门禁及考勤系统是安防系统的一个重要组成部分,传统的系统多采用人工登记、机械锁、刷卡等方式。其中涉及到过多的人为影响因素,如丢失、盗用、需要手动近距离的持卡等,操作复杂,且不可靠。随着计算机技术和互联网的飞速发展,基于人体生物特征识别的智能系统成为计算机视觉和模式识别领域的一个研究热点。目前基于人体生物特征识别的智能系统,已成功地将部分生物特征用到了传统门禁考勤系统,克服了传统人工方式中操作复杂、不可靠等缺点。然而,此类系统采用的生物特征一般为指纹、虹膜等,使用时需要特殊的采集设备,且需近距离的接触,此外,还存在易被刻意伪造或录制盗用、技术难度系数大等问题。人脸作为独特的具有唯一性的生物特征,将其应用于门禁控制及考勤管理中,具有操作便捷、高性能、高精度等优点,并且不易伪造、可靠性高。然而目前该类系统普遍存在的问题是只支持单个目标的处理,对人的行为要求也较多。当多个目标人物同时出现,且逗留时间较长时,需要同时识别并进行人流量统计,此时会造成人流量统计混乱、识别错误等问题,无法满足实际应用中的需求。针对以上问题,本论文提出了一系列的策略,先利用图像重合度进行聚类,再通过基于PCA和LBP的融合识别方法进行识别,若识别的相似度不满足阈值约束,则利用深度学习算法再次识别。实验数据表明,此策略可以使系统性能得到提升,同时还可以明显提高多目标人物识别时的识别率。本文在人脸识别领域的现有研究成果基础上,针对传统门禁考勤系统及目前该类系统出现的问题,设计并实现了一个智能门禁及考勤综合管理系统。本系统在搭建系统平台时采用了可跨平台的Qt图形用户界面工具,数据库采用了轻量级的Sqlite,同时利用socket通信来实现客户端与服务器间的通信。系统包括三个子系统:实时分析系统、显示系统、考勤统计系统。实时分析系统负责实时的人脸识别及人流量统计,显示系统负责显示当前到达人物的相关信息并进行语音提示,考勤统计系统负责按照需求进行一定时间段内的相关查询,还可将结果以Excel形式导出。实验结果表明,本系统采用的策略可以解决多目标同时识别的瓶颈问题,还可以准确地进行人流量的统计,同时视频处理速度可以达到实时性要求。