7篇关于考勤系统的计算机毕业论文

今天分享的是关于考勤系统的7篇计算机毕业论文范文, 如果你的论文涉及到考勤系统等主题,本文能够帮助到你 基于ARM的动态人脸识别考勤系统的研究与设计 这是一篇关于嵌入式

今天分享的是关于考勤系统的7篇计算机毕业论文范文, 如果你的论文涉及到考勤系统等主题,本文能够帮助到你

基于ARM的动态人脸识别考勤系统的研究与设计

这是一篇关于嵌入式,人脸检测,动态人脸识别,考勤系统,Spring Boot的论文, 主要内容为人脸作为最重要的生物特征早已被运用在各行各业当中,移动支付、智能安防、智慧城市等众多领域都可以看到人脸识别的身影。随着智能移动办公概念的提出,人脸识别考勤设备制造行业也迎来了新一轮的革新。多人识别、隐私保护、速度快、准确率高、设备轻便、信息智能化管理等许多要求已经成为其最新的研究发展方向。本文结合最新人脸识别考勤需求,展开基于ARM的动态人脸识别考勤系统的研究与设计,主要工作内容如下:1.本文基于AIo T开发架构,设计并实现整套动态人脸识别考勤系统,系统分为嵌入式端动态人脸识别签到部分以及服务器端考勤信息管理部分。人脸检测与识别任务在嵌入式端进行,考勤信息管理系统在服务器端进行搭建。两部分系统互不干扰却又紧密联系,共同组成一个智能化考勤系统。2.为了让签到系统更好地运行在嵌入式平台中,本文对人脸检测识别模型以及其具体的工作流程都做出了优化。本文采用Multi-task convolutional neural network(MTCNN)模型进行人脸检测,实现一种MTCNN三级融合预测模型,提升其在实际使用时的速度。本文采用基于Inception-Res Net的FaceNet进行人脸识别,提出一种模型缩减的方法,最大化保持准确率的情况下使模型尺寸缩小一半。针对动态人脸识别实际的工作流程,本文提出了一种视频限流模块与人脸图像筛选算法分别作用在人脸检测和人脸识别前。3.基于Spring Boot框架,本文设计实现了考勤信息管理系统并将其部署在云服务器上。系统支持人脸信息录入以及自动统计早退、迟到、缺勤等情况,所有数据都可以一键导出为Excel文件。本文基于Thymeleaf模板引擎技术绘制了独创的用户交互界面,系统中所有功能的操作只需要一部可以接入互联网的设备就能轻松进行。经过实验分析表明,本文所实现的人脸检测算法准确率约为92%,实现的人脸识别算法准确率约为98.52%。相比于直接移植原始模型到嵌入式端,经本文优化移植后的人脸检测算法速度提升约30%,人脸识别算法速度提升约41%。用户只需要进入摄像头拍摄范围并被采集1.1秒左右就可以完成整个签到流程,对基于嵌入式的动态人脸识别考勤领域有着很大的参考价值。

人脸识别课堂考勤系统的研究与实现

这是一篇关于考勤系统,SSH框架,PCA,LBP,LDA的论文, 主要内容为人脸识别是生物识别和人工智能的一个重要应用方向,相对于其他生物识别如指纹识别,语音识别和虹膜识别,具有易采集、友好性和非侵犯、效果好等诸多优点,从而得到快速发展与应用。另一方面,随着BS架构的广泛使用,Web项目因为容易发布和部署,信息化程度高等诸多优点,被企业界广泛使用。因此,针对高校手动考勤方式存在的效率低、科技含量低、信息化程度不高的问题,本论文设计了人脸识别课堂考勤系统。本论文的主要研究内容和成果如下:1.研究了国内外的人脸检测和识别算法,以及考勤系统的研究现状,在进行了较为详细的功能设计、可行性分析和需求分析的基础上。设计并实现了由图像预处理、人脸检测、人脸识别签到、考勤数据库、考勤信息管理等模块组成的人脸识别课堂考勤系统。系统具有良好的安全性、用户体验和稳定性。2.研究了PCA算法及其改进的2DPCA和双向2DPCA算法,并比较这三种算法的正确识别率;研究了基于LBP、LDA的人脸识别算法,并比较PCA、LBP、LDA算法的正确识别率;研究了SVM分类算法,并比较SVM与一般分类器的正确识别率。经比较,最后确定LBP+PCA组合算法提取人脸的特征,并使用SVM分类算法,用于本系统的人脸识别模块,从而提高人脸识别算法的正确识别率。3.基于JavaEE平台,研究了JSP技术、Struts2、Spring、Hibernate框架、MySQL数据库技术。使用SSH框架整合技术开发考勤系统。将系统分为人脸识别模块和考勤系统管理模块,分别独立开发并整合。4.提出建立人脸库的方法。由学生使用本地文件或者拍照的方式上传照片,服务器按照学生信息保存图片,管理员建立人脸库图片、保存人脸库的特征数据。保存和加载特征数据的方式可以提高人脸识别的效率。5.在检测并分割的人脸图像上使用双眼定位和旋转矫正的处理,得到正面的人脸图像,提高了识别率。

