本發(fā)明涉及考勤設(shè)備技術(shù)領(lǐng)域，具體涉及一種基于深度學(xué)習(xí)和云服務(wù)的人臉識別考勤系統(tǒng)及方法。

背景技術(shù)：

目前在高?？记诜绞街?，人工考勤為主要考勤途徑，這種考勤方式耗時多，且容易發(fā)生代人考勤的情況，影響高校教學(xué)管理行為規(guī)范，部分高校引入了射頻識別考勤、指紋考勤的簽到方式，使考勤效率得到一定的提升，然而射頻識別考勤極易發(fā)生代替考勤情況，指紋考勤存在健康衛(wèi)生隱患，且需要排隊進(jìn)行考勤，因此上述兩種考勤方式均未能受到高校教務(wù)管理部門的青睞。

人臉識別考勤是近年來逐漸興起的一種考勤方式，其主要通過識別人臉進(jìn)行特征匹配來完成簽到；而且，現(xiàn)有人臉識別考勤機存在識別率偏低、人臉存儲量小的缺陷，無法系統(tǒng)化地應(yīng)用于高校考勤，現(xiàn)有人臉識別考勤機未能將教務(wù)管理部門與考勤系統(tǒng)進(jìn)行聯(lián)系，學(xué)生的考勤狀態(tài)教務(wù)管理部門無法進(jìn)行在線查看，因此若將現(xiàn)有人臉識別考勤機應(yīng)用于高校，則不能實質(zhì)性的提高教務(wù)管理效率。

技術(shù)實現(xiàn)要素：

本發(fā)明要解決的技術(shù)問題是，針對現(xiàn)有技術(shù)存在的上述缺陷，提供了一種基于深度學(xué)習(xí)和云服務(wù)的人臉識別考勤系統(tǒng)及方法，通過分類儲存和分類調(diào)用，避免在海量的數(shù)據(jù)中進(jìn)行匹配識別，提高存儲效率和比對識別效率，使系統(tǒng)具有更好的魯棒性和更高的效率。

本發(fā)明為解決上述技術(shù)問題所采用的技術(shù)方案是：

一種基于深度學(xué)習(xí)和云服務(wù)的人臉識別考勤系統(tǒng)，包括人臉檢測模塊、數(shù)據(jù)無線傳輸模塊、云服務(wù)器和考勤信息管理網(wǎng)頁，人臉檢測模塊與數(shù)據(jù)無線傳輸模塊連接，所述數(shù)據(jù)無線傳輸模塊通過網(wǎng)絡(luò)與云服務(wù)器連接，通過考勤信息管理網(wǎng)頁與云服務(wù)器連接，進(jìn)行雙向數(shù)據(jù)交換；

云服務(wù)器包括深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練模塊、回歸分類器、記憶存儲單元、人員信息數(shù)據(jù)庫和考勤記錄數(shù)據(jù)庫，深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練模塊將預(yù)先訓(xùn)練錄入的人臉視頻或圖像，轉(zhuǎn)化為人臉數(shù)據(jù)，將人臉數(shù)據(jù)與人員其它錄入信息進(jìn)行對應(yīng)，將對應(yīng)后的結(jié)果以信息中的某一特征為標(biāo)簽，分類保存至人員信息數(shù)據(jù)庫，以上述標(biāo)簽生成深度學(xué)習(xí)網(wǎng)絡(luò)的各層級參數(shù)，形成提取特征參數(shù)，分類保存在記憶存儲單元中；當(dāng)進(jìn)行人臉識別考勤時，依據(jù)所述標(biāo)簽從記憶存儲單元中調(diào)取相應(yīng)的提取特征參數(shù)，從人臉檢測模塊呈遞的人臉視頻或圖像中提取人臉的數(shù)據(jù)，再依據(jù)所述標(biāo)簽，查找人員信息數(shù)據(jù)庫中已經(jīng)保存的人臉數(shù)據(jù)，通過回歸分類器計算相似度進(jìn)行匹配識別，將匹配識別后的結(jié)果形成考勤記錄數(shù)據(jù)庫，從而反映到考勤信息管理網(wǎng)頁上。

按照上述技術(shù)方案，所述人臉識別考勤系統(tǒng)用于高校課程考勤時，所述某一特征標(biāo)簽為課程信息，課程信息包括課程文本信息、課程時間、課程的上課地點和任課老師。

按照上述技術(shù)方案，深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練模塊包括視頻分幀器、人臉提取與預(yù)處理器和多層卷積神經(jīng)網(wǎng)絡(luò)，視頻分幀器將呈遞的人臉視頻進(jìn)行分幀處理，人臉提取與預(yù)處理器是將分幀處理后圖像進(jìn)行歸一化、去噪等預(yù)處理，將其傳輸給多層卷積神經(jīng)網(wǎng)絡(luò)。

