CN105844727A - 一种智能动态人脸识别考勤记录管理系统 - Google Patents
一种智能动态人脸识别考勤记录管理系统 Download PDFInfo
- Publication number
- CN105844727A CN105844727A CN201610162535.8A CN201610162535A CN105844727A CN 105844727 A CN105844727 A CN 105844727A CN 201610162535 A CN201610162535 A CN 201610162535A CN 105844727 A CN105844727 A CN 105844727A
- Authority
- CN
- China
- Prior art keywords
- face
- human face
- management system
- record management
- attendance checking
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
- G07C1/10—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people together with the recording, indicating or registering of other data, e.g. of signs of identity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/19—Sensors therefor
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Ophthalmology & Optometry (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种智能动态人脸识别考勤记录管理系统,根据待检测人脸特征的先验的形状信息,定义一个参数描述的形状模型,该模型的参数反映了对应特征形状的可变部分,如位置、大小、角度等,它们最终通过模型与图像的边缘、峰、谷和灰度分布特性的动态地交互适应来得以修正,首先利用人脸器官构造的先验知识、面部图像灰度分布的峰谷和频率特性粗略检测出眼睛、鼻子、嘴、下巴的大致区域和一些关键的特征点。本发明智能动态人脸识别考勤记录管理系统采用一系列先进的算法识别技术,识别率高,非常适合推广使用。
Description
技术领域
本发明涉及一种管理系统,具体是一种智能动态人脸识别考勤记录管理系统。
背景技术
目前,在我们的工作、生活中常用的考勤设备主要有打纸卡考勤设备、IC卡考勤设备、指纹考勤设备和人脸双识别考勤设备。其中,打纸卡考勤设备和 IC卡考勤设备需另置纸质或电子考勤卡,不但使用成本较高,还存在一个主要问题:无法杜绝代打卡现象。指纹考勤设备受指纹污染、受损等影响,使用的局限性比较大;同时,由于指纹考勤设备是接触式的,使传染疾病的概率大大增加。
现在,市场上也出现了一些人脸识别考勤设备,而这些人脸识别考勤设备的识别率受光线的影响很大,很难达到满意的图像效果,具有识别时间长,拒认率和误认率高的缺点。
发明内容
本发明的目的在于提供一种智能动态人脸识别考勤记录管理系统,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种智能动态人脸识别考勤记录管理系统,其特征在于,根据待检测人脸特征的先验的形状信息,定义一个参数描述的形状模型,该模型的参数反映了对应特征形状的可变部分,如位置、大小、角度等,它们最终通过模型与图像的边缘、峰、谷和灰度分布特性的动态地交互适应来得以修正,首先利用人脸器官构造的先验知识、面部图像灰度分布的峰谷和频率特性粗略检测出眼睛、鼻子、嘴、下巴的大致区域和一些关键的特征点,然后在此基础上,给出了较好的模板的初始参数;采用了基于区域增长的搜索策略,在人脸定位算法给出的大致人脸框架中,估计鼻子的初始位置,然后定义两个初始搜索矩形,分别向左右两眼所处的大致位置生长,根据人眼灰度明显低于面部灰度的特点,利用搜索矩形找到眼部的边缘,最后定位到瞳孔的中心。
作为本发明进一步的方案:智能动态人脸识别考勤记录管理系统还包括人脸检测和跟踪、面部特征定位、面部识别、人脸归类、表情识别分系统。
作为本发明进一步的方案:在确定脸部区域上,使用肤色提取技术,对图像进行光线补偿采用高斯平滑手段,将图片进行平滑操作以此来消除噪声。
作为本发明进一步的方案:还包括灰度变换,在进行灰度变换前,对图像的信息进行统计,找出一个比较合理的灰度值,灰度变换后,进行灰度均衡,可以根据灰度分布来进行灰度均衡,然后进行灰度增强,将所要处理的区域和周围图像区域进一步拉开他们的对比度,使它们更加明显,通过像素的聚集来实现。
作为本发明再进一步的方案:经过上述步骤后,将结果与事先保存照片进行对比,输出对比结果。
与现有技术相比,本发明的有益效果是:本发明智能动态人脸识别考勤记录管理系统采用一系列先进的算法识别技术,识别率高,非常适合推广使用。
具体实施方式
