• 021-88534337-9
  • 09309747471
  • این آدرس ایمیل توسط spambots حفاظت می شود. برای دیدن شما نیاز به جاوا اسکریپت دارید
  • شنبه تا پنج شنبه 19-8
  • تولید کننده دستگاه های کنترل تردد و انواع مختلفی از دستگاه حضور و غیاببطور کلیثبت تردد در  سه حالت

  •  حضور و غیاب و راه های بررسی عملکرد در سازمانها ادارات مختلف  

    مدیران ادارات و شرکت ها میتوانند از دستگاه حضور غیاب جهت ثبت زمان ورود خروج پرسنل خود در محل کار ، به روش  هوشمند و الکترونیکی و از طریق رایانه و تلفن همراه مشاهده کرده و بررسی نمایند.  اطلاعات تردد از راه  نرم افزار حضور و غیاب منتقل گردیده  و بلافاصله  اطلاعات هرکارمند را در سیستم نرم افزاری ثبت می نماید.

  • شناسایی فرکانس رادیویی (RFID) یک ابزار اساسی برای سفارشی سازی در مقیاس بالا میباشد و به عنوان پایه و اساس برای توسعه صنعتی به شمار می رود.آیا تکنولوژی قادر به براورده ساختن توقعات مشتری میباشد ؟

  • امروزه شرکتها و کمپانی های تولید کننده دستگاه های کنترل تردد اقدام به تولید انواع مختلفی از دستگاه حضور و غیاب کرده اند.ثبت تردد در این دستگاه ها به سه صورت انجام میشود.

     


    ثبت تردد بوسیله از کد

    – ثبت تردد بوسیله تکنولوژی بیومتریک

    – ثبت تردد بصورت ترکیبی

    در ادامه به شرح و مقایسه شیوه ھای فوق می پردازیم:

    ثبت تردد با استفاده از کد

    دستگاه حضور غیابی که در این دسته قرار می گیرند به دو دسته تقسیم میشوند:

    ١- دستگاه حضور غیاب کارتی

    موقع کارکردن با این دستگاه ها ھر فرد یک کارت حاوی کد یکتا از نوع بارکدی، مغناطیسی و Rf Id مخصوص به خود را دارد تا از طریق اتصال و یا نزدیک کردن این کارت به دستگاه، تردد خود را ثبت کنند.

    ٢- دستگاه حضور و غیاب رمزی

    به ھنگام استفاده از این دستگاه معمولا به ھر فرد یک رمز داده می شود تا بتواند با وارد کردن رمز، تردد خود راثبت کند.

    ممکن است ثبت تردد بوسیله ترکیبی از کارت و رمز نیز صورت پذیرد.

    ثبت تردد با استفاده از تکنولوژی بیومتریک

    مکانیزم ثبت تردد در این گونه از دستگاه های حضور و غیاب وابسته به اجزاء بدن انسان است. این نوع دستگاه عموما به دو دسته تقسیم میشوند.

    1-دستگاه حضور و غیاب اثر انگشتی

    ثبت تردد در این دستگاه بوسیله ثبت اثرانگشت شخص صورت می گیرد. روش کار کردن دستگاه بدین صورت است که ابتدا تصویری از اثر انگشت تمامی پرسنل یک سازمان از طریق دستگاه صورت گرفته و ذخیره می گردد و ھنگام ثبت تردد یک شخص، اثر انگشت ثبت شده با اثر انگشت ذخیره شده مقایسه می شود.

    ٢- دستگاه حضور و غیاب تشخیص چهره

    ثبت تردد در این نوع دستگاه شبیه به دستگاه اثر انگشت می باشد فقط بجای ذخیره اثرانگشت تصویری از چهره شخص گرفته و در دستگاه ذخیره می کند و ھنگام ثبت تردد، چهره ثبت شده با چهره ذخیره شده مقایسه میشود.

    ثبت تردد بصورت ترکیبی

    بیشتر دستگاه های حضور و غیاب (ثبت تردد) امروزه بصورت ترکیبی ساخته میشوند و ثبت تردد در این دستگاه ها به روش ھای گوناگون انجام میشود. انواع دستگاه ھایترکیبی عبارتند از:

    ١- دستگاه حضور و غیاب دوربین دار

    در این نوع دستگاه حضور و غیاب کارتی، رمزی و یا اثر انگشتی ممکن است از دوربین نیز جهت ثبت تصویر شخص در ھنگام تردد استفاده شود.

