人脸识别算法在考勤系统的应用

深度学习与大数据技术的相遇,促使人脸识别技术在精度上已经达到很高水平,然而在实际应用场景中,尤其在复杂背景、移动中以及自然状态下的人脸识别,还没有达到令人满意的效果.针对人脸识别在考勤应用中的问题进行算法设计与改进,提出递归最小窗口算法,对M:N多人脸识别场景下人脸跟踪算法进行优化设计,通过多角度采样提高识别精度和识别鲁棒性,并在人脸考勤系统中进行应用实现与验证,取得多人同步3 s内完成考勤的成绩,在用户体验上获得了较明显的提升.     

基于人脸识别技术的考勤应用研究

本文简单介绍了人脸识别技术的工作原理和其在考勤系统的应用。众所周知,现如今人脸识别技术的应用范围愈发广阔,其技术也在不断提升。而当前考勤系统多为打卡机或手动打卡,代打卡等不规范现象严重,因此对于打卡方式的改革乃是当务之急。将人脸识别技术应用到考勤系统,通过识别人脸特征,提高考勤准确性和高效性,可以对校园、企业等地方起到深远影响。     

基于人脸识别的考勤签到系统实现

将人脸识别技术与考勤签到结合起来,不仅在高校课堂中使用方便快捷,同时能满足稳定性和确定性等专业技术指标的要求.基于这种思想,设计并实现了一个基于Android平台的刷脸考勤系统.通过使用Face++视觉服务平台提供的信息云端处理和存储功能,处理由Android手机摄像头采集到的人脸图像数据,从而实现人脸识别和学生签到考勤的功能.     

基于安全加密的人脸活体检测技术

人工智能作为新时代重要的产物,近年来,越来越多的人工智能解决方案、人工智能产品应用在各行各业。人脸识别是人工智能领域重要的应用之一,目前人脸识别在国家及公共安全、金融领域等方面的应用越发重要,人脸识别技术已经是机器视觉领域重要的组成部分。近年来,人脸识别广泛应用在门禁、刷脸支付、无人超市、机场安检、公司人脸考勤打卡,银行取款、公安安防等。目前已经有越来越多的使用人脸活体检测,安全的问题也被人们所关注。人脸识别的应用场景本文就人脸识别的活体检测及安全加密机制进行了详细的分析与探讨。     

基于百度AI人脸识别的考勤系统设计与实现

针对高校传统的学生考勤方式所存在的效率低下等问题,设计并实现了一种基于人脸识别的高校学生考勤系统,借助百度平台开放的人脸识别API接口实现人脸考勤打卡,系统的开发采用MVC设计模式,遵循软件开发高内聚低耦合的原则,使系统层次结构清晰,便于后期维护.基于人脸识别的考勤系统开发完毕后解决了传统考勤方式存在的问题,使高校的考勤管理实现了信息化,提高了考勤效率.     

基于深度学习的人脸识别课堂考勤系统设计

课堂考勤是课堂教学中的重要环节,随着信息技术的发展,以人脸识别为代表的生物特征识别技术应用于课堂考勤管理,但传统人脸识别技术存在识别速度慢、准确率低等问题。根据课堂考勤管理业务需求,设计了基于深度学习的人脸识别课堂考勤系统。该系统采用Dlib库的深度学习模型对摄像头捕获的学生图像信息进行人脸特征提取与人脸对比,可以自动进行人脸识别与数据统计。测试结果表明,该系统能够满足省时、高效、准确性高的设计要求。     

基于人脸识别的考勤系统的设计与研究

通过研究人脸识别,设计出一套用于考勤的系统。基于人脸识别的考勤系统中最主要的就是人脸识别;首先对通过摄像头拍摄获取的原始人脸图片进行图像预处理;然后通过对人脸的眼睛、鼻子和嘴巴的定位实现人脸定位;在定位后的人脸图片中将眼睛、鼻子、嘴巴的特征值提取出来;最后通过图片中提取的特征值和后台人脸特征数据库中的值进行比较来完成人脸的识别功能。     

