一種基于深度卷積神經網絡的人臉識別方法和考勤系統的制作方法
【技術領域】
[0001] 本發明涉及圖像處理及模式識別領域，尤其涉及一種基于深度卷積神經網絡的人 臉識別方法和基于該方法的考勤系統。
【背景技術】
[0002] 人臉識別主要用于身份識別，特別是近年來隨著計算機技術、圖像處理技術、模式 識別技術等快速進步，而出現的一種嶄新的生物特征識別技術。由于可廣泛應用于安全驗 證、視頻監控、出入口控制等諸多領域，識別速度快、識別率高，因此已經成為身份識別技術 研究領域主要的發展方向。
[0003]目前主流的人臉識別考勤系統都是在手工提取特征的基礎上，應用分類算法進行 人臉識別。由于容易受到光線變化、背景、姿態等諸多因素的干擾，使得通過手工提取的特 征在以上外界因素發生變化時，導致原始圖像出現結構丟失、特征描述不全面和不確定等 問題，這些缺陷導致人臉識別率低，可靠性差，無法進行大面積推廣等。因此實現準確快速 的人臉識別考勤技術成為當前具有挑戰性的問題。
【發明內容】
[0004] 針對上述技術問題，本發明提出了一種基于深度卷積神經網絡的人臉識別方法和 考勤系統，對背景、光照以及姿態等變化具有較好的魯棒性，可以直接將原始圖片作為網絡 的輸入，抗干擾能力和識別率更高。
[0005] 本發明為了解決上述問題，采用如下技術方案：
[0006] 一種基于深度卷積神經網絡的人臉識別方法，其特征在于包括如下步驟：
[0007] (1)用戶信息的采集：通過用戶管理服務器錄入員工個人信息并采集人臉樣本， 對采集的人臉樣本進行預處理，將預處理后的人臉樣本與員工個人信息相關聯；用戶管理 服務器將關聯后的員工個人信息與人臉樣本發送至中心服務器；
[0008] (2)人臉識別模型的構建：在中心服務器中構建基于深度卷積神經網絡的人臉識 別模型，用步驟（1)的員工個人信息和人臉樣本對深度卷積神經網絡進行訓練，并在中心 服務器中保存訓練結果；
[0009] (3)人臉的在線識別：在分布于各個地點的考勤機上進行在線人臉識別驗證輸 入，驗證輸入數據通過內部局域網由用戶管理服務器發送至構建有人臉識別模型的中心服 務器中，人臉識別結果通過內部局域網返回給用戶管理服務器和各個考勤機上面；
[0010] (4)后臺考勤數據的管理與分析：在用戶管理服務器上修改考勤員工的信息、設 置考勤班次、考勤人員限權、密碼修改操作；人臉的在線識別之后，在用戶管理服務器上查 詢考勤記錄并能備份保存考勤記錄。
[0011] 上述技術方案中，步驟（1)用戶信息的采集過程具體包括如下步驟：
[0012] St印1 :通過用戶管理服務器建立員工個人信息，并為員工個人信息分配用戶ID ;
[0013] St印2:通過用戶管理服務器采集員工人臉樣本，在采集人臉樣本時，人臉保持與 攝像頭30-80cm距尚；
[0014]Step3:應用Haar特征與Adaboost算法對人臉樣本進行檢測，將檢測到人臉區域 的圖像進行截取，通過尺度歸一化、直方圖均衡對所采集的人臉樣本進行預處理；
[0015] St印4 :將所有預處理后的人臉樣本與該員工的用戶ID進行關聯；
[0016]Step5:返回至Stepl對下一個員工進行人臉樣本采集；
[0017] 上述技術方案中，步驟（2)人臉識別模型的構建具體包括如下步驟：
[0018]Stepl:在中心服務器中構建深度卷積神經網絡：整個深度卷積神經網絡分為7 層，輸入層神經元數為人臉樣本的像素大小，其余各層參數設置為：
[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 征圖構成，每個神經元與輸入中5X5的鄰域相連；
[0020] 第2、4層為下采樣層Sl、S2,第2、4層特征圖中的每個神經元與第1、3層中相對 應特征圖的2X2鄰域相連接；
[0021] 第6層為隱含層，將C3的12張特征圖中的特征值排列為一條列向量形成特征向 量，對一維的特征進行最后的分類識別；
