CN109255256A - 分布式考勤记录存储方法、装置及网络节点 - Google Patents

Abstract

本申请实施例提供了一种分布式考勤记录存储方法、装置及网络节点，该方法包括：获得待检测目标对应的考勤记录，将根据考勤记录生成的当前数据区块发送至所有第二网络节点，在所述当前数据区块通过第二网络节点的共识验证后，第一网络节点将当前数据区块添加至区块链中以存储。通过以上过程，根据考勤记录生成的当前数据区块经由第二网络节点验证，并在共识验证通过后第一网络节点将当前数据区块加入区块链中，存入区块链中的考勤记录将无法被篡改，大幅度提高数据的真实、可靠性。

Description

分布式考勤记录存储方法、装置及网络节点

技术领域

本申请涉及信息处理技术领域，具体而言，涉及一种分布式考勤记录存储方法、装置及网络节点。

背景技术

公司一般会对各个员工的上下班情况进行记录，以作为考勤存证，为后续工资结算提供数据，也便于对员工上班到勤情况进行考察。通过考勤数据进行工资计算，或通过考勤数据对员工进行考察需建立在考勤记录真实可靠的基础上，实际情况中可能会存在对考勤记录进行篡改及捏造虚假的考勤数据的情况。因此，需要一种可靠的、防篡改的考勤记录存储方式。

发明内容

有鉴于此，本申请的目的在于，提供一种分布式考勤记录存储方法、装置及网络节点以改善考勤记录易被篡改，考勤数据不可靠的问题。

为了实现上述目的，本申请实施例采用的技术方案如下：

第一方面，本申请实施例提供一种分布式考勤记录存储方法，所述方法应用于分布式考勤记录存储系统中的第一网络节点，所述分布式考勤记录存储系统还包括多个第二网络节点，所述方法包括：

所述第一网络节点获得待检测目标对应的考勤记录；

根据所述考勤记录生成当前数据区块，并将所述当前数据区块发送至所述分布式考勤记录存储系统中的所有所述第二网络节点；

所述第一网络节点在所述当前数据区块通过所述第二网络节点的共识验证后，将所述当前数据区块添加至所述第一网络节点的区块链中。

第二方面，本申请实施例还提供一种分布式考勤记录存储装置，应用于分布式考勤记录存储系统中的第一网络节点，所述分布式考勤记录存储系统还包括多个第二网络节点，所述装置包括：

考勤记录获取模块，用于获得待检测目标对应的考勤记录；

数据区块生成模块，用于根据所述考勤记录生成当前数据区块，并将所述当前数据区块发送至所述分布式考勤记录存储系统中的所有所述第二网络节点；

添加模块，用于在所述当前数据区块通过所述第二网络节点的共识验证后，将所述当前数据区块添加至所述第一网络节点的区块链中。

第三方面，本申请实施例还提供一种网络节点，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的方法步骤。

本申请实施例提供的一种分布式考勤记录存储方法、装置及网络节点，获取待检测目标的考勤记录，并将根据考勤记录生成的当前数据区块发送至所有第二网络节点。并在所述当前数据区块通过第二网络节点的共识验证后，第一网络节点将当前数据区块添加至区块链中以存储。通过以上过程，根据考勤记录生成的当前数据区块经由第二网络节点验证，并在共识验证通过后第一网络节点将当前数据区块加入区块链中，存入区块链中的考勤记录将无法被篡改，提高数据的真实、可靠性。

为使本申请的上述目的、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

为了更清楚地说明本申请实施例的技术方案，下面将对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申请的某些实施例，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。

