马佰超1 陈玉强2
1国网菏泽供电公司 山东 菏泽 274000
2 山东鲁能软件技术有限公司 山东 济南 250000
摘要：考勤系统是很多现代化企业和事业单位用来提高员工积极性的重要方式之一，因此智能化考勤系统的发展在这种市场需求下获得了充分的动力。其中深度学习人脸识别技术是智能化考勤系统的核心技术之一，对于系统识别的准确性和安全性具有重要影响。本文就考勤系统中深度学习人脸识别技术的应用展开了探讨。
关键词：考勤系统；深度学习人脸识别技术；应用
引言：人脸识别技术是一种依靠视觉模拟系统和微电子技术相结合，从而实现通过对不同人脸进行扫描而获取到关键的信息和数据，以此来完成身份识别和动作匹配等相关的工作内容。因此，人脸识别技术的出现和发展均受到了全球范围内各国科学研究人员的关注和认可，同时在考勤系统等相关领域中也获得了广泛的应用。
1 深度学习人脸识别技术的应用与发展现状
1.1 深度学习人脸识别技术的基本内容
应用于考勤系统中的深度人脸识别技术，主要负责完成对考勤系统的考察对象进行人脸信息的收集和匹配，因此标准的人脸识别技术中必须要包含人脸信息检测、数据分析、识别查询以及身份认证等多项功能。通过我国相关研究人员对人脸识别技术领域的多年研究经历来看，想要实现高效准确的人脸识别效果并不容易，其中涉及到大量的生物学专业知识以及微电子技术的运用，但是该技术的研究成功却能够为国民身份信息的录入以及实名制度的落实奠定良好基础。
1.2 人脸识别技术在国内外的发展现状
近几年来，国内外的研究人员对于人脸识别技术均进行了不同程度的研究和拓展，其中包括为了保障人脸识别数据信息的安全性，进行的网络访问权限优化和改善等行为。同时，随着人脸识别技术使用范围的进一步扩大，人们对于该技术的识别准确率和识别速度等均提出了更高的要求，这也进一步推动了研究人员对该技术扫描人脸特征信息的路径和数据分析的算法投入了更多的研究力量。目前在国内外人脸识别技术主要应用的几个领域，包括人机交互控制领域、考勤系统构建领域、实名制票证系统和智能化机器人研究领域等，并且随着未来微电子技术和生物技术的研究水平达到更高的层次，人脸识别技术的应用范围也会获得进一步的拓展。
2 深度学习人脸识别技术在考勤系统中的应用
2.1 人脸识别技术的功能模块
现代化考勤系统中所应用的人脸识别技术功能主要包括人脸图像特征信息捕捉、数据分析与人脸识别等，这些功能的实现在人脸识别技术框架的构建过程中，主要体现为对不同功能模块的有效应用和管理。具体表现为以下四个方面：
（1）人脸特征信息捕获与数据跟踪功能。从扫描人脸图像到获取人脸信息的这一技术实现过程中，依据人脸图像分析其特征信息并进行有目的性的捕获和跟踪是非常重要的。人脸捕获技术通常是依据人脸图像的动态和静态特征进行标准化分类，同时将人像边缘关键信息以及脸部的特征信息进行提取、分离和保存。因此，在人脸捕获技术的应用范围内，只要出现有效的人脸图像便能够完成自动化的信息捕获和保存，这样在应用于考勤系统中时便能够实现对员工动态信息的监控以及身份的认证。
（2）人脸信息识别与比对功能。
除了要有效获取到人脸图像的特征信息之外，基于考勤系统的运行原理，还需要对人脸信息进行识别和比对，这样才能进一步确认员工信息与系统中存入的人员档案相匹配。目前人脸识别比对功能相关技术主要分为核实式和搜索式两种方式，其中核实式方式主要是对选定的人像和捕获的人像之间所存在的一致性进行分析和判断，进而确定所捕获的人像是否与选定的目标相吻合；而搜索式则更倾向于利用数据库的存储和调取功能，通过在数据库中查询相应的、符合标准的人脸图像信息，之后再与捕获的人脸进行对比来判断其是否存在于数据库和录入的档案中。