按照上述技術(shù)方案，多層卷積神經(jīng)網(wǎng)絡(luò)依次包括輸入層、卷積層、抽樣層和輸出層，所述記憶存儲單元與多層卷積神經(jīng)網(wǎng)絡(luò)的輸出層、卷積層與抽樣層進(jìn)行連接，以某一特征信息為分類標(biāo)簽，在進(jìn)行人臉訓(xùn)練時，卷積層與抽樣層單向連接于記憶存儲單元，卷積層和抽樣層參數(shù)以上述的某一特征為標(biāo)簽，保存至記憶存儲單元；在進(jìn)行人臉識別時，記憶存儲單元單向連接于卷積層與抽樣層，輸出層與回歸分類器連接，對訓(xùn)練好的多層卷積神經(jīng)網(wǎng)絡(luò)與各層級的參數(shù)進(jìn)行分區(qū)保存；在進(jìn)行人臉識別時，通過數(shù)據(jù)無線傳輸模塊上傳的信息，調(diào)用相應(yīng)的各層級參數(shù)至多層卷積神經(jīng)網(wǎng)絡(luò)中進(jìn)行識別。

按照上述技術(shù)方案，考勤信息管理網(wǎng)頁包括學(xué)生權(quán)限界面、任課老師權(quán)限界面和教務(wù)管理權(quán)限界面；

學(xué)生權(quán)限界面包括人臉注冊端和個人考勤記錄端，任課老師權(quán)限界面包括課堂考勤記錄端，教務(wù)管理權(quán)限界面包括學(xué)院考勤記錄端，考勤記錄數(shù)據(jù)庫與考勤信息管理網(wǎng)頁雙向連接進(jìn)行數(shù)據(jù)通信。

按照上述技術(shù)方案，所述數(shù)據(jù)無線傳輸模塊包括內(nèi)置無線網(wǎng)卡、存儲器、時鐘芯片，存儲器和時鐘芯片分別與無線網(wǎng)卡連接，人臉檢測模塊通過無線網(wǎng)卡與深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練模塊連接，通過手機與無線傳輸模塊連接，設(shè)置安裝教室的課程信息儲存在存儲器中。

采用以上所述的人臉識別考勤系統(tǒng)的考勤方法，考勤系統(tǒng)用于高校的課程考勤時，所述考勤方法包括以下步驟：

1)通過考勤信息管理網(wǎng)頁將學(xué)生人臉視頻、學(xué)生信息和課程信息錄入到云服務(wù)器上的人員信息數(shù)據(jù)庫中；

2)學(xué)生進(jìn)入教室時，人臉檢測模塊自動采集學(xué)生的人臉面部區(qū)域圖像；

3)數(shù)據(jù)無線傳輸模塊內(nèi)存儲有當(dāng)前的課程信息，數(shù)據(jù)無線傳輸模塊將當(dāng)前的課程信息和人臉檢測模塊呈遞的人臉數(shù)據(jù)傳送至云端服務(wù)器；

4)深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練模塊以接受到的課程信息為標(biāo)簽，從記憶存儲模塊中調(diào)用提取特征參數(shù)；

5)深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練模塊調(diào)用提取特征參數(shù)從人臉檢測模塊呈遞的人臉視頻或圖像中提取人臉數(shù)據(jù)，再以課程信息為標(biāo)簽，查找人員信息數(shù)據(jù)庫中已經(jīng)保存的人臉數(shù)據(jù)，傳送至回歸分類器；

6)將提取出的人臉數(shù)據(jù)呈遞至回歸分類器，與所述的課程信息標(biāo)簽所對應(yīng)的，人員信息數(shù)據(jù)庫中的人臉數(shù)據(jù)進(jìn)行匹配，通過回歸分類器對計算人臉數(shù)據(jù)之間相似度，尋找相應(yīng)學(xué)生的信息；

7)將對應(yīng)學(xué)生的信息和當(dāng)前課程狀態(tài)在考勤記錄數(shù)據(jù)庫中進(jìn)行檢索，若未檢索到，則將其存入考勤記錄數(shù)據(jù)庫中，否則取消存入。

按照上述技術(shù)方案，所述步驟1)中，學(xué)生信息錄入包括以下步驟：

a)學(xué)生在人臉注冊端發(fā)送請求命令，并上傳自己的一段人臉面部視頻，填寫相應(yīng)的學(xué)生信息，學(xué)生信息包括學(xué)院、班級、姓名、課程信息和學(xué)號；

b)人臉面部視頻將上傳至深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練模塊，經(jīng)過深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練模塊進(jìn)行處理轉(zhuǎn)化為人臉數(shù)據(jù)；

c)將人臉數(shù)據(jù)與錄入的學(xué)生信息進(jìn)行對應(yīng)；

d)以課程信息為標(biāo)簽，將人臉數(shù)據(jù)結(jié)合學(xué)生信息分類保存至人員信息數(shù)據(jù)庫中。

按照上述技術(shù)方案，所述步驟6)中，通過回歸分類器對人臉數(shù)據(jù)的匹配識別包括以下步驟：數(shù)據(jù)集合中包含有已經(jīng)學(xué)習(xí)到的人臉數(shù)據(jù)，回歸分類器將接收的人臉數(shù)據(jù)與人員信息數(shù)據(jù)庫中的人臉數(shù)據(jù)進(jìn)行距離求解與置信度計算，當(dāng)某一人臉數(shù)據(jù)滿足下條件：1、置信度的達(dá)到85％以上，2、置信度為最高，則認(rèn)定檢測到的人臉為該人臉數(shù)據(jù)所對應(yīng)的學(xué)生；兩個條件若有一個未能達(dá)到，則不執(zhí)行下一步驟。

