基于刷脸技术的考勤系统研究文献综述
2020-04-30 16:10:27
1.目的及意义
1.1背景简介
目前学校的学生考勤工作还处于手工状态,信息资源的数字化程度低,大部分历史积攒的数据尚未数字化。高校学生上课考勤管理都是以任课老师上课点名,记录学生上课出勤情况,学期期末根据上课出勤表及作业登记表对学生平时成绩打分,然后把数据上交给各个院系。而且就连学生请假也是以传统的写假条的形式向各班主任请假,时间长的请假要班主任和院系领导都批准方能奏效。这种的模式在目前高校管理中暴露出了很多的弊端。
当代信息技术的日益发展波及到了社会的每一个角落,企业管理领域也不例外,企业办公管理的信息化越来越受到人们的重视。在企业中,各种员工管理信息系统层出不穷,极大地提高了企业管理的效率和质量,但是目前企业考勤管理信息系统在实际开发和应用中尚存在很多问题,各自为政及半现代化的问题依然存在。基于刷脸的考勤技术能够很好地解决上述存在的问题,由于各种强烈的社会需求,对于考勤刷脸系统的开发技术日益成长成熟。
1.2课题研究的意义
在学校,尤其是在各大高校,学生上课考勤是学校对学生期末考察的一个重大指标,学生上课的到课率也是对教师授课质量的一个客观评价。长期以来,学生的考勤都是由依赖手工进行的,面对如此多的学生信息、老师信息和课程信息,只能靠任课老师在上课前手工统计,其工作量也是可想而知的,不仅浪费了老师的教课时间和精力,而且任课老师也并不能认识全部的学生,以至于有学生代替其他人签到,这样也就使得手工的考勤成为一种形式,而且人工管理也存在着大量其他不可控的因素,也会使得考勤信息管理的不规范。作为现代科技的一部分,使用计算机系统对学生考勤已经是形势所需,而且计算机系统具有检索迅速、查找方便、可靠性高、存储量大、保密性好、寿命长、成本低等手工管理无法比拟的优点。这些优点能够极大提高工作效率,也是学校科学化、正规化管理的重要条件,因此开放这样一个管理软件是很有必要的事情。
随着计算机技术的飞速发展,计算机在企业管理中应用的普及,利用计算机实现企业人事考勤管理势在必行。并且随着企业人事管理的日趋复杂和企业人员的增多,企业的考勤管理变得越来越复杂。规范的考勤管理是现代企业提高管理效益的重要保证,而传统的人工管理存在着效率低、不易统计、成本高和易出错等弊端,已经无法适应现代企业的需求。随着计算机技术和通信技术的迅速发展,将传统的人工考勤管理数据化,建立一个高效率、无差错的考勤管理系 统,能够有效地帮助企业实现“公正考勤,高效薪资”,使企业的管理水平登上一个新的台阶。
1.3国内外研究现状
国内有关考勤系统的设计自计算机的普及以来就不断地深入,但是国内有关人脸识别技术的研究自二十世纪八十年代以来才逐步展开,主要的研究单位有中科院计算所,中科院自动化所,复旦大学,北京科技大学,清华大学,哈尔滨工业大学等,并且他们都在一定程度上获得了不小的成就。国内的研究工作者的精力主要放在以下的三大类方法的研究:基于代数特征的人脸正面自动识别方法,基于连接机制的人脸正面自动识别方法以及基于基于几何特征的人脸正面自动识别方法。周激流运用积分投影法来提取面部特征的关键点应用于识别,实现了具有反馈机制的人脸正面识别系统的功能,并且获得了比较好的效果。同时,他也尝试了“稳定视点”特征提取的方法,也就是为了使识别系统中包含3D的信息,对人脸侧面剪影识别做深入的研究,来实现正侧面互相参照的识别系统。张长水、彭辉等为了进一步降低产生矩阵的维数,在保持较高识别率的情况下,大大降低运算量,就对“特征脸”的方法做了进一步的研究和发展,提出了采用类间散布矩阵来产生矩阵的方法。庄永明,程永清等将每一幅图像在特征脸空间上的投影来作为其代数特征,再利用层次判别的方法来进行分类,就利用了对同类图像的平均灰度图进行SVD分解来得到特征脸空间的方法。何振亚,张辉,周洪祥利用去冗余和权值正交相结合的方法,并且采用对称主元分析神经网络的技术来对人脸的特征进行提取和识别。这种方法能够比较好地实现大量人脸样本的存储和人脸的快速识别,并且这种方法所使用的特征数据量比较小,而且特征提取运算量也比较小。
国外的情况分析如下。人事考勤管理系统本身具有业务清晰、数据处理规范等许多优点,所以为它的计算机信息化提供了非常优越的条件,并且国外人事考勤管理系统的开发技术非常的成熟。由于国外众多企业的高度重视,以及国外计算机技术的飞速发展,考勤管理信息系统在国外已基本进入应用普及的阶段。国外大部分的公司和单位都开发并且运行了考勤管理系统,而其他没有和正准备开发计算机应用和开发管理系统的公司,也逐步地把考勤管理系统作为其应用和开发的首要目标。总之,从国外现在的考勤管理系统的应用以及发展看来,人事考勤管理系统的开发和应用已经进入成熟期。同时,很多国家已经早早开始了有关人脸识别的研究,主要有日本,欧美等发达国家,其中比较著名的研究单位有英国的Department of Engineering in University of Cambridge,美国MIT的Media lab,AI lab,CMU的Human-Computer Interface Institute,Microsoft Research等。但是外国的研究方向与国内的不同,他们的研究方向主要集中在模板匹配,示例学习,神经网络,基于隐马尔科夫的方法等上面。