近年來,建筑行業(yè)提出勞務(wù)用工實(shí)名制的創(chuàng)新管理方式,該舉措能有效加強(qiáng)工地現(xiàn)場(chǎng)的合法合規(guī)勞務(wù)用工管理,能有效保障農(nóng)民工權(quán)益。當(dāng)農(nóng)民工和勞務(wù)公司發(fā)生勞資糾紛時(shí),精準(zhǔn)的進(jìn)出場(chǎng)記錄能為主管部門的公正裁決判斷提供真實(shí)、有力的證據(jù)。勞務(wù)企業(yè)如果能有工地農(nóng)民工的精準(zhǔn)務(wù)工軌跡也能有效的避免了勞資糾紛產(chǎn)生。所以,精準(zhǔn)掌握建筑工地的作業(yè)人員出入場(chǎng)記錄對(duì)勞務(wù)管理中勞資糾紛隱患的發(fā)現(xiàn)、消滅及預(yù)防都有非常重要的作用,運(yùn)用人臉識(shí)別技術(shù)的智慧工地考勤系統(tǒng)應(yīng)運(yùn)而生�；谌四樧R(shí)別的智慧工地考勤系統(tǒng)主要包含兩個(gè)部分,一個(gè)是人臉識(shí)別技術(shù),一個(gè)是考勤系統(tǒng),并且用戶面部信息是產(chǎn)生系統(tǒng)考勤記錄的唯一條件。本文主要分為人臉圖像預(yù)處理、人臉檢測(cè)、人臉識(shí)別和系統(tǒng)設(shè)計(jì)展開研究。(1)人臉圖像預(yù)處理環(huán)節(jié)選擇使用加權(quán)平均值方法進(jìn)行圖片的灰度化處理,然后通過質(zhì)量分布圖均衡化和中值濾波的處理方法,可以有效減少光照條件和硬件設(shè)備等外界因素引起的明暗不同情況干擾。人眼定位后旋轉(zhuǎn)擺正人臉位置,檢測(cè)到人臉后進(jìn)行圖像尺寸歸一化剪裁,然后縮小或者擴(kuò)大到實(shí)驗(yàn)需要的標(biāo)準(zhǔn)尺寸。(2)闡述了經(jīng)典的人臉檢測(cè)方法,主要有基于特征的人臉檢測(cè)方法、基于模板匹配的方法和基于統(tǒng)計(jì)的方法,然后重點(diǎn)闡述了Adaboost人臉檢測(cè)方法,學(xué)習(xí)了Adaboost算法的理論基礎(chǔ),Haar特質(zhì)以及積分圖的運(yùn)用,同時(shí)闡述了級(jí)聯(lián)分類器的設(shè)計(jì),提出了Adaboost算法的基本思想和流程。本文使用通過Adaboost算法把多個(gè)不同的弱分類器形成的級(jí)聯(lián)強(qiáng)分類器進(jìn)行面部檢測(cè)。(3)檢測(cè)部分在基本LBP算法的基礎(chǔ)上提出基于分塊加權(quán)LBP技術(shù)的算法,將面部圖像分為5*3子分塊,根據(jù)人臉五官在人臉識(shí)別中的不同貢獻(xiàn)度賦予不同的權(quán)重提取人臉信息特征,通過在ORL和YALE兩種人臉數(shù)據(jù)庫中訓(xùn)練不同樣本數(shù),比較傳統(tǒng)LBP方法、5*3分塊LBP方法和5*3分塊加權(quán)LBP方法的面部識(shí)別準(zhǔn)確率,實(shí)驗(yàn)證明分塊加權(quán)LBP技術(shù)在人臉識(shí)別中可以有效提高識(shí)別準(zhǔn)確率。(4)對(duì)整個(gè)系統(tǒng)進(jìn)行詳細(xì)設(shè)計(jì),重點(diǎn)討論對(duì)系統(tǒng)的后臺(tái)數(shù)據(jù)庫、身份采集和人臉庫的設(shè)計(jì),同時(shí)詳細(xì)介紹了系統(tǒng)用戶登錄、務(wù)工班組管理、務(wù)工人員管理和工地現(xiàn)場(chǎng)考勤管理四個(gè)模塊的實(shí)現(xiàn),最后設(shè)計(jì)完成人臉識(shí)別的智慧工地考勤系統(tǒng)。
【學(xué)位單位】：安徽工程大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TU71;TP391.41
【部分圖文】：

ifyMyMifxNxNifyifxxrdownrdownrdownrdownluplupluplup>=>=<=<=,,y0,00,0（2過公式 2-15 及 2-16 處理后的人臉圖像大小為 2d×2d。圖像尺寸歸一化的縮放因子是 ratio(0.1≤ratio≤10)。則可以得到：[ ] [ ] =00101/01/00110011ratioratiox yxy（2坐標(biāo)的灰度值使用公式 2-13 表示。臉幾何歸一化處理過程：采集到的原面部圖像，首先進(jìn)行人眼定位進(jìn)行人臉圖像矯正，通過旋轉(zhuǎn)擺正面部位置，接著檢測(cè)到人臉后進(jìn)行一化剪裁，然后縮小或者擴(kuò)大到實(shí)驗(yàn)需要的標(biāo)準(zhǔn)尺寸[29]。

