段國輝

摘? ?要：文章研究并實(shí)現(xiàn)了利用按照Windows API的標(biāo)準(zhǔn)調(diào)用來生成的動(dòng)態(tài)庫方法的實(shí)時(shí)人臉識(shí)別考勤系統(tǒng)。系統(tǒng)實(shí)現(xiàn)的基本思想是使用攝像頭實(shí)時(shí)拍攝員工人臉圖像，將人臉圖像處理后保存在數(shù)據(jù)庫中，再用開發(fā)的SDK中的模板將采集的圖像進(jìn)行訓(xùn)練，最后將攝像頭采集的考勤圖像與訓(xùn)練模板中的訓(xùn)練圖像進(jìn)行相似度對(duì)比，得出考勤結(jié)果。實(shí)驗(yàn)結(jié)果表明，利用該方法開發(fā)的實(shí)時(shí)人臉識(shí)別考勤系統(tǒng)具有識(shí)別率高、可靠性強(qiáng)等特點(diǎn)。

關(guān)鍵詞：人臉識(shí)別;考勤系統(tǒng);訓(xùn)練模板;相似度

人臉識(shí)別實(shí)時(shí)考勤系統(tǒng)，是將人臉識(shí)別技術(shù)與實(shí)時(shí)監(jiān)控密切結(jié)合起來，打造全新的動(dòng)態(tài)人臉智能考勤系統(tǒng)。系統(tǒng)利用人臉識(shí)別技術(shù)，將攝像頭實(shí)時(shí)抓取到的人臉圖像和員工模板照片進(jìn)行實(shí)時(shí)比對(duì)，達(dá)到考勤驗(yàn)證的目的。一般來說，使用人臉識(shí)別的考勤系統(tǒng)的步驟可分為人臉數(shù)據(jù)信息的采集、人臉身份的識(shí)別以及人臉數(shù)據(jù)的記錄3方面[1]。人臉識(shí)別考勤系統(tǒng)將人臉識(shí)別的技術(shù)作為研究重點(diǎn)，是一個(gè)比較前沿的關(guān)于生物方面的識(shí)別技術(shù)，也是當(dāng)下世界技術(shù)范疇內(nèi)研究的高端技術(shù)[2]。判斷一個(gè)人的身份主要依靠人臉識(shí)別技術(shù)，人臉識(shí)別技術(shù)涉及計(jì)算機(jī)圖形學(xué)、電腦圖像處理、生理學(xué)、模式區(qū)分以及認(rèn)知學(xué)等科學(xué)，本文將介紹人臉識(shí)別技術(shù)如何用于考勤簽到系統(tǒng)[3-4]。

1? ? 人臉考勤系統(tǒng)相關(guān)介紹

人臉考勤系統(tǒng)主要將人臉識(shí)別技術(shù)應(yīng)用到考勤系統(tǒng)中，首先，將員工的基本信息，如員工的姓名、年齡、性別、照片等信息注冊(cè)到員工管理系統(tǒng)中，員工進(jìn)行人臉檢測、人臉識(shí)別[5-6]。

2? ? 人臉識(shí)別考勤系統(tǒng)的主要功能實(shí)現(xiàn)

人臉考勤系統(tǒng)一般由員工管理功能、人臉識(shí)別功能和考勤管理子功能3個(gè)部分組成，核心技術(shù)體現(xiàn)在人臉識(shí)別這方面，下面主要介紹人臉識(shí)別子系統(tǒng)。

2.1? 員工注冊(cè)

圖像采集是員工信息采集的主要部分，也是后續(xù)工作人臉識(shí)別的人臉對(duì)比的關(guān)鍵步驟，使用了WindowsForm的VideoSourcePlayer控件進(jìn)行拍攝人臉，再用PictureBox控件將拍攝的人臉保存到數(shù)據(jù)中，員工信息查詢示意如圖1所示。

2.2? 人臉的采集和訓(xùn)練

本次設(shè)計(jì)建議采集5張左右的模板照片，其中，正對(duì)面照片一張，側(cè)面的照片兩張，向上仰視和向下俯視各一張。實(shí)時(shí)保存采集過程的人臉模型，人臉采集示意如圖2所示。

