一种便携式快速人群考勤方法
【专利摘要】本发明的一种便携式快速人群考勤方法，是利用智能手机进行实时人群考勤。搭载有考勤系统程序的智能手机预先采集被考勤人员的人脸信息并作为样本存储，考勤时，对到场的人员拍摄正脸合照，通过与样本比对，根据匹配度判断人员是否到场。本发明的有益效果是：可以快速实现人群的实时考勤，极大减轻考勤人员的工作负担和提高考勤的效率，对于上课学生快速点名、游客人数快速清点、参会人员快速确认等多种场合都具有重要意义，还可以避免冒名顶替等现象；由于本发明使用智能手机进行考勤，因此携带方便。该方案成本低，便于推广，易于实现。
【专利说明】一种便携式快速人群考勤方法
【技术领域】
[0001]本发明涉及一种便携式快速人群考勤方法。
【背景技术】
[0002]目前，考勤是人们日常生活中的一种常见活动。许多时候需要快速考勤，尽快确定出席人员和缺勤人员，例如上课时确定旷课或者迟到早退的学生、开会时明确哪些人员缺席、旅游时导游了解是否有团员掉队等。传统上，上课和开会时利用点名或者签到进行考勤，旅游时利用点名或者将人员与车辆固定座位进行绑定等方式进行考勤。这些传统方式的缺点是耗时长，有时还容易出现冒名签到等现象。
[0003]人们提出了多种方式进行快速考勤。其一是在教室或会场内的每个座位靠背上安装传感器，利用传感器统计每个座位上是否有人并将统计信息显示在显示屏上；这种方式需要特殊的座位，或者需要在座位靠背上临时安装传感器，显然成本较高，还容易受到人为破坏，而且只能体现哪些座位上有人而无法确认哪些人出勤或者缺勤。其二是利用图像灰度匹配的方法进行人数统计，即在获得人群所在区域的视频流后，利用帧间差分和边缘检测得到运动目标区域，进而提取出行人区域，然后利用模板匹配和惯性原则进行人数统计；这种方法能够快速确定运动中的人数，但是对于教室和会场中的静态人员则难以统计，而且还无法确认人员身份。其三是利用AdaBoost算法和人脸肤色建模进行人脸定位，然后利用多种分类器进行人头判定并最终确定人数；这种方法虽然能够快速定位人脸，但是仍然无法确定人员身份。
[0004]可见，上述方法无法满足现实生活中人们对于考勤的快速、便捷和动态的需求。
【发明内容】
[0005]为解决以上技术上的不足，本发明提供了一种便于操作，效率高的快速人群考勤方法。
[0006]本发明是通过以下措施实现的:
[0007]本发明的一种便携式快速人群考勤方法，包括以下步骤:
[0008]步骤1，在具有独立操作系统和运行空间的智能手机的中建立考勤系统；
[0009]步骤2，利用步骤I中的智能手机自带摄像头逐个采集被考勤人员的人脸照片样本，然后采用主成分分析法提取每个被考勤人员人脸照片样本的离线特征，并标记上对应被考勤人员的姓名，一并存储在考勤系统的样本数据库中；
[0010]步骤3，考勤时，考勤人员利用步骤I中的智能手机自带摄像头实时拍摄所有被考勤人员的正脸合照，然后通过AdaBoost算法选定该合照中所有的人脸区域并分割出每个人的人脸图像和进行尺寸归一化处理；
[0011]步骤4，通过主成分分析法提取步骤3中分割出的所有人脸图像的离线特征，并利用欧氏距离和最小距离准则逐一与步骤2中样本数据库所预先存储的离线特征进行匹配；
[0012]步骤5，匹配过程中，判断两者匹配度是否大于设定阈值，如果是，则认为该人员出勤，如果否，则认为该人员缺勤，并将结果显示出来。
[0013]上述在步骤I中，编译生成有考勤系统程序的APK安装包，通过安装APK安装包在智能手机中建立考勤系统。
[0014]上述在步骤2中，人脸照片样本包括被考勤人员提供的直接拍摄的人脸电子照片或经扫描后转换成电子照片的纸质照片。
[0015]本发明的有益效果是:可以快速实现人群的实时考勤，极大减轻考勤人员的工作负担和提高考勤的效率，对于上课学生快速点名、游客人数快速清点、参会人员快速确认等多种场合都具有重要意义，还可以避免冒名顶替等现象；由于本发明使用智能手机进行考勤，因此携带方便。该方案成本低，便于推广，易于实现。
【具体实施方式】
[0016]本发明的一种便携式快速人群考勤方法，是利用智能手机进行实时人群考勤。目前，智能手机已经十分普遍，一般都具有独立操作系统和运行空间，能够安装和运行软件，而且作为标配还配置有分辨率良好的前置和后置摄像头，一般情况下人们都随身携带。本发明对智能手机软硬件的基本要求:目前通用的智能手机操作系统均可，例如Andr1d、1S、Windows Phone等；CPU单核或者多核500MHz以上；内存500M以上；外存500M以上；屏幕分辨率800 X 480以上；前置摄像头2M像素以上。
