一种能够自动载入和删除的面部识别智能考勤系统的制作方法

1.本发明涉及考勤领域，且更具体地涉及一种能够自动载入和删除的面部识别智能考勤系统。


背景技术：

2.考勤，顾名思义，就是考查出勤，也是就通过某种方式来获得学生、员工或者某些团体、个人在某个特定的场所及特定的时间段内的出勤情况，包括上下班、迟到、早退、病假、婚假、丧假、公休、工作时间、加班情况等。通过对以前阶段，本阶段内出勤情况的研究，进行以后阶段的统筹、安排等。考勤是为维护企业的正常工作秩序，提高办事效率，严肃企业纪律，使员工自觉遵守工作时间和劳动纪律。
3.随着人工智能技术的飞速发展，现有技术中的考勤系统也逐步变得智能化和自动化。其中人脸识别技术也越来越多地普遍应用，由于日积月累地应用，面部识别数据信息将越积越多，历史数据信息需要人工方式才能删除掉，这就给人力劳动带来沉重的负担。因此如何实现智能考勤系统的自动载入和删除成为亟待解决的问题。


技术实现要素：

4.针对上述技术的不足，本发明公开一种能够自动载入和删除的面部识别智能考勤系统，能够实现用户数据信息的识别，并能够实现历史数据信息的自动化删除，未删除的数据信息通过区块链节点传递到区块链网络实现数据信息的永久性存储，智能化、自动化程度高，能够提高面部数据信息智能处理，使用方便，效率高。
5.本发明采用以下技术方案：一种能够自动载入和删除的面部识别智能考勤系统，包括：图像采集模块，用于获取用户面部数据信息，并将获取的用户面部数据信息输出，实现与其他设备的信息交互，其中所述图像采集模块兼容视频信息采集的数据采集模块，并且所述图像采集模块为基于fpga控制芯片电路和基于tms320dm8168芯片控制电路的图像采集模块；图像信息提取模块，用于提取所述图像采集模块采集到的用户人脸数据特征，图像信息提取模块包括方向梯度直方图hog模块、灰度图转换模块、分类模块和图像输出模块，其中所述方向梯度直方图hog模块输出端与灰度图转换模块输入端连接，所述灰度图转换模块输出端与所述分类模块的输入端连接，所述分类模块输出端与所述图像输出模块输入端连接；图像分析模块，用于分析所述图像信息提取模块所提取到的用户人脸数据特征，以获取所采集到的数据信息；主控模块，用于控制图像信息的采集，所述主控模块为基于arm单片机芯片并且兼容fpga控制芯片电路接口和tms320dm8168芯片控制电路接口；并且所述主控模块外部还设置有外设端子，所述外设端子设置有usb接口、以太网接口或者无线数据端子；
数据接收接口，用于所述主控模块所接收的图像数据信息；数据输出接口，用于输出所述主控模块拒绝接收的图像数据信息；数据存储模块，用于存储所述主控模块所接收的图像数据信息；删除模块，用于删除所设置历史时段所采集的人脸识别图像数据信息；和区块链节点，用于将所述主控模块拒绝接收的图像数据信息以及所述删除模块删除后的历史时段所采集的人脸识别图像数据信息传递到区块链网络，通过数据中心管理平台实现数据信息的存储、管理与应用；其中所述图像采集模块的输出端与图像信息提取模块的输入端连接，所述图像信息提取模块的输出端与图像分析模块的输出端连接，所述图像分析模块与主控模块连接，所述主控模块还设置有数据接收接口、数据输出接口和外设端子，所述数据接收接口的输出端与数据存储模块的输入端连接，所述数据存储模块输出端与删除模块的输入端连接，所述删除模块的输出端设置有区块链节点，所述区块链节点通过区块链网络与数据中心管理平台实现数据信息交互，其中所述数据输出接口的输出端还设置有区块链节点。
6.作为本发明进一步的技术方案，所述fpga控制芯片电路至少设置4路数据通道接口，并且所述tms320dm8168芯片控制电路外部连接设置有arm子系统、视频处理子系统、编解码子系统和dsp子系统。
