论文研究-人脸识别考勤系统的设计与实现 .pdf

发布时间：2022-05-30 发布人：admin 分类：说明书资料大小：0.52M 资料格式：pdf 举报版权申诉

weixin_39840387-11558862-16359647898930462325.pdf-第1页.png

第1页 / 共7页

weixin_39840387-11558862-16359647898930462325.pdf-第2页.png

第2页 / 共7页

weixin_39840387-11558862-16359647898930462325.pdf-第3页.png

第3页 / 共7页

weixin_39840387-11558862-16359647898930462325.pdf-第4页.png

第4页 / 共7页

weixin_39840387-11558862-16359647898930462325.pdf-第5页.png

第5页 / 共7页

weixin_39840387-11558862-16359647898930462325.pdf-第6页.png

第6页 / 共7页

weixin_39840387-11558862-16359647898930462325.pdf-第7页.png

第7页 / 共7页

文本预览

中国科技论文在线 http://www.paper.edu.cn 人脸识别考勤系统的设计与实现赵玲，姚文斌** （北京邮电大学计算机学院，北京 100876） 10 5 摘要：针对当前考勤系统存在的代替考勤、考勤效率低的问题，设计并实现了一种人脸识别考勤系统 FRAS(Face Recognition Attendance System)，并基于反馈机制提出了一种人脸检测和人脸识别应用架构 3AFDR(An Application Architecture of Face Detection and Recognition )。基于 AdaBoost 算法和和 PCA（Principal Component Analysis）算法，FRAS 进行能够识别出唯一的考勤对象，保障了考勤操作的不可替代性，结合考勤规则对考勤信息进行统一管理，提高了考勤效率。此外，3AFDR 架构中将拍摄的照片经过归一化处理作为样本存储到样本库，并定期对样本进行训练，实现了样本的智能化管理，降低了环境因素对检测效果的影响。关键词：人脸检测；人脸识别；反馈机制中图分类号：TP317 15 20 25 30 35 Design and implement of face recognition attendance system (School of Computer Science, Beijing University of Posts and Telecommunications, Beijing ZHAO Ling, YAO Wenbin 100876) Abstract: Focused on substitute attendance, low attendance efficiency issues existing in the current attendance system, a face recognition attendance system named FARS (Face Recognition Attendance System) was designed and implemented, and an application architecture of face detection and recognition named 3AFDR(An Application Architecture of Face Detection and Recognition) was put forward. Based on the AdaBoost algorithm and PCA(Principal Component Analysis) algorithm, the unique attendance object was determined with FRAS to ensure the attendance operation non-substitutable, the attendance records were uniformly managed with the attendance rules to improve the efficiency. Moreover, the attendance photos were normalized and stored in the sample library as a sample ,and then trained regularly, realizing the intelligent management of samples and reducing the effects of environmental factors on detection results. Key words: face detection; face recognition; feedback mechanism 0 引言随着企事业单位的管理制度的加强，考勤管理的重要性日益凸显，而随着信息时代的发展，智能化的考勤信息系统应用也越来越广泛。当前应用比较广泛的考勤系统包括以下三种： IC 卡考勤系统、指纹识别考勤系统和虹膜识别考勤系统[1]。但是，IC 卡考勤系统以卡的信息不是人的信息为唯一标识，而随着指纹套的出现，指纹也不再唯一确定考勤对象[2]。同时，红膜识别对考勤人员姿势要求高，效率缓慢。显然，现有考勤系统存在代替考勤[3]、考勤效率低的问题。针对以上问题，设计并实现了一种人脸识别考勤系统 FRAS。FRAS 利用人脸检测技术和人脸识别技术从考勤图片上获得考勤人员的信息，结合考勤规则生成唯一的考勤 40 记录，保障了考勤操作不可替代性，通过对考勤记录的统一管理，提高了考勤效率。然而，人脸检测精度会受到姿态、遮挡、光照、衣着、妆梳和拍摄角度等环境因素影响[4]，因此，本文基于反馈机制设计了人脸检测和识别应用架构 3AFDR，即将应用过程中将考勤照片经作者简介：赵玲（1989-），女，硕士研究生，主要研究方向：信息安全与灾备技术、信息化系统建模与仿真通信联系人：姚文斌（1972-），男，教授，主要研究方向：信息安全与灾备技术、信息化系统建模与仿真、可信计算与容错计算、云计算技术、高性能物联网. E-mail: yaowenbin_cdc@163.com - 1 -