    ٢- دستگاه حضور و غیاب دو کارتی

    این نوع دستگاه از دو نوع مختلف کارت جهت ثبت تردد پشتیبانی می کنند. انواع کارت ھایی که در دستگاه حضور غیاب بکار میرود عبارتند از بارکد، مغناطیس، بدون تماسRFID، پروکسی و مایفر. دستگاه ھای حضور و غیاب دو کارتی ممکن است از دو نوع از کارتھای فوق پشتیبانی کنند.

    ٣- دستگاه حضور و غیاب کارتی- رمزی

    کنترل تردد در این دستگاه با استفاده از کارت و رمز با ھم و یا بر طبق ترتیب خاصی صورت می گیرد.

    از دیگر دستگاه ھای ترکیبی عبارتند از :

    ۴- دستگاه حضور و غیاب کارتی – اثرانگشتی

    ۵- دستگاه حضور و غیاب رمزی – اثرانگشتی

    ۶- دستگاه حضور و غیاب کارتی – تشخیص چهره

    ٧- دستگاه حضور وغیاب رمزی – تشخیص چهره

    موارد قابل استفاده از دستگاه حضور و غیاب از لحاظ چگونگی ثبت تردد

    اگر بخواھیم مقایسه ای بر انواع دستگاه حضور و غیاب از لحاظ چگونگی ثبت تردد داشته باشیم، نیاز است تا جلوه های گوناگونی را در نظر داشته باشیم. در اینجا برخی از این جنبه ھا را بیان میکنیم و توضیح می دھیم . در نهایت مقایسه ای بر انواع دستگاه ھا را در یک جدول قرار میدهیم.

    ١- ھزینه اولیه خرید دستگاه

    به طور کلی ھزینه اولیه خرید دستگاه در دستگاه ھای رمزی و کارتی پایین تر از دیگر دستگاه ھا است. ھزینه خرید دستگاه تشخیص چھره به مراتب بالاتر از دستگاه اثر انگشتی است. در دستگاه دوربین دار ھزینه خرید دستگاه به دلیل وجود دوربین در دستگاه بالا می رود.

    ٢- ھزینه خدمات

    در دستگاه های کارتی بعد از خرید دستگاه ھزینه تهیه و تولید کارت بصورت همیشگی وجود دارد. در دستگاه تشخیص چهره در صورتیکه ریدر تشخیص چهره دستگاه خراب شود عموما ھزینه تعویض آن بالاتر از دیگر دستگاھ ھاست. دردستگاه اثرانگشتی نیز سنسور اثرانگشت آیتمی است که در صورت خراب شدن هزینه ھایی را به خریدار تحمیل میکند.

    ٣- زمان ثبت تردد

    زمان تردد در دستگاه کارتی فقط باید کارت خود را به دستگاه نشان دهد و این زمان بسیار کم است. در دستگاه رمزی بایستی رمز خود را وارد کند که این موضوع ممکن است چند ثانیه ای زمان ببرد.

    در دستگاه ھای اثرانگشتی ثبت اثرانگشت حدود یک ثانیه زمان می برد. این در حالی است که در دستگاه تشخیصچھره به دلیل اینکه شخص بایستی با زاویه خاصی در جلوی دوربین دستگاه قرار بگیرد تا تصویر او شناسایی شود عموما این مرحله بیشتر از چندین ثانیه طول می کشد.

    ۴- در دسترس بودن ابزار ثبت تردد

    درهمه دستگاه ھا ی تردد بایستی بوسیله یک ابزار ثبت شود. رمز و کارت و انگشت و چهره ابزارھایی ھستند که تردد بوسیله انھا ثبت می شود. جهت ثبت تردد در دستگاه رمزی نیاز است که شخص رمز عبور خود را بداند، فراموش کردن این رمز باعث می شود که شخص نتواند تردد خود را ثبت کند. ھمچنین در دستگاه کارتی در صورتیکه شخص فراموش کند کارت خود را به همراه داشته باشد و یا کارت مفقود گردد تا زمان صدور کارت جدید ثبت تردد امکان پذیر نیست. امادر دستگاه تشخیص چهره و اثر انگشت نیاز به بخاطرسپاری رمز و یا همراه داشتن کارت وجود ندارد و ابزاری که با آن تردد ثبت می شود انگشت و چهره است که جزئی از بدن انسان است.