7.作为本发明进一步的技术方案，所述图像信息提取模块内的分类模块为支持向量机svm分类器，并且所述图像信息提取模块实现数据提取的方法包括以下步骤：步骤1、通过方向梯度直方图hog模块实现人脸数据信息的提取，选择采集到的人脸数据信息，将待提取的人脸数据信息标记上日期；步骤2、通过灰度图转换模块实现灰度转换，将已经标注日期的数据信息转换为灰度图，通过gamma标准化方法实现数据信息转换，则输出信息内容通过公式表示：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（1）在公式（1）中，其中表示人脸图像的灰度值，通过公式（1）后，能够实现gamma值的二分之一处理，即将输入图像信息处理成二分之一，再将输入的二分之一图像信息处理成四分之一，再将输入的四分之一图像信息处理成八分之一，进而实现图像数据信息的处理与计算；图像数据信息在计算时采用的是梯度计算，通过梯度计算图像时，在像素点的梯度值记作为：
ꢀꢀ
（2）在公式（2）中，其中表示人脸识别图像的水平梯度值，表示人脸识别图像的垂直梯度值，表示人脸识别图像信息的像素值。在像素点的梯度向量记作为：
ꢀꢀꢀꢀ
（3）
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（4）在公式（3）和（4）中，其中表示人脸识别图像的梯度值，表示人脸识别图像梯度方向；通过上述方法，然后构建方向梯度直方图，将图像分成若干模块，每个模块有8*8个像素，将模块梯度方向分成9块。对模块中的每个像素在梯度方向直方图中进行加权投影，继而统计出该模块的梯度方向直方图；然后将分割的图像数据信息进行模块归一化处理，将相邻的几个模块进行组合，进而实现归一化处理，然后将归一化后的图像数据信息生成特征向量，继而实现人脸图像数据信息的识别；步骤3、通过支持向量机svm分类器分类模块，所述支持向量机 svm 分类器实现分类的方法是：通过svm分类器输出数据信息记作为，则分类后的人脸图像数据信息识别函数为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（5）在公式（5）中，其中表示输入到svm分类器用户面部数据信息参数，表示用户人脸图像样本变量，表示输入到支持向量机svm分类器的隐变量，表示支持向量机svm分类器隐变量的取值空间，表示支持向量机svm分类器中人脸图像样本说明，通过应用svm分类器，数据训练通过最小化目标函数得到最优参数，则被训练的人脸识别数据信息函数输出为：
ꢀꢀꢀꢀ
（6）在公式（6）中，表示目标函数，表示人脸识别过程中第个人脸识别数据信息的训练任务，在求最佳化数据目标函数后， 为每个面部人脸识别数据信息的正样本，表示第个人脸识别时影响数据信息获取的数值，表示在第个人脸识别时获取人脸数据信息的数据值，表示在获取每个面部人脸识别数据信息的正样本情况下获取第个人脸识别的数据信息数值，进而选取最佳隐变量值来优化人脸面部识别信息；步骤4、通过图像输出模块实现数据信息的输出。
8.作为本发明进一步的实施例，所述图像分析模块实现数据分析的方法为应用retinex算法模型实现数据信息分析，具体方法为：假设获取到的图像数据信息中的每个图像点记作为，则图像增强后的数据信息记作为：
ꢀꢀꢀꢀ
（7）
在公式（7）中，其中表示输入到retinex算法模型的原始人脸数据信息图像，表示retinex算法模型接收到的人脸图像识别数据信息的反射分量图像，l表示黑暗环境中人脸图像的亮度，retinex算法模型的权重设置为：
ꢀꢀꢀꢀꢀꢀ
（8）经过公式（8）的对数运算，则表示人脸图像识别信息中心环绕函数，输出表达式记作为：
ꢀꢀ