（3）真人鉴别功能。真人鉴别功能的出现是为了防止不法分子利用较为真实的人脸图像来欺骗考勤系统的信息识别，因此，该功能对于确保员工的身份安全以及企业的机密信息安全都具有重要意义。真人鉴别功能的实现主要是利用了对动态化人脸信息的分析和静态化人脸信息进行对比，从而将识别对象的面部表情及动作划入到信息识别和身份确认的考察标准中，这样便有效防止了身份替换和假冒他人等不良现象的发生。
（4）图像质量检测及评估功能。基于深度学习人脸识别技术的运行原理我们会发现，人脸图像的质量以及特征信息的完整性，对于人脸识别的效果和使用安全性影响非常巨大。因此，有关研究人员便开发出的图像质量检测功能，在对识别目标的人脸图像质量进行检测的过程中还能够实现水平的评估，之后再根据科学算法计算出合理的建议值，来保障人脸识别结果的精确度和准确性。
2.2 考勤系统中深度学习人脸识别技术的框架设计
在进行考勤系统的人脸识别技术框架构建设计过程中，设计人员需要充分考虑到考勤系统的使用要求和应用场所，这关系到人脸识别系统框架构建的方向以及路径的选择。通常应用于考勤系统的人脸识别技术框架，首先应具备登录、身份验证和退出三个主要环节，这种人脸图像采集、数据分析、信息比对以及身份核实等相关功能，应体现在身份验证的环节中。同时，为了进一步提高人脸识别的精确度和准确性，在进行人脸图像质量检测和评估之前可以先设置预处理人脸图像和训练人脸图像环节，这样有助于提高人脸识别的正确率。除此之外，对于一些具有保密要求和员工身份信息安全特殊性要求的企业而言，人脸识别系统框架中还应具备删除人脸图像和修改人脸图像等相关环节，这样也便于系统管理人员对员工信息进行有效的提取和管理。最后，在有数据库相关技术支持的前提下还可以进行人脸图像的添加，通过快速检索数据库中存储的人像信息便能够显著的提高人脸识别效率而避免浪费工作时间。
2.3 常用人脸识别方法及算法原理
目前在考勤系统领域中常用的深度学习人脸识别方法，主要为人像特征点识别方法、基于神经网络的识别方法以及基于代数特征的使用方法。其中人像特征点识别方法的识别速度比较快，但是对于人脸识别的环境以及图像的质量要求也相对较高，这种方法的实现不但需要较大的训练样本给予支持，同时也需要在图像的灰度特性达到标准要求时才能够更好的保障识别准确率；基于神经网络的人脸识别方法是对生物技术和微电子技术的高效结合，通过模拟人类大脑神经网络结构以及运行机理，来构建计算模型从而实现人脸图像的识别和关键信息比对。这种方法所需要的操作步骤较为复杂并且对专业技术水平要求较高，但是对人脸图像识别的准确性、尤其对性别识别的准确率确实非常高的，因此也是目前在各领域中应用最为广泛的一种人脸识别方法；而基于代数特征的识别方法，则主要是利用了线性代数和矩阵模型的构建来完成人脸数据的获取和分析，运用了该技术的人脸识别系统可以通过代数矩阵投影的方式选取和收集有效的人脸信息，其中函数求解的速度以及线性分析的准确性是决定人脸识别效果的重要因素。
结束语：综上所述，深度学习人脸识别技术的应用使得现代化考勤系统得到了进一步发展与优化。与此同时，随着微电子技术与生物技术的研究水平逐渐提高，人脸识别技术也获得了更多的应用与发展可能，有关技术人员应更加全面的掌握人脸识别方法及相关算法原理，这样才能使该技术为社会各领域的发展贡献出更大的价值。
参考文献：
[1]张其帆.基于人脸识别的课堂考勤系统的设计与实现[D].重庆师范大学,2019.
[2]金维香,邢晨.基于OpenCV的人脸识别课堂考勤系统[J].浙江水利水电学院学报,2019,3106:58-62+87.
[3]张心怡,李刚.智能人脸识别考勤系统[J].电子制作,2019,09:48-49.