基于嵌入式人脸识别考勤系统的设计

设计了基于嵌入式的人脸识别考勤系统。首先进行嵌入式的人脸识别考勤系统的硬件设计。在此基础上进一步确定了Linux系统设计方案,搭建嵌入式的软件系统,然后利用了PCA算法来完成人脸图片的识别。最后利用VS2010进行考勤系统的设计,实现考勤记录的实时查询,从而完成了基于嵌入式的人脸识别考勤系统的设计。     

基于MATLAB的人脸识别考勤系统

本文的主要研究内容是人脸识别技术.在研究中了解人脸识别技术在国内外的研究现状及发展前景,掌握了部分MATLAB的图像处理功能,并按照人脸图像采集、图像预处理、人脸特征提取与识别这条技术路线开发实现了一个简易人脸识别系统.本次设计中的核心部分是人脸的检测与识别,此人脸识别可应用于企业员工考勤签到上.     

基于人脸识别的移动课堂考勤系统的设计与实现

本移动课堂考勤系统利用了人脸识别技术,在安卓客户端上实现课堂考勤,一键完成实时考勤及考勤统计功能。系统使用基于人脸特征点识别算法,通过对图片切割、人脸特征提取及降维,实现当前人脸信息与人脸数据库信息的匹配,从而实现人脸验证。实验表明,在误差允许范围内,本系统的准确率达到75%。     

结合人脸识别的RFID身份验证系统研究与实现

随着RFID识别技术的广泛应用以及人脸识别技术的发展,结合两种技术将会提高身份识别的安全性和有效性。基于此,整合了RFID射频卡信息处理、Adaboost人脸检测、LDA人脸识别等模式识别处理技术,实现了一个身份智能验证系统,可应用于大型活动、会议和体育赛事的安检以及公司的考勤中,具有重要的实际应用价值。     

煤矿调度室员工自动签到系统的设计

针对煤矿采用的打卡记名等常规考勤方法存在的考勤信息不准确问题,采用人脸识别技术设计了一种煤矿调度室员工自动签到系统,介绍了系统的总体设计方案及人脸识别算法。该系统首先采集人脸图像并进行预处理,然后采用Adaboost算法进行人脸检测,最后采用POEM+分块PCA算法及最近邻法分类器对采集到的人脸图像进行识别,以实现调度室员工的自动签到功能,并对考勤状况加以记录,为员工考核提供依据。     

人脸识别技术在石化企业考勤系统的应用

基于百度AI平台设计了人脸识别技术在石化企业考勤系统的应用。首先进行软硬件交叉编译环境的搭建,完成了U-Boot、Linux内核以及根文件系统的移植,以Tiny 4412开发板为硬件基础,Qt为软件开发平台,实现摄像头抓取人脸图像、人脸信息对比检测、LCD显示、管理员账号登录等考勤系统功能。     

Adaboost算法的面部识别技术在智慧工地中的应用

本文提出基于面部识别技术的智慧工地管理平台解决方案。首先,借助Adaboost算法分析介绍了人脸检测技术和人脸识别技术在智慧工地中的实现过程,然后进行了需求分析、架构分析和功能分析,最后借助某建筑工程项目进行了实际检验和对比。结果表明,采用人脸识别技术的智慧工地管理对于人员安全管理、考勤管理具有显著优势,不带安全帽的违规人数从32人大幅度降低至5人,同时考勤异常人次也从21降低至3,为工地精细化和智能化管理提供了有力支撑。     