按照上述技術(shù)方案，步驟7)之后，還包括以下步驟：學(xué)生在考勤信息管理網(wǎng)頁上發(fā)送請求，查看自己的考勤記錄，若發(fā)現(xiàn)自己未能考勤成功，可在人臉檢測模塊前進(jìn)行補簽；任課老師、教務(wù)管理者在教務(wù)考勤管理網(wǎng)頁上登錄后，同樣發(fā)送命令與考勤記錄數(shù)據(jù)庫進(jìn)行交互。

本發(fā)明具有以下有益效果：

1、以信息中的某一特征為標(biāo)簽，分類形成人員信息數(shù)據(jù)庫，并同樣以該信息為標(biāo)簽，將卷積神經(jīng)網(wǎng)絡(luò)模型與各層參數(shù)分類存儲至記憶存儲單元，當(dāng)進(jìn)行人臉識別考勤時，依據(jù)所述標(biāo)簽快速從記憶存儲單元中調(diào)取參數(shù)，從人員信息數(shù)據(jù)庫中通過參數(shù)調(diào)用與所述標(biāo)簽相關(guān)聯(lián)人員的人臉數(shù)據(jù)，通過回歸分類器將人臉檢測模塊檢測到的人臉數(shù)據(jù)與從人員信息數(shù)據(jù)庫中調(diào)取的的人臉數(shù)據(jù)進(jìn)行匹配識別，將匹配識別后的結(jié)果形成考勤記錄數(shù)據(jù)庫，從而反映到考勤信息管理網(wǎng)頁上，通過分類儲存和分類調(diào)用，避免在海量的數(shù)據(jù)中進(jìn)行匹配識別，提高存儲效率和比對識別效率，使系統(tǒng)具有更好的魯棒性和更高的效率。

2、通過所述的考勤系統(tǒng)及方法，實現(xiàn)了對學(xué)生進(jìn)入課堂時的人臉識別考勤，而無需教師進(jìn)行人工考勤；通過在云端建立的卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行人臉訓(xùn)練，有效提升了人臉匹配的精確度；通過考勤記錄數(shù)據(jù)庫與考勤信息管理網(wǎng)頁的數(shù)據(jù)交互，可以讓任課老師與教務(wù)管理者查看到學(xué)生的考勤狀態(tài)，能夠有效提高考勤管理的效率；學(xué)生自身可以在網(wǎng)頁上查看到自己的考勤狀態(tài)，并可以在人臉檢測模塊前進(jìn)行補簽，有效地提高了考勤系統(tǒng)的可靠性；云服務(wù)器上可分區(qū)建立多個數(shù)據(jù)庫，利用課程信息作為分類樞紐，能夠應(yīng)用于多個課程乃至多個高校的考勤工作，具備良好的可拓展性。

附圖說明

圖1是本發(fā)明實施例中基于深度學(xué)習(xí)和云服務(wù)的人臉識別考勤系統(tǒng)的結(jié)構(gòu)示意圖；

圖2是本發(fā)明實施例中深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練模塊的結(jié)構(gòu)示意圖；

圖3是本發(fā)明實施例中進(jìn)行人臉注冊時的系統(tǒng)工作流程圖；

圖4是本發(fā)明實施例中進(jìn)行人臉識別與考勤時的系統(tǒng)工作流程圖；

圖中，1-人臉檢測模塊，2-數(shù)據(jù)無線傳輸模塊，3-云端服務(wù)器，4-考勤信息管理網(wǎng)頁，5-深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練模塊，6-回歸分類器，7-學(xué)生信息數(shù)據(jù)庫，8-考勤記錄數(shù)據(jù)庫，9-記憶存儲單元，10-存儲器，11-時鐘芯片，12-無線網(wǎng)卡，13-視頻分幀器，14-人臉提取與預(yù)處理器，15-多層卷積神經(jīng)網(wǎng)絡(luò)。

具體實施方式

下面結(jié)合附圖和實施例對本發(fā)明進(jìn)行詳細(xì)說明。

參照圖1～圖4所示，本發(fā)明提供的一個實施例中的基于深度學(xué)習(xí)和云服務(wù)的人臉識別考勤系統(tǒng)，其特征在于，包括人臉檢測模塊1、數(shù)據(jù)無線傳輸模塊2、云服務(wù)器和考勤信息管理網(wǎng)頁4，人臉檢測模塊1與數(shù)據(jù)無線傳輸模塊2連接，所述數(shù)據(jù)無線傳輸模塊2通過網(wǎng)絡(luò)與云服務(wù)器連接，通過考勤信息管理網(wǎng)頁4與云服務(wù)器連接，進(jìn)行雙向數(shù)據(jù)交換，通過考勤信息管理網(wǎng)頁4向云服務(wù)器上錄入、查詢和修改信息；