基于深度学习的人脸识别算法研究及系统应用开发

这是一篇关于人脸识别,图像增强,考勤系统的论文, 主要内容为人脸识别技术是计算机视觉领域热门话题之一,其广泛用于电子商务、公共安防及智慧城市等领域。真实场景下的人脸图像,易出现非理想光照人脸图像、侧脸图像及表情夸张的人脸图像,导致识别精度的下降。近年来深度学习被广泛应用在图像增强与降噪等领域。为了从非理想光照人脸图像获取到理想光照下人脸图像,从而提升识别精度,本文通过深度学习提出一种非理想光照下的人脸图像增强卷积网络并开发一套人脸识别考勤系统。本文主要工作内容如下:(1)针对非理想光照下的人脸图像,提出基于Retinex人脸增强卷积神经网络。网络结构按照Retinex理论所设计,同时为保留人脸轮廓边缘等特征信息,将方向梯度损失结合欧式距离损失为网络总损失函数。在Yale数据集和CMU-PIE数据集上实验,结果表明该算法能够有效获取到理想光照人脸图像,且通过人脸识别仿真实验,结果表明该网络生成的理想光照的人脸图像能够提升非理想光照下的人脸识别精度。(2)针对具备普通摄像头的监控环境及非理想光照环境下,基于微服务集成人脸算法服务、人脸数据管理服务,设计并开发了一套人脸识别考勤系统。系统采用高并发语言Golang及基于深度学习的人脸算法进行开发部署。系统部署测试表明,该系统保证了人脸识别考勤方法的可靠性和有效性。(3)对系统的开发技术和系统架构进行了设计。针对开发部署,采用Docker技术,保证开发和部署环境一致性,更易维护;针对交互方式,采用ReactJS实现单次开发出多平台应用程序;针对系统大量的图像输入输出情况,使用Nginx部署基于Docker引擎图像服务器,该架构设计保证了算法服务器的处理性能。

越秀外国语学院指纹考勤系统的设计与实现

这是一篇关于指纹识别,考勤系统,J2EE,Struts2,Hibernate,Spring的论文, 主要内容为考勤是各单位的一项重要管理工作,它的效率与正确性直接影响到员工的工作效率及单位的经济效益。传统的考勤方式主要有签到、打卡等,这些考勤方式存在工作量大、统计工作复杂以及代签到或代打等问题。现代生物特征识别技术正不断发展和成熟,人们已将注意力转移生物识别技术上,指纹识别是其中最成熟的一种。由于指纹识别的准确性高、方便,它已被应用在考勤系统中,有了像指纹考勤机和考勤系统这样的产品上。与传统考勤相比而言,指纹考勤系统具有杜绝作弊、使用方便、投入少、环保等优势,可确实提高单位的考勤效率。本文介绍一种高校指纹考勤系统的设计与实现。 在需求分析和系统设计阶段,选择StarUML工具进行描述,这种规范化的描述为系统的后续开发奠定了基础,并且能够统一开发标准和规范、减少系统开发成本,从而保证软件能保持较高的质量。 整个系统由系统管理、考勤管理和日常考勤三个模块组成。系统管理模块主要为系统管理员对系统进行维护提供入口,进行用户信息管理和数据的定期备份修复等操作。考勤管理模块主要为考勤管理人员提供考勤管理业务,具体由员工管理、考勤管理、请假管理、历史查询、系统公告和使用帮助组成。日常考勤子系统主要实现指纹考勤。只要员工在考勤管理子系统中注册过其指纹信息,日常考勤子系统便能正常进行考勤。 本系统统筹设计,全面规划,针对学校单位特殊的排班制度作了处理。,采用模块化结构进行总体设计,体现了当下先进的设计思想;具体实施时,该系统在技术架构上采用先进成熟的轻量级的J2EE架构,J2EE是优秀的企业级开发平台,为企业开发提供了高效的解决方案。本系统中用JSP作为表现层技术,MVC层,中间层,持久层解决方案采用了一系列的开源框架Struts2+Hibernate+Spring,通过这一系列开源框架有机的组合,使J2EE应用具有很高的可维护性和可扩展性。本系统把以前需要提交纸质表单的实际操作电子化,使得流程无延迟化,完善和整合学校管理系统工作流程,实现科学管理,提高出勤率,树立了学校良好形象。