    ۵- حافظه مورد نیاز

    نگهداری ترددھا در حافظه نرم افزار را اشغال می کند و وابسته به اطلاعاتی که از شخص قرار است نگهداری شود و نیز وابسته به ابزار ثبت تردد میزان حافظه اشغال شده تفاوت دارد. ولی اگر صرفا ابزار ثبت تردد در نظر گرفته شود می توان گفت که حافظه مورد نیاز برای چهره به مراتب بیشتر از اثرانگشت و کارت یا رمز است. البته با توجه به رشد روز افزون اندازه حافظه ھا این مورد چندان نگران کننده نیست مگر این که تعداد پرسنل بسیار زیاد باشد و در ھر بار تردد قرار باشد که تمامی اطلاعات ابزار ثبت تردد ذخیره شود.

    ۶- امکان تقلب

    در دستگاه کارتی و رمزی این امکان وجود دارد که اشخاص تقلب بکنند و کارت یا رمز خود را در اختیار دیگران قرار بدھند و بدون اینکه خودشان حضور داشته باشند تردد خود را توسط دیگران ثبت کنند و این در صورتیست که در دستگاه بیومتریک امکان تقلب وجود ندارد.

    ٧- امکان خطا

    در دستگاه رمزی چنانچه شخص رمز خود را فراموش نکرده باشد امکان خطا وجود ندارد. در دستگاه کارتی چنانچه کارت خراب شده باشد، دستگاه ارور میدهد. در دستگاه ھای اثرانگشتی و تشخیص چهره امکان خطا و تشخیص اشتباه اثرانگشت و یا چهره توسط سیستم وابسته به الگوریتم نرم افزاریست که در دستگاه بکار گرفته شده است. ھمچنین دردستگاه اثر انگشتی وابسته به تغییر شرایط محیطی مثل نور محیط و زاویه ایستادن جلوی دوربین ممکن است درصد خطا بالاتر برود.

    ٨- ثبت تردد با ابزارھای چندگانه

    در اکثر سازمان ھا نیاز است که از چند نوع ابزار ثبت تردد پشتیبانی شود به فرض مثال ممکن است مدیران سازمان بخواهند فقط کارت بزنند ولی پرسنل نیاز باشد که اثر انگشت خود را ثبت کنند. در دستگاھھای ترکیبی با توجه به نوع دستگاه تنوع در ثبت تردد وجود دارد ولی در دستگاه که تنھا یک ریدر دارند این تنوع وجود ندارد. مشکل وقتی بیشتر می شود که تنھا ریدر دستگاه خراب شود در اینصورت تا زمان تعمیر دستگاه و یا جایگزینی دستگاه هیچ ترددی نمی تواند ثبت شود ولی در دستگاه ترکیبی اگر یک ریدر از کار بیفتد تا زمان تعمیر ریدر دیگر می تواند جایگزین گردد.

     