云服務(wù)器包括深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練模塊5、回歸分類器6、記憶存儲單元9、人員信息數(shù)據(jù)庫和考勤記錄數(shù)據(jù)庫8，深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練模塊5將預(yù)先訓(xùn)練錄入的人臉視頻或圖像，轉(zhuǎn)化為人臉數(shù)據(jù)，將人臉數(shù)據(jù)與人員其它錄入信息進(jìn)行對應(yīng)，將對應(yīng)后的結(jié)果以信息中的某一特征為標(biāo)簽，分類保存至人員信息數(shù)據(jù)庫，以上述標(biāo)簽生成深度學(xué)習(xí)網(wǎng)絡(luò)的各層級參數(shù)，形成提取特征參數(shù)，分類保存在記憶存儲單元中；當(dāng)進(jìn)行人臉識別考勤時，依據(jù)所述標(biāo)簽從記憶存儲單元中調(diào)取相應(yīng)的提取特征參數(shù)，從人臉檢測模塊呈遞的人臉視頻或圖像中提取人臉的數(shù)據(jù)，再依據(jù)所述標(biāo)簽，查找人員信息數(shù)據(jù)庫中已經(jīng)保存的人臉數(shù)據(jù)，通過回歸分類器計算相似度進(jìn)行匹配識別，將匹配識別后的結(jié)果形成考勤記錄數(shù)據(jù)庫，從而反映到考勤信息管理網(wǎng)頁上，通過分類儲存和分類調(diào)用，避免在海量的數(shù)據(jù)中進(jìn)行匹配識別，提高存儲效率和比對識別效率，使系統(tǒng)具有更好的魯棒性和更高的效率。

進(jìn)一步地，所述人臉識別考勤系統(tǒng)用于高校課程考勤時，所述某一特征標(biāo)簽為課程信息，課程信息包括課程文本信息、課程時間、課程的上課地點和任課老師，在具體實施例中人員信息數(shù)據(jù)庫為學(xué)生信息數(shù)據(jù)庫。

進(jìn)一步地，深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練模塊5包括視頻分幀器13、人臉提取與預(yù)處理器14和多層卷積神經(jīng)網(wǎng)絡(luò)15，視頻分幀器13將呈遞的人臉視頻進(jìn)行分幀處理，人臉提取與預(yù)處理器14是將分幀處理后圖像或視頻轉(zhuǎn)化為人臉數(shù)據(jù)(具體實施例中，人臉數(shù)據(jù)為特征向量)，將其傳輸給多層卷積神經(jīng)網(wǎng)絡(luò)15；。

進(jìn)一步地，多層卷積神經(jīng)網(wǎng)絡(luò)15依次包括輸入層、卷積層、抽樣層和輸出層，自下而上分布，頂層輸出層與回歸分類器6、記憶存儲單元9進(jìn)行連接，所述記憶存儲單元9與多層卷積神經(jīng)網(wǎng)絡(luò)15的輸出層、卷積層與抽樣層進(jìn)行連接，以某一特征信息為分類標(biāo)簽，在進(jìn)行人臉訓(xùn)練時，卷積層與抽樣層單向連接于記憶存儲單元，卷積層和抽樣層參數(shù)以上述的某一特征為標(biāo)簽，保存至記憶存儲單元；在進(jìn)行人臉識別時，記憶存儲單元9單向連接于卷積層與抽樣層，輸出層與回歸分類器6連接；人臉提取與預(yù)處理器14與記憶存儲單元9連接，對數(shù)據(jù)無線傳輸模塊2呈遞的課程信息進(jìn)行傳輸，所述卷積層與抽樣層作為網(wǎng)絡(luò)的中間層，實際在網(wǎng)絡(luò)中交替出現(xiàn)多次，所述輸出層為全連接方式，輸出層的前一抽樣層將所得的二維模式特征拉伸為一個向量，與輸出層以全連接方式相連；

對訓(xùn)練好的多層卷積神經(jīng)網(wǎng)絡(luò)15與各層級的參數(shù)進(jìn)行分區(qū)保存；在進(jìn)行人臉識別時，通過數(shù)據(jù)無線傳輸模塊2上傳的信息，調(diào)用相應(yīng)的各層級參數(shù)至多層卷積神經(jīng)網(wǎng)絡(luò)15中進(jìn)行識別。

進(jìn)一步地，考勤信息管理網(wǎng)頁4包括學(xué)生權(quán)限界面、任課老師權(quán)限界面和教務(wù)管理權(quán)限界面；

學(xué)生權(quán)限界面包括人臉注冊端和個人考勤記錄端，任課老師權(quán)限界面包括課堂考勤記錄端，教務(wù)管理權(quán)限界面包括學(xué)院考勤記錄端，考勤記錄數(shù)據(jù)庫8與考勤信息管理網(wǎng)頁4雙向連接進(jìn)行數(shù)據(jù)通信。

