(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 202210253167.3 (22)申请日 2022.03.15 (71)申请人 无锡喔趣信息科技有限公司 地址 214000 江苏省无锡市新吴区龙山路 2-28-1301 (72)发明人 王森　刁雪峰　 (74)专利代理 机构 江苏无锡苏汇 专利代理事务 所(普通合伙) 32593 专利代理师 沈彬彬 (51)Int.Cl. G06Q 10/10(2012.01) G06Q 40/00(2012.01) G07C 1/10(2006.01) G06V 40/16(2022.01) G06V 40/20(2022.01)G06V 20/52(2022.01) (54)发明名称 基于人脸识别的人力资源薪酬管理系统及 方法 (57)摘要 本发明公开了基于人脸识别的人力资源薪 酬管理系统及方法， 包括： 管理数据采集模块、 数 据库、 误差处理模块、 薪酬计算管理模块和数据 发放规划模块， 通过管理数据采集模块采集员工 脸部特征数据、 行为数据以及员工工作环境数 据， 通过数据库存储并管理采集到的所有数据， 通过误差处理模块实时监测员工打卡， 在监测到 未打卡时， 将未打卡员工数据传输到识别设备 中， 开启人脸识别， 通过薪酬计算管理模块分析 识别数据并计算薪酬， 通过数据发放规划模块规 划薪酬明细发放时间， 减少了薪酬核算误差， 实 现了人脸识别设备和薪酬管 理的联动， 增加了薪 酬管理的人性化， 在提高薪酬核对效率的同时减 轻了财务人员的工作压力。 权利要求书3页 说明书7页 附图2页 CN 114742517 A 2022.07.12 CN 114742517 A 1.基于人脸识别的人力资源薪酬管理系统， 其特征在于： 所述系统包括： 管理数据采集 模块(S1)、 数据库(S2)、 误差处理模块(S3)、 薪酬计算管理模块(S4)和数据发放规划模块 (S5)； 所述管理数据采集模块(S1)用于采集员工脸部特征数据、 行为数据以及员工工作环境 数据； 所述数据库(S2)用于存 储并管理采集到的所有数据； 所述误差处理模块(S3)用于实时监测员工打卡， 在监测到未打卡时， 将未打卡员工数 据传输到识别设备中， 开启人脸识别； 所述薪酬计算管理模块(S4)用于分析识别数据并计算薪酬； 所述数据发放 规划模块(S5)用于规划薪酬明细发放时间。 2.根据权利要求1所述的基于人脸识别的人力资源薪酬管理系统， 其特征在于： 所述管 理数据采集模块(S1)包括员工数据采集单元和环境数据采集单元， 通过所述员工数据采集 单元采集员工的脸部特征数据和在工作 环境中的行为数据； 通过所述环境数据采集单元采 集员工工作 环境中人脸识别设备的分布数据， 将采集到的所有 数据传输到所述数据库(S2) 中。 3.根据权利要求1所述的基于人脸识别的人力资源薪酬管理系统， 其特征在于： 所述误 差处理模块(S3)包括打卡监测预警单元、 数据通信单元和人脸识别 单元， 通过所述打卡监 测预警单元实时监测员工打卡， 在监测到员工未打卡时， 发送预警信号至所述数据通信单 元； 所述数据通信单元在接收到预警信号后， 传输未打卡员工数据至人脸识别设备中； 通过 所述人脸识别单 元采集工作环境中的人脸图像。 4.根据权利要求1所述的基于人脸识别的人力资源薪酬管理系统， 其特征在于： 所述薪 酬计算管理模块(S4)包括识别数据录入单元、 识别数据分析单元、 活动数据分析单元和薪 酬计算单元， 通过所述识别数据录入单元将采集到的图像录入到所述识别数据分析单元 中； 通过所述识别 数据分析单元调取所述数据库(S2)中未打卡员工的脸部特征数据， 与采 集到的图像进行匹配： 若匹配失败， 判断对应员工未在岗； 若匹配成功， 所述活动数据分析 单元依据识别数据分析对应员工的活动轨迹数据， 分析对应员工忘记打卡并在岗的可信 度， 设置可信度阈值， 比较分析的可信度与阈值， 若 可信度超 出阈值， 在计算 薪酬时， 通过所 述薪酬计算单 元添加对应员工在岗当天的薪资。 