基于AI的自动化考勤记录方法、装置、设备及存储介质
阅读：296发布：2024-02-25
专利汇可以提供基于AI的自动化考勤记录方法、装置、设备及存储介质专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种基于AI的自动化考勤记录方法，属于数据统计分析领域。该方法包括以下步骤：从考勤终端获取员工在考勤记录日当天的下班考勤时间信息；若获取所述下班考勤时间信息失败，则从所述员工的电脑端获取所述考勤记录日当天的图像；若获取所述图像成功，则识别所述图像中是否包含所述员工的人脸特征；若识别出所述图像中包含所述员工对应的人脸特征，则生成所述员工在所述考勤记录日的加班记录并保存至 数据库 中。本发明可以减少员工制作加班报销表格的时间并减少加班报销数据的错误率。，下面是基于AI的自动化考勤记录方法、装置、设备及存储介质专利的具体信息内容。
1.一种基于AI的自动化考勤记录方法，其特征在于，包括以下步骤：
从考勤终端获取员工在考勤记录日当天的下班考勤时间信息；
若获取所述下班考勤时间信息失败，则从所述员工的电脑端获取所述考勤记录日当天的图像；
若成功获取所述图像，则识别所述图像中是否包含所述员工的人脸特征；
若识别出所述图像中包含所述员工对应的人脸特征，则生成所述员工在所述考勤记录日的加班记录并保存至数据库中。
2.根据权利要求1所述的基于AI的自动化考勤记录方法，其特征在于，若获取所述下班考勤时间信息成功，则判断所述下班考勤时间是否属于加班时间；
若所述下班考勤时间属于加班时间，则直接生成所述员工在所述考勤记录日的加班记录并保存至数据库中。
3.根据权利要求2所述的基于AI的自动化考勤记录方法，其特征在于，所述下班考勤时间是否属于加班时间的判断包括以下步骤：
将所述下班考勤时间与预设的加班起算时间进行比对，若所述下班考勤时间在所述预设的加班起算时间之后，则确定所述下班考勤时间属于加班时间；或，
将所述员工在考勤记录日当天的上班时长与预设的加班起算时长进行比对，若所述上班时长超过预设的加班起算时长，则确定所述下班考勤时间属于加班时间，所述上班时长等于所述员工的上班考勤时间减去所述下班考勤时间的时长。
4.根据权利要求1或2所述的基于AI的自动化考勤记录方法，其特征在于，还包括以下步骤：
响应于加班记录的导出请求，从所述数据库中调取员工的加班记录，并将所述加班记录按预设的模板导出。
5.根据权利要求1所述的基于AI的自动化考勤记录方法，其特征在于，所述员工的电脑根据预设的加班起算时间启动所述电脑上的摄像头，并以预设的拍摄间隔拍摄图像。
6.根据权利要求1所述的基于AI的自动化考勤记录方法，其特征在于，所述图像中是否包含所述员工的人脸特征的识别过程包括以下步骤：
提取所述图像中出现的人像；
获取所述员工的电脑端的设备识别码；
获取与所述设备识别码相关联的人员识别码；
调取与所述人员识别码关联保存的标准人像；
将所述人像与所述标准人像进行比对，若相匹配，则表示所述图像中包含所述员工对应的人脸特征。
7.一种基于AI的自动化考勤记录装置，其特征在于，包括：
考勤获取模块，用于从考勤终端获取员工在考勤记录日当天的下班考勤时间信息；
图像获取模块，用于在获取所述下班考勤时间信息失败时，从所述员工的电脑端获取所述考勤记录日当天的图像；
图像识别模块，用于在成功获取所述图像时，识别所述图像中是否包含所述员工的人脸特征；
加班记录生成模块，用于在识别出所述图像中包含所述员工对应的人脸特征时，生成所述员工在所述考勤记录日的加班记录并保存至数据库中。
8.根据权利要求7所述的基于AI的自动化考勤记录装置，其特征在于，还包括：
记录导出模块，用于响应于加班记录的导出请求，从所述数据库中调取员工的加班记录，并将所述加班记录按预设的模板导出。
9.一种计算机设备，包括存储器和处理器，其特征在于，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1-6中任一项所述的基于AI的自动化考勤记录方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序可被至少一个处理器所执行，以实现如权利要求1-6中任一项所述的基于AI的自动化考勤记录方法的步骤。
基于AI的自动化考勤记录方法、装置、设备及存储介质
技术领域
[0001] 本发明涉及数据统计分析领域，特别涉及一种基于AI的自动化考勤记录方法、装置、设备及存储介质。
背景技术
