基于净水器的考勤方法技术

本发明专利技术公开了一种基于净水器的考勤方法，包括设于净水器上的控制器、存储器、红外温度传感器、第一摄像机和用于红外热成像的第二摄像机；设于用户的座椅上的压力传感器和报警器，控制器分别与红外温度传感器、第一摄像机、第二摄像机、存储器、服务器、压力传感器和报警器电连接；当用户靠近净水器时，获得红外温度传感器检测的人体信号；第一摄像机和第二摄像机采集用户图像；存储器中设有包括所有用户的特征点集合和关键点集合的数据库，控制器进行关键点识别及匹配特征点识别及匹配，最终识别用户并进行考勤处理。本发明专利技术具有识别率高、适用性强，成本低，提高了管理便利性的特点。

Method for checking attendance based on water purifier

The invention discloses a method for checking water purifier based on water purifier comprises a controller, the memory, the infrared temperature sensor, the first camera and the second camera for infrared thermal imaging; pressure sensor and alarm at the user's seat, controller is respectively connected with the infrared temperature sensor, the first camera, second cameras memory server, pressure sensor and alarm electric connection; when the user is close to the water purifier, the human body infrared signal detected by a temperature sensor; the first camera and the second camera image acquisition user memory; a collection of feature points and key points include all the user's set of database, controller key point identification and matching feature points recognition and matching, recognition and user attendance processing. The invention has the advantages of high recognition rate, strong applicability, low cost and improved management convenience.