進(jìn)一步地，所述數(shù)據(jù)無線傳輸模塊2包括內(nèi)置無線網(wǎng)卡12、存儲器10、時鐘芯片11，存儲器10和時鐘芯片11分別與無線網(wǎng)卡12連接，人臉檢測模塊1通過無線網(wǎng)卡12與深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練模塊5連接，通過手機與無線傳輸模塊連接，設(shè)置安裝教室的課程信息儲存在存儲器10中。

采用以上所述的人臉識別考勤系統(tǒng)的考勤方法，考勤系統(tǒng)用于高校的課程考勤時，所述考勤方法包括以下步驟：

1)通過考勤信息管理網(wǎng)頁4將學(xué)生人臉視頻、學(xué)生信息和課程信息錄入到云服務(wù)器上的人員信息數(shù)據(jù)庫(具體實施例中用于高校課程考勤時人員信息數(shù)據(jù)庫即為學(xué)生信息數(shù)據(jù)庫7)中；

2)學(xué)生進(jìn)入教室時，人臉檢測模塊1自動采集學(xué)生的人臉面部區(qū)域圖像；

3)數(shù)據(jù)無線傳輸模塊2內(nèi)存儲有當(dāng)前的課程信息，數(shù)據(jù)無線傳輸模塊2將當(dāng)前的課程信息和人臉檢測模塊1呈遞的人臉數(shù)據(jù)傳送至云端服務(wù)器3；

4)深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練模塊5以接受到的課程信息為標(biāo)簽，從記憶存儲模塊中調(diào)用提取特征參數(shù)；

5)深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練模塊5調(diào)用提取特征參數(shù)，從人臉檢測模塊呈遞的人臉視頻或圖像中提取人臉數(shù)據(jù)，再以課程信息為標(biāo)簽，查找人員信息數(shù)據(jù)庫中已經(jīng)保存的人臉數(shù)據(jù)，傳送至回歸分類器；

6)將提取出的人臉數(shù)據(jù)呈遞至回歸分類器，與所述的課程信息標(biāo)簽所對應(yīng)的，人員信息數(shù)據(jù)庫中的人臉數(shù)據(jù)進(jìn)行匹配，通過回歸分類器計算人臉數(shù)據(jù)之間相似度，尋找相應(yīng)學(xué)生的信息；

7)將對應(yīng)學(xué)生的信息和當(dāng)前課程狀態(tài)在考勤記錄數(shù)據(jù)庫8中進(jìn)行檢索，若未檢索到，則將其存入考勤記錄數(shù)據(jù)庫8中，否則取消存入。

進(jìn)一步地，所述步驟1)中，學(xué)生信息錄入包括以下步驟：

a)學(xué)生在人臉注冊端發(fā)送請求命令，并上傳自己的一段人臉面部視頻，填寫相應(yīng)的學(xué)生信息，學(xué)生信息包括學(xué)院、班級、姓名、課程信息和學(xué)號；

b)人臉面部視頻將上傳至深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練模塊5，經(jīng)過深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練模塊5進(jìn)行處理轉(zhuǎn)化為人臉數(shù)據(jù)；

c)將人臉數(shù)據(jù)與錄入的學(xué)生信息進(jìn)行對應(yīng)；

d)以課程信息為標(biāo)簽，將人臉數(shù)據(jù)結(jié)合學(xué)生信息分類保存至人員信息數(shù)據(jù)庫中。

進(jìn)一步地，所述步驟6)中，人臉數(shù)據(jù)的匹配識別包括以下步驟：數(shù)據(jù)集合中包含有已經(jīng)學(xué)習(xí)到的人臉數(shù)據(jù)，回歸分類器6將接收的人臉數(shù)據(jù)與人員信息數(shù)據(jù)庫中的人臉數(shù)據(jù)進(jìn)行距離求解與置信度計算，當(dāng)某一人臉數(shù)據(jù)滿足下條件：1、置信度的達(dá)到85％以上，2、置信度為最高，則認(rèn)定檢測到的人臉為該人臉數(shù)據(jù)所對應(yīng)的學(xué)生；兩個條件若有一個未能達(dá)到，則不執(zhí)行下一步驟。

進(jìn)一步地，步驟7)之后，還包括以下步驟：學(xué)生在考勤信息管理網(wǎng)頁4上發(fā)送請求，查看自己的考勤記錄，若發(fā)現(xiàn)自己未能考勤成功，可在人臉檢測模塊1前進(jìn)行補簽；任課老師、教務(wù)管理者在教務(wù)考勤管理網(wǎng)頁上登錄后，同樣發(fā)送命令與考勤記錄數(shù)據(jù)庫8進(jìn)行交互；該法可防止學(xué)生進(jìn)行重復(fù)考勤，并可讓學(xué)生查看到自己的考勤狀態(tài)，未識別成功時可進(jìn)行補簽。