[0002] 目前，加班现象很普遍，企业也一般会给加班的员工发放一定的加班补贴。企业发放加班补贴一般需要由加班员工提交加班统计表，提交的统计表中要备注好加班日期、时间、事由和费用等。
[0003] 在一些加班非常频繁的公司或者工作岗位上，有时一个月连续加班可能达到15天以上，次数一多就容易忘记，此时需要员工去考勤系统中获取自己的考勤记录，然后将考勤记录填写到加班统计表中，并填上每次的加班事由等其他信息，每个月如此反复，费时费力。
[0004] 当前没有一套系统可以自动计算并生成员工的加班记录表，导致员工需要手动填写自己的加班记录，费时又费力，还容易出错。
发明内容
[0005] 本发明要解决的技术问题是为了克服现有技术中加班记录的统计费时又费力的问题，提出了一种基于AI的自动化考勤记录方法、装置、设备及存储介质，以方便加班记录的统计。
[0006] 本发明是通过下述技术方案来解决上述技术问题：
[0007] 一种基于AI的自动化考勤记录方法，包括以下步骤：
[0008] 从考勤终端获取员工在考勤记录日当天的下班考勤时间信息；
[0009] 若获取所述下班考勤时间信息失败，则从所述员工的电脑端获取所述考勤记录日当天的图像；
[0010] 若成功获取所述图像，则识别所述图像中是否包含所述员工的人脸特征；
[0011] 若识别出所述图像中包含所述员工对应的人脸特征，则生成所述员工在所述考勤记录日的加班记录并保存至数据库中。
[0012] 优选地，若获取所述下班考勤时间信息成功，则判断所述下班考勤时间是否属于加班时间；
[0013] 若所述下班考勤时间属于加班时间，则直接生成所述员工在所述考勤记录日的加班记录并保存至数据库中。
[0014] 优选地，所述下班考勤时间是否属于加班时间的判断包括以下步骤：
[0015] 将所述下班考勤时间与预设的加班起算时间进行比对，若所述下班考勤时间在所述预设的加班起算时间之后，则确定所述下班考勤时间属于加班时间；或，[0016] 将所述员工在考勤记录日当天的上班时长与预设的加班起算时长进行比对，若所述上班时长超过预设的加班起算时长，则确定所述下班考勤时间属于加班时间，所述上班时长等于所述员工的上班考勤时间减去所述下班考勤时间的时长。
[0017] 优选地，还包括以下步骤：
[0019] 优选地，所述员工的电脑根据预设的加班起算时间启动所述电脑上的摄像头，并以预设的拍摄间隔拍摄图像。
[0020] 优选地，所述图像中是否有包含所述员工对应的人脸特征的识别过程包括以下步骤：
[0021] 提取所述图像中出现的人像；
[0022] 获取所述员工电脑端的设备识别码；
[0023] 获取与所述设备识别码相关联的人员识别码；
[0024] 调取与所述人员识别码关联保存的标准人像；
[0025] 将所述人像与所述标准人像进行比对，若相匹配，则表示所述图像中包含所述员工对应的人脸特征。
[0026] 本发明还公开了一种基于AI的自动化考勤记录装置，包括：
[0027] 考勤获取模块，用于从考勤终端获取员工在考勤记录日当天的下班考勤时间信息；
[0028] 图像获取模块，用于在获取所述下班考勤时间信息失败时，从所述员工的电脑端所述考勤记录日当天的图像；
[0029] 图像识别模块，用于在成功获取所述图像时，识别所述图像中是否包含所述员工的人脸特征；
[0030] 加班记录生成模块，用于在识别出所述图像中包含所述员工对应的人脸特征时，生成所述员工在所述考勤记录日的加班记录并保存至数据库中。
[0031] 优选地，还包括：
[0032] 记录导出模块，用于响应于加班记录的导出请求，从所述数据库中调取员工的加班记录，并将所述加班记录按预设的模板导出。
[0034] 本发明还公开了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序可被至少一个处理器所执行，以实现前述的基于AI的自动化考勤记录方法的步骤。
[0037] 图2示出了本发明基于AI的自动化考勤记录方法中识别图像中是否有员工出现的流程图；
[0038] 图3示出了本发明基于AI的自动化考勤记录方法实施例二的流程图；
[0039] 图4示出了本发明基于AI的自动化考勤记录装置第一实施例的结构图；
[0040] 图5示出了本发明基于AI的自动化考勤记录装置第二实施例的结构图；
具体实施方式
[0042] 下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。