【技术实现步骤摘要】
基于净水器的考勤方法
本专利技术涉及智能识别
，尤其是涉及一种不易作弊、识别率高、成本低的基于净水器的考勤方法。
技术介绍
智能打卡管理系统是一套管理公司的员工的上下班打卡记录等相关情况的管理系统，是打卡软件与打卡硬件相结合的产品，一般为HR部门使用，掌握并管理企业的员工出勤动态。常用的智能打卡系统包括指纹打卡系统和人脸识别打卡系统，但是存在如下缺点：智能人脸识别打卡系统针对于长相相似的两个人无法进行有效的识别；人脸识别成功率受到较多因素限制，如：体型变化导致脸型变化时则会导致识别出错，更换发型及戴帽子也可能导致识别失败，如果更换用户识别信息则需要人力进行数据更换，增加了人力成本；指纹识别要求手指清洁，有水渍、油污都会导致指纹无法识别，指纹识别对录入指纹的指纹完整度有较高要求，并且指纹识别可代替性较高，市场上有很多指纹识别套可以代替打卡；现有识别度较高的虹膜识别打卡的成本较高，无法得到广泛推广。
技术实现思路
本专利技术的专利技术目的是为了克服现有技术中的打卡方法容易作弊，成本高的不足，提供了一种不易作弊、识别率高、成本低的基于净水器的考勤方法。为了实现上述目的，本专利技术采用以下技术方案：一种基于净水器的考勤方法，包括设于净水器上的控制器、存储器、红外温度传感器、第一摄像机和用于红外热成像的第二摄像机；设于用户的座椅上的压力传感器和报警器，控制器分别与红外温度传感器、第一摄像机、第二摄像机、存储器、服务器、压力传感器和报警器电连接；包括如下步骤：(1-1)存储器中设有上班时刻t1和下班时刻t2，压力传感器检测用户对座椅的压力，当用户每天在[t1-e1，t1+e1]的时间范围内第一次坐到座椅上时，控制器控制报警器报警，提醒用户去净水器处打卡；当用户每天在[t2-e1，t2+e1]的时间范围内离开座椅时，控制器控制报警器报警，提醒用户去净水器处打卡；(1-2)用户每次靠近净水器时，控制器获得红外温度传感器检测的人体信号；控制器控制第一摄像机和第二摄像机开始工作，第一摄像机和第二摄像机采集用户图像；(1-3)存储器中设有包括所有注册用户的特征点集合和关键点集合的数据库，控制器从第一摄像机拍摄的图像中获得用户的各个特征点，将用户的各个特征点与数据库中的所有用户的特征点集合进行比对，选定正确匹配的特征点；控制器从第二摄像机拍摄的图像中获得用户的各个关键点，将用户的各个关键点与数据库中的所有用户的关键点集合进行比对，选定正确匹配的关键点；(1-4)控制器计算综合识别率γ；当γ≥W，则控制器找到数据库中与γ对应的使用者的名称，将使用者名称传递给服务器，服务器存储当前时间、综合识别率γ和使用者名称；(1-5)服务器将每个用户在一天中第一次被识别的时间作为上班打卡时间，将每个用户在一天中最后一次被识别的时间作为下班打卡时间，将上班打卡时间、下班打卡时间分别与上班时刻和下班时刻做比较，计算出用户每天是否迟到、早退和加班并存储在服务器中。本专利技术基于智能净水器实现了用户身份识别及打卡的功能，当用户靠近净水器时，获得红外温度传感器检测的人体信号；第一摄像机和第二摄像机采集用户图像；存储器中设有包括所有注册用户的特征点集合和关键点集合的数据库，控制器进行关键点识别及匹配特征点识别及匹配，最终识别用户并自动考勤。本专利技术将识别系统与净水器相结合，是基于时长一个月的市场调研，经过研究发现，员工、白领等商务人群平均每日工作时间内在门口停留时间为2分钟次数为6次，在打卡机前停留时间为2分钟次数为2次，在净水器旁停留时间为16分钟次数为8次，在工位上停留时间为6小时次数为10次，通过调研数据发现，除去每天在工位前的工作时间外，净水器前停留次数和停留时间都占较高比例，本专利技术将智能识别系统与净水器相结合，能够有效增加识别度，降低人工维护成本；本专利技术提高了管理工作的便利性，降低了人工维护成本，提升了用户体验度；具有更高的识别度，在应用范围内可以达到百分之99的识别准确率；本专利技术无需用户进行按压等刻意识别操作，在用户每天早上接水时就可以实现智能识别，识别更为便捷；与高识别度的虹膜识别相比，净水器智能识别系统具有成本低、应用范围广的优点，更便于公司等商务场合使用。作为优选，步骤(1-4)包括如下步骤：利用公式计算特征点识别率γ1，其中，n1为累计正确匹配的特征点数，N1为特征点集合的特征点总数，K1为每个特征点的特征数；利用公式计算关键点识别率γ2，其中，n2为累计正确匹配的特征点数，N2为关键点集合的关键点总数，K2为每个特征点的特征数；控制器利用公式计算综合识别率γ；其中，k1、k2为设定的加权系数。作为优选，当γ＜W，控制器做出所述用户为非注册用户的判断；控制器将从第一摄像机拍摄的图像中获得的各个特征点和从第二摄像机拍摄的图像中获得的各个关键点发送给服务器，服务器产生一个非注册用户的编号，并且将非注册用户的编号与当前时间、各个特征点和各个关键点关联存储。作为优选，各个关键点所处的范围为用户脸部上至发际线，下至下巴最低点，左右至耳朵边沿点；包括7个区域，7个区域分别为前额区域、左眼区域、右眼区域、鼻子区域、左脸区域、右脸区域和鼻子下巴区域；左眼区域、右眼区域中的关键点对称选取，左脸区域、右脸区域中的关键点对称选取。作为优选，各个特征点位于人脸三角区，特征点为30个。作为优选，所述控制器从第一摄像机拍摄的图像中获得用户的各个特征点，将用户的各个特征点与数据库中的所有用户的特征点集合进行比对，选定正确匹配的特征点包括如下步骤：(6-1)对于第一摄像机拍摄的图像I(x，y)，利用公式G(i)＝|[f(i-1，j-1)+f(i-1，j)+f(i-1，j+1)]-[f(i+1，j-1)+f(i+1，j)+f(i+1，j+1)]|和G(j)＝|[f(i-1，j+1)+f(i，j+1)+f(i+1，j+1)]-[f(i-1，j-1)+f(i，j-1)+f(i+1，j-1)]|计算图像I(x，y)中每个像素点(l，j)的邻域卷积G(i)，G(j)，设定P(i，j)＝max[G(i)，G(j)]，选定P(i，j)为图像边缘点；(6-2)对于第一摄像机拍摄的图像I(x，y)，利用公式L(x，y，σ)＝g(x，y，σ)×I(x，y)构建尺度空间图像L(x，y，σ)，g(x，y，σ)是尺度高斯可变函数，(x，y)是空间坐标，σ为图像平滑度；(6-3)利用公式D(x，y，σ)＝(g(x，y，kσ)-g(x，y，σ))×I(x，y)＝L(x，y，kσ)-L(x，y，σ)计算高斯差分尺度空间D(x，y，σ)；k为相邻尺度空间倍数的常数；对于图像I(x，y)中的每个像素，依次建立s层个长宽分别减半的子八度图像，其中，第一层子八度图像为原图；(6-4)将每个像素点的D(x，y，σ)与其相邻像素点的D(x，y，σ)进行比较，如果所述像素点的D(x，y，σ)在本层以及上下两层的各个领域中是最大或最小值时，取该像素点为特征点；(6-5)获得由各个选定的特征点构成的dog图，对dog图进行低通滤波；去除dog图中边缘点之外的各个点，得到二维点图；(6-6)利用公式和θ(x，y)＝arctan((L(x，y+1)-L(x，y-1))/(L(x+1，y)-L(x-1，y)))计算每个特征点本文档来自技高网...

