早期的考勤通常就是用筆在記錄簿上簽個(gè)名字，由于代替的現(xiàn)象時(shí)有出現(xiàn)，通常使用生物識(shí)別、門禁刷1卡來做考勤。有些公司有公司獨(dú)立的ERP辦公系統(tǒng)，也有考勤管理制度。比指紋考勤機(jī)更方便，更嚴(yán)格。

點(diǎn)點(diǎn)時(shí)光（武漢）科技有限公司是校園移動(dòng)考勤信息化的，公司所推出的下一代校園移動(dòng)考勤產(chǎn)品—簽到莢，結(jié)合人臉檢測(cè)、人臉、人臉識(shí)別、檢測(cè)、GPS定位、WIFI定位、定位、錨點(diǎn)定位、云計(jì)算、移動(dòng)互聯(lián)等先進(jìn)技術(shù)，可有效防止考勤時(shí)困擾用戶的“代簽到”、“不到考勤點(diǎn)簽到”、“需排隊(duì)簽到”等問題。只要定期對(duì)巡更器上的數(shù)據(jù)進(jìn)行核查，就能準(zhǔn)確地掌握該巡更人員的到崗到位情況。歡迎來電咨詢！

人臉識(shí)別系統(tǒng)主要包括四個(gè)組成部分，分別為：人臉圖像采集及檢測(cè)、人臉圖像預(yù)處理、人臉圖像特征提取以及匹配與識(shí)別。

人臉圖像采集及檢測(cè)人臉圖像采集：不同的人臉圖像都能通過攝像鏡頭采集下來，比如靜態(tài)圖像、動(dòng)態(tài)圖像、不同的位置、不同表情等方面都可以得到很好的采集。當(dāng)用戶在采集設(shè)備的拍攝范圍內(nèi)時(shí)，采集設(shè)備會(huì)自動(dòng)搜索并拍攝用戶的人臉圖像。

人臉檢測(cè)：人臉檢測(cè)在實(shí)際中主要用于人臉識(shí)別的預(yù)處理，即在圖像中準(zhǔn)確標(biāo)定出人臉的位置和大小。人臉圖像中包含的模式特征十分豐富，如直方圖特征、顏色特征、模板特征、結(jié)構(gòu)特征及Haar特征等。人臉檢測(cè)就是把這其中有用的信息挑出來，并利用這些特征實(shí)現(xiàn)人臉檢測(cè)。以往查寢，輔導(dǎo)員或?qū)W生干部需要在晚上下課后去學(xué)生的各寢室查寢，然后在考勤表上做記錄，還要統(tǒng)計(jì)上報(bào)，工作量出奇的大，學(xué)生的自由度也受到限制。主流的人臉檢測(cè)方法基于以上特征采用Adaboost學(xué)習(xí)算法，Adaboost算法是一種用來分類的方法，它把一些比較弱的分類方法合在一起，組合出新的很強(qiáng)的分類方法。人臉檢測(cè)過程中使用Adaboost算法挑選出一些代表人臉的矩形特征(弱分類器)，按照加權(quán)的方式將弱分類器構(gòu)造為一個(gè)強(qiáng)分類器，再將訓(xùn)練得到的若干強(qiáng)分類器串聯(lián)組成一個(gè)級(jí)聯(lián)結(jié)構(gòu)的層疊分類器，有效地提高分類器的檢測(cè)速度。

一般來說，人臉識(shí)別系統(tǒng)包括圖像攝取、人臉定位、圖像預(yù)處理、以及人臉識(shí)別（身份確認(rèn)或者身份查找）。

系統(tǒng)輸入一般是一張或者一系列含有未確定身份的人臉圖像，以及人臉數(shù)據(jù)庫中的若干已知身份的人臉圖象或者相應(yīng)的編碼，而其輸出則是一系列相似度得分，表明待識(shí)別的人臉的身份。

人臉識(shí)別算法分類基于人臉特征點(diǎn)的識(shí)別算法（Feature-based recognition algorithms）。

基于整幅人臉圖像的識(shí)別算法（Appearance-based recognition algorithms）。

基于模板的識(shí)別算法（Template-based recognition algorithms）。

利用神經(jīng)網(wǎng)絡(luò)進(jìn)行識(shí)別的算法（Recognition algorithms using neural network）。