基于人脸识别的门禁及考勤管理系统应用结构设计

《基于人脸识别的门禁及考勤管理系统应用结构设计》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于人脸识别的门禁及考勤管理系统应用结构设计第一章绪论1.1课题研究的背景与意义门禁/考勤是每个单位物业/人事管理工作中的重要组成部分。随着计算机技术的飞速发展，各种打卡机、磁卡考勤机、IC机的不断出现，代替了传统的人工门禁/考勤方式，使门禁/考勤管理进入一个新时代。近年来，由于生物识别具有便于携带、不会丢失、不会遗忘、不会被借用或盗用等特点，生物识别技术被引起重视和广泛的应用。人脸识别技术作为生物识别技术中的一种,它具有直接、友好、方便的特点,易为用户所接受,因此成为了身份验证的最理想依据。目前，国际上掌握比较先进的人脸识别技术的国家有美国、德国、加拿大、以色列等。其中，美国A4Visio

2、n产品，FAR（错误接受率）：0.12%，FRR（错误拒绝率）：9.79%，姿态变化识别率：23%，面部头发遮挡识别率：50%，头部遮挡识别率：低于5%，弱光线识别率：低于5%。我国在这一领域也已处于较为领先的地位，其中由清华大学电子系人脸识别课题组负责人苏光大教授主持承担的国家"十五"攻关项目―人脸识别系统，识别率大于80%。国内，深圳科佳科技集团的KOM-V620人脸识别考勤系统，航天金盾公司的航天人面考勤系统等考勤速度已小于1秒，准确率均在96%以上。随着人脸识别技术的进一步发展，相信如果在人脸姿势变化、特征部分遮挡、年龄变化、光照变化等降低识别率的方面得以技术突破，更多的识别率高、响

3、应速度快的基于人脸识别技术的考勤系统产品将不断涌现。虽然人脸识别有很多其他识别无法比拟的优点，但是它本身也存在许多困难。人脸识别被认为是生物特征识别领域甚至人工智能领域最困难的研究课题之一。人脸识别的困难主要是人脸作为生物特征的特点所带来的。人脸在视觉上的特点是：第一，不同个体之间的区别不大，所有的人脸65的结构都相似，甚至人脸器官的结构外形都很相似。这样的特点对于利用人脸进行定位是有利的，但是对于利用人脸区分人类个体是不利的；第二，人脸的外形很不稳定，人可以通过脸部的变化产生很多表情，而在不同观察角度，人脸的视觉图像也相差很大，另外，人脸识别还受光照条件（例如白天和夜晚，室内和室外等）、人

4、脸的很多遮盖物（例如口罩、墨镜、头发、胡须等）、年龄等多方面因素的影响。在人脸识别中，第一类的变化是应该放大而作为区分个体的标准的，而第二类的变化应该消除，因为它们可以代表同一个个体。通常称第一类变化为类间变化（inter-classdifference），而称第二类变化为类内变化（intra-classdifference）。对于人脸，类内变化往往大于类间变化，从而使在受类内变化干扰的情况下利用类间变化区分个体变得异常困难。因此，本课题研究的目的就在于力求使人脸识别在姿势变形、光照变化等方面增强其容忍度，提高识别率，并在此基础上建立一套实用的门禁/考勤系统。该基于人脸识别技术的门禁/考勤系

5、统，要使数据采集、数据统计和信息查询过程自动化，方便员工上班报到及管理人员统计、考核员工出勤情况，能准确反映出某天或者某月的个人、部门或者整个单位的考勤状况，为管理人员提供准确的考勤数据。并且，数据要客观公正、计算准确可靠，能有效防止迟到、早退、旷工等不良现象的发生。同时也要最大限度地避免人为因素的干扰，体现考勤管理制度的公开、公平性，杜绝代打考勤等人情化现象。此外，使用基于人脸智能识别的手段以获得相对准确的进出人员资料，对个别安全场所及重要区域来说是必不可少的。从而使管理效率大大提高，促进管理的正规化、规范化和科学化，进而为各单位管理提供科学、可靠的门禁/人事考勤管理手段。因此，课题的成果

6、将具有广阔的产品化前景。1.2基于人脸识别技术的门禁考勤研究现状人脸识别是一种最自然的机器身份识别方式，人脸是可塑性变形体，加之受到光照、姿势、表情变化、饰物、背景等因素的影响，识别的准确度受到很大限制。同时人脸识别还涉及到图像处理、计算机视觉、模式识别、等领域。所以，人脸识别是一项非常艰巨的任务，目前，主流的识别方法有：①65基于特征的方法，包括几何特征方法、代数特征方法等（如：Brunelli等利用人脸边缘图的积分投影提取了人脸几何特征，并提出用灰度模板来表示人脸几何特征的方法；Turk等采用特征脸（Eigenfaces）方法实现人脸识别；Pentland等提出对于眼、鼻和嘴等特征分别建

7、立一个特征子空间，并联合特征脸子空间的方法获得了好的识别结果。）②基于模板的方法，包括模板匹配方法、弹性图匹配方法等（如：Nastar等提出将人脸图像表示为可变形的3D网格表面，将人脸匹配问题转换为曲面匹配问题，取得一定技术突破。）③基于模型的方法，包括形变模型方法、支持向量机方法、隐马尔可夫模型方法等（如：Lanitis等通过在人脸特征边沿选择一些稀疏的基准点描述人脸的形状特征，然后将形状变形到所有人脸图像