一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的人臉識別方法和考勤系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理及模式識別領(lǐng)域，尤其涉及一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的人 臉識別方法和基于該方法的考勤系統(tǒng)。
【背景技術(shù)】
[0002] 人臉識別主要用于身份識別，特別是近年來隨著計(jì)算機(jī)技術(shù)、圖像處理技術(shù)、模式 識別技術(shù)等快速進(jìn)步，而出現(xiàn)的一種嶄新的生物特征識別技術(shù)。由于可廣泛應(yīng)用于安全驗(yàn) 證、視頻監(jiān)控、出入口控制等諸多領(lǐng)域，識別速度快、識別率高，因此已經(jīng)成為身份識別技術(shù) 研究領(lǐng)域主要的發(fā)展方向。
[0003]目前主流的人臉識別考勤系統(tǒng)都是在手工提取特征的基礎(chǔ)上，應(yīng)用分類算法進(jìn)行 人臉識別。由于容易受到光線變化、背景、姿態(tài)等諸多因素的干擾，使得通過手工提取的特 征在以上外界因素發(fā)生變化時(shí)，導(dǎo)致原始圖像出現(xiàn)結(jié)構(gòu)丟失、特征描述不全面和不確定等 問題，這些缺陷導(dǎo)致人臉識別率低，可靠性差，無法進(jìn)行大面積推廣等。因此實(shí)現(xiàn)準(zhǔn)確快速 的人臉識別考勤技術(shù)成為當(dāng)前具有挑戰(zhàn)性的問題。

【發(fā)明內(nèi)容】

[0004] 針對上述技術(shù)問題，本發(fā)明提出了一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的人臉識別方法和 考勤系統(tǒng)，對背景、光照以及姿態(tài)等變化具有較好的魯棒性，可以直接將原始圖片作為網(wǎng)絡(luò) 的輸入，抗干擾能力和識別率更高。
[0005] 本發(fā)明為了解決上述問題，采用如下技術(shù)方案：
[0006] 一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的人臉識別方法，其特征在于包括如下步驟：
[0007] (1)用戶信息的采集：通過用戶管理服務(wù)器錄入員工個(gè)人信息并采集人臉樣本， 對采集的人臉樣本進(jìn)行預(yù)處理，將預(yù)處理后的人臉樣本與員工個(gè)人信息相關(guān)聯(lián)；用戶管理 服務(wù)器將關(guān)聯(lián)后的員工個(gè)人信息與人臉樣本發(fā)送至中心服務(wù)器；
[0008] (2)人臉識別模型的構(gòu)建：在中心服務(wù)器中構(gòu)建基于深度卷積神經(jīng)網(wǎng)絡(luò)的人臉識 別模型，用步驟（1)的員工個(gè)人信息和人臉樣本對深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并在中心 服務(wù)器中保存訓(xùn)練結(jié)果；
[0009] (3)人臉的在線識別：在分布于各個(gè)地點(diǎn)的考勤機(jī)上進(jìn)行在線人臉識別驗(yàn)證輸 入，驗(yàn)證輸入數(shù)據(jù)通過內(nèi)部局域網(wǎng)由用戶管理服務(wù)器發(fā)送至構(gòu)建有人臉識別模型的中心服 務(wù)器中，人臉識別結(jié)果通過內(nèi)部局域網(wǎng)返回給用戶管理服務(wù)器和各個(gè)考勤機(jī)上面；
[0010] (4)后臺考勤數(shù)據(jù)的管理與分析：在用戶管理服務(wù)器上修改考勤員工的信息、設(shè) 置考勤班次、考勤人員限權(quán)、密碼修改操作；人臉的在線識別之后，在用戶管理服務(wù)器上查 詢考勤記錄并能備份保存考勤記錄。
