一种户外环卫工作人员的考勤方法、系统及存储介质与流程

1.本技术涉及户外考勤技术领域，具体而言，涉及一种户外环卫工作人员的考勤方法、系统及存储介质。


背景技术：

2.目前市场上考勤方法主要人工签到考勤，考勤人员在固定时间、固定地点排队签到的方式进行。指纹打卡考勤，采用指纹打卡机，根据每个人的指纹不同的特点，利用生物识别技术，可以分辨不同人的不同身份，以达到验证身份考勤的目的。人脸识别考勤主要是采用人脸识别技术，利用计算机图像处理技术从视频中提取人像特征点，利用生物统计学的原理进行分析并建立人脸特征模板，通过识别人脸达到考勤目的。考勤管理系统，可以直接在移动端或pc端进行签到操作。
3.但人工签到考勤，指纹打卡，人脸识别打卡等，这些考勤方式都需要员工主动去操作才能完成。人工签到，指纹，人脸识别打卡需要员工到达指定位置，而户外工作人员(例如户外环卫工人)工作范围广，工作场景复杂，无法按时到达指定地点，因此主动考勤方式不能满足户外人员的需求。而考勤管理系统的方式，需要员工拥有智能设备，比如说员工配置智能手机，电子工牌手环等。设备造价高，随身携带容易遗失，对于拥有大量户外作业员工的企业而言，企业经营成本过高，不能满足企业需要。如何有效地对员工进行管理直接关系到企业效益，而目前的考勤方式，不利于对拥有大量户外作业员工的企业的经营。


技术实现要素：

4.本技术实施例的目的在于提供一种户外环卫工作人员的考勤方法、系统及存储介质，以低成本的方式实现对户外环卫工作人员的考勤，大大降低企业经营成本。
5.为了实现上述目的，本技术的实施例通过如下方式实现：
6.第一方面，本技术实施例提供一种户外环卫工作人员的考勤方法，巡检车上安装有监测装置，所述监测装置包括控制模块、通讯模块、第一摄像机构，所述第一摄像机构安装在所述巡检车的前方，且所述第一摄像机构和所述通讯模块均与所述控制模块连接，所述通讯模块还与服务器通信，所述方法应用于服务器，包括：步骤s11：获取当前时刻的第一监测图像，其中，第一监测图像为所述第一摄像机构拍摄的巡检车前方视角的图像；步骤s21：对第一监测图像进行人物检测，判断第一监测图像中是否存在待定工作人员，其中，每个户外环卫工作人员穿统一制服；若第一监测图像中存在待定工作人员，执行步骤s31：判断第一监测图像中是否存在所述待定工作人员的人脸图像；若第一监测图像中存在所述待定工作人员的人脸图像，执行步骤s41：将所述待定工作人员的人脸图像输入至预设的人脸识别模型中进行人脸识别，确定出所述待定工作人员的身份信息；若第一监测图像中不存在所述待定工作人员的人脸图像，执行步骤s42：获取下一时刻的第一监测图像，并基于下一时刻的第一监测图像执行步骤s21，其中，下一时刻的第一监测图像与当前时刻的第一监测图像之间间隔k帧；确定出所述待定工作人员的身份信息后，执行步骤s51：基于所述身份
信息更新目标户外环卫工作人员的考勤状态。
7.在本技术实施例中，通过在巡检车上安装监测装置：第一摄像机构安装在巡检车的前方，且第一摄像机构和通讯模块均与控制模块连接，通讯模块还与服务器通信，用于拍摄的巡检车前方视角的图像(即第一监测图像)，利用通讯模块还传送给服务器，而服务器则在获取到第一监测图像后进行人物检测，判断是否存在待定工作人员的人脸图像，若存在，则利用预设的人脸识别模型中进行人脸识别，确定出待定工作人员的身份信息；若不存在，则获取下一时刻的第一监测图像，进行下一个监测循环。由此，可以利用巡检车(例如环卫车、路面喷雾车、清洁车等)搭载监测装置，利用巡检车的工作规划(对企业内所有户外工作人员的工作区域进行巡检)，在其完成巡检任务的同时，利用搭载的监测装置实时监测，结合人脸识别技术实现对户外环卫工作人员的动态考勤，极大地降低了户外环卫工作人员的考勤成本，有效提升企业效益。
8.结合第一方面，在第一方面的第一种可能的实现方式中，所述监测装置还包括第二摄像机构，所述第二摄像机构安装在所述巡检车的右侧方，且与所述控制模块连接，若第一监测图像中不存在待定工作人员，执行步骤s32，步骤s32包括：步骤s321：判断上一时刻的第一监测图像中是否存在待定工作人员；若上一时刻的第一监测图像中不存在待定工作人员，执行步骤s42；若上一时刻的第一监测图像中存在待定工作人员，执行步骤s322：获取当前时刻的第二监测图像，第二监测图像为所述第二摄像机构拍摄的巡检车右侧方视角的图像；步骤s323：基于第二监测图像进行人物检测；若第二监测图像中不存在待定工作人员，执行步骤s324：获取下一时刻的第二监测图像，下一时刻的第二监测图像与当前时刻的第二监测图像之间间隔k帧，并跳转执行步骤s323；若第二监测图像中存在待定工作人员，执行步骤s325：判断第二监测图像中是否存在所述待定工作人员的人脸图像；若第二监测图像中存在所述待定工作人员的人脸图像，执行步骤s326：将所述待定工作人员的人脸图像输入至预设的人脸识别模型中进行人脸识别，确定出所述待定工作人员的身份信息；若第二监测图像中不存在所述待定工作人员的人脸图像，执行步骤s324。
9.在该实现方式中，对于第一监测图像中不存在待定工作人员的情况，首先判断上一时刻的第一监测图像中是否存在待定工作人员，若上一时刻的第一监测图像中不存在待定工作人员，执行步骤s42(进行下一个监测循环)；若上一时刻的第一监测图像中存在待定工作人员，则执行步骤s322：获取当前时刻的第二监测图像(第二摄像机构拍摄的巡检车右侧方视角的图像)，利用第二监测图像，换个视角对户外环卫工作人员进行人物检测和人脸识别，从而能够从多角度的方式对户外环卫工作人员进行人脸识别(且考虑到户外环卫工作人员的工作情况，通常位于右侧方，具有更高概率识别成功)，提高人脸识别的成功率，降低误判率。且对于触发条件：先从第一监测图像(即前方视角的图像)识别到存在户外环卫工作人员(有特定制服，容易快速识别)，但没有识别出身份(人员图像内不包含人脸图像，或者人脸图像不全)，而又从下一时刻的第一监测图像中消失，说明巡检车在前进过程中，大概率是户外环卫工作人员从前方视角逐渐到了车身侧方的视角(可以拍摄到前向站立或行走的户外环卫工作人员的人脸)，此时利用第二监测图像进行人物识别和人脸监测，更易识别成功。
