员工的考勤信息为正常出勤；在考勤管理数据未包括请假数据或者调休数据的情况下，确定目标员工的考勤信息为异常出勤。
在一个实施例中，建立行人图像数据库包括：获取图像采集设备采集的行人图像；将行人图像输入至目标检测模型，以通过目标检测模型对行人图像中包含的一个或多个行人进行检测；获取目标检测模型输出的行人图像中包含的每个行人所在的图像位置；根据每个行人所在的图像位置提取出每个行人图像中每个行人所在的图像区域；根据每个行人所在的图像区域建立对应的行人图像数据库。
在一个实施例中，行人图像数据库中的行人图像包括图像特征信息，其中，图像特征信息包括行人人脸、行人姿态、行人穿着以及行人发型中的至少一者。
在一个实施例中，获取图像采集设备采集的行人图像包括：确定图像采集设备的安装位置；根据安装位置标识行人图像，以确定行人图像中行人的位置；获取图像采集设备采集的携带位置信息以及时间信息的行人图像。
在一个实施例中，根据行人图像的图像信息与员工人像数据库中的信息判断行人图像对应的行人是否为目标员工包括：对行人图像的图像信息中包含的人脸进行检测，以确定行人图像中行人的正脸图像信息；根据正脸图像信息与员工人像数据库中的信息将行人图像的行人图像中的行人确定为目标员工。
在一个实施例中，根据正脸图像信息与员工人像数据库中的信息将行人图像的行人图像中的行人确定为目标员工包括：将正脸图像信息与员工人像数据库中的图像信息进行比对；在正脸图像信息与员工人像数据库中的图像信息一致的情况下，将行人图像中的行人确定为目标员工。
在一个实施例中，方法还包括：在正脸图像信息与员工人像数据库中的图像信息不一致的情况下，保存正脸图像信息对应的行人的信息，其中，正脸图像信息对应的行人的信息包括行人的正脸图像信息以及行人的访问信息。
本领域内的技术人员应明白，本申请的实施例可提供为方法、***、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (14)

1.一种用于确定员工考勤信息的方法，其特征在于，所述方法包括：
建立行人图像数据库；
将所述行人图像数据库中的行人图像输入至行人重识别模型；
通过所述行人重识别模型确定所述行人图像包含的行人在不同图像采集设备下的行人轨迹信息；
根据所述行人图像的图像信息与员工人像数据库中的信息判断所述行人图像对应的行人是否为目标员工；
在所述行人图像对应的行人为目标员工的情况下，根据所述行人轨迹信息确定所述目标员工的考勤信息。
2.根据权利要求1所述的用于确定员工考勤信息的方法，其特征在于，所述通过所述行人重识别模型确定所述行人图像包含的行人在不同图像采集设备下的行人轨迹信息包括：
将每个行人图像与所述行人图像数据库中的全部行人图像进行对比，以确定每个行人图像与所述全部行人图像之间的相似度；
将所述行人图像数据库中相似度大于预设阈值的行人图像确定为候选行人图像；
根据所述候选行人图像携带的图像信息确定每个行人图像包含的行人在不同图像采集设备下的行人轨迹信息；
其中，所述图像信息包括时间信息以及与所述候选行人图像对应的图像采集设备的位置信息。
3.根据权利要求2所述的用于确定员工考勤信息的方法，其特征在于，所述在所述行人图像对应的行人为目标员工时，根据所述行人轨迹信息确定所述目标员工的考勤信息包括：
在所述行人图像对应的行人为目标员工时，按照时间顺序排列所述行人轨迹信息中包含的候选行人图像的时间信息；
获取所述候选行人图像中的行人的第一时间信息和第二时间信息；
在所述候选行人图像中的行人的第一时间信息和第二时间信息符合预设考勤规则的情况下，确定所述目标员工的考勤信息为正常出勤；
在所述候选行人图像中的行人的第一时间信息和/或第二时间信息未符合预设考勤规则的情况下，获取所述目标员工的考勤管理数据，并根据所述考勤管理数据确定所述目标员工的考勤信息。
4.根据权利要求2所述的用于确定员工考勤信息的方法，其特征在于，所述在所述行人图像对应的行人为目标员工时，根据所述行人轨迹信息确定所述目标员工的考勤信息包括：
在所述行人图像对应的行人为目标员工时，按照时间顺序排列所述行人轨迹信息中包含的候选行人图像的时间信息；
获取所述候选行人图像中的行人的第一时间信息和第二时间信息；
在所述候选行人图像中的行人的第一时间信息和第二时间信息之间的时间差值大于或等于预设考勤时长的情况下，确定所述目标员工的考勤信息为正常出勤；
在所述候选行人图像中的行人的第一时间信息和第二时间信息之间的时间差值小于预设考勤时长的情况下，获取所述目标员工的考勤管理数据，并根据所述考勤管理数据确定所述目标员工的考勤信息。
5.根据权利要求3或4中任意一项所述的用于确定员工考勤信息的方法，其特征在于，所述根据所述考勤管理数据确定所述目标员工的考勤信息包括：
在所述考勤管理数据包括请假数据或者调休数据的情况下，确定所述目标员工的考勤信息为正常出勤；
在所述考勤管理数据未包括请假数据或者调休数据的情况下，确定所述目标员工的考勤信息为异常出勤。
6.根据权利要求1所述的用于确定员工考勤信息的方法，其特征在于，所述建立行人图像数据库包括：
获取图像采集设备采集的行人图像；
将所述行人图像输入至目标检测模型，以通过所述目标检测模型对所述行人图像中包含的一个或多个行人进行检测；
获取所述目标检测模型输出的所述行人图像中包含的每个行人所在的图像位置；
根据每个行人所在的图像位置提取出每个行人图像中每个行人所在的图像区域；
根据每个行人所在的图像区域建立对应的行人图像数据库。
7.根据权利要求6所述的用于确定员工考勤信息的方法，其特征在于，所述行人图像数据库中的行人图像包括图像特征信息，其中，所述图像特征信息包括行人人脸、行人姿态、行人穿着以及行人发型中的至少一者。
8.根据权利要求6所述的用于确定员工考勤信息的方法，其特征在于，所述获取图像采集设备采集的行人图像包括：
确定所述图像采集设备的安装位置；
根据所述安装位置标识所述行人图像，以确定所述行人图像中行人的位置；
获取所述图像采集设备采集的携带位置信息以及时间信息的行人图像。
9.根据权利要求1所述的用于确定员工考勤信息的方法，其特征在于，所述根据所述行人图像的图像信息与员工人像数据库中的信息判断所述行人图像对应的行人是否为目标员工包括：
对所述行人图像的图像信息中包含的人脸进行检测，以确定所述行人图像中行人的正脸图像信息；
根据所述正脸图像信息与员工人像数据库中的信息将所述行人图像的行人图像中的行人确定为目标员工。
10.根据权利要求9所述的用于确定员工考勤信息的方法，其特征在于，所述根据所述正脸图像信息与员工人像数据库中的信息将所述行人图像的行人图像中的行人确定为目标员工包括：
将所述正脸图像信息与员工人像数据库中的图像信息进行比对；
在所述正脸图像信息与所述员工人像数据库中的图像信息一致的情况下，将所述行人图像中的行人确定为目标员工。
11.根据权利要求10所述的用于确定员工考勤信息的方法，其特征在于，所述方法还包括：
在所述正脸图像信息与所述员工人像数据库中的图像信息不一致的情况下，保存所述正脸图像信息对应的行人的信息，其中，所述正脸图像信息对应的行人的信息包括所述行人的正脸图像信息以及所述行人的访问信息。
12.一种机器可读存储介质，该机器可读存储介质上存储有指令，其特征在于，该指令在被处理器执行时使得所述处理器被配置成执行根据权利要求1至11中任一项所述的用于确定员工考勤信息的方法。
13.一种处理器，其特征在于，被配置成执行根据权利要求1至11中任意一项所述的用于确定员工考勤信息的方法。
14.一种用于确定员工考勤信息的装置，其特征在于，包括：
图像采集设备，用于采集行人图像；以及
根据权利要求13所述的处理器。
CN202210609519.4A 2022-05-31 2022-05-31 用于确定员工考勤信息的方法、装置、存储介质及处理器 Pending CN115063852A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210609519.4A CN115063852A (zh) 2022-05-31 2022-05-31 用于确定员工考勤信息的方法、装置、存储介质及处理器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210609519.4A CN115063852A (zh) 2022-05-31 2022-05-31 用于确定员工考勤信息的方法、装置、存储介质及处理器

