Automated attendance system using M

Automated attendance system using Markov random field algorithm

Abhilash Maradwar1, Nikita Suryawanshi2, Tushar Panpaliya3, Suraj Songire4
PVG’s COET, PUNE, India1,2,3,4

Abstract: Computer dependent communication is based on a very important factor, which is Authentication. Human face recognition is an important branch of biometric verification and has a wide range of application. In this paper we describe a method for Automated Attendance System which is based on face recognition by Markov Random Field algorithm. The system describes a method for marking the student’s attendance using proposed algorithm and also provides additional features like maintaining the student database and required information about them. There are many advantages of this system over traditional method for attendance. It eliminates the overhead of manually marking the attendance and reduces the time and efforts. Markov Random Field algorithm is Pose-Invariant that does not require manually selection of facial landmarks or head pose estimation. In order to improve the performance of our pose normalization method in face recognition, we also present an algorithm for classifying whether a given face image is at a frontal or non-frontal pose. Experimental results on different datasets are presented to demonstrate the effectiveness of the proposed approach

Keywords: Markov Random Field, Pose-Invariant, frontal or non-frontal pose

I. INTRODUCTION


Student’s attendance records are important documents for academic institutions that reflect the students' performances and the credibility of the academic institutions. Nevertheless, the process of managing these documents had been done manually, by pen and papers thus making it less efficient. This paper discusses about the development of the new Online Attendance System as the enhancement of the previous developed system named Attendance Register System for higher academic institutions. The new online system is being developed by adapting the concept of the web-based system architecture. The web-based system architecture used in the development of this system involves integration of various open source web-based technologies such as MySQL, PHP and Apache Web Server hence making the Online Attendance System more efficient and cost effective. The development of the Online Attendance System involves four main phases which are the construction of the conceptual framework where the scopes and requirements as well as the target users of the system had been identified, developing the proposed system's architecture by adapting to the web-based architecture, and the construction of the logical design and the physical design. The Online Attendance System consists of automated processes such as able to generate online attendance reports, warning letters and graph charts thus making the processes of recording and reporting the students' attendances more efficient and well-organized.
With the rapid development in the field of pattern recognition and its uses in different areas e.g. (signature recognition, facial recognition), arises the importance of the utilization of this technology in different areas in large organizations. This is mainly because these applications help the top-management take decisions that improve the performance and effectiveness of the organization. On the other hand, for an organization to be effective, it needs

accurate and fast means of recording the performance of the people inside this organization. Biometric recognition has the potential to become an irreplaceable part of many identification systems used for evaluating the performance of those people working within the organization. Although biometric technologies are being applied in many fields it has not yet delivered its promise of guaranteeing automatic human recognition. This research is the first of its kind to attempt to provide an automated attendance system that recognizes students using face recognition technology through an image/video stream to record their attendance in lectures or sections and evaluating their performance accordingly.
We have studied the literature available in the fields of pattern recognition and biometric systems with a focus on facial recognition. In addition, a study of previous attendance systems and it atomization attempts was conducted to examine the similar previous systems. The literature is divided into three main parts; the first part examines the different biometric characteristics and systems. After that, an in depth study on facial recognition is conducted for it is the technology to be used by our proposed project. The final portion of this literature review presents the different time and attendance systems offered by different researchers and vendors.

II. MOTIVATION

Student’s attendance records are important documents that reflect their performance.Traditional attendance register system is time consuming. It involved one by one marking the attendance of the students by calling their name and check whether the student is present or not. Other method was to supply the attendance sheet to student to mark their attendance which have high chances of proxies. Thus we introduce a system which is based on Multi-face


recognition that will reduce the proxies and also time to mark the attendance.This will also reduce the need to reduce paper pen work for managing documents.
Biometric systems over normal automated system is
preferred to authenticate the user.Real human physical characteristics are almost impossible to change.Passwords, cards are subjected to theft, loss or passing to someone else.
III. OVERVIEW

1) Camera: Camera is used to capture face image of students in which Image containing facewill be used for detection and recognition.
2) Internal Resize: As input will be some fixed size face images. So before using for recognition, images should be resized so that it can be as per the input face image.
3) Face Identification and feature extraction: In face detection, particular face region will be considered and features will be extracted using suitable feature extraction
algorithm.
4) Save template in DB: If input face image will be new then it should be stored in DB. So that further that image will be used in matching process. Automated attendance system using face recognition.
5) Match with template in DB: If face image is already present in DB then for making an attendance it will first match with images in database. And if match found the attendance will be marked.
6) Displayed in Application: After detection and matching if input image found in database then it will be displayed on output screen i.e. in application as an attendance will be marked.

IV. SYSTEM IMPLEMENTATION

A. Algorithms Used :
Here, lattice points whose local patches are inside the image form a set of MRF nodes V. The set of warps Pi can be considered as the set of possible labels for node i. A 4- connected neighbourhood system is then by edges E of the MRF. We also present a method that is classifies whether an input face image is frontal or non-frontal. This method extracts dense SIFT descriptors from the input face image and performs classification using the Support Vector Machine (SVM) algorithm.

















