點點時光（武漢）科技有限公司是校園移動考勤信息化的，公司所推出的下一代校園移動考勤產(chǎn)品—簽到莢，結(jié)合人臉檢測、人臉、人臉識別、檢測、GPS定位、WIFI定位、定位、錨點定位、云計算、移動互聯(lián)等先進技術(shù)，可有效防止考勤時困擾用戶的“代簽到”、“不到考勤點簽到”、“需排隊簽到”等問題。歡迎來電咨詢！每次放假收假后，輔導(dǎo)員或者班干部都要進行一次點名，這個工作量很大，簽到莢不僅支持上課簽到、查寢簽到，還支持返校簽到。

簽到莢不僅僅可以簽到，還可以查看課程表（課程表）

大學(xué)上課是流動式的，不會有固定教室，大學(xué)上課時間也是自由的，每周甚至每天的課程安排都是不一樣的，因此很多大學(xué)常常會忘記今天有什么課要上，在哪上課，針對這個問題，簽到莢提供課程表功能，供學(xué)生隨時隨地查看課程信息。

怎樣創(chuàng)建點名場景？

簽到莢的核心功能是點名與簽到，簽到莢支持任何用戶自主創(chuàng)建各類考勤場景（包括查寢、查課、查自習(xí)、活動、會議等），針對點名人自主創(chuàng)建的考勤場景，簽到莢允許用戶自主設(shè)名時間和地點，由系統(tǒng)定時自動開啟點名。學(xué)生干部也能查看到自己權(quán)限范圍內(nèi)的考勤統(tǒng)計數(shù)據(jù)，督促未簽到的學(xué)生按時簽到。人臉檢測過程中使用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)造為一個強分類器，再將訓(xùn)練得到的若干強分類器串聯(lián)組成一個級聯(lián)結(jié)構(gòu)的層疊分類器，有效地提高分類器的檢測速度。

點點時光（武漢）科技有限公司是校園移動考勤信息化的，公司所推出的下一代校園移動考勤產(chǎn)品—簽到莢，可有效防止考勤時困擾用戶的“代簽到”、“不到考勤點簽到”、“需排隊簽到”等問題。歡迎來電咨詢！

人臉識別系統(tǒng)的研究始于20世紀(jì)60年代，80年代后隨著計算機技術(shù)和光學(xué)成像技術(shù)的發(fā)展得到提高，而真正進入初級的應(yīng)用階段則在90年后期，并且以美國、德國和日本的技術(shù)實現(xiàn)為主；人臉識別系統(tǒng)成功的關(guān)鍵在于是否擁有的核心算法，并使識別結(jié)果具有實用化的識別率和識別速度；所謂自然性，是指該識別方式同人類（甚至其他生物）進行個體識別時所利用的生物特征相同。“人臉識別系統(tǒng)”集成了人工智能、機器識別、機器學(xué)習(xí)、模型理論、系統(tǒng)、視頻圖像處理等多種專業(yè)技術(shù)，同時需結(jié)合中間值處理的理論與實現(xiàn)，是生物特征識別的應(yīng)用，其核心技術(shù)的實現(xiàn)，展現(xiàn)了弱人工智能向工智能的轉(zhuǎn)化。

點點時光（武漢）科技有限公司是校園移動考勤信息化的，公司所推出的下一代校園移動考勤產(chǎn)品—簽到莢，結(jié)合人臉檢測、人臉、人臉識別、檢測、GPS定位、WIFI定位、定位、錨點定位、云計算、移動互聯(lián)等先進技術(shù)，可有效防止考勤時困擾用戶的“代簽到”、“不到考勤點簽到”、“需排隊簽到”等問題。歡迎來電咨詢！除此之外，還符合視覺特性：“以貌識人”的特性，以及操作簡單、結(jié)果直觀、隱蔽性好等特點。

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

人臉圖像采集及檢測人臉圖像采集：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，采集設(shè)備會自動搜索并拍攝用戶的人臉圖像。

人臉檢測：人臉檢測在實際中主要用于人臉識別的預(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。人臉檢測就是把這其中有用的信息挑出來，并利用這些特征實現(xiàn)人臉檢測。主流的人臉檢測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，組合出新的很強的分類方法。當(dāng)已登記的人員從人臉識別機前走過，它會有語音提示“你好”或者人員的姓名表示考勤已成功。人臉檢測過程中使用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)造為一個強分類器，再將訓(xùn)練得到的若干強分類器串聯(lián)組成一個級聯(lián)結(jié)構(gòu)的層疊分類器，有效地提高分類器的檢測速度。