图1为本申请实施例提供的分布式考勤记录存储方法的应用场景示意图。

图2为本申请实施例提供的分布式考勤记录存储方法的流程图。

图3为图2中步骤S101的子步骤的流程图。

图4为本申请实施例提供的分布式考勤记录存储方法的另一流程图。

图5为图4中步骤S120的子步骤的流程图。

图6为本申请实施例提供的分布式考勤记录存储系统的交互场景示意图。

图7为本申请实施例提供的分布式考勤记录存储装置的功能模块框图。

图8为本申请实施例提供的图像信息获取模块的功能模块框图。

图9为本申请实施例提供的数据区块生成模块的功能模块框图。

图10为本申请实施例提供的网络节点的方框示意图。

图标：100-第一网络节点；110-分布式考勤记录存储装置；111-图像信息获取模块；1111-分析处理单元；1112-比对单元；1113-事件触发单元；112-考勤记录获取模块；113-数据区块生成模块；1131-获取单元；1132-生成单元；114-添加模块；115-同步模块；120-存储器；130-处理器；140-通信单元；200-第二网络节点。

具体实施方式

下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，除非另有明确的规定和限定，术语“安装”、“设置”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。

为了防止生成的考勤记录被篡改，以保证考勤记录的真实性，在本申请实施例中，利用区块链中的数据的不可篡改性，将考勤记录存入区块链中。

请参阅图1，图1为本申请实施例提供的分布式考勤记录存储方法的应用场景示意图。该场景中包括分布式考勤记录存储系统，该系统包括多个网络节点(图中只示出四个)，各网络节点之间分别通信连接，可实现数据传输及通信。本实施例中，各网络节点可为具有多个分公司的企业中各分公司所对应的节点。其中，各网络节点还与对应的一个或多个摄像设备连接，可获取连接的摄像设备采集的图像信息，其中，该图像信息可为视频流或者照片，并对其进行分析以得到员工的考勤记录。各网络节点可向存储系统中的其他网络节点广播考勤记录，使各网络节点对考勤记录进行共识验证。在本实施例中，为了便于描述，将上述的广播考勤记录的网络节点命名为第一网络节点100，将所述分布式考勤记录存储系统中的除第一网络节点100之外的其他网络节点命名为第二网络节点200，比如图中所示的三个第二网络节点200。

在本实施例中，第一网络节点100、第二网络节点200可以是服务器、终端等设备。

请参照图2，图2为应用于图1所示的第一网络节点100的一种分布式考勤记录存储方法的流程图，以下将对所述方法包括的各个步骤进行详细阐述。

步骤S101，所述第一网络节点100获取摄像设备采集的图像信息，通过所述图像信息中的待检测目标决定是否触发所述待检测目标的考勤记录事件。

在现有技术中，员工上下班考勤通常使用工卡、指纹或者签到等方式实现，这类方式存在费时费力、成本消耗等问题，且上下班高峰期容易造成人员等待，导致考勤速度慢、考勤效率低下。并且这种被动式的考勤方式，容易出现员工忘记考勤的现象，需要后续进行补录。再者，容易出现他人代打卡事件。

考虑到现有技术中的上述缺陷，本申请实施例通过摄像设备以采集员工上下班期间的视频图像，基于视频图像并根据人脸匹配以实现主动式的考勤记录。

本实施例所提供的分布式考勤记录存储方法基于边缘计算实现，第一网络节点100和第二网络节点200为靠近数据源，即各自所连接的摄像设备的近端设备。可选地，第一网络节点100和第二网络节点200可为边缘计算服务器，边缘计算服务器支持分布式部署，采用分布式计算框架。本实施例中，将数据的计算、存储等分散在靠近数据源的近端设备进行处理，而无需将所有数据回传云端处理。如此，在数据不上传云端的情况下，也能够具有近端的决策控制力，具有实时性好、效率高及延迟短等特征，并且，在网络不佳的状况下，边缘计算服务器仍可提供计算能力。

可选地，针对与第一网络节点100连接的摄像设备，该摄像设备将采集到的视频图像发送至第一网络节点100，第一网络节点100对获得的图像信息进行分析处理以获得图像信息中的待检测目标，并基于待检测目标决定是否触发考勤记录事件。

应当理解，摄像设备采集到的图像信息中可能包含不属于本公司的员工的人脸图像，实质并不需要对这些人脸图像进行记录，并且不会触发本公司的员工的考勤记录事件。因此，本实施例中，可根据获得的图像信息中的待检测目标确定是否触发考勤记录事件，请参阅图3，该步骤可通过以下过程实现：