下面对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例中,一种智能动态人脸识别考勤记录管理系统,根据待检测人脸特征的先验的形状信息,定义一个参数描述的形状模型,该模型的参数反映了对应特征形状的可变部分,如位置、大小、角度等,它们最终通过模型与图像的边缘、峰、谷和灰度分布特性的动态地交互适应来得以修正,首先利用人脸器官构造的先验知识、面部图像灰度分布的峰谷和频率特性粗略检测出眼睛、鼻子、嘴、下巴的大致区域和一些关键的特征点,然后在此基础上,给出了较好的模板的初始参数;采用了基于区域增长的搜索策略,在人脸定位算法给出的大致人脸框架中,估计鼻子的初始位置,然后定义两个初始搜索矩形,分别向左右两眼所处的大致位置生长,根据人眼灰度明显低于面部灰度的特点,利用搜索矩形找到眼部的边缘,最后定位到瞳孔的中心。
智能动态人脸识别考勤记录管理系统还包括人脸检测和跟踪、面部特征定位、面部识别、人脸归类、表情识别分系统。
在确定脸部区域上,使用肤色提取技术,对图像进行光线补偿采用高斯平滑手段,将图片进行平滑操作以此来消除噪声。
还包括灰度变换,在进行灰度变换前,对图像的信息进行统计,找出一个比较合理的灰度值,灰度变换后,进行灰度均衡,可以根据灰度分布来进行灰度均衡,然后进行灰度增强,将所要处理的区域和周围图像区域进一步拉开他们的对比度,使它们更加明显,通过像素的聚集来实现。
经过上述步骤后,将结果与事先保存照片进行对比,输出对比结果。
在人脸检测的基础上,面部关键特征检测试图检测人脸上的主要的面部特征点的位置和眼睛和嘴巴等主要器官的形状信息,灰度积分投影曲线分析、模板匹配、可变形模板、Hough变换、Snake算子、基于Gabor小波变换的弹性图匹配技术、主动性状模型和主动外观模型是常用的方法。
可变形模板的主要思想是根据待检测人脸特征的先验的形状信息,定义一个参数描述的形状模型,该模型的参数反映了对应特征形状的可变部分,如位置、大小、角度等,它们最终通过模型与图像的边缘、峰、谷和灰度分布特性的动态地交互适应来得以修正。由于模板变形利用了特征区域的全局信息,因此可以较好地检测出相应的特征形状。由于可变形模板要采用优化算法在参数空间内进行能量函数极小化,因此算法的主要缺点在于两点:一、对参数初值的依赖程度高,很容易陷入局部最小;二、计算时间长。针对这两方面的问题,我们采用了一种由粗到细的检测算法:首先利用人脸器官构造的先验知识、面部图像灰度分布的峰谷和频率特性粗略检测出眼睛、鼻子、嘴、下巴的大致区域和一些关键的特征点;然后在此基础上,给出了较好的模板的初始参数,从而可以大幅提高算法的速度和精度。
眼睛是面部最重要的特征,它们的精确定位是识别的关键。基于区域增长的眼睛定位技术,该技术在人脸检测的基础上,充分利用了眼睛是面部区域内脸部中心的左上方和右上方的灰度谷区这一特性,可以精确快速的定位两个眼睛瞳孔中心位置。该算法采用了基于区域增长的搜索策略,在人脸定位算法给出的大致人脸框架中,估计鼻子的初始位置,然后定义两个初始搜索矩形,分别向左右两眼所处的大致位置生长。该算法根据人眼灰度明显低于面部灰度的特点,利用搜索矩形找到眼部的边缘,最后定位到瞳孔的中心。实验表明,本算法对于人脸大小、姿态和光照的变化,都有较强的适应能力,但在眼部阴影较重的情况下,会出现定位不准。佩戴黑框眼镜,也会影响本算法的定位结果。
可以看出,继人脸检测和跟追之后,面部特征定位是面部感知的一个必备环节,是后续工作的基础,具有重要的意义。尽管人脸识别不能说是其他面部感知模块的必备功能,但是,可以肯定的是,利用已知的身份信息,结合特定人的先验知识,可以提高表情分析、唇读和语音识别、手势识别乃至手写体识别的可靠性。而计算机对使用者身份确认的最直接的应用就是基于特定使用者的环境设置:如使用者的个性化工作环境,信息的共享和隐私保护等等。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (5)
1.一种智能动态人脸识别考勤记录管理系统,其特征在于,根据待检测人脸特征的先验的形状信息,定义一个参数描述的形状模型,该模型的参数反映了对应特征形状的可变部分,如位置、大小、角度等,它们最终通过模型与图像的边缘、峰、谷和灰度分布特性的动态地交互适应来得以修正,首先利用人脸器官构造的先验知识、面部图像灰度分布的峰谷和频率特性粗略检测出眼睛、鼻子、嘴、下巴的大致区域和一些关键的特征点,然后在此基础上,给出了较好的模板的初始参数;采用了基于区域增长的搜索策略,在人脸定位算法给出的大致人脸框架中,估计鼻子的初始位置,然后定义两个初始搜索矩形,分别向左右两眼所处的大致位置生长,根据人眼灰度明显低于面部灰度的特点,利用搜索矩形找到眼部的边缘,最后定位到瞳孔的中心。
2.根据权利要求1所述的智能动态人脸识别考勤记录管理系统,其特征在于,还包括人脸检测和跟踪、面部特征定位、面部识别、人脸归类、表情分识别系统。
3.根据权利要求1所述的智能动态人脸识别考勤记录管理系统,其特征在于,在确定脸部区域上,使用肤色提取技术,对图像进行光线补偿采用高斯平滑手段,将图片进行平滑操作以此来消除噪声。
4.根据权利要求1所述的智能动态人脸识别考勤记录管理系统,其特征在于,还包括灰度变换,在进行灰度变换前,对图像的信息进行统计,找出一个比较合理的灰度值,灰度变换后,进行灰度均衡,可以根据灰度分布来进行灰度均衡,然后进行灰度增强,将所要处理的区域和周围图像区域进一步拉开他们的对比度,使它们更加明显,通过像素的聚集来实现。
