企事业单位人脸识别考勤系统的设计与实现开题报告

395 篇文章 17 订阅
395 篇文章 17 订阅

1.结合毕业设计(论文)课题情况,根据所查阅的文献资料,每人撰写2000字左右的文献综述(综述末列写出参考文献目录):

一、研究背景、目的及意义

(一)研究背景

信息化时代快速发展,人们的个人信息安全面临威胁,人们急需寻找有效的身份验证途径,过去通过使用证件验证身份信息已不适用于现在高科技快速发展的时代。通过专家的不断研究,作为全新的身份识别技术出现的生物识别慢慢成为信息化时代身份识别最主要的技术。生物识别技术主要是通过一些生物特征去实现的识别技术,例如:人脸、指纹等,这样的特征不容易被伪造。人脸识别是生物识别技术的一种,占有极为重要的地位,应用领域广泛[2]。

常见的生物特征识别技术有DNA识别、虹膜识别、指纹识别等[1]。基于DNA的身份验证是最为准确的身份验证方法之一。通常情况下,每个体都具有独一无二的DNA信息,基于此通过DNA身份验证可以准确地识别出个体的身份。但是由于该方法采集和验证DNA信息所需的时间成本和金钱成本较高,因此该方法很难得到大规模的推广与应用。基于虹膜的身份验证具有唯一性和稳定性,但是该方法所需的设备难以小型化,因此该方法在市面上很难得到推广。基于指纹的身份验证具有稳定性和可靠性,但是其对环境的要求较高,手指的清洁度和完整性均会对识别的结果产生影响[2]。相较于上述的生物特征识别技术,人脸识别技术具有快捷、隐蔽、非接触等特点。人脸识别技术的特点使得人脸验证具有巨大的应用潜力和研究价值。目前人脸识别技术应用于我们身边的各个领域,例如基于人脸识别的门禁、基于人脸识别的移动支付、基于人脸识别的车站验票等[5]。

(二)研究目的及意义

本课题旨在设计一个对企事业单位员工适用的人脸识别考勤系统,该系统可以实现快速、准确的考勤数据收集和管理,提高员工考勤效率和精度。该系统将极大地减轻企事业单位的管理负担和成本,削减人力资源管理中的时间和经济开支。同时,该研究有助于推广和普及人脸识别技术的应用,为传统的考勤方式提供了更高效、方便和安全的替代方法。该研究成果将对提高员工工作积极性和企事业单位的管理水平起到积极的促进作用。该系统可以提高考勤准确率、可靠性和安全性,降低企业成本,使得人力资源管理更加便捷和高效。此外,该系统应该具备高扩展性和适应性,以满足不同企业和组织的需求。通过本研究,可以促进人脸识别技术的发展和应用,提高企业的工作效率和管理水平,实现数字化、智能化的劳动力管理,同时也有助于保护企业信息安全和员工隐私。该研究成果具有重要的理论和实际意义,为相关行业的发展和创新提供了有力的支撑。[6]。

二、国内外研究现状

国内研究现状:

首先,人脸识别考勤系统的研究和应用已经涉及多个领域和行业。例如,银行、政府机构、交通运输企业、大型商场等都已经开始尝试应用该技术进行员工考勤管理,以及出入口安全控制等方面的管理。[7]

其次,从技术角度来看,当前国内的人脸识别考勤系统主要分为基于2D图像的传统系统和基于3D深度学习的新型系统两类。传统系统主要采用传统的机器视觉算法,结合数字信号处理和模式识别等技术对2D图像进行处理,识别出其中的人脸信息。而新型系统则借助深度神经网络的强大计算能力和人脸特征表达能力,通过对大量训练数据的学习和模型优化,实现快速、准确的人脸识别功能。

当前国内已经出现了一批领先的人脸识别考勤系统厂家和研究团队。这些公司和团队不仅拥有自主研发的核心技术和产品,还在持续进行技术创新和完善,提高系统的准确性、可靠性和安全性。同时,这些厂家和团队还针对不同的行业和应用场景,提供了定制化的解决方案和服务,充分满足了用户的需求。[10]

在具体应用方面,各行业和企业对人脸识别考勤系统的需求和要求也不尽相同。例如,银行等安全要求极高的机构需要精准、快速的人脸识别功能,以防止不法分子冒名顶替;而大型工厂或煤矿则更关注员工的工作时长、考勤异常情况等,需要具备全面的考勤管理功能。

目前国内的人脸识别考勤系统已经能够实现多种功能,例如:人脸识别签到、迟到早退记录、请假管理、考勤统计等等,基本满足了企业日常考勤管理需求。同时,一些企业还加入了AI语音助手、智能咨询机器人等功能,使员工的工作进一步智能化、便利化。[11]