中国科技论文在线 http://www.paper.edu.cn 过图像归一化处理后保存到样本库，通过定期训练，更新分类器。 1 相关技术简介 45 1.1 AdaBoost 算法 AdaBoost 算法通过调整权重对样本库中的正负样本进行反复训练，不断得到多个弱分类器，然后将弱分类器经过加权叠加，得到最后的强分类器，用来进行人脸检测。理论可以证实：只要弱分类器分类的正确率高于 50%，可通过对弱分类器进行级联组成强分类器，当级联的个数趋向无穷多个时，强分类器的分类错误率将趋近于零[5]。 50 1.2 PCA 算法在人脸图像识别中，PCA 变换又称 K-L 变换，被认为是最成功的线性鉴别分析方法之一，目前仍然被广泛地应用在人脸图像识别等领域[6,7]。PCA 技术通过降低数据维数简化数据结构，将高维空间中的数据通过正交变换投影到低维空间中，进而从图像数据中提取主要特征[8]。 55 2 系统架构设计 2.1 3AFDR 架构设计基于 AdaBoost 算法的人脸检测和基于 PCA 算法的人脸识别均分为训练和识别两个阶段。传统的应用架构是训练阶段和识别阶段独立完成，而训练阶段是在系统初始化阶段一次性完成。而本文设计了一种 3AFDR 应用架构，利用反馈机制将两个阶段整合到一起，传统 60 应用架构和 3AFDR 架构比较如图 1 所示。图 1 传统架构和 3AFDR 架构对比 Fig.1 The contrast of traditional architecture and 3AFDR architecture - 2 - 训练阶段识别阶段人脸检测拍摄照片样本采集样本训练传统架构人脸识别人脸检测拍摄照片样本采集样本训练人脸识别AAFDR架构到达更新周期？图像归一化处理YN

中国科技论文在线 http://www.paper.edu.cn 65 识别阶段拍摄的人脸图片，经过图像归一化处理后更新到样本库中。当到达更新周期时，系统重新从样本库采集样本并进行训练，并基于训练结果继续执行人脸检测和识别。 2.2 FRAS 架构设计 FRAS 系统用户包括：考勤人员和考勤管理人员。考勤人员按照系统界面指导完成考勤操作，而考勤管理人员完成对考勤信息的审核查看。为了保障不同类型用户角色的相对独立 70 性，设计人脸签到子系统和考勤审核子系统分别供考勤人员和考勤审核人员使用。FRAS 架构设计如图 2 所示。 75 80 85 图 2 FRAS 架构设计 Fig.2 FRAS architecture design 1) 展示层展示层负责提供系统和用户交互的 UI 界面。人脸检测子系统的界面形式为.exe 执行文件，考勤审核子系统的界面形式为 WEB 网页。 2) 应用层应用层负责提供系统的主要业务功能。人脸检测子系统的功能包括：样本采集、样本训练、拍照采样、人脸检测、人脸识别和生成考勤记录，考勤审核子系统的功能包括：考勤信息统计和考勤信息展示。 3) 支撑层支撑层负责完成文件和数据的存储。人脸检测分类器和人脸识别所需要的分类器以 xml 文件形式保存到服务器硬盘中。考勤处理所需的企业工作时间表、考勤人员名单和休假安排等基本信息以及生成的考勤记录均存储到 MySql 数据库中。 - 3 - 考勤审核子系统WEB 浏览器界面人脸签到子系统展示层应用层支撑层可执行文件运行界面拍照采样人脸检测人脸识别生成考勤记录考勤信息统计考勤信息展示样本训练样本采集数据库文件数据库

中国科技论文在线 http://www.paper.edu.cn 3 系统实现 3.1 人脸签到子系统 90 该子系统供企业考勤人员使用，主要解决考勤人员人脸图像采集、考勤信息处理和记录生成问题。系统流程如图 3 所示。 95 图 3 人脸签到子系统流程图 Fig.3 Face attendance subsystem flowchart 系统在启动时完成一次初始化操作，主要完成读取数据库中存储的公司工作时间表、工作人员名单和休假安排等信息，然后根据内部考勤规则对数据进行处理，获得企业中每个员工每天每个时间段（早/中/晚）上班和下班时间。然后，系统一直处于监听状态，若监听到有考勤操作，则进入考勤处理流程，若监听到有退出操作请求，则退出系统，否则继续监听。 100 考勤处理流程首先提供考勤人员启动摄像头拍摄考勤照片，然后自动对考勤照片进行分辨率、灰度等方面的归一化操作，并按照规则存储到正样本库中。当工作人员确定考勤选项，系统基于考勤照片进行人脸检测和识别处理，并结合结果和考勤规则生成一条考勤记录，并存储到数据库中。并按照“考勤操作选项（签到/签退）匹配结果（有效/无效），考勤结果（您迟到/早退/加班了）考勤时间（x 分钟）”结构将考勤处理信息提示给用户。 105 人脸检测效果如图 4 所示。 - 4 - 人脸检测和识别开始系统初始化监听操作结束YN判断是否为重复操作？生成一条有效考勤记录并保存到数据库提示为重复操作基于AAFDR架构的更新人脸检测和识别训练结果启动摄像头拍摄考勤照片选择考勤选项（签到/签退）有考勤操作请求？有退出操作请求？YN