10.结合第一方面的第一种可能的实现方式，在第一方面的第二种可能的实现方式中，第二监测图像中不存在待定工作人员时，在执行步骤s324之前，所述方法还包括：步骤
s327：判断第二监测图像中不存在待定工作人员的连续次数是否达到n次；若达到n次，结束步骤s32的循环；若未达到n次，执行步骤s324。
11.在该实现方式中，设计第二监测图像的监测循环的结束条件(若无法识别脸部信息)，避免陷入长期的循环导致运行效率低下，节约计算资源。
12.结合第一方面，在第一方面的第三种可能的实现方式中，所述监测装置还包括定位模块，所述定位模块与所述控制模块连接，在获取任一时刻的第一监测图像后，所述方法还包括步骤s22：步骤s22具体包括：步骤s221：对第一监测图像进行边缘绿化带检测，得到揭示边缘绿化带是否已经修剪的检测结果；步骤s222：获取与此第一监测图像同时刻的定位信息，利用定位信息和检测结果构建作业单元；步骤s223：基于定位信息将作业单元归集到目标户外环卫工作人员的作业单元集合中，其中，每组户外环卫工作人员具有互不相交的工作区域；步骤s224：基于目标户外环卫工作人员的作业单元集合中所有的作业单元，对目标户外环卫工作人员的工作情况进行评估，得到评估结果。
13.在该实现方式中，利用第一监测图像可以实现边缘绿化带检测，对于被安排为修剪边缘绿化带的户外环卫工作人员，可以实现工作进度的监测，结合定位信息，可以构建作业单元，归集到目标户外环卫工作人员的作业单元集合中，实现对目标户外环卫工作人员的工作情况评估。
14.结合第一方面，或者结合第一方面的第一种至第三种中任一可能的实现方式，在第一方面的第四种可能的实现方式中，步骤s31：判断第一监测图像中是否存在所述待定工作人员的人脸图像，具体包括：步骤s311：对第一监测图像进行裁切，得到设定尺寸的包含待定工作人员的人员图像；步骤s312：将人员图像输入预设的人脸检测模型中，获得用于揭示人员图像中是否存在人脸的人脸检测结果，其中，所述人脸检测模型用于对人员图像进行滑窗取像，然后对每个滑窗图像进行分类，确定是否存在分类为人脸的滑窗图像，若存在分类为人脸的滑窗图像，则输出表示存在人脸的人脸检测结果，若不存在分类为人脸的滑窗图像，则输出表示不存在人脸的人脸检测结果。
15.在该实现方式中，对第一监测图像进行裁切，得到设定尺寸的包含待定工作人员的人员图像；将人员图像输入预设的人脸检测模型中，人脸检测模型对人员图像进行滑窗取像，然后对每个滑窗图像进行分类，确定是否存在分类为人脸的滑窗图像，若存在分类为人脸的滑窗图像，则输出表示存在人脸的人脸检测结果，若不存在分类为人脸的滑窗图像，则输出表示不存在人脸的人脸检测结果。由此可以高效地检测人员图像中是否存在人脸，提升检测效率和保证检测精度。
16.结合第一方面的第四种可能的实现方式，在第一方面的第五种可能的实现方式中，所述人脸检测模型包括预处理层、输入层、三通道卷积层、全连接层和输出层，所述预处理层，用于对人员图像进行滑窗处理，得到多个24*24*3的滑窗图像，并将24*24*3的滑窗图像输入至所述输入层，其中，人员图像的尺寸为192*192的三通道彩色图像，滑窗尺寸为24*24，滑窗的滑移步长为6，滑窗从人员图像的左上角起始；所述输入层，用于将所述滑窗图像中三个通道的通道图像分别对应输入三通道卷积层的卷积通道中；三通道卷积层的每个卷积通道，用于对输入本卷积通道的通道图像进行多次卷积处理，得到一个特征向量，并将特征向量输入所述全连接层中；所述全连接层，用于将三个特征向量进行融合，得到一个一维向量，并将一维向量输入所述输出层；所述输出层，用于将一维向量进行二分类映射，输出
分类结果，所述分类结果即人脸检测结果，用于揭示滑窗图像中是否存在人脸。
17.在该实现方式中，设计的此种人脸检测模型，可以利用卷积神经网络对输入的滑窗图像进行多通道卷积，能够考虑到身穿统一工作制服的户外环卫工作人员这个因素，利用多通道卷积技术提取特征，能够考虑到图像的色彩信息，从而能够在轻量化模型结构的同时，利用二分类大大降低误识别率，保证人脸检测的精度，从而快速精准地检测人员图像中是否存在人脸。
18.结合第一方面的第五种可能的实现方式，在第一方面的第六种可能的实现方式中，步骤s41：将所述待定工作人员的人脸图像输入至预设的人脸识别模型中进行人脸识别，确定出所述待定工作人员的身份信息，具体包括：步骤s411：将人脸检测结果表示存在人脸的多个滑窗图像进行关联分析，确定出来源于所述待定工作人员的多个目标滑窗图像；步骤s412：基于多个目标滑窗图像与人员图像的关系，确定出人脸在人员图像中的中心坐标；步骤s413：以中心坐标为中心，从人员图像中裁切48*48*3的图像作为人脸图像；步骤s414：将48*48*3的人脸图像输入至预设的人脸识别模型中进行人脸识别，确定出所述待定工作人员的身份信息。
19.在该实现方式中，将人脸检测结果表示存在人脸的多个滑窗图像进行关联分析，确定出来源于待定工作人员的多个目标滑窗图像；然后确定出人脸在人员图像中的中心坐标；以中心坐标为中心，从人员图像中裁切48*48*3的图像作为人脸图像；将48*48*3的人脸图像输入至预设的人脸识别模型中进行人脸识别，确定出待定工作人员的身份信息。这样能够考虑到滑窗检测过程中裁切滑窗图像时的人脸不完整(但可识别为存在人脸)的情况，利用多张目标滑窗图像确定中心坐标，可以避免人脸被裁切为不完整人脸的情况，有利于保证人脸识别的准确性。