步骤S1011，对所述图像信息进行分析处理以获得所述图像信息中的待检测目标。

步骤S1012，将所述待检测目标与预先建立的匹配模型库中的人物模型进行比对。

步骤S1013，在所述待检测目标匹配到所述匹配模型中的目标模型时，确定触发所述待检测目标的考勤记录事件。

为了可靠且高效地处理大规模的图像信息数据，需要有一个可扩展、能容错且松耦合的分布式系统。可选地，本实施例中，第一网络节点100中预先部署有视频流收集器OpenCV、分布式数据缓存KafKa以及视频流处理器Spark。视频流收集器OpenCV接收摄像设备传送的图像信息，将获得的图像信息序列化为视频帧数据，并将所述视频帧数据的格式转换为指定格式，例如JSON格式。

为了无丢失地处理大量的图像信息数据，需要将图像信息数据保存至临时存储中。对于视频流收集器所产生的图像信息数据，分布式数据缓冲KafKa使用文件系统以缓存这些信息，可选地，将转换后的视频帧数据缓存至数据队列。

视频流处理器Spark从缓存队列中读取JSON格式的视频帧数据，并对读取到的视频帧数据进行分析处理。在分析处理结果表明在所述视频帧数据中包括人脸信息时，根据所述人脸信息获得待检测目标。

可将得到的待检测目标与预先建立的匹配模型库中的人物模型进行比对，在所述待检测目标匹配到所述匹配模型库中的目标模型时，表明该待检测目标为该目标模型对应的本公司的员工，如此，可确定触发所述待检测目标的考勤记录事件。需要说明的是，所获得的待检测目标可能包括多个，可将各所述待检测目标分别与预先建立的匹配模型库中的各人物模型进行比对，以获得各个待检测目标所对应的目标模型，如此，可支持多人同时考勤。

本实施例的一种实施方式中，所述预先建立的匹配模型库为通过预先采集人脸样本集，根据采集到的人脸样本集在所述第一网络节点100本地建立的匹配模型库。可选地，预先采集包括本公司的各个员工的人脸样本的人脸样本集。第一网络节点100可预先部署机器学习框架，例如开源Tensorflow软件，并构建深度神经网络模型，将采集到的人脸样本集导入至构建的深度神经网络模型中进行样本训练以得到所述匹配模型库。可选地，为了提高识别准确性，所述人脸样本集分为训练子集和测试子集，所述匹配模型库通过对所述训练子集进行训练获得。还可利用所述测试子集对所述匹配模型库进行验证，以得到所述匹配模型库的识别准确率。根据得到的识别准确率调整神经网络模型的训练参数，以不断优化模型。

本实施例的另一种实施方式中，所述预先建立的匹配模型库为与所述第一网络节点100通信连接的云服务器从所述第一网络节点100获得的人脸样本集并由所述云服务器根据获得的人脸样本集预先建立的匹配模型库。如此，第一网络节点100可将获得的待检测目标发送至云服务器，以使云服务器将待检测目标与匹配模型库进行比对以得到比对结果。第一网络节点100可接收云服务器返回的比对结果，以确定是否触发待检测目标的考勤记录事件。或者，云服务器可将训练得到的匹配模型库返回至第一网络节点100，第一网络节点100将得到的待检测目标与匹配模型库进行比对以确定是否触发待检测目标的考勤记录事件。如此，可实现边缘计算与云计算的级联，将一些计算量较大的过程放在云端处理，提高处理能力。可选地，可通过上述任意一种匹配模型库建立方式以及匹配方式进行比对，本实施例对此不作具体限制。

