基于人脸识别的课堂自动化考勤系统研究与设计
发布时间：2021-02-21 19:17
本文针对课堂场景设计一个自动化考勤系统,主要基于课堂监控视频流,采用人脸识别来实现,并提出了一种人脸图像质量评估算法。主要工作如下:（1）本文首先进行人脸识别技术的研究,包含人脸检测算法、人脸识别算法的研究。人脸检测方面,基于深度学习的Retina Face算法在监控场景中表现出优异的效果,相比经典的MTCNN算法,无论是效果还是检测速度都有较大提升,因此选用Retina Face作为本系统的人脸检测算法。人脸识别部分选用了Face Net方法,实验表明Face Net在非约束情况下的人脸识别表现出良好的效果。（2）在实验中发现,人脸图像的模糊、角度等问题会对人脸识别造成一定的干扰,影响了人脸识别的准确率。因此本文在人脸识别过程中加入了一个人脸图像质量评估环节。由于目前没有公开的人脸图像质量评估数据集,本文自建了一个人脸图像质量评估数据集,提出了一种结合Face Net人脸算法求出余弦相似度对数据进行评分标注的方法。训练得到的模型在测试集上表现出较好的效果。经过实验发现,在加入了图像质量评估环节后,能有效筛去低质量图像,一定程度上减少了误识别的现象,使本系统的准确率有了一定的提升。（3...
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：72 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究的目的和意义
1.2 国内外研究现状
1.2.1 自动化考勤的研究现状
1.2.2 人脸识别研究现状
1.2.3 图像质量评估研究现状
1.3 本文研究内容与结构安排
1.4 本章小结
第2章 人脸检测及识别技术的研究
2.1 人脸检测算法
2.1.1 MTCNN人脸检测算法
2.1.2 RetinaFace人脸检测算法
2.1.3 两种算法的实验对比
2.2 FaceNet人脸识别算法
2.2.1 FaceNet模型简介
2.2.2 tripleloss损失函数
2.2.3 改进损失函数的FaceNet
2.2.4 模型训练和效果
2.2.5 FaceNet人脸识别在实时视频中的效果实验
2.2.6 在课堂监控场景中人脸识别存在的挑战
2.2.7 影响人脸识别的因素总结
第3章 人脸图像质量评估算法的研究与设计
3.1 图像质量评估算法简介
3.2 图像质量评估数据集
3.3 图像质量评估模型评价指标
3.4 人脸图像质量评估算法设计
3.4.1 迁移学习简介
3.4.2 ImageNet预训练模型
3.4.3 网络结构选择
3.4.4 模型训练过程
3.4.5 图像预处理
3.4.6 基于imagenet预训练模型的图像质量评估模型训练
3.4.7 SVM回归模型训练
3.5 本算法效果评价
3.5.1 评价指标对比
3.5.2 测试效果
3.6 自建人脸IQA数据集
3.6.1 质量分数的标注方法
3.6.2 人脸数据集的选择
3.6.3 人脸图像质量评估数据集的制作
3.6.4 模型训练
3.7 对人脸识别准确率的影响
3.8 本章小结
第4章 考勤系统的设计
4.1 系统设计
4.1.1 系统功能需求
4.1.2 系统性能需求
4.1.3 系统整体结构
4.1.4 数据库设计
4.1.5 系统流程
4.2 mysql数据库表的设计
4.3 图像采集模块的设计
4.3.1 图像采集方案
4.3.2 图像采集设备的选择
4.4 基于视频流的考勤模块的设计
4.4.1 人脸检测部分
4.4.2 图像质量评估部分
4.4.3 人脸识别部分
4.5 考勤管理系统设计
4.5.1 登录模块
4.5.2 注册模块
4.5.3 学生个人信息管理模块
4.5.4 学生选课管理模块
4.5.5 学生考勤情况管理模块
4.5.6 教师课程管理模块
4.5.7 考勤模块
4.5.8 教师课堂考勤管理模块
4.5.9 后台管理员模块
4.6 效果测试
