实时无感人脸识别考勤机项目

时间：2018-07 ~ 2019-03

 

项目简介：

此项目是基于mtcnn和facenet开发的一套实时无感考勤系统。首先是待考勤人员的个人信息录入。然后在过道或者入口装置监控摄像头，当有人经过时，摄像头抓取人脸并上传服务器，对抓取到的人脸进行人脸识别，判断此人身份，若此人未曾录入过人脸信息（即陌生人），则管理员将收到一条有陌生人的微信推送。若是已录入过信息的人员经过，管理员和此人都会收到一条已签到的微信推送。通过此方式，实现实时无感考勤。

 

职责：

作为项目的主要开发人员，参与了整个项目的需求分析，调研阶段，开发测试和调优。负责人脸检测模块和人脸识别的开发，人脸检测模块采用mtcnn模型，人脸识别模块采用facenet模型，并用django将信息录入模块和人脸识别模块做成引擎，供业务模块调用，实现业务和引擎的分离。

 

成果：

在此项目场景下，收集测试图片1000张，准确率达到了96%以上，此系统已应用在我们研究院的数字化信息所。

 

项目遇到的难点和解决方案：

1.从远到近，假如从远处就检测到人脸并开始截下人脸并送入后端识别，此时照片模糊，导致识别准确下降

（解决方法：采用拉普拉斯算子对检测到的人脸进行评估，超过一定阈值才截下人脸送入后端进行识别）

 

2.人脸检测算法速度与准确率之间的问题，当采用低分辨率的视频流时，截出的人脸模糊，影响识别率。当采用高分辨率视频流时，实时显示画面卡顿，丢帧。

（解决方法：采用双流模型，低分辨率用于显示检测，当检测到人脸，后端读取摄像头高清视频流进行截图）

 

 

 

项目架构图：

 

 

 

 

facenet流程图：

 

 

软件界面：