步骤S102，在确定触发所述待检测目标的考勤记录事件后，执行以下步骤S110。

请结合参阅图4，步骤S110，所述第一网络节点100获得待检测目标对应的考勤记录。

步骤S120，根据所述考勤记录生成数据区块，并将所述数据区块发送至所述分布式考勤记录存储系统中的所有所述第二网络节点200。

本实施例中，可预先在第一网络节点100中构建函数计算框架，例如IBMOpenwhisk函数计算框架。编写新建考勤记录的应用程序，并设置新建考勤记录的触发条件。如此，在待检测目标成功与匹配模型中的其中一个目标模型匹配后，可触发待检测目标的考勤记录事件以新建考勤记录，并获得待检测目标对应的考勤记录。

其中，第一网络节点100可获取所述摄像设备采集到包括所述待检测目标的图像信息的时间戳，并获取预存的与所述待检测目标对应的目标描述信息，例如员工姓名、编号以及部门等信息。其中，预先在建立匹配模型后，可存储匹配模型中各目标模型的目标描述信息，并将对应的目标模型和目标描述信息进行关联。如此，在获得与待检测目标对应的目标模型后，可进一步获得该待检测目标对应的目标描述信息。第一网络节点100可根据得到的时间戳和目标描述信息生成待检测目标的考勤记录。

本实施例中为了防止考勤记录被篡改，所提供的分布式考勤记录存储方法基于区块链技术以实现对考勤记录的分布式存储。

在区块链网络中每个节点都是平等的，每个节点可维护一条区块链，每个节点都可往区块链中写入数据，且各网络节点所维护的区块链是同步的，保证数据的一致性。因此，在第一网络节点100获得考勤记录后，可根据所述考勤记录生成当前数据区块，并将所述当前数据区块发送至所述分布式考勤记录存储系统中的所有第二网络节点200，以通过第二网络节点200对当前数据区块进行共识验证。需要说明的是，所述当前数据区块可以是根据一段时间内的考勤记录所生成的数据区块，也可以是根据某一时刻的考勤记录所生成的数据区块，可以是根据单个员工的考勤记录所生成的数据区块，也可以是根据多个员工的考勤记录所生成的数据区块，对此本实施例不作具体限制，可根据需求进行设置。

请参阅图5，在本实施例中，所述根据考勤记录生成当前数据区块的步骤可通过以下过程实现：

步骤S121，所述第一网络节点100获取存储的区块链中的最后一个数据区块。

步骤S122，根据所述区块链中的所述最后一个数据区块生成哈希值，并根据所述哈希值和所述考勤记录生成当前数据区块。

第一网络节点100及各个第二网络节点200其数据库中均保存有一份数据，即区块链，并且各个区块链中的数据可实现同步。第一网络节点100进行当前数据区块的生成时，可获取存储的区块链中的最后一个数据区块，并根据所述最后一个数据区块生成哈希值，该哈希值的长度为256位，不管原始内容是什么，最后都会计算出一个256位的二进制数字，并且，只要原始内容不同，对应的哈希值也不同。并根据生成的哈希值以及考勤记录生成当前数据区块。

步骤S130，所述第一网络节点100在所述当前数据区块通过所述第二网络节点200的共识验证后，将所述当前数据区块添加至所述第一网络节点100的区块链中。

第一网络节点100将生成的当前数据区块广播至各所述第二网络节点200，各第二网络节点200基于共识算法对第一网络节点100所发送的当前数据区块进行验证。可选地，第二网络节点200在接收到第一网络节点100发送的当前数据区块后，根据第二网络节点200的区块链中的最后一个数据区块生成哈希值，由于各个网络节点的区块链是同步的，因此，第一网络节点100的区块链中的最后一个数据区块与所述第二网络节点200的区块链中的最后一个数据区块应当一致，第二网络节点200所生成的哈希值也应当与接收到的当前数据区块中的哈希值相同。因此，若两者的哈希值一致，该第二网络节点200则可判定第一网络节点100所发送的当前数据区块中的哈希值有效，否则，第一网络节点100所发送的当前数据区块中的哈希值无效，可直接判断所述数据区块验证不通过。