【技术保护点】
一种基于净水器的考勤方法，其特征是，包括设于净水器上的控制器、存储器、红外温度传感器、第一摄像机和用于红外热成像的第二摄像机；设于用户的座椅上的压力传感器和报警器，控制器分别与红外温度传感器、第一摄像机、第二摄像机、存储器、服务器、压力传感器和报警器电连接；包括如下步骤：(1‑1)存储器中设有上班时刻t1和下班时刻t2，压力传感器检测用户对座椅的压力，当用户每天在[t1‑e1，t1+e1]的时间范围内第一次坐到座椅上时，控制器控制报警器报警，提醒用户去净水器处打卡；当用户每天在[t2‑e1，t2+e1]的时间范围内离开座椅时，控制器控制报警器报警，提醒用户去净水器处打卡；(1‑2)用户每次靠近净水器时，控制器获得红外温度传感器检测的人体信号；控制器控制第一摄像机和第二摄像机开始工作，第一摄像机和第二摄像机采集用户图像；(1‑3)存储器中设有包括所有注册用户的特征点集合和关键点集合的数据库，控制器从第一摄像机拍摄的图像中获得用户的各个特征点，将用户的各个特征点与数据库中的所有用户的特征点集合进行比对，选定正确匹配的特征点；控制器从第二摄像机拍摄的图像中获得用户的各个关键点，将用户的各个关键点与数据库中的所有用户的关键点集合进行比对，选定正确匹配的关键点；(1‑4)控制器计算综合识别率γ；当γ≥W，则控制器找到数据库中与γ对应的使用者的名称，将使用者名称传递给服务器，服务器存储当前时间、综合识别率γ和使用者名称；W为设定的标准识别率；(1‑5)服务器将每个用户在一天中第一次被识别的时间作为上班打卡时间，将每个用户在一天中最后一次被识别的时间作为下班打卡时间，将上班打卡时间、下班打卡时间分别与上班时刻和下班时刻做比较，计算出用户每天是否迟到、早退和加班并存储在服务器中。...

