摘要：在生物识别技术中，人脸识别具有无需接触、唯一性、环境要求低等特点，是一种常用的模式识别方法，在视频监测、身份认证等领域应用广泛．在实际应用中，特征主要用于描述光照人脸的类型，其结果直接影响人脸识别的优劣，因此选择最优人脸特征建立人脸识别算法，已成为当前人脸识别研究的重点。人脸特征包括局部特征和全局特征两种，其中局部特征主要包括纹理特征、局部二值模式（LBP）特征、颜色特征等，用于刻画人脸的细节信息；全局特征主要用于刻画人脸的整体信息，如主成分分析、核主成分分析等提取的人脸特征。
关键词：模式识别；人脸识别；签到系统
引言
考勤是企业管理、 高校教学等活动中日常管理的重要环节，传统的考勤主要采用“纸-笔”结合的方式进行，这种方式简单、快捷，成本较低，但统计困难，同时，也无法避免部分人员“冒名顶替 ”。随着科学技术的发展，部分企业采用了指纹识别技术，指纹识别作为一种生物识别技术，安全性和管理数据统计都得到了加强，但考勤地点固定，考勤需要携带 PC、指纹识别机器等多种硬件设备，同时，受限于指纹的识别率，系统有时候将无法识别正常考勤人员。
1 人脸识别
人脸识别是指给定一个场景的静态图像或动态视频，利用存储有若干已知身份的人脸图像的数据库验证和鉴别场景中单个或多个人的身份。（1）图像预处理：可降低图像的噪声，方便后续的处理。预处理常见的方法有：归一化、直方图均衡、图像灰度变换等。（2）人脸检测：人脸检测是指在任意给定的一张图片当中，判断是否有人脸的存在。如果有人脸存在，则给出人脸的位置坐标、人脸大小、人脸个数等信息。当今常用的人脸检测的分类器有：Adaboost算法，SVM（支持向量机），隐马尔可夫模型，神经网络方法等。（3）特征提取和降维：提取方面，对于一张人脸，不同角度、不同照明下会呈现不同的特征，所以特征的提取要抓住人脸的主要特征，适当忽略次要特征和人脸照片灰度值的细微变化。常见的特征类型有：灰度直方图；Haar特征；LBP纹理特征；HOG特征（方向梯度直方图）等。降维方面：通常采用PCA方法（即主成分分析法）。它的目标通过提取主要特征，过滤掉次要特征，来提高匹配的精确度，减少特征维度，进而减少了计算的复杂度。
2 人脸识别的发展和深度学习带来的突破
人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。由于不需要用户主动配合，它也是当前应用最为广泛的生物识别技术。以前的人脸识别程序，通常是基于很少的样本去预测、假设，结合人的先验知识，进行程序的编写，比如判断人脸的纹理、两眼间距离等。这种方式，对用于识别和比对的人脸图像质量要求较高，整体应用中的准确率不高，不足以应对现实中的各类复杂情况。因此，在2013年之前，人脸识别的落地应用，一直相对较少。自2012年以来，伴随着深度学习的突破，人脸识别作为计算机视觉领域中的重要应用方向，也获得了突飞猛进的进展。
3 本系统的优点
传统的签到方式不外乎纸质签到、点名签到及刷卡签到的方式。纸质签到方式需要提前打印相关信息，不仅浪费纸张，而且在签到过程中费时费力；点名签到方式在用户较少的情况下相对可行性高，但是当用户人员剧增，比如大学校园中课堂人数可能过百，一一进行点名的方法明显不可取；刷卡签到的方式改善了纸质签到与点名签到的很多弊端，但是也存在其不足，其中最明显的一点就是为了签到，每个人必须携带相关的身份卡，一旦该卡遗失，就会造成很多不必要的麻烦。与上述几种传统的签到方式相比，本系统采用全自动签到的模式。用户只需走过面部采集的摄像头，就能实现签到，更加高效便捷，也更人性化。
期刊文章分类查询,尽在期刊图书馆
4 应用
4.1 硬件部分