[0022] 第7層為輸出層；神經元的數量由員工注冊的人數所決定的，代表了共有多少個 員工；
[0023]Step2:對深度卷積神經網絡進行訓練，主要包含以下兩個階段：
[0024] 第1階段：前向傳播：將采集的人臉圖片與用戶ID輸入到已經設置好的深度卷積 神經網絡里面，通過逐級向前傳播得到輸出〇p;
[0025] 第2階段：反向傳播：計算輸出0P與相應的理想輸出Yp的差，按極小化誤差的方 法調整權值矩陣。
[0026] 上述技術方案中，步驟（3)人臉的在線識別具體包括如下步驟：
[0027]St印1 :員工在考勤機上進行用戶ID驗證，若輸入的ID號是已經在用戶管理服務 器上注冊的有效用戶，系統自動啟動攝像頭進行人臉圖像采集；
[0028]Step2:將采集的人臉樣本通過用戶管理服務器主機預處理后，發送至構建有人 臉識別模型的中心服務器中，由中心服務器對當前人臉進行識別，給出當前人臉的員工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間點、照片、考勤地點、ID號通過局域網返回給用 戶管理服務器和考勤機；如果不能輸出員工ID號，則繼續檢測人臉，重新識別；
[0030] St印4 :點擊"返回"即可進入下一個人員的考勤；
[0031]Step5:考勤結束時，點擊"結束"按鈕即可結束考勤；
[0032] 各步驟中信息傳送所用的是IP/TCP協議。
[0033] 上述技術方案中，步驟（4)在用戶管理服務器上進行后臺考勤數據的管理與分析 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數據庫管理，主要包括員 工信息的增加，刪除，修改，轉移等操作；
[0035] St印2 :員工出勤分析：當考勤完畢時，在用戶管理服務器上面生成考勤記錄報 表，主要包括員工是否請假、遲到；
[0036] Step3:系統管理模塊：管理員通過查勤系統，設置考勤的班次、考勤人員的限權、 密碼修改等操作。
[0037] -種基于深度卷積神經網絡的人臉識別考勤系統，其特征在于包括：
[0038] 若干個分布于各個地點的配置攝像頭的考勤機，用于進行用戶ID驗證并在驗證 正確情況下進行人臉圖像采集；
[0039] 用戶管理服務器，用于錄入員工個人信息并采集人臉樣本，對采集的人臉樣本進 行預處理，將預處理后的人臉樣本與員工個人信息相關聯；將關聯后的員工個人信息與人 臉樣本發送至中心服務器；驗證輸入ID號和預處理來自考勤機在線檢測的人臉樣本后，將 輸入ID號和預處理的人臉樣本發送給中心服務器；接收來自中心服務器的在線人臉識別 結果；
[0040] 中心服務器，用于構建基于深度卷積神經網絡的人臉識別模型，對深度卷積神經 網絡進行訓練；接收來自用戶管理服務器的輸入的人臉數據和用戶ID，并進行在線人臉數 據與用戶ID匹配，將在線人臉識別結果返回給用戶管理服務器和考勤機；
[0041] 考勤機、用戶管理服務器、中心服務器通過內部局域網連接。
[0042] 上述技術方案中，內部局域網采用IP/TCP協議。
[0043] 上述技術方案中，用戶管理服務器為Windows7操作系統，中心服務器為Windows Server2012〇
[0044] 本發明利用基于深度卷積神經網絡的人臉識別方法構建了一套完整的考勤系統， 為了對該考勤系統進行準確描述，本發明將該系統分為四個主要部分，并分別對其進行詳 細描述：用戶信息的采集、人臉識別模型的構建、人臉的在線識別、后臺考勤數據的管理與 分析。卷積神經網絡是為識別二維形狀而特別設計的一個多層感知器。當其輸入是二維人 臉圖像時，圖像不需要傳統識別算法中復雜的特征提取和數據重建過程，可以直接將原始 圖片作為網絡的輸入；在識別過程中，卷積神經網絡通過借助局部感受野，即能夠保證原始 信號空間結構關系的不變性，又能夠通過共享權值減少網絡中需要訓練的參數。通過所構 建的多層卷積神經網絡，由低層次向高層次的不斷進行特征提取與抽象，使得通過卷