（9）公式（9）中，其中c表示所获取人脸识别图像数据信息的高斯环绕尺度，黑暗环境下输出的图像数据信息为：
ꢀꢀꢀꢀꢀ
（13）其中，为输出图像，为高斯滤波函数，为图像尺度的权重，表示输入的人脸识别图像数据信息，其中表示进行的次数据输出。
9.作为本发明进一步的技术方案，所述删除模块包括可编程控制器以及与可编程控制连接的带有日期信息的人脸识别图像、擦除模块和区块链节点，并且所述删除模块实现数据擦除的方法为：（1）可编程控制器采取顺序扫描的方式获取到的人脸识别图像数据信息，通过人脸识别图像信息标记的日期进行扫描，并按指令步序号或地址号作周期性循环扫描；（2）当检索到所设置历史人脸图像识别数据信息时，则无跳转指令，当检索到所设置历史人脸图像识别数据信息时，则出现跳转指令；（3）当出现跳转指令时，则从第一条指令开始逐条顺序执行用户程序，直至程序结束，然后重新返回第一条指令，开始下一轮扫描，在每一次扫描过程中，还要完成对人脸图像识别数据信息的采样和刷新；（4）执行删除命令，将检索到的人脸图像识别数据信息删除，将未检索到的人脸图像识别数据信息通过区块链节点传递至区块链网络。
10.积极有益效果：本发明能够实现用户数据信息的识别，并能够实现历史数据信息的自动化删除，未删除的数据信息通过区块链节点传递到区块链网络实现数据信息的永久性存储，智能化、自动化程度高，能够提高面部数据信息智能处理，使用方便，效率高。
11.本发明在实现自动化载入时，通过基于fpga控制芯片电路和基于tms320dm8168芯片控制电路的图像采集模块实现图像信息采集和视屏数据信息采集的同步获取，其中通过fpga控制芯片电路至少设置4路数据通道接口，并且所述tms320dm8168芯片控制电路外部连接设置有arm子系统、视频处理子系统、编解码子系统和dsp子系统，提高了数据信息自动化载入能力。
12.在实现面部图像数据信息删除时，能够通过可编程控制器采取顺序扫描的方式获
取到的人脸识别图像数据信息，通过人脸识别图像信息标记的日期进行扫描，并按指令步序号或地址号作周期性循环扫描。
13.本技术引入了区块链技术，未能删除的数据信息通过区块链节点传递到上层数据管理中心，实现人脸面部数据信息的永久性存储，提高了数据存储能力，能够有效地防止数据信息被篡改。
14.本发明通过retinex算法模型能够获取黑暗环境中人脸图像数据信息，提高了考勤机智能化应用能力。
附图说明
15.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图，其中：图1为本发明一种能够自动载入和删除的面部识别智能考勤系统的整体架构原理图；图2为本发明一种能够自动载入和删除的面部识别智能考勤系统中图像采集模块的原理示意图；图3为本发明一种能够自动载入和删除的面部识别智能考勤系统中图像信息提取模块的原理示意图；图4为本发明一种能够自动载入和删除的面部识别智能考勤系统中retinex算法模型示意图；图5为本发明一种能够自动载入和删除的面部识别智能考勤系统中图像信息提取模块提取图像的方法示意图；图6为本发明一种能够自动载入和删除的面部识别智能考勤系统中删除模块原理示意图；图7为本发明一种能够自动载入和删除的面部识别智能考勤系统中删除模块删除数据信息的示意图；图8为本发明一种能够自动载入和删除的面部识别智能考勤系统中区块链节点连接的区块链网络系统示意图。
具体实施方式
16.以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的实施例仅用于说明和解释本发明，并不用于限定本发明。
17.实施例一 系统一种能够自动载入和删除的面部识别智能考勤系统，包括：图像采集模块，用于获取用户面部数据信息，并将获取的用户面部数据信息输出，实现与其他设备的信息交互，其中所述图像采集模块兼容视频信息采集的数据采集模块，并且所述图像采集模块为基于fpga控制芯片电路和基于tms320dm8168芯片控制电路的图像采集模块；
