1.一种基于人脸识别的非主动配合考勤系统，其特征在于，非主动配合考勤系统包括图像采集模块、人脸检测模块、人脸特征提取模块、人脸比对模块及存储与管理模块；

所述图像采集模块包括两台网络摄像机，用于考勤时人脸图像的采集；所述两台网络摄像机包括入门检测网络摄像机及出门检测网络摄像机，所述两台网络摄像机分别固定在入口内外两侧，两台网络摄像机距离地面距离分别为175～185cm，且分别与地面呈45°夹角，通过网线与客户端电脑相连，入门检测网络摄像机采集人员进入时的图像，出门检测网络摄像机采集人员出去时的图像；

所述人脸检测模块负责对采集到的图像进行人脸检测，将图像中所有的人脸检测出来；

所述人脸特征提取模块用于将检测出的人脸进行面部特征点定位和人脸深度特征提取；

所述人脸比对模块用于将提取出的人脸特征向量与数据库中已存的人脸特征向量进行比对；

所述存储与管理模块包括数据库服务器和客户端电脑，数据库服务器内置用于存储人员信息以及人员签到信息的数据库，客户端电脑内置管理系统、人脸检测模块、人脸特征提取模块以及人脸比对模块；

非主动配合考勤系统的考勤方法，包括如下步骤：

1)令数据库中人员与其人脸特征向量的映射集GA＝{(pi,GBi)|i＝1,2,...,n}，其中GBi表示第i个人员的人脸特征向量的集合， pi表示第i个人员的编号，n表示人员数量， 表示第i个人员的人脸特征向量集合中第j个人脸特征向量，mi表示人脸特征向量集合中第i个人脸特征向量的数量；

2)对任意需考勤的一天为D，令任意待考勤人员为pr，该人员在第D天被网络摄像机采集到人脸的时间集合 表示人员pr在第D天签到时间集合中在编号为k的网络摄像机中的第j个签到时间，k表示网络摄像机的编号，k＝0表示入门网络(r)

摄像机，k＝1表示出门网络摄像机，R 表示签到时间集合中签到时间的数量；

3)对任意需考勤的一天为D，对人员pr进入或走出门口时采集到的图像进行人脸检测，并将提取到的人脸特征向量记为fc，根据公式(1)计算fc与步骤1)中人脸特征向量集合中 的 每 个 人 脸 特 征向 量 的 相 似 度 ，得 到 相 似 度 集 合s表示fc和 的相似度，令S＝max(GD),C表示检测到的人员pr的人脸的置信度，若S>S0，表明签到成功，将(pr,GTr)写入到数据库中，此时，pr对应于GA中的某个人员，假设为px，若mxCmin，将人员pr及其人脸特征向量fc写入数据库，即GA＝GA∪{(pi,{fc})}；其中，S表示最大的人脸相似度，max表示取最大值，S0表示人脸相似度阈值，mmax表示在数据库中允许存储的最大的人脸特征向量的数目，Cmin表示人脸置信度阈值；

4)步骤2)中所述的 满足 其表示两个网络摄像机的签到时间集合，其中， 表示入门检测网络摄像机对应的签到时间集合， 表示出门检测网络摄像机对应的签到时间集合为 令入门检测网络摄像机对应的最小签到时间为tmin，出门检测网络摄像机对应的最大签到时间为tmax，即则人员pr的出勤时间tall＝tmax‑tmin。

2.根据权利要求1所述的一种基于人脸识别的非主动配合考勤系统，其特征在于，所述人脸特征提取模块的面部特征点定位采用由粗到精的自编码器网络CFAN实现的，包括两眼中心、两嘴角以及鼻尖5个特征点；所述人脸特征提取模块的人脸深度特征提取利用深度卷积神经网络实现，该网络包含7个卷积层与2个全连接层，提取到的人脸特征为4096维的深度人脸特征，令提取出的人脸特征向量为f＝{feai|i＝1,2,...,4096}，其中feai为浮点数并表示人脸特征向量中的第i个特征。

3.根据权利要求1所述的一种基于人脸识别的非主动配合考勤系统，其特征在于,所述人脸比对模块是根据公式(1)计算两个人脸特征向量的相似度，其中A，B分别表示两个人脸特征向量，A＝{ai|i＝1,2,...,K}，B＝{bi|i＝1,2,...,K}，ai表示人脸特征向量A中的第i个特征值，bi表示人脸特征向量B中的第i个特征值；

其中，s表示向量A和B的相似度函数。