[0043] 首先，本发明提出一种基于AI的自动化考勤记录方法。
[0044] 在实施例一中，如图1所示，所述的基于AI的自动化考勤记录方法，包括以下步骤：
[0045] 步骤01：从考勤终端获取员工在考勤记录日当天的下班考勤时间信息，若获取成功则执行步骤02，若获取失败则执行步骤03。
[0046] 通常公司都通过考勤机对员工的出勤进行监督，员工在上班和下班的时候都要在考勤机上进行打卡，打卡的方式有多种，比如刷卡、指纹、人脸识别等。
[0047] 在工作日，考勤机通常每天都会有新的考勤记录产生，这些考勤记录每天定时上传到固定的后台系统或数据库中保存。假设一员工正常上下班，那么在考勤日当天就会产生两条记录，分别是上班考勤记录和下班考勤记录，记录内容包括员工信息、打卡时间(即上班考勤时间和下班考勤时间)等。
[0048] 所谓获取成功是指从保存的考勤记录中读取到某一员工的下班考勤时间，例如读取到下班考勤时间为17:30；所谓获取失败通常指从保存的考勤记录中没有读取到某一员工的下班考勤时间，例如读取到下班考勤时间为空(null)。
[0049] 步骤02：判断所述下班考勤时间是否属于加班时间，若是则直接执行步骤05。
[0050] 如果读取到下班考勤时间，那么只需根据考勤时间判断该员工在加班即可，具体判断方法根据公司对考勤的不同要求而定。
[0051] 当上下班时间都是固定的时，那么可以预设一个绝对的加班起算时间，所谓加班起算时间可以是下班时间，也可以是下班时间之后的某个时间点，根据公司的考勤制度决定，例如下班时间为17:30，但是加班起算时间为19:00，即员工在19:00之后下班才算是加班。预设好加班起算时间后，将所述下班考勤时间与预设的加班起算时间进行比对，若所述下班考勤时间在所述预设的加班起算时间之后，则确定所述下班考勤时间属于加班时间。
[0052] 假设上下班时间为弹性制的，那么需要预设一个加班起算时长，例如标准的上班时长为8小时，但是加班起算时长为9小时，即员工当天的上班时间满9小时之后才算加班。预设好加班起算时长后，将所述员工在考勤记录日当天的上班时长与预设的加班起算时长进行比对，若所述上班时长超过预设的加班起算时长，则确定所述下班考勤时间属于加班时间，所述上班时长等于所述员工的上班考勤时间减去所述下班考勤时间的时长。
[0053] 步骤03：从所述员工的电脑端获取所述考勤记录日当天的图像，若获取成功则执行步骤04，若获取失败则直接结束。
[0054] 考虑到员工加班后回家比较匆忙，很多人会忘记打卡，此种情况下难以确认该员工加班与否，有的公司规定需要上级领导签字确认，但是次数一多就很难核实，还有的公司则默认不算加班，对员工十分不合理。
[0055] 本实施例采用人像识别技术来确认员工忘记打卡情况下的加班事实。所述员工的电脑根据预设的加班起算时间启动所述电脑上的摄像头，并以预设的拍摄间隔拍摄图像。
[0056] 例如，在员工的电脑上安装特定程序用以拍摄图像，然后设置该程序在预设的某个时间自动开启，即自动开启电脑上的摄像头并拍摄图像。自动开启的设置可以使用电脑自带的功能，例如通过电脑自带的运行程序，创建一个在特定时间自动启动所述特定程序的任务即可。
[0057] 拍摄到的图像可以保存在员工的电脑端，也可以上传到后台系统或者数据库中进行保存，为了方便调取图像，图像保存时会与拍摄该图像的电脑端的设备识别码关联，或者设置图像的文件命名规则时，将拍摄该图像的电脑端的设备识别码放在图像的文件名称中。
[0058] 当需要调用时，可以根据员工的人员识别码找到与之相关联的设备识别码，然后在通过该设备识别码调取保存的图像即可。
[0059] 步骤04：识别所述图像中是否包含所述员工的人脸特征，若是则执行步骤05。
[0060] 这里的识别采用人脸识别技术，识别步骤如图2所示，包括：
[0061] 步骤41：提取所述图像中出现的人像。
[0062] 具体可以通过轮廓识别出图像中的人像。
[0063] 步骤42：获取所述员工的的电脑端的设备识别码。
[0064] 假设图像的文件名称中包含有设备识别码，则从该图像的文件名称中截取该设备识别码。
[0065] 步骤43：获取与所述设备识别码相关联的人员识别码。
[0066] 通常，公司给员工使用的电脑都会分配一个唯一的设备识别码，而每个员工会分配一个唯一的人员识别码(例如员工号)，为方便设备的管理，通常都会制作一个人员识别码和对应的设备识别码的关联表。因此，根据设备识别码就可以从关联表中找到对应的人员识别码。