随着产业化和规模化发展,国内的人脸识别考勤系统性能价格比逐渐提高,已经在一定程度上代替了传统的考勤打卡方式。未来,人脸识别考勤系统将会进一步发展和应用,并不断优化技术和服务,助力企业更加高效地进行管理。

人脸识别算法:最近的几年来,随着相关领域人员对人脸识别的研究不断深入,现有的人脸识别技术主要针对现实环境和现实应用场景进行识别,具体包括以下3个方面: 人脸模型的设计,包括线性鉴别分析、线性建模方法、非线性建模方法和三维人脸识别。新特征表征,包括局部描述和深入研究,部分说明和深度学习方法。 新的数据源,包括视频人脸识别以及草图和近红外图像[12]。

以下是较为经典的三大人脸识别的经典算法: Deep Face采用了一种基于监测点的人脸检测方法。脸部检测部分将首先选取6个基准点,2个眼心,1个鼻点,3个口点,然后利用SVR对LBP特征进行特征学习,获得标记点[13]。

Face Net是谷歌提议的网络结构,它可以灵活地使用22层Zelier& Fergus的网络,也可以使用 inception网络,后者目前在物体识别方面比较有效。它的主要特点是利用3个单元之间的距离来构造损失函数。

Center Loss不同于三元损失,中心损失并不直接优化距离,它保留了原来的分类模型,但是为每一类分别指定了一个分类中心。同一类图像对应的特征都应尽可能接近其各自类别的中心,不同类别的中心应尽可能远离[14]。

国外研究现状:

 香港科技大学研究团队提出了一种基于深度学习的人脸识别技术,可以实现精准的员工考勤管理和统计。该系统利用Chrome扩展程序,在PC端和移动端都可以进行考勤签到。[15]。此外,Google 还提出了深度卷积神经网络,用于提高识别精度,以及处理复杂的图像信号[3]。

加拿大University of Waterloo推出的智能考勤系统,可以通过智能摄像头对员工进行动态考勤监管。系统会自动记录员工上下班时间和请假情况,并能够与企业内部系统进行对接。同时,该系统还使用了机器学习技术对照片和视频中的人脸进行检测和识别。

澳大利亚Crown Resorts酒店使用的基于人脸识别的考勤系统,通过非接触式的人脸识别技术,在无需员工主动操作的情况下完成考勤签到,并保证考勤数据的精准度和实时性。

总体来说,国外的人脸识别考勤系统在技术上较为领先,特别是在深度学习、机器学习和人工智能等方面取得了一定的成果。同时,由于国际间考勤制度以及企业环境的不同,国外的人脸识别考勤系统也相对更加灵活和多样化,可以根据不同的需求进行个性化定制和开发。[1]。

参考文献:

[1]马千知,余灿玲. 基于深度学习的人脸识别课堂考勤系统设计[J]. 信息与电脑(理论版),2023,35(02):87-89.

[2]王权汉. 基于人脸识别的考勤系统设计与实现[J]. 电子技术与软件工程,2022,(19):167-170.

[3]吴祥美. 基于深度学习人脸识别的智慧课堂考勤系统[J]. 景德镇学院学报,2022,37(03):28-31.

[4]杨显,王志伟. 工程建设中基于实名制和地理定位的人脸识别移动考勤设计与实现[J]. 施工技术(中英文),2022,51(08):127-130.

[5]. Artificial Intelligence Technology in Face Recognition Attendance Machine[J]. M2 Presswire,2022.

[6]高燕飞,张晋芳. 基于Dlib与OpenCV的人脸识别考勤平台[J]. 信息与电脑(理论版),2022,34(05):156-158.

[7]张静. 基于人脸识别技术的考勤管理分析系统开发研究[J]. 电脑与电信,2021,(10):72-76.

[8]夏格馨,李芳. 基于人脸识别的课堂考勤系统的设计算法研究[J]. 信息与电脑(理论版),2021,33(13):162-164.

[9]刘东雨. 人脸识别校园考勤系统的WEB平台设计[D].辽宁工程技术大学,2021.

[10]王佳颖,黄章红,马万钧,罗杨,彭依. 基于百度AI人脸识别的考勤系统设计与实现[J]. 电脑编程技巧与维护,2021,(04):118-119.

[11]靳尹. 基于人脸识别的企业移动考勤系统设计与实现[D].合肥工业大学,2021.

[12]Benazir Begum A,Sreeyuktha R,Haritha M P,Vishnuprasad. Face Recognition Based Attendance System using Machine Learning[J]. Journal of Trend in Scientific Research and Development,2021,5(3).

