SCI论文（www.lunwensci.com）:
摘要：随着计算性能的提高和深度学习算法的发展,人脸识别的准确率有了突破性的提升,加上近年来移动办公的流行,使得人脸识别技术和移动办公的结合成为了一种可能。该文章设计并实现了一套基于iOS的人脸识别考勤系统,该系统包括服务端和手机端两个部分,服务端实现员工基本信息管理、考勤地点管理、考勤记录管理等功能,手机端实现员工注册、登录、人脸识别考勤、考勤记录查询等功能。
关键词：人脸识别；考勤；iOS；移动办公；人工智能
Design and Implementation of Face Recognition Attendance System Based on iOS
LI Zonghai,ZHANG Huanhuan
(Sichuan Cric Technology Co.,Ltd.,Chengdu Sichuan 610000)
【Abstract】：With the improvement of computing performance and the development of deep learning algorithm,the accuracy of face recognition has been improved by a breakthrough.Coupled with the popularity of mobile office in recent years,the combination of face recognition technology and mobile office has become a possibility.This paper designs and implements a set of face recognition attendance system based on iOS.The system includes two parts:Server and mobile phone.The server realizes the functions of employee basic information management,attendance location management and attendance record management,and the mobile phone realizes the functions of employee registration,login,face recognition attendance,attendance record query and so on.
【Key words】：face recognition;attendance;iOS;mobile office;artificial intelligence
0引言
人脸识别技术是指通过算法分析人脸图像,从中提取出有效的特征信息,用来“辨认”身份的一门技术[1]。
2014年,DeepFace[2]第一次用于在LFW(Labeled Face in-the-Wild)[3](无约束条件下拍摄的人脸图片)数据集中进行人脸识别,得到的识别结果与真人识别结果相近。其使用了超过400万张面部图像对9层的卷积神经网络(Convolutional Neural Network,CNN)模型进行训练。受这项工作启发,近年的研究重点已转向基于深度学习的方法,并且准确度大幅提升至99.80%以上[4]。
1相关技术
1.1图像获取
人脸识别首先必须有的就是带有人脸的图片,通过手机获取人脸图片的方法有很多,可以通过拍照获取单张的人脸图片,也可以通过视频流获取连续的人脸图片。
在iOS系统中,可以通过OpenCV框架很容易的获取到手机摄像头的视频流,OpenCV框架可以在官网(https://opencv.org/releases/)直接下载。下载时请选择iOS版本的二进制库,下载完成后添加到项目中即可。
1.2位置获取
每个智能手机都有GPS模块,无论是Android系统,还是iOS系统,都提供了原生的接口可以获取到位置信息,为了使用百度距离计算的接口,这里采用百度定位SDK获取位置信息(https://lbsyun.baidu.com/products/location)。
1.3距离计算
使用百度定位SDK提供的接口计算当前位置到考勤点的距离：
CLLocationDistance dis=BMKMetersBetween MapPoints(pointCurrent,pointCheckin);
pointCurrent为当前位置坐标,pointCheckin为考勤中心点坐标,dis为两点间的距离。
1.4人脸检测
人脸检测是目标检测的一种,属于一个二分类问题,其任务是在一张包含人脸的图像中找到人脸的坐标位置。人脸检测中比较常用的算法是MTCNN(Multi-task Cascaded Convolutional Networks),MTCNN算法是一种基于深度学习的人脸检测和人脸对齐方法,它可以同时完成人脸检测和人脸对齐的任务,相比于传统的算法,它的性能更好,检测速度更快。
这里采用腾讯开源的深度学习框架NCNN进行人脸检测等的前向推理工作。
mtcnn->detect(ncnn_img,finalBbox);//ncnn_ img:输入图片,finalBbox:检测到的人脸框。
1.5特征提取
特征提取是指通过一些数字来表征人脸信息,使用算法将人的眼睛、鼻子和嘴巴等面部特征转化为一组数字,通常是一个一百多维到几百维的特征表达,对于多张人脸的图,将返回多个特征。这里我们使用轻量级人脸识别网络MobileFaceNet从海量数据中学习高级特征,如一些人眼都不易关注的面部细节,并忽略某些干扰因素(如化妆)。
