论文部分内容阅读
目前全国绝大部分中小学对学生的上下学考勤还在依靠老师点名的方式,这种传统的方式耗时长且效率低,而且家长也无法实时获取孩子的上下学信息,进而导致失去对孩子的有效监管。在此背景下,本课题组研究并实现了一套针对学生出入校园的考勤管理系统。该系统依靠读卡终端在学生出入校园刷卡时采集照片等信息,通过微信公众号将相关信息推送给学生家长,供家长方实时获取和确认自己小孩上下学的情况;而学校方则通过管理系统的数据检索和人脸识别功能从大量学生中快速找出缺勤或代刷卡的学生,使管理效率大大提高。本文主要介绍的是该套系统中供学校方使用的基于人脸识别的考勤管理部分,所做的主要工作包括以下几点:(1)采用Haar-like特征和AdaBoost算法实现了人脸检测分类器,能快速精准检测到人脸区域,检测速度差不多为几百毫秒,准确率高达96.51%。采用SIFT特征和SDM算法实现了人脸特征点的检测,然后根据两眼对应的特征点间的距离和偏转角度进行相关的缩放、旋转和截取操作,完成人脸对齐。(2)使用HD-LBP特征经过PCA降维后得到的400维特征向量表征人脸,将向量间的余弦距离作为衡量人脸间相似度的标准,借助SVM算法找到最佳阈值进行人脸识别验证,通过在LFW数据集上测试,获得了84.87%的准确率。(3)借助OpenCV提供的大量图像处理函数对相关算法进行快速实现,通过MFC封装的Windows API及其提供的应用程序框架实现考勤管理系统,解决了学校方考勤管理效率低的问题,并杜绝了代刷卡乱象,同时还能配合微信公众号服务部分,为家长方提供考勤信息。本文的创新之处在于,对基于LBP特征改进的HD-LBP特征进行了实现,准确率取得了4%的提升,同时针对HD-LBP特征提取过程中的尺度数和特征点数进行实验和分析,对这两个参数进行了优化改进,做到了计算复杂度和识别率间的均衡;针对直接使用PCA算法对HD-LBP特征降维时遇到的计算太复杂不易实现的问题,提出了一种PCA算法的改进实现,找到一个与协方差矩阵具有相同特征值和特征向量有关联的简单矩阵,通过简单矩阵间接求协方差矩阵的特征值和特征向量,解决了原来计算复杂不易实现的难题。