摘要：
众所周知目前在学校里面出现的场景最多的就是签到，其中包括会议，活动和一些大型讲座都需要进行签到。但因为现有技术的限制，生活中日常用到的签到效率都不是很高且很容易出现代签，忘签到的情况，一方面使用纸张表格进行签到对于环境保护来说并不是很友好，另一方面对于使用者来说很不方便，因此在此基础上提出了实现一个在线签到系统。各类APP为代表的现行技术被广泛普及，为签到系统的出现与改进创造了有利条件，本次毕业设计是结合APP和人脸检测和识别等技术来实现的，提出了运用算法实现人脸的提取和识别，能够有效地结合在线签到系统根据匹配的置信度来完成签到。人脸识别技术是针对人的特征，视觉属性进行收集并加以标记区分，算是当代工作中非常盛行的一门技术，从火车检票到手机解锁，人脸识别都发挥了它不可或缺的作用。本毕设针对系统的模块与功能进行了详细的设计说明，能够深入分析系统实现的相关技术，包括对人的脸部进行有效检测和识别，能够支持多应用场景的签到服务，为人们的生活和学习提供便利。
关键词：在线签到系统；人脸检测；人脸识别；
引言：
本次毕设最主要的功能是人脸签到，运用了当下比较先进的人脸识别算法进行实现。它主要包括两个方面，一是对使用者刚注册时的人脸图像采集，包括检测定位与特征提取；二是在使用签到时的人脸信息匹配。这两者对于整个系统里说是非常重要的。
易知本次毕设需要实现签到和人脸识别，因此在论文中我比较认真地提取了论文的中心思想并提炼精要，对于文献有了一定的理解。
正文：
首先是签到系统的实现方面，可供参考的论文有[1][2]。论文[1]的签到系统是基于Android平台的，主要降到Android是基于 Linux 的开源操作系统，可应用于移动设备，目前已是市场占有率最大的手机操作系统，拥有数量庞大的用户群。在这种开源的优势，具备更加精美的界面，更适应用户的需求。该文着重研究基于 Android 平台的人脸识别技术，Android Studio为开发平台，利用人脸识别中的相关技术，设计实现一款以人脸识别为主的学生签到APP，且 APP 同时包含生活、学习等其他辅助功能。这篇论文对我本次课题影响很深，给了我关于本次毕设较好的启示，我可以在Android的平台上结合自己擅长的语言来进行编写。论文[2]是在分析高校签到业务需求的基础上，针对原有签到方式的不足，提出了基于微信小程序的签到系统的整体设计方案，该系统已在暨南大学成功部署并在大型会议等场合投入应用，有效提升了签到业务的信息管理功能，优化了签到流程，改进了用户体验，因此我决定将在java的基础上结合不同的环境对签到系统进行构建和实现，以达到用户的兼容性使用和广泛运用。于此同时该论文也提供了签到系统模块组成的参考，经启示我认为签到管理模块需要设定一个经授权的管理员用户，对整个模块的村粗信息进行管理操作。并且提供一个环境配置功能主要用于创建相关活动，填写相关主题、活动内容；设置活动所属类型；设定签到地点等；添加签到人员及相关信息；设置是否显示完整的签到人员名单和提醒签到与否。
人脸识别的检测和识别则主要根据论文[3][4][6]。三者论文都是侧重于面部的识别，围绕面部的检测和识别结合计算机视觉来展开的。论文[6]提出了一个基于CNN的新颖框架，用于从给定图像中同时进行面部检测，面部标志定位，头部姿势估计和性别识别。他们设计了一种CNN架构，以学习这些任务的通用功能并利用它们之间的协同作用。以此同时利用了一个属性，即特征中包含的信息是分层分布在整个网络中，较低的层响应边缘和角，因此包含更好的定位属性。它们更适合于学习地标定位和姿势估计任务。另一方面，更深的层次是特定于类的，适合于学习复杂的任务，例如面部检测和性别识别。如果需要利用深层CNN的所有中间层来训练正在考虑的不同任务，将处理中间层特征集称为超特征。针对人脸识别他们使用的是Viola-Jones检测器，这是一种经典方法，它在类似Haar的特征上使用级联分类器来检测人脸。此方法可提供实时面部检测，但最适合全脸，正面和光线充足的脸部。基于可变形零件模型（DPM）的人脸检测方法也已在文献中提出，其中人脸本质上被定义为零件的集合，根据论文表明，在无约束的面部检测中，诸如HOG或Haar小波之类的特征在不同的光照变化或姿势下不能捕获辨别性面部信息。为了改变这些缺陷，论文中已经提出了各种基于深度CNN的面部检测方法，这些方法已经在许多具有挑战性的公开可用人脸检测数据集上产生了最新的结果，其他一些最近的面部检测方法包括NPDFaces，这些方法对于我进行毕业设计都是一种可以尝试的好方法。论文[4]的侧重点在活性人脸检测，对于我目前自身情况是较难实现的，作者提出并使用 WLD 检测活体人脸，具有较好的鲁棒性。WLD 为一种纹理特征提取算法，对光照和噪声的鲁棒性较好。文中提出的 WLD由差分激励算子和方向算子组成，两者的联合形式118 模式识别与人工智能 第 32 卷表示图像的局部纹理特征。该文还提出基于时空纹理特征级联的人脸活体检测方法，融合时域、空域中提取的纹理特征，用于活体人脸检测。对比现有主流局部纹理特征算法，该方法识别率较高，实际应用也很好，但整体的实现较为困难。论文[3]基于LBP特征的人脸识别能力，以不同的特征作为输入，实现了一种基于相似支持向量机的人脸检测算法，并将结果与基于LBP特征的人脸检测结果进行了比较，得到的结果也是较好的。综合这几篇论文，我觉得论文[4]对于本次毕设的指导性比较强，将在opencv中学习如何调用检测器并结合毕业设计的任务来开展研究。
而论文[5][7][8]也都是从不同的检测方法上来实现人脸检测，分别从尺度方面通过一个轻量级全卷积网络实现，也叫做scale proposal network（SPN），这个网络能够从一个任意尺寸的输入图片生成一个全局人脸尺度直方图，进而对人脸进行有效地识别。。论文[9][10]的着重点在于系统的实现，为了提高人脸检测效果,将多种图像处理技术如Gray World彩色均衡法、肤色分割、直方图均衡化、图像拼接等结合应用到智能手机上,并根据智能手机的特点进行优化和改进，提高了检测的成功度和识别的匹配度。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