在验证当前数据区块的哈希值有效的基础上，各第二网络节点200还需对第一网络节点100所广播的当前数据区块中的考勤记录进行验证，例如考勤记录在传输的过程中是否被篡改、考勤记录的格式和内容是否符合规则等。可选地，第一网络节点100可利用非对称算法对考勤记录进行加密以得到签名。将考勤记录和签名一并发送至各第二网络节点200，各第二网络节点200利用对应的解密算法对接收到的签名进行解密，若解密成功，表明第一网络节点100的身份合法，再验证解密得到的信息是否与根据接收到的考勤记录所生成的信息一致，若一致可确定考勤记录在传输过程中未被篡改。此外，在验证考勤记录的格式和内容是否符合规则时，可检测考勤记录中是否记录有预先所规定的所有的考勤相关事项，例如姓名、编号及时间等，并且验证各项内容在格式上是否满足预设要求。

在满足上述各项要求后，该第二网络节点200才可确定第一网络节点100所发送的当前数据区块通过验证。由于在分布式考勤记录存储系统中各个第二网络节点200之间可互通消息，若分布式考勤记录存储系统中的半数以上的第二网络节点200均确定当前数据区块验证通过，或者是少于半数的第二网络确定当前数据区块验证未通过，则表明多数的第二网络节点200达成了共识，可最终确定第一网络节点100所生成的当前数据区块通过验证，各第二网络节点200可将通过共识验证的当前数据区块添加至各自的区块链中。

在本实施例中，各第二网络节点200可在数据区块通过验证后，发送验证通过的信息至第一网络节点100，也可以是第二网络节点200在数据区块未通过验证时，发送对应的验证失败信息至所述第一网络节点100。因此，在第一网络节点100接收到半数以上的第二网络节点200发送的验证通过信息，或者是第一网络节点100所接收到的验证失败信息未超过所有的第二网络节点200的半数时，第一网络节点100可确定所生成的当前数据区块通过验证。

在本实施例中，在各第二网络节点200对第一网络节点100所广播的信息达成一致性意见，以确认第一网络节点100所生成的当前数据区块通过共识验证后，第一网络节点100将所述当前数据区块添加至区块链中以存储。第一网络节点100将所述当前数据区块添加至区块链的当前的最后一个数据区块之后。其中，所述当前数据区块包括由第一网络节点100所维护的区块链中的最后一个数据区块的哈希值以及考勤记录。如此，每一个新生成的当前数据区块中均包含有其上一个数据区块的哈希值，如果当前数据区块中的考勤记录被修改，或者是上一个数据区块中的哈希值发生改变，均会引起当前数据区块的哈希值改变。

也就是说，如果有人想修改数据区块中的考勤记录，则该数据区块的哈希值将会改变，由于区块链中数据区块是依次连接的，为了后面的数据区块还能连接到该数据区块，则需要修改后面所有的数据区块，否则，该被篡改的数据区块将从区块链中脱离。但是由于哈希值的计算非常耗时，同时修改多个数据区块几乎不可能发生。因此，区块链可大幅度提高所存储的考勤记录的可靠性，并且当考勤记录写入后，就无法篡改。

采用分布式存储方式对考勤记录进行存储，一方面可防止考勤记录被篡改，另一方面还可对考勤记录进行有效备份，即在所述第一网络节点100的区块链的数据区块中的考勤记录丢失时，可从第二网络节点200的区块链中获取对应数据区块中的考勤记录，以和所述第二网络节点200的区块链同步，以实现对丢失数据的恢复。可选地，可从多个第二网络节点200中的任意一个第二网络节点200中同步数据，也可以从所有的第二网络节点200中的其中多个第二网络节点200中同步数据，或者是从所有的第二网络节点200中进行数据同步，对此本实施例不作限制，可根据需求进行设定。

下面将结合图6所示场景给出一具体示例，以对本申请实施例提供的分布式考勤记录存储方法做进一步描述，具体描述如下。

在图6所示的场景中，假设一个企业包括分公司A、分公司B、分公司C以及分公司D，其中，各个分公司对应的服务器或处理终端(后续以分公司代替其对应的服务器或处理终端)分别与一台或多台摄像设备(图中只示出一台)连接以获取摄像设备采集的与考勤相关的图像信息。本示例中将分公司A设定为上述的第一网络节点100，分公司B、分公司C以及分公司D分别设定为上述的第二网络节点200。