Fig1: Neighbouring MRF nodes


Step 1: Gather and prepare the data.
Let the training set of face images be I1, I2… IM
Step 2: Find optimal set of local warps.
We have two images, the Training image I and the gallery
image T. The images are divided into M blocks (rectangle patches) and for each pair of corresponding patches, Ii and Ti, a local warp Wi is estimated. The warp Wi, parameterized by the vector pi, minimizes the error function. If W(p) is an affine warp with parameters p = (p1, p2, p3, p4, p5, p6)T , it can be written as




Step 3: Find Optimal Labels using BP algorithm.
It is an inference technique that works by passing local messages along the nodes of a MRF [2]. Using negative logarithmic probabilities, a message from node i to

Nodej at time t is defined as



Assume that all messages converge after s iterations, the belief of node i for pi •¸ Pi , bi (pi ) is computed as



Step 4: Frontal View Classification.
It is important to be able to automatically decide if the input face image is frontal or non-frontal. In our approach, the frontal-view classification is performed using the Support Vector Machine (SVM) algorithm. First, dense Scale Invariant Feature Transform (SIFT) descriptors are extracted from image grid points in order to obtain a representation that is robust to noise and illumination variations. The dimension of the concatenated descriptor vector is reduced for efficient processing by using Random Projection (RP). Finally, an SVM is employed to decide whether the face image is at the frontal pose or not.

B.Input and Output:

The inputs of our system consist of bit streams representing the image, a face, and a set of projections. The image, as well as the face, will consist of 122 x 92
=10304 pixels, each being 8-bit grayscale (256 levels ranging from 0 to 255). These values were used successfully by many research groups. These figures were chosen because they provide a good balance between size and accuracy. The output of our system will consist of the face ID with the closest match.



Fig2:System Overview

All this information will be displayed on the GUI of the PC. It will always call a stored procedure in the database with image ID as its parameter to record the student’s attendance.

V. EXPERIMENTAL RESULTS

A. Frontal-View Classification Using Dense SIFT Descriptors


The proposed frontal-view classification algorithm was trained using an SVM on 2D images generated from the
3D faces in the USF 3D database [7]. By rotating the 3D models and projecting them into the image plane, we can synthesize the 2D face

ผลลัพธ์ (ไทย) 1:

