(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210549768.9 (22)申请日 2022.05.17 (71)申请人 中建三局四川建 筑装备有限公司 地址 620564 四川省眉山市仁寿县 视高镇 腾飞大道三段 申请人 中建三局集团有限公司 (72)发明人 侯春明　闫清越　龚怀东　吴余侃　 董欢欢　 (74)专利代理 机构 重庆天成卓越专利代理事务 所(普通合伙) 50240 专利代理师 路宁 (51)Int.Cl. G06F 21/32(2013.01) G06V 40/16(2022.01) G06V 10/44(2022.01) (54)发明名称 云端网络实现突击工实名制快速管理认证 方法 (57)摘要 本发明提出了一种云端网络实现突击工实 名制快速管理认 证方法， 包括如下步骤： S1， 工 人 进入工程现场， 通过云端网络获取工人类型， 针 对突击工人触发身份识别操作； S2， 进行身份识 别操作过程中， 通过人脸识别对若干突击工人进 行身体轮廓采集， 根据外界光线环境调节对比 度； S3， 对获取的若干突击工人的候选框进行滤 波操作， 计算图像算子， 根据突击工人相关度判 断结果进行脸部和身体轮廓识别， 并结合安全帽 采集的身份信息进行双重比对。 权利要求书3页 说明书6页 附图2页 CN 114943069 A 2022.08.26 CN 114943069 A 1.一种云端网络实现突击 工实名制快速管理认证方法， 其特 征在于， 包括如下步骤： S1， 工人进入工程现场， 通过云端网络获取工人类型， 针对突击工人触发身份识别操 作； S2， 进行身份识别操作 过程中， 通过人脸识别 对若干突击工人进行身体轮廓采集， 根据 外界光线环境调节对比度； S3， 对获取的若干突击工人的候选框进行滤波操作， 计算图像算子， 根据突击工人相关 度判断结果进行脸部和身体 轮廓识别， 并结合 安全帽采集的身份信息进行双重比对。 2.根据权利要求1所述的云端网络实现突击工实名制快速管理认证方法， 其特征在于， 所述S1包括： S1‑1， 突击工人来到约定的建设项目后， 即纳入实名制人员管理范围内， 首先提供个人 身份证， 经身份证读取设备读取信息后， 根据云端网络中预存的身份信息， 进 行身份信息匹 配， 获取工人类别， 如果为突击工人则执行录入人脸信息识别、 采集安全帽芯片编号， 完成 突击工人身份认证执行S1 ‑2； 如果为普通工人则不进 行人脸信息识别和安全帽芯片编号采 集； S1‑2， 已录入身份的突击工人将于项目现场进行入场， 经门闸系统识别人帽一致予以 放行并记录入场时间， 否则禁止入场； 突击工人入场后前往指 定区域作业， 整个作业过程将 被附近定位基站定时自动识别所携带的芯片信息， 记录时间地点数据； 作业完成后， 突击工 人前往指定地点进行出场， 经门闸系统识别人帽一致予以放行并记录出场时间， 否则禁止 出场； S1‑3， 如该突击工人连续多天未再次进行入场作业， 则系统自动判定为该人员已退场， 如工人连续三天未到场， 系统自动认定此人员已退场， 退场时间认定为其最后一次出场记 录。 3.根据权利要求1所述的云端网络实现突击工实名制快速管理认证方法， 其特征在于， 所述S2包括： S2‑1， 由于工程现场人员众多， 不同的工种在同一认证设备上进行图像和身份采集， 如 果高效的进行批量采集， 需要对图像候选 框中的人员进行降噪； 排除无效的采集数据， S2‑2， 获取突击 工人的身体 轮廓信息建立身体 轮廓属性 值， 身体轮廓属性值Dbody＝∑ili·μi(x,y)·bi， 其中li为候选框中高度限定值， 使用高度 限定值对明显不符合身高条件的物体进行排除， μi(x,y)为候选框尺寸调节特征因子； bi为 图像帧中的若干备选候选 框选中的图像形成的备选集 合样本数。 