一種基于人臉識別技術的高識別率自動考勤裝置及方法
【技術領域】
[0001] 本發明涉及一種基于人臉識別技術的高識別率自動考勤裝置及方法。
【背景技術】
[0002] 在日常的大學及各專科學校的學習生活中課堂考勤往往是一個比較重要的環節， 在以往的考勤中，老師往往會采取一些簡單的方法，比如點名答道或者要求學生交報名的 紙條，可是這些比較簡單的方法有以下兩個缺點，第一，這種方法耗時太長，甚至會影響正 常教學時間，第二，這些方法可能會出現學生替答或者替簽的情況，所以也并不是一個可靠 的方法。因此迫切需要一種自動的考勤方法來替代人工的考勤。
[0003] 目前許多公司單位采用的考勤方式主要有：紙卡式打卡鐘，通過考勤卡紙記錄 考勤時間；射頻卡式考勤，射頻卡感應考勤機記錄時間；指紋式考勤，指紋比對確認考勤 人員考勤時間；人臉識別考勤，基于對人的臉部特征信息進行識別從而達到身份認證的生 物特征識別技術。前兩種方法容易發生代打卡問題，后兩種屬于生物特征識別技術，受到了 廣泛的關注和研究，市場占有率越來越大。其中指紋考勤具有天生有5%的人不能用指紋識 另IJ ;換季時手指蛻皮，不能用指紋識別；勞動磨損指紋，不能識別；接觸不衛生，容易傳染疾 病等缺點。人臉圖像考勤雖具有非接觸，衛生更健康，識別自然，效果直觀等優點，但目前受 環境光線、面容姿態、身高等因素影響，識別率有待進一步提高。尤其要將該技術應用于課 堂考勤，具有更多的挑戰。主要體現在：1檢索庫較大，實時性和計算量的矛盾；2圖像質量 較一般考勤差，且一幅圖中含有多張人臉。3學生一般存在眼鏡等附屬物。
[0004] 綜上所述，雖然目前已經有多種裝置和方法能夠進行考勤，但是大都僅限于理論 研究的層次，已經問世的考勤裝置和方法存在著很多局限性，有很多有待解決的問題。

【發明內容】

[0005] 本發明就是針對上述問題，提供一種實時性強，準確率高的非接觸式自動的課堂 考勤裝置及方法。
[0006] 為了實現上述目的，本發明采用如下技術方案，一種自動課堂考勤裝置，包括 ICETEK-DM642-C板卡上集成的芯片、器件及外部裝置，所述的板卡上集成的芯片、器件包括 DM642芯片、視頻解碼芯片、MAX3485芯片、FLASH芯片、網絡接口芯片、RAM存儲器；DM642芯 片分別與視頻解碼芯片、MAX3485芯片、FLASH芯片、網絡接口芯片、RAM存儲器相連；FLASH 芯片與RAM存儲器相連；所述的外部裝置包括電源裝置、攝像機及觸摸屏；攝像機與視頻解 碼芯片的輸入端口相連，MAX3485芯片的輸出端口與觸摸屏相連；在所述的FLASH芯片內 嵌入有考勤處理模塊，該模塊包括如下幾部分。
[0007] 人臉檢測模塊，用于對高清攝像機采集到的圖像進行人臉檢測，獲得人臉圖像；采 用AdaBoost與SVM相結合的人臉檢測方法，同時對類Haar特征選取進行改進，有效提高了 檢測率和訓練速度。
[0008] 人臉特征提取模塊，用于實現人臉特征提取以降低原始數據維數并使獲得的數據 具有良好的可分性和魯棒性；我們采用了人臉紋理特征的LBP和LPQ算法以及人臉結構信 息的Gabor方法相融合方法，提取人臉更全面的特征信息。
[0009] 相似性度量模塊，通過計算兩幅人臉圖象特征的余弦距離來獲得兩幅人臉圖像的 相似度。
[0010] 人臉注冊模塊，在第一次考勤時，將檢測到的人臉圖像按照特征相似度進行驗證 分類，然后進行人工注冊，形成班級人臉特征數據庫和人臉圖像數據庫； 考勤模塊，除第一次考勤外，每次考勤將檢測到的人臉圖像與數據庫中圖像進行特征 比對，根據最終相似度小于最終相似度閾值情況進行考勤判斷。
[0011] 通信模塊，在第一次考勤時，將形成的班級人臉特征數據和人臉圖像數據發送給 服務器。除第一次考勤外，每次考勤按照班級將人臉特征數據和人臉圖像數據讀取到本裝 置；若有新成員則將新成員人臉特征數據和人臉圖像數據發送給服務器。將考勤結果發送 給服務器。
[0012] 顯示與操作模塊，將檢測到的人臉圖像與識別結果顯示在觸摸屏上。接收觸摸屏 上的操作，轉換成相關命令。
[0013] 所述的自動課堂考勤裝置及方法，包括以下步驟。
[0014] A、通過攝像機采集教室的圖像信息，對采集到的圖像信息進行人臉框選處理，形 成一幅幅人臉圖像。
[0015] B、對提取的人臉圖像進行旋轉校正和尺度歸一化，獲得校正后的圖像。
[0016] C、對校正后的人臉圖像進行分塊、提取LBP特征、Gabor特征和LPQ特征，針對每 塊每種特征利用相應的PCALDA投影向量進行乘積運算獲得特征。PCALDA投影向量為利用 大量人臉數據經PCALDA運算后獲得。