20.结合第一方面的第六种可能的实现方式，在第一方面的第七种可能的实现方式中，预设的人脸识别模型包括模型输入层、三个特征提取通道、模型全连接层和模型输出层，每个特征提取通道包括多组交错设置的卷积层和池化层，模型输入层，用于接收48*48*3的人脸图像，并将人脸图像的三个通道图像分别输入对应的特征提取通道中；每个特征提取通道，用于对输入本特征提取通道的通道图像进行卷积处理和池化处理，得到通道特征图，并将所述通道特征图输入模型全连接层；模型全连接层，用于对三个通道特征图进行融合展平，得到一个一维向量，并将此一维向量输入至模型输出层；模型输出层，用于将输入的一维向量映射到每个类别中，并输出人脸识别结果，其中，每个类别表征一个户外环卫工作人员的人脸特征向量，人脸识别结果为概率最高且达到阈值的类别所对应的目标户外环卫工作人员。
21.在该实现方式中，设计此种人脸识别模型，将所有员工分别作为分类时的一个类别，可以利用简单的模型结构实现高精度的识别，从而快速准确地识别人脸图像中户外环卫工作人员的身份信息。
22.第二方面，本技术实施例提供一种户外环卫工作人员的考勤系统，包括服务器和监测装置，所述监测装置安装在巡检车上，包括控制模块、通讯模块、第一摄像机构，所述第一摄像机构和所述通讯模块均与所述控制模块连接，所述第一摄像机构安装在所述巡检车的前方，用于拍摄的巡检车前方视角的图像；所述通讯模块与服务器通信；所述服务器，用于执行第一方面或第一方面的可能的实现方式中任一项所述的户外环卫工作人员的考勤
方法。
23.第三方面，本技术实施例提供一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行第一方面或第一方面的可能的实现方式中任一项所述的户外环卫工作人员的考勤方法。
24.为使本技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
25.为了更清楚地说明本技术实施例的技术方案，下面将对本技术实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
26.图1为本技术实施例提供的一种户外环卫工作人员的考勤系统的示意图。
27.图2为本技术实施例提供的一种户外环卫工作人员的考勤方法的整体流程框图。
28.图3为本技术实施例提供的人脸检测模型的示意图。
29.图4为本技术实施例提供的人脸识别模型的示意图。
30.图标：10-户外环卫工作人员的考勤系统；11-监测装置；111-控制模块；112-通讯模块；113-第一摄像机构；114-第二摄像机构；115-定位模块；12-服务器；20-巡检车。
具体实施方式
31.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行描述。
32.请参阅图1，图1为本技术实施例提供的一种户外环卫工作人员的考勤系统10的示意图。在本实施例中，户外环卫工作人员的考勤系统10可以包括监测装置11和服务器12。
33.监测装置11可以安装在巡检车20(例如环卫车、路面喷雾车、清洁车等)上，监测装置11包括控制模块111、通讯模块112、第一摄像机构113、第二摄像机构114、定位模块115。
34.第一摄像机构113、第二摄像机构114、定位模块115和通讯模块112均与控制模块111连接，第一摄像机构113安装在巡检车20的前方，用于拍摄的巡检车20前方视角的图像(第一监测图像)；第二摄像机构114安装在巡检车20的右侧方，用于拍摄的巡检车20右侧方视角的图像(第二监测图像)；控制模块111、定位模块115(用于获取定位信息)和通讯模块112安装在监测装置11的壳体内，通讯模块112与服务器12通信，控制模块111可以控制通讯模块112将第一监测图像、第二监测图像和定位信息发送给服务器12。而服务器12可以执行本实施例的户外环卫工作人员的考勤方法，以低成本的方式实现对户外环卫工作人员的动态考勤。
35.请参阅图2，图2为本技术实施例提供的一种户外环卫工作人员的考勤方法的流程图。
36.在本实施例中，为了实现户外环卫工作人员的考勤，监测装置11的第一摄像机构113和第二摄像机构114可以拍摄视频图像(作为服务器12获取第一监测图像和第二监测图像的来源)，而定位模块115则可以按设定频率实时采集定位信息。
37.基于此，服务器12可以执行步骤s11。
38.步骤s11：获取当前时刻的第一监测图像，其中，第一监测图像为所述第一摄像机构113拍摄的巡检车20前方视角的图像。
39.示例性的，服务器12获取第一监测图像的频率可以是每秒获取1～5次，可以基于不同道路场景的实际情况进行设定。
40.获取当前时刻的第一监测图像后，服务器12可以执行步骤s21。
41.步骤s21：对第一监测图像进行人物检测，判断第一监测图像中是否存在待定工作人员，其中，每个户外环卫工作人员穿统一制服。
42.在本实施例中，每个户外环卫工作人员穿统一制服(例如橙黄色服装结合简单易识别的图案)，服务器12可以对第一监测图像进行人物检测，判断第一监测图像中是否存在待定工作人员。本实施例中进行人物检测，主要是利用户外环卫工作人员的统一制服的颜色和图案进行检测，对于此种检测任务，现有的检测方式已经可以做到非常成熟和轻量化(例如以yolo为代表的轻量级检测模型，或者以图像轮廓结合色彩的检测方式)，此处不做赘述。
43.由此可以获得人物检测结果，以便服务器12判断第一监测图像中是否存在待定工作人员。