塊進(jìn)行特性分析，再將每個(gè)分塊圖像的質(zhì)量分布圖按照規(guī)律排列構(gòu)成完整的質(zhì)量分布圖，這個(gè)完整的質(zhì)量分布圖就是整個(gè)面部照片的統(tǒng)計(jì)質(zhì)量分布圖，可以把它作為整個(gè)面部的特性向量，如圖 4-3，將人臉分為 5*3 的子分塊。這種改進(jìn)的辦法能高效的提取面部圖像的局部包含的信息，提高光照變化和面部表情調(diào)整時(shí)的識(shí)別效果。

人臉信息的子分塊權(quán)重
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 段利民;;勞務(wù)實(shí)名制管理新方式[J];施工企業(yè)管理;2015年09期

2 陳銀川;薛慧峰;榮兆斌;;勞務(wù)精細(xì)化管理的探索[J];施工企業(yè)管理;2015年09期

3 張?chǎng)?王文偉;;基于局部二值模式和深度學(xué)習(xí)的人臉識(shí)別[J];計(jì)算機(jī)應(yīng)用;2015年05期

4 周汐;曹林;;分塊LBP的素描人臉識(shí)別[J];中國(guó)圖象圖形學(xué)報(bào);2015年01期

5 王慶偉;應(yīng)自爐;;一種基于Haar-Like T特征的人臉檢測(cè)算法[J];模式識(shí)別與人工智能;2015年01期

6 劉麗;謝毓湘;魏迎梅;老松楊;;局部二進(jìn)制模式方法綜述[J];中國(guó)圖象圖形學(xué)報(bào);2014年12期

7 王小玉;張亞洲;陳德運(yùn);;基于多塊局部二值模式特征和人眼定位的人臉檢測(cè)[J];儀器儀表學(xué)報(bào);2014年12期

8 于微波;趙琳;佟冬;;基于Adaboost人臉檢測(cè)算法[J];吉林大學(xué)學(xué)報(bào)(信息科學(xué)版);2014年05期

9 劉占勝;;勞務(wù)實(shí)名制信息化管理探索研究[J];鐵道建筑技術(shù);2014年S1期

10 江偉堅(jiān);郭躬德;賴智銘;;基于新Haar-like特征的Adaboost人臉檢測(cè)算法[J];山東大學(xué)學(xué)報(bào)(工學(xué)版);2014年02期

相關(guān)博士學(xué)位論文 前2條

1 馬寧;基于圖像的人臉識(shí)別中關(guān)鍵技術(shù)研究[D];吉林大學(xué);2016年

2 張鍵;面向人臉識(shí)別的圖像表示和分類研究[D];南京理工大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 王佳麗;人臉識(shí)別技術(shù)分析及其在考勤系統(tǒng)中的應(yīng)用[D];山西大學(xué);2017年

2 陳慶勤;基于Android的學(xué)生考勤管理系統(tǒng)[D];南昌航空大學(xué);2017年

3 何雪;人臉識(shí)別中光照問題研究[D];重慶三峽學(xué)院;2017年

4 徐信;基于Adaboost人臉檢測(cè)算法的研究及實(shí)現(xiàn)[D];太原理工大學(xué);2015年

5 呂聯(lián)盟;基于云計(jì)算的人臉識(shí)別系統(tǒng)研究與設(shè)計(jì)[D];長(zhǎng)安大學(xué);2014年

6 耿世杰;人臉識(shí)別中的光照預(yù)處理方法研究[D];河北大學(xué);2014年

7 李瑞淇;基于膚色和改進(jìn)的AdaBoost人臉檢測(cè)算法研究[D];西安電子科技大學(xué);2014年

8 趙福梅;人臉識(shí)別系統(tǒng)在嵌入式門禁系統(tǒng)中的研究與設(shè)計(jì)[D];太原理工大學(xué);2013年

9 袁正海;人臉識(shí)別系統(tǒng)及關(guān)鍵技術(shù)研究[D];南京郵電大學(xué);2013年

10 翟中華;基于膚色和Adaboost算法的人臉檢測(cè)方法研究[D];華南理工大學(xué);2012年

本文編號(hào)：2871722