考勤设备调整方法、装置、电子设备及存储介质与流程

1.本技术涉及考勤管理技术领域，尤其涉及一种考勤设备调整方法、装置、电子设备及存储介质。


背景技术：

2.随着人工智能行业的发展，考勤方式变得更加多样化，人脸考勤技术以打卡速度快、方式智能等特点脱颖而出，其中，人脸门禁考勤机是一种常见的考勤设备，通过对人员的人脸识别后记录打卡时间，和排班表一起，可计算出该人员的考勤记录，而提高首图命中率是门禁考勤机的综合衡量因素之一。
3.现有技术中，在安装人脸门禁考勤机时，为了提升人脸门禁考勤机的采集准确率，通常基于设备制造商提出安装的角度，高度等要求，以及在场景安装中远离逆光，背光等情条件，并依靠施工员的经验进行大概的安装，从而使得设备可以正常工作。
4.但是，在实际的应用过程中，每个场景的条件均各自不同，设备在安装的过程当中也无法做到一种明确的安装标准，基于上述方式安装的门禁考勤机的人脸评估识别时间较长，且识别的准确率较低。


技术实现要素：

5.本技术提供一种考勤设备调整方法、装置、电子设备及存储介质，用于解决现有技术中考勤设备在安装后，人脸评估识别时间较长，且识别的准确率较低的问题。
6.第一方面，本技术提供一种考勤设备调整方法，所述方法用于调整目标场景中多个考勤设备，所述考勤设备通过连续拍摄用户的至少一帧图像对用户进行人脸识别；所述方法包括：针对所述多个考勤设备中的每一考勤设备，通过所述考勤设备对多个用户进行人脸识别，并确定每一用户进入稳定识别状态至识别成功的过程中被拍摄的图像集合；其中，所述稳定识别状态下，被拍摄的图像中人脸检测框和相识度满足预设条件；根据各考勤设备的图像集合对应的相识度，确定所述多个考勤设备中的目标考勤设备；根据所述目标考勤设备对应的人脸检测框的位置信息，调整所述多个考勤设备中其它考勤设备的安装方式。
7.可选的，确定每一用户进入稳定识别状态至识别成功的过程中被拍摄的图像集合，包括：确定对所述用户识别成功时对应的目标图像，并将所述目标图像添加到图像集合；设置k=0，并重复执行下述步骤：确定当前待处理的图像，其中，所述当前待处理的图像与所述目标图像之间相差k帧；
计算当前待处理的图像与其后一帧图像的人脸检测框的相交面积，以及当前待处理的图像与其后一帧图像的相识度的差值；判断是否所述相交面积大于第一阈值且所述差值小于第二阈值；若是，则将所述当前待处理的图像添加到所述图像集合，并令k加1；若否，则结束。
8.可选的，根据各考勤设备的图像集合对应的相识度，确定所述多个考勤设备中的目标考勤设备，包括：针对每一考勤设备，执行如下步骤：在确定所述考勤设备对应的多个用户的图像集合后，针对每一图像集合，计算所述图像集合中各个图像的相识度的倒数，并将计算得到的倒数相加，得到所述图像集合对应的命中概率；计算所述考勤设备对应的多个图像集合的命中概率的均值，得到所述考勤设备对应的命中概率；根据各考勤设备对应的命中概率，确定所述多个考勤设备中的目标考勤设备。
9.可选的，根据所述目标考勤设备对应的人脸检测框的位置信息，调整所述多个考勤设备中其它考勤设备的安装方式，包括：获取目标考勤设备在对多个用户进行人脸识别成功时对应的目标图像的人脸检测框的位置信息；所述位置信息包括中心点位置坐标、长度和宽度；基于所述位置信息确定目标考勤设备对应的目标位置引导框，并基于所述目标位置引导框调整所述多个考勤设备中其它考勤设备的安装方式。
10.可选的，基于所述位置信息确定目标考勤设备对应的目标位置引导框，包括：按照目标考勤设备对应的多个用户的命中概率从大到小的顺序，对多个用户对应的目标图像的人脸检测框的中心点位置坐标进行排序，得到第一序列，并对目标考勤设备中多个图像集合的命中概率从小到大进行排序，得到第二序列；基于所述第一序列和所述第二序列进行线性加权计算，得到目标位置引导框的中心点位置坐标；利用计算得到的目标位置引导框的中心点位置坐标以及多个用户对应的目标图像的人脸检测框的长度的均值、宽度的均值确定目标考勤设备对应的目标位置引导框。
11.可选的，基于所述目标位置引导框调整所述多个考勤设备中其它考勤设备的安装方式，包括：针对每一考勤设备，获取调整所述考勤设备后对用户进行人脸识别的人脸检测框；基于所述人脸检测框和所述目标位置引导框向所述考勤设备反馈提示信息；所述提示信息用于指示考勤设备需调整的角度和方位；基于所述提示信息确定所述多个考勤设备中其它考勤设备的安装方式。
12.可选的，所述提示信息包括继续调整信息和调整成功信息；基于所述人脸检测框和所述目标位置引导框向所述考勤设备反馈提示信息，包括：判断所述人脸检测框是否满足目标位置引导框对应的条件；若是，则向所述考勤设备反馈调整成功信息，以使所述考勤设备基于所述人脸检测框对人脸进行识别；若否，则向所述考勤设备反馈继续调整信息，以使所述考勤设备基于所述继续调整信息调整所述考勤设备的角度和方位，直至调整后的人脸检测框满足目标位置引导框对
应的条件。
13.第二方面，本技术提供一种考勤设备调整装置，所述装置用于调整目标场景中多个考勤设备，所述考勤设备通过连续拍摄用户的至少一帧图像对用户进行人脸识别；所述装置包括：识别模块，用于针对所述多个考勤设备中的每一考勤设备，通过所述考勤设备对多个用户进行人脸识别，并确定每一用户进入稳定识别状态至识别成功的过程中被拍摄的图像集合；其中，所述稳定识别状态下，被拍摄的图像中人脸检测框和相识度满足预设条件；确定模块，用于根据各考勤设备的图像集合对应的相识度，确定所述多个考勤设备中的目标考勤设备；调整模块，用于根据所述目标考勤设备对应的人脸检测框的位置信息，调整所述多个考勤设备中其它考勤设备的安装方式。
