【课堂人脸考勤打卡系统的设计与实现文献综述3100字】

课堂人脸考勤打卡系统的设计与实现国内外文献综述目录TOC\o"1-2"\h\u1788课堂人脸考勤打卡系统的设计与实现国内外文献综述 130331一、人脸识别的发展 13324二、人脸识别概述 230185三、人脸识别考勤发展 2摘要：自新冠肺炎疫情爆发以来，我国乃至全世界的国家与组织都收到了前所未有的波及与影响。对于我国来说，教育、经济、文化等诸多方面都因此停滞。在面对日益迫切的教育需求下，我国的教育系统开展了大面积的线上教学，但为保证教学质量与教学秩序，对课堂进行一定程度的考勤则是许多在线课堂迫在眉睫的需求。故此本文为解决以上问题，提升在后疫情时代下教育方面的需求，保证我国教育系统的顺利进行，改善教育过程中的考勤问题，故此设计此课堂人脸考勤打卡系统一、人脸识别的发展左腾[1]认为随着社会的进步与人类文明的发展,科学技术的便利性在社会的发展中起至关重要的作用,AI技术逐渐进入人们的视线,成为近代科学技术发展的主要方向。随着计算机方面的爆炸式发展,AI技术也开始了新的纪元，作为AI技术发展的一个里程碑式技术,机器视觉有着极其重要的理论意义和发展需求,并且投入其中的研究逐步增多。赵荣刚,贺庆民[2]在他们的作品中提出图像获取对于计算机来说是得到机器外的信息的重要途径之一,图像的识别基于图像的获取将会给社会科技的进步和发展作极大的推动。人脸识别也属于机器图像识别,对人工智能的提升带来极大的便利和。人类进行面部特征的识别主要是依托记忆并与之相匹配,想要让计算机获取同样的能力,这就是人脸识别的原理。付晓峰,张予,吴俊[3]也同样的认为人脸识别技术是根据人面部特征的差异性来辨别人身份的技术,这项技术的实现基于计算机和电子信息,运用每个人独特的特征来区分个体信息。人脸检测采用人脸检测算法,确定特定图像中所有人脸的位置、尺寸和位置。人脸检测包括神经通信、人类学、解剖学和人工智能,并指导生物识别生物识别方法、非侵入性、非侵入性和易于集成应用,大致原理是将识别到的独特的特征信息与已有的样本进行比较和分析,最终实现人脸的识别和身份的鉴别。在实际生活中,人们经常会遇到一些不认识人或不能识别人的情况,这时就需要利用人脸识别技术,从而达到身份鉴别目的。另外,人脸检测还具有实时性好、准确性高等特点。正因为有这些优势,人脸识别现在被应用到很多领域。二、人脸识别概述MingxingJ,JunqiangDU[4-7]等人针对于实现人脸识别的目标，人脸识别成功的前置条件是人脸图像获取和检测成功,大致将获取的动态图像分为两个区域,人脸信息区域和非人脸信息区域,检测到人脸就会确定人脸信息区域并且提取相对应的面部特征信息。前期人脸检测的质量不太好的话,可能就会导致后续的特征信息提取无法顺利进行,影响人脸检测的因素有很多,比如说光照的影响,人面部倾斜角度人脸的朝向等等,都有可能影响检测成功率。人脸识别技术是根据人面部特征的差异性来辨别人身份的技术,这项技术的实现基于计算机和电子信息,运用每个人独特的特征来区分个体信息。大致原理是将识别到的独特的特征信息与已有的样本进行比较和分析,最终实现人脸的识别和身份的鉴别。曹洁,李雪真,王进花[8]在他们的作品中认为科学技术的快速发展和计算机硬件特别是GPU技术的不断完善,为深度学习打下了基础。在此背景下,人脸识别技术得到了极大发展。人脸识别是模式识别中最重要也是最为关键的研究领域之一,它涉及到心理学、计算机科学以及生物物理学等众多学科领域。从理论上说,计算机能够以这种方式识别人类的存在,因为人脸是在视觉通道层面上理解和识别人类的主要通信手段。三、人脸识别考勤发展朱靖娴,白文娟,张砺心[9-11]等人提出由于人脸检测的研究几乎与人脸识别研究的时间相距不远,伴随着人脸识别理论和实践,人脸检测技术如今已经取得了重大的成果,而且产生了很多典型的算法。