ระบบเข้าโดยอัตโนมัติโดยใช้อัลกอริทึมแบบสุ่มฟิลด์ MarkovAbhilash Maradwar1 นิกิตา Suryawanshi2, Tushar Panpaliya3 ซูรัจ Songire4ของ PVG COET ปูเน India1, 2, 3, 4บทคัดย่อ: การสื่อสารของคอมพิวเตอร์ขึ้นอยู่กับจะขึ้นอยู่กับปัจจัยที่สำคัญมาก ซึ่งเป็นการรับรองความถูกต้อง จดจำใบหน้ามนุษย์เป็นสาขาสำคัญของการตรวจสอบตรวจสอบทางชีวภาพ และมีความหลากหลายของโปรแกรมประยุกต์ ในเอกสารนี้ เราอธิบายวิธีการอัตโนมัติเข้าระบบซึ่งขึ้นอยู่กับการรู้จำใบหน้า โดยอัลกอริทึม Markov สุ่มฟิลด์ ระบบอธิบายถึงวิธีการทำเครื่องหมายของนักเรียนเข้าใช้อัลกอริทึมที่นำเสนอ และยัง มีคุณสมบัติเพิ่มเติมเช่นรักษาฐานข้อมูลนักเรียนและข้อมูลที่จำเป็นเกี่ยวกับพวกเขา มีประโยชน์มากของระบบนี้มากกว่าวิธีการดั้งเดิมในการเข้า มันเอาค่าโสหุ้ยของการทำเครื่องหมายเข้าร่วมประชุมด้วยตนเอง และช่วยลดเวลาและความพยายาม ฟิลด์สุ่ม Markov อัลกอริทึมจะก่อให้เกิดภาษาที่ไม่ต้องการด้วยตนเองเลือกสถานที่ใบหน้า หรือศีรษะก่อให้เกิดการประเมิน เพื่อปรับปรุงประสิทธิภาพของวิธีการฟื้นฟูของเราก่อให้เกิดในการรู้จำใบหน้า เรายังมีขั้นตอนวิธีการสำหรับการจัดประเภทว่ารูปหน้าให้ที่หน้าผาก หรือหน้า ผากไม่ก่อให้เกิด ผลการทดลองบน datasets ที่แตกต่างกันจะแสดงให้เห็นถึงประสิทธิภาพของวิธีการนำเสนอคำสำคัญ: Markov สุ่มฟิลด์ ก่อให้เกิดภาษา หน้าผาก หรือหน้า ผากไม่ก่อให้เกิดI. บทนำ ระเบียนของนักศึกษาเข้าร่วมประชุมเป็นเอกสารสำคัญสำหรับสถาบันการศึกษาที่สะท้อนให้เห็นถึงการแสดงของนักเรียนและความน่าเชื่อถือของสถาบันการศึกษา อย่างไรก็ตาม กระบวนการจัดการเอกสารเหล่านี้ได้แล้วด้วยตนเอง ปากกาและกระดาษจึง ทำให้มีประสิทธิภาพน้อย เอกสารนี้อธิบายเกี่ยวกับการพัฒนาระบบเข้างานออนไลน์ใหม่เป็นการเพิ่มประสิทธิภาพของระบบการพัฒนาก่อนหน้าชื่อระบบการลงทะเบียนเข้างานสำหรับสถาบันการศึกษาที่สูงขึ้น ระบบออนไลน์ใหม่จะได้รับการพัฒนา โดยการดัดแปลงแนวคิดของสถาปัตยกรรมระบบเว็บ สถาปัตยกรรมระบบเว็บที่ใช้ในการพัฒนาระบบนี้เกี่ยวข้องกับการรวมของต่าง ๆ มาเปิดเว็บเทคโนโลยีเช่น MySQL, PHP และ Apache เว็บเซิร์ฟเวอร์ทำการเข้าระบบออนไลน์ดังนั้น คุ้มค่า และมีประสิทธิภาพมาก การพัฒนาระบบออนไลน์เกี่ยวข้องกับหลักสี่ระยะซึ่งเป็นการสร้างกรอบแนวคิดที่มีขอบเขต และความต้องการ ตลอดจนผู้ใช้เป้าหมายของระบบได้รับการระบุ การพัฒนาสถาปัตยกรรมของระบบที่นำเสนอ โดยดร.สถาปัตยกรรมบนเว็บ และการก่อสร้างการออกแบบเชิงตรรกะและการออกแบบทางกายภาพ ระบบออนไลน์ประกอบด้วยกระบวนการอัตโนมัติเช่นสามารถเข้างานออนไลน์รายงาน จดหมายเตือนและกราฟแผนภูมิจึง ทำให้กระบวนการของการบันทึก และการรายงานของนักเรียน attendances ดีจัด และมีประสิทธิภาพมากขึ้นมีการพัฒนาอย่างรวดเร็วในการรับรู้รูปแบบและการใช้ในพื้นที่ต่างๆ เช่น (ลายเซ็นการรับรู้ จดจำใบหน้า), เป็นความสำคัญของการใช้ประโยชน์ของเทคโนโลยีนี้ในพื้นที่ต่าง