14.第三方面，本技术提供一种电子设备，包括：处理器，以及与所述处理器通信连接的存储器；所述存储器存储计算机执行指令；所述处理器执行所述存储器存储的计算机执行指令，以实现如第一方面中任一项所述的方法。
15.第四方面，本技术提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如第一方面中任一项所述的方法。
16.综上所述，本技术提供一种考勤设备调整方法、装置、电子设备及存储介质，可以针对多个考勤设备中的每一考勤设备，通过考勤设备对多个用户进行人脸识别，并确定每一用户进入稳定识别状态至识别成功的过程中被拍摄的图像集合；其中，稳定识别状态下，被拍摄的图像中人脸检测框和相识度满足预设条件；进一步的，根据各考勤设备的图像集合对应的相识度，确定多个考勤设备中的目标考勤设备；从而可以根据目标考勤设备对应的人脸检测框的位置信息，调整多个考勤设备中其它考勤设备的安装方式，这样，可以使得多个考勤设备均位于合适的识别位置，进而考勤设备在对用户进行人脸识别时，可以减少人脸评估识别时间，提高识别的准确率。
附图说明
17.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。
18.图1为本技术实施例提供的一种应用场景示意图；图2为提供的一种人脸考勤设备的结构示意图；图3为提供的一种人脸检测的流程示意图；图4为本技术实施例提供的一种考勤设备调整方法的流程示意图；图5为本技术实施例提供的一种考勤设备确定被拍摄的图像集合的场景示意图；图6为本技术实施例提供的一种调整考勤设备安装方式的场景示意图；图7为本技术实施例提供的一种考勤设备调整装置的结构示意图；
图8为本技术实施例提供的一种电子设备的结构示意图。
19.通过上述附图，已示出本技术明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本调取构思的范围，而是通过参考特定实施例为本领域技术人员说明本技术的概念。
具体实施方式
20.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。
21.本技术中的术语“多个”是指两个或两个以上。本技术中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本技术中字符“/”，一般表示前后关联对象是一种“或”的关系；在公式中，字符“/”，表示前后关联对象是一种“相除”的关系。“以下至少一项（个）”或其类似表达，是指的这些项中的任意组合，包括单项（个）或复数项（个）的任意组合。例如，a，b，或c中的至少一项（个），可以表示：a，b，c，a-b，a-c，b-c，或a-b-c，其中a，b，c可以是单个，也可以是多个。
22.为了便于清楚描述本技术实施例的技术方案，在本技术的实施例中，采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分。例如，第一设备和第二设备仅仅是为了区分不同的设备，并不对其先后顺序进行限定。本领域技术人员可以理解“第一”、“第二”等字样并不对数量和执行次序进行限定，并且“第一”、“第二”等字样也并不限定一定不同。
23.需要说明的是，本技术中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本技术中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
24.可以理解的是，在本技术的实施例中涉及的各种数字编号仅为描述方便进行的区分，并不用来限制本技术的实施例的范围。
25.可以理解的是，在本技术的实施例中，下述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本技术的实施例的实施过程构成任何限定。
26.下面结合附图对本技术实施例进行介绍。图1为本技术实施例提供的一种应用场景示意图，本技术提供的一种考勤设备调整方法可以应用于如图1所示的应用场景中，该应用场景包括：考勤设备和上班打卡人员，在某个事业单位上班打卡的过程中，由于考勤设备安装角度的原因，使得考勤设备数秒才可以正常的完成一个人的打卡流程，稍微的有些耽误，造成后续打卡人员排队的情况发生，影响打卡效率，针对该种情形，通过利用本技术提供的考勤设备调整方法对该考勤设备的角度进行调整，使得考勤设备位于合适的识别位置进行人脸识别，减少人脸评估识别时间，提高打卡成功率，如第一个人在考勤设备位于合适的识别位置进行人脸识别时，相识度可达到0.9，立马可以人脸识别成功。
27.示例性的，图2为提供的一种人脸考勤设备的结构示意图，如图2所示，该人脸考勤设备是一个典型的人脸门禁考勤设备，包括有摄像头201，遮光罩202，处理器203，角度调节支架204，支架固定螺柱205和显示屏幕206，其中，角度调节支架204可以做一定的角度调整，进而可以变换考勤设备进行人脸采集的角度，支架固定螺柱205用于固定考勤设备，减少抖动，摄像头201用于采集打卡人员的人脸图像，处理器203用于人脸检测，显示屏幕206用于显示考勤设备的检测结果。