[0067] 步骤44：调取与所述人员识别码关联保存的标准人像。
[0069] 步骤45：将所述人像与所述标准人像进行比对，若相匹配，则表示所述图像中包含所述员工对应的人脸特征。
[0071] 步骤05：生成所述员工在所述考勤记录日的加班记录并保存至数据库中。
[0072] 具体地，加班记录会保存到数据库的attendance表中。
[0073] 本实施例中，加班记录自动生成并保存，员工无需再根据每天的考勤记录计算加班时间，大大减少了员工制作加班报销表格的时间。
[0074] 在实施例二中，基于实施例一的基础上，如图3所示，所述的基于AI的自动化考勤记录方法包括如下步骤：
[0075] 步骤01-步骤05同实施例一，此处不再赘述。
[0076] 步骤06：响应于加班记录的导出请求，从所述数据库中调取员工的加班记录，并将所述加班记录按预设的模板导出。
[0077] 所述导出请求可以由员工发起，员工通常在申报加班时发起导出请求，一般需要输入员工的人员识别码和起始时间，导出该员工个人的加班记录，加班记录包括若干字段，这些字段会按预设的excel模板导出。
[0078] 所述导出请求还可以由财务人员在财务系统中发起，财务系统与考勤系统之间通过交互实现加班记录的自动化导出，财务人员只需在财务系统中输入起始时间即可实现全员加班记录的导出。
[0079] 本实施例中，通过数据的自动导出功能，省去了员工根据加班记录填写加班报销申请表的时间，并且所有记录自动生成，降低了因人为原因产生的加班报销数据的错误率。
[0080] 其次，本发明提出了一种基于AI的自动化考勤记录装置，所述装置20可以被分割为一个或者多个模块。
[0081] 例如，图4示出了所述基于AI的自动化考勤记录装置20第一实施例的结构图，该实施例中，所述装置20可以被分割为考勤获取模块201、图像获取模块202、图像识别模块203和加班记录生成模块204。以下描述将具体介绍所述模块201-204的具体功能。
[0082] 所述考勤获取模块201用于考勤终端获取员工在考勤记录日当天的下班考勤时间信息。
[0083] 通常公司都通过考勤机对员工的出勤进行监督，员工在上班和下班的时候都要在考勤机上进行打卡，打卡的方式有多种，比如刷卡、指纹、人脸识别等。
[0084] 在工作日，考勤机通常每天都会有新的考勤记录产生，这些考勤记录每天定时上传到固定的后台系统或数据库中保存。假设一员工正常上下班，那么在考勤日当天就会产生两条记录，分别是上班考勤记录和下班考勤记录，记录内容包括员工信息、打卡时间(即上班考勤时间和下班考勤时间)等。
[0085] 如果获取成功，则能从保存的考勤记录中读取到某一员工的下班考勤时间，例如读取到下班考勤时间为17:30；如果获取失败，则无法从保存的考勤记录中读取到某一员工的下班考勤时间，例如读取到下班考勤时间为空(null)。
[0086] 所述图像获取模块202用于在获取所述下班考勤时间信息失败时，从所述员工的电脑端获取所述考勤记录日当天的图像。
[0087] 考虑到员工加班后回家比较匆忙，很多人会忘记打卡，此种情况下难以确认该员工加班与否，有的公司规定需要上级领导签字确认，但是次数一多就很难核实，还有的公司则默认不算加班，对员工十分不合理。
[0088] 因此这里采用人像识别技术来确认员工忘记打卡情况下的加班事实。所述员工的电脑根据预设的加班起算时间启动所述电脑上的摄像头，并以预设的拍摄间隔拍摄并上传图像。
[0089] 例如，在员工的电脑上安装特定程序用以拍摄图像，然后设置该程序在预设的某个时间自动开启，即自动开启电脑上的摄像头并拍摄图像。自动开启的设置可以使用电脑自带的功能，例如通过电脑自带的运行程序，创建一个在特定时间自动启动所述特定程序的任务即可。
[0090] 拍摄到的图像可以保存在员工电脑端，也可以上传到后台系统或者数据库中进行保存，为了方便调取图像，图像保存时会与上传该图像的电脑的设备识别码关联，或者设置图像的文件命名规则时，将上传该图像的电脑的设备识别码放在图像的文件名称中。
[0091] 当需要调用时，可以根据员工的人员识别码找到与之相关联的设备识别码，然后在通过该设备识别码调取保存的图像即可。
[0092] 所述图像识别模块203用于在成功获取所述图像时，识别所述图像中是否包含所述员工的人脸特征。
[0093] 这里的识别采用人脸识别技术，识别步骤如图2所示，包括：
[0094] 步骤41：提取所述图像中出现的人像。
[0095] 具体可以通过轮廓识别出图像中的人像。
