本發(fā)明涉及考勤補簽的，尤其涉及一種基于視頻情景分析的考勤補簽方法。

背景技術：

1、隨著學校對學生考勤管理要求的日益嚴格，傳統(tǒng)的人工考勤方式已經無法滿足高效、精準的需求。尤其是在一些特殊情況下，如人員跟隨、面部遮擋等特殊原因造成學生考勤錯誤，傳統(tǒng)考勤方式往往依賴于人工審核和補簽，且手工簽到需要教師或管理員逐一記錄學生的出勤情況，耗時較長，容易導致效率低下，學生可能代簽或冒名頂替，導致考勤數據不準確；傳統(tǒng)考勤方式對于臨時補簽或特殊情況（如遲到、忘記打卡）處理不便，通常需要人工干預，增加了管理成本。同時隨著信息技術發(fā)展，智能化考勤系統(tǒng)逐漸引入學校場景，使用人臉識別、指紋識別等技術進行身份驗證，確?？记跀祿恼鎸嵭院蜏蚀_性。

技術實現思路

1、有鑒于此，本發(fā)明提供一種基于視頻情景分析的考勤補簽方法，通過視頻監(jiān)控系統(tǒng)與人工智能技術相結合，動態(tài)分析視頻中的學生活動情況，以驗證考勤記錄的準確性，實現自動化考勤補簽。

2、實現上述目的，本發(fā)明提供的一種基于視頻情景分析的考勤補簽方法，包括以下步驟：

3、s1：采集不同場景下的監(jiān)控視頻，對監(jiān)控視頻進行自適應采樣以及視頻幀預處理，得到監(jiān)控視頻的預處理后監(jiān)控視頻幀；

4、s2：利用人臉識別模型對預處理后監(jiān)控視頻幀進行個體人臉識別，將識別得到的個體人臉與學生考勤數據庫中未考勤學生進行人臉信息匹配；

5、s3：記錄匹配成功的個體人臉所關聯預處理后監(jiān)控視頻幀的時間戳信息以及監(jiān)控場景信息，構成未考勤學生的行為軌跡數據，所述監(jiān)控場景信息為預處理后監(jiān)控視頻幀所關聯監(jiān)控攝像頭的位置；

6、s4：將行為軌跡數據與考勤補簽軌跡模板進行相似性度量，若相似性度量結果超過預置軌跡相似閾值，則未考勤學生符合考勤補簽規(guī)則，在學生考勤數據庫中進行自動補簽。

7、作為本發(fā)明的進一步改進方法：

8、可選地，所述s1步驟中采集不同場景下的監(jiān)控視頻，對監(jiān)控視頻進行自適應采樣處理，包括：

9、在不同場景下部署監(jiān)控攝像頭，利用監(jiān)控攝像頭采集監(jiān)控視頻，所述場景包括教室外走廊、食堂、操場、宿舍樓外、校門口以及校內交通道路；

10、將監(jiān)控視頻劃分為多個時長相等的視頻段，并從視頻段中提取連續(xù)的視頻幀，基于視頻幀中像素的頻率分布，計算得到視頻幀的顏色特征向量；

11、計算連續(xù)視頻幀的顏色特征向量的顏色相似度，并將顏色相似度轉換為視頻段的采樣頻率；

12、基于視頻段的采樣頻率對視頻段進行采樣，將采樣結果作為視頻段中的監(jiān)控視頻幀；將所有視頻段中的監(jiān)控視頻幀構成視頻段所關聯監(jiān)控視頻的監(jiān)控視頻幀序列。