28.其中，对于人脸的识别由两个部分组成，人脸图像采集与人脸图像检测，摄像头201用于人脸图像采集，处理器203进行人脸图像检测，则对应的人脸图像检测的流程如下：图3为提供的一种人脸检测的流程示意图，如图3所示，人脸图像检测的整个流程是一个连续识别的过程，具体的，人脸考勤设备采集人脸图像，进而判断是否活体，若是，则将获取到的人脸图像送入预定义算法进行特征值提取，进一步的，将提取出的特征值与人脸考勤设备存储的白名单中的已有人员信息进行相识度对比，当相识度大于阈值时，可以判定打卡成功。
29.其中，判断是否活体的方法可以通过判断获取到多张图像中是否有微表情的变化等，本技术实施例对此不作具体限定，人脸考勤设备处理一次人脸图像检测的流程的时间约为0.5秒左右，如果在第一次人脸识别不成功，则会再次获取人脸图像反复识别多次，直至识别人脸成功。
30.现有技术中，在安装人脸门禁考勤机时，为了提升人脸门禁考勤机的采集准确率，通常基于设备制造商提出安装的角度，高度等要求，以及在场景安装中远离逆光，背光等情条件，并依靠施工员的经验进行大概的安装，从而使得设备可以正常工作。
31.但是，在实际的应用过程中，每个场景的条件均各自不同，设备在安装的过程当中也无法做到一种明确的安装标准，基于上述方式安装的门禁考勤机的人脸评估识别时间较长，且识别的准确率较低。
32.因此，本技术提供一种考勤设备调整方法，在同一环境下的多个考勤设备，若对应类似的识别条件，其人脸识别结果可以相互参考，因此可以通过获取多个考勤设备对多个用户进行人脸识别的识别效率，动态计算出考勤设备的角度调整方式，进而在人工协助下半自动完成对多个考勤设备的安装角度的调整，并可在连续长期的使用过程中，反复的基于多个考勤设备对多个用户进行人脸识别的识别效率，优化同一环境下考勤设备的角度调整方式，使得考勤设备处于合适的位置，进而提高人脸采集的准确率。
33.示例性的，图4为本技术实施例提供的一种考勤设备调整方法的流程示意图，如图4所示，本技术实施例的方法用于调整目标场景中多个考勤设备，所述考勤设备通过连续拍摄用户的至少一帧图像对用户进行人脸识别，本技术实施例的方法包括：s401、针对所述多个考勤设备中的每一考勤设备，通过所述考勤设备对多个用户进行人脸识别，并确定每一用户进入稳定识别状态至识别成功的过程中被拍摄的图像集合；其中，所述稳定识别状态下，被拍摄的图像中人脸检测框和相识度满足预设条件。
34.本技术实施例中，稳定识别状态可以指的是用户处于平稳或未晃动的状态，进而考勤设备可以从拍摄的图像中识别出用户人脸的识别状态，所述稳定识别状态下，被拍摄的图像中人脸检测框和相识度满足预设条件，其中，人脸检测框可以指的是考勤设备拍摄的图像在考勤设备的显示屏幕中显示的对应的位置框，相识度可以指的是考勤设备拍摄的
图像与考勤设备预存的图像的相似度，预设条件可以是设定的用于判断被拍摄的至少一个图像是否属于同一用户对应的条件，如预设条件可以为被拍摄的当前图像中人脸检测框与其后一帧图像的人脸检测框的相交面积大于第一阈值，且被拍摄的当前图像的相识度与其后一帧图像的相识度的差值小于第二阈值，本技术实施例对预设条件的设定内容不作具体限定。
35.在本步骤中，图像集合可以指的是考勤设备可以从拍摄的图像中开始识别出用户人脸的状态到识别成功的过程中对应的至少一帧图像，所述图像集合用于确定该用户被考勤设备识别成功的命中概率。
36.示例性的，在某一大型化的工厂园区中安装有多台考勤设备，可以针对该多台考勤设备中的每一考勤设备，让多个用户通过该考勤设备进行人脸识别，进一步的，基于考勤设备对多个用户进行人脸识别时拍摄的图像，确定每一用户进入稳定识别状态至识别成功的过程中被拍摄的图像集合，用于计算每一用户被考勤设备识别成功的命中概率，进而确定多台考勤设备对应的命中概率。
37.s402、根据各考勤设备的图像集合对应的相识度，确定所述多个考勤设备中的目标考勤设备。
38.在本步骤中，目标考勤设备可以指的是目标场景中多个考勤设备中对应的进行人脸识别的准确率最高的考勤设备，即该目标考勤设备的安装角度为多个考勤设备中最优的安装角度，多个考勤设备中其它考勤设备可以参考目标考勤设备的安装方式进行安装，其中，所述目标场景可以指的是考勤设备安装在相同或相似的场景，如目标场景可以为某一大型化的工厂园区或某一小规模的事业单位等场景。
39.具体的，可以根据某一大型化的工厂园区内安装的多个考勤设备对应的图像集合，获取图像集合对应的相识度，进而确定多个考勤设备中的目标考勤设备。
40.s403、根据所述目标考勤设备对应的人脸检测框的位置信息，调整所述多个考勤设备中其它考勤设备的安装方式。
41.本技术实施例中，位置信息可以包括中心点位置坐标、长度和宽度，用于计算目标考勤设备对应的最佳人脸识别位置框，所述人脸识别位置框为一矩形，如目标考勤设备对应的某一用户的人脸检测框的位置信息为（（10，12），0.08，0.06），所述位置信息也可以包括中心点位置坐标、半径，此时所述人脸识别位置框为一圆形，本技术实施例对人脸识别位置框的形状不作具体限定，所述位置信息只用于表述人脸识别位置框的位置。