5.根据权利要求1所述的智能动态人脸识别考勤记录管理系统,其特征在于,经过上述步骤后,将结果与事先保存照片进行对比,输出对比结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610162535.8A CN105844727A (zh) | 2016-03-18 | 2016-03-18 | 一种智能动态人脸识别考勤记录管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610162535.8A CN105844727A (zh) | 2016-03-18 | 2016-03-18 | 一种智能动态人脸识别考勤记录管理系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105844727A true CN105844727A (zh) | 2016-08-10 |
Family
ID=56587774
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610162535.8A Pending CN105844727A (zh) | 2016-03-18 | 2016-03-18 | 一种智能动态人脸识别考勤记录管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105844727A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108280388A (zh) * | 2017-01-06 | 2018-07-13 | 富士通株式会社 | 训练面部检测模型的方法和装置以及面部检测方法和装置 |
CN108765611A (zh) * | 2018-05-21 | 2018-11-06 | 中兴智能视觉大数据技术(湖北)有限公司 | 一种动态人脸识别考勤管理系统及其管理方法 |
CN113158942A (zh) * | 2021-04-29 | 2021-07-23 | 泽恩科技有限公司 | 一种运动人体行为检测的分割算法及装置 |
CN113435274A (zh) * | 2021-06-15 | 2021-09-24 | 深圳市综合交通设计研究院有限公司 | 一种综合交通枢纽非法拉客人员识别分析算法及装置 |
CN114577756A (zh) * | 2022-05-09 | 2022-06-03 | 烟台正德电子科技有限公司 | 一种透光均匀度检测装置及检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103902958A (zh) * | 2012-12-28 | 2014-07-02 | 重庆凯泽科技有限公司 | 人脸识别的方法 |
CN104318202A (zh) * | 2014-09-12 | 2015-01-28 | 上海明穆电子科技有限公司 | 通过人脸照片识别五官点的方法及系统 |
CN104408780A (zh) * | 2014-11-28 | 2015-03-11 | 四川浩特通信有限公司 | 一种人脸识别考勤系统 |
JP2015109035A (ja) * | 2013-12-05 | 2015-06-11 | アマノ株式会社 | 就業管理装置及び就業管理システム |
CN204990427U (zh) * | 2015-06-27 | 2016-01-20 | 李满玲 | 一种人脸识别快速考勤机 |
-
2016
- 2016-03-18 CN CN201610162535.8A patent/CN105844727A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103902958A (zh) * | 2012-12-28 | 2014-07-02 | 重庆凯泽科技有限公司 | 人脸识别的方法 |
JP2015109035A (ja) * | 2013-12-05 | 2015-06-11 | アマノ株式会社 | 就業管理装置及び就業管理システム |
CN104318202A (zh) * | 2014-09-12 | 2015-01-28 | 上海明穆电子科技有限公司 | 通过人脸照片识别五官点的方法及系统 |
CN104408780A (zh) * | 2014-11-28 | 2015-03-11 | 四川浩特通信有限公司 | 一种人脸识别考勤系统 |
CN204990427U (zh) * | 2015-06-27 | 2016-01-20 | 李满玲 | 一种人脸识别快速考勤机 |
Non-Patent Citations (1)
Title |
---|
买买提江玉山: "《基于C++的人脸识别系统的设计与实现》", 《中国优秀硕士论文全文数据库》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108280388A (zh) * | 2017-01-06 | 2018-07-13 | 富士通株式会社 | 训练面部检测模型的方法和装置以及面部检测方法和装置 |
CN108765611A (zh) * | 2018-05-21 | 2018-11-06 | 中兴智能视觉大数据技术(湖北)有限公司 | 一种动态人脸识别考勤管理系统及其管理方法 |