13、可選地，對所述監(jiān)控視頻幀序列中的監(jiān)控視頻幀進行預處理，得到預處理后監(jiān)控視頻幀，包括：

14、所述預處理方式包括灰度化處理以及梯度特征提取處理，所述灰度化處理方式為計算監(jiān)控視頻幀中像素的灰度值，將像素的灰度值構建為監(jiān)控視頻幀的灰度化像素矩陣，所述梯度特征提取處理方式為基于像素的灰度值計算得到像素的梯度值，采用canny邊緣檢測算法中的非極大值抑制以及雙閾值檢測算法，檢測得到監(jiān)控視頻幀的邊緣像素，并在監(jiān)控視頻幀的灰度化像素矩陣中對邊緣像素進行標記，將標記邊緣像素的灰度化像素矩陣作為預處理后監(jiān)控視頻幀。

15、可選地，所述s2步驟中利用人臉識別模型對預處理后監(jiān)控視頻幀進行個體人臉識別，包括：

16、所述人臉識別模型包括輸入層、連續(xù)3個空間通道交叉注意力單元以及head層；

17、輸入層用于接收預處理后監(jiān)控視頻幀，并對預處理后監(jiān)控視頻幀進行卷積處理，得到預處理后監(jiān)控視頻幀的卷積特征圖；

18、空間通道交叉注意力單元用于對上一層輸出的特征圖進行注意力處理，輸出注意力處理后的特征圖，其中第3個空間通道交叉注意力單元輸出的特征圖為預處理后監(jiān)控視頻幀的注意力特征圖，所述注意力處理包括通道注意力處理以及空間注意力處理；

19、head層包括分類分支以及邊界框回歸分支，用于將注意力特征圖劃分為多個目標區(qū)域特征圖，并生成每個目標區(qū)域特征圖的邊界框參數，其中邊界框參數包括邊界框的中心坐標、寬度偏移量以及長度偏移量，并計算得到目標區(qū)域特征圖的人臉區(qū)域置信度分數，結合邊界框參數所對應預處理后監(jiān)控視頻幀的邊緣像素，對人臉區(qū)域置信度分數進行修正，保留修正后人臉區(qū)域置信度分數高于預設閾值的邊界框參數，并利用所保留邊界框參數在預處理后監(jiān)控視頻幀中生成邊界框，將邊界框所包圍的圖像區(qū)域作為預處理后監(jiān)控視頻幀中的個體人臉。

20、可選地，對所述個體人臉與學生考勤數據庫中未考勤學生進行人臉信息匹配，包括：

21、獲取學生考勤數據庫中未考勤學生的學生人臉圖像，利用連續(xù)3個空間通道交叉注意力單元生成所述個體人臉以及學生人臉圖像的注意力特征圖，并進行注意力特征圖的相似度計算，若相似度計算結果高于預設相似閾值，則表示未考勤學生與識別得到的所述個體人臉之間人臉信息匹配成功。

22、可選地，所述s3步驟中構成未考勤學生的行為軌跡數據，包括：

23、將匹配成功的個體人臉所關聯預處理后監(jiān)控視頻幀的時間戳信息以及監(jiān)控場景信息作為未考勤學生的一組行為信息，按照時間戳信息順序對行為信息進行排序，得到未考勤學生的行為軌跡數據x：

24、x=(x1,x2,...,xm,...,xm)；

25、；

26、其中：

27、x1,x2,...,xm,...,xm表示行為軌跡數據x中的m組行為信息，xm表示行為軌跡數據x中的第m組行為信息，依次為行為信息xm中的時間戳信息以及監(jiān)控場景信息，m∈[1,m]，m表示行為軌跡數據x中的行為信息組數。

28、可選地，所述s4步驟中將行為軌跡數據與考勤補簽軌跡模板進行相似性度量，包括：

29、基于預設的考勤補簽規(guī)則構建兩種考勤補簽軌跡模板，兩種考勤補簽軌跡模板分別對應學校教學樓到宿舍的軌跡數據 l1，學校操場到宿舍的考勤軌跡數據 l2，每個考勤軌跡數據中具有g個軌跡點，每個軌跡點包含考勤時間戳信息以及軌跡位置信息；