42.在本步骤中，安装方式用于指示考勤设备的安装角度，即考勤设备进行人脸识别的角度，具体的，在获取到目标考勤设备对应的人脸检测框的位置信息后，可以计算出目标考勤设备对应的最佳人脸识别位置框，进而可以根据最佳人脸识别位置框调整目标场景中多个考勤设备中其它考勤设备的安装角度，使得目标场景中多个考勤设备均处于合适的位置对人脸进行识别，即目标场景中多个考勤设备均使用最佳人脸识别位置框对用户进行人脸识别。
43.因此，本技术实施例提供的考勤设备调整方法，可以针对多个考勤设备中的每一考勤设备，通过考勤设备对多个用户进行人脸识别，并确定每一用户进入稳定识别状态至识别成功的过程中被拍摄的图像集合；其中，稳定识别状态下，被拍摄的图像中人脸检测框和相识度满足预设条件；进一步的，根据各考勤设备的图像集合对应的相识度，确定多个考
勤设备中的目标考勤设备；从而可以根据目标考勤设备对应的人脸检测框的位置信息，调整多个考勤设备中其它考勤设备的安装方式，这样，可以使得多个考勤设备均位于合适的识别位置，进而考勤设备在对用户进行人脸识别时，可以减少人脸评估识别时间，提高识别的准确率。
44.需要说明的是，本技术的执行主体可以为目标场景中多个考勤设备对应的后台服务器，所述后台服务器与所述多个考勤设备建立连接，用于从多个考勤设备中获取数据并处理，执行主体也可以为目标场景中多个考勤设备中的某一考勤设备，该考勤设备与后台服务器所起作用相同，执行主体还可以为云端中设置的某一控制模块，即针对每一目标场景，云端都可以提前分配一控制模块，用于执行与后台服务器相同的功能，本技术实施例对执行主体不作具体限定。
45.可选的，确定每一用户进入稳定识别状态至识别成功的过程中被拍摄的图像集合，包括：确定对所述用户识别成功时对应的目标图像，并将所述目标图像添加到图像集合；设置k=0，并重复执行下述步骤：确定当前待处理的图像，其中，所述当前待处理的图像与所述目标图像之间相差k帧；计算当前待处理的图像与其后一帧图像的人脸检测框的相交面积，以及当前待处理的图像与其后一帧图像的相识度的差值；判断是否所述相交面积大于第一阈值且所述差值小于第二阈值；若是，则将所述当前待处理的图像添加到所述图像集合，并令k加1；若否，则结束。
46.本技术实施例中，目标图像可以指的是考勤设备对拍摄到图像进行人脸识别时识别成功对应的用户人脸图像，相交面积可以指的是考勤设备对拍摄到图像进行人脸识别时识别的当前待处理的图像与其后一帧图像的人脸检测框的重合区域，第一阈值可以指的是用于判断当前待处理的图像与其后一帧图像的人脸检测框的相交面积是否满足条件而设定的阈值，如第一阈值为0.1m2，第二阈值可以指的是用于判断当前待处理的图像与其后一帧图像的相识度的差值是否满足条件而设定的阈值，如第二阈值为0.2。
47.示例性的，图5为本技术实施例提供的一种考勤设备确定被拍摄的图像集合的场景示意图，如图5所示，在考勤设备对身份标识号（identity document，id）为xxx进行的一次成功的检测中，实际需要n次如4次检测循环，其检测的图像集合如图5所示的4个被拍摄的图像，确定用户xxx进入稳定识别状态至识别成功的过程中被拍摄的图像集合，包括如下步骤：确定对用户xxx识别成功时对应的目标图像为相识度为0.85的图像，此时相识度大于设定阈值，故识别成功，并将该目标图像添加到图像集合中，进一步的，需要确定该考勤设备进行了几次人脸图像的识别才成功获取到目标图像，并将进行哪几次人脸图像识别对应的图像添加到图像集合中。
48.具体的，可以通过如下步骤获取上述所述的哪几次人脸图像识别对应的图像：设置k=0，并执行下述步骤：获取当前待处理的图像为相识度0.71的图像，并计算相识度0.71的图像与其后一帧图像为相识度0.76的图像的人脸检测框的相交面积是否大于第一阈值，且相识度0.71的图像与相识度0.76的图像的差值是否小于第二阈值；通过判断结果为是，
则将相识度0.71的图像添加到图像集合，并令k加1，此时k=1；进一步的，获取相识度0.76的图像，并计算相识度0.76的图像与相识度0.82的图像的人脸检测框的相交面积是否大于第一阈值，且相识度0.76的图像与相识度0.82的图像的差值是否小于第二阈值，通过判断结果为是，则将相识度0.76的图像添加到图像集合，并再次令k加1，此时k=2；进一步的，重复执行上述类似过程，直至当前待处理的图像与其后一帧图像的人脸检测框的相交面积小于第一阈值，且前待处理的图像与其后一帧图像的相识度的差值大于第二阈值，则结束，通过上述过程，得到用户xxx进入稳定识别状态至识别成功的过程中被拍摄的图像集合有：相识度0.71的图像、相识度0.76的图像、相识度0.82的图像和相识度0.85的图像。
49.需要说明的是，确定其他用户进入稳定识别状态至识别成功的过程中被拍摄的图像集合与上述过程类似，在此不再赘述，每一用户的图像集合中包含的图像可能相同，也可能不同，本技术实施例对每一用户的图像集合中包含的图像数量不作具体限定，其视具体情况而定。
