人脸识别是生物识别和人工智能的一个重要应用方向,相对于其他生物识别如指纹识别,语音识别和虹膜识别,具有易采集、友好性和非侵犯、效果好等诸多优点,从而得到快速发展与应用。另一方面,随着BS架构的广泛使用,Web项目因为容易发布和部署,信息化程度高等诸多优点,被企业界广泛使用。因此,针对高校手动考勤方式存在的效率低、科技含量低、信息化程度不高的问题,本论文设计了人脸识别课堂考勤系统。本论文的主要研究内容和成果如下:1.研究了国内外的人脸检测和识别算法,以及考勤系统的研究现状,在进行了较为详细的功能设计、可行性分析和需求分析的基础上。设计并实现了由图像预处理、人脸检测、人脸识别签到、考勤数据库、考勤信息管理等模块组成的人脸识别课堂考勤系统。系统具有良好的安全性、用户体验和稳定性。2.研究了PCA算法及其改进的2DPCA和双向2DPCA算法,并比较这三种算法的正确识别率;研究了基于LBP、LDA的人脸识别算法,并比较PCA、LBP、LDA算法的正确识别率;研究了SVM分类算法,并比较SVM与一般分类器的正确识别率。经比较,最后确定LBP+PCA组合算法提取人脸的特征,并使用SVM分类算法,用于本系统的人脸识别模块,从而提高人脸识别算法的正确识别率。3.基于JavaEE平台,研究了JSP技术、Struts2、Spring、Hibernate框架、MySQL数据库技术。使用SSH框架整合技术开发考勤系统。将系统分为人脸识别模块和考勤系统管理模块,分别独立开发并整合。4.提出建立人脸库的方法。由学生使用本地文件或者拍照的方式上传照片,服务器按照学生信息保存图片,管理员建立人脸库图片、保存人脸库的特征数据。保存和加载特征数据的方式可以提高人脸识别的效率。5.在检测并分割的人脸图像上使用双眼定位和旋转矫正的处理,得到正面的人脸图像,提高了识别率。