AttenFace: 一個使用人臉識別的實時考勤系統
本文提出了一种智能嵌入式系统,用于监测课堂出勤情况并将出勤名单发送到远程计算机。该系统由两部分组成:用于人脸识别的嵌入式设备(装备有树莓派和摄像头)和用于出勤管理的 Web 应用程序。该解决方案考虑到了不同的挑战:树莓派的资源有限、需调整人脸识别模型以及使用树莓派摄像头提供的图像实现可接受的性能。
Jun, 2024
基于 Haar 级联与 OpenCV2 的人脸检测系统可用于出勤追踪,通过使用简单的图像处理技术与边缘检测,结合精选的 Haar 特征和先进的边缘检测技术,实现高准确性和稳健性,节省资源并提高效率,适用于教育机构、企事业单位等各类场景,可民主化出勤管理技术,提升生产力和责任感。
May, 2024
在这项研究中,使用了深度学习方法进行图像处理,设计并成功实施了一项能够通过图像识别对学生进出校门记录并进行课堂考勤的创新研究,该研究将在 2022-2023 学年在一所学校进行实际应用。
Sep, 2023
本文介绍了一个基于深度学习的系统级实时面部 分析设计,使用神经网络进行物体检测、分类和回归,可以识别每个人的年龄、性别、面部表情和相似度。同时,文章提出了一种多任务网络来同时预测年龄、性别和面部表情,该系统达到了与现有先进方法相同的精度和实时性能要求。
Sep, 2021
本文介绍了一种基于人脸图像和语音识别技术的门禁系统,用于识别员工和访客。该系统通过人脸识别解锁入口门禁,通过语音识别服务为访客提供服务,并在硬件上使用两个 Raspberry Pi 和 Amazon Web Services 和 Google 语音转换 API 服务以实现身份认证和通知服务。
Apr, 2020
本文提出了一种使用实时口罩检测来增强人脸识别系统的现有数据集的方法,并利用 MaskTheFace 工具创建大量实时口罩数据集以及使用处理后的数据集提高了 FACENET 及在实际数据集 MFR2 上的识别率。
Aug, 2020
该论文介绍了基于机器学习的人脸识别技术在 Web 系统中作为身份认证方法的应用,其中结合了 MTCNN、Facenet 和 LinearSVC 等多个算法进行人脸识别,最终实现了 95% 的准确率。
Mar, 2021
本文提出了一种使用面部识别和特征运动作为密码的双重身份认证机制,基于机器学习和深度学习的生物特征识别系统在这种方案下表现出强大的鲁棒性和准确性。
Dec, 2020
该研究针对人脸识别中的关键问题:人脸检测、人脸对齐和人脸识别,通过在同一骨干架构下进行面部识别方法的比较基准测试,提出了最新的人脸识别状态,针对红外图像、无遮挡、带口罩、戴眼镜等情况对不同的识别算法进行了评估。
Nov, 2022