基于面部识别和RFID技术的无缝考勤监控系统

中英文论文标题

• 英文标题：Seamless Attendance Monitoring with Face Recognition and RFID Technology
• 中文标题：基于面部识别和RFID技术的无缝考勤监控系统

作者信息

• Mahesh B. L.，Department of AIML, NITTE (Deemed to be University), NMAM Institute of Technology, Karkala, Karnataka, India - 574110, mahesh.bl@nitte.edu.in
• Rashmi Adyapady R.，Department of AIML, NITTE (Deemed to be University), NMAM Institute of Technology, Karkala, Karnataka, India - 574110, rashmi.adyapady@nitte.edu.in
• Nithin Kurup U. G.，Department of AIML, Canara Engineering College, Mangalore, VTU, Belagavi, Karnataka, nithinkurup@gmail.com

论文出处

• 2024 IEEE International Conference on Distributed Computing, VLSI, Electrical Circuits and Robotics (DISCOVER) | 979-8-3503-5059-3/24/$31.00 ©2024 IEEE | DOI: 10.1109/DISCOVER62353.2024.10750690

论文主要内容

摘要

本文提出了一种结合面部识别技术和射频识别（RFID）的无缝考勤跟踪系统，旨在提高现代企业和教育环境中的考勤监控的准确性和安全性。面部识别技术提供了一种隐蔽且合法的人员识别方式，而RFID技术则能够快速自动记录考勤数据。通过结合这两种技术，提供了一种可靠且安全的方法来跟踪考勤，减少人为错误的可能性，并抵抗欺诈者使用代理的企图。该系统使用高级算法，如You Only Look Once (YOLOv8)和直方图梯度（HOG）来实时检测和识别面部，同时RFID模块通过读取ID卡中的RFID标签来确认人员的存在。考勤数据通过消息队列遥测传输协议（MQTT）记录和存储在中央数据库中，便于访问和检索信息进行报告和分析。这种混合方法提高了安全性和准确性，同时简化了考勤流程。

引言

在教育机构和各种组织中，高效的考勤管理是确保安全和责任的基本要求。传统的考勤跟踪方法通常涉及手动数据输入，这可能耗时且容易出错。随着技术突破继续改变许多行业，对更先进和可靠的考勤管理系统的需求不断增长。本文提出的解决方案是结合面部识别技术和射频识别（RFID）。

系统架构

系统架构包括一个由ESP32驱动的RFID模块，用于扫描植入ID卡中的RFID标签，以及一个面部识别模块，用于捕获和处理实时面部图像。视频由IP摄像机捕获并实时流式传输到服务器。服务器端脚本使用You Only Look Once V8 (YOLO V8)在直播中寻找面部。找到面部后，脚本使用直方图梯度（HOG）来识别面部。一旦面部成功识别，RFID读取器被启用，用户会收到语音反馈，确认面部识别。此外，这些模块共同确认个人的存在并在中央数据库中记录他们的考勤。

文献综述

本节描述了在监控考勤方面进行的现有工作。文献综述涵盖了使用学生分配的RFID标签和放置在教室门口的RFID读取器的系统，以及使用微控制器如Arduino或Raspberry Pi来检测UID以访问个人数据的技术。此外，还讨论了基于视频捕获、面部检测和记录考勤的模型，以及结合生物识别技术和面部识别技术的智能RFID卡的安全和参与工具。

提出的方法

本节详细描述了如图1所示的整体架构。使用智能手机基础的IP摄像机进行实时流媒体传输。服务器端脚本使用YOLOv8在流媒体视频中寻找面部；如果找到面部，基于HOG的特征描述符尝试使用已训练的模型进行识别。成功检测到面部后，会向智能手机发送听觉确认，并启用RFID读取器以扫描RFID标签。RFID技术用于从学生卡中检索独特的代码，这些代码随后与XAMPP控制面板中的数据库进行交叉引用。当在数据库中找到匹配项时，相关的学生信息，包括他们的ID号和进入时间戳，会显示在界面上。然后，这些数据被编译成考勤列表，有效地标志着学生的存在并允许进入教室。

结果和讨论

表I展示了存储在数据库中的考勤数据的格式，可以转换为各种文件格式以便于数据分析。提出的自定义数据集包含105张属于7个不同人的图像（每个人15张图像），面部识别模块的准确率达到了80.95%。图4显示了自定义数据集的结果混淆矩阵。表II显示了与使用各种数据集进行性能评估的前沿方法的比较。

结论和未来展望

本研究旨在开发一个带有自动门机制的自动化考勤系统，该系统已成功实现。与常规方法相比，该系统显著提高了考勤跟踪的效率和便利性。利用数据库技术，确保数据组织良好且易于检索。此外，用户友好的界面使其易于操作和检索数据，使其成为一种灵活的考勤解决方案，可在组织和学术环境中使用。还有改进的空间以提高可靠性和有效性，包括集成GSM功能和选择超高频（UHF）主动RFID标签以显著提高性能并为用户提供更大的灵活性。