CN113158942A (zh) * | 2021-04-29 | 2021-07-23 | 泽恩科技有限公司 | 一种运动人体行为检测的分割算法及装置 |
CN113435274A (zh) * | 2021-06-15 | 2021-09-24 | 深圳市综合交通设计研究院有限公司 | 一种综合交通枢纽非法拉客人员识别分析算法及装置 |
CN114577756A (zh) * | 2022-05-09 | 2022-06-03 | 烟台正德电子科技有限公司 | 一种透光均匀度检测装置及检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Robust and accurate iris segmentation in very noisy iris images | |
Peng et al. | A robust agorithm for eye detection on gray intensity face without spectacles | |
Rankin et al. | Iris recognition failure over time: The effects of texture | |
CN105844727A (zh) | 一种智能动态人脸识别考勤记录管理系统 | |
WO2016145940A1 (zh) | 人脸认证方法和装置 | |
Alheeti | Biometric iris recognition based on hybrid technique | |
Das et al. | A new efficient and adaptive sclera recognition system | |
CN104091147A (zh) | 一种近红外眼睛定位及眼睛状态识别方法 | |
CN104318202A (zh) | 通过人脸照片识别五官点的方法及系统 | |
Li et al. | Robust iris segmentation based on learned boundary detectors | |
CN106599785A (zh) | 人体3d特征身份信息库的建立方法及设备 | |
Jung et al. | An eye detection method robust to eyeglasses for mobile iris recognition | |
Morales et al. | Comparing infrared and visible illumination for contactless hand based biometric scheme | |
Sujana et al. | An effective CNN based feature extraction approach for iris recognition system | |
Jin et al. | Iris image segmentation based on K-means cluster | |
Szczepański et al. | Pupil and iris detection algorithm for near-infrared capture devices | |
Vezzetti et al. | Application of geometry to rgb images for facial landmark localisation-a preliminary approach | |
Lokhande et al. | Wavelet packet based iris texture analysis for person authentication | |
Nigam et al. | Iris classification based on its quality | |
Montazeri et al. | Automatically eye detection with different gray intensity image conditions | |
Paul et al. | Automatic adaptive facial feature extraction using CDF analysis | |
Tandon et al. | An efficient age-invariant face recognition | |
Rossant et al. | A robust iris identification system based on wavelet packet decomposition and local comparisons of the extracted signatures | |
Zhang et al. | Eye Location Based on Adaboost and Random Forests. | |
Zhou et al. | Eye localization based on face alignment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160810 |