分公司A获取与其连接的摄像设备采集的图像信息，并对图像信息进行分析处理，例如图像信息数据序列化、格式转换、图像信息数据缓存以及提取缓存数据以处理等，以获得所述图像信息中的待检测目标。其中，该待检测目标可为一个或多个。

将获得的待检测目标与所述分公司A中预先建立的匹配模型库进行比对，其中，该匹配模型库为根据预先采集的分公司A中的员工的人脸样本集并通过深度神经网络模型所训练获得的。在待检测目标与匹配模型库中的目标模型匹配时，表明该待检测目标为所属分公司A的员工对应的图像。可触发该待检测目标的考勤记录事件，以获得包括时间戳、员工编号及员工姓名等信息的考勤记录。

分公司A根据获得的考勤记录生成当前数据区块，其中，所述当前数据区块包括根据所述分公司A的区块链的当前的最后一个数据区块所生成的哈希值以及所述考勤记录。并将所述当前数据区块分别发送至分公司B、分公司C和分公司D。分公司B、分公司C和分公司D分别基于共识算法对当前数据区块进行共识验证。

若确定分公司A所生成的当前数据区块共识验证通过，分公司A将当前数据区块添加至区块链中以实现对生成的当前数据区块的存储。

并且，分公司B、分公司C以及分公司D将通过验证的当前数据区块添加至其各自的区块链中的当前的最后一个数据区块之后以实现存储。通过以上过程保障企业中各个分公司所维护的数据的一致性，且由于区块链中数据的不容篡改性，提高考勤数据的真实、可靠性。

如图7所示，为本申请实施例提供的一种分布式考勤记录存储装置110的功能模块框图，该装置应用于所述分布式考勤记录存储系统中的第一网络节点100，所述分布式考勤记录存储系统还包括至少一个第二网络节点200。所述装置包括图像信息获取模块111、考勤记录获取模块112、数据区块生成模块113以及添加模块114。

其中，所述图像信息获取模块111用于获取摄像设备采集的图像信息，通过所述图像信息中的待检测目标决定是否触发所述待检测目标的考勤记录事件。

在本实施例中，关于图像信息获取模块111的描述具体可参考对图2所示的步骤S101的详细描述，即步骤S101可以由图像信息获取模块111执行。

所述考勤记录获取模块112用于在确定触发所述待检测目标的考勤记录事件后，获得待检测目标对应的考勤记录。

在本实施例中，关于考勤记录获取模块112的描述具体可参考对图4所示的步骤S110的详细描述，即步骤S110可以由考勤记录获取模块112执行。

所述数据区块生成模块113用于根据所述考勤记录生成当前数据区块，并将所述当前数据区块发送至所述分布式考勤记录存储系统中的所有所述第二网络节点200。

在本实施例中，关于数据区块生成模块113的描述具体可参考对图4所示的步骤S120的详细描述，即步骤S120可以由数据区块生成模块113执行。

所述添加模块114用于在所述当前数据区块通过所述第二网络节点200的共识验证后，将所述当前数据区块添加至所述第一网络节点100的区块链中。在本实施例中，关于添加模块114的描述具体可参考对图4所示的步骤S130的详细描述，即步骤S130可以由整合模块114执行。

此外，所述分布式考勤记录存储装置110还包括同步模块115，所述同步模块115用于在所述第一网络节点100的区块链的数据区块中的考勤记录丢失时，从所述第二网络节点200的区块链中获取对应数据区块中的考勤记录，以和所述第二网络节点200的区块链同步。