ๆ ในองค์กรขนาดใหญ่ นี้เป็น เพราะโปรแกรมเหล่านี้ช่วยจัดการด้านบนที่ใช้การตัดสินใจที่ปรับปรุงประสิทธิภาพและประสิทธิผลขององค์กร บนมืออื่น ๆ สำหรับองค์กรที่มีประสิทธิภาพ ความ หมายถึงความถูกต้อง และรวดเร็วของการบันทึกของคนภายในองค์กรนี้ การตรวจสอบทางชีวภาพมีศักยภาพในการกลายเป็น ส่วน irreplaceable ระบบรหัสต่าง ๆ ที่ใช้ในการประเมินการทำงานภายในองค์กร แม้ว่าเทคโนโลยีการตรวจสอบทางชีวภาพจะถูกนำไปใช้ในหลายสาขา ก็มียังไม่จัดส่งสัญญาของมนุษย์รู้อัตโนมัติรับประกัน งานวิจัยนี้เป็นที่แรกพยายามให้เป็นระบบอัตโนมัติเข้าที่นักเรียนรู้จักใช้เทคโนโลยีรู้จำใบหน้าผ่านการสตรีมภาพ/วิดีโอบันทึกการเข้างานในการบรรยายหรือส่วนและประเมินการปฏิบัติตามเราได้ศึกษาวรรณคดีที่ว่างในเขตข้อมูลของการรู้จำรูปแบบและระบบการตรวจสอบทางชีวภาพความจดจำใบหน้า เพิ่ม การศึกษาก่อนหน้านี้เข้าระบบและ พยายามแยกเป็นอะตอมได้ดำเนินการตรวจสอบระบบก่อนหน้านี้เหมือนกัน วรรณคดีถูกแบ่งออกเป็น 3 ส่วนหลัก ส่วนแรกตรวจสอบลักษณะการตรวจสอบทางชีวภาพแตกต่างกันและระบบ หลังจากนั้น ความลึกในการเรียนบนใบหน้าดำเนินการการรับรู้มีเทคโนโลยีที่จะใช้ โดยเสนอโครงการ ส่วนสุดท้ายของการทบทวนวรรณกรรมนี้แสดงเวลาที่แตกต่างและนำเสนอ โดยนักวิจัยต่าง ๆ และผู้จัดจำหน่ายระบบลงII. แรงจูงใจระเบียนของนักศึกษาเข้าร่วมประชุมเป็นเอกสารสำคัญที่แสดงถึงประสิทธิภาพของพวกเขา ระบบลงทะเบียนแบบดั้งเดิมคือใช้เวลานาน มันเกี่ยวข้องกับหนึ่งทำเครื่องหมายการเข้าร่วมของนักเรียน โดยการเรียกชื่อและตรวจสอบว่านักเรียนมีอยู่ หรือไม่ วิธีอื่น ๆ คือการ ใส่แผ่นเข้ากับนักเรียนเพื่อเข้าร่วมประชุมของพวกเขาซึ่งมีโอกาสสูงที่ผู้รับมอบฉันทะ ดังนั้น เราแนะนำระบบที่ใช้หลายหน้า การที่จะลดการพร็อกซี และยัง เวลาเพื่อเข้าร่วมประชุม นี้ยังจะลดต้องลดกระดาษปากกางานการจัดการเอกสารมีระบบตรวจสอบทางชีวภาพผ่านระบบอัตโนมัติปกติต้องรับรองความถูกต้องผู้ใช้ ลักษณะทางกายภาพที่มนุษย์เกือบจะไม่สามารถเปลี่ยนแปลงได้ รหัสผ่าน บัตรที่ต้องการขโมย ขาดทุน หรือช่วยให้ผู้อื่นIII. ภาพรวม1) กล้อง: ใช้กล้องจับภาพใบหน้าของนักเรียนที่ประกอบด้วยรูป facewill ใช้สำหรับตรวจหาและการรับรู้2) ปรับขนาดภายใน: เป็นอินพุตจะบางรูปหน้าขนาดถาวร ดังนั้น ก่อนที่จะใช้สำหรับการรับรู้ ภาพควรปรับขนาดให้ได้ตามรูปหน้าเข้านั้น3) แยกรหัสและลักษณะหน้า: ตรวจจับใบหน้า เฉพาะหน้าภูมิภาคจะพิจารณา และจะแยกคุณสมบัติใช้แยกคุณลักษณะที่เหมาะสมอัลกอริทึมการ4) ต้นแบบบันทึกใน DB: ถ้ารูปหน้าเข้าจะใหม่ แล้วควรจัดเก็บใน DB เพิ่มเติม ภาพที่จะใช้ในกระบวนการจับคู่ อัตโนมัติระบบใช้การรู้จำใบหน้า5) จับคู่กับแม่ใน DB: ถ้ารูปหน้าอยู่ ใน DB แล้วทำเข้าตัวแรกจะตรงกับรูปภาพในฐานข้อมูล และ ถ้าจับพบเข้าจะถูก6 แสดงในแอพลิเคชัน: หลังจากการตรวจจับและการจับคู่ถ้ารูปเข้าพบในฐานข้อมูล