44.针对第一监测图像中存在待定工作人员的情况，服务器12可以执行步骤s31。
45.步骤s31：判断第一监测图像中是否存在所述待定工作人员的人脸图像。
46.在本实施例中，为了判断第一监测图像中是否存在待定工作人员的人脸图像，服务器12可以通过人脸检测的方式来判断。
47.示例性的，服务器12可以通过步骤s311和步骤s312来实现。
48.步骤s311：对第一监测图像进行裁切，得到设定尺寸的包含待定工作人员的人员图像。
49.首先，服务器12可以对第一监测图像进行裁切，得到设定尺寸的包含待定工作人员的人员图像。例如，获取待定工作人员在第一监测图像中的检测结果，计算人员中心坐标，再以人员中心坐标为中心点，从第一监测图像中裁切出设定尺寸的包含待定工作人员的人员图像。例如，设定尺寸为192*192，而监测图像为三通道彩色图像，因此，得到的人员图像为192*192*3的图像。
50.得到人员图像后，服务器12可以执行步骤s312。
51.步骤s312：将人员图像输入预设的人脸检测模型中，获得用于揭示人员图像中是否存在人脸的人脸检测结果，其中，所述人脸检测模型用于对人员图像进行滑窗取像，然后对每个滑窗图像进行分类，确定是否存在分类为人脸的滑窗图像，若存在分类为人脸的滑窗图像，则输出表示存在人脸的人脸检测结果，若不存在分类为人脸的滑窗图像，则输出表示不存在人脸的人脸检测结果。
52.在本实施例中，由于本方案中，人脸检测任务与人脸识别任务是分开的(因为实际监测中，巡检车20从后方向前方行驶，位于侧前方的户外环卫工作人员通常是背对或侧背向第一摄像机构113的，有较多机会拍摄到不含人脸的图像，因此做了任务分割，减少无效的人脸识别任务部分)。如图3所示，人脸检测模型可以设计为：
53.人脸检测模型可以包括预处理层、输入层、三通道卷积层(每个卷积通道包含2～3个卷积层)、全连接层和输出层。
54.预处理层，用于对人员图像进行滑窗处理，得到多个24*24*3的滑窗图像，并将24*24*3的滑窗图像输入至所述输入层，其中，人员图像的尺寸为192*192的三通道彩色图像，滑窗尺寸为24*24，滑窗的滑移步长为6(水平滑移间隔6个元素，在需要换行进行纵向滑移时，步长同样为6个元素)，滑窗从人员图像的左上角起始。
55.而输入层则用于将滑窗图像中三个通道的通道图像分别对应输入三通道卷积层的卷积通道中。
56.三通道卷积层的每个卷积通道，用于对输入本卷积通道的通道图像进行多次卷积处理，得到一个特征向量(例如得到1*1*64的特征向量)，并将特征向量输入全连接层中。
57.全连接层则用于将三个特征向量进行融合(例如串联融合)，得到一个一维向量(1*1*192的向量)，并将一维向量输入输出层。
58.输出层则可以将一维向量(此1*1*192的向量)进行二分类映射，输出分类结果(本质是存在人脸或不存在人脸的概率)，分类结果即人脸检测结果，用于揭示滑窗图像中是否存在人脸。
59.由此可以高效地检测人员图像中是否存在人脸，提升检测效率和保证检测精度。而设计的此种人脸检测模型，可以利用卷积神经网络对输入的滑窗图像进行多通道卷积，能够考虑到身穿统一工作制服的户外环卫工作人员这个因素，利用多通道卷积技术提取特征，能够考虑到图像的色彩信息，从而能够在轻量化模型结构的同时，利用二分类大大降低误识别率，保证人脸检测的精度，从而快速精准地检测人员图像中是否存在人脸。
60.基于此，服务器12可以判断第一监测图像中是否存在待定工作人员的人脸图像。
61.若第一监测图像中存在待定工作人员的人脸图像，服务器12可以执行步骤s41。
62.步骤s41：将所述待定工作人员的人脸图像输入至预设的人脸识别模型中进行人脸识别，确定出所述待定工作人员的身份信息。
63.在本实施例中，若第一监测图像中存在待定工作人员的人脸图像，服务器12可以将待定工作人员的人脸图像输入至预设的人脸识别模型中进行人脸识别。本实施例中步骤s41可以包括步骤s411、步骤s412、步骤s413和步骤s414。
64.示例性的，为了利用预设的人脸识别模型实现人脸识别，此处需要先得到人脸识别模型的输入图像(即人脸图像)。那么，服务器12可以执行步骤s411。
65.步骤s411：将人脸检测结果表示存在人脸的多个滑窗图像进行关联分析，确定出来源于所述待定工作人员的多个目标滑窗图像。
66.在本实施例中，服务器12可以将人脸检测结果表示存在人脸的多个滑窗图像(来源于同一个人员图像分割的滑窗)进行关联分析，将滑窗图像的序号上具有左右连续性或上下连续性的存在人脸的滑窗图像确定为目标滑窗图像，由此可以确定出至少一个目标滑窗图像(通常是多个)。
67.确定出多个目标滑窗图像后，服务器12可以执行步骤s412。
68.步骤s412：基于多个目标滑窗图像与人员图像的关系，确定出人脸在人员图像中的中心坐标。
69.在本实施例中，服务器12可以基于多个目标滑窗图像与人员图像的关系，确定出人脸在人员图像中的中心坐标。
70.示例性的，由于每个目标滑窗图像具有序号(可以定位到滑窗图像在人员图像中
的位置)，因此，服务器12可以确定出每个目标滑窗图像的滑窗中心坐标。得到每个目标滑窗图像的滑窗中心坐标后，服务器12可以基于目标滑窗图像的人脸检测结果(包含存在人脸的概率)，将目标滑窗图像对应的概率，作为权重影响参数，结合滑窗中心坐标，来计算最终的中心坐标。具体可以采用以下公式计算：
[0071][0072][0073]
其中，c(x，y)表示最终的中心坐标，ci(xi，yi)表示第i个目标滑窗图像的滑窗中心坐标，ρi表示第i个目标滑窗图像的权重系数，pi表示第i个目标滑窗图像的存在人脸的概率，m为目标滑窗图像的总数。
[0074]
