[发明专利]一种考勤系统及实现方法

权利要求书

1.一种考勤系统，包括五层，第五层是硬件层，包括安装在教室的摄像头、校园网和服务器，服务器为考勤系统提供计算资源和操作系统支撑，摄像头提供采集的图像信息，网络设备采用校园网，用于传输图像信息和控制信息；第四层是数据库层，为考勤系统提供数据库环境，保存学生信息、教师信息、教室信息和考勤信息；第三层是组件层，包括图像采集组件、人脸检测组件、人脸识别组件、考勤组件、课程管理组件、教室管理组件和学生管理组件，各组件之间是并列关系，并存储于服务器中；第二层包括设置模块、采集模块、考勤模块和标识模块面向考勤管理员，通过第二层各个模块来设置考勤系统的工作模块；第一层是用户界面，分为教师界面，学生界面；

本系统为四个功能模块，图像采集模块负责控制摄像头拍摄原始图像，将原始图像进行图像预处理后传送到服务器，并对图像进行分析，提取其中的人脸图像信息；标识模块仅在学生第一次参加考勤前使用，将学生的人脸信息在系统中打好标记，便于以后识别，然后将打好标记的人脸信息“训练”为人脸特征库；考勤模块用于把采集到的人脸图像与人脸特征库进行对比，完成身份识别，并根据身份信息完成考勤工作；设置模块对学生信息、课程信息进行设置；

其特征在于，系统所采用摄像头采用带云台的摄像头，在上课过程中通过程序控制摄像头转动，摄像头扫描采集所有学生人脸图像；利用视频帧之间的连续性和相似性对其进行改进，提出了人脸位置预测算法，采用SVM响应图跟踪视频中的VJ算法检测得到人脸目标，并得出目标的跟踪位置；在人脸对齐方面，对CLM算法模型中形状模型部分进行优化，采用FPS3000算法构造初始形状来代替原本的平均形状，从而减少CLM算法中数据拟合的迭代次数，其实现包括三个步骤：

a、初始形状选择

通过FPS3000计算出形状来替代通过原本训练样本集求出的平均形状对原本的CLM算法进行优化，提升了CLM算法的速度，并保持原来的准确率不变；

b、数据集预处理

训练样本集中标注的人脸形状使用MarkedShape表示，那么将MarkedShape对齐至FpsShape的过程，包含以下的步骤：

b-1)、位置归一化，将MarkedShape的每一个标注点都减去MarkedShape对应位置的点，去除形状之间的位置差异，公式表示如下：

b-2)、尺度归一化，对数据进行去中心化处理，将每幅图像的特征点与图像形状中心相减，表示公式如下

其中n代表一个形状中的特征点的个数，分别表示MarkedShape在去除位移差异与尺度差异之后的对应第i个特征点的横纵坐标，而与类似，表示的是FpsShape进行去中心化之后的第i个特征点的横纵坐标；

b-3)、定义MarkedShape与FpsShape的普式距离，最终求解需要找到一个变换，使二者之间的普式距离最小；普式距离的定义公式如下：

b-4)、利用最小二乘法对进行旋转，也就是求：

其中a和b为进行仿射变换时，对应的旋转参数，表示如下：

b-5)、对上式进行偏导运算，求得对应的a和b的值，公式如下：

b-6)、将MarkedShape的标准化数据进行旋转变换，得到接近MarkedShape的标准形状StandardShape，运算公式如下：

b-7)、重复b-4)至b-6)过程，直到过程收敛或两次运算的差值小于一定的阈值；

c)建立形状模型

在对图像进行归一化处理之后，需要对得到的数据进行计算，求得MarkedShape在FpsShape上的典型形变，处理方式就是将数据集中所有的经过对齐的标记形状与FpsShape上的特征点坐标相减，每一个图像的差值用a_i表示，其中i指数据集中第i幅图像；具体计算步骤如下：

c-1)计算差异的平均形状，将数据集中a_i的对应特征点坐标加和并求其均值即可，

c-2)计算协方差矩阵

c-3)进行SVD运算，求对应协方差矩阵的特征值，用λ表示；然后在λ中选取前t个特征量，即P＝(p₁,p₂,…,p_k)；选取前t个特征向量需要满足如下条件：

其中q表示SVD运算后的特征向量的个数，θ为权重比例系数，值的设定在95％-98％之间；

c-4)在此基础上，每一个标记形状都可以通过FpsShape经由一定的运算求得，公式表述如下：

MarkedShape_i≈FpsShape_i+Pb

其中

经过上述的过程，基于FpsShape的形状模型就建立成功了。