【技术特征摘要】
1.一种基于净水器的考勤方法，其特征是，包括设于净水器上的控制器、存储器、红外温度传感器、第一摄像机和用于红外热成像的第二摄像机；设于用户的座椅上的压力传感器和报警器，控制器分别与红外温度传感器、第一摄像机、第二摄像机、存储器、服务器、压力传感器和报警器电连接；包括如下步骤：(1-1)存储器中设有上班时刻t1和下班时刻t2，压力传感器检测用户对座椅的压力，当用户每天在[t1-e1，t1+e1]的时间范围内第一次坐到座椅上时，控制器控制报警器报警，提醒用户去净水器处打卡；当用户每天在[t2-e1，t2+e1]的时间范围内离开座椅时，控制器控制报警器报警，提醒用户去净水器处打卡；(1-2)用户每次靠近净水器时，控制器获得红外温度传感器检测的人体信号；控制器控制第一摄像机和第二摄像机开始工作，第一摄像机和第二摄像机采集用户图像；(1-3)存储器中设有包括所有注册用户的特征点集合和关键点集合的数据库，控制器从第一摄像机拍摄的图像中获得用户的各个特征点，将用户的各个特征点与数据库中的所有用户的特征点集合进行比对，选定正确匹配的特征点；控制器从第二摄像机拍摄的图像中获得用户的各个关键点，将用户的各个关键点与数据库中的所有用户的关键点集合进行比对，选定正确匹配的关键点；(1-4)控制器计算综合识别率γ；当γ≥W，则控制器找到数据库中与γ对应的使用者的名称，将使用者名称传递给服务器，服务器存储当前时间、综合识别率γ和使用者名称；W为设定的标准识别率；(1-5)服务器将每个用户在一天中第一次被识别的时间作为上班打卡时间，将每个用户在一天中最后一次被识别的时间作为下班打卡时间，将上班打卡时间、下班打卡时间分别与上班时刻和下班时刻做比较，计算出用户每天是否迟到、早退和加班并存储在服务器中。2.根据权利要求1所述的基于净水器的考勤方法，其特征是，步骤(1-4)包括如下步骤：利用公式计算特征点识别率γ1，其中，n1为累计正确匹配的特征点数，N1为特征点集合的特征点总数，K1为每个特征点的特征数；利用公式计算关键点识别率γ2，其中，n2为累计正确匹配的特征点数，N2为关键点集合的关键点总数，K2为每个特征点的特征数；控制器利用公式计算综合识别率γ；其中，k1、k2为设定的加权系数。3.根据权利要求1所述的基于净水器的考勤方法，其特征是，当γ＜W，控制器做出所述用户为非注册用户的判断；控制器将从第一摄像机拍摄的图像中获得的各个特征点和从第二摄像机拍摄的图像中获得的各个关键点发送给服务器，服务器产生一个非注册用户的编号，并且将非注册用户的编号与当前时间、各个特征点和各个关键点关联存储。4.根据权利要求1所述的基于净水器的考勤方法，其特征是，各个关键点所处的范围为用户脸部上至发际线，下至下巴最低点，左右至耳朵边沿点；包括7个区域，7个区域分别为前额区域、左眼区域、右眼区域、鼻子区域、左脸区域、右脸区域和鼻子下巴区域；左眼区域、右眼区域中的关键点对称选取，左脸区域、右脸区域中的关键点对称选取。5.根据权利要求1所述的基于净水器的考勤方法，其特征是，各个特征点位于人脸三角区，特征点为30个。6.根据权利要求1所述的基于净水器的考勤方法，其特征是，所述控制器从第一摄像机拍摄的图像中获得用户的各个特征点，将用户的各个特征点与数据库中的所有用户的特征点集合进行比对，选定正确匹配的特征点包括如下步骤：(6-1)对于第一摄像机拍摄的图像I(x，y)，利用公式G(i)＝|[f(i-1，j-1)+f(i-1，j)+f(i-1，j+1)]-[f(i+1，j-1)+f(i+1，j)+f(i+1，j+1)]|和G(j)＝|[f(i-1，j+1)+f(i，j+1)+f(i+1，j+1)]-[f(i-1，j-1)+f(i，j-1)+f(i+1，j-1)]|计算图像I(x，y)中每个像素点(I，j)的邻域卷积G(i)，G(j)，设定P(i，j)＝max[G(i)，G(j)]，选定P(i，j)为图像边缘点；(6-2)对于第一摄像机拍摄的图像I(x，y)，利用公式L(x，y，σ)＝g(x，y，σ)×I(x，y)构建尺度空间图像L(x，y，σ)，g(x，y，σ)是尺度高斯可变函数，(x，y)是空间坐标，σ为图像平滑度；(6-3)利用公式D(x，y，σ)＝(g(x，y，kσ)-g(x，y，σ))×I(x，y)＝L(x，y，kσ)-L(x，y，σ)计算高斯差分尺度空间D(x，y，σ)；k为相邻尺度空间倍数的常数；对于图像I(x，y)中的每个像素，依次建立s层个长宽分别减半的子八度图像，其中，第一层子八度图像为原图；(6-4)将每个像素点的D(x，y，σ)与其相邻像素点的D(x，y，σ)进行比较，如果所述像素点的D(x，y，σ)在本层以及上下两层的各个领域中是最大或最小值时，取该像素点为特征点；(6-5)获得由各个选定的特征点构成的d...

【专利技术属性】
技术研发人员：李明，孙梓宸，李渊敏，卢忠阳，
申请(专利权)人：浙江水马环保科技有限公司，
类型：发明
国别省市：浙江,33