นั้นจะถูกแสดงบนหน้าจอการแสดงผลเช่นในแอพลิเคชันเป็นการเข้าร่วมประชุมจะถูกIV. ระบบงานA. อัลกอริทึมที่ใช้:ที่นี่ โครงตาข่ายประกอบจุดปรับปรุงถิ่นอยู่ภายในแบบภาพชุดของโหน MRF V ชุดของ warps ปี่ถือได้ว่าเป็นชุดของป้ายเป็นไปได้สำหรับโหนฉัน 4-ระบบเชื่อมต่อไปจากนั้นจะ ด้วยขอบ E MRF เรายังมีวิธีการที่จัดประเภทว่ารูปหน้าเข้าเป็นหน้าผาก หรือหน้า ผากไม่ใช่ วิธีนี้แยกตัวบอก SIFT หนาแน่นจากรูปหน้าป้อนข้อมูล และทำการจัดประเภทโดยใช้อัลกอริทึมเครื่องสนับสนุนเวกเตอร์ (SVM)Fig1: เพื่อนบ้านรอบ ๆ โหน MRF ขั้นตอนที่ 1: รวบรวม และจัดเตรียมข้อมูลให้ชุดฝึกของรูปหน้าเป็น I1, I2 ... IMขั้นตอนที่ 2: ค้นหาชุด warps ท้องถิ่นเหมาะสมที่สุดเรามีสองภาพ ฝึกภาพฉันและเก็บภาพต. มีแบ่งภาพ เป็นบล็อก M (สี่เหลี่ยมปะ) และแต่ละคู่ของซอฟต์แวร์ที่เกี่ยวข้อง Ii และตี้ การแปรปรวนท้องถิ่นประมาณอินเตอร์ แปรปรวนอินเตอร์ ค่าพารามิเตอร์ โดยปี่เวกเตอร์ ช่วยลดการทำงานผิดพลาด ถ้า W(p) การแปรปรวน affine มีพารามิเตอร์ p = (p1, p 2, p3, p4, p5, p6) T มันสามารถเขียนเป็นขั้นตอนที่ 3: ค้นหาป้ายที่เหมาะสมโดยใช้อัลกอริทึม BPมันเป็นเทคนิคเป็นข้อที่ทำงาน โดยส่งข้อความภายในเครื่องตามโหนดของ MRF [2] ใช้ลบลอการิทึมกิจกรรม ข่าวสารจากโหนเป็นมีกำหนด Nodej ที่เวลา t เป็น สมมติว่า ข้อความทั้งหมดที่มาบรรจบกันหลัง s ซ้ำ ความเชื่อของโหนสำหรับ•¸ปี่ปี่ bi (ปี่) ฉันคำนวณเป็น ขั้นตอนที่ 4: ดูหน้าผากประเภทสิ่งสำคัญที่จะต้องตัดสินใจโดยอัตโนมัติว่ารูปหน้าเข้าหน้าผาก หรือหน้า ผากไม่ได้ ในวิธีการของเรา การจัดประเภทดูหน้าผากจะดำเนินการโดยใช้อัลกอริทึมเครื่องสนับสนุนเวกเตอร์ (SVM) ตัวบอกขนาดบล็อกคุณลักษณะแปลง (SIFT) แรก ความหนาแน่นสูงที่สกัดจากรูปเส้นเพื่อให้ได้ตัวแทนที่มีประสิทธิภาพการเปลี่ยนแปลงเสียงและแสงสว่าง ขนาดของเวกเตอร์บอกต่อจะลดลงสำหรับการประมวลผลที่มีประสิทธิภาพโดยฉายภาพสุ่ม (RP) สุดท้าย SVM เป็นลูกจ้างในการตัดสินใจว่า รูปหน้าเป็นที่ก่อให้เกิดหน้าผาก หรือไม่B.Input และผลผลิต:อินพุตของระบบของเราประกอบด้วยกระแสข้อมูลบิตที่แสดงรูปภาพ ใบหน้า และชุดของประมาณ รูปภาพ รวมทั้งหน้า จะประกอบด้วย 122 x 92= 10304 พิกเซล มี 8 บิตแต่ละระดับสีเทา (256 ระดับตั้งแต่ 0 ถึง 255) ค่าเหล่านี้ถูกใช้เสร็จเรียบร้อยแล้ว โดยในงานวิจัย ตัวเลขเหล่านี้ถูกเลือก เพราะพวกเขาให้สมดุลที่ดีระหว่างขนาดและความถูกต้อง ผลลัพธ์ของระบบของเราจะประกอบด้วยรหัสหน้าด้วยการจับคู่ที่ใกล้เคียงที่สุด ภาพรวม Fig2:Systemข้อมูลนี้จะแสดงบน GUI ของเครื่องคอมพิวเตอร์ มันจะเรียกกระบวนงานเก็บไว้ในฐานข้อมูลมีรูป ID เสมอเป็นพารามิเตอร์ของการบันทึกการเข้างานของนักเรียนV. ผลการทดลองA. หน้าผากดูประเภทใช้หนาแน่นลอดตัวบอก ได้เข้าอบรมใช้ SVM เป็นภาพ 2D ที่สร้างขึ้นจากอัลกอริทึมเสนอหน้าผากดูประเภท3D หันหน้าในฐานข้อมูล 3D เลา [7] โดยหมุนรูปแบบ 3D และ projecting นั้นเป็นภาพเครื่องบิน เราสามารถสังเคราะห์หน้า 2D