此种方式，可以利用目标滑窗图像对应的概率来计算权重系数，使得目标滑窗图像的滑窗中心坐标可以根据其概率分配权重(脸部图像在滑窗图像中的占比会影响识别为人脸的概率，且绝大多数情况下呈正相关，滑窗图像中人脸的部分占比越高，越容易识别为人脸)，而上下左右部分切分时的概率是大致相当的，因此可以利用此种设计的算法计算目标滑窗图像的权重系数，从而进一步计算最终的中心坐标，提升最终的中心坐标与图像中人脸中心的接近程度，从而利于裁切人脸图像，便于准确识别人脸特征，确定户外环卫工作人员的身份信息。
[0075]
得到人脸在人员图像中的中心坐标后，服务器12可以执行步骤s413。
[0076]
步骤s413：以中心坐标为中心，从人员图像中裁切48*48*3的图像作为人脸图像。
[0077]
在本实施例中，服务器12可以以中心坐标为中心，从人员图像中裁切48*48的图像作为人脸图像(由于三通道，因此人脸图像为48*48*3的图像)。
[0078]
这样能够考虑到滑窗检测过程中裁切滑窗图像时的人脸不完整(但可识别为存在人脸)的情况，利用多张目标滑窗图像确定中心坐标，可以避免人脸被裁切为不完整人脸的情况，有利于保证人脸识别的准确性。
[0079]
裁切得到人脸图像后，服务器12可以执行步骤s414。
[0080]
步骤s414：将48*48*3的人脸图像输入至预设的人脸识别模型中进行人脸识别，确定出所述待定工作人员的身份信息。
[0081]
请参阅图4，在本实施例中，人脸识别模型可以包括模型输入层、三个特征提取通道、模型全连接层和模型输出层。每个特征提取通道包括多组交错设置的卷积层和池化层(可以取3～4组)。
[0082]
模型输入层可以用于接收48*48*3的人脸图像，并将人脸图像的三个通道图像分别输入对应的特征提取通道中。
[0083]
每个特征提取通道则用于对输入本特征提取通道的通道图像进行卷积处理和池化处理，得到通道特征图，并将通道特征图输入模型全连接层。
[0084]
模型全连接层可以用于对三个通道特征图进行融合展平，得到一个一维向量，并将此一维向量输入至模型输出层。
[0085]
而模型输出层可以将输入的一维向量映射到每个类别中，并输出人脸识别结果，其中，每个类别表征一个户外环卫工作人员的人脸特征向量，人脸识别结果为概率最高且达到阈值的类别所对应的目标户外环卫工作人员。
[0086]
基于此，服务器12可以利用人脸识别模型确定出待定工作人员的身份信息。
[0087]
设计此种人脸识别模型，将所有员工分别作为分类时的一个类别，可以利用简单的模型结构实现高精度的识别，从而快速准确地识别人脸图像中户外环卫工作人员的身份信息。
[0088]
而针对第一监测图像中不存在待定工作人员的人脸图像的情况，服务器12可以执行步骤s42。
[0089]
步骤s42：获取下一时刻的第一监测图像，并基于下一时刻的第一监测图像执行步骤s21，其中，下一时刻的第一监测图像与当前时刻的第一监测图像之间间隔k帧。
[0090]
在本实施例中，第一监测图像中不存在待定工作人员的人脸图像时，服务器12可以获取下一时刻的第一监测图像(若是第一摄像机构113拍摄的视频文件，则服务器12获取的下一时刻的第一监测图像与当前时刻的第一监测图像之间间隔k帧)，进入关于第一监测图像的下一个监测循环。
[0091]
对于第一监测图像中不存在待定工作人员的情况，服务器12可以执行步骤s32。步骤s32可以具体包括步骤s321、步骤s322、步骤s323、步骤s324、步骤s325、步骤s326、步骤s327。
[0092]
在本实施例中，若第一监测图像中不存在待定工作人员，服务器12可以执行步骤s321。
[0093]
步骤s321：判断上一时刻的第一监测图像中是否存在待定工作人员；若上一时刻的第一监测图像中不存在待定工作人员，执行步骤s42。
[0094]
在本实施例中，服务器12可以判断上一时刻的第一监测图像中是否存在待定工作人员，若不存在待定工作人员，说明当前阶段不属于待定工作人员从第一摄像机构113的视野中消失的情况。那么，服务器12可以执行步骤s42，即获取下一时刻的第一监测图像，并基于下一时刻的第一监测图像执行步骤s21，进入基于第一监测图像的下一个监测循环内。
[0095]
若上一时刻的第一监测图像中存在待定工作人员，那么服务器12可以执行步骤s322。
[0096]
步骤s322：获取当前时刻的第二监测图像，第二监测图像为所述第二摄像机构114拍摄的巡检车20右侧方视角的图像。
[0097]
在本实施例中，服务器12可以获取当前时刻的第二监测图像(第二摄像机构114拍摄的巡检车20右侧方视角的图像)，进一步执行步骤s323。
[0098]
步骤s323：基于第二监测图像进行人物检测。
[0099]
在本实施例中，服务器12可以基于第二监测图像进行人物检测，获得对应的检测结果。对第二监测图像进行人物检测的方式可以参照前文对第一监测图像进行人物检测的介绍，此处不再赘述。
[0100]
若检测结果表示第二监测图像中不存在待定工作人员，服务器12可以执行步骤s324。
[0101]
步骤s324：获取下一时刻的第二监测图像，下一时刻的第二监测图像与当前时刻的第二监测图像之间间隔k帧，并跳转执行步骤s323。
[0102]
在本实施例中，若第二监测图像中不存在待定工作人员，服务器12可以获取下一时刻的第二监测图像(与当前时刻的第二监测图像之间间隔k帧)，然后利用获取的下一时
刻的第二监测图像，跳转到步骤s323并执行。
[0103]
若检测结果表示第二监测图像中存在待定工作人员，服务器12可以执行步骤s325。
[0104]
步骤s325：判断第二监测图像中是否存在所述待定工作人员的人脸图像。
[0105]