50.可以理解的是，在确定对用户识别成功时对应的目标图像时，可以使用优化算法，其中，人脸识别的优化算法在采集图片质量较理想时，其识别准确率基本一致，优化算法可以提高识别速率，优化人脸采集的图像效果，进而快速的提升人脸识别打卡速率，在确定用户识别成功对应的目标图像时，可以通过图3所示的人脸检测方法，但是其准确性较低，因此，也可以利用预先训练好的深度学习的神经网络模型识别用户被拍摄的至少一帧图像，以深度学习的神经网络模型确定目标图像，即使图片质量较不理想时，其人脸识别效果也较好，识别准确率也较高。
51.因此，本技术实施例可以通过设定的条件以及算法确定每一用户进入稳定识别状态至识别成功的过程中被拍摄的图像集合，可以精确获取图像集合中包含的图像数量，进而可以利用确定的图像集合确定目标考勤设备，提高确定目标考勤设备的准确性。
52.可选的，根据各考勤设备的图像集合对应的相识度，确定所述多个考勤设备中的目标考勤设备，包括：针对每一考勤设备，执行如下步骤：在确定所述考勤设备对应的多个用户的图像集合后，针对每一图像集合，计算所述图像集合中各个图像的相识度的倒数，并将计算得到的倒数相加，得到所述图像集合对应的命中概率；计算所述考勤设备对应的多个图像集合的命中概率的均值，得到所述考勤设备对应的命中概率；根据各考勤设备对应的命中概率，确定所述多个考勤设备中的目标考勤设备。
53.本技术实施例中，所述命中概率用于表述考勤设备验证在此图像集合中人脸识别成功命中的概率，所述命中概率越小表示命中率越高，命中速率越快，具体的，所述命中概率可以通过以下公式确定：，其中，ei表示第i个图像集合的命中概率，l
t
表示图像集合中第t个图像的相识度，t表示图像集合中图像的个数。
54.在实际应用中，可能经过每一考勤设备对应的人员数量不等，即每一考勤设备获取到图像集合的数量不等，或一个用户可以被考勤设备识别多次，所以针对每一考勤设备，可以通过求取出图像集合对应的ei的平均值，这样，多台考勤设备对应多个平均值，进一步的，对多个平均值进行大小排序，取最小的值对应的考勤设备目标考勤设备。
55.示例性的，以图5为例，针对图5所确定的被拍摄的图像集合，利用公式得到该图像
集合对应的命中概率为，类似的，可以计算出考勤设备中每个图像集合对应的命中概率，进而通过计算考勤设备对应的多个图像集合的命中概率的均值，得到考勤设备对应的命中概率，进一步的，通过计算出的各考勤设备对应的命中概率，确定多个考勤设备中的目标考勤设备。
56.因此，本技术实施例可以通过每一考勤设备对应的多个用户的图像集合的相识度，利用设定的算法计算出考勤设备对应的命中概率，进而通过计算得到的命中概率确定出目标考勤设备，提高计算考勤设备对应的命中概率的准确性，使得确定的目标考勤设备适合度最高，即确定的目标考勤设备是多个考勤设备中命中概率最好的。
57.可选的，根据所述目标考勤设备对应的人脸检测框的位置信息，调整所述多个考勤设备中其它考勤设备的安装方式，包括：获取目标考勤设备在对多个用户进行人脸识别成功时对应的目标图像的人脸检测框的位置信息；所述位置信息包括中心点位置坐标、长度和宽度；基于所述位置信息确定目标考勤设备对应的目标位置引导框，并基于所述目标位置引导框调整所述多个考勤设备中其它考勤设备的安装方式。
58.在本步骤中，目标位置引导框可以指的是目标考勤设备的最佳人脸识别位置对应的人脸检测框，用户人脸处于目标位置引导框进行人脸识别的准确率大大提高，基于目标位置引导框调整多个考勤设备中其它考勤设备的安装方式，即调整多个考勤设备中其它考勤设备的安装角度，使得其它考勤设备的显示屏幕进行人脸识别的效果与目标考勤设备的显示屏幕进行人脸识别的效果一致或类似。
59.示例性的，在图1的应用场景下，确定该事业单位安装的考勤设备中的目标考勤设备，进一步的，基于目标考勤设备在对多个用户进行人脸识别成功时对应的目标图像的人脸检测框的中心点位置坐标、长度和宽度，利用预定义算法计算出目标考勤设备对应的目标位置引导框的位置信息，进而确定目标位置引导框，进一步的，可以基于目标位置引导框调整图1所示的考勤设备的安装方式。
60.其中，所述预定义算法可以基于目标图像的命中概率确定的权重算法，即可以基于命中概率为中心点位置坐标设定相应的权重值，进而计算出目标位置引导框的位置信息，所述预定义算法也可以为其他算法，如求众数算法，求均值算法等，本技术实施例对预定义算法不作具体限定。
61.需要说明的是，本技术实施例对考勤设备的安装角度不作具体限定，其可以与竖直水平面呈各种角度，具体视目标考勤设备的安装角度为参考依据。
62.因此，本技术实施例可以基于目标考勤设备对应的人脸检测框的位置信息获取到最优的目标位置引导框对应的位置，进而基于目标位置引导框调整多个考勤设备中其它考勤设备的安装方式，使得多个考勤设备均处于合理的安装角度，基于目标位置引导框对用户的人脸进行识别，从而提高人脸识别的准确率。
63.可选的，基于所述位置信息确定目标考勤设备对应的目标位置引导框，包括：按照目标考勤设备对应的多个用户的命中概率从大到小的顺序，对多个用户对应的目标图像的人脸检测框的中心点位置坐标进行排序，得到第一序列，并对目标考勤设备中多个图像集合的命中概率从小到大进行排序，得到第二序列；基于所述第一序列和所述第二序列进行线性加权计算，得到目标位置引导框的中
心点位置坐标；利用计算得到的目标位置引导框的中心点位置坐标以及多个用户对应的目标图像的人脸检测框的长度的均值、宽度的均值确定目标考勤设备对应的目标位置引导框。