中国科技论文在线 http://www.paper.edu.cn 图 4 人脸检测效果 Fig.4 Face detection result 110 3.2 考勤审核子系统该子系统供企业考勤审核人员使用，主要解决对考勤信息的审核和统计问题。系统流程如图 5 示。 115 图 5 考勤管理子系统流程图 Fig.5 Attendance management subsystem flowchart 考勤审核人员登录系统后，系统首先对用户进行身份验证，若是授权的考勤审核人员登 - 5 - 开始用户登录验证通过？选择输入审核范围Y提示“无此用户”信息登录验证N考勤统计统计结果展示退出系统？NY结束选择操作功能N

中国科技论文在线 http://www.paper.edu.cn 录，则提示用户输入考勤审核范围，系统自动进行审核统计，并将结果展示在页面上。否则，提示错误信息，并退出系统。系统支持多次审核，只有当用户选择执行退出系统功能审核结 120 束。以 2014 年 7 月实验室学生的考勤记录进行审核，审核结果展示如图 6 所示。 125 4 结论图 6 考勤审核结果展示 Fig.6 Attendance audit results show 本文针对当前考勤系统存在的代替考勤、考勤效率低的问题，提出一种人脸考勤系统 FRAS，并提出了一种人脸检测和识别的应用架构 3AFDR。基于 AdaBoost 算法和 PCA 算法， FRAS 的人脸签到子系统对拍摄的考勤照片中的考勤对象进行检测和识别，并基于识别结果 130 和考勤规则生成唯一的考勤记录，保障了考勤操作的不可替代性，提高了考勤效率。而考勤管理人员通过考勤审核子系统对考勤信息进行审核查询，提高了考勤审核效率。3AFDR 利用反馈机制，将识别阶段拍摄的照片经过归一化处理作为样本更新到样本库中，通过定期对样本库进行训练，实现了样本的智能化管理，同时也降低了姿势、姿态、遮挡、光照、衣着、妆梳和拍摄角度等环境因素对检测效果的影响。目前，FRAS 已经在实验室进行试运行，为 135 教师进行实验室考勤管理提供了便捷的通道。此外，FRAS 在人脸检测模块还留有接口，多目标人脸检测和多考勤记录处理将作为下一步的研究方向。 [参考文献] (References) 140 145 150 [1] 赵鹏飞. 基于人脸识别的煤矿职工考勤系统设计[J]. 煤炭技术，2013，32（11）：315-317. ZHAO P F. Design principles of mine workers attendance system based on face recognition[J]. Coal Technology, 2013, 32(11): 315-317. [2] 何定华，陈觎. 基于摄像头和触摸屏的网络版考勤系统的实现[J]. 煤炭技术，2011，30（17）：192-193. HE D H, CHEN Y. Implementation of network check attendance system based on camera and touch panel[J]. Coal Technology, 2011, 30(17): 192-193. [3] 刘兆军. 基于人脸识别的考勤系统的设计与实现[D]. 成都：电子科技大学，2010. LIU Z J. Design and implementation of face recognition attendance system[D]. Chengdu: University of Electronic science and technology of china, 2010. [4] 阮锦新，尹俊勋. 基于人脸特征和 AdaBoost 算法的多姿态人脸检测[J].计算机应用，2010,30（4）：967-970. RUAN J X, YIN J X. Multi- pose face detection based on facial features and AdaBoost algorithm[J]. Journal of Computer Applications, 2010,30(4):967-970. [5] 施为. 公安系统人脸识别算法的研究与实现[D]. 南京：南京邮电大学，2013. SHI W. Research and implementation of the public security system face recognition algorithm[D]. Nanjing: Nanjing University of Posts and Telecommunications, 2013. - 6 - 考勤管理人员李莉王长明孙伟赵玲20140101201401022014010320140104

中国科技论文在线 http://www.paper.edu.cn [6] 张琳彦，吴宁，齐春. 基于线性映射的灰度级超分辨率人脸识别方法[J]. 中国科技论文在线，2011,6（7）： 482-488. ZHANG L Y, WU Y, QI C. Gray-scale super resolution for face recognition based on linear mapping[J]. SCIENCEPAPER ONLINE, 2011, 6(7): 482-488. [7] 黄昉，张宝昌，刘金琨. PCA 在人脸识别中的改进算法[J]. 中国科技论文在线，2011,6（1）：54-58. HUANG F, ZHANG B C, LIU J K. Promoted PCA and its application in human face recognition[J]. SCIENCEPAPER ONLINE, 2011, 6(1): 54-58. [8] 李康顺，李凯，张文生. 一种基于改进 BP 神经网络的 PCA 人脸识别算法[J]. 计算机应用与软件，2014,31 （1）：158-161. LI K S, LI K, ZHANG W S. PCA face recognition algorithm based on improved BP neural network[J]. Computer Applications and software, 2014, 31(1): 158-161. 155 160 165 - 7 -

分享到：

赞收藏

资料库

论文研究-人脸识别考勤系统的设计与实现 .pdf

相关推荐

开发技术

热门标签

最新资料