本文针对课堂场景设计一个自动化考勤系统,主要基于课堂监控视频流,采用人脸识别来实现,并提出了一种人脸图像质量评估算法。主要工作如下:(1)本文首先进行人脸识别技术的研究,包含人脸检测算法、人脸识别算法的研究。人脸检测方面,基于深度学习的Retina Face算法在监控场景中表现出优异的效果,相比经典的MTCNN算法,无论是效果还是检测速度都有较大提升,因此选用Retina Face作为本系统的人脸检测算法。人脸识别部分选用了Face Net方法,实验表明Face Net在非约束情况下的人脸识别表现出良好的效果。(2)在实验中发现,人脸图像的模糊、角度等问题会对人脸识别造成一定的干扰,影响了人脸识别的准确率。因此本文在人脸识别过程中加入了一个人脸图像质量评估环节。由于目前没有公开的人脸图像质量评估数据集,本文自建了一个人脸图像质量评估数据集,提出了一种结合Face Net人脸算法求出余弦相似度对数据进行评分标注的方法。训练得到的模型在测试集上表现出较好的效果。经过实验发现,在加入了图像质量评估环节后,能有效筛去低质量图像,一定程度上减少了误识别的现象,使本系统的准确率有了一定的提升。(3)针对采集的教室后排学生人脸图像分辨率低的问题,提出采用可变焦距数字摄像机来采集图像,利用摄像机的预置位功能,将教室划分为多个区域,摄像机自动巡视每个预置位,从而采集到每个位置的高分辨率图像。(4)最后使用以上的研究设计了一个考勤管理系统,包含客户端、后台、图像采集模块,从课堂收集视频数据进行人脸识别,然后根据多帧投票确定出勤情况,最终结果存入数据库供教师和学生查看。