图像信息提取模块，用于提取所述图像采集模块采集到的用户人脸数据特征，图像信息提取模块包括方向梯度直方图hog模块、灰度图转换模块、分类模块和图像输出模块，其中所述方向梯度直方图hog模块输出端与灰度图转换模块输入端连接，所述灰度图转换模块输出端与所述分类模块的输入端连接，所述分类模块输出端与所述图像输出模块输入端连接；图像分析模块，用于分析所述图像信息提取模块所提取到的用户人脸数据特征，以获取所采集到的数据信息；主控模块，用于控制图像信息的采集，所述主控模块为基于arm单片机芯片并且兼容fpga控制芯片电路接口和tms320dm8168芯片控制电路接口；并且所述主控模块外部还设置有外设端子，所述外设端子设置有usb接口、以太网接口或者无线数据端子；数据接收接口，用于所述主控模块所接收的图像数据信息；数据输出接口，用于输出所述主控模块拒绝接收的图像数据信息；数据存储模块，用于存储所述主控模块所接收的图像数据信息；删除模块，用于删除所设置历史时段所采集的人脸识别图像数据信息；和区块链节点，用于将所述主控模块拒绝接收的图像数据信息以及所述删除模块删除后的历史时段所采集的人脸识别图像数据信息传递到区块链网络，通过数据中心管理平台实现数据信息的存储、管理与应用；其中所述图像采集模块的输出端与图像信息提取模块的输入端连接，所述图像信息提取模块的输出端与图像分析模块的输出端连接，所述图像分析模块与主控模块连接，所述主控模块还设置有数据接收接口、数据输出接口和外设端子，所述数据接收接口的输出端与数据存储模块的输入端连接，所述数据存储模块输出端与删除模块的输入端连接，所述删除模块的输出端设置有区块链节点，所述区块链节点通过区块链网络与数据中心管理平台实现数据信息交互，其中所述数据输出接口的输出端还设置有区块链节点。
18.通过上述实施例，本发明能够实现用户数据信息的识别，并能够实现历史数据信息的自动化删除，未删除的数据信息通过区块链节点传递到区块链网络实现数据信息的永久性存储，智能化、自动化程度高，能够提高面部数据信息智能处理，使用方便，效率高。
19.在本发明中，所述fpga控制芯片电路至少设置4路数据通道接口，并且所述tms320dm8168芯片控制电路外部连接设置有arm子系统、视频处理子系统、编解码子系统和dsp子系统。
20.在具体实施例中，利用fpga纯硬件并行处理特点,提高了传统方案中依靠pc机实现人脸识别的速度和可靠性，在以altera公司cyclone iii系列ep3c40为核心芯片的硬件平台上,实现了系统设计,能自动识别用户数据信息。
21.在具体实施例中，视频采集模块采用多路视频复用可同时对四路模拟视频信号转换为数字视频信号，将采集到的用户面部视频数据首先需要通过ad转换器，然后分离视频图像的色度信号和亮度信号，经过滤波将视频信号进行整合，再经过定标器处理制定视频信号的格式，然后根据系统对用户面部视频图像的需求将数字视频格式发送到后端视频处理器的输入接口上。视频采集模块电路支持16路数字视频的输入，可接收itu-r bt.656和bt.1120格式两种格式的数字视频信号。tvp5158芯片的解码器输入端输入的多路视频信号数字化后复用在一路输出，提高主控芯片vp口的利用率。