[0017] D、通過網絡獲取班級信息，判斷是否是初次考勤或是否需要更新。若為是則啟動 注冊模塊程序，執行E步驟；否則啟動考勤模塊程序，執行F步驟； E、若需注冊，將檢測到的所有人臉圖像進行相互特征相似度計算，分別得到LBP特征 相似度、Gabor特征相似度和LPQ特征相似度，將三者按照求得的權值進行加權求和，得到 最終相似度，將所有與某張人臉圖像最終相似度值小于閾值的歸為一類，并定義為一個學 生，依次將所有人臉圖像處理完。最后人工注冊，并得到考勤結果。
[0018] F、若為考勤，若對于一幅人臉圖像，其最終相似度大于閾值且都是同一人，則完成 一人次自動考勤；若最終相似度大于閾值且不是同一人，將處理后的人臉圖像信息和庫里 檢索到的人臉圖片通過MAX3485串口芯片3傳給觸摸屏，考勤人員在觸摸屏上完成一人次 人工考勤，若沒有最終相似度大于閾值的，則認為是新學生，將處理后的人臉圖像信息通過 MAX3485串口芯片3傳給觸摸屏，考勤人員在觸摸屏上完成一人次人工考勤。
[0019] G、在第一次考勤時，將形成的班級人臉特征數據和人臉圖像數據發送給服務器。 除第一次考勤外，每次考勤按照班級將人臉特征數據和人臉圖像數據讀取到本裝置；若有 新成員則將新學生人臉特征數據和人臉圖像數據發送給服務器。
[0020] H、將考勤結果發送給服務器。
[0021] 所述人臉圖像尺寸為120X96。
[0022] 所述最終相似度閾值為L 577776。
[0023] 在Gabor提取幅值信息的方法中，我們使用 5個尺度和g個方向共種Gabor小波，并將窗口大小、最大頻率/_ max,頻率域步長/和 參數σ分別設置為和2J。則通過小波變換后共得到40張圖像，為降低所 得到的原始圖像的特征維數,我們對所得到的舶張圖像分別進行牡4的下采樣操作,使用 基于分塊的方法，將降維后的圖像分成3行3列共9塊，提取每一塊特征的直方圖，將<40張 圖像中相同塊的直方圖連接成一列共得到9個列向量，用于求取相似度矩陣。記此種Gabor 特征提取算法為Gabor block ; 在LPQ提取相位信息的方法中，取相關系數滑動窗口的大小和頻率參數￡J分別為 〇>7以和1/7。這個過程中，首先提取圖像的LPQ特征,得到特征圖，然后，使用兩種不 同的分塊方法對得到的LPQ特征圖進行處理：一種為先將特征圖分為：5χ 2(:5行2列）共 10塊，再對其分成]X (6(3行6列）共18塊，在每Ixg大小的像素塊中求其直方圖，然后將 這1 δ塊的直方圖連接成一列作為該塊對應的特征信息，我們將此種LPQ分塊方法記為LPQ biocki;另一種為將特征圖分為斗行2列）共g塊，再對每一塊分成：!)(5(3行5列）共 ISt夬,在每10x10大小的像素塊中求其直方圖,然后將這塊的直方圖連接成一列作為對 應塊的特征信息，我們將此種LBP分塊方法記為LPQ block2。
[0024] 在提取紋理信息的方法中，首先對圖像進行特征提取，獲得圖像的LBP特征。 然后采用與LPQ提取特征相同的兩種分塊方法：一種為先將圖像分為：5χ 2(5行之列）共 1〇塊，再對其分成])(行6列）共18塊，在每I X §大小的像素塊中求其直方圖，然后將 這Igt夬的直方圖連接成一列作為該塊對應的特征信息，我們將此種LBP分塊方法記為LBP biocki;另一種將圖像分為列）共g±夬,再對每一塊分成])de行5列）共15塊， 在每10 XlO大小的像素塊中求其直方圖，然后將這15塊的直方圖連接成一列作為對應塊的 特征信息，我們將此種LBP分塊方法記為LBP block2。
[0025] 為了進一步降低圖像每一塊的特征維數，減小計算量，我們對上述幾種方法得到 的每一塊的特征都使用PCALDA方法進行降維。先使用PCA方法將LBP、LPQ和Gabor小波 方法分別降到:500維，:500維和βΟΟ維，再使用LDA方法將上述三種方法都降低到維。
[0026] 本發明的有益效果： 本發明經多次實驗證明，其人臉識別能力強，其考勤首選識別率達到96%;在錯誤接收 率（FAR) =0. 001處，驗證率（VR) > 94%。本發明可有效地實現課堂考勤，并給出考勤統計 結果。
[0027] 本發明通過分析Gabor小波變換、局部二值模式（LBP)、局部相位量化（LPQ)等算 法，充分考慮上述特征提取算法的優缺點，提出了特征融合方法。第一，