在本实施例中，若第二监测图像中存在待定工作人员，服务器12可以进一步判断第二监测图像中是否存在待定工作人员的人脸图像。
[0106]
此处采用的方式可以参照前文利用预设的人脸检测模型对第一监测图像进行人脸检测(监测是否存在人脸的情况)的方式，不同之处在于人脸检测模型(独立于对第一监测图像取得的人员图像进行人脸检测的模型)设计上有一定差异，在取人员图像时，尺寸按照384*384的尺寸取，而预处理层的滑窗尺寸设计为48*48，滑窗的步长设计为12(水平滑移间隔12个元素，在需要换行进行纵向滑移时，步长同样为12个元素)，由此取得48*48*3的滑窗图像作为输入。三通道卷积层的卷积单元数量可以设计为3个，每个卷积通道对输入的通道图像进行卷积处理后可以得到一个特征向量(例如得到1*1*64的特征向量)。其余部分相较于对192*192的人员图像进行人脸检测的人脸检测模型也是无变化或者适应性调整，此处不再赘述。
[0107]
由此，服务器12可以获得对第二监测图像的检测结果，然后判断第二监测图像中存在待定工作人员的人脸图像。
[0108]
若第二监测图像中存在待定工作人员的人脸图像，可以执行步骤s326。
[0109]
步骤s326：将所述待定工作人员的人脸图像输入至预设的人脸识别模型中进行人脸识别，确定出所述待定工作人员的身份信息。
[0110]
在本实施例中，服务器12可以将待定工作人员的人脸图像输入至预设的人脸识别模型中进行人脸识别，确定出待定工作人员的身份信息。
[0111]
此处的方式，可以参阅前文对预设的人脸识别模型(对来源于第一监测图像中人员图像的尺寸为48*48*3的人脸图像)，具体步骤上的差异在于，从第二监测图像中人员图像(384*384)中取人脸图像时，取的尺寸为96*96*3，而此处的人脸识别模型(对96*96*3的人脸图像进行人脸识别)独立于前文的人脸识别模型(对48*48*3的人脸图像进行人脸识别)，在模型的设计上略有差异(在卷积层的设计上可以多设置一组卷积层和池化层，以得到通道特征图，并将通道特征图输入模型全连接层，对三个通道特征图进行融合展平，得到一个一维向量，并将此一维向量输入至模型输出层，实现人脸识别)，此处不再赘述。
[0112]
若第二监测图像中不存在待定工作人员的人脸图像，服务器12可以执行步骤s327。
[0113]
步骤s327：判断第二监测图像中不存在待定工作人员的连续次数是否达到n次；若达到n次，结束步骤s32的循环；若未达到n次，执行步骤s324。
[0114]
对于第一监测图像中不存在待定工作人员的情况，首先判断上一时刻的第一监测图像中是否存在待定工作人员，若上一时刻的第一监测图像中不存在待定工作人员，执行步骤s42(进行下一个监测循环)；若上一时刻的第一监测图像中存在待定工作人员，则执行步骤s322：获取当前时刻的第二监测图像(第二摄像机构114拍摄的巡检车20右侧方视角的图像)，利用第二监测图像，换个视角对户外环卫工作人员进行人物检测和人脸识别，从而能够从多角度的方式对户外环卫工作人员进行人脸识别(且考虑到户外环卫工作人员的工
作情况，通常位于右侧方，具有更高概率识别成功)，提高人脸识别的成功率，降低误判率。且对于触发条件：先从第一监测图像(即前方视角的图像)识别到存在户外环卫工作人员(有特定制服，容易快速识别)，但没有识别出身份(人员图像内不包含人脸图像，或者人脸图像不全)，而又从下一时刻的第一监测图像中消失，说明巡检车20在前进过程中，大概率是户外环卫工作人员从前方视角逐渐到了车身侧方的视角(可以拍摄到前向站立或行走的户外环卫工作人员的人脸)，此时利用第二监测图像进行人物识别和人脸监测，更易识别成功。设计第二监测图像的监测循环的结束条件(若无法识别脸部信息)，避免陷入长期的循环导致运行效率低下，节约计算资源。
[0115]
另外，对于户外环卫工作人员的工作任务划分为修建边缘绿化带的情况，在获取任一时刻的第一监测图像后，服务器12还可以执行与步骤s21平行的步骤s22。步骤s22具体包括：步骤s221、步骤s222、步骤s223、步骤s224。
[0116]
示例性的，服务器12可以执行步骤s221。
[0117]
步骤s221：对第一监测图像进行边缘绿化带检测，得到揭示边缘绿化带是否已经修剪的检测结果。
[0118]
在本实施例中，服务器12可以对第一监测图像进行边缘绿化带检测，进行图像检测和轮廓检测，确定出边缘绿化带的边缘轮廓，然后计算边缘轮廓的毛刺数量，从而判断边缘绿化带是否已修剪。
[0119]
确定出边缘绿化带的检测结果后，服务器12可以执行步骤s222。
[0120]
步骤s222：获取与此第一监测图像同时刻的定位信息，利用定位信息和检测结果构建作业单元。
[0121]
在本实施例中，服务器12可以获取与此第一监测图像同时刻的定位信息，然后建立定位信息与检测结果之间的关联关系，构建作业单元(揭示此位置的边缘绿化带是否已经修剪)。
[0122]
构建作业单元后，服务器12可以执行步骤s223。
[0123]
步骤s223：基于定位信息将作业单元归集到目标户外环卫工作人员的作业单元集合中，其中，每组户外环卫工作人员具有互不相交的工作区域。
[0124]
服务器12可以基于定位信息，确定出此位置属于哪个户外环卫工作人员的工作区域(每组户外环卫工作人员具有互不相交的工作区域，一组户外环卫工作人员可以为一个或多个，具体根据任务类型来确定)，将所属的户外环卫工作人员确定为目标户外环卫工作人员。之后，服务器12可以将此作业单元归集到目标户外环卫工作人员的作业单元集合中。
[0125]
那么，当一个户外环卫工作人员的作业单元集合已经收集完成后(可以通过定位信息是否仍属于此户外环卫工作人员的工作区域来确定)，服务器12可以执行步骤s224。