[0011] 上述技術(shù)方案中，步驟（1)用戶信息的采集過程具體包括如下步驟：
[0012] St印1 :通過用戶管理服務(wù)器建立員工個(gè)人信息，并為員工個(gè)人信息分配用戶ID ;
[0013] St印2:通過用戶管理服務(wù)器采集員工人臉樣本，在采集人臉樣本時(shí)，人臉保持與 攝像頭30-80cm距尚；
[0014]Step3:應(yīng)用Haar特征與Adaboost算法對人臉樣本進(jìn)行檢測，將檢測到人臉區(qū)域 的圖像進(jìn)行截取，通過尺度歸一化、直方圖均衡對所采集的人臉樣本進(jìn)行預(yù)處理；
[0015] St印4 :將所有預(yù)處理后的人臉樣本與該員工的用戶ID進(jìn)行關(guān)聯(lián)；
[0016]Step5:返回至Stepl對下一個(gè)員工進(jìn)行人臉樣本采集；
[0017] 上述技術(shù)方案中，步驟（2)人臉識別模型的構(gòu)建具體包括如下步驟：
[0018]Stepl:在中心服務(wù)器中構(gòu)建深度卷積神經(jīng)網(wǎng)絡(luò)：整個(gè)深度卷積神經(jīng)網(wǎng)絡(luò)分為7 層，輸入層神經(jīng)元數(shù)為人臉樣本的像素大小，其余各層參數(shù)設(shè)置為：
[0019] 第1、3、5層分別為卷積層Cl、C2、C3,分別由6張5X5、12張5X5、12張5X5特 征圖構(gòu)成，每個(gè)神經(jīng)元與輸入中5X5的鄰域相連；
[0020] 第2、4層為下采樣層Sl、S2,第2、4層特征圖中的每個(gè)神經(jīng)元與第1、3層中相對 應(yīng)特征圖的2X2鄰域相連接；
[0021] 第6層為隱含層，將C3的12張?zhí)卣鲌D中的特征值排列為一條列向量形成特征向 量，對一維的特征進(jìn)行最后的分類識別；
[0022] 第7層為輸出層；神經(jīng)元的數(shù)量由員工注冊的人數(shù)所決定的，代表了共有多少個(gè) 員工；
[0023]Step2:對深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，主要包含以下兩個(gè)階段：
[0024] 第1階段：前向傳播：將采集的人臉圖片與用戶ID輸入到已經(jīng)設(shè)置好的深度卷積 神經(jīng)網(wǎng)絡(luò)里面，通過逐級向前傳播得到輸出〇p;
[0025] 第2階段：反向傳播：計(jì)算輸出0P與相應(yīng)的理想輸出Yp的差，按極小化誤差的方 法調(diào)整權(quán)值矩陣。
[0026] 上述技術(shù)方案中，步驟（3)人臉的在線識別具體包括如下步驟：
[0027]St印1 :員工在考勤機(jī)上進(jìn)行用戶ID驗(yàn)證，若輸入的ID號是已經(jīng)在用戶管理服務(wù) 器上注冊的有效用戶，系統(tǒng)自動(dòng)啟動(dòng)攝像頭進(jìn)行人臉圖像采集；
[0028]Step2:將采集的人臉樣本通過用戶管理服務(wù)器主機(jī)預(yù)處理后，發(fā)送至構(gòu)建有人 臉識別模型的中心服務(wù)器中，由中心服務(wù)器對當(dāng)前人臉進(jìn)行識別，給出當(dāng)前人臉的員工ID 號；
[0029]St印3:若能輸出員工ID號，則中心服務(wù)器判斷輸出與所輸入ID號是否一致，若一 致，即顯示員工姓名，并且記錄下考勤的時(shí)間點(diǎn)、照片、考勤地點(diǎn)、ID號通過局域網(wǎng)返回給用 戶管理服務(wù)器和考勤機(jī)；如果不能輸出員工ID號，則繼續(xù)檢測人臉，重新識別；
[0030] St印4 :點(diǎn)擊"返回"即可進(jìn)入下一個(gè)人員的考勤；
[0031]Step5:考勤結(jié)束時(shí)，點(diǎn)擊"結(jié)束"按鈕即可結(jié)束考勤；