4.6.1 测试数据的准备
4.6.2 人脸检测模块测试
4.6.3 人脸识别模块测试
4.6.4 识别结果分析
第5章 总结与展望
5.1 本文总结
5.2 研究展望
参考文献
攻读硕士学位期间发表的论文及其它成果
致谢
个人简历
【参考文献】：
期刊论文
[1]基于迁移学习的人脸图像质量评估[J]. 程换新,侯晓克. 电子测量技术. 2019(12)
[2]深度学习在图像识别中的应用研究综述[J]. 郑远攀,李广阳,李晔. 计算机工程与应用. 2019(12)
[3]移动端人脸图像无参考质量快速评估方法[J]. 何长婷,朱明. 小型微型计算机系统. 2019(02)
[4]人脸识别技术综述[J]. 简讯. 电脑知识与技术. 2019(02)
[5]基于STM32和C#的学生考勤系统设计[J]. 吴海龙,柏正尧,武文强. 国外电子测量技术. 2017(12)
[6]深度学习的视频监控下的人脸清晰度评价[J]. 陈奇,章东平,杨力. 中国计量大学学报. 2017(04)
[7]基于人脸识别的智能课堂点名系统[J]. 荆洲,权伟,唐杰,晏寒. 软件工程. 2017(05)
[8]图像清晰度评价算法研究[J]. 孙红利,冯旗,董峰. 传感器与微系统. 2017(02)
[9]无参考图像质量评价综述[J]. 王志明. 自动化学报. 2015(06)
[10]基于新Haar-like特征的多角度人脸检测[J]. 刘晓克,孙燮华,周永霞. 计算机工程. 2009(19)
硕士论文
[1]课堂签到系统中的人脸识别方法研究与实现[D]. 何长婷.中国科学技术大学 2018
[2]基于深度学习的监控视频中人脸识别方法改进[D]. 王亚.中国科学技术大学 2018
[3]图像质量评估算法及其应用研究[D]. 陈森.西安电子科技大学 2018
[4]基于视觉特性和NSS（自然场景统计特性）的立体图像质量评价[D]. 汪亚芳.天津大学 2018
[5]基于图像结构信息和自然场景统计的图像质量客观评价[D]. 马彤彤.天津大学 2018
[6]基于CNN的无参考人脸图像质量评估[D]. 周秋月.华中科技大学 2017
[7]基于深度学习的人脸图像质量评价[D]. 潘岑蕙.上海交通大学 2017
[8]基于指纹识别的云考勤系统设计与实现[D]. 孙雪冰.济南大学 2016
[9]面向视频监控系统的图像质量评估系统设计[D]. 闵子彦.上海交通大学 2015
[10]基于虹膜识别的门禁考勤系统设计[D]. 王川.哈尔滨工业大学 2013
本文编号：3044797
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：72 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究的目的和意义
1.2 国内外研究现状
1.2.1 自动化考勤的研究现状
1.2.2 人脸识别研究现状
1.2.3 图像质量评估研究现状
1.3 本文研究内容与结构安排
1.4 本章小结
第2章 人脸检测及识别技术的研究
2.1 人脸检测算法
2.1.1 MTCNN人脸检测算法
2.1.2 RetinaFace人脸检测算法
2.1.3 两种算法的实验对比
2.2 FaceNet人脸识别算法
2.2.1 FaceNet模型简介
2.2.2 tripleloss损失函数
2.2.3 改进损失函数的FaceNet
2.2.4 模型训练和效果
2.2.5 FaceNet人脸识别在实时视频中的效果实验
2.2.6 在课堂监控场景中人脸识别存在的挑战
2.2.7 影响人脸识别的因素总结
第3章 人脸图像质量评估算法的研究与设计
3.1 图像质量评估算法简介
3.2 图像质量评估数据集
3.3 图像质量评估模型评价指标
3.4 人脸图像质量评估算法设计
3.4.1 迁移学习简介
3.4.2 ImageNet预训练模型
3.4.3 网络结构选择
3.4.4 模型训练过程
3.4.5 图像预处理