22.在本发明中，所述分类模块为支持向量机svm分类器，其中：一种应用上述实施例中的图像信息提取模块实现数据提取的方法，包括以下步骤：步骤1、通过方向梯度直方图hog模块实现人脸数据信息的提取，选择采集到的人脸数据信息，将待提取的人脸数据信息标记上日期；步骤2、通过灰度图转换模块实现灰度转换，将已经标注日期的数据信息转换为灰度图，通过gamma标准化方法实现数据信息转换，则输出信息内容通过公式表示：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（1）在公式（1）中，其中表示人脸图像的灰度值，通过公式（1）后，能够实现gamma值的二分之一处理，即将输入图像信息处理成二分之一，再将输入的二分之一图像信息处理成四分之一，再将输入的四分之一图像信息处理成八分之一，进而实现图像数据信息的处理与计算；图像数据信息在计算时采用的是梯度计算，通过梯度计算图像时，在像素点的梯度值记作为：
ꢀꢀ
（2）在公式（2）中，其中表示人脸识别图像的水平梯度值，表示人脸识别图像的垂直梯度值，表示人脸识别图像信息的像素值。在像素点的梯度向量记作为：
ꢀꢀꢀꢀ
（3）
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（4）在公式（3）和（4）中，其中表示人脸识别图像的梯度值，表示人脸识别图像梯度方向；通过上述方法，然后构建方向梯度直方图，将图像分成若干模块，每个模块有8*8个像素，将模块梯度方向分成9块。对模块中的每个像素在梯度方向直方图中进行加权投影，继而统计出该模块的梯度方向直方图；然后将分割的图像数据信息进行模块归一化处理，将相邻的几个模块进行组合，进而实现归一化处理，然后将归一化后的图像数据信息生成特征向量，继而实现人脸图像数据信息的识别；步骤3、通过支持向量机svm分类器分类模块，所述支持向量机svm分类器实现分类的方法是：通过svm分类器输出数据信息记作为，则分类后的人脸图像数据信息识别函数为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（5）
在公式（5）中，其中表示输入到svm分类器用户面部数据信息参数，表示用户人脸图像样本变量，表示输入到支持向量机svm分类器的隐变量，表示支持向量机svm分类器隐变量的取值空间，表示支持向量机svm分类器中人脸图像样本说明，通过应用svm分类器，数据训练通过最小化目标函数得到最优参数，则被训练的人脸识别数据信息函数输出为：
ꢀꢀꢀ
（6）在公式（6）中，表示目标函数，表示人脸识别过程中第个人脸识别数据信息的训练任务，在求最佳化数据目标函数后， 为每个面部人脸识别数据信息的正样本，表示第个人脸识别时影响数据信息获取的数值，表示在第个人脸识别时获取人脸数据信息的数据值，表示在获取每个面部人脸识别数据信息的正样本情况下获取第个人脸识别的数据信息数值，进而选取最佳隐变量值来优化人脸面部识别信息；步骤4、通过图像输出模块实现数据信息的输出。
23.在上述实施例中，通过支持向量机可以最大限度地分离出两个类别。利用分类区间的思想对支持向量机进行训练和分类。分类间隔是为了保证分类风险最小，分类后的置信度最高。支持向量机分类器可以简化分类中的问题，并能剔除许多冗余信息。
24.一种应用上述实施例中的图像分析模块实现数据分析的方法，所述方法为应用retinex算法模型实现数据信息分析，方法为：假设获取到的图像数据信息中的每个图像点记作为，则图像增强后的数据信息记作为：
ꢀꢀꢀ
（7）在公式（7）中，其中表示输入到retinex算法模型的原始人脸数据信息图像，表示retinex算法模型接收到的人脸图像识别数据信息的反射分量图像，l表示黑暗环境中人脸图像的亮度，retinex算法模型的权重设置为：
ꢀꢀ
（8）经过公式（8）的对数运算，则表示人脸图像识别信息中心环绕函数，输出表达式记作为：
ꢀꢀ
（9）公式（9）中，其中c表示所获取人脸识别图像数据信息的高斯环绕尺度，黑暗环境下输出的图像数据信息为：
ꢀꢀꢀ
（13）