  • تاریخچه دستگاه حضور و غیاب
    تاریخچه دستگاه حضور و غیاب به زمان انقلاب صنعتی دراواخر قرن19میلادی باز می گردد زمانیکه بسیاری از افراد که دراروپا،آفریقا و آمریکا زندگی می کردند در کارخانه های بزرگ مشغول به کار بودند و کسب وکارهای کوچک و خصوصی از رونق چندانی برخوردار نبودند این موضوع باعث شد حضور و غیاب پرسنل وافراد شاغل در این کارخانه اهمیت بسیاری پیدا کند وحجم بالای کار دراین کارخانه ها و سازمان ها نظارت دقیق برروی کارکرد پرسنل و حضور و غیاب آنها راطلب می کرد و این کارخانه ها و سازمان ها برای سوددهی و نظم بخشیدن به کار خود نیازمند ثبت دقیق ورود و خروج،تردد و حضور و غیاب پرسنل خود بودند.
    ثبت حضور و غیاب و تردد افراد در آن زمان توسط نیروی انسانی به صورت دستی صورت می گرفت که این موضوع امکان خطا و همچنین تقلب در این روند را افزایش می داد بنابراین نیاز به ایجاد روش جدیدی برای ثبت حضور و غیاب و تردد پرسنل را بیش از پیش نمایان می کرد کم کم ثبت حضور و غیاب و تردد افراد شاغل کارخانه ها تبدیل به یک الزام شد و همین موضوع سبب اختراع دستگاه حضور و غیاب گردید که دستگاه حضور و غیاب پانچی نام گرفت و حضور و غیاب پرسنل را توسط پانچ کردن برگه آنها انجام میداد.
    دستگاه حضور و غیاب کلید ونوار یا همان کاغذی در سال1888 میلادی توسط یک جواهرفروشی به نام ویلاردباندی ساکن شهر نیویورک اختراع شد.این دستگاه حضور و غیاب ازچرخ دنده های متعددی که توسط حرکت ساعت کنترل می شد ساخته شده بود وکارایی بسیار بالاتراز یک ماشین ثبت زمان داشت و حضور و غیاب افراد را بر روی یک نوار کاغذی بصورت دقیق چاپ میکرد ودیگر از کارت ساعت حضور و غیاب درآن استفاده نمیشد.شماره پرسنلی هرفرد برروی نوار کاغذی از پیش چاپ شده قرارداشت وزمان ورود وخروج افراد برروی این کارت درهنگام ورود وخروج آنها ثبت وچاپ میشد.هرکارمند هنگام ورود به محل کارخود باوارد کردن شماره کلید مخصوص خود حضور و غیاب خود را ثبت میکرد.
    نوع دیگری از دستگاه حضور و غیاب درسال1988 توسط فردی به نام دکترالکساندردی اختراع شد. این دستگاه بنام حضور و غیاب دی شهرت یافت.دراین ماشین شماره گیر بزرگی تعبیه شده بودکه شماره اختصاصی مربوط به هرفردبرروی آن قرارداشت.کارگران برای ثبت حضور و غیاب خود توسط این دستگاه ابتدا بازوی اشاره گررابرروی شماره ی پرسنلی منحصربفرد خود قرار می دادند وپس از آن این بازو اشاره گر رافشار میدادند.این فرآیند باعث چاپ ساعت ورود وخروج افراد برروی کاغذهای موجود دراین دستگاه حضور و غیاب می شد وبدین شکل حضور و غیاب افراد ثبت می گردید.
    درسال1894 دستگاه حضور و غیاب کارتی توسط فردی به نام دانیل ام کوپراختراع گردید که به دستگاه حضور و غیاب روچستد معروف شدکه ساعت ورود وخروج افراد رابرروی کارت چاپ می کرد.کارت ساعت استفاده شده دراین دستگاه نوعی کارت از جنس مقوا بودکه ایام هفته برروی آن چاپ شده بود که هرروزدارای دو قسمت ورود وخروج بود که یکی برای صبح ویکی دیگر برای عصر مورد استفاده قرار میگرفت.دراین نوع دستگاه حضور و غیاب هرپرسنل کارت مخصوص ومنحصربفرد خود را درون دستگاه قرار می دادوبا فشردن اهرم دستگاه ساعت تردد فرد برروی دستگاه به چاپ می رسید وبدین وسیله حضور وغیاب فرد ثبت می شد.بدین سان شرکت ویاکارخانه درپایان هر هفته با بررسی کارت ساعت هرفرد قادربود تاکارکرد هرکارمند را محاسبه کند وبراساس این محاسبات حقوق آنها را پرداخت کند.
    اولین دستگاه حضور و غیاب ساخته شده ازجنس چوب بود که از یک ساعت ونوع خاصی از چرخدنده تشکیل شده بود که کنترل چاپ ساعت ورود وخروج افراد برروی ستون های کارت ساعت نیز به صورت دستی انجام میشد.اولین شرکت تولید کننده دستگاه حضور و غیاب به صورت انبوه،شرکتIBM بودکه تولیدانبوه دستگاه حضور و غیاب راازسال1911 انجام دادوتا سال 1920اکثر کارخانه ها،شرکت هاو ادارات از دستگاه حضور و غیاب استفاده می کردندو دیگرازدست نوشته وثبت دستی استفاده نمیکردندودستگاه حضور و غیاب جای ثبت حضور و غیاب دستی راذربسیاری از این مراکز گرفت.