64.本技术实施例中，基于用户的命中概率为相应的中心点位置坐标设定了对应的权重值，中心点位置坐标对应的命中概率越大，其对应的所占权重越小，所述权重可以是命中概率对应的值，也可以是用户设定的其他值，本技术实施例对此不作具体限定。
65.具体的，计算目标位置引导框的中心点位置坐标，通过多个用户的命中概率调整多个用户对应的目标图像的人脸检测框的中心点位置坐标的权重，再计算调整后多个用户对应的目标图像的人脸检测框的中心点位置坐标的加权和，进一步的，通过计算所述加权和与多个用户的命中概率之和的比值，得到目标位置引导框的中心点位置坐标。
66.示例性的，以目标考勤设备识别了3个用户为例，每个用户对应有考勤设备识别的图像集合，该3个用户的图像集合对应的命中概率e分别是（1.2，1.4，1.3），目标图像的人脸检测框的中心点坐标用（x，y）表示，x坐标分别是（10，12，14），x0=10对应的e值为最小的1.2，x1=12对应的e值为最大的1.4，x2=14对应的e值为1.3，由于x0对应的e值最小（所以加权反而最大），x1=12时对应的e值最大（所以加权反而最小），则第一序列为（12，14，10），第二序列为（1.2，1.3，1.4），进一步的，让x0乘以e值中最大值1.4，x1乘以e值中最小值1.2，x2乘以e值中另一个值1.3，最后得到目标位置引导框的中心点位置横坐标x’=（1.4*10 1.2*12 1.3*14）/（1.2 1.4 1.3）≈11.95，同理可求得目标位置引导框的中心点位置纵坐标y’的坐标，至于目标位置引导框的长度和宽度为每个目标图像的人脸检测框对应的长和宽的平均值，这样，知道目标图像的人脸检测框的中心点位置坐标、长度和宽度，便可以知道目标位置引导框位于哪里，大小是多少。
67.因此，本技术实施例可以利用上述方法计算出目标考勤设备对应的目标位置引导框的位置信息，进而确定出目标位置引导框，其中，目标图像的人脸检测框的中心点位置坐标对应的命中概率越大，其对应的所占权重越小，这样，可以使目标位置引导框对应的位置越接近最佳识别位置，使得确定的目标位置引导框的准确度越高。
68.可选的，基于所述目标位置引导框调整所述多个考勤设备中其它考勤设备的安装方式，包括：针对每一考勤设备，获取调整所述考勤设备后对用户进行人脸识别的人脸检测框；基于所述人脸检测框和所述目标位置引导框向所述考勤设备反馈提示信息；所述提示信息用于指示考勤设备需调整的角度和方位；基于所述提示信息确定所述多个考勤设备中其它考勤设备的安装方式。
69.本技术实施例中，角度可以用于指示调整的角度，如需调整30度，方位可以用于指示调整的方向，如需要向右或向上调整。
70.在本步骤中，提示信息用于指示考勤设备需调整的角度和方位，若某个考勤设备需要调整，则发送的提示信息可以为“向右调整30度”，若某个考勤设备不再需要调整，则发送的提示信息可以为“调整0度”或“不需调整角度和方位”；所述提示信息可以以显示框的形式显示在考勤设备的显示屏幕上，以供用户查看，也可以以语音提示的方式在考勤设备上播报提示信息的内容，本技术实施例对提示信息的发送形式和发送内容不作具体限定，
以上仅是举例说明。
71.示例性的，在图1所示的应用场景下，针对图1所示的考勤设备，首先可以获取调整该考勤设备后对用户进行人脸识别的人脸检测框，进一步的，基于获取到的人脸检测框和计算得到的目标位置引导框进行比对，基于比对结果向该考勤设备的显示屏幕上反馈提示信息，如提示信息为“向左调整10度”，进一步的，基于该提示信息可以确定该考勤设备的安装方式，即人工可以执行相应的调整操作。
72.因此，本技术实施例可以基于调整考勤设备后人脸检测框和目标位置引导框的信息向考勤设备反馈提示信息，以此提示用户考勤设备是否还需要继续调整，进而确定多个考勤设备中其它考勤设备是否达到与目标考勤设备的显示屏幕进行人脸识别的相同效果，使得每一考勤设备位置得到优化。
73.可选的，所述提示信息包括继续调整信息和调整成功信息；基于所述人脸检测框和所述目标位置引导框向所述考勤设备反馈提示信息，包括：判断所述人脸检测框是否满足目标位置引导框对应的条件；若是，则向所述考勤设备反馈调整成功信息，以使所述考勤设备基于所述人脸检测框对人脸进行识别；若否，则向所述考勤设备反馈继续调整信息，以使所述考勤设备基于所述继续调整信息调整所述考勤设备的角度和方位，直至调整后的人脸检测框满足目标位置引导框对应的条件。
74.本技术实施例中，继续调整信息为指示考勤设备继续调整的角度和方位的信息；如继续调整信息为“向右调整10度”；调整成功信息为指示考勤设备成功的信息，如调整成功信息为“不需调整角度和方位”或“调整成功”，本技术实施例对继续调整信息和调整成功信息的内容不作具体限定。
75.在本步骤中，目标位置引导框对应的条件可以指的是人脸检测框与目标位置引导框在同一考勤设备的显示屏幕中是否重合，或者重合度大于预设阈值，所述条件用于确定考勤设备进行人脸识别时的人脸检测框是否处于最佳识别位置，本技术实施例对目标位置引导框对应的条件不作具体限定。
