本文介紹的基于人臉識別的考勤系統(tǒng)就是一種比較熱門的系統(tǒng)直用?；谌四樧R別的考勤系統(tǒng)的設計，能夠徹底解決傳統(tǒng)打卡鐘、Ic卡考勤方式所經(jīng)常出現(xiàn)的代打卡現(xiàn)象的出現(xiàn).保證考勤數(shù)據(jù)的真實性，真正體現(xiàn)公開、公平和公正，從而進一步提高企業(yè)的管理效率和管理水平。

　　1 人臉識別的原理和方法

　　人臉識別技術主要涉及4個方面的功能：對獲取的原始圖片的預處理、人臉定位、人臉特征參數(shù)提取和人臉數(shù)據(jù)庫比對識別。人臉照片的獲取可以從攝像頭拍照后進行獲取圖片，也可以直接從圖片庫中獲取。圖像預處理就是對獲取得來的圖像進行適當?shù)奶幚恚顾哂械奶卣髂軌蛟趫D像中明顯地表現(xiàn)出來，采用的主要操作包括：光線補償、圖像灰度化、高斯平滑、圖像對比度增強、均衡直方圖等。人臉定位是將典型的臉部特征(如眼睛、鼻尖，嘴唇等)標記出來，在本系統(tǒng)中根據(jù)人臉的三庭五眼特性定位出眼睛，鼻尖和嘴巴3個特征。由于眼球顏色的特殊性和眼睛的對稱性，因此可以很快標記出來。而鼻子是在眼睛下面 且嘴巴在鼻子下面，所以只要眼睛標記好，鼻子和嘴巴也能很好地標記出來。人臉特征參數(shù)的提取主要采取4個步驟進行：

　?、?提取兩只眼睛的距離;

　　② 眼睛的傾角度;

　?、?眼睛、嘴巴的重心;

　?、?用一個矩形標出每一個特征。在特征提取完之后將得到的相應特征值作 后臺數(shù)據(jù)庫為下一步的識別做準備。人臉的識別是與庫存中的特征向量進行比較，找出與特征最相近的參數(shù)，再對該參數(shù)進一步分析。如果分析在我們所確認的范圍內(nèi)，就確認該人的相關的信息。如果庫存中沒有，則給出提示是否對存庫作為樣本。

　　2 系統(tǒng)總體設計方案

　　本系統(tǒng)由攝像頭、客戶機、應用服務器和數(shù)據(jù)庫服務器4部分組成，其系統(tǒng)結構圖如圖1所示。整個系統(tǒng)的設計以遵循TCP/IP協(xié)議的以太網(wǎng)作為傳輸媒介，通過一個HUB將分布在不同地方的攝像頭和客戶機連入局域網(wǎng)。攝像頭主要進行人臉原始圖像的采集，并通過網(wǎng)絡傳輸至應用服務器。在應用服務器中可以進行獲取人臉信息與數(shù)據(jù)庫人臉信息的比對并根據(jù)已定的規(guī)則生成相應的記錄。 [nextpage]

　　3 考勤系統(tǒng)的分模塊設計方案與主要技術處理

　　根據(jù)人臉識別的技術方法，人臉識別考勤系統(tǒng)的 主要模塊設計如圖2所示，

　　包括6個功能模塊。

　　3.1 獲取人臉圖像區(qū)域獲取人臉圖像是通過攝像頭拍照后進行獲取圖片，獲取后的圖片可以在軟件的界面中顯示出來以方便進行識別。

　　系統(tǒng)對于圖像中的人臉區(qū)域的獲取，主要是根據(jù)膚色來進行獲取，通過膚色非線形分段色彩變換來實現(xiàn)。這一非線性分段色彩變換得到的膚色模型屬于色彩空間中的聚類模型，這一類膚色模型的建立首先要選取一種合適的色彩空間。本系統(tǒng)采用了文獻[1]中的膚色模型。 [nextpage]

　　3.2 人臉圖像預處理

　　人臉圖像預處理模塊主要完成如下的功能：

　?、?光線補償：因為攝像頭直接得到的圖片可能會存在光線不平衡的情況，會影響對特征的提取，同時系統(tǒng)中要用到YcrCB色彩空間，所以有必要對圖像進行光線補償。盡可能將它的特征在圖像中表現(xiàn)出來。

　　② 灰度化：圖像灰度化的過程就是將彩色圖像轉(zhuǎn)換為黑白色圖像，這樣就可以將圖像的信息更加具體、簡單地表現(xiàn)出來。將圖像灰度進行線性擴展，常能顯著地改善圖像的外觀?；叶染€性變換的計算式為：

　　式(1)中廠是原像素的灰度，g為變換后的灰度。該變換把屬于 ，6]的灰度級變換至灰度區(qū)間[c， ]，而沒有在 ，6]區(qū)間的原像素灰度將保持不變。這里 ，b，c，d，f，g均為Eo，255]之間的數(shù)值?？梢?，口被映射為C，b被映射為d。

　?、?高斯平滑處理：高斯平滑是對圖像進行平滑處理，在采集圖像的過程中由于存在各種因素的影響，圖像往往會出現(xiàn)一些不規(guī)則的噪聲。如圖像在傳輸、存儲等都有可能產(chǎn)生數(shù)據(jù)的丟失，從而影響圖像的質(zhì)量。平滑處理可以降低圖像的視覺噪聲，同時除去圖像中的高頻部分后，可以使本來不明顯的低頻成分更容易被識別，系統(tǒng)中采用卷積來實現(xiàn)。經(jīng)過卷積平滑水平投影后，二值化可以得到較好的效果圖像。

