基于AdaBoost算法的智能考勤系统研究和实现

摘要

随着时代的进步与科技的发展，公司和企业对身份认证可靠性的要求越来越高。作为一种将计算机技术与生物传感器、光学以及声学等高科技手段结合到一起的新型的识别技术，生物识别技术渐渐进入人们的视野，其中人脸识别技术的应用最为广泛。论文对人脸检测技术和人脸识别考勤系统进行研究，构建了基于OpenCV和AdaBoost算法的智能考勤系统。
　　系统构建过程中，在利用AdaBoost算法和人脸库对系统进行训练的前提下，将训练获得的参数xml文件用于人脸检测;同时，利用OpenCV库函数进行视频采集、图像处理和人脸识别，进而实现考勤。
　　论文的主要工作如下:
　　(1)研究智能考勤系统的关键技术，给出系统构架，并对人脸检测技术和人脸识别技术进行论述。
　　(2)研究并实现AdaBoost算法。利用积分图法将类Haar特征训练成弱分类器，将多个弱分类器按一定权重组成强分类器，再将多个强分类器级联成级联分类器。采用级联分类器对ORL人脸库进行训练，其结果用于识别系统中对人脸的检测。
　　(3)根据考勤系统的需求，对考勤系统进行模块划分，并进行功能实现。系统能够用摄像机进行视频采集，并将采集到的视频流在窗口上显示;采用AdaBoost算法训练图集得到的级联分类器检测视频流，并将检测到的人脸用矩形框标注出来。当人脸达到合适的尺寸以后，将采集到的人脸保存下来;通过采集人脸与员工人脸库的训练对比，识别出签到人员。
　　(4)基于MFC/C++搭建整个系统，创建人脸识别考勤系统登录界面和考勤界面，实现对按钮等控件的响应。完成系统测试，发现并祛除软件的一些细节错误、及系统漏洞。

目录

声明

摘要

第一章 绪论

1．1 研究的背景与意义

1．2 考勤系统概述

1．3 人脸检测与识别研究现状

1．3．1 人脸检测国内外研究现状

1．3．2 人脸识别国内外研究现状

1．4 论文内容安排

第二章 智能考勤系统关键技术

2．1 智能考勤系统构成

2．2 人脸检测技术

2．2．1 基于人脸特征的方法

2．2．2 基于人脸模板匹配的方法

2．2．3 基于统计学习的方法

2．3 人脸识别技术

2．4 本章小结

第三章 基于AdaBoost算法的人脸检测算法

3．1 AdaBoost算法的提出及发展

3．2 类Haar特征和积分图

3．2．1 类Haar特征的定义

3．2．2 积分图法计算特征值

3．3 分类器的设计

3．3．1 弱分类嚣

3．3．2 强分类器

3．4 级联分类器设计

3．4．1 级联分类器的结构

3．4．2 级联分类器的训练算法

3．4．3 级联分类器的系统参数

3．5 改进的AdaBoost算法

3．5．1 基于权值更新的改进算法

3．5．2 基于分类器相关性的改进算法

3．5．3 基于非对称学习模型的改进算法

3．6 实验结果及分析

3．7 本章小结

第四章 智能考勤系统设计与实现

4．1 算法选择

4．2 智能考勤系统分析

4．2．1 系统开发环境

4．2．2 系统功能性分析

4．2．3 系统非功能性分析

4．2．4 系统可行性分析

4．3 智能考勤系统实现

4．3．1 OpenCV函数库

4．3．2 基于MFC／C++的程序设计

4．3．3 系统各模块的实现

4．3．4 系统总体实现

4．4 系统运行界面

4．4．1 人脸识别考勤系统登录界面

4．4．2 人脸识别考勤系统考勤界面

4．4．3 系统测试

4．5 本章小结

第五章 总结与展望

5．1 总结

5．2 展望

参考文献

致谢

攻读学位期间的研究成果