[13]. Attendance Maintaining and Monitoring using Face Recognition[J]. International Journal of Innovative Technology and Exploring Engineering,2020,9(4).

[14]Hao Yang,Xiaofeng Han. Face Recognition Attendance System Based on Real-time Video Processing[J]. IEEE Access,2020,PP(99).

[15]Kanth Pooja L,Biswal Salva. Attendance Marking System Using Face Recognition[J]. Indian Journal of Science and Technology,2019,12(48).

2.本课题要研究或解决的问题、预期目标和拟采用的研究手段(途径):

一、研究的主要内容

本论文的研究目标是实现针对企事业单位员工人脸识别考勤系统,包括签到,签退,迟到,早退,加班,请假等记录。

(1)研究现有的深度学习人脸识别系统。

(2)对现有的人脸识别算法做出改进,优化系统和减少该系统可能产生的漏洞。

(3)以现有的人脸识别系统为基础,设计和实现一个企事业单位员工人脸识别考勤系统,并从前端技术、后端技术、数据库技术三个方面对该系统进行阐述。

(一)前端技术

(1)HTML5:用于网页结构的搭建,包括各元素、标签的定义等;

(2)CSS3:用于网页样式的美化,包括页面布局、颜色、字体、样式等;

(3)JavaScript:用于网页交互、动画效果的制作,包括Ajax、jQuery等;

(4)前端框架:如Bootstrap、Vue.js等可以提升开发效率和代码质量。

以上是前端技术的基础,根据具体需求还需要熟悉其他相关技术和工具,例如移动端适配、响应式设计、可访问性等。

(二)后端技术

(1)编程语言:JAVA;

(2)算法编写:Python开发的人脸识别技术使用了基于深度神经网络的机器学习技术,主要包括卷积神经网络、递归神经网络等,还使用Spring框架用于后端开发。

(三)数据库技术

(1)使用 MySQL数据库,通过Navicat使用图形化界面快速构建数据库以及相关数据库表。

(2)其中 MySQL 数据库主要是使用sql语句对相关表进行增删改查操作以及表关联查询操作。

二、研究思路和方法

(一)研究思路

系统模块图

根据需求系统分为两个模块,普通用户模块、管理员模块。系统模块图如图1所示

 

                           图1系统模块图

主要功能模块

管理员模块的主要功能如图2所示

 

图2管理员模块

   用户模块如图3所示

 

                              图3用户模块

(二)系统研究方法

(1)研究技术

主要使用JAVA语言编写,需要用到IDEA开发工具,Dlib库,matplotlib绘图工具包,以及包含Tensorflow、Caffe、Keras等深度学习框架,以及OpenCV人脸识别库和MySql数据库等。

人脸检测和识别算法:人脸识别考勤系统主要依靠算法来进行人脸的检测和识别。常见的人脸检测算法包括Haar Cascade、HOG和YOLO等,常见的人脸识别算法包括LBP、Eigenfaces、Fisherfaces和LBPH等。

MySQL数据库:MySQL是一种关系型数据库管理系统,使用SQL语言来创建、维护和访问数据库。MySQL可以在多种平台上运行,包括Linux、Windows、Unix等。MySQL也可以被用于生产正式的网站应用中,如Wordpress、Youtube、Facebook等。MySQL有很好的安全性,可以方便地实现数据库管理和控制等功能。

系统开发:系统开发需要使用相关的编程语言和开发平台,如Java、Python和Node.js等。考虑到毕设时间和开发成本,可以使用开源的人脸识别框架进行系统开发,如OpenCV、FaceNet、TensorFlow等。

服务器部署:在开发完人脸识别考勤系统后,需要选择一台高性能的服务器进行部署。对于企事业单位来说,应该考虑到服务器的稳定性、安全性和可扩展性。

(2)开发环境准备

  1. Windows 11x64
  2. Python 3.6.4
  3. JAVA 8
  4. OpenCV 3.4.1
  5. Dlib 19.8.1
  6. face_recognition 1.2.2
  7. keras 2.1.6
  8. tensorflow 1.8.0
  9. Tesseract OCR 4.0.0-beta.1
  10. IDEA

三、研究条件和可能存在的问题

(一)系统安全性问题

(1)识别准确性问题:人脸识别技术的准确性并不十分稳定,受到环境、光线等多因素的干扰。如果系统无法准确地识别员工的面部信息,可能会给企事业单位带来误工、误餐、误节假日等管理上的麻烦。

