王治强,孙晓东,杨 永,孙 鹏

(大连东软信息学院 智能与电子工程学院,大连 116023)

随着深度学习的飞跃发展,人脸识别技术趋于成熟,被广泛应用于企业、学校、机构等各种考勤场景.使用人脸识别进行考勤克服了传统IC 卡考勤易忘、易替代的缺陷,也比指纹考勤更方便卫生,易被用户所接受[1].然而,现今的人脸识别考勤系统普遍识别速度慢,在早晚高峰的时候排队考勤成为常事,并且考勤的时候头部要摆的很端正才可以识别成功,因此,用户体验并没有达到令人满意的程度[2].

本文针在系统设计上对现今人脸考勤系统存在的速度慢、只能逐人识别不能群识别、需要摆正头部体验不自然等缺陷进行改善,实现体验自然的人脸识别考勤系统.

1 人脸识别算法解析

在人脸识别应用中,涉及到的人脸识别相关算法主要包括人脸检测、人脸跟踪以及人脸匹配3 方面[3].由于大数据技术与深度学习的结合,使得人脸识别在精度和鲁棒性方面得到很大的提高[4],然而由于人脸的非刚性特点和角度等多种因素的影响,在实际应用场景中并没有达到令人满意的效果,尤其是在移动中和人的自然状态下多角度人脸识别还存在诸多难点和挑战[5,6].此外,由于人脸跟踪抓拍算法差异较大,导致人脸识别算法的运行效率和匹配效果产生了较大差异.有的研究中通过分布式技术,采用服务器机群解决速度提升[7],虽然有一定成效,但成本巨大,难于推广.

本文针对考勤场景中的人脸识别算法进行了多种实验与探索,最终归结出导致在实际应用场景中效果不佳的最核心的问题主要有两方面：一是要解决人脸的跟踪,尤其在M：N 模式下的多人脸跟踪问题；……