本發(fā)明的一個實施例中，本發(fā)明的工作原理：

如圖1所示，一種基于深度學(xué)習(xí)和云服務(wù)的人臉識別高校考勤系統(tǒng)及方法，包括：人臉檢測模塊1、數(shù)據(jù)無線傳輸模塊2、云服務(wù)器和考勤信息管理網(wǎng)頁4，實現(xiàn)了對學(xué)生的人臉識別考勤，通過云端的數(shù)據(jù)處理后，可以由任課老師與教務(wù)管理者在考勤管理網(wǎng)頁上查看學(xué)生的考勤狀態(tài)，此外學(xué)生也可查看到自己的考勤狀態(tài)，在考勤未能成功時可以在人臉檢測模塊1前進(jìn)行補簽。

進(jìn)一步地，數(shù)據(jù)無線傳輸模塊2由無線網(wǎng)卡12、存儲器10組成；在安裝時，安裝人員可通過手機連接無線網(wǎng)卡12，將安裝位置的教室信息輸入至存儲器10中。

進(jìn)一步地，人臉注冊端屬于考勤信息管理網(wǎng)頁4中的學(xué)生權(quán)限界面，深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練模塊5與學(xué)生信息數(shù)據(jù)庫7屬于云服務(wù)器；學(xué)生于人臉注冊端上傳自己的臉部視頻、姓名、班級、學(xué)院、學(xué)號、課程信息后，深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練模塊5將上傳的臉部視頻分析處理，提取出人臉特征向量，并將訓(xùn)練完畢的卷積神經(jīng)網(wǎng)絡(luò)模型與各層參數(shù)保存至記憶存儲單元9，存儲時以課程信息為標(biāo)簽進(jìn)行分區(qū)存儲；而提取出的特征向量將與學(xué)生個人信息和課程信息保存至學(xué)生信息數(shù)據(jù)庫7中。

如圖2所示，闡述本發(fā)明的云服務(wù)器中的深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練模塊5結(jié)構(gòu)及其外部連接圖；深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練模塊5包括：視頻分幀器13、人臉提取與預(yù)處理器14、多層卷積神經(jīng)網(wǎng)絡(luò)15、記憶存儲單元9。其中多層卷積神經(jīng)網(wǎng)絡(luò)15分為：輸入層、卷積層、抽樣層、輸出層；輸出層與回歸分類器6連接，用于樣本測試分類。

進(jìn)一步地，所述視頻分幀器13接收來自人臉注冊端的視頻，并對視頻進(jìn)行分幀提取。特別地，所述視頻格式包括：3GP、MP4、RMVB、MOV等格式視頻。

進(jìn)一步地，所述人臉提取與預(yù)處理器14接收分幀后的圖片，進(jìn)行圖像去噪與灰度化處理后，提取圖片中的人臉區(qū)域，再進(jìn)行人臉校正，最后將該區(qū)域處理為像素32*32的矩陣。

進(jìn)一步地，所述卷積層與抽樣層作為網(wǎng)絡(luò)的中間層，實際在網(wǎng)絡(luò)中交替出現(xiàn)多次。所述輸出層為全連接方式，具體表現(xiàn)為：輸出層的前一抽樣層將所得的二維模式特征拉伸為一個向量，與輸出層以全連接方式相連。

如圖3所示，闡述本發(fā)明在學(xué)生進(jìn)行人臉注冊時的學(xué)生信息錄入方法，包括以下步驟：

a)學(xué)生在人臉注冊端發(fā)送請求命令，并上傳自己的一段人臉面部視頻、填寫學(xué)院、班級、姓名、課程信息、學(xué)號等個人信息；

b)人臉面部視頻將上傳至深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練模塊5的視頻分幀器13進(jìn)行分幀，經(jīng)過人臉提取與預(yù)處理器14提取處理后的人臉圖像矩陣，作為多層卷積神經(jīng)網(wǎng)絡(luò)15的輸入層訓(xùn)練樣本；

c)通過卷積神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練學(xué)習(xí)得到多維度的特征向量，并進(jìn)行輸出。經(jīng)過訓(xùn)練的多層卷積神經(jīng)網(wǎng)絡(luò)15模型與各層參數(shù)將保存在記憶儲存單元；

d)學(xué)習(xí)到的特征向量結(jié)合學(xué)院、班級、姓名、課程信息、學(xué)號等個人保存在學(xué)生信息數(shù)據(jù)庫7中。

基于以上所述的方法，可以得到大量的面部區(qū)域圖像，從而能夠很好的符合卷積神經(jīng)網(wǎng)絡(luò)模型的數(shù)據(jù)要求。

特別地，上述人臉注冊端所錄制的視頻長度為15s，在錄制過程中注冊端將會要求學(xué)生進(jìn)行面部表情變化，偏頭等動作，以保證訓(xùn)練樣本的多樣性。

如圖4所示，闡述本發(fā)明在學(xué)生進(jìn)行人臉識別考勤時的方法，包括以下步驟：

1)學(xué)生進(jìn)入教室時，人臉檢測模塊1自動采集學(xué)生的人臉面部區(qū)域圖像；

2)數(shù)據(jù)無線傳輸模塊2中時鐘芯片11存儲當(dāng)前時間信息，并傳至存儲器10，依據(jù)存儲器10中存儲的課程信息匹配出當(dāng)前課程信息。課程信息與人臉檢測模塊1呈遞的人臉數(shù)據(jù)通過無線網(wǎng)卡12傳送至云端服務(wù)器3；