[0017]具体应用时，首先需要开发一套在智能手机操作系统架构下的考勤系统软件，并编译成搭载有考勤系统程序的APK安装包，通过安装APK安装包在智能手机中建立考勤系统。该系统在使用前，需要预先采集被考勤人员的人脸信息并提取离线特征，然后将这些离线特征作为样本存储到智能手机的考勤系统中。考勤人员在实际考勤时，利用该考勤系统，只需要拍摄被考勤人群的实时照片，然后该考勤系统就自动进行人脸检测和定位，自动提取每个人脸的特征，接着自动将所提取的实时人脸特征与预先提取的被考勤人员的人脸离线特征进行匹配，并根据匹配结果输出被考勤人员的出勤信息和缺勤信息。
[0018]具体地说本发明包括以下部分和步骤:
[0019]步骤1，在具有独立操作系统和运行空间的智能手机的中建立考勤系统；
[0020]步骤2，利用步骤I中的智能手机自带摄像头逐个采集被考勤人员的人脸照片样本，然后采用主成分分析法提取每个被考勤人员人脸照片样本的离线特征，并标记上对应被考勤人员的姓名，一并存储在考勤系统的样本数据库中；
[0021]步骤3，考勤时，考勤人员利用步骤I中的智能手机自带摄像头实时拍摄所有被考勤人员的正脸合照，然后通过AdaBoost算法选定该合照中所有的人脸区域并分割出每个人的人脸图像和进行尺寸归一化处理；
[0022]步骤4，通过主成分分析法提取步骤3中分割出的所有人脸图像的离线特征，并利用最小距离准则逐一与步骤2中样本数据库所预先存储的离线特征进行匹配；
[0023]步骤5，匹配过程中，判断两者匹配度是否大于设定阈值，如果是，则认为该人员出勤，如果否，则认为该人员缺勤，并将结果显示出来。
[0024]其中，AdaBoost算法、主成分分析法和最小距离准则都是比较成熟的算法，本专利中不再赘述。
[0025]步骤2中人脸照片样本包括被考勤人员提供的纸质人脸照片或者电子人脸照片，对于纸质人脸照片，需要经过扫描或者拍照转化成电子照片。
[0026]其中，AdaBoost算法、主成分分析法和最小距离准则说明如下。
[0027]AdaBoost算法的基本步骤:
[0028](I)使用Haar-1ike特征表示人脸，并且使用积分图实现特征数值的快速计算；
[0029](2)使用AdaBoost算法挑选出一些最能代表人脸的矩形特征，即弱分类器，再按照加权投票的方式将弱分类器构造为一个强分类器；
[0030](3)将训练得到的若干强分类器串联组成一个级联结构的级联分类器，进行人脸检测；
[0031](4)增加辅助判决函数对分类进行辅助判决，即某一级AdaBoost分类器判为假后，使用该级的辅助判决函数对其进行辅助判决，如果辅助判决为真，则仍然使样本输入到下一级的分类器中，反之拒绝该样本。
[0032]主成分分析基本步骤:
[0033]设预先采集的用于训练的被考勤人员照片样本总数为Q，共有P个人，人均L幅图像，每幅大小为MXN维，则主成分分析包括以下基本步骤:
[0034](I)利用下面公式计算全体人脸训练样本的均值矢量:
【权利要求】
1.一种便携式快速人群考勤方法，其特征在于，包括以下步骤: 步骤1，在具有独立操作系统和运行空间的智能手机的中建立考勤系统； 步骤2，利用步骤I中的智能手机自带摄像头逐个采集被考勤人员的人脸照片样本，然后采用主成分分析法提取每个被考勤人员人脸照片样本的离线特征，并标记上对应被考勤人员的姓名，一并存储在考勤系统的样本数据库中； 步骤3，考勤时，考勤人员利用步骤I中的智能手机自带摄像头实时拍摄所有被考勤人员的正脸合照，然后通过AdaBoost算法选定该合照中所有的人脸区域并分割出每个人的人脸图像和进行尺寸归一化处理； 步骤4，通过主成分分析法提取步骤3中分割出的所有人脸图像的离线特征，并利用欧氏距离和最小距离准则逐一与步骤2中样本数据库所预先存储的离线特征进行匹配； 步骤5，匹配过程中，判断两者匹配度是否大于设定阈值，如果是，则认为该人员出勤，如果否，则认为该人员缺勤，并将结果显示出来。
2.根据权利要求1所述快速人群考勤方法，其特征在于:在步骤I中，编译生成有考勤系统程序的APK安装包，通过安装APK安装包在智能手机中建立考勤系统。
3.根据权利要求1所述快速人群考勤方法，其特征在于:在步骤2中，人脸照片样本包括被考勤人员提供的直接拍摄的人脸电子照片或经扫描后转换成电子照片的纸质照片。
【文档编号】G06K9/46GK104183029SQ201410443409
【公开日】2014年12月3日 申请日期:2014年9月2日 优先权日:2014年9月2日
【发明者】李金屏, 陈丽, 韩延彬, 夏英杰, 尹建芹 申请人:济南大学