基于人脸检测识别的自动签到方法研究

论文摘要

目前考勤系统主要有三种方法,纸介打卡机、指纹打卡机和IC卡照相打卡机。这三种方法都有弊端,纸介打卡机可以由他人代打,容易作弊;指纹打卡机中采集人得指纹,由于人手在使用过程中会受到摩擦而影响指纹的清晰度,所以识别率较低;IC卡照相打卡是需要每个人用自己的IC卡激活打卡机,然后进行拍照,把照片存入IC卡对应的文件夹下,到月末的时候由专人进行统计照片张数,所以浪费人力而且当IC卡丢失或损坏,则给考勤带来一定的麻烦。本文结合已有的人脸识别算法提出了把人脸识别技术应用于考勤系统,运用Opencv中对于人脸检测的模型已经建立的XML文件和奇异值分解以及神经网络等方法应用于单位考勤系统,采用建立人脸图像训练库代替前文提出的IC卡,解决了IC卡在丢失或损坏情况下存在的问题,并实现了动态人脸识别考勤系统。主要阐述了用ASP、SQL2005等工具开发“签到系统”的全过程即实现步骤。本文中人脸特征提取和基于神经网络实现的人脸识别分类都是采用的matlab来实现的代码,在最后使用ASP设计系统时采用的转换方式是在JAVA中调用matlab代码,然后再编辑成组件在ASP中调用,最终实现了B/S模式下的自动人脸识别的签到系统,界面友好,操作简单。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景
• 1.2 研究现状
• 1.2.1 签到系统的现状
• 1.2.2 人脸识别技术的现状
• 1.3 研究内容
• 1.4 本文的主要工作及结构安排
• 第2章 图像采集与人脸检测
• 2.1 图像采集
• 2.2 图片中的人脸检测
• 2.2.1 人脸检测原理
• 2.2.2 基于Boosted Cascade 算法的人脸检测的实现
• 2.3 实验与结果分析
• 2.3.1 实验过程与程序
• 2.3.2 测试与评价
• 2.4 基于眼睛验证的Boosted Cascade 人脸检测方案
• 2.4.1 实验过程与流程
• 2.4.2 测试与评价
• 2.5 本章小结
• 第3章 基于奇异值分解的人脸特征提取
• 3.1 引言
• 3.2 图像预处理
• 3.2.1 图像分割
• 3.2.2 图像灰度化
• 3.3 基于奇异值分解的特征提取
• 3.3.1 奇异值分解原理
• 3.3.2 基于奇异值分解的特征提取
• 3.3.3 实验过程及结果
• 3.4 本章小结
• 第4章 基于神经网络的人脸分类
• 4.1 人工神经网络的分类
• 4.2 神经网络的学习
• 4.3 BP 神经网络
• 4.4 实验过程及结果
• 4.4.1 实验过程
• 4.4.2 实验结果
• 4.5 本章小结
• 第5章 自动签到系统的设计与实现
• 5.1 数据库的设计与实现
• 5.1.1 数据库的选择
• 5.1.2 数据库的设计
• 5.2 签到系统的设计与实现
• 5.2.1 前台建设
• 5.2.2 后台建设
• 5.3 签到系统中自动人脸识别的功能实现
• 5.3.1 人脸检测在系统中的实现
• 5.3.2 特征提取在系统中的实现
• 5.3.3 人脸分类在系统中的实现
• 5.4 系统的调试
• 5.4.1 单页面的调试
• 5.4.2 多个关联页面的调试
• 5.4.3 系统调试
• 5.5 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢
• 个人简历