3.4.6 基于imagenet预训练模型的图像质量评估模型训练
3.4.7 SVM回归模型训练
3.5 本算法效果评价
3.5.1 评价指标对比
3.5.2 测试效果
3.6 自建人脸IQA数据集
3.6.1 质量分数的标注方法
3.6.2 人脸数据集的选择
3.6.3 人脸图像质量评估数据集的制作
3.6.4 模型训练
3.7 对人脸识别准确率的影响
3.8 本章小结
第4章 考勤系统的设计
4.1 系统设计
4.1.1 系统功能需求
4.1.2 系统性能需求
4.1.3 系统整体结构
4.1.4 数据库设计
4.1.5 系统流程
4.2 mysql数据库表的设计
4.3 图像采集模块的设计
4.3.1 图像采集方案
4.3.2 图像采集设备的选择
4.4 基于视频流的考勤模块的设计
4.4.1 人脸检测部分
4.4.2 图像质量评估部分
4.4.3 人脸识别部分
4.5 考勤管理系统设计
4.5.1 登录模块
4.5.2 注册模块
4.5.3 学生个人信息管理模块
4.5.4 学生选课管理模块
4.5.5 学生考勤情况管理模块
4.5.6 教师课程管理模块
4.5.7 考勤模块
4.5.8 教师课堂考勤管理模块
4.5.9 后台管理员模块
4.6 效果测试
4.6.1 测试数据的准备
4.6.2 人脸检测模块测试
4.6.3 人脸识别模块测试
4.6.4 识别结果分析
第5章 总结与展望
5.1 本文总结
5.2 研究展望
参考文献
攻读硕士学位期间发表的论文及其它成果
致谢
个人简历
【参考文献】：
期刊论文
[1]基于迁移学习的人脸图像质量评估[J]. 程换新,侯晓克. 电子测量技术. 2019(12)
[2]深度学习在图像识别中的应用研究综述[J]. 郑远攀,李广阳,李晔. 计算机工程与应用. 2019(12)
[3]移动端人脸图像无参考质量快速评估方法[J]. 何长婷,朱明. 小型微型计算机系统. 2019(02)
[4]人脸识别技术综述[J]. 简讯. 电脑知识与技术. 2019(02)
[5]基于STM32和C#的学生考勤系统设计[J]. 吴海龙,柏正尧,武文强. 国外电子测量技术. 2017(12)
[6]深度学习的视频监控下的人脸清晰度评价[J]. 陈奇,章东平,杨力. 中国计量大学学报. 2017(04)
[7]基于人脸识别的智能课堂点名系统[J]. 荆洲,权伟,唐杰,晏寒. 软件工程. 2017(05)
[8]图像清晰度评价算法研究[J]. 孙红利,冯旗,董峰. 传感器与微系统. 2017(02)
[9]无参考图像质量评价综述[J]. 王志明. 自动化学报. 2015(06)
[10]基于新Haar-like特征的多角度人脸检测[J]. 刘晓克,孙燮华,周永霞. 计算机工程. 2009(19)
硕士论文
[1]课堂签到系统中的人脸识别方法研究与实现[D]. 何长婷.中国科学技术大学 2018
[2]基于深度学习的监控视频中人脸识别方法改进[D]. 王亚.中国科学技术大学 2018
[3]图像质量评估算法及其应用研究[D]. 陈森.西安电子科技大学 2018
[4]基于视觉特性和NSS（自然场景统计特性）的立体图像质量评价[D]. 汪亚芳.天津大学 2018
[5]基于图像结构信息和自然场景统计的图像质量客观评价[D]. 马彤彤.天津大学 2018
[6]基于CNN的无参考人脸图像质量评估[D]. 周秋月.华中科技大学 2017
[7]基于深度学习的人脸图像质量评价[D]. 潘岑蕙.上海交通大学 2017
[8]基于指纹识别的云考勤系统设计与实现[D]. 孙雪冰.济南大学 2016
[9]面向视频监控系统的图像质量评估系统设计[D]. 闵子彦.上海交通大学 2015
[10]基于虹膜识别的门禁考勤系统设计[D]. 王川.哈尔滨工业大学 2013
本文编号：3044797
本文链接：https://www.wllwen.com/jiaoyulunwen/ktjx/3044797.html