可选地，请参阅图8，所述图像信息获取模块111还可以包括分析处理单元1111、比对单元1112以及事件触发单元1113。

所述分析处理单元1111用于对所述图像信息进行分析处理以获得所述图像信息中的待检测目标。

在本实施例中，关于分析处理单元1111的描述具体可参考对图3所示的步骤S1011的详细描述，即步骤S1011可以由分析处理单元1111执行。

所述比对单元1112用于将所述待检测目标与预先建立的匹配模型库中的人物模型进行比对。

在本实施例中，关于比对单元1112的描述具体可参考对图3所示的步骤S1012的详细描述，即步骤S1012可以由比对单元1112执行。

所述事件触发单元1113用于在所述待检测目标匹配到所述匹配模型库中的目标模型时，确定触发所述待检测目标的考勤记录事件。

在本实施例中，关于事件触发单元1113的描述具体可参考对图3所示的步骤S1013的详细描述，即步骤S1013可以由事件触发单元1113执行。

可选地，请参阅图9，在本实施例中，所述数据区块生成模块113可以包括获取单元1131以及生成单元1132。

所述获取单元1131用于获取存储的区块链中的最后一个数据区块。

在本实施例中，关于获取单元1131的描述具体可参考对图5所示的步骤S121的详细描述，即步骤S121可以由获取单元1131执行。

所述生成单元1132用于根据所述最后一个数据区块生成哈希值，并根据所述哈希值和所述考勤记录生成当前数据区块。

在本实施例中，关于生成单元1132的描述具体可参考对图5所示的步骤S122的详细描述，即步骤S122可以由生成单元1132执行。

如图10所示，本申请实施例还提供一种网络节点，所述网络节点可为上述的第一网络节点100，所述网络节点包括分布式考勤记录存储装置110、存储器120、处理器130以及通信单元140。

所述存储器120、处理器130以及通信单元140各元件相互之间直接或间接地电性连接，以实现信息的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器120中存储有以软件或固件(Firmware)的形式存储于所述存储器120中的软件功能模块，所述处理器130通过运行存储在存储器120内的软件程序以及模块，如本发明实施例中的分布式考勤记录存储装置110，从而执行各种功能应用以及数据处理，即实现本发明实施例中的分布式考勤记录存储方法。

其中，所述存储器120可以是，但不限于，随机存取存储器(RandomAccess Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。其中，存储器120用于存储程序，所述处理器130在接收到执行指令后，执行所述程序。所述通信单元140用于建立网络节点之间的通信。

所述处理器130可能是一种集成电路芯片，具有信号的处理能力。上述的处理器130可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等。还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器130也可以是任何常规处理器等。

综上所述，本申请实施例提供的分布式考勤记录存储方法、装置及网络节点，第一网络节点100通过采集到的图像信息中的待检测目标决定是否触发待检测目标的考勤记录事件，在确定触发待检测目标的考勤记录事件后，获得待检测目标对应的考勤记录。并将根据考勤记录生成的当前数据区块发送至所有第二网络节点200。在当前数据区块通过第二网络节点200的共识验证后，第一网络节点100将当前数据区块添加至区块链以存储。通过以上过程，根据考勤记录生成的当前数据区块经由第二网络节点200验证，并在验证通过后第一网络节点100将当前数据区块加入区块链中，存入区块链中的考勤记录将无法被篡改，提高数据的真实、可靠性。

进一步，本申请采用对摄像设备采集的图像信息进行处理，并通过人脸匹配的方式以实现员工考勤记录，自动化程度高，可支持多人同时考勤，避免了现有技术中采用工卡、指纹或签到等考勤方式所带来的效率低下及漏签和代签等缺陷。

在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

Claims (12)

1.一种分布式考勤记录存储方法，其特征在于，所述方法应用于分布式考勤记录存储系统中的第一网络节点，所述分布式考勤记录存储系统还包括多个第二网络节点，所述方法包括：

