【技术实现步骤摘要】
本专利技术属于工资核算，具体涉及一种基于数据分析的工资核算方法。
技术介绍
1、工资核算是每个企业财会部门最基本的业务之一，其关系到每个职工的切身利益，对于一些根据出勤天数核算工资的企业，其可以通过员工的打卡记录确定出员工的出勤天数，从而可以作为工资核算的依据。
2、然而，在实际情形中，可能存在一些代打卡的情形，如通过同一人的多个手指录入多人的指纹信息，在进行指纹打卡时就可以为其他人代打卡，从而导致工资核算时员工的工资核算错误，不利于员工的工资核算及企业的管理。
3、因此，如何提供一种有效的方案，以避免由于代打卡导致员工的工资核算错误的问题，已成为现有技术中一亟待解决的难题。
技术实现思路
1、本专利技术的目的是提供一种基于数据分析的工资核算方法，用以解决现有技术中存在的上述问题。
2、为了实现上述目的，本专利技术采用以下技术方案：
3、第一方面，本专利技术提供了一种基于数据分析的工资核算方法，包括：
4、获取目标用户在上一工资核算周期内的多条上班打卡记录；
5、基于每条上班打卡记录中的打卡时间，获取监控相机所拍摄到的与每条上班打卡记录中的打卡时间处于同一时间点的考勤监控图像，得到与所述多条上班打卡记录一一对应的多张上班考勤监控图像；
6、提取每张上班考勤监控图像中的人脸图像，得到与所述多条上班打卡记录一一对应的多张考勤人脸图像；
7、提取每张考勤人脸图像中各像素点的lbp特征值；>
8、基于每张考勤人脸图像中各像素点的lbp特征值，提取出每张考勤人脸图像所对应的lbp特征梯度图以及每张考勤人脸图像中各像素点所对应的局部指数特征值，其中任一像素点所对应的局部指数特征值是基于所述任一像素点的邻域像素点的lbp特征值以及所述任一像素点的邻域像素点与所述任一像素点的位置关系确定出的；
9、基于每张考勤人脸图像中各像素点所对应的局部指数特征值，得到每张考勤人脸图像所对应的局部指数特征值矩阵；
10、依据每张考勤人脸图像所对应的lbp特征梯度图和局部指数特征值矩阵进行人脸识别，得到每张考勤人脸图像所对应的人脸识别结果；
11、基于每张考勤人脸图像所对应的人脸识别结果，确定出目标用户在上一工资核算周期内的多条上班打卡记录中是否存在他人代打卡的上班打卡记录；
12、如果目标用户在上一工资核算周期内的多条上班打卡记录中存在他人代打卡的上班打卡记录，则更新目标用户在上一工资核算周期内的上班打卡记录，并生成目标用户在上一工资核算周期内的考勤数据；
13、基于目标用户在上一工资核算周期内的考勤数据核算目标用户在上一工资核算周期内的工资。
14、基于上述公开的内容，本专利技术通过获取目标用户在上一工资核算周期内的多条上班打卡记录；基于每条上班打卡记录中的打卡时间，获取监控相机所拍摄到的与每条上班打卡记录中的打卡时间处于同一时间点的考勤监控图像，得到与多条上班打卡记录一一对应的多张上班考勤监控图像；提取每张上班考勤监控图像中的人脸图像，得到与多条上班打卡记录一一对应的多张考勤人脸图像；提取每张考勤人脸图像中各像素点的lbp特征值；基于每张考勤人脸图像中各像素点的lbp特征值，提取出每张考勤人脸图像所对应的lbp特征梯度图以及每张考勤人脸图像中各像素点所对应的局部指数特征值，其中任一像素点所对应的局部指数特征值是基于任一像素点的邻域像素点的lbp特征值以及任一像素点的邻域像素点与任一像素点的位置关系确定出的；基于每张考勤人脸图像中各像素点所对应的局部指数特征值，得到每张考勤人脸图像所对应的局部指数特征值矩阵；依据每张考勤人脸图像所对应的lbp特征梯度图和局部指数特征值矩阵进行人脸识别，得到每张考勤人脸图像所对应的人脸识别结果；基于每张考勤人脸图像所对应的人脸识别结果，确定出目标用户在上一工资核算周期内的多条上班打卡记录中是否存在他人代打卡的上班打卡记录；如果目标用户在上一工资核算周期内的多条上班打卡记录中存在他人代打卡的上班打卡记录，则更新目标用户在上一工资核算周期内的上班打卡记录，并生成目标用户在上一工资核算周期内的考勤数据；基于目标用户在上一工资核算周期内的考勤数据核算目标用户在上一工资核算周期内的工资。如此，能够基于上一工资核算周期内考勤打卡时的考勤监控图像识别出是用户本人打卡还是他人代打卡，如果存在他人代打卡则更新目标用户在上一工资核算周期内的上班打卡记录，并生成目标用户在上一工资核算周期内的考勤数据以核算目标用户在上一工资核算周期内的工资，为员工工资核算提供合理有效的依据，从而避免由于代打卡导致员工的工资核算错误和公司财产损失，方便员工的工资核算及企业的管理。
15、在一个可能的设计中，所述提取每张考勤人脸图像中各像素点的lbp特征值，包括：
16、将每张考勤人脸图像转换为灰度图像；
17、提取每张考勤人脸图像所对应的灰度图像中各像素点的lbp特征值。
18、在一个可能的设计中，所述基于每张考勤人脸图像中各像素点的lbp特征值，提取出每张考勤人脸图像所对应的lbp特征梯度图，包括：
19、基于每张考勤人脸图像中各像素点的lbp特征值以及各像素点的邻域像素点的lbp特征值，计算出每张考勤人脸图像中各像素点的lbp特征梯度；