人脸检测的方法有:①基于特征的方法,基于特征的方法顾名思义就是提取面部五官的特征,但是运用有相对的局限性,总结人脸特征信息的话标准难以定制导致识别准确性难以把握。如果是局部特征信息提取,组合了人的面部局部特征会导致图像噪声过多,可能会导致不能检测或者检测失败的情况。②基于模板匹配的方法,可以设计检测的尺寸,因为数据来自于局部人脸特征信息,所以对动态图像定位比较难,并且鲁棒性不好。③基于统计学习的方法,针对人脸图像进行机器学习,通过这种学习就可以构建一个模型,通过模型就可以实现人脸的检测,信息的提取的方法比较常见的就是神经网络,这个方法检测的结果比较稳定。故此现今许多国外的大学和科研机构都在进行人脸识别相关的研究,其中比较有名的例如麻省理工学院等。有些企业在人脸识别的研究方面已经有了相关成果,相对比较完善的有“deepface”,这是Facebook开发的,已经具有完备人脸识别功能的系统,具有相当卓越突出的性能和使用效果。相比较国外,蒋晓川[12-14]等人认为国内的人脸识别相关领域的研究和发展起步比较晚,国内进行人脸识别研究的主要机构有清华大学等,并且清华大学是我国国内首个在人脸识别领域内进行研究的机构,投入较多的科研力量进入这个领域,中国科学院在之后还突破性地运用了近红外技术。同时,一些互联网企业也拥有了相关的成果,例如百度旗下的SDK人脸识别系统。根据国内外人脸识别技术的发展预估,人脸识别技术已经成为全球范围内重要的研究方向。同时有大量的成就被取得。国内外的许多企业都有各自的管理模式和考勤办法,随着电子和信息产业的发展进入了高速模式,生物特征识别考勤系统进入大众的视野,主要有指纹考勤机和虹膜识别考勤机,但是都需要人到终端才能完成考勤,并且局限性也很大,指纹的破损与否和清洁度,照射虹膜光线的强弱等等都会成为识别误差产生的因素。朱晓蒙,符云琴[15]针对以上问题认为人脸识别考勤相比较于上面两种考勤方式具有的最大优势就是随着互联网的广泛应用和普及,在客户终端就可以完成考勤,但类似功能的考勤系统功能的详细方向还需要扩展和细化,并且有关个人考勤记录的功能和数据信息分析操作功能还不够成熟,不利于普及和推广。总的来说，目前人脸识别已经有了比较长久的发展，所能达成的效果也是较为显著，但是由于我国对于此方面的研究较少，对于此方面科技发展的不够重视，导致国内对于人脸识别不够先进，依靠人脸识别的考勤系统自然也是受到了极大的阻碍与限制。参考文献:［1］左腾.人脸识别技术综述［J］.软件导刊,2017（2）:4.［2］赵荣刚,贺庆民.计算机人脸识别技术的应用［J］.电子技术与软件工程,2018（4）:1.［3］付晓峰,张予,吴俊.遮挡表情变化下的联合辅助字典学习与低秩分解人脸识别［J］.中国图象图形学报,2018.［4］MingxingJ,JunqiangDU,PengfeiS,etal.基于不同分块多特征优化融合的人脸识别研究［J］.JournalofNortheasternUniversity:naturalence,2017.［5］刘卫凯,郝雅倩,郑晗,等.人脸识别综述［J］.信息记录材料,2018,19（7）:2.［6］夏志强.人脸识别综述［J］.电子世界,2017（23）:2.［7］郭梦丽,达飞鹏,邓星,等.基于关键点和局部特征的三维人脸识别［J］.浙江大学学报:工学版,2017,51（3）:6.［8］曹洁,李雪真,王进花.基于自适应特征融合的人脸识别［J］.计算机工程与应用,2018,54（1）:6.［9］朱靖娴,白文娟,张砺心,等.基于人脸识别的考勤系统设计与实现［J］.无线互联科技,2019.［10］李雄,文开福,钟小明,等.基于深度学习的人脸识别考勤管理系统开发［J］.实验室研究与探索,2019,38（7）:5.［11］赵磊,王运成,王娟.微服务在人脸识别考勤系统中的应用［J］.电子技术与软件工程,2021（13）:2.［12］蒋晓川.人脸识别考勤技术研究