ผลลัพธ์ (ไทย) 2:

ระบบการเข้าร่วมอัตโนมัติโดยใช้อัลกอริทึมสนามมาร์คอฟแบบสุ่มAbhilash Maradwar1 นิกิตา Suryawanshi2, Tushar Panpaliya3, ราจ Songire4 PVG ของ Coet, ปูน, India1,2,3,4 บทคัดย่อ: การสื่อสารคอมพิวเตอร์ขึ้นจะขึ้นอยู่กับปัจจัยที่สำคัญมากซึ่งรับรองความถูกต้อง จดจำใบหน้ามนุษย์เป็นสาขาที่สำคัญของการตรวจสอบลายนิ้วมือและมีความหลากหลายของโปรแกรม ในบทความนี้เราจะอธิบายวิธีการในการเข้าร่วมระบบอัตโนมัติซึ่งจะขึ้นอยู่ในการจดจำใบหน้าโดยวิธีสุ่มมาร์คอฟฟิลด์ ระบบจะอธิบายวิธีการสำหรับการทำเครื่องหมายการเข้าร่วมประชุมของนักเรียนโดยใช้อัลกอริทึมที่นำเสนอและยังมีคุณสมบัติเพิ่มเติมเช่นการรักษาฐานข้อมูลนักศึกษาและข้อมูลที่จำเป็นเกี่ยวกับพวกเขา มีข้อดีของระบบนี้มากกว่าวิธีการแบบดั้งเดิมสำหรับการเข้าร่วมเป็น มันจะช่วยลดค่าใช้จ่ายของการทำเครื่องหมายการเข้าร่วมประชุมด้วยตนเองและลดเวลาและความพยายาม อัลกอริทึมมาร์คอฟสนามสุ่ม Pose-คงที่ไม่จำเป็นต้องเลือกด้วยตนเองในสถานที่สำคัญใบหน้าหรือศีรษะก่อให้เกิดการประมาณค่า เพื่อที่จะปรับปรุงประสิทธิภาพของวิธีการฟื้นฟูของเราในการก่อให้เกิดการจดจำใบหน้าที่เรายังนำเสนออัลกอริทึมสำหรับการจำแนกประเภทไม่ว่าจะเป็นภาพใบหน้าที่ได้รับอยู่ที่หน้าผากหรือไม่ก่อให้เกิดหน้าผาก ผลการทดลองในชุดข้อมูลที่แตกต่างกันนั้นจะแสดงให้เห็นถึงประสิทธิภาพของวิธีการที่นำเสนอคำสำคัญ: มาร์คอฟสนามสุ่ม Pose-หมู่, หน้าผากหรือไม่ก่อให้เกิดหน้าผากฉัน บทนำการเข้าร่วมของนักเรียนเป็นเอกสารสำคัญสำหรับสถาบันการศึกษาที่สะท้อนให้เห็นการแสดงของนักเรียนและความน่าเชื่อถือของสถาบันการศึกษา แต่กระบวนการในการจัดการเอกสารเหล่านี้ได้รับการดำเนินการด้วยตนเองโดยปากกาและกระดาษจึงทำให้มีประสิทธิภาพน้อยกว่า บทความนี้กล่าวถึงเกี่ยวกับการพัฒนาของระบบการเข้าร่วมประชุมออนไลน์ใหม่เช่นการเพิ่มประสิทธิภาพของระบบที่พัฒนาแล้วก่อนหน้านี้ชื่อระบบสมัครสมาชิกเข้าร่วมประชุมสำหรับสถาบันการศึกษาที่สูงขึ้น ระบบออนไลน์รูปแบบใหม่จะถูกพัฒนาโดยการปรับแนวคิดของสถาปัตยกรรมระบบ Web-based ระบบ Web-based สถาปัตยกรรมที่ใช้ในการพัฒนาระบบนี้เกี่ยวข้องกับการรวมตัวกันของโอเพนซอร์สเทคโนโลยีต่างๆใน web-based เช่น MySQL, PHP และ Apache เว็บเซิร์ฟเวอร์จึงทำให้ระบบการเข้าร่วมประชุมออนไลน์มีประสิทธิภาพมากขึ้นและค่าใช้จ่ายที่มีประสิทธิภาพ การพัฒนาระบบการเข้าร่วมประชุมออนไลน์ที่เกี่ยวข้องกับสี่ขั้นตอนหลักคือการก่อสร้างของกรอบแนวคิดที่ขอบเขตและความต้องการเช่นเดียวกับผู้ใช้เป้าหมายของระบบที่ได้รับการระบุการพัฒนาสถาปัตยกรรมระบบที่นำเสนอโดยการปรับตัวเข้ากับสถาปัตยกรรมบนเว็บ และการก่อสร้างของการออกแบบเชิงตรรกะและการออกแบบทางกายภาพ ระบบออนไลน์เข้าร่วมประชุมประกอบด้วยกระบวนการแบบอัตโนมัติเช่นความสามารถในการสร้างรายงานการเข้าร่วมประชุมออนไลน์จดหมายเตือนและแผนภูมิกราฟจึงทำให้กระบวนการของการบันทึกและการรายงานการเข้าร่วมของนักเรียนได้อย่างมีประสิทธิภาพมากขึ้นและดีจัด. กับการพัฒนาอย่างรวดเร็วในด้านของรูปแบบ การรับรู้และการใช้งานในพื้นที่ที่แตกต่างกันเช่น (การรับรู้ลายเซ็นจดจำใบหน้า) เกิดขึ้นความสำคัญของการใช้ประโยชน์ของเทคโนโลยีนี้ในพื้นที่ที่แตกต่างกันในองค์กรขนาดใหญ่ นี้เป็นส่วนใหญ่เพราะโปรแกรมเหล่านี้ช่วยให้การจัดการด้านบนใช้การตัดสินใจที่ปรับปรุงประสิทธิภาพและประสิทธิผลขององค์กร