[0126]
步骤s224：基于目标户外环卫工作人员的作业单元集合中所有的作业单元，对目标户外环卫工作人员的工作情况进行评估，得到评估结果。
[0127]
在本实施例中，服务器12可以基于目标户外环卫工作人员的作业单元集合中所有的作业单元，对目标户外环卫工作人员的工作情况进行评估，得到评估结果。例如，利用作业单元集合中表示已经完成工作的作业单元数量除以作业单元的总数量，得到工作完成率。
[0128]
利用第一监测图像可以实现边缘绿化带检测，对于被安排为修剪边缘绿化带的户
外环卫工作人员，可以实现工作进度的监测，结合定位信息，可以构建作业单元，归集到目标户外环卫工作人员的作业单元集合中，实现对目标户外环卫工作人员的工作情况评估。
[0129]
当确定出待定工作人员的身份信息后(例如通过对第一监测图像的人脸识别确定出，或者通过对第二监测图像的人脸识别确定出)，服务器12可以执行步骤s51。
[0130]
步骤s51：基于身份信息更新目标户外环卫工作人员的考勤状态。
[0131]
在本实施例中，服务器12可以基于身份信息，更新目标户外环卫工作人员的考勤状态。由此可以实现户外环卫工作人员的低成本动态考勤。
[0132]
另外，为了提高考勤的精度，每天可以安排多轮考勤，从而基于多次的考勤结果，精准地确定户外环卫工作人员的实际工作状态，此处不作限定。
[0133]
本技术实施例还提供一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行户外环卫工作人员的考勤方法。
[0134]
综上所述，本技术实施例提供一种户外环卫工作人员的考勤方法、系统及存储介质，通过在巡检车20上安装监测装置11：第一摄像机构113安装在巡检车20的前方，且第一摄像机构113和通讯模块112均与控制模块111连接，通讯模块112还与服务器12通信，用于拍摄的巡检车20前方视角的图像(即第一监测图像)，利用通讯模块112还传送给服务器12，而服务器12则在获取到第一监测图像后进行人物检测，判断是否存在待定工作人员的人脸图像，若存在，则利用预设的人脸识别模型中进行人脸识别，确定出待定工作人员的身份信息；若不存在，则获取下一时刻的第一监测图像，进行下一个监测循环。由此，可以利用巡检车20(例如环卫车、路面喷雾车、清洁车等)搭载监测装置11，利用巡检车20的工作规划(对企业内所有户外工作人员的工作区域进行巡检)，在其完成巡检任务的同时，利用搭载的监测装置11实时监测，结合人脸识别技术实现对户外环卫工作人员的动态考勤，极大地降低了户外环卫工作人员的考勤成本，有效提升企业效益。
[0135]
在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
[0136]
以上所述仅为本技术的实施例而已，并不用于限制本技术的保护范围，对于本领域的技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。

技术特征：
1.一种户外环卫工作人员的考勤方法，其特征在于，巡检车上安装有监测装置，所述监测装置包括控制模块、通讯模块、第一摄像机构，所述第一摄像机构安装在所述巡检车的前方，且所述第一摄像机构和所述通讯模块均与所述控制模块连接，所述通讯模块还与服务器通信，所述方法应用于服务器，包括：步骤s11：获取当前时刻的第一监测图像，其中，第一监测图像为所述第一摄像机构拍摄的巡检车前方视角的图像；步骤s21：对第一监测图像进行人物检测，判断第一监测图像中是否存在待定工作人员，其中，每个户外环卫工作人员穿统一制服；若第一监测图像中存在待定工作人员，执行步骤s31：判断第一监测图像中是否存在所述待定工作人员的人脸图像；若第一监测图像中存在所述待定工作人员的人脸图像，执行步骤s41：将所述待定工作人员的人脸图像输入至预设的人脸识别模型中进行人脸识别，确定出所述待定工作人员的身份信息；若第一监测图像中不存在所述待定工作人员的人脸图像，执行步骤s42：获取下一时刻的第一监测图像，并基于下一时刻的第一监测图像执行步骤s21，其中，下一时刻的第一监测图像与当前时刻的第一监测图像之间间隔k帧；确定出所述待定工作人员的身份信息后，执行步骤s51：基于所述身份信息更新目标户外环卫工作人员的考勤状态。2.根据权利要求1所述的户外环卫工作人员的考勤方法，其特征在于，所述监测装置还包括第二摄像机构，所述第二摄像机构安装在所述巡检车的右侧方，且与所述控制模块连接，若第一监测图像中不存在待定工作人员，执行步骤s32，步骤s32包括：步骤s321：判断上一时刻的第一监测图像中是否存在待定工作人员；若上一时刻的第一监测图像中不存在待定工作人员，执行步骤s42；若上一时刻的第一监测图像中存在待定工作人员，执行步骤s322：获取当前时刻的第二监测图像，第二监测图像为所述第二摄像机构拍摄的巡检车右侧方视角的图像；步骤s323：基于第二监测图像进行人物检测；若第二监测图像中不存在待定工作人员，执行步骤s324：获取下一时刻的第二监测图像，下一时刻的第二监测图像与当前时刻的第二监测图像之间间隔k帧，并跳转执行步骤s323；若第二监测图像中存在待定工作人员，执行步骤s325：判断第二监测图像中是否存在所述待定工作人员的人脸图像；若第二监测图像中存在所述待定工作人员的人脸图像，执行步骤s326：将所述待定工作人员的人脸图像输入至预设的人脸识别模型中进行人脸识别，确定出所述待定工作人员的身份信息；若第二监测图像中不存在所述待定工作人员的人脸图像，执行步骤s324。3.根据权利要求2所述的户外环卫工作人员的考勤方法，其特征在于，第二监测图像中不存在待定工作人员时，在执行步骤s324之前，所述方法还包括：步骤s327：判断第二监测图像中不存在待定工作人员的连续次数是否达到n次；若达到n次，结束步骤s32的循环；