    ثبت حضور و غیاب توسط شرکت IBM موردتوجه قرارگرفت ودرمدت کوتاهی توسعه پیداکرد به گونه ای که تنظیم وکنترل صحت ورود وخروج کارت حضور و غیاب به صورت خودکارانجام می شد.طی این فرآیند خودکار وضعیت کاری کارمندان بارنگ های خاصی ومختلف برای اضافه کارویاکسر برروی کارت حضوروغیاب هرفرد به صورت رنگی چاپ میشد تاامکان تشخیص اضافه کاروکسرکارهرفرد به صورت مستقیم برروی کارت ساعت حضور و غیاب آن مشخص شود.
    اولین دستگاه حضور و غیاب تمام خودکاردرسال 1928 تولید وعرضه شد که روز وساعت کارکردهریک از پرسنل،کارگران وکارمندان به صورت افقی وبرروی یک خط چاپ میشد که این روش تحول اساسی رادرمحاسبه ساعت کارکرد پرسنل به وجود آورد ومحاسبات کارکرد افراد رابسیار ساده وسریع کرد.داخل این دستگاه حضوروغیاب وسیله ای قرار داشت که قادر به ثبت زمان براساس دقیقه بود وهمین موضوع باعث ثبت دقیقه ساعت حضور و غیاب پرسنل گردید.
    اولین نوع از دستگاه های حضور و غیاب پس از دستگاه های پانچی،دستگاه حضور و غیاب بارکدخوان بودند که کارتی شامل اطلاعات پرسنلی فرد به صورت بارکد دراختیار هرفرد قرار میگرفت که پرسنل پس از ورود وهنگام خروج کارت خودرا دردستگاه بارکدخوان قرارداده واطلاعات ورود وخروج آنها دردستگاه ثبت می شدوسپس این اطلاعات توسط نرم افزار به کامپیوتر انتقال داده ومحاسبات مربوط به آن انجام می شد.
    باتوسعه تکنولوژی وفناوری های نوین امروزی وتکنولوژی کامپیوتر نسل جدید دستگاه حضور وغیاب تولید وعرضه گردیدکه به جای استفاده از کارتهای مقوایی یکبار مصرف از کارت های دائمی استفاده میکنند.دراین نوع کارت ها شماره ی شناسایی افراد برروی آنها قراردارد وبا تکنولوژی مغناطیسی،بارکد،بدون تماس،مایفیر،HDI کار می کند.
    نرم افزارهای ابتدائی حضور و غیاب تحت سیستم عامل DOS طراحی شده بودند واز انعطاف و امکانات کمی برخورداربودند اما باتوسعه ی علم و فناوری اکثر نرم افزارهای حضوو غیاب تحت ویندوز و وب طراحی می شوندو اطلاعات بسیار زیادی را از ورود و خروج وتردد افراد پردازش ودراختیار مدیران قرار می دهند.
    درسیستم کنترل تردد وحضور و غیاب کارتی که برمبنای بارکد کار می کردند اطلاعات پرسنلی هرفرد برروی کارت مخصوص وی بصورت بارکد به چاپ می رسید که در اصطلاح شماره کارت ویا شماره تردد فرد نامیده می شد.
    ورود دستگاه های حضوروغیاب بیومتریک تحول عظیمی را بوجود می آورد که این دستگاه های حضور وغیاب با استفاده از اسکن اثرانگشت و یا اسکن بخش دیگری از اعضای بدن اطلاعات ورود وخروج افراد را ثبت می کنند.باگسترش تکنولوژی بیومتریک وقرارگرفتن اسکنر اثرانگشت درون دستگاه های حضور وغیاب این دستگاه ها کارایی بسیار بالایی پیدا کردند چراکه امنیت بالاتر واطمینان بیشتری را برای مدیران به همراه داشتند.
    شایدبتوان مصری ها را اولین افرادی نامید که از اثرانگشت دست و یا پا 4000 سال قبل در زمان ساخت اهرام مصر باستان استفاده می کردند.همچنین نمونه ای از اثر کف دست یک موجود ناشناخته در حفاری های باستان شناسی مصر مربوط به 10 هزار سال قبل یافت شده است که درنوع خود نمونه منحصربفرد می باشد واز اهمیت بسیاری برخوردار است.همچنین ثبت اثرانگشت افراد توسط جوهر یکی از روشهای مرسوم چینی ها بوده است که بمنظور ثبت اسناد وقراداد های رسمی ومعاملات وموارد مهم دیگر مورداستفاده قرار می گرفته است.
    محققان براین باورند اگرچه چینی هااز ثبت اثرانگشت وانگشت نگاری توسط جوهر استفاده می کنند اما از منحصربفرد بودن اثرانگشت هرفرد اطلاعی نداشتند.اولین مستندبرپایه علوم پزشکی در سال1684 هجری قمری توسط "دکتر نهیماگرو" انگلیسی درخصوص انگشت نگاری به چاپ رسید که به منحصربفرد بودن اثرانگشت افراداشاره داشت.همچنین یک گیاه شناس دانشگاه "بلوگنا"به نام "مارسلومالپیگی"تحقیقاتی مشابه تحقیقات دکتر گرو رادرسال 1986 انجام دادواولین مقاله دراین خصوص را با عنوان De Extemo Factas Orange به چاپ رسانیدکه جزئیاتی درخصوص خطوط برجسته وفرورفتیگی های کف دست را شامل می شدو همچنین اطلاعاتی رادرخصوص منافذ پوست ارائه می کرد.این تحقیقات دکتر "مالپیگی"آنچنان با اهمیت بود که بعد ها یکی از لایه های دست را به نام وی"Stratam Malpighi" نام گذاری کردند ودرسال 1923 یک پروفسور کشیش به نام "جوهان اوانگلیست پورکینجی" جزئیات بسیار کاملی رادرخصوص اثرانگشت منتشر کرد.این مقاله جزئیات مربوط به 9نمونه اثرانگشت متفاوت رابررسی می کردوبااستفاده از تصاویر به شرح دقیق خصوصیات اثرانگشت پرداخته شده است.