5.根据权利要求1所述的基于人脸识别的人力资源薪酬管理系统， 其特征在于： 所述数 据发放规划模块(S5)包括行为数据分析单元、 处理能力分析单元和发放时间规划单元， 通 过所述行为数据分析单元调取所述数据库(S2)中的员工行为数据， 并分析员工在接收到薪 酬明细时的核对时间； 通过所述处理 能力分析单元结合员工核对薪酬时间和薪酬明细复杂 程度分析财务人员的工作难度； 通过所述发放时间规划单元判断是否需要规划将不同员工 的薪酬明细错 开发放， 并设置具体的错 开发放时间。 6.基于人脸识别的人力资源薪酬管理系统及方法， 其特 征在于： 包括以下步骤： S01： 采集员工脸部特 征、 行为数据和员工 工作环境数据； S02： 实时监测员工打卡， 在监测到未打卡时进行 人脸识别； S03： 匹配人脸图像， 同步分析 未打卡员工的活动轨 迹， 判断员工未在岗或忘记打卡； S04： 若判断出员工在岗且忘记打卡， 在计算薪酬时添加在岗当天 薪酬；权　利　要　求　书 1/3 页 2 CN 114742517 A 2S05： 规划薪酬明细错 开发放， 设置错 开发放时间。 7.根据权利要求6所述的基于人脸识别的人力资源薪酬管理方法， 其特征在于： 在步骤 S01‑S02中： 采集员工的脸部特征数据， 对员工进行编号， 编号集合为A＝{A1， A2， ...， Am}， 采集员工工作环境中人脸设备位置坐标， 人脸识别设备的识别最大角度为α， 最长识别距离 为L， 其中， m表示员工数量， 采集到员工肩宽集合为p＝{p1， p2， ...， pm}， 实时监测员工打卡 数据， 在监测到员工未打卡时， 发送预警信号， 确认未打卡员工编号为Ai， 通过人脸识别设 备采集工作环境中的人脸图像。 8.根据权利要求6所述的基于人脸识别的人力资源薪酬管理方法， 其特征在于： 在步骤 S03‑S04中： 调取数据库(S2)中编号为Ai的员工的人脸图像， 与采集到的人脸图像进行匹 配： 若在采集到的人脸图像中不存在编号为A i的员工的人脸图像， 说明匹配失败， 判断对应 员工未在岗， 不添加对应员工当天的薪酬； 若在采集到的人脸图像中存在编号为Ai的员工 的人脸图像， 说明匹配成功， 识别到编号为A i的员工人脸图像数量为M， M次识别的间隔时间 集合为T＝{T1， T2， ...， TM‑1}， 在采集到的图像中筛选出有员工出 现的图像， 共k张， 其中， k张 图像未出现人脸， 确认采集到k张图像中随机一张图像的识别设备位置， 以对应设备所在位 置为原点建立二维坐标系， 获取到采集 随机一张图像时， 出现在对应图像中的员工左肩点 指向右肩点的向量坐标为(Xj， Yj)， 其中， pi表示编号为Ai的员工肩 宽， 根据下列公式计算对应识别设备识别范围左边界点指向右 边界点的向量与员工左肩点 指向右肩点的向量夹角 θj： 其中， α”表示识别范围左边界与水平正方向的夹角， α'表示识别范围右边界与水平正 方向的夹角， 得到采集k张图像的识别 设备识别范围左边界点指向右边界点的向量与员工 左肩点指向右肩点的向量夹角集合θ＝{θ1, θ2,..., θk}， 筛选出夹角小于 的向量 夹角共K个， 对 应K次图像采集的间隔时间集合为t＝{t1， t2， ...， tK‑1}， 根据下列公式计 算编 号为Ai的员工 忘记打卡且在岗的可信系数P： 其中， δ1和 δ2表示权重系数， δ1>δ2， 设置可信系 数阈值为P ’， 比较P和P ’： 若P≤P’， 说明可信系数未超出阈值； 若P>P ’， 说明可信系数超 出阈 值， 判断对应员工 忘记打卡且在岗， 在计算薪酬时， 添加编号 为Ai的员工在岗当天的薪资。 9.根据权利要求6所述的基于人脸识别的人力资源薪酬管理方法， 其特征在于： 在步骤 S05中： 采集历史数据： 采集到随机一次发放 薪酬明细的时间点为Ti ’， 员工寻找财务人员核权　利　要　求　书 2/3 页 3 CN 114742517 A 3