基于ADO.NET数据访问考勤管理系统的研究与开发

这是一篇关于ADO.NET数据访问,考勤系统,数据库的论文, 主要内容为随着计算机的飞速发展,教学系统软件得到了广泛的应用与发展,实现了现代化的教学方式。同时,由于高校实行扩招,学生的人数增加很快,这就需要配备相应的教师队伍。为了保障教学秩序正常的进行,就必须要有一个好的管理制度。而作为学校管理制度的一个重要环节,考勤管理系统在现代社会中越来越受到重视。 对于现在的考勤硬件从打卡机到考勤机到指纹,发展相当迅速,采集相关的考勤数据已经变得越来越简单。而现在而临的最大问题一方面为数据处理,负责人根据得来的考勤数据进行人工计算。对各种数据进行汇总,使部门负责人员工作量很大。手续烦琐,而且很容易出差错,另一方而,员工要查询或者请假需要写请假条,然后找到相关负责人,从下到上,也许负责人不在,那么有急事请假的事情还会耽搁,这样进行一系列工作之后才能实现。 针对这种情况,开发出了这种基于ADO.NET数据访问的考勤管理系统。ADO.NET是微软提供的一种高性能访问信息源的策略,这些技术可以使用户很方便的整合多种数据源,创建易维护的解决方案。它是为了应用广泛的数据控制而设计[20],并提供了断开的数据访问模型,这对Web环境至关重要;提供了与XML的紧密集成;还提供了与.NET框架的无缝集成(例如,兼容基类库类型系统)。所以使用起来比以前的数据库更灵活有弹性,也提供了更多的功能[14-19]。ADO.NET对象可以让我们快速简单的来存取各种数据。传统的主从式应用程序在执行时,都会保持和数据源的联机。但是在某些状况下和数据库一直保持联机是不需要的,而且一直保持和数据源的联机会浪费系统资源。有些时候我们只需要很单纯的将数据取回,这时候就不需要保持对数据源的联机。ADO.NET被设计成对于数据处理不一直保持联机的架构,应用程序只有在要取得数据或是更新数据的时候才对数据源进行联机的工作,所以应用程序所要管理的连结减少;数据源就不用一直和应用程序保持联机,负载减轻了效能自然也就提升。不过我们的应用程序也有些情况需要和数据源一直保持联机。 将ADO.NET数据访问应用于考勤系统,可以很好的完成数据控制。在此考勤系统中,可以完成如下的系统功能: 1、对采集到的考勤信息进行自动化处理,统计职工的旷工加班等信息; 2、统计职工相关考勤方面的奖罚情况; 3、职工可以通过网络查询到自己的相关考勤信息并可实现网上请假; 4、管理人员进行数据修改和统计等。 本系统开发前端采用C#.net作为开发工具,后端数据库则采用SQLSERVER。 本文的研究对该系统的数据访问提供了一套可行的技术;对于实现职工的数据的整合,数据查询,数据管理和数据备份都有积极的意义;对学校建立有效和合理的考勤管理体系有现实指导意义。