[0032] 各步驟中信息傳送所用的是IP/TCP協(xié)議。
[0033] 上述技術(shù)方案中，步驟（4)在用戶管理服務(wù)器上進(jìn)行后臺考勤數(shù)據(jù)的管理與分析 包括如下具體步驟：
[0034]Stepl:員工信息的編輯：用于員工的基本信息用Access數(shù)據(jù)庫管理，主要包括員 工信息的增加，刪除，修改，轉(zhuǎn)移等操作；
[0035] St印2 :員工出勤分析：當(dāng)考勤完畢時(shí)，在用戶管理服務(wù)器上面生成考勤記錄報(bào) 表，主要包括員工是否請假、遲到；
[0036] Step3:系統(tǒng)管理模塊：管理員通過查勤系統(tǒng)，設(shè)置考勤的班次、考勤人員的限權(quán)、 密碼修改等操作。
[0037] -種基于深度卷積神經(jīng)網(wǎng)絡(luò)的人臉識別考勤系統(tǒng)，其特征在于包括：
[0038] 若干個(gè)分布于各個(gè)地點(diǎn)的配置攝像頭的考勤機(jī)，用于進(jìn)行用戶ID驗(yàn)證并在驗(yàn)證 正確情況下進(jìn)行人臉圖像采集；
[0039] 用戶管理服務(wù)器，用于錄入員工個(gè)人信息并采集人臉樣本，對采集的人臉樣本進(jìn) 行預(yù)處理，將預(yù)處理后的人臉樣本與員工個(gè)人信息相關(guān)聯(lián)；將關(guān)聯(lián)后的員工個(gè)人信息與人 臉樣本發(fā)送至中心服務(wù)器；驗(yàn)證輸入ID號和預(yù)處理來自考勤機(jī)在線檢測的人臉樣本后，將 輸入ID號和預(yù)處理的人臉樣本發(fā)送給中心服務(wù)器；接收來自中心服務(wù)器的在線人臉識別 結(jié)果；
[0040] 中心服務(wù)器，用于構(gòu)建基于深度卷積神經(jīng)網(wǎng)絡(luò)的人臉識別模型，對深度卷積神經(jīng) 網(wǎng)絡(luò)進(jìn)行訓(xùn)練；接收來自用戶管理服務(wù)器的輸入的人臉數(shù)據(jù)和用戶ID，并進(jìn)行在線人臉數(shù) 據(jù)與用戶ID匹配，將在線人臉識別結(jié)果返回給用戶管理服務(wù)器和考勤機(jī)；
[0041] 考勤機(jī)、用戶管理服務(wù)器、中心服務(wù)器通過內(nèi)部局域網(wǎng)連接。
[0042] 上述技術(shù)方案中，內(nèi)部局域網(wǎng)采用IP/TCP協(xié)議。
[0043] 上述技術(shù)方案中，用戶管理服務(wù)器為Windows7操作系統(tǒng)，中心服務(wù)器為Windows Server2012〇
[0044] 本發(fā)明利用基于深度卷積神經(jīng)網(wǎng)絡(luò)的人臉識別方法構(gòu)建了一套完整的考勤系統(tǒng)， 為了對該考勤系統(tǒng)進(jìn)行準(zhǔn)確描述，本發(fā)明將該系統(tǒng)分為四個(gè)主要部分，并分別對其進(jìn)行詳 細(xì)描述：用戶信息的采集、人臉識別模型的構(gòu)建、人臉的在線識別、后臺考勤數(shù)據(jù)的管理與 分析。卷積神經(jīng)網(wǎng)絡(luò)是為識別二維形狀而特別設(shè)計(jì)的一個(gè)多層感知器。當(dāng)其輸入是二維人 臉圖像時(shí)，圖像不需要傳統(tǒng)識別算法中復(fù)雜的特征提取和數(shù)據(jù)重建過程，可以直接將原始 圖片作為網(wǎng)絡(luò)的輸入；在識別過程中，卷積神經(jīng)網(wǎng)絡(luò)通過借助局部感受野，即能夠保證原始 信號空間結(jié)構(gòu)關(guān)系的不變性，又能夠通過共享權(quán)值減少網(wǎng)絡(luò)中需要訓(xùn)練的參數(shù)。通過所構(gòu) 建的多層卷積神經(jīng)網(wǎng)絡(luò)，由低層次向高層次的不斷進(jìn)行特征提取與抽象，使得通過卷