[0096] 步骤42：获取所述员工的电脑端的设备识别码。
[0097] 假设图像的文件名称中包含有设备识别码，则从该图像的文件名称中截取该设备识别码。
[0098] 步骤43：获取与所述设备识别码相关联的人员识别码。
[0099] 通常，公司给员工使用的电脑都会分配一个唯一的设备识别码，而每个员工会分配一个唯一的人员识别码(例如员工号)，为方便设备的管理，通常都会制作一个人员识别码和对应的设备识别码的关联表。因此，根据设备识别码就可以从关联表中找到对应的人员识别码。
[0100] 步骤44：调取与所述人员识别码关联保存的标准人像。
[0101] 标准人像可以是员工通过人脸打卡机保存的图像，通常员工都会通过打卡机进行考勤，每次打卡都会覆盖前一次保存的图像。保存时，图像与员工的人员识别码进行关联保存，以便本步骤中进行调取。
[0102] 步骤45：将所述人像与所述标准人像进行比对，若相匹配，则表示所述图像中包含所述员工对应的人脸特征。
[0103] 这里的比对可以直接采用现有的人脸识别软件实现，这里不再赘述。
[0104] 所述加班记录生成模块204用于在识别出所述图像中有该员工出现时，生成一条该员工在所述考勤记录日的加班记录并保存至数据库中。
[0105] 具体地，加班记录会保存到数据库的attendance表中。
[0106] 本实施例中，加班记录自动生成并保存，员工无需再根据每天的考勤记录计算加班时间，大大减少了员工制作加班报销表格的时间。
[0107] 又例如，图5示出了所述基于AI的自动化考勤记录20第二实施例的结构图，该实施例中，所述聚合页面的制作装置20还可以被分割为考勤获取模块201、图像获取模块202、图像识别模块203、加班记录生成模块204和记录导出模块205。
[0108] 其中，模块201-204同第一实施例，此处不再赘述。
[0109] 所述记录导出模块205用于响应于加班记录的导出请求，从所述数据库中调取员工的加班记录，并将所述加班记录按预设的模板导出。
[0110] 所述导出请求可以由员工发起，员工通常在申报加班时发起导出请求，一般需要输入员工的人员识别码和起始时间，导出该员工个人的加班记录，加班记录包括若干字段，这些字段会按预设的excel模板导出。
[0111] 所述导出请求还可以由财务人员在财务系统中发起，财务系统与考勤系统之间通过交互实现加班记录的自动化导出，财务人员只需在财务系统中输入起始时间即可实现全员加班记录的导出。
[0112] 本实施例中，通过数据的自动导出功能，省去了员工根据加班记录填写加班报销申请表的时间，并且所有记录自动生成，降低了因人为原因产生的加班报销数据的错误率。
[0113] 再次，本发明还提出来一种计算机设备。
[0114] 参阅图6所示，是本发明计算机设备一实施例的硬件架构示意图。本实施例中，所述计算机设备2是一种能够按照事先设定或者存储的指令，自动进行数值计算和/或信息处理的设备。例如，可以是智能手机、平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器，或者多个服务器所组成的服务器集群)等。如图所示，所述计算机设备2至少包括，但不限于，可通过系统总线相互通信连接存储器21、处理器22以及网络接口23。其中：
[0115] 所述存储器21至少包括一种类型的计算机可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器21可以是所述计算机设备2的内部存储单元，例如该计算机设备2的硬盘或内存。在另一些实施例中，所述存储器21也可以是所述计算机设备2的外部存储设备，例如该计算机设备2上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。当然，所述存储器21还可以既包括所述计算机设备2的内部存储单元也包括其外部存储设备。本实施例中，所述存储器21通常用于存储安装于所述计算机设备2的操作系统和各类应用软件，例如用于实现所述基于AI的自动化考勤记录方法的计算机程序等。此外，所述存储器21还可以用于暂时地存储已经输出或者将要输出的各类数据。
[0116] 所述处理器22在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器22通常用于控制所述计算机设备2的总体操作，例如执行与所述计算机设备2进行数据交互或者通信相关的控制和处理等。本实施例中，所述处理器22用于运行所述存储器21中存储的程序代码或者处理数据，例如运行用于实现所述基于AI的自动化考勤记录方法的计算机程序等。