　?、?對比度增強：對比度增強，就是將對比度進一步拉開。 通過對圖像的灰度值進行統(tǒng)計，對于比最小設定值小的則認為是有關的信息，則將它作為黑色處理，比最大設定值大的則認為是一些無關的信息，將它們?nèi)サ簦幱趦烧咧g的，則進行對比度增強，將他們在總的灰度值里面的比例作為新的像素信息保存起來。

　?、?二值化：通過二值化處理可以將采集獲得的多層次灰度圖像處理成二值圖像，以便于分析理解和識別并減少計算量。二值化通過一個閾值改變圖像中的像素顏色，令整幅圖像畫面內(nèi)僅有黑白二值便于我們對特征的提取。本系統(tǒng)中采用組內(nèi)方差和組外方差來實現(xiàn)二值化。

　?、?直方圖均衡：直方圖均衡化就是使輸入圖像轉(zhuǎn)換為在每一灰度級上都有相同的像素點數(shù)，把原始圖像的灰度直方圖從比較集中的某個灰度區(qū)間變成在全部灰度范圍內(nèi)的均勻分布。按照圖像的概率密度函數(shù)(歸一化到單位面積的直方圖)的定義：

　　其中ID(z)為概率密度函數(shù)，H(z)為圖像的直方圖，A。為圖像的面積。設轉(zhuǎn)換前圖像的概率密度函數(shù)為pr(r)，轉(zhuǎn)換后圖像的概率密度函數(shù)為 )，轉(zhuǎn)換函數(shù)為 = (r)，由概率論知識，可以得到：

　　如果想使轉(zhuǎn)換后圖像的概率密度函數(shù)為1(即直方圖是平的)則必須滿足：

　　等式兩邊對r積分，可以得到：

　　該轉(zhuǎn)換式被稱為圖像的累積分布函數(shù)。上面的公式是被歸一化后推導的對于沒有歸一化的情況，只要求以最大的灰度值(DMax，對于灰度圖就是(0 255)即可，灰度均衡的轉(zhuǎn)換式為：

　　對于離散數(shù)據(jù)如果其像素灰度值D 在(minf，maxf)之間，轉(zhuǎn)換的灰度范圍為(0，255)則轉(zhuǎn)換式為:

　　式中Ⅳ 為第i級灰度的像素個數(shù)，D 為像素灰度D 經(jīng)過轉(zhuǎn)換后得到的灰度。

　　3.3 人臉定位

　　人臉定位模塊的實現(xiàn)主要進行了如下操作：① 顏色篩選：無論是眼睛還是嘴巴，都位于人臉的非膚色區(qū)域。而且眼睛的顏色是黑白分明，利用先驗知識可以淘汰許多候選，減少PCA驗證的負擔。② 雙眼的定位：把篩選過的特征區(qū)域兩兩配對，再用PCA模扳進行嚴整，就可以得到真正的雙眼。③ 鼻子的定位：在確定了眼睛的位置以后，鼻子的位置基本確定，以眼睛的瞳距為1來計算，鼻子到兩眼中心的距離為0.7～1。在這附近搜索顏色較深的區(qū)域，大致能得到鼻孔的位置。然后在兩鼻孔上訪一定范圍內(nèi)(鼻孔的距離的1/2左右)找亮度最高的點作為鼻尖。④ 嘴巴的定位：找到雙眼之后，可以在它們的下方搜索候選特征區(qū)域，尋找非膚色面積較大、近似位于雙眼對稱的候選作為嘴巴。然后根據(jù)先驗知識調(diào)整嘴巴的大小。

　　3.4 人臉參數(shù)獲取及人臉識別

　　人臉特征參數(shù)的提取主要采取第二部分中的4個步驟進行獲取，獲得數(shù)據(jù)以后與數(shù)據(jù)庫中的人臉特征向量進行比較，找出與特征最相近的參數(shù)，再對該參數(shù)進一步分析，確認該人的相關的信息。

　　4 后臺數(shù)據(jù)庫設計與應用服務器

　　系統(tǒng)在數(shù)據(jù)庫服務器上的關系數(shù)據(jù)庫使用了SQL Server，數(shù)據(jù)庫中的信息主要包括員工的基本信息、員工的人臉特征信息、考勤記錄等。其中，員工的人臉特征信息存儲著員工人臉的特征信息參數(shù)，是與獲得的人臉特征參數(shù)進行比對的基礎，為了提高對比的效率可以在人臉特征信息字段上建立索引?？记谟涗浻糜谟涗泦T工出勤、遲到和早退等考勤結果數(shù)據(jù)，它是應用服務器根據(jù)一定的考勤規(guī)則所得出的結果，也是管理人員查詢統(tǒng)計的基礎。應用服務器是用來運行考勤系統(tǒng)的?？梢栽趹梅掌魃箱浫胍约靶薷膯T工的基本信息，包括錄入人臉的特征信息并將其存人后臺數(shù)據(jù)庫中。同時考勤系統(tǒng)在應用服務器上還提供了考勤統(tǒng)計查詢，考勤管理，考勤維護等功能。

　　5 結束語

　　系統(tǒng)在實踐中，能夠穩(wěn)定、快速、準確地識別出對應員工完成考勤任務。利用人臉識別考勤系統(tǒng)，從根本上解決了普通打卡等考勤方式中出現(xiàn)的代打等問題。而且由于它的非接觸性，只要員工正面站在攝像頭前就能快速地完成考勤，大大提高了企業(yè)管理的效率和水平。