若未达到n次，执行步骤s324。4.根据权利要求1所述的户外环卫工作人员的考勤方法，其特征在于，所述监测装置还包括定位模块，所述定位模块与所述控制模块连接，在获取任一时刻的第一监测图像后，所述方法还包括步骤s22：步骤s22具体包括：步骤s221：对第一监测图像进行边缘绿化带检测，得到揭示边缘绿化带是否已经修剪的检测结果；步骤s222：获取与此第一监测图像同时刻的定位信息，利用定位信息和检测结果构建作业单元；步骤s223：基于定位信息将作业单元归集到目标户外环卫工作人员的作业单元集合中，其中，每组户外环卫工作人员具有互不相交的工作区域；步骤s224：基于目标户外环卫工作人员的作业单元集合中所有的作业单元，对目标户外环卫工作人员的工作情况进行评估，得到评估结果。5.根据权利要求1至4中任一项所述的户外环卫工作人员的考勤方法，其特征在于，步骤s31：判断第一监测图像中是否存在所述待定工作人员的人脸图像，具体包括：步骤s311：对第一监测图像进行裁切，得到设定尺寸的包含待定工作人员的人员图像；步骤s312：将人员图像输入预设的人脸检测模型中，获得用于揭示人员图像中是否存在人脸的人脸检测结果，其中，所述人脸检测模型用于对人员图像进行滑窗取像，然后对每个滑窗图像进行分类，确定是否存在分类为人脸的滑窗图像，若存在分类为人脸的滑窗图像，则输出表示存在人脸的人脸检测结果，若不存在分类为人脸的滑窗图像，则输出表示不存在人脸的人脸检测结果。6.根据权利要求5所述的户外环卫工作人员的考勤方法，其特征在于，所述人脸检测模型包括预处理层、输入层、三通道卷积层、全连接层和输出层，所述预处理层，用于对人员图像进行滑窗处理，得到多个24*24*3的滑窗图像，并将24*24*3的滑窗图像输入至所述输入层，其中，人员图像的尺寸为192*192的三通道彩色图像，滑窗尺寸为24*24，滑窗的滑移步长为6，滑窗从人员图像的左上角起始；所述输入层，用于将所述滑窗图像中三个通道的通道图像分别对应输入三通道卷积层的卷积通道中；三通道卷积层的每个卷积通道，用于对输入本卷积通道的通道图像进行多次卷积处理，得到一个特征向量，并将特征向量输入所述全连接层中；所述全连接层，用于将三个特征向量进行融合，得到一个一维向量，并将一维向量输入所述输出层；所述输出层，用于将一维向量进行二分类映射，输出分类结果，所述分类结果即人脸检测结果，用于揭示滑窗图像中是否存在人脸。7.根据权利要求6所述的户外环卫工作人员的考勤方法，其特征在于，步骤s41：将所述待定工作人员的人脸图像输入至预设的人脸识别模型中进行人脸识别，确定出所述待定工作人员的身份信息，具体包括：步骤s411：将人脸检测结果表示存在人脸的多个滑窗图像进行关联分析，确定出来源于所述待定工作人员的多个目标滑窗图像；步骤s412：基于多个目标滑窗图像与人员图像的关系，确定出人脸在人员图像中的中
心坐标；步骤s413：以中心坐标为中心，从人员图像中裁切48*48*3的图像作为人脸图像；步骤s414：将48*48*3的人脸图像输入至预设的人脸识别模型中进行人脸识别，确定出所述待定工作人员的身份信息。8.根据权利要求7所述的户外环卫工作人员的考勤方法，其特征在于，预设的人脸识别模型包括模型输入层、三个特征提取通道、模型全连接层和模型输出层，每个特征提取通道包括多组交错设置的卷积层和池化层，模型输入层，用于接收48*48*3的人脸图像，并将人脸图像的三个通道图像分别输入对应的特征提取通道中；每个特征提取通道，用于对输入本特征提取通道的通道图像进行卷积处理和池化处理，得到通道特征图，并将所述通道特征图输入模型全连接层；模型全连接层，用于对三个通道特征图进行融合展平，得到一个一维向量，并将此一维向量输入至模型输出层；模型输出层，用于将输入的一维向量映射到每个类别中，并输出人脸识别结果，其中，每个类别表征一个户外环卫工作人员的人脸特征向量，人脸识别结果为概率最高且达到阈值的类别所对应的目标户外环卫工作人员。9.一种户外环卫工作人员的考勤系统，其特征在于，包括服务器和监测装置，所述监测装置安装在巡检车上，包括控制模块、通讯模块、第一摄像机构，所述第一摄像机构和所述通讯模块均与所述控制模块连接，所述第一摄像机构安装在所述巡检车的前方，用于拍摄的巡检车前方视角的图像；所述通讯模块与服务器通信；所述服务器，用于执行权利要求1～8中任一项所述的户外环卫工作人员的考勤方法。10.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1～8中任一项所述的户外环卫工作人员的考勤方法。

技术总结
本申请提供一种户外环卫工作人员的考勤方法、系统及存储介质，通过在巡检车上安装监测装置：第一摄像机构安装在巡检车的前方，用于拍摄的巡检车前方视角的图像(即第一监测图像)，而服务器则在获取到第一监测图像后进行人物检测，判断是否存在待定工作人员的人脸图像，若存在，则利用预设的人脸识别模型中进行人脸识别，确定出待定工作人员的身份信息；若不存在，则获取下一时刻的第一监测图像，进行下一个监测循环。由此，在巡检车搭载监测装置，利用巡检车的工作规划，在其完成巡检任务的同时，利用搭载的监测装置实时监测，结合人脸识别技术实现对户外环卫工作人员的动态考勤，极大地降低了户外环卫工作人员的考勤成本，有效提升企业效益。提升企业效益。提升企业效益。


技术研发人员：余斐 姜立峰 梁晓伟 龚小梅 曹宏
受保护的技术使用者：新安洁智能环境技术服务股份有限公司
技术研发日：2022.12.26
技术公布日：2023/7/13