太原新版人脸识别考勤系统软件 福州促销人脸识别考勤系统集成接口 人脸识别系统

考勤规则
1、日历、规则支持集团、分公司、人员授权设置
2、界面话设置，按需设置
3、智能判班取卡规则

「系统性能】
　　1、 人脸识别比对成功率**99%；
　　2、 人脸识别比对速度：在1:1情况下，比对时间小于0.5秒钟；
　　3、 人脸采集和比对时，不要求面部非常“端正”，可以左右倾斜20°，体验好；
　　4、 在年卡和工厂门禁系统中，可以采用1：N模式，即不需要验卡即可通过闸机。N≤1000即可，大大方便了通行。
　　5、 摄像头安装位置很重要，对逆光拍摄效果不好。因此，需要防止逆光拍摄

［人脸识别考勤机安装注意事项］
   　 目前，人脸识别技术已经被应用于考勤统计当中，人脸识别考勤机的出现能够有效杜绝代签字、代打卡等问题，使考勤统计真实、准确。因为人脸识别考勤机需要对人的面部进行整体扫描，所以考勤机在安装时有一些问题是需要注意的，否则会影响到设备的正常使用。
人脸识别考勤机安装注意事项
　　　首先，安装人脸识别考勤机时，好安装高度为底座的底部螺丝孔距离地面1.15m，这样的高度基本能够满足正常身高人群的使用。如果安装过高或者过低，都会对面部识别产生影响。
　　　其次，人脸识别考勤机在安装后不要擅自机器的位置与高度，以保证其识别效果。如果必须要考勤机的位置，比如要确保镜头中心点距离地面的高度不变。
　　　除了在安装考勤机时需要注意上述问题，在使用人脸识别考勤机时也有一些需要注意的问题。比如通过人脸识别考勤机登记信息时，人脸要处于显示屏正中心，而且要注视摄像头；面部表情要自然，如果出现表情将会影响人脸识别的辨识度。










 
人脸识别闸机系统

人脸识别系统的工作原理

 人脸识别系统的工作原理是什么？现在一些小区出入不用门禁卡了，出入全靠人脸识别；银行也开通了刷脸金，省去了拿卡，输入等；有的餐厅搞活动，刷脸吃饭，由机器打分，颜值高的**。在火车站、汽车站、高铁站、机场等公共场所，人脸识别应用也越来越多。那么人脸识别有哪些技术呢？     
主流的人脸识别技术基本上可以归结为三类，即：基于几何特征的方法、基于模板的方法和基于模型的方法。
1. 基于几何特征的方法是早、传统的方法，通常需要和其他算法结合才能有比较好的效果；
2. 基于模板的方法可以分为基于相关匹配的方法、特征脸方法、线性判别分析方法、奇异值分解方法、网络方法、动态连接匹配方法等。
3. 基于模型的方法则有基于隐马尔柯夫模型，主动形状模型和主动外观模型的方法等。
一 基于几何特征的方法      
　　人脸由眼睛、鼻子、嘴巴、下巴等部件构成，正因为这些部件的形状、大小和结构上的各种差异才使得世界上每个人脸千差万别，因此对这些部件的形状和结构关系的几何描述，可以做为人脸识别的重要特征。几何特征早是用于人脸侧面轮廓的描述与识别，首先根据侧面轮廓曲线确定若干显著点，并由这些显著点导出一组用于识别的特征度量如距离、角度等。Jia 等由正面灰度图中线附近的积分投影模拟侧面轮廓图是一种很有新意的方法。      采用几何特征进行正面人脸识别一般是通过提取人眼、口、鼻等重要特征点的位置和眼睛等重要的几何形状作为分类特征,但Roder对几何特征提取的性进行了实验性的研究，结果不容乐观。
二  可变形模板法
　　可以视为几何特征方法的一种改进，其基本思想是 :设计一个参数可调的模型 (即可变形模板),定义一个能量函数，通过调整模型参数使能量函数小化，此时的模型参数即做为该的几何特征。      
这种方法思想很好，但是存在两个问题，一是能量函数中各种代价的加权系数只能由经验确定，难以推广，二是能量函数优化过程十分耗时，难以实际应用。 基于参数的人脸表示可以实现对人脸显著特征的一个描述，但它需要大量的前处理和精细的参数选择。同时，采用一般几何特征只描述了部件的基本形状与结构关系，忽略了局部细微特征，造成部分信息的丢失，适合于做粗分类，而且目前已有的特征点检测技术在率上还远不能满足要求，计算量也较大。 
2. 局部特征分析方法（Local Face ysis）      主元子空间的表示是紧凑的，特征维数大大降低，但它是非局部化的，其核函数的支集扩展在整个坐标空间中，同时它是非拓扑的，某个轴投影后临近的点与原图像空间中点的临近性没有任何关系，而局部性和拓扑性对模式分析和分割是理想的特性，似乎这符合信息处理的机制，因此寻找具有这种特性的表达十分重要。基于这种考虑，Atick提出基于局部特征的人脸特征提取与识别方法。这种方法在实际应用取得了很好的效果，它构成了FaceIt人脸识别软件的基础。
3. 特征脸方法（Eigenface或PCA）      
特征脸方法是90年代初期由Turk和Pentland提出的目前流行的算法之一，具有简单有效的特点, 也称为基于主成分分析(principal component ysis,简称PCA)的人脸识别方法。      
特征子脸技术的基本思想是：从统计的观点，寻找人脸图像分布的基本元素，即人脸图像样本集协方差矩阵的特征向量，以此近似地表征人脸图像。这些特征向量称为特征脸(Eigenface)。
    实际上，特征脸反映了隐含在人脸样本内部的信息和人脸的结构关系。将眼睛、面颊、下颌的样本集协方差矩阵的特征向量称为特征眼、特征颌和特征唇，统称特征子脸。特征子脸在相应的图像空间中生成子空间，称为子脸空间。计算出测试图像窗口在子脸空间的投影距离，若窗口图像满足阈值比较条件，则判断其为人脸。       
　　基于特征分析的方法，也就是将人脸基准点的相对比率和其它描述人脸脸部特征的形状参数或类别参数等一起构成识别特征向量，这种基于整体脸的识别不仅保留了人脸部件之间的拓扑关系，而且也保留了各部件本身的信息，而基于部件的识别则是通过提取出局部轮廓信息及灰度信息来设计具体识别算法。

考勤分析
1、全部、人员、部门分析
2、分析周期支持按选择人员、选择部门进行处理
3、分析日志记录
4、多线程考勤分析方式，以度进行处理
5、246.6/S的计算考勤明细的速度，使考勤分析不再耗时、苦苦等待；
6、配置智能考勤、可实现实时计算