基于人脸识别的智慧工地考勤系统设计

发布时间：2020-11-05 13:51

　　 近年来,建筑行业提出劳务用工实名制的创新管理方式,该举措能有效加强工地现场的合法合规劳务用工管理,能有效保障农民工权益。当农民工和劳务公司发生劳资纠纷时,精准的进出场记录能为主管部门的公正裁决判断提供真实、有力的证据。劳务企业如果能有工地农民工的精准务工轨迹也能有效的避免了劳资纠纷产生。所以,精准掌握建筑工地的作业人员出入场记录对劳务管理中劳资纠纷隐患的发现、消灭及预防都有非常重要的作用,运用人脸识别技术的智慧工地考勤系统应运而生。基于人脸识别的智慧工地考勤系统主要包含两个部分,一个是人脸识别技术,一个是考勤系统,并且用户面部信息是产生系统考勤记录的唯一条件。本文主要分为人脸图像预处理、人脸检测、人脸识别和系统设计展开研究。(1)人脸图像预处理环节选择使用加权平均值方法进行图片的灰度化处理,然后通过质量分布图均衡化和中值滤波的处理方法,可以有效减少光照条件和硬件设备等外界因素引起的明暗不同情况干扰。人眼定位后旋转摆正人脸位置,检测到人脸后进行图像尺寸归一化剪裁,然后缩小或者扩大到实验需要的标准尺寸。(2)阐述了经典的人脸检测方法,主要有基于特征的人脸检测方法、基于模板匹配的方法和基于统计的方法,然后重点阐述了Adaboost人脸检测方法,学习了Adaboost算法的理论基础,Haar特质以及积分图的运用,同时阐述了级联分类器的设计,提出了Adaboost算法的基本思想和流程。本文使用通过Adaboost算法把多个不同的弱分类器形成的级联强分类器进行面部检测。(3)检测部分在基本LBP算法的基础上提出基于分块加权LBP技术的算法,将面部图像分为5*3子分块,根据人脸五官在人脸识别中的不同贡献度赋予不同的权重提取人脸信息特征,通过在ORL和YALE两种人脸数据库中训练不同样本数,比较传统LBP方法、5*3分块LBP方法和5*3分块加权LBP方法的面部识别准确率,实验证明分块加权LBP技术在人脸识别中可以有效提高识别准确率。(4)对整个系统进行详细设计,重点讨论对系统的后台数据库、身份采集和人脸库的设计,同时详细介绍了系统用户登录、务工班组管理、务工人员管理和工地现场考勤管理四个模块的实现,最后设计完成人脸识别的智慧工地考勤系统。
【学位单位】：安徽工程大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TU71;TP391.41
【部分图文】：

ifyMyMifxNxNifyifxxrdownrdownrdownrdownluplupluplup>=>=<=<=,,y0,00,0（2过公式 2-15 及 2-16 处理后的人脸图像大小为 2d×2d。图像尺寸归一化的缩放因子是 ratio(0.1≤ratio≤10)。则可以得到：[ ] [ ] =00101/01/00110011ratioratiox yxy（2坐标的灰度值使用公式 2-13 表示。脸几何归一化处理过程：采集到的原面部图像，首先进行人眼定位进行人脸图像矫正，通过旋转摆正面部位置，接着检测到人脸后进行一化剪裁，然后缩小或者扩大到实验需要的标准尺寸[29]。

块进行特性分析，再将每个分块图像的质量分布图按照规律排列构成完整的质量分布图，这个完整的质量分布图就是整个面部照片的统计质量分布图，可以把它作为整个面部的特性向量，如图 4-3，将人脸分为 5*3 的子分块。这种改进的办法能高效的提取面部图像的局部包含的信息，提高光照变化和面部表情调整时的识别效果。

人脸信息的子分块权重
【参考文献】

相关期刊论文 前10条

1 段利民;;劳务实名制管理新方式[J];施工企业管理;2015年09期

2 陈银川;薛慧峰;荣兆斌;;劳务精细化管理的探索[J];施工企业管理;2015年09期

3 张雯;王文伟;;基于局部二值模式和深度学习的人脸识别[J];计算机应用;2015年05期

4 周汐;曹林;;分块LBP的素描人脸识别[J];中国图象图形学报;2015年01期

5 王庆伟;应自炉;;一种基于Haar-Like T特征的人脸检测算法[J];模式识别与人工智能;2015年01期

6 刘丽;谢毓湘;魏迎梅;老松杨;;局部二进制模式方法综述[J];中国图象图形学报;2014年12期

7 王小玉;张亚洲;陈德运;;基于多块局部二值模式特征和人眼定位的人脸检测[J];仪器仪表学报;2014年12期

8 于微波;赵琳;佟冬;;基于Adaboost人脸检测算法[J];吉林大学学报(信息科学版);2014年05期

9 刘占胜;;劳务实名制信息化管理探索研究[J];铁道建筑技术;2014年S1期

10 江伟坚;郭躬德;赖智铭;;基于新Haar-like特征的Adaboost人脸检测算法[J];山东大学学报(工学版);2014年02期

相关博士学位论文 前2条

1 马宁;基于图像的人脸识别中关键技术研究[D];吉林大学;2016年

2 张键;面向人脸识别的图像表示和分类研究[D];南京理工大学;2015年

相关硕士学位论文 前10条

1 王佳丽;人脸识别技术分析及其在考勤系统中的应用[D];山西大学;2017年

2 陈庆勤;基于Android的学生考勤管理系统[D];南昌航空大学;2017年

3 何雪;人脸识别中光照问题研究[D];重庆三峡学院;2017年

4 徐信;基于Adaboost人脸检测算法的研究及实现[D];太原理工大学;2015年

5 吕联盟;基于云计算的人脸识别系统研究与设计[D];长安大学;2014年

6 耿世杰;人脸识别中的光照预处理方法研究[D];河北大学;2014年

7 李瑞淇;基于肤色和改进的AdaBoost人脸检测算法研究[D];西安电子科技大学;2014年

8 赵福梅;人脸识别系统在嵌入式门禁系统中的研究与设计[D];太原理工大学;2013年

9 袁正海;人脸识别系统及关键技术研究[D];南京邮电大学;2013年

10 翟中华;基于肤色和Adaboost算法的人脸检测方法研究[D];华南理工大学;2012年

本文编号：2871722