30、所述行為軌跡數據x與第j種考勤補簽軌跡模板的相似性度量流程為：

31、獲取考勤補簽軌跡模板所對應的軌跡數據 l j：

32、；

33、其中：

34、 j∈{1,2}；

35、表示軌跡數據 l j中的g個軌跡點，，分別表示軌跡數據 l j中第 g個軌跡點的考勤時間戳信息以及軌跡位置信息， g∈[1, g]；

36、構建軌跡數據 l j與行為軌跡數據x之間的軌跡距離累積矩陣qj：

37、；

38、；

39、其中：

40、表示行為信息xm與軌跡點之間的軌跡距離，qj[ g][ m]表示行為信息xm與軌跡點之間的軌跡距離累積值；

41、提取軌跡距離累積矩陣qj中的qj[ g][ m]，計算得到行為軌跡數據x與考勤補簽軌跡模板的相似性度量結果sim(x)：

42、；

43、其中：

44、σ表示軌跡距離控制參數；

45、表示選取中的最大值。

46、可選地，所述在學生考勤數據庫中進行自動補簽，包括：

47、學生考勤數據庫對相似性度量結果進行判定，若相似性度量結果超過預置軌跡相似閾值，則未考勤學生符合考勤補簽規(guī)則，在學生考勤數據庫中未考勤學生進行自動補簽，并記錄未考勤學生的行為軌跡數據以及行為軌跡數據所關聯的預處理后監(jiān)控視頻幀。

48、為了解決上述問題，本發(fā)明提供一種電子設備，所述電子設備包括：

49、存儲器，存儲至少一個指令；

50、通信接口，實現電子設備通信；及

51、處理器，執(zhí)行所述存儲器中存儲的指令以實現上述所述的基于視頻情景分析的考勤補簽方法。

52、為了解決上述問題，本發(fā)明還提供一種計算機可讀存儲介質，所述計算機可讀存儲介質中存儲有至少一個指令，所述至少一個指令被電子設備中的處理器執(zhí)行以實現上述所述的基于視頻情景分析的考勤補簽方法。

53、相對于現有技術，本發(fā)明提出一種基于視頻情景分析的考勤補簽方法，該技術具有以下優(yōu)勢：

54、首先，本方案提出一種自適應視頻采樣處理方式以及人臉識別方式，將監(jiān)控視頻劃分為多個視頻段，提取視頻幀的顏色特征向量，基于顏色特征向量之間的顏色相似度，設置視頻段自適應的采樣頻率，其中連續(xù)視頻幀的顏色特征向量的顏色相似度越高，則視頻段的采樣頻率越低，避免采樣得到過多重復的視頻幀，提高監(jiān)控視頻的采樣效率，并基于監(jiān)控視頻幀的像素灰度信息以及梯度邊緣信息，構建人臉識別模型進行個體人臉識別，在人臉識別過程中，通過對通道注意力以及空間注意力進行交叉融合，關注監(jiān)控視頻幀中人臉目標的空間位置、顏色特征以及邊緣特征，進而對這些特征進行增強處理，提高人臉目標識別的準確性，并在訓練過程中對學習率進行自適應更新，在第一階段學習率從最小值逐漸增大至最大值，在訓練初期逐步增大學習率，避免梯度爆炸、訓練不穩(wěn)定以及過早陷入局部最優(yōu)解，在訓練后期逐步減小學習率，提高模型收斂精度和穩(wěn)定性。

55、同時，本方案提出一種自動化補簽方式，將識別得到的個體人臉與學生考勤數據庫中未考勤學生進行人臉信息匹配，構成未考勤學生的行為軌跡數據，基于預設的考勤補簽規(guī)則構建考勤補簽軌跡模板，結合位置距離以及時間戳距離，將行為軌跡數據與考勤補簽軌跡模板進行相似性度量，若相似性度量結果超過預置軌跡相似閾值，則未考勤學生符合考勤補簽規(guī)則，在學生考勤數據庫中進行自動補簽，實現未考勤學生的自動化補簽。