2.3? 人臉的識(shí)別

進(jìn)行人臉識(shí)別以及人臉驗(yàn)證時(shí)，平均驗(yàn)證3次左右，選取其中的最大值，這樣的結(jié)果更準(zhǔn)確。因此，我們可以將相似度的閥值取值較小些，人臉識(shí)別示意如圖3所示。

2.4? 實(shí)時(shí)考勤

進(jìn)行人臉識(shí)別時(shí)，若相似度大于某個(gè)設(shè)置好的閾值時(shí)，可以簽到，否則無法考勤。另外，考勤實(shí)時(shí)記錄員工考勤時(shí)間，具有實(shí)時(shí)性，考勤記錄示意如圖4所示。

3? ? 實(shí)驗(yàn)結(jié)果及分析

該系統(tǒng)的開發(fā)環(huán)境如下：CPU為Intel Core i5 2.5 GHz，內(nèi)存條為RAM 8 G，硬盤為1 T，lenovo Easy Camera攝像頭;客戶端Windows7旗艦版2009SP1，Visual Studio 2017;服務(wù)器端Windows server2007，SQL server2008 R2。實(shí)驗(yàn)結(jié)果表明，實(shí)時(shí)人臉識(shí)別考勤系統(tǒng)的識(shí)別率最高可達(dá)到99%（主動(dòng)識(shí)別），大大縮短了考勤簽到時(shí)間。

4? ? 結(jié)語

本文介紹了一個(gè)按照Windows應(yīng)用程序接口（Application Programming Interface，API）的標(biāo)準(zhǔn)調(diào)用來生成動(dòng)態(tài)庫方法的實(shí)時(shí)人臉識(shí)別考勤系統(tǒng)的實(shí)現(xiàn)。系統(tǒng)運(yùn)行結(jié)果表明，實(shí)時(shí)動(dòng)態(tài)人臉識(shí)別考勤系統(tǒng)具有人臉識(shí)別實(shí)時(shí)性、動(dòng)態(tài)性、識(shí)別率高、可靠性穩(wěn)定等優(yōu)勢。

[參考文獻(xiàn)]

[1]CUPTE S，MASOUD O，MARTIN R F K，et al.Detection and classification of vehicles[J].IEEE Transactions on Intelligent Transpotation System，2002（1）：37-47.

[2]KOLLER D，WEBER J，MALIK J.Robust multiple car tracking with occlusion reasioning[C].Heidelberg：European Conference on Computer Vision，1994.

[3]林天威.基于視頻流的人臉識(shí)別系統(tǒng)研究[D].哈爾濱：哈爾濱工程大學(xué)，2010.

[4]吳業(yè)福，李波，師宇，等.人臉檢測與實(shí)時(shí)追蹤在機(jī)動(dòng)車道路考試系統(tǒng)中的應(yīng)用研究[J].交通信息與安全，2013（1）：119-122.

[5]王洪志.基于靜態(tài)圖像的人臉檢測與識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D].成都：電子科技大學(xué)，2010.

[6]李偉生，王立逗，周麗芳.一種基于LTP自適應(yīng)閾值的人臉識(shí)別方法[J].小型微型計(jì)算機(jī)系統(tǒng)，2014（9）：2099-2103.

Design and implementation of face recognition based attendance system

Duan Guohui

（School of Information， Yunnan Normal University， Kunming 650500， China）

Abstract：A real-time face recognition and attendance system using dynamic library method generated according to the standard call of Windows API is studied and implemented.Real-time system implementation of the basic idea is to use a camera shooting employees face image， to save face after the image processing in the database， with the development of the template of the SDK will collect images for training， finally will camera collect images of attendance and training in the template image similarity comparison， it is concluded that the results of check on work attendance.The experimental results show that the real-time face recognition attendance system developed by this method has high recognition rate and strong reliability.

Key words：face recognition; attendance systems; templates; similarity