重庆钢铁集团电子有限责任公司
摘要：人脸识别技术的出现，为建设智能化考勤系统平台提供了解决思路。通过利用人脸进行打卡，可以第一时间与个人信息联系起来，实现无接触打卡，用来记录个人的考勤信息。本文基于人脸识别技术，研究了智能化考勤系统平台的建设技术。
关键词：人脸图像识别技术;智能化考勤系统;实施方案
1引言
互联网的出现深刻改变了人类的生产生活方式，经常被看做新的信息技术变革的象征。互联网发展到今天，已经实现了对人类生产生活方式的全覆盖，甚至有成为继衣食住行之后的又一生产生活必要组成部分，现代人类已经很难想象并且不能再适应没有网络的生活了。在互联网时代，原来很多手工或者纸质化操作的项目，都变得无纸化且依靠网络来进行。
之前，公司考勤主要是依靠实名纸质化登记来完成，不但效率不高、占用专人来执行这一项任务，同时还容易受到人为因素的影响，出现营私舞弊的情况。在互联网时代，为了提高考勤工作的效率，并且杜绝人为因素的影响，需要基于网络开发智能化的考勤系统平台[1-2]。
人脸识别技术的出现，为建设智能化考勤系统平台提供了解决思路。通过利用人脸进行打卡，可以第一时间与个人信息联系起来，实现无接触打卡，用来记录个人的考勤信息。本文基于人脸识别技术，研究了智能化考勤系统平台的建设技术。
2智能化考勤系统平台总体技术方案
本系统主要是基于人脸识别系统技术来实现考勤记录的功能，实现无接触记录、数据库查询、考勤信息记录的目的，具体使用时，员工只要站在考勤机前，考勤机对员工面部进行扫描，与数据库中存储的员工照片及其他相关信息进行比对，当比对结果一致时，实现考勤记录，当比对结果不一致时，系统给出提示，指引员工重新进行扫描。具体过程如图1所示。
.png)
图1智能化考勤系统平台工作流程
3智能化考勤系统平台功能组成
根据考勤系统的功能要求，智能化考勤系统为了实现考勤记录目的，主要由以下几种功能性模块组成，具体包括：（1）人脸识别模块，主要是利用摄像头记录员工的面部图像，实现对员工面部图像的实时采集，并且记入数据库中；（2）人脸信息比对模块，主要是基于预先存储的员工面部图像及其他相关信息，与摄像头采集的员工面部图像进行比对，根据相关算法比对面部图像中的关键特征点进行一一比对，对比对结果进行评判，结果一致则说明是同一个人，结果不一致说明不是数据库中的员工，需要重新进行信息采集；（3）考勤记录模块，主要实现的是考勤信息处理、考勤统计和考勤表的导出。其中考勤信息处理包括对全体员工信息表、已到员工信息表和未到员工信息表的操作，考勤统计包括统计未到员工的基本信息和未到人数，考勤表的导出实现的功能是可以根据需要选择具体的某一天的某一节导出未到员工的基本信息。具体组成如图2所示。
.png)
图2智能化考勤系统功能组成
4智能化考勤系统平台主要技术分析
4.1基于人脸图像关键特征点的识别检测方法
智能化考勤系统最主要的就是人脸识别系统。目前，人脸识别系统中，最常用的识别算法就是基于关键点检测的识别方法，这是最早也是比较直观的识别方法，这种方法通过在人脸图像中建立面部描述子（face descriptor）表示人脸的几何特征信息（包括区域、位置、形状和曲率等），将这些信息用面部关键点（face landmark）的形式来表征，并利用映射算法将这些坐标与人脸特征信息建立一一对应关系，应用拉普拉斯算子（laplacian operator）对人脸图像进行二值化。在这种识别方法中，可以选作面部关键点的面部标志物有：头顶、脸颊和脸部侧面、鼻子、嘴和下巴、下巴轮廓、脸部侧面线条、鼻子线条、眼睛和脸部轴线等。可以通过自动测量每个面部关键点在人脸图像中的坐标间的相对位置关系建立面部描述子；一般常利用头部轮廓、嘴唇、眉毛和眼睛中心这四个关键点之间的相对位置关系作为描述子进行识别。
基于关键点检测的识别方法首先计算训练集和测试集中人脸图像中对应图像关键点之间的欧氏距离，对所有欧氏距离进行比较后获取与识别过程所需要的的欧氏距离相对应的人脸图像的关键点来进行识别。这种方法针对特定条件下拍摄的图像进行人脸识别比较有效，但是对遮挡、姿势、表情和照明的鲁棒性不明显，在实际使用过程中存在一定的局限性。
4.2智慧园区综合管理平台
目前，很多公司和企业把智能化考勤平台技术融合进智慧园区综合管理平台。这种智慧园区综合管理平台集成了安全、人脸识别和高效管理等相关技术，以某公司生产的8900系列产品为例。这种系列的综合管理平台主要以视频识别和追踪技术为核心，是一种智慧物联解决方案，具有一定的通用性，通过融合安全防卫技术和服务经验，将视频、门禁、报警、考勤、访客登记和识别、可视对讲、信息发布等多项功能集成起来，为客户提供一站式的综合性服务，其实，在所有的服务中，都是基于视频或图像识别和分类技术为基础的。众所周知，视频是一系列时间上连续分布的图像，图像识别和分类技术是视频识别和分类技术的基础和核心；传统上利用图像进行人脸特征识别时，需要对图像进行预处理，包括灰度化，预处理完成后进行灰度图像的特征提取和分类，然后基于基本特征进行人脸图像与数据库中存储图像的比对、评判和识别。现在随着计算机硬件技术的发展，越来越多的CPU性能提高了很多，并且搭配高性能的GPU，实现了智能算法的在线运用，利用卷积神经网络、大数据技术、循环神经网络等实现了人脸识别技术更加智能化、便捷化和准确化，很多算法省去了对图像进行预处理的环节，直接对采集到的图像进行识别和比对，这样节省了计算时间，但是相应地占用了更多的计算资源，对计算机硬件的要求更高了。因此，为了适应新形势和新技术的发展，为了提高人脸识别的准确度和快速性，既需要研究各种先进、智能的算法，也需要开发功能更为强大的硬件产品（包括CPU和GPU等），同时也要研究系统集成能力，将各种不同性能的硬件产品集成或者将硬件与软件产品集成之后，使之能够发挥更强大的性能。
5结论
总之，基于人脸图像识别技术的智能化考勤系统平台建设是一项综合性、立体性工程，只有调动尽可能多的资源，利用先进的人工神经网络计算技术，才能提高人脸图像的快速识别与准确对比，才能够实现考勤信息的实时准确记录，才能达到智能化考勤的目的。
参考文献
[1]王静.高校智能化考勤系统的设计与实现[J].信息与电脑(理论版), 2015(16):78-79.
[2]陈丽春.基于VB/SQLServer的管理系统的实现——智能化考勤系统设计[J].温州大学学报(自然科学版)(2期):77-80.