所述第一网络节点获得待检测目标对应的考勤记录；

根据所述考勤记录生成当前数据区块，并将所述当前数据区块发送至所述分布式考勤记录存储系统中的所有所述第二网络节点；

所述第一网络节点在所述当前数据区块通过所述第二网络节点的共识验证后，将所述当前数据区块添加至所述第一网络节点的区块链中。

2.根据权利要求1所述的分布式考勤记录存储方法，其特征在于，所述获得待检测目标对应的考勤记录的步骤之前，所述方法还包括：

所述第一网络节点获取摄像设备采集的图像信息，通过所述图像信息中的待检测目标决定是否触发所述待检测目标的考勤记录事件；

在确定触发所述待检测目标的考勤记录事件后，执行所述获得待检测目标对应的考勤记录的步骤。

3.根据权利要求2所述的分布式考勤记录存储方法，其特征在于，所述通过所述图像信息中的待检测目标决定是否触发所述待检测目标的考勤记录事件的步骤，包括：

对所述图像信息进行分析处理以获得所述图像信息中的待检测目标；

将所述待检测目标与预先建立的匹配模型库中的人物模型进行比对；

在所述待检测目标匹配到所述匹配模型库中的目标模型时，确定触发所述待检测目标的考勤记录事件。

4.根据权利要求1所述的分布式考勤记录存储方法，其特征在于，所述根据所述考勤记录生成当前数据区块的步骤，包括：

所述第一网络节点获取存储的区块链中的最后一个数据区块；

根据所述区块链中的所述最后一个数据区块生成哈希值，并根据所述哈希值和所述考勤记录生成当前数据区块。

5.根据权利要求4所述的分布式考勤记录存储方法，其特征在于，所述方法还包括：

在所述第一网络节点的区块链的数据区块中的考勤记录丢失时，从所述第二网络节点的区块链中获取对应数据区块中的考勤记录，以和所述第二网络节点的区块链同步。

6.根据权利要求3所述的分布式考勤记录存储方法，其特征在于，所述预先建立的匹配模型库为通过预先采集人脸样本集，根据采集到的人脸样本集在所述第一网络节点本地建立的匹配模型库，或与所述第一网络节点通信连接的云服务器从所述第一网络节点获得的人脸样本集并由所述云服务器根据获得的人脸样本集预先建立的匹配模型库。

7.一种分布式考勤记录存储装置，其特征在于，应用于分布式考勤记录存储系统中的第一网络节点，所述分布式考勤记录存储系统还包括多个第二网络节点，所述装置包括：

考勤记录获取模块，用于获得待检测目标对应的考勤记录；

数据区块生成模块，用于根据所述考勤记录生成当前数据区块，并将所述当前数据区块发送至所述分布式考勤记录存储系统中的所有所述第二网络节点；

添加模块，用于在所述当前数据区块通过所述第二网络节点的共识验证后，将所述当前数据区块添加至所述第一网络节点的区块链中。

8.根据权利要求7所述的分布式考勤记录存储装置，其特征在于，所述装置还包括图像信息获取模块，所述图像信息获取模块用于获取摄像设备采集的图像信息，通过所述图像信息中的待检测目标决定是否触发所述待检测目标的考勤记录事件；

所述考勤记录获取模块用于在确定触发所述待检测目标的考勤记录事件后，获得所述待检测目标对应的考勤记录。

9.根据权利要求8所述的分布式考勤记录存储装置，其特征在于，所述图像信息获取模块包括：

分析处理单元，用于对所述图像信息进行分析处理以获得所述图像信息中的待检测目标；

比对单元，用于将所述待检测目标与预先建立的匹配模型库中的人物模型进行比对；

事件触发单元，用于在所述待检测目标匹配到所述匹配模型库中的目标模型时，确定触发所述待检测目标的考勤记录事件。

10.根据权利要求7所述的分布式考勤记录存储装置，其特征在于，所述数据区块生成模块包括：

获取单元，用于获取存储的区块链中的最后一个数据区块；

生成单元，用于根据所述区块链中的所述最后一个数据区块生成哈希值，并根据所述哈希值和所述考勤记录生成当前数据区块。

11.根据权利要求7所述的分布式考勤记录存储装置，其特征在于，所述装置还包括同步模块，所述同步模块用于在所述第一网络节点的区块链的数据区块中的考勤记录丢失时，从所述第二网络节点的区块链中获取对应数据区块中的考勤记录，以和所述第二网络节点的区块链同步。

12.一种网络节点，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1-6任意一项所述的方法步骤。