人脸考勤的设计与实现

研究背景及意义 随着信息时代的来临和多媒体技术的发展，信息的安全性，隐蔽性引起了人们越来越广泛的关注。信息化时代的一大特征就是身份的数字化和隐蔽化。如何方便，有效地进行身份验证和识别，已成为人们关注的焦点，也是当今时代必须解决的关键性社会问题之一。越来越多的个人、消费者、公司和政府机关都不得不承认传统的身份证、智能卡、口令密码、网络登录等的身份认证手段，不但使用麻烦，记忆复杂，携带不便，不易包换，而且可能被遗失或轻易盗取，仿造和盗用，并且越来越不适应现代科技的高速发展和社会的进步。特别是自“9.11”事件以后，国际恐怖主义形势的日趋严重，世界各国政府更明确了生物特征识别的重要性。生物特征识别技术作为关系国家安全的重要关键技术被重点发展，并被大幅度投入实际应用。 生物特征识别属于模式识别范畴，它是指通过计算机利用人体所固有的并特有的生理和行为特征来进行身份识别或个体验证的一门科学。它是一门利用人的生理上的特征来识别人的科学。生物特征识别技术改变了传统的依靠可记忆信息或实物确认身份的模式，其具有的持久性、普遍性、独特性和可采集性等特性极大的降低了伪造和丢失的可能性，基本可以满足目前对身份确认的所有需要。 广义的生物特征包括生理特征和行为特征两种。生理特征如人脸、指纹、虹膜、视网膜、掌纹、手形、DNA、耳廓形状等，通常指人类个体“与生俱来、独一无二、长期不变”(至少在一定程度上满足)的生理特性，满足普遍性、独特性和稳定性;行为特征如笔迹、声纹、步态、敲键方式等，通常是指人类个体的习惯性行为特点。这些特征都在一定程度上是“人人拥有、人各不同、长期不变”的，能反映个体特点，并与个体的身份一一对应，从而可以用来验证个体身份的真伪。 人脸识别作为生物特征识别技术之一，以其极高的学术研究价值和广泛的市场应用前景，多年来一直受到诸多研究人员的关注。因此人脸识别也成为生物特征识别中最有魅力的课题之一。地球上不存在完全相同的两个人，即使非常相似的双胞胎也存在细小的差别。人类就是通过人脸对不同人进行最自然，最直接的区分，而且人类辨识不同人的能力不受姿态，表情和年龄等变化的影响，但通过计算机来对不同人进行识别和区分却是相当的困难。 自动人脸识别技术就是利用计算机分析人脸图象，进而从中提取出有效的识别信息，用来“辨认”身份的一门技术。人脸识别技术的研究目的是为建造能够自动识别人脸的各种智能系统提供技术支撑，而能否快速有效地提取人脸鉴别特征成了能否成功建造人脸自动识别系统的关键。人脸识别是一个典型的模式分析，理解与分类计算问题，它涉及的学科相当广泛，如模式识别、图像处理、分析与理解、计算机视觉、人工智能、人机交互、计算机图形学、认识科学、神经计算、生理学、心理学等。人脸识别也为这些学科的交互发展和深入研究提供了一个良好的具体问题。人脸识别技术在国家安全，军事安全和公共安全等领域的应用前景十分广阔。中国作为发展中国家，人脸识别技术潜在市场巨大。在国家安全、军事安全、金融、公安、司法、民政、海关、边境、口岸、民航、保险以及社会安防、民用安防等领域，鱼需人脸识别的相关产品来填补市场空白。 1.2研究现状 目前，世界范围内许多科研机构都设立专门的研究组从事人脸识别的研究。 国际上，著名的人脸识别研究机构包括美国卡耐基梅隆大学(CMU)的机器人研究 所、美国麻省理工大学(MIT)媒体实验室和人工智能实验室、美国伊利诺斯大学 (Illinois)Beckman研究所、法国取RIA研究院、southemCalifornia(usA) -Bochum研究组和微软亚洲研究院形象计算组(MicrosoftResearehAsiaFaeeGroup)，其中，美国麻省理工学院(MIT)由Pendand领导的研究小组提出了具有里程碑意义的特征脸方法，耶鲁大学(物leuniversity)由Kriegman领导的研究小组则提出了同样影响重大的Fisher脸方法，密西根州立大学由Jain领衔的小组在3D人脸识别方法的研究方面做了大量工作。德国RDhr大学由Maisburs和Wiskot等人组成的研究小组则提出了基于Gabor变换的动态连接机制与弹性束图匹配方法。另外，英国、日本、韩国以及新加坡的许多高校和科研部门也有不少人在专门从事人脸识别研究。 国内在人脸识别领域的研究起步较晚，起步于二十世纪九十年代的第二次研 究高潮。国内很多高等院校和研究机构，如中国科学院计算所先进人机通信技术 联合实验室、中国科学院自动化所模式识别国家重点实验室、清华大学人机交互 及媒体集成研究所智能技术与系统国家重点实验室、上海交通大学、南京理工大 学、北京大学、哈尔滨工业大学、北京交通大学等，均投入了人脸识别相关工作 的研究，并取得了很大进展。周志华等提出将神经网络集成应用于多视角人脸识别，通过多视角特征分析获得人脸特征。彭进业等[PengJY03〕提出了贝叶斯人脸识别方法中匹配准则的多个近似表达式的形式，以及一种快速的计算方法;在此基础上，利用反对称双正交小波变换的微分算子，提出一种利用2幅人脸图像的小波变换系数差作为模式矢量的贝叶斯人脸识别方法，与基于图像灰度的方法相比，识别率提高了8%左右。王蕴红等[wallg00]提出了基于奇异值分解和数据融合的人脸鉴别方法，该方法引入正负样本学习过程，可以克服“小样本”效应。山世光等提出了基于纹理特征分布和变形模型的脸部特征提取方法，解决了可变性模板对参数初始值依赖性强和计算时间长的问题。杨静宇等提出的二维主成分分析算法，利用了人脸是图像的二维矩阵表示形式，有效的提取了人脸图像中的可识别信息，并且缩短了识别时间。李铭等提出了一种基于二维线性判别式分析的特征提取算法，将基于二维图像矩阵的人脸识别算法发展到有监督模式下的二维线性判别式分析，有效提高了识别准确程度和识别时间。同时国内也出现一些将人脸识别推向应用的系统，较成熟的商业人脸识别软件有美国巧sionics公司的Facelt和劝isage公司的人脸检测识别系列软件。国内中国科学院计算所2002年11月也通过了一个863项目的人脸识别系统的鉴定。 1.3本文章节安排 本文章节安排如下：第一章? 介绍课题的研究背景意义和研究现状第二章? 介绍软件的开发平台和工具第三章? 人脸识别考勤系统方法研究第四章? 具体阐述软件的设计与实现第五章 软件测试