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。     

基于树莓派的人脸识别考勤系统的开发与实现

提出一种基于树莓派的人脸识别考勤系统,该系统通过使用人脸识别云服务可实时地对人员进行考勤.文中详细描述了该系统的搭建和实现过程,为相关产品提供了一套很好的解决方案.对所设计的系统进行模拟测试,其测试结果达到了设计目标.     

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。     

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.     

动态视频人脸考勤方法研究与实现

研究并实现了利用Gabor滤波器和Fisher线性鉴别分析(FLDA)方法的动态人脸识别考勤系统.系统实现的基本思想是运用Gabor变换提取人脸的局部特征和经过Gabor处理后使得人脸对光照变化不敏感;进一步利用FLDA来降维和隐含地提取最有利于分类的最佳鉴别特征;最后将视频采集的考勤图像与训练库中的图像通过比对,得出识别结果.实验结果表明,利用该方法开发的动态人脸识别考勤系统具有识别率高、实用性好、可靠性强等特点.     

基于人脸识别的视听残障学生教学课堂考勤系统

本文基于人脸识别技术,采用人脸识别结合人脸特征匹配的方法,并根据视听障碍学生的特点,对视听残障课堂考勤系统进行探索与设计,设计开发了一款视听残障学生的无感知课堂考勤系统并对存在的问题进行了阐述。     

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ARM的人脸识别门禁系统设计

针对现有门禁系统因采用IC卡、射频卡等考勤方法存在"认卡不认人",采用指纹虹膜等生物识别技术存在指纹容易损伤等问题,设计了一套基于ARM的人脸识别门禁系统。该系统采用S3C2440B芯片为处理器、USB摄像头作为视频采集设备,自动搜索人脸进行拍照;采用基于PCA的人脸识别算法对采集的人脸图像进行识别,若为非法入侵人员则发出报警声,并通过GPRS技术发短信通告系统管理员采取安全防范措施。测试结果表明,该系统在严格的测试环境下能够准确高效地识别出人脸,平均识别率达95%以上。     

基于虚拟样本的改进人脸识别算法研究及应用

针对实际采集的视频中背景复杂,人物多变,图像处理时间长,训练样本不足的问题,提出了构造虚拟样本,并结合Gabor滤波器及对PCA-LDA算法加以改进的人脸识别算法,以应用于教室点名系统。首先对教室采集到的视频进行裁剪,按帧截取并检测出含有人脸的部分图像并单独保存为测试图像,然后将其与已有人脸库里的训练图像进行对比,最后采用提出的镜像法构造虚拟样本,并结合了Gabor滤波器以及PCNN灰度图像增强处理算法的改进PCA-LDA算法进行人脸识别。仿真实验表明,提出的算法预测了样本可能存在的变化,也在一定程度上降低了计算复杂度,明显地提高了识别率,并在教室点名系统中得到了较好的验证。     

基于差空间的双向2DPCA和SVM人脸识别算法

为降低SVM人脸识别算法对样本进行训练和识别的时间,提出了一种改进的基于差空间的双向2DPCA(Bidircctional two dimensions PCA)和SVM相结合的人脸识别算法。该方法充分考虑了表情和光照对人脸图像的影响,不但利用小波变换对人脸图像进行预处理,而且成功地把类内平均引入到双向2DPCA的计算中,并结合了SVM在分类识别方面的优势,有效节省了算法所需的时间。在Yale人脸库上的实验表明,它不但可以提高识别率,而且所用时间明显减少。     

基于描述特征的人脸识别研究

针对基于主成分分析识别人脸存在计算复杂、不能准确地估计训练图像的协方差矩阵等问题,提出了一种基于描述特征的人脸识别算法(Expressive feature face recognitionalgorithm, EFFRA).该算法用训练图像的右奇异向量代替PCA求解的子空间的基向量,避免了将人脸图像转换成图像向量,明显降低了计算复杂性.进一步研究发现,EFFRA提取的每一个主成分向量中含有冗余,在此基础上,利用PCA实现了EFFRA的简化算法(MEFFRA),在ORL和Essex数据库上的实验结果表明,EFFRA及MEFFRA明显优于特征脸算法,MEFFRA的识别精度略好于EFFRA,但明显减少了对存储空间的需求.     

基于小波和DFB-PCA的人脸识别算法研究

本文提出了一种基于小波和DFB-PCA的人脸识别算法。将识别图像先用小波变换对其分解后,再对低频子带进行DFB-PCA识别。实验结果表明,该方法有利于减少光照、姿势和表情等因素的影响,降低噪声和图像识别的维数,且具有较好的鲁棒性。与直接在原图像上采用PCA识别相比,可提高对图像的计算速度和识别效率。     

结合整体与局部信息的人脸识别方法

提出了一种综合利用整体和局部信息进行人脸识别的新方法。在对整幅人脸图像进行PCA分析的基础上辅以了局部区域的PCA LDA分析。在ORL的400幅人脸库上对此方法进行了验证，结果证明此方法是有效可行的，最优的识别率达到了97％，比仅利用完整图像的人脸识别方法有了不同程度的提高。     

基于独立分量分析的人脸超分辨率重建

提出一种基于独立分量分析(ICA)的人脸超分辨率重建算法。该算法利用ICA从高分辨率训练图像中提取出独立分量,并对ICA系数进行先验估计。对于给定的低分辨率图像,结合最大后验概率估计求出ICA系数,进行ICA反变换得到高分辨率图像的近似估计,并利用局部结构张量对图像进行精化处理得到重建图像。仿真结果表明,该算法在实现人脸超分辨率重建的同时保持了人脸整体结构特征,且对光照、表情、姿态等具有一定的鲁棒性,将重建结果用于人脸辨识,有效提高了辨识效率。     

基于Bit平面和广义PCA的人脸识别

提出了一种结合Bit平面信息和广义PCA进行人脸识别的新算法。利用人脸图像的Bit平面信息，经特征融合来构造新的人脸，在此基础上再进行广义PCA分析。实验表明，该文提出的方法不仅能提高人脸的识别率，而且在人脸特征空间的维数较低时，识别率已经达到稳定。     

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。     

Face recognition attendance system based on PCA approach

This paper uses principal component analysis(PCA) to train the face and extract the characteristic value. This approach achieves the purpose of rapid attendance. PCA is an early and important approach for face recognization. It can reduce the dimension of face image space as well as describe the variation characteristics between different face images. The attendance system is a realtime system that requires shorter response time, for which PCA is a best choice. We use histogram equalization to eliminate the noise and improve the performance. With convenient MATLAB GUI visual operation interface, users can click on the corresponding button to implement face recognition tasks.     

基于类内加权平均值的模块PCA算法

针对主成分分析（PCA）算法在人脸识别中识别率低的问题,提出一种基于类内加权平均值的模块PCA算法。该算法对每一类训练样本中每个训练样本的每个子块求类内加权平均值,用类内加权平均值对训练样本类内的相应子块进行规范化处理。由所有规范化后的子块构成总体散布矩阵,得到最优投影矩阵,由训练集全体子块的中间值对训练样本子块和测试样本子块进行规范化后投影到最优投影矩阵,得到识别特征,并用最近距离分类器分类。ORL人脸库上的实验结果表明,该算法的识别性能优于普通模块PCA算法。