当前位置:主页 > 科技论文 > 软件论文 >

人脸识别技术与考勤系统应用研究

发布时间:2018-10-10 08:01
【摘要】:随着科技的发展,智能化的考勤系统在企业、学校、事业单位等场所越来越多的被使用,尤其是基于生物识别方式的考勤系统更是成为研究的热点。在生物识别方式中,人脸识别是一种方便快捷、安全准确、用户友好的识别方式。本文在分析总结人脸识别相关方法的基础上,针对江苏省物联网技术与应用协同创新中心的考勤需求,设计出了一套基于人脸识别的考勤系统。首先,本文介绍了人脸识别的基本原理和主要的人脸检测及人脸识别方法,并针对本文设计的考勤系统的需求选择合适的方法。然后,为了提高人脸识别的精度,充分利用奇异值分解得到的奇异值向量特征和正交矩阵特征,本文提出一种基于奇异值向量识别与矩阵相似度判别相结合的两步人脸识别方法。利用ORL人脸数据库验证本文方法的有效性,实验结果显示,本文提出的方法相比传统方法在识别率上有明显的改进,具有很大的使用价值。最后,将基于奇异值分解的两步人脸识别方法应用到考勤系统中,分析考勤系统的需求,利用SQL Server 2008、Microsoft Visual Studio 2010和OpenCV2.4.10等工具,完成了数据库的设计和考勤系统的各个功能模块的实现,并对系统进行了功能测试和性能测试。测试结果表明,本文设计的考勤系统具有较好的人脸识别效果和考勤管理功能,符合需求分析的要求,具有一定的使用价值。
[Abstract]:With the development of science and technology, intelligent attendance system is more and more used in enterprises, schools, institutions and other places, especially the attendance system based on biometric identification has become a research hotspot. In biometric recognition, face recognition is a convenient, fast, safe and accurate, user-friendly recognition method. On the basis of analyzing and summarizing the related methods of face recognition, a set of attendance system based on face recognition is designed to meet the attendance requirements of Jiangsu Provincial Internet of things Technology and Application Collaborative Innovation Center. Firstly, this paper introduces the basic principle of face recognition and the main methods of face detection and face recognition, and selects the appropriate method according to the requirements of the attendance system designed in this paper. Then, in order to improve the accuracy of face recognition, the singular value vector feature and orthogonal matrix feature obtained by singular value decomposition are fully utilized. In this paper, a two-step face recognition method based on singular value vector recognition and matrix similarity discrimination is proposed. The ORL face database is used to verify the effectiveness of the proposed method. The experimental results show that the method proposed in this paper has a significant improvement in recognition rate compared with the traditional method, and has a great value in use. Finally, the two-step face recognition method based on singular value decomposition is applied to the attendance system. The requirements of the attendance system are analyzed, and the tools such as SQL Server 2008, Microsoft Visual Studio 2010 and OpenCV2.4.10 are used. The design of the database and the realization of each function module of the attendance system are completed, and the function test and the performance test of the system are carried out. The test results show that the attendance system designed in this paper has better face recognition effect and attendance management function, meets the requirements of demand analysis, and has certain use value.
【学位授予单位】:南京邮电大学
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:TP391.41

【参考文献】

相关期刊论文 前10条

1 颜学龙;任文帅;马峻;;基于扩展Haar特征的AdaBoost人脸检测算法[J];计算机系统应用;2015年09期

2 张慈祥;刘辉;强振平;;基于稀疏表示和奇异值分解的人脸识别[J];计算机应用;2013年S1期

3 张明慧;张明超;张尧禹;;基于统计的人脸检测方法研究[J];电脑编程技巧与维护;2012年18期

4 师黎;吴敏;张娟;;基于小训练样本的AdaBoost人脸检测[J];计算机工程;2011年08期

5 李登辉;徐亚宁;王岩红;;人脸识别中图像预处理方法的研究[J];大众科技;2011年04期

6 孙静静;张宏飞;孙昌;;一种基于奇异值分解的人脸识别新方法[J];科学技术与工程;2010年25期

7 吴俊政;;一种基于奇异值分解的图像压缩方法[J];计算机与数字工程;2009年05期

8 王孝青;党亚民;成英燕;;基于矩阵相似度的InSAR图像配准方法研究[J];测绘科学;2008年06期

9 高全学;梁彦;潘泉;陈玉春;张洪才;;SVD用于人脸识别存在的问题及解决方法[J];中国图象图形学报;2006年12期

10 王文胜,陈伏兵,杨静宇;一种基于奇异值分解的特征抽取方法[J];电子与信息学报;2005年02期

相关博士学位论文 前1条

1 赵武锋;人脸识别中特征提取方法的研究[D];浙江大学;2009年

相关硕士学位论文 前10条

1 王婉清;基于人脸识别的考勤系统设计[D];南京邮电大学;2016年

2 潘芬兰;基于人脸识别技术的智能考勤系统研究[D];浙江大学;2014年

3 李艳超;基于SURF算法的人脸识别考勤管理系统的设计与实现[D];电子科技大学;2014年

4 闫晓亮;基于人脸识别的考勤机设计[D];长春理工大学;2012年

5 齐礼成;基于人脸识别考勤系统的设计与实现[D];西安电子科技大学;2012年

6 杨楠;基于重取样技术的人脸识别方法研究[D];河北大学;2011年

7 左登宇;基于Adaboost算法的人脸检测研究[D];中国科学技术大学;2009年

8 韩文静;基于2DPCA和多分类器融合的人脸识别[D];山东科技大学;2009年

9 杨春晖;人脸识别技术的研究与实现[D];大连理工大学;2006年

10 龙开文;基于模板匹配的人脸检测[D];四川大学;2005年



本文编号:2261257

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/2261257.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户5330d***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com