3)人臉提取與預(yù)處理器14對人臉數(shù)據(jù)進(jìn)行處理，并作為多層卷積神經(jīng)網(wǎng)絡(luò)15的測試樣本進(jìn)行輸入。課程信息傳送至記憶存儲單元9，調(diào)用已經(jīng)訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)模型與各層參數(shù)至卷積層與抽樣層，提取該圖像的特征向量；

4)回歸分類器6接收提取的特征向量，根據(jù)課程信息在學(xué)生信息數(shù)據(jù)庫7中尋找該課程所對應(yīng)分類的數(shù)據(jù)集合。明顯地，數(shù)據(jù)集合中包含有已經(jīng)學(xué)習(xí)到的特征向量?；貧w分類器6將接收的特征向量與數(shù)據(jù)集合中的特征向量進(jìn)行距離求解與置信度計算，當(dāng)某一特征向量滿足下條件：1、置信度的達(dá)到85％以上，2、置信度為最高，則認(rèn)定檢測到的人臉為該特征向量所對應(yīng)的學(xué)生；兩個條件若有一個未能達(dá)到，則不執(zhí)行下一步驟；

5)將該學(xué)生對應(yīng)的姓名、班級、學(xué)院、學(xué)號、當(dāng)前課程狀態(tài)在考勤記錄數(shù)據(jù)庫8中進(jìn)行檢索，若未檢索到，則將其存入考勤記錄數(shù)據(jù)庫8中，否則取消存入。

6)學(xué)生在考勤信息管理網(wǎng)頁4上發(fā)送請求，查看自己的考勤記錄。若發(fā)現(xiàn)自己未能考勤成功，可在人臉檢測模塊1前進(jìn)行補簽；任課老師、教務(wù)管理者在教務(wù)考勤管理網(wǎng)頁上登錄后，同樣發(fā)送命令與考勤記錄數(shù)據(jù)庫8進(jìn)行交互。該法可防止學(xué)生進(jìn)行重復(fù)考勤，并可讓學(xué)生查看到自己的考勤狀態(tài)，未識別成功時可進(jìn)行補簽。

該發(fā)明可應(yīng)用于多個高校，多個課堂的考勤，其具備在線查看與云端存儲考勤記錄功能，能夠有效地提高教務(wù)管理效率。

本發(fā)明的一個實施例中：

一種基于深度學(xué)習(xí)和云服務(wù)的人臉識別高?？记谙到y(tǒng)及方法，由人臉檢測模塊1、數(shù)據(jù)無線傳輸模塊2、云服務(wù)器、考勤信息管理網(wǎng)頁4組成；通過在云服務(wù)器中建立深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練模塊5，預(yù)先訓(xùn)練學(xué)生的人臉圖像，獲得特征向量予以保存；再通過在教室中安裝人臉檢測模塊1與數(shù)據(jù)無線傳輸模塊2，提取學(xué)生的面部圖像并傳送至云端，作為測試樣本輸入深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練模塊5，進(jìn)行人臉匹配，將匹配結(jié)果保存至數(shù)據(jù)庫；而后通過考勤信息管理網(wǎng)頁4與數(shù)據(jù)庫交互，來獲取學(xué)生考勤信息。

上述人臉檢測模塊1與數(shù)據(jù)無線傳輸模塊2相連接，所述數(shù)據(jù)無線傳輸模塊2通過網(wǎng)絡(luò)連接于云服務(wù)器。云服務(wù)器中包含深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練模塊5、記憶存儲單元9、回歸分類器6、學(xué)生信息數(shù)據(jù)庫7、考勤記錄數(shù)據(jù)庫8。深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練模塊5中包括：視頻分幀器13、人臉提取與預(yù)處理器14、多層卷積神經(jīng)網(wǎng)絡(luò)15。其中多層卷積神經(jīng)網(wǎng)絡(luò)15自下而上包括輸入層、卷積層、抽樣層、輸出層。頂層輸出層與回歸分類器6、記憶存儲單元9進(jìn)行連接。

為了實現(xiàn)教務(wù)管理工作者與任課老師能夠查看考勤記錄，學(xué)生能夠進(jìn)行人臉信息的注冊，上述考勤信息管理網(wǎng)頁4中分為學(xué)生權(quán)限界面、任課老師權(quán)限界面、教務(wù)管理權(quán)限界面。學(xué)生權(quán)限界面中具有人臉注冊端、個人考勤記錄端；任課老師權(quán)限界面具有課堂考勤記錄端、教務(wù)管理權(quán)限界面具有學(xué)院考勤記錄端。其中考勤記錄數(shù)據(jù)庫8與考勤信息管理網(wǎng)頁4雙向連接進(jìn)行數(shù)據(jù)通信。