76.示例性的，图6为本技术实施例提供的一种调整考勤设备安装方式的场景示意图，如图6所示，以调整一台考勤设备为例，让测试人员的人脸处于考勤设备的显示屏幕中放置的人脸检测框1，判断该人脸检测框1跟目标位置引导框是否重合，若是，则向考勤设备反馈调整成功信息，以提醒用户此时考勤设备的角度和方位已为最优的位置，若不是，则向考勤设备反馈继续调整信息，如“向右调整10度”，则基于该继续调整信息通过人工操作调整考勤设备的角度和方位，让人脸的位置移动到人脸检测框2的位置，判断此时人脸检测框2跟目标位置引导框是否重合，若是，则向考勤设备反馈调整成功信息，以提醒用户此时考勤设备的角度和方位已调节到最优的位置，若不是，则向考勤设备继续反馈继续调整信息，以使用户基于继续调整信息通过人工操作继续调节考勤设备的角度和方位，直至调整后的人脸检测框满足目标位置引导框对应的条件。
77.可以理解的是，其他考勤设备也进行上述过程，直至对目标场景内所有考勤设备全部进行角度和方位调整，使得目标场景中多个考勤设备均处于最佳识别位置对用户的人脸进行识别。
78.因此，本技术实施例可以基于半自动人工矫正，调整考勤设备的角度和方位，使得考勤设备位于最优人脸识别位置，基于多考勤设备之间的协调优化方法，使得目标场景中考勤设备位置得到优化，进而提高人脸采集准确率，缩短人脸评估识别时间。
79.需要说明的是，本技术实施例提供的考勤设备调整方法可以在连续长期的使用过程中，反复的修正设备角度和方位，优化人脸采集准确率，逐步提高考勤设备的人脸识别率，并不只限于第一次安装考勤设备时。
80.在前述实施例中，对本技术实施例提供的考勤设备调整方法进行了介绍，而为了实现上述本技术实施例提供的方法中的各功能，作为执行主体的电子设备可以包括硬件结构和/或软件模块，以硬件结构、软件模块、或硬件结构加软件模块的形式来实现上述各功能。上述各功能中的某个功能以硬件结构、软件模块、还是硬件结构加软件模块的方式来执行，取决于技术方案的特定应用和设计约束条件。
81.例如，图7为本技术实施例提供的一种考勤设备调整装置的结构示意图，如图7所示，所述装置用于调整目标场景中多个考勤设备，所述考勤设备通过连续拍摄用户的至少一帧图像对用户进行人脸识别；该装置包括：识别模块710、确定模块720和调整模块730，其中，所述识别模块710，用于针对所述多个考勤设备中的每一考勤设备，通过所述考勤设备对多个用户进行人脸识别，并确定每一用户进入稳定识别状态至识别成功的过程中被拍摄的图像集合；其中，所述稳定识别状态下，被拍摄的图像中人脸检测框和相识度满足预设条件；所述确定模块720，用于根据各考勤设备的图像集合对应的相识度，确定所述多个考勤设备中的目标考勤设备；所述调整模块730，用于根据所述目标考勤设备对应的人脸检测框的位置信息，调整所述多个考勤设备中其它考勤设备的安装方式。
82.可选的，所述识别模块710包括确定单元和判断单元；具体的，所述确定单元，用于确定对所述用户识别成功时对应的目标图像，并将所述目标图像添加到图像集合；所述判断单元，用于设置k=0，并重复执行下述步骤：确定当前待处理的图像，其中，所述当前待处理的图像与所述目标图像之间相差k帧；计算当前待处理的图像与其后一帧图像的人脸检测框的相交面积，以及当前待处理的图像与其后一帧图像的相识度的差值；判断是否所述相交面积大于第一阈值且所述差值小于第二阈值；若是，则将所述当前待处理的图像添加到所述图像集合，并令k加1；若否，则结束。
83.可选的，所述确定模块720，具体用于：针对每一考勤设备，执行如下步骤：在确定所述考勤设备对应的多个用户的图像集合后，针对每一图像集合，计算所述图像集合中各个图像的相识度的倒数，并将计算得到的倒数相加，得到所述图像集合对应的命中概率；计算所述考勤设备对应的多个图像集合的命中概率的均值，得到所述考勤设备对应的命中概率；根据各考勤设备对应的命中概率，确定所述多个考勤设备中的目标考勤设备。
84.可选的，所述调整模块730包括获取单元和调整单元；
具体的，所述获取单元，用于获取目标考勤设备在对多个用户进行人脸识别成功时对应的目标图像的人脸检测框的位置信息；所述位置信息包括中心点位置坐标、长度和宽度；所述调整单元，用于基于所述位置信息确定目标考勤设备对应的目标位置引导框，并基于所述目标位置引导框调整所述多个考勤设备中其它考勤设备的安装方式。
85.可选的，所述调整单元包括计算单元和引导单元；所述计算单元，用于：按照目标考勤设备对应的多个用户的命中概率从大到小的顺序，对多个用户对应的目标图像的人脸检测框的中心点位置坐标进行排序，得到第一序列，并对目标考勤设备中多个图像集合的命中概率从小到大进行排序，得到第二序列；基于所述第一序列和所述第二序列进行线性加权计算，得到目标位置引导框的中心点位置坐标；利用计算得到的目标位置引导框的中心点位置坐标以及多个用户对应的目标图像的人脸检测框的长度的均值、宽度的均值确定目标考勤设备对应的目标位置引导框。
86.可选的，所述引导单元，用于：针对每一考勤设备，获取调整所述考勤设备后对用户进行人脸识别的人脸检测框；基于所述人脸检测框和所述目标位置引导框向所述考勤设备反馈提示信息；所述提示信息用于指示考勤设备需调整的角度和方位；基于所述提示信息确定所述多个考勤设备中其它考勤设备的安装方式。