Real-time face tracking and recognition using the mobile robots

The terrain is complex and dynamic in a disaster. This paper aimed at constructing a multipose-specific feature model for online face recognition and tracking in a search and rescue operation. This paper proposes an integrated multipose face tracking and recognition system mounted on an unmanned aerial vehicle (UAV). The face model is constructed online by multi-scale block local binary pattern (MB-LBP) for face recognition. The generic and specific face models are further integrated for face tracking. Mechanisms for the online update of face models to retrieve loss of face tracking are also implemented. The results show that the proposed system achieves stable and robust tracking despite uncertainties (e.g. non-rigid human face, face expression changes, different face poses, complex background, varying illumination, partial visual occlusion, and pose changes). The target loss during tracking can be retrieved correctly. In face recognition, the multipose-specific face model can achieve an accuracy (above 70%). The results demonstrate the feasibility of the proof-of-concept using UAV or ground mobile robot (GMR) for real-time face recognition and tracking.     

基于学生人体检测的无感知课堂考勤方法

针对基于人脸识别的课堂考勤系统漏检和低识别率的问题，采用主、从双摄像机设备，提出一种联合学生人体检测和人脸角度筛选的方法。首先通过Mask R-CNN算法检测主摄像机拍摄图中的学生人体位置；然后控制从摄像机（PTZ相机）依次获取每位学生的高质量放大图像；再通过MTCNN算法和FSA-Net算法从中检测并识别出人脸姿态，筛选出每位学生的正脸图像；最后对筛选出的学生正脸图像使用FaceNet算法提取人脸特征，用于支持向量机（SVM）分类器的训练或识别。实验结果表明，与Tiny-face算法相比，人体检测算法在重叠比（IOU）为0.75时平均精度（AP）值提高了约36%且检测耗时减少了57%；与建立多姿态人脸数据库的方法相比，采用人脸角度筛选的方法使识别率提高了4%；多数情况下整个课堂学生识别的准确率接近100%。所提方法简化了学生注册过程，提高了人脸识别率，为解决人脸漏检问题提供了新的思路。     

基于学生人体检测的无感知课堂考勤方法

针对基于人脸识别的课堂考勤系统漏检和低识别率的问题,采用主、从双摄像机设备,提出一种联合学生人体检测和人脸角度筛选的方法。首先通过Mask R-CNN算法检测主摄像机拍摄图中的学生人体位置;然后控制从摄像机（PTZ相机）依次获取每位学生的高质量放大图像;再通过MTCNN算法和FSA-Net算法从中检测并识别出人脸姿态,筛选出每位学生的正脸图像;最后对筛选出的学生正脸图像使用FaceNet算法提取人脸特征,用于支持向量机（SVM）分类器的训练或识别。实验结果表明,与Tiny-face算法相比,人体检测算法在重叠比（IOU）为0.75时平均精度（AP）值提高了约36%且检测耗时减少了57%;与建立多姿态人脸数据库的方法相比,采用人脸角度筛选的方法使识别率提高了4%;多数情况下整个课堂学生识别的准确率接近100%。所提方法简化了学生注册过程,提高了人脸识别率,为解决人脸漏检问题提供了新的思路。     

基于实时视频的人脸识别技术的研究

人脸识别是机器视觉、模式识别等领域的研究热点,具有广阔的应用前景,提出了一种基于实时视频的人脸识别方法,重点介绍了相似度计算,图像二值化,以及人脸识别的编程实现过程,并结合实际图片进行了人脸识别测试,实践结果表明系统效果良好。     

人脸识别会议签到的嵌入式系统设计

为了解决传统会议签到问题,利用S5PV210与CC2530、摄像头、按键、液晶显示屏等硬件设备设计了一种人脸识别会议签到硬件终端。在定义的通信协议的基础上,采用C语言开发出了下位机与上位机间进行数据传输的程序。利用QT编制了人脸识别会议签到终端控制系统软件,重点研究了基于PCA算法的人脸识别实现、QT与CC2530的串口通信、ZigBee组网的数据传输。实验结果表明:基于PCA算法的人脸识别稳定可靠、上位机软件操作方便,ZigBee无线通信稳定,软硬件设计达到了预期的功能和要求。