進(jìn)一步地，所述數(shù)據(jù)無線傳輸模塊2中含存儲器10、無線網(wǎng)卡12、時鐘芯片11。時鐘芯片11與當(dāng)前時間進(jìn)行同步。需要說明的是，存儲器10中包含當(dāng)前教室在不同時間段的課程信息，故需要安裝人員使用手機與無線網(wǎng)卡12進(jìn)行通信，進(jìn)而寫入。

進(jìn)一步地，所述人臉檢測模塊1與數(shù)據(jù)無線傳輸模塊2都需要安裝于教室內(nèi)，學(xué)生走入教室后可前往人臉檢測模塊1前進(jìn)行考勤。

進(jìn)一步地，所述學(xué)生信息數(shù)據(jù)庫7中包含的信息包括：通過深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練模塊5提取后的特征向量、與該人臉信息對應(yīng)的姓名、班級、學(xué)院、學(xué)號、課程信息。

進(jìn)一步地，上述學(xué)生信息數(shù)據(jù)庫7的建設(shè)方法為：以課程信息將學(xué)生進(jìn)行歸類，在特定時間特定教室相同課程的學(xué)生將被分為一類，由班級、學(xué)院、姓名、學(xué)號信息在同類中進(jìn)行具體區(qū)分，每一個學(xué)生的數(shù)據(jù)列都包含：課程信息、通過深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練模塊5提取后的特征向量、姓名、班級、學(xué)院、學(xué)號。

進(jìn)一步地，所述記憶存儲單元9與多層卷積神經(jīng)網(wǎng)絡(luò)15的輸出層、卷積層與抽樣層進(jìn)行連接。在進(jìn)行人臉訓(xùn)練時，輸出層單向連接于記憶存儲單元9；在進(jìn)行人臉識別時，記憶存儲單元9單向連接于卷積層與抽樣層；人臉提取與預(yù)處理器14也連接于記憶存儲單元9，對數(shù)據(jù)無線傳輸模塊2呈遞的課程信息進(jìn)行傳輸。

進(jìn)一步地，需要說明的是，上述的課程信息為該教室所有課程的詳細(xì)信息，包括：課程名稱、上課時間區(qū)間、上課地點、任課老師。如：課程名稱：《高等數(shù)學(xué)A下》，上課時間區(qū)間：周二上午10時至周二上午12時，上課地點：武漢理工大學(xué)第一教學(xué)樓304，任課老師：陳某某。

綜上所述，本發(fā)明有以下3個特點：

1.在云服務(wù)器中以課程信息為標(biāo)簽，建立深度學(xué)習(xí)訓(xùn)練網(wǎng)絡(luò)，訓(xùn)練網(wǎng)絡(luò)中的訓(xùn)練樣本為該節(jié)課的學(xué)生人臉信息，系統(tǒng)將依據(jù)學(xué)生課表建立多個上述的深度學(xué)習(xí)網(wǎng)絡(luò)，每個網(wǎng)絡(luò)頂層均為分類器，用于特定課程考勤時進(jìn)行人臉識別，避免了在一個巨大的數(shù)據(jù)集中進(jìn)行分類，有效地提高了系統(tǒng)運行效率。

2.在深度學(xué)習(xí)訓(xùn)練網(wǎng)絡(luò)訓(xùn)練模塊中包含有記憶存儲單元9，用于儲存已經(jīng)訓(xùn)練好的多層卷積神經(jīng)網(wǎng)絡(luò)15模型與各層級的參數(shù)，并能夠直接調(diào)取用于提取測試樣本的特征向量。需要說明的是，該記憶存儲單元9中儲存的多層卷積神經(jīng)網(wǎng)絡(luò)15模型與各層級的參數(shù)以課程信息為標(biāo)簽，即不同課程間的多層卷積神經(jīng)網(wǎng)絡(luò)15模型與各層級參數(shù)是不同的，它們以課程信息為標(biāo)簽，進(jìn)行分類儲存。因此在進(jìn)行人臉識別考勤時，記憶存儲單元9可以依據(jù)學(xué)生的當(dāng)前課程情況調(diào)用該課程對應(yīng)的多層卷積神經(jīng)網(wǎng)絡(luò)15模型進(jìn)行人臉識別，具備更好的魯棒性與更高的效率。

3.將云服務(wù)器與前端網(wǎng)頁進(jìn)行結(jié)合，在云服務(wù)器上建立考勤信息數(shù)據(jù)庫，與前端考勤管理網(wǎng)頁進(jìn)行數(shù)據(jù)交互，讓任課老師在手機上查看當(dāng)前課程考勤狀態(tài)，同時還能讓教務(wù)管理部門工作人員在終端上查看各個班級的考勤信息。本發(fā)明具有良好的可拓展性，云服務(wù)器上可分區(qū)建立多個數(shù)據(jù)庫，因此可應(yīng)用于多個課程乃至多個高校的考勤工作。

以上的僅為本發(fā)明的較佳實施例而已，當(dāng)然不能以此來限定本發(fā)明之權(quán)利范圍，因此依本發(fā)明申請專利范圍所作的等效變化，仍屬本發(fā)明的保護(hù)范圍。