硬件部分主要包含两个设备：摄像头和显示屏。摄像头主要用于采集用户的头像信息，是人脸检测与识别过程的基础。为了提高检测的准确性，我们要求摄像头能够拍摄高清的图像信息。在信息录入与识别的过程中，均需要用到摄像头。显示屏主要用于输出当前的签到结果，在我们的设计中只实现简单的文字输出。如显示“张三签到成功”、“未检测到人脸”、“无法识别此人”等，给出相关的提示信息，从而判断当前用户是否签到成功。
4.2 人脸识别移动考勤系统的功能模块设计
本文设计的考勤系统分为手机端功能模块和服务器端功能模块，其中手机端包含5个功能子模块，移动端包含4个子功能模块。手机端功能模块包括的五个：人脸检测及人眼定位模块：主要是检测图像中是否包含人脸，并对人眼部分进行定位。人脸预处理模块：几何归一化、标准化、灰度化和光照处理消除一些对验证结果会造成影响的负面因素。人脸特征提取模块：对预处理之后的人脸图像进行特征提取。
4.3 识别部分
识别部分是系统的核心，是实现人脸检测与识别的软件部分。对于系统的识别过程，描述如下：当用户进入到摄像头采集信息的范围后，摄像头会自动拍摄图像；对于获得的图像信息，首先进行人脸检测，判断图像中是否存在人脸，若存在，系统才能继续进行下一步工作；当检测到人脸后，计算机自动比对所得人脸与数据库中的用户图像信息，当该用户存在于数据库中时，即可根据其相应的身份信息得知用户身份，从而实现签到。必须说明的是，人脸检测与人脸识别存在一定的区别。人脸检测指的是判断当前获取的图像中是否确实含有人脸部分，并将人脸图像信息从背景中提取出来；人脸识别则需要比对已经提取的人脸信息，与数据库进行比对分析，判断该人脸代表的身份信息。可以说，人脸检测是人脸识别过程的前提与基础，人脸识别过程则是人脸检测的目标与结果。
4.4 实时监控与认证
实时监控与认证过程，系统主要采用 RFID 信息认证与人脸识别认证相结合的方式，并添加手机账户认证、云端日志系统等辅助安全保障措施。信息验证首先需要由 RFID 标签认证来完成。持有 RFID标签的用户在进入 RFID 解读器所能检测的范围后，RFID系统就会自动进行匹配识别，若成功，则解锁人脸识别功能；若失败，则通过云系统将来访者信息传给手机管理端。此外，用户手机管理端的认证同样可以解锁人脸识别功能。这提升了用户的使用体验，也使系统更加灵敏便捷。在解锁人脸识别功能后，高清摄像头对来访者的面部进行拍摄，并将图像传输到系统内部进行特征提取，与先前存储的特征进行比对认证。在经过初步的信息验证后，云端日志系统将会开启，并将认证结果进行记录和传递。若人脸认证成功，则系统绿灯长亮，并伴发出“叮咚”的声音；若认证失败，则系统闪烁红灯，并伴随 5s“滴滴”的警报声。此时，系统会迅速地储存来访者的生物信息，并记录下此次开门的具体时间，接着，系统会生成日志，传到云管理端上，再通过云管理端发送到注册的手机客户端中，方便使用者的查看。
结束语
综上所述，本系统摒弃了传统冗长费力的签到方式，采用基于模式识别的人脸识别技术，使得签到过程不再成为用户的负担。随着研究的深入，我们也意识到人脸识别技术存在一定的难题，比如人脸的姿态、光照、表情等的变化都会对识别的准确度造成影响。随着技术的逐步完善，人脸识别技术还有很大的发展空间。相信在人脸识别技术的下一阶段发展过程中，会诞生更多诸如签到系统的实用性应用，为人们的生活带来更多便利。
参考文献：
[1]徐晓艳.人脸识别技术综述[J].电子测试，2015，（10）：30-35+45.
[2]王宇欣.基于人脸识别的门禁认证系统的设计与实现[D].电子科技大学，2016.
论文作者:王丽良
论文发表刊物:《电力设备》2018年第11期
论文发表时间:2018/8/2
标签：特征论文; 的人论文; 系统论文; 图像论文; 信息论文; 用户论文; 考勤论文; 《电力设备》2018年第11期论文;