Publications (1)

Publication Number Publication Date
CN115063852A true CN115063852A (zh) 2022-09-16

Family

ID=83198641

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210609519.4A Pending CN115063852A (zh) 2022-05-31 2022-05-31 用于确定员工考勤信息的方法、装置、存储介质及处理器

Country Status (1)

Country Link
CN (1) CN115063852A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117910997A (zh) * 2024-03-19 2024-04-19 北京卓越未来国际医药科技发展有限公司 基于临床试验项目的工时统计方法、装置、设备及介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117910997A (zh) * 2024-03-19 2024-04-19 北京卓越未来国际医药科技发展有限公司 基于临床试验项目的工时统计方法、装置、设备及介质
CN117910997B (zh) * 2024-03-19 2024-06-18 北京卓越未来国际医药科技发展有限公司 基于临床试验项目的工时统计方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
WO2020056915A1 (zh) 顾客到访分析方法、装置及存储介质
US11321966B2 (en) Method and apparatus for human behavior recognition, and storage medium
CN108446681B (zh) 行人分析方法、装置、终端及存储介质
CN112906483B (zh) 一种目标重识别方法、装置及计算机可读存储介质
CN109858354B (zh) 一种人脸身份库、轨迹表建立和人脸轨迹查询方法和***
CN110705477A (zh) 行为分析方法、装置、电子设备和计算机存储介质
CN110705476A (zh) 数据分析方法、装置、电子设备和计算机存储介质
CN111724496A (zh) 一种考勤方法、考勤装置及计算机可读存储介质
CN112836683B (zh) 用于便携式摄像设备的车牌识别方法、装置、设备和介质
CN111510675A (zh) 一种基于人脸识别和大数据分析的智慧安防***
CN111163073A (zh) 流量数据处理方法和装置
CN111476685B (zh) 行为分析方法、装置及设备
CN115063852A (zh) 用于确定员工考勤信息的方法、装置、存储介质及处理器
CN111368620A (zh) 一种对目标关注对象的识别方法、装置和存储介质
CN114140663A (zh) 一种基于多尺度注意力学习网络的害虫识别方法及***
CN112687044A (zh) 滞留人员的管理方法、***、介质及设备
CN111985438A (zh) 一种静态人脸处理方法、装置及设备
CN115129916A (zh) 用于确定员工考勤信息的方法、装置、存储介质及处理器
CN110969713A (zh) 考勤统计方法、装置及***、可读存储介质
CN114092809A (zh) 对象识别方法、装置及电子设备
CN113343004A (zh) 对象的识别方法和装置、存储介质及电子装置
CN115346143A (zh) 行为检测方法、电子设备、计算机可读介质
CN112883879B (zh) 一种虚假位置识别方法、***、电子设备和介质
CN112241683B (zh) 一种同行人员识别判断方法及***
CN111709369A (zh) 人员识别方法、装置、设备及存储介质

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