(2)隐私权问题:人脸识别考勤系统需要获取个人敏感信息,如面容等,可能会牵涉到用户隐私权的保护问题。公司需要加强对面部信息的保护措施,避免用户面部信息被泄露。

(3)网络安全问题:人脸识别考勤系统连接到互联网上,如果安全性措施不完善,可能会面临网络攻击和数据泄露等风险。企事业单位需要加强信息安全防护,保证网络安全。

(二)并发问题

(1)系统容量问题:企业规模大或者职工数量多的情况下,需要考虑人脸识别考勤系统的容量是否能够满足大量用户的同时操作。如果系统容量不足,可能会导致系统崩溃或者运行缓慢等问题。

(2)系统更新问题:随着技术的不断升级,人脸识别考勤系统需要不断更新,但系统更新需要一定的时间,如果这个过程不能很好地控制,就有可能遇到并发更新问题,从而产生系统无法使用等问题。

(3)系统安全问题:如果系统安全性不足,面临的并发攻击也会更大。黑客不仅会针对系统性能进行攻击,还可能屏蔽考勤记录,篡改打卡数据等行为,威胁企事业单位的安全。

(三)代码易出错点

(1)数据库操作问题:人脸识别考勤系统需要将考勤数据保存到数据库中,如果在数据库操作过程中发生错误,将会导致考勤数据无法被正确存储,或者导致数据错误。

(2)并发控制问题:人脸识别考勤系统要处理的并发请求数量可能非常大,如果并发控制代码没有正确实现,就会导致系统运行缓慢,甚至出现死锁等问题。

(3)系统架构问题:如果系统架构设计不合理,将导致代码实现中出现易错点。比如,如果应用采用的是单一服务器进行部署,数据库访问压力大,应该采用分布式架构解决问题。

(4)安全性问题:人脸识别考勤系统需要保障用户的隐私安全,所以系统安全设计非常重要。如果安全措施没有到位,可能导致考勤数据泄露或被篡改,从而影响考勤记录的真实性,甚至威胁个人隐私安全。

四、预期的结果

对于管理员:

(1)员工信息管理:可以添加、修改、删除员工的基本信息,如姓名、职位、部门等。

(2)考勤数据管理:可以查看员工的考勤记录,并统计员工的出勤情况。

(3)考勤规则设置:可以设置考勤规则和打卡时间,如迟到、早退和加班等情况的补偿。

(4)权限管理:可以设置管理员登录权限和员工访问权限。

(5)报表生成:可以生成考勤报表和统计数据,并导出为Excel或PDF格式。

(6)异常处理:可以及时处理考勤异常情况,如打卡异常等。

(7)用户界面:包含用户主界面和管理员界面。在用户界面上,允许员工提交请求,如上班打卡或请假;在管理员界面上允许对考勤结果进行管理和评估。

对于员工:

(1)注册员工信息:员工可以通过系统注册自己的基本信息,例如姓名、工号、部门等。

(2)人脸采集:员工可以使用摄像头拍摄自己的照片,并将其上传到系统中。

(3)打卡签到:员工来到公司后,可以通过系统进行签到操作。系统会自动识别员工的人脸,确保签到准确性。

(4)签退打卡:员工下班时也要对系统进行签退操作,以记录下班时间和出勤情况。

(5)考勤报表查询:员工可以通过系统查询自己的考勤报表和考勤记录,了解自己的出勤情况和考勤统计数据。

(6)异常考勤提醒:系统会自动检查员工的打卡记录,如果发现异常情况(例如迟到、早退、缺勤等),会向相关人员发出提醒通知。

(7)用户界面:包含用户主界面和管理员界面。在用户界面上,允许员工提交请求,如上班打卡或请假;在管理员界面上允许对考勤结果进行管理和评估。

3.研究进度安排:

序号

时间

工作内容

1

2022.11.20-2022.12.25

文献检索,课题准备、外文翻译

2

2023.03.12

完成开题报告、开题答辩

3

2023.03.13-2023.03.25

课题的研究、开发、设计、实验等

4

2023.03.25-2021.4.13

完成课题的系统框架搭建、代码编写及测试运行,完成论文初稿

5

2023.04.14-2023.04.20

进行中期检查

6

2023.04.21-2023.04.30

按照中期检查意见对系统优化,对论文再做整改

7

2023.05.15

课题系统验收,完成论文的撰写,并提交查重报告,学院组织校内外专家进行盲审

8

2023.05.25

根据盲审意见进行修改,指导教师审阅论文终稿,审核答辩资格;

9

2023.05.31

学院组织学生答辩,答辩后论文修改,整理毕业设计(论文)资料。

4.指导教师意见:

(1)对“文献综述”的评语(不少于100字):

(2)对本课题的深度、广度及工作量的意见和对设计(论文)结果的预测(不少于100字):

指导老师:     

                   年   月   日

所在专业审查意见:

负责人:       

                                                  年  月   日

  • 3
    点赞
  • 35
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值