原创《基于PCA人脸识别方法的考勤系统的设计》：这篇考勤系统论文范文为免费优秀学术论文范文,可用于相关写作参考。
摘 要：随着技术不断的发展,人脸识别技术的应用越来越广泛.本文通过研究PCA人脸识别方法,设计出一套考勤系统.首先对获取的原始人脸图片进行预处理和人脸定位,然后通过PCA对定位后的人脸图片进行特征提取,最后将图片中提取的特征参数和后台人脸特征数据库中的信息进行对比来完成人脸识别功能,记录员工的出勤情况,以完成对工作人员的考勤工作.
关键词：PCA；特征提取；人脸识别
DOI：10.16640/j.cnki.37-1222/t.2017.13.137
0 引言
人脸识别是当前模式识别领域的一个热点,人脸识别技术就是利用计算机技术,根据数据库的人脸图像,分析提取出有效的识别信息,用来“辨认”身份的技术.如今,它在考勤系统方面有着广泛的应用.在实际应用中,人脸图像由于受光照、表情以及姿态等因素的影响,使得同一个人的脸像矩阵差异也比较大.因此,进行人脸识别时,所选取的特征必须对上述因素具备一定的稳定性和不变性.本文就是基于PCA人脸识别方法在考勤系统中的研究,主元分析（PCA）方法是一种有效的特征提取方法,将人脸图像表示成一个列向量,经过PCA 变换后,不仅可以有效地降低其维数,同时又能保留所需要的识别信息,这些信息对光照、表情以及姿态具有一定的不敏感性.这种方法在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势,从而保证了考勤数据真实有效性.
1 考勤系统设计方案
本考勤系统是由数个摄像头、客户机、应用服务器和数据库服务器组成,其系统结构图如图1所示.整个系统以太网作为传输媒介,通过一个集线器（HUB）将分布的摄像头和客户机连入局域网.
图像采集端利用Directsho技术对摄像头进行控制,实现视频图像的预览,并在预览的过程中对实时的视频进行抓拍,将抓拍图像传至传输至应用服务器,然后通过基于PCA人脸识别软件进行识别处理.
数据库服务器上的关系数据庫使用了Access,数据库中的信息包括员工的基本信息、员工的人脸特征信息和考勤记录等.其中,员工的人脸特征信息是与获得的人脸特征参数进行比对的基础.考勤记录用于记录员工出勤等考勤结果数据,它是应用服务器根据一定的考勤规则所得出的结果.
应用服务器是用来进行考勤系统的运行.录入和修改员工的基本信息,以及录入人脸的特征信息并将其存入后台数据库中是在应用服务器上进行的.
2 人脸识别
人脸识别技术系统主要可分为四个组成部分：对获取的人脸图像的预处理,人脸定位,人脸图像特征提取和特征匹配与识别.一般人脸识别系统构架如图2所示.
2.1 人脸图像预处理
所谓人脸图像预处理,就是基于人脸检测结果,并对人脸图像进行处理,最终服务于人脸特征提取的过程.系统获取的原始人脸图像由于受到随机干扰和各种条件的限制,通常不能直接使用,预处理的过程主要涉及人脸图像的光线补偿、灰度变换、几何校正、直方图均衡化、归一化、滤波以及锐化等.
（1）摄像头所处环境不同,它得到的图片可能会存在光线不均的情况,会影响对特征的提取,就需要人脸图像的光线补偿.（2）灰度变换是为了简化信息,比如彩有三色值及通明度等,但是灰度化以后就只剩下一个灰度值了,这样便于进行进一步处理.当然,灰度化并不影响图像的主要信息.（3）图像增强的目的是改善图像的视觉效果,通过图像增强,可以减少图像中的噪声,提高目标与背景的对比度,也可以强调或抑制图像中的某些细节.（4）为使滤波效果更加明显,我们预先为人脸图像人为增加噪声,然后用自适应滤波方法对图像进行滤波处理.（5）锐化处理的作用是用来强调图像中被模糊的细节,在本系统中,采用了预定义高斯滤波器的方法对图像进行锐化滤波.（6）直方图均衡可以使输入图像转换为在每一个灰度级上都有相同像素点数的输出图像（即输出的直方图是平的）.这对于图像比较或分割是十分有用的.设图像有N个灰度级,M个像素点,是输入图像a （x ,y）的直方图,图像b （x, y）是输入图像直方图均衡后的输出,依照下面的公式进行直方图均衡：
2.2 人脸定位
人脸检测定位算法采用的基于显式特征的方法.所谓显式特征是指对人类肉眼来说直观可见的特征,如肤色、脸部轮廓、脸部结构等,总结出人脸区别于“非人脸”区域的特征,然后根据被检测区域是否满足这些“人脸特征”,来判定该区域是否包含人脸.根据所选择的“人脸特征”,选择基于先验知识的方法.基于先验知识的方法则采用符合人脸生理结构特征的人脸镶嵌图模型,并在分析了足够多的人脸图像样本的基础上,针对人脸的灰度、边缘、纹理等信息,建立一种关于人脸的知识库.在检测中,首先抽取这些灰度、边缘等信息,然后检验它是否符合知识库中关于人脸的先验知识.运用matlab软件仿真进行人脸检测定位举例如图3所示.
2.3 PCA对人脸图像的特征提取
实际中的摄像头采集的人脸图片的信息量是非常大的,直接处理产生庞大的计算量,所以在人脸识别之前要进行特征提取.本系统使用主元分析算法实现对人脸图像的特征提取.主元分析（PCA）方法是一种有效的特征提取方法,它基于KL分解,不仅可以有效地降低其维数,同时又能保留所需要的识别信息.它的原理就是将一高维的向量,通过一个特殊的特征向量矩阵,投影到一个低维的向征的向量和这个特征向量矩阵,可以完全重构出所对应的原来的高维向量.
PCA对人脸图像的特征提取算法如下：
对于一幅w×h的图将其列排列起来形成一个列向量v.假设人脸训练集中有N幅图像,则这N个列向量罗列起来形成一个（w×h） ×N 维的矩阵X.
设它的特征值 λi,（i等于1,2,等,wh） 按大小降序排列,对应的特征向量（正交归一化后）ui.取前 L 个特征向量构成投影矩阵 W等于（u1,u2,等,uL）,L 的取值可以根据特征值的累计贡献率来确定：
考勤系统论文参考资料：
结论：基于PCA人脸识别方法的考勤系统的设计为关于考勤系统方面的论文题目、论文提纲、考勤系统论文开题报告、文献综述、参考文献的相关大学硕士和本科毕业论文。