4.根据权利要求3所述的云端网络实现突击工实名制快速管理认证方法， 其特征在于， 所述S2还 包括： S2‑3， 获取脸部特征属性值 其中B为脸部特征集 合， Fx,y为脸部图像区域位置数量， Ai为正面脸部图像的差异化参 数， Ci为正面脸部图像的区 分参数， ω为 脸部特征识别权 重， λ为脸部特征判断错 误调节因子 。 5.根据权利要求4所述的云端网络实现突击工实名制快速管理认证方法， 其特征在于， 所述S2还 包括：权　利　要　求　书 1/3 页 2 CN 114943069 A 2S2‑4， 针对人脸特征初值调整脸部与背景的对比度， 因为突击工人的脸部采集是在室 外或者光纤不太稳定的场所， 这就需要将背景色和脸部图像进行对比度调节， 通过阈值调 节之后， 调整为 脸部进行识别的可控 对比度Z； U为背景色实际亮度值， V为脸部实际亮度值， μ为可控亮度调节 阈值， W为预设亮度相似度阈值， 用于判断背景色和脸部亮度的相似度， 从而 进行差异调节； 根据可控对比度Z的值， 判断调节参数σ 的取值， 从而调节脸部和背景之间的对比差异， 从而提高脸部识别率； ΔZ为预设的脸部对比度均值； f(Z ‑ΔZ)为跃迁函数， 用于判断对比度发生较大差异时 进行函数调节， 防止过曝或者过暗， T为 脸部图像采集过程中的噪点影响因子 。 6.根据权利要求1所述的云端网络实现突击工实名制快速管理认证方法， 其特征在于， 所述S3包括： 所述S3包括： S3‑1， 获取到对比度调节之后的脸部图像之后， 对若干脸部图像和身体轮廓图像的候 选框进行滤波处理， 滤波之后提高脸部的识别度和身体轮廓的识别度， 滤波过程也是计算 脸部滤波分值和身体 轮廓分值的过程， 滤波得分g(k,x,y)定义如下： g(k,x,y)＝<m,E(k,x,y),D(k,x,y)>； 其中， m为采 集的脸部 特征集合， E(k,x,y)为脸部特征 获取尺度为k、 所在的坐标为(x,y)的 脸部候选框框缩小为仅采集面部五官的尺度， D(k,x,y)为身体轮廓特征获取尺度为k、 所在的 坐标为(x,y)的身体 轮廓候选 框缩小为仅采集四肢的尺度， <， >为内积运 算。 7.根据权利要求6所述的云端网络实现突击工实名制快速管理认证方法， 其特征在于， 所述S3还 包括： S3‑2， 计算滤波得分后， 对脸部图像和身体轮廓图像进行像素幅值计算， 求解获取脸部 图像和身体 轮廓图像候选 框尺寸最小算子， j(x,y)＝min{(|jx|+|jy|)2,q(x,y)} 根据滤波得分， 由偏差像素调节值q(x,y)结合重排序的x轴像素点幅值运算和重排序的y 轴像素点幅值 运算， 从而得到适配最小尺寸的脸部图像和身体 轮廓图像候选 框。 8.根据权利要求7所述的云端网络实现突击工实名制快速管理认证方法， 其特征在于， 所述S3还 包括： S3‑3， 脸部特 征图像衡量准确值的结果 为 Pprecise＝max G(x,y)·J(x,y)·λ 其中， 通过获得max  G(x,y)为脸部特征图像变化度采集数量的最大值， 进而对突击工人 的脸部图像进行多时段多角度收集， 从而能够收集到同一突击工人最全面的脸部图像， 根 据J(x,y)为脸部图像结果决策值， 成为判断突击工人的脸部图像的降噪因子， λ是获得脸部图 像结果决策值后， 对得到的多余 候选框进行消除运 算的控制参数。 9.根据权利要求7所述的云端网络实现突击工实名制快速管理认证方法， 其特征在于，权　利　要　求　书 2/3 页 3 CN 114943069 A 3