无感考勤和人数感知设备实现方法

摘要

本文主要研究一种无感考勤和人数感知设备的实现方法,基于人脸识别的无感考勤功能能够提升用户考勤体验,提高考勤速度。但为了保证系统安全,防止被考勤人利用照片、视频等方式进行考勤作弊,系统需要稳定可靠的活体识别功能。本文主要根据边缘设备的算法部署应用需求,进行人脸检测、活体识别算法的训练和优化研究。通过人脸图像纹理特征提取法,并结合特定相机采集人脸样本,对基于RGB静默活体识别模型进行学习训练和优化。经过试验验证,本方法训练的模型准确率达到90%以上,同时满足安全性和低成本部署需求。在人数感知功能的实现上,根据小人头和弱光识别不准问题,采用了模拟噪点的图像增强算法扩增训练集,并通过多尺度的神经网络lsc-cnn训练了头部检测模型,经过试验验证,在现有的边缘设备应用中,对比自带的头部检测算法,本文训练的算法模型在运行速度和准确率方面都取得了较大的提高。