其中，为输出图像，为高斯滤波函数，为图像尺度的权重，表示输入的人脸识别图像数据信息，其中表示进行的次数据输出。
25.在具体实施例中，retinex算法使用hsv颜色模型。hsv 颜色空间是根据人的视觉感知而上建立的，其中，v无关于图像的彩色信息，h和s与人感受颜色的方式相关，采用hsv色彩空间可以实现色彩与亮度分离。利用导向滤波处理，对图像的亮度进行分析处理，又不破坏图像的边缘信息，然后再用gamma校正，测出图像明暗区域，进而增大深色和浅色部分的比例，使图像对比更加明显，最后用线性拉伸计算出图像的整体亮度。由于经过了对数变换，图像的灰度级降低，图像整体亮度降低，采用图像增强方法，对变换后图像使用sigmoid函数，加入自适应权值，提高图像亮度的动态范围的同时，增强了图像的细节。在图 4 中，表示 hsv 色彩空间内一种输入颜色信息，即是增强前的数据信息，r 表示图像亮度增强后的数据信息，l 表示输入图像的长度，exp 表示数据计算后的求和输出。
26.在本发明中，所述删除模块包括可编程控制器以及与可编程控制连接的带有日期信息的人脸识别图像、擦除模块和区块链节点，并且所述删除模块实现数据擦除的方法为：（1）可编程控制器采取顺序扫描的方式获取到的人脸识别图像数据信息，通过人脸识别图像信息标记的日期进行扫描，并按指令步序号或地址号作周期性循环扫描；（2）当检索到所设置历史人脸图像识别数据信息时，则无跳转指令，当检索到所设置历史人脸图像识别数据信息时，则出现跳转指令；（3）当出现跳转指令时，则从第一条指令开始逐条顺序执行用户程序，直至程序结束，然后重新返回第一条指令，开始下一轮扫描，在每一次扫描过程中，还要完成对人脸图像识别数据信息的采样和刷新；（4）执行删除命令，将检索到的人脸图像识别数据信息删除，将未检索到的人脸图像识别数据信息通过区块链节点传递至区块链网络。
27.在具体实施例中，可编程控制器可以根据用户需求进行编程，以设置擦除模块待擦除的数据信息，比如当用户需要擦除某一个历史时段的人脸识别数据信息时，则可以在采集到的人脸识别图像上设置日期，通过筛选该时段下的日期，实现该图片数据信息的处理。在擦除之前，为了实现数据信息的永久性可存储、可追溯和无法变更，本技术将删除模块上设置了区块链节点，将区块链（permissioned chain）技术引入本技术，将擦除之前的数据信息通过区块链（permissioned chain）传递到上层管理中心。区块链从技术架构上通过数据层、网络层、共识层、激励层和智能合约层构成。数据层利用merkle树进行数据存储，在结构上通过区块以链式的方式连接。由于在数据结构中利用了数字签名、哈希函数、非对称加密技术，因此在数据交互中具有较高的安全性能。网络层主要由若干个网络节点交织而成，通过不同的网络节点，利用点对点技术实现数据通讯和连接，省去了传统技术利用中心服务器的技术弱势，使得网络内节点设备能够互通互联。在网络中的共识层中，共识机制的存在能够将区块链网络中设置的数据进行一致性交互，这样具有较好的数据共识能力和数据防攻击能力。激励层在区块链中能够提供激励措施，使得网络节点的作用在区块链中充分激发出来，并能够进行安全验证。在智能合约层中，充分利用了各种程序算法，执行和计算区块链网络中各种数据之间的关系。
28.虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些
具体实施方式仅是举例说明，本领域的技术人员在不脱离本发明的原理和实质的情况下，可以对上述方法和系统的细节进行各种省略、替换和改变。例如，合并上述方法步骤，从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围。因此，本发明的范围仅由所附权利要求书限定。