20、基于每张考勤人脸图像中各像素点的lbp特征梯度，确定出每张考勤人脸图像所对应的lbp特征梯度图。
21、在一个可能的设计中，考勤人脸图像中任一像素点的lbp特征梯度为其中g0表示与所述任一像素点相邻的左上侧像素点的灰度值，g1表示与所述任一像素点相邻的上侧像素点的灰度值，g2表示与所述任一像素点相邻的右上侧像素点的灰度值，g3表示与所述任一像素点相邻的右侧像素点的灰度值，g4表示与所述任一像素点相邻的右下侧像素点的灰度值，g5表示与所述任一像素点相邻的下侧像素点的灰度值，g6表示与所述任一像素点相邻的左下侧像素点的灰度值，g7表示与所述任一像素点相邻的左侧像素点的灰度值。
22、在一个可能的设计中，考勤人脸图像中任一像素点所对应的局部指数特征值为其中gi表示与所述任一像素点相邻的像素点中，从左上角开始沿顺时针方向的第i个像素点的灰度值，表示向上取整。
23、在一个可能的设计中，所述依据每张考勤人脸图像所对应的lbp特征梯度图和局部指数特征值矩阵进行人脸识别，包括：
24、将每张考勤人脸图像所对应的lbp特征梯度图和局部指数特征值矩阵，分别与预先获取到的目标用户的人脸图像所对应的lbp特征梯度图和局部指数特征值矩阵进行一一对比。
25、在一个可能的设计中，在依据每张考勤人脸图像所对应的lbp特征梯度图和局部指数特征值矩阵进行人脸识别之前，所述方法还包括：
26、通过主成分分析方法对所述局部指数特征值矩阵进行降维处理。
27、第二方面，本专利技术提供了一种基于数据分析的工资核算装置，包括：
本文档来自技高网...
【技术保护点】
1.一种基于数据分析的工资核算方法，其特征在于，包括：
2.根据权利要求1所述的基于数据分析的工资核算方法，其特征在于，所述提取每张考勤人脸图像中各像素点的LBP特征值，包括：
3.根据权利要求1所述的基于数据分析的工资核算方法，其特征在于，所述基于每张考勤人脸图像中各像素点的LBP特征值，提取出每张考勤人脸图像所对应的LBP特征梯度图，包括：
4.根据权利要求3所述的基于数据分析的工资核算方法，其特征在于，考勤人脸图像中任一像素点的LBP特征梯度为其中G0表示与所述任一像素点相邻的左上侧像素点的灰度值，G1表示与所述任一像素点相邻的上侧像素点的灰度值，G2表示与所述任一像素点相邻的右上侧像素点的灰度值，G3表示与所述任一像素点相邻的右侧像素点的灰度值，G4表示与所述任一像素点相邻的右下侧像素点的灰度值，G5表示与所述任一像素点相邻的下侧像素点的灰度值，G6表示与所述任一像素点相邻的左下侧像素点的灰度值，G7表示与所述任一像素点相邻的左侧像素点的灰度值。
5.根据权利要求1所述的基于数据分析的工资核算方法，其特征在于，考勤人脸图像中
6.根据权利要求1所述的基于数据分析的工资核算方法，其特征在于，所述依据每张考勤人脸图像所对应的LBP特征梯度图和局部指数特征值矩阵进行人脸识别，包括：
7.根据权利要求1所述的基于数据分析的工资核算方法，其特征在于，在依据每张考勤人脸图像所对应的LBP特征梯度图和局部指数特征值矩阵进行人脸识别之前，所述方法还包括：
8.一种基于数据分析的工资核算装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括依次通信相连的存储器、处理器和收发器，其中，所述存储器用于存储计算机程序，所述收发器用于收发消息，所述处理器用于读取所述计算机程序，执行如权利要求1～7任意一项所述的基于数据分析的工资核算方法。
10.一种计算机程序产品，包括计算机程序或指令，其特征在于，所述计算机程序或所述指令在被计算机执行时实现如权利要求1～7任意一项所述的基于数据分析的工资核算方法。
...【技术特征摘要】
1.一种基于数据分析的工资核算方法，其特征在于，包括：
2.根据权利要求1所述的基于数据分析的工资核算方法，其特征在于，所述提取每张考勤人脸图像中各像素点的lbp特征值，包括：
3.根据权利要求1所述的基于数据分析的工资核算方法，其特征在于，所述基于每张考勤人脸图像中各像素点的lbp特征值，提取出每张考勤人脸图像所对应的lbp特征梯度图，包括：
4.根据权利要求3所述的基于数据分析的工资核算方法，其特征在于，考勤人脸图像中任一像素点的lbp特征梯度为其中g0表示与所述任一像素点相邻的左上侧像素点的灰度值，g1表示与所述任一像素点相邻的上侧像素点的灰度值，g2表示与所述任一像素点相邻的右上侧像素点的灰度值，g3表示与所述任一像素点相邻的右侧像素点的灰度值，g4表示与所述任一像素点相邻的右下侧像素点的灰度值，g5表示与所述任一像素点相邻的下侧像素点的灰度值，g6表示与所述任一像素点相邻的左下侧像素点的灰度值，g7表示与所述任一像素点相邻的左侧像素点的灰度值。
5.根据权利要求1所述的基于数据分析的工资核算方法，其特征在于，考...
【专利技术属性】
技术研发人员：王力光，万玉华，杨果，吕慧楠，吴跃文，江玲，陈路，
申请(专利权)人：郑州超预企服企业管理咨询有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。