ncnn::Extractor ex=net_.create_extractor();
ex.input(f_p_id::BLOB_data,in);//图片数据输入
ncnn::Mat fea_;
ex.extract(f_p_id::BLOB_fc1,fea_);//特征提取
1.6特征比对
人脸识别考勤是一个1：1的人脸确认问题,特征比对就是计算上面提取出来的人脸特征和注册时保存的人脸特征之间的相似度,得到一个数值,把该数值和我们事先设定好的阈值进行比对,大于该阈值,则认为匹配成功,否则认为匹配失败。
这里我们采用余弦距离(向量空间中两个向量间的夹角的余弦值)来度量两个特征的相似度。
2系统总体设计
整个考勤系统的架构如图1所示。
2.1用户系统
(1)员工注册模块：使用系统前,用户需要将自身信息如员工编号、姓名、手机号等提交到服务端保存,同时,还需要采集用户的人脸特征并保存到服务端,在考勤时用来进行特征比对。
(2)员工登录模块：员工通过登录,可以从服务端获取姓名、部门、邮箱、考勤记录等个人信息,以及注册时的保存人脸特征。
(3)人脸考勤模块：用户登录成功后,就可以进行考勤,考勤时,当用户在考勤距离范围内,采集用户人脸信息,提取特征后与注册时的特征比对,相似度在阈值范围内则认为考勤成功。
(4)考勤记录模块：考勤记录模块保存了员工本人的所有考勤记录,员工本人随时可以查看。
(5)个人信息模块：该模块展示了员工的头像、昵称、员工编号、邮箱、手机号等信息,员工可以修改除部门、员工编号以外的其他信息。
2.2管理员系统
(1)员工注册审核模块：为了防止员工使用他人照片注册,或者员工注册时选错部门,在用户注册完成后增加了管理员审核环节。每个部门都会配备一个管理员,用户信息提交后需要等待管理员审核,管理员可以判定注册人是否为本部门员工,照片是否为员工本人,确认无误后点击同意该员工加入本部门,然后用户将会收到注册成功的消息,从而可以登录后进行考勤。
(2)考勤地点管理模块：员工考勤的前提是已经到达公司,在公司考勤才是有效的。通常认为,手机和员工是一起的,手机的位置就代表了员工的位置,所以需要在考勤之前获取到手机的位置信息。然后设置一个考勤中心点,计算手机位置到考勤中心点的距离,当距离在设定值(比如100m)范围内,就认为员工已经到达公司,可以进行考勤。在该模块,管理员可以对考勤地点进行新增、修改和删除等。
(3)考勤信息统计模块：管理员可以看到本部门所有员工的考勤状态,也可以进行分类统计或导出考勤记录等。
(4)员工信息管理模块：在该模块,管理员可以查看、删除员工。
3考勤系统实现
3.1用户注册流程实现
用户注册流程主要包括部门选择、信息采集和管理员审核3个部分。
为了方便管理,同一个公司可以注册一个或多个不同的部门,员工注册的时候根据具体情况可以选择性输入所属部门、员工编号、邮箱、手机号码等信息。
用户注册时除了要提交上述信息外,还需要采集人脸图片,从中提取人脸特征并上传服务端保存,作为以后考勤时特征比对之用。
用户注册成功后,需要等待管理员审核,管理员可以同意或者拒绝该员工加入本部门。
3.2用户考勤流程实现
首先判定考勤距离是否在设定范围内,如果考勤距离大于设定的阈值,考勤失败,结束考勤流程。用户可以再次点击考勤按钮重新考勤,当考勤距离在设定范围内时,将从视频流中提取图片进行人脸检测,如果未检测到人脸,将继续提取图片检测,直到检测到人脸或者超时为止。检测到人脸后提取人脸特征,与本人注册时的特征比对,结果在阈值范围内则考勤成功,提示用户考勤成功,生成考勤记录并跳转的考勤记录页面,考勤完成。用户考勤流程如图2所示。
4系统测试
该考勤系统已经通过测试并正式上线运行,手机端iOS版已经在苹果应用商店发布成功,公司内已有多个部门的同事开始使用。
用户登录成功进入考勤页面,在考勤页面,提示用户正对摄像头,人脸置于框中,点击考勤按钮即可开始考勤。
5结论
本文介绍了基于人脸识别的移动考勤系统的设计与实现,将当今流行的人工智能技术应用到移动办公领域,并以当前主流的移动操作系统iOS系统为载体,讲解了搭建移动考勤系统所用到的各种技术,以及考勤相关的企业员工管理功能,从而实现考勤管理的规范化、智能化和自动化,杜绝代打卡现象,降低考勤成本,提高企业效率,希望对该领域软件开发人员有一定的参考价值。
参考文献
[1]刘小华,人脸识别技术及其应用研究[D].长春:吉林大学,2005.
[2]TAIGMAN Y,YANG M,RANZATO M A,et al.DeepFace:Closing the Gap to Human-Level Performance in Face Verification[C]//IEEE Conference on Computer Vision Pattern Recognition,2014.
[3]Erik Learned Miller,Gary B Huang,Aruni Roy Chowdhury,et al.Labeled Faces in the Wild:A Survey[J].Springer International Publishing,2016:189-248.
[4]刘小沣.基于深度学习的人脸图像识别技术的研究[D].北京:中国科学院大学,2019.
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jisuanjilunwen/41581.html