基于ARM的动态人脸识别考勤系统的研究与设计

这是一篇关于嵌入式,人脸检测,动态人脸识别,考勤系统,Spring Boot的论文, 主要内容为人脸作为最重要的生物特征早已被运用在各行各业当中,移动支付、智能安防、智慧城市等众多领域都可以看到人脸识别的身影。随着智能移动办公概念的提出,人脸识别考勤设备制造行业也迎来了新一轮的革新。多人识别、隐私保护、速度快、准确率高、设备轻便、信息智能化管理等许多要求已经成为其最新的研究发展方向。本文结合最新人脸识别考勤需求,展开基于ARM的动态人脸识别考勤系统的研究与设计,主要工作内容如下:1.本文基于AIo T开发架构,设计并实现整套动态人脸识别考勤系统,系统分为嵌入式端动态人脸识别签到部分以及服务器端考勤信息管理部分。人脸检测与识别任务在嵌入式端进行,考勤信息管理系统在服务器端进行搭建。两部分系统互不干扰却又紧密联系,共同组成一个智能化考勤系统。2.为了让签到系统更好地运行在嵌入式平台中,本文对人脸检测识别模型以及其具体的工作流程都做出了优化。本文采用Multi-task convolutional neural network(MTCNN)模型进行人脸检测,实现一种MTCNN三级融合预测模型,提升其在实际使用时的速度。本文采用基于Inception-Res Net的FaceNet进行人脸识别,提出一种模型缩减的方法,最大化保持准确率的情况下使模型尺寸缩小一半。针对动态人脸识别实际的工作流程,本文提出了一种视频限流模块与人脸图像筛选算法分别作用在人脸检测和人脸识别前。3.基于Spring Boot框架,本文设计实现了考勤信息管理系统并将其部署在云服务器上。系统支持人脸信息录入以及自动统计早退、迟到、缺勤等情况,所有数据都可以一键导出为Excel文件。本文基于Thymeleaf模板引擎技术绘制了独创的用户交互界面,系统中所有功能的操作只需要一部可以接入互联网的设备就能轻松进行。经过实验分析表明,本文所实现的人脸检测算法准确率约为92%,实现的人脸识别算法准确率约为98.52%。相比于直接移植原始模型到嵌入式端,经本文优化移植后的人脸检测算法速度提升约30%,人脸识别算法速度提升约41%。用户只需要进入摄像头拍摄范围并被采集1.1秒左右就可以完成整个签到流程,对基于嵌入式的动态人脸识别考勤领域有着很大的参考价值。

基于ARM的动态人脸识别考勤系统的研究与设计

这是一篇关于嵌入式,人脸检测,动态人脸识别,考勤系统,Spring Boot的论文, 主要内容为人脸作为最重要的生物特征早已被运用在各行各业当中,移动支付、智能安防、智慧城市等众多领域都可以看到人脸识别的身影。随着智能移动办公概念的提出,人脸识别考勤设备制造行业也迎来了新一轮的革新。多人识别、隐私保护、速度快、准确率高、设备轻便、信息智能化管理等许多要求已经成为其最新的研究发展方向。本文结合最新人脸识别考勤需求,展开基于ARM的动态人脸识别考勤系统的研究与设计,主要工作内容如下:1.本文基于AIo T开发架构,设计并实现整套动态人脸识别考勤系统,系统分为嵌入式端动态人脸识别签到部分以及服务器端考勤信息管理部分。人脸检测与识别任务在嵌入式端进行,考勤信息管理系统在服务器端进行搭建。两部分系统互不干扰却又紧密联系,共同组成一个智能化考勤系统。2.为了让签到系统更好地运行在嵌入式平台中,本文对人脸检测识别模型以及其具体的工作流程都做出了优化。本文采用Multi-task convolutional neural network(MTCNN)模型进行人脸检测,实现一种MTCNN三级融合预测模型,提升其在实际使用时的速度。本文采用基于Inception-Res Net的FaceNet进行人脸识别,提出一种模型缩减的方法,最大化保持准确率的情况下使模型尺寸缩小一半。针对动态人脸识别实际的工作流程,本文提出了一种视频限流模块与人脸图像筛选算法分别作用在人脸检测和人脸识别前。3.基于Spring Boot框架,本文设计实现了考勤信息管理系统并将其部署在云服务器上。系统支持人脸信息录入以及自动统计早退、迟到、缺勤等情况,所有数据都可以一键导出为Excel文件。本文基于Thymeleaf模板引擎技术绘制了独创的用户交互界面,系统中所有功能的操作只需要一部可以接入互联网的设备就能轻松进行。经过实验分析表明,本文所实现的人脸检测算法准确率约为92%,实现的人脸识别算法准确率约为98.52%。相比于直接移植原始模型到嵌入式端,经本文优化移植后的人脸检测算法速度提升约30%,人脸识别算法速度提升约41%。用户只需要进入摄像头拍摄范围并被采集1.1秒左右就可以完成整个签到流程,对基于嵌入式的动态人脸识别考勤领域有着很大的参考价值。

本文内容包括但不限于文字、数据、图表及超链接等)均来源于该信息及资料的相关主题。发布者:源码客栈网 ,原文地址:https://m.bishedaima.com/lunwen/46552.html

相关推荐

发表回复

登录后才能评论