ในทางกลับกันสำหรับองค์กรที่จะมีผลบังคับใช้ก็ต้องหมายถึงความถูกต้องและรวดเร็วในการบันทึกผลการปฏิบัติงานของผู้คนที่อยู่ภายในองค์กรนี้ การรับรู้ไบโอเมตริกซ์มีศักยภาพที่จะกลายเป็นส่วนหนึ่งของการไม่สามารถถูกแทนที่ระบบการระบุจำนวนมากที่ใช้ในการประเมินผลการปฏิบัติงานของคนเหล่านั้นทำงานภายในองค์กร แม้ว่าเทคโนโลยีไบโอเมตริกซ์จะถูกนำไปใช้ในด้านต่างๆก็ยังไม่ได้ส่งมอบสัญญาของการรับประกันการรับรู้ของมนุษย์อัตโนมัติ การวิจัยครั้งนี้เป็นครั้งแรกของชนิดที่จะพยายามที่จะให้ระบบการเข้าร่วมอัตโนมัติที่ตระหนักถึงนักเรียนโดยใช้เทคโนโลยีการจดจำใบหน้าผ่านภาพ / วิดีโอสตรีมในการบันทึกการเข้าร่วมประชุมของพวกเขาในการบรรยายหรือส่วนและประเมินผลการดำเนินงานของพวกเขาตาม. เรามีการศึกษาวรรณกรรมที่มีอยู่ใน ด้านของการจดจำรูปแบบและระบบไบโอเมตริกซ์ที่มีความสำคัญในการจดจำใบหน้า นอกจากนี้การศึกษาระบบการเข้าร่วมประชุมก่อนหน้านี้และมันพยายามทำให้เป็นละอองได้ดำเนินการในการตรวจสอบระบบก่อนหน้านี้ที่คล้ายกัน วรรณกรรมแบ่งออกเป็นสามส่วนหลัก; ส่วนแรกจะตรวจสอบลักษณะทางชีวภาพและระบบที่แตกต่างกัน หลังจากนั้นในการศึกษาเชิงลึกเกี่ยวกับการจดจำใบหน้าจะดำเนินการเพราะมันเป็นเทคโนโลยีที่จะนำมาใช้โดยโครงการที่เสนอของเรา ส่วนสุดท้ายของการทบทวนวรรณกรรมนี้ได้นำเสนอเวลาที่แตกต่างกันและระบบการเข้าร่วมนำเสนอโดยนักวิจัยและผู้ขายที่แตกต่างกัน. ครั้งที่สอง แรงจูงใจของนักศึกษาร่วมบันทึกเป็นเอกสารสำคัญที่สะท้อนให้เห็นถึงระบบการเข้าร่วมลงทะเบียน performance.Traditional ของพวกเขาเป็นเวลานาน มันเกี่ยวข้องกับการอย่างใดอย่างหนึ่งโดยหนึ่งในการทำเครื่องหมายการเข้าร่วมประชุมของนักเรียนโดยการเรียกชื่อของพวกเขาและตรวจสอบว่านักศึกษาเป็นปัจจุบันหรือไม่ วิธีการอื่น ๆ คือการจัดหาแผ่นเข้าร่วมประชุมกับนักเรียนที่เข้าร่วมประชุมเพื่อทำเครื่องหมายของพวกเขาที่มีโอกาสสูงของผู้รับมอบฉันทะ ดังนั้นเราจึงแนะนำระบบซึ่งจะขึ้นอยู่กับหลายใบหน้าได้รับการยอมรับที่จะช่วยลดการมอบฉันทะและยังมีเวลาที่จะทำเครื่องหมาย attendance.This ยังจะช่วยลดความจำเป็นในการลดการทำงานปากกากระดาษสำหรับการจัดการเอกสาร. ระบบไบโอเมตริกซ์มากกว่าระบบอัตโนมัติปกติที่ต้องการ รับรองความถูกต้อง user.Real ลักษณะทางกายภาพของมนุษย์เกือบจะเป็นไปไม่ได้ที่จะ change.Passwords บัตรจะถูกขโมยสูญเสียหรือการส่งผ่านไปยังคนอื่น. III ภาพรวม1) กล้อง: กล้องที่ใช้ในการจับภาพใบหน้าของนักเรียนที่มีภาพ facewill นำมาใช้สำหรับการตรวจสอบและการรับรู้. 2) ภายในขนาด: เป็นอินพุทจะมีบางภาพใบหน้าขนาดคงที่ ดังนั้นก่อนที่จะใช้สำหรับการรับรู้ภาพที่ควรได้รับการปรับขนาดเพื่อที่จะสามารถเป็นต่อภาพใบหน้าป้อนข้อมูล. 3) หน้าบัตรประจำตัวและการสกัดคุณลักษณะ: ในการตรวจหาใบหน้าภูมิภาคใบหน้าโดยเฉพาะอย่างยิ่งจะได้รับการพิจารณาและคุณสมบัติที่จะถูกแยกโดยใช้การดึงความเหมาะสมขั้นตอนวิธี . 4) แม่แบบการบันทึกในฐานข้อมูล: ถ้าภาพใบหน้าที่จะป้อนข้อมูลใหม่ก็ควรจะเก็บไว้ในฐานข้อมูล เพื่อที่ว่าต่อไปภาพที่จะนำมาใช้ในขั้นตอนการจับคู่ . เข้าระบบอัตโนมัติโดยใช้การจดจำใบหน้า5) ตรงกับแม่แบบใน DB: ถ้าภาพใบหน้าที่มีอยู่แล้วในฐานข้อมูลแล้วสำหรับการเข้าร่วมประชุมเป็นครั้งแรกจะตรงกับภาพในฐานข้อมูล และถ้าพบว่าผู้เข้าร่วมการแข่งขันจะถูกทำเครื่องหมาย. 