校园考勤设备-「在线咨询」

传统的人脸识别技术主要是基于可见光图像的人脸识别，这也是人们熟悉的识别方式，已有30多年的研发历史。具体操作步骤：1、点名开启后，---正在点名的场景，进入点名详情页，即可看到签到率。但这种方式有着难以克服的缺陷，尤其在环境光照发生变化时，识别效果会急剧下降，无法满足实际系统的需要。解决光照问题的方案有三维图像人脸识别，和热成像人脸识别。但这两种技术还远不成熟，识别效果不尽人意。

点点时光武汉科技有限公司是校园移动考勤信息化的，公司所推出的下一代校园移动考勤产品—签到荚，结合人脸检测、人脸、人脸识别、检测、gps定位、wifi定位、定位、锚点定位、云计算、移动互联等---技术，可有效防止考勤时困扰用户的“代签到”、“不到考勤点签到”、“需排队签到”等问题。后考勤系统主要通过准确计量和科学安排员工工时，集中分析劳动力在企业内的投入产出比问题以及劳动力优化的问题。欢迎来电咨询！

人脸识别系统主要包括四个组成部分，分别为：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。

人脸图像采集及检测人脸图像采集：不同的人脸图像都能通过---镜头采集下来，比如静态图像、动态图像、不同的位置、不同表情等方面都可以得到---的采集。当用户在采集设备的拍摄范围内时，采集设备会自动搜索并拍摄用户的人脸图像。

人脸检测：人脸检测在实际中主要用于人脸识别的预处理，即在图像中准确标定出人脸的位置和大小。早期的考勤通常就是用笔在记录簿上签个名字，由于代替的现象时有出现，通常使用生物识别、门禁刷1卡来做考勤。人脸图像中包含的模式特征十分丰富，如直方图特征、颜色特征、模板特征、结构特征及haar特征等。人脸检测就是把这其中有用的信息挑出来，并利用这些特征实现人脸检测。主流的人脸检测方法基于以上特征采用adaboost学习算法，adaboost算法是一种用来分类的方法，它把一些比较弱的分类方法合在一起，组合出新的很强的分类方法。人脸检测过程中使用adaboost算法挑选出一些代表人脸的矩形特征(弱分类器)，按照加权的方式将弱分类器构造为一个强分类器，再将训练得到的若干强分类器串联组成一个级联结构的层叠分类器，有效地提高分类器的检测速度。