87.可选的，所述提示信息包括继续调整信息和调整成功信息；所述引导单元，具体用于：判断所述人脸检测框是否满足目标位置引导框对应的条件；若是，则向所述考勤设备反馈调整成功信息，以使所述考勤设备基于所述人脸检测框对人脸进行识别；若否，则向所述考勤设备反馈继续调整信息，以使所述考勤设备基于所述继续调整信息调整所述考勤设备的角度和方位，直至调整后的人脸检测框满足目标位置引导框对应的条件。
88.本技术实施例提供的考勤设备调整装置的具体实现原理和效果可以参见上述实施例对应的相关描述和效果，此处不做过多赘述。
89.示例性的，本技术实施例还提供一种电子设备的结构示意图，图8为本技术实施例提供的一种电子设备的结构示意图，如图8所示，该电子设备可以包括：处理器801以及与所述处理器通信连接的存储器802；该存储器802存储计算机程序；该处理器801执行该存储器802存储的计算机程序，使得该处理器801执行上述任一实施例所述的方法。
90.其中，存储器802和处理器801可以通过总线803连接。
91.本技术实施例还提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序执行指令，计算机执行指令被处理器执行时用于实现如本技术前述任一实施例中的考勤设备调整方法。
92.本技术实施例还提供一种运行指令的芯片，该芯片用于执行如本技术前述任一实施例中由电子设备所执行的考勤设备调整方法。
93.本技术实施例还提供一种计算机程序产品，包括程序代码，当计算机运行所述计算机程序时，所述程序代码执行本技术前述任一实施例中由电子设备所执行的考勤设备调整方法。
94.在本技术所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
95.作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案。
96.另外，在本技术各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个单元中。上述模块成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
97.上述以软件功能模块的形式实现的集成的模块，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）或处理器执行本技术各个实施例所述方法的部分步骤。
98.应理解，上述处理器可以是中央处理单元（central processing unit，cpu），还可以是其它通用处理器、数字信号处理器（digital signal processor，dsp）、专用集成电路（application specific integrated circuit，asic）等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合申请所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
99.存储器可能包含高速随机存取存储器（random access memory，ram），也可能还包括非不稳定的存储器（non-volatile memory，nvm），例如至少一个磁盘存储器，还可以为u盘、移动硬盘、只读存储器、磁盘或光盘等。
100.总线可以是工业标准体系结构（industry standard architecture，isa）总线、外部设备互连（peripheral component interconnect，pci）总线或扩展工业标准体系结构（extended industry standard architecture，eisa）总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本技术附图中的总线并不限定仅有一根总线或一种类型的总线。
101.上述存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器（static random-access memory，sram），电可擦除可编程只读存储器（electrically erasable programmable read only memory，eeprom），可擦除可编程只读存储器（erasable programmable read-only memory，eprom），可编程只读存储器（programmable read-only memory，prom），只读存储器（read-only memory，rom），磁存储器，快闪存储器，磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。
102.一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路（application specific integrated circuits，asic）中。当然，处理器和存储介质也可以作为分立组件存在于电子设备或主控设备中。
103.以上所述，仅为本技术实施例的具体实施方式，但本技术实施例的保护范围并不局限于此，任何在本技术实施例揭露的技术范围内的变化或替换，都应涵盖在本技术实施例的保护范围之内。因此，本技术实施例的保护范围应以所述权利要求的保护范围为准。