6) ที่แสดงในการใช้งาน:. หลังจากตรวจสอบและการจับคู่ถ้าภาพที่นำเข้าพบในฐานข้อมูลแล้วมันจะปรากฏบนหน้าจอเช่นการส่งออกในการสมัครเป็นผู้เข้าร่วมจะถูกทำเครื่องหมายIV ระบบการดำเนินงานเอ อัลกอริทึมที่ใช้: ที่นี่มีจุดขัดแตะแพทช์ในท้องถิ่นอยู่ในรูปแบบของภาพชุดของโหนด MRF โวลต์ชุดของประลองยุทธ์ Pi ถือได้ว่าเป็นชุดของป้ายชื่อที่เป็นไปได้สำหรับโหนดฉัน 4 ระบบการเชื่อมต่อเป็นพื้นที่ใกล้เคียงแล้วโดยขอบ E ของ MRF นอกจากนี้เรายังนำเสนอวิธีการที่สามารถจัดประเภทไม่ว่าจะเป็นภาพใบหน้าคือหน้าผากป้อนข้อมูลหรือไม่หน้าผาก วิธีนี้สารสกัดอธิบายร่อนหนาแน่นจากภาพใบหน้าที่ป้อนข้อมูลและดำเนินการจัดหมวดหมู่โดยใช้การสนับสนุนเครื่องเวกเตอร์ (SVM) อัลกอริทึม. Fig1: เพื่อนบ้าน MRF โหนดขั้นตอนที่ 1:. รวบรวมและจัดทำข้อมูลให้ชุดการฝึกอบรมของภาพใบหน้าจะ I1, I2 ... IM ขั้นตอนที่ 2: หาชุดที่ดีที่สุดของประลองยุทธ์ท้องถิ่น. เรามีสองภาพภาพการฝึกอบรมที่ผมและแกลเลอรี่ภาพตภาพจะถูกแบ่งออกเป็นบล็อก M (แพทช์สี่เหลี่ยม) และสำหรับคู่ของแพทช์ที่สอดคล้องกันในแต่ละครั้งที่สองและ Ti, Wi วิปริตในท้องถิ่นเป็นที่คาดกัน Wi วิปริต, แปรตามปี่เวกเตอร์, ฟังก์ชั่นช่วยลดข้อผิดพลาด หาก W (P) เป็นวิปริตเลียนแบบกับพารามิเตอร์ p = (p1, p2, p3, p4, p5, p6) T ก็สามารถเขียนเป็นขั้นตอนที่ 3: หาป้ายที่เหมาะสมโดยใช้วิธี BP. มันเป็นเทคนิคการอนุมานที่ทำงาน โดยการส่งผ่านข้อความในท้องถิ่นพร้อมโหนด MRF [2] การใช้ความน่าจะเป็นลอการิทึมลบข้อความจากโหนด i เพื่อNodej เวลา t ถูกกำหนดให้เป็นสมมติว่าข้อความทั้งหมดมาบรรจบกันหลังจากการทำซ้ำของความเชื่อของโหนดฉันปี่•¸ Pi, สอง (ปี่) คำนวณเป็นขั้นตอนที่ 4: ด้านหน้าดู การจำแนกประเภท. มันเป็นสิ่งสำคัญที่จะสามารถตัดสินใจได้ว่าโดยอัตโนมัติภาพใบหน้าเข้าเป็นหน้าผากหรือไม่หน้าผาก ในแนวทางของเรา, การจัดหมวดหมู่หน้าผากมุมมองจะดำเนินการใช้เครื่องเวกเตอร์สนับสนุน (SVM) อัลกอริทึม ครั้งแรกที่มีความหนาแน่นสูงขนาดคงคุณสมบัติการแปลง (ร่อน) อธิบายที่สกัดจากจุดกริดภาพเพื่อให้ได้ตัวแทนที่มีประสิทธิภาพเสียงและรูปแบบการส่องสว่าง ขนาดของเวกเตอร์บ่งตัดแบ่งจะลดลงสำหรับการประมวลผลที่มีประสิทธิภาพโดยใช้การฉายภาพแบบสุ่ม (RP) สุดท้าย SVM เป็นลูกจ้างที่จะตัดสินใจว่าภาพใบหน้าที่หน้าผากก่อให้เกิดหรือไม่. B.Input และเอาท์พุท: ปัจจัยการผลิตของระบบของเราประกอบด้วยบิตลำธารที่เป็นตัวแทนของภาพใบหน้าและชุดของการคาดการณ์ ภาพเช่นเดียวกับใบหน้าจะประกอบด้วย 122 x 92 = 10,304 พิกเซลแต่ละเป็นสีเทา 8 บิต (256 ระดับตั้งแต่ 0-255) ค่าเหล่านี้ถูกนำมาใช้ประสบความสำเร็จโดยกลุ่มวิจัยจำนวนมาก ตัวเลขเหล่านี้ได้รับการแต่งตั้งเพราะพวกเขาให้สมดุลที่ดีระหว่างขนาดและความถูกต้อง การส่งออกของระบบของเราจะประกอบด้วยรหัสใบหน้าที่มีการแข่งขันที่ใกล้เคียงที่สุด. รูปที่ 2: ภาพรวมของระบบข้อมูลทั้งหมดนี้จะถูกแสดงบน GUI ของเครื่องคอมพิวเตอร์ มันจะเรียกขั้นตอนการจัดเก็บไว้ในฐานข้อมูลที่มี ID ภาพเป็นพารามิเตอร์ในการบันทึกการเข้าร่วมประชุมของนักเรียน. โวลต์ ผลการทดลองเอ ด้านหน้ามุมมองการจัดหมวดหมู่การใช้หนาแน่นร่อนอธิบายขั้นตอนวิธีการจัดหมวดหมู่หน้าผากเสนอมุมมองที่ได้รับการฝึกฝนการใช้ SVM ภาพ 2 มิติที่สร้างขึ้นจาก3D ใบหน้าในฐานข้อมูล 3D USF [7] โดยการหมุนแบบจำลอง 3 มิติและการฉายพวกเขาเป็นภาพเครื่องบินที่เราสามารถสังเคราะห์ใบหน้า 2D