[0117] 所述网络接口23可包括无线网络接口或有线网络接口，该网络接口23通常用于在所述计算机设备2与其他计算机设备之间建立通信连接。例如，所述网络接口23用于通过网络将所述计算机设备2与外部终端相连，在所述计算机设备2与外部终端之间的建立数据传输通道和通信连接等。所述网络可以是企业内部网(Intranet)、互联网(Internet)、全球移动通讯系统(Global System of Mobile communication，GSM)、宽带码分多址(Wideband Code Division Multiple Access，WCDMA)、4G网络、5G网络、蓝牙(Bluetooth)、Wi-Fi等无线或有线网络。
[0118] 需要指出的是，图6仅示出了具有组件21-23的计算机设备2，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
[0119] 在本实施例中，存储于存储器21中的用于实现所述基于AI的自动化考勤记录方法的计算机程序可以被一个或多个处理器(本实施例为处理器22)所执行，以完成以下步骤的操作：
[0120] 步骤01：从考勤终端获取员工在考勤记录日当天的下班考勤时间信息，若获取成功则执行步骤02，若获取失败则执行步骤03。
[0121] 步骤02：判断所述下班考勤时间是否属于加班时间，若是则直接执行步骤05。
[0122] 步骤03：从所述员工的电脑端获取所述考勤记录日当天的图像，若获取成功则执行步骤04，若获取失败则直接结束。
[0123] 步骤04：识别所述图像中是否包含所述员工的人脸特征，若是则执行步骤05。
[0124] 步骤05：生成所述员工在所述考勤记录日的加班记录并保存至数据库中。
[0125] 在一实施例中，还包括以下步骤：
[0126] 步骤06：响应于加班记录的导出请求，从所述数据库中调取员工的加班记录，并将所述加班记录按预设的模板导出。
[0127] 此外，本发明一种计算机可读存储介质，所述计算机可读存储介质为非易失性可读存储介质，其内存储有计算机程序，所述计算机程序可被至少一个处理器所执行，以实现上述基于AI的自动化考勤记录方法或装置的操作。
[0128] 其中，计算机可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，计算机可读存储介质可以是计算机设备的内部存储单元，例如该计算机设备的硬盘或内存。在另一些实施例中，计算机可读存储介质也可以是计算机设备的外部存储设备，例如该计算机设备上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。当然，计算机可读存储介质还可以既包括计算机设备的内部存储单元也包括其外部存储设备。本实施例中，计算机可读存储介质通常用于存储安装于计算机设备的操作系统和各类应用软件，例如前述用于实现所述基于AI的自动化考勤记录方法的计算机程序等。此外，计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的各类数据。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种医疗数据脱敏、关联系统及方法 | 2020-05-08 | 4 |
| 一种高效家装选配方法 | 2020-05-11 | 459 |
| 一种适用于HEVC标准的帧内预测编码单元划分方法 | 2020-05-08 | 401 |
| 多媒体视频流总结系统及流程 | 2020-05-08 | 93 |
| 一种钓鱼网站检测方法、装置和存储介质 | 2020-05-08 | 174 |
| 一种电费查询缴纳系统 | 2020-05-08 | 153 |
| 一种网织红细胞分类计数模型构建方法及应用 | 2020-05-11 | 883 |
| 用于生成和/或更新数字地图的数字模型的系统 | 2020-05-08 | 371 |
| 一种基于物联网智能场景的购买推荐方法及系统 | 2020-05-11 | 176 |
| 一种基于蛋白折叠指纹条形码设计降血压肽的制备 | 2020-05-08 | 290 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