    همچنین در سال1958 یک افسر ارشد ارتش انگلیس که درکمپانی هند شرقی مشغول به خدمت بود به تقلید ازکارفرمایان هندی خود به هنگام تنظیم اسناد وقراداد هااز افراد طرف معامله انگشت نگاری تا افرادخود راموظف می کرد تا به تعهدات ،پیمان ها وقراردادهای خودپایبند باشند همچنین این افسرانگلیسی تمایل زیادی ازخود برای انگشت نگاری از زندانیاننشان می داد.
    پیشرفت علم انگشت نگاری توسط دکتر"هنری فالز" دراواخر قرن 19 واوایل قرن بیستم میلادی به نحو چشم گیری افزایش پیدا کرد.دکتر "فالز"که یک پزشک ارتش اسکاتلند بود زمانیکه در بیمارستانی در توکیو ژاپن مشغول به کاربود به علم مربوط به اثرانگشت علاقمند گردید وتحقیقات گسترده ای رادرخصوص علم اثرانگشت آغاز کرد.درنتیجه تحقیقات وی این نتیجه حاصل شد که خطوط اثرانگشت درهر فردمتفاوت است ودرصورت ایجاد جراحت سطحی دراثرانگشت هرفرد،این جراحت به فرم اصلی خودترمیم پیدا می کند.
    دکتر"فالز"نتیجه تحقیقات خور در مورد علم انگشت نگاری را درسال1880 در مقاله ای در نشریه "نیچر"به چاپ رسانید وی درمقاله خود به تکنیک های ثبت واستفاده از اثرانگشت پرداخته است که از جمله آن می توان به ثبت اثرانگشت با استفاده از جوهر اشاره کرد که امروزه نیز کاربردهای بسیاری دارد مثل جرم شناسی ویا شناسایی افراد.
    بامشاهده مقاله دکتر"فالز"در نشریه "نیچر" توسط "هرشل" وی نامه ای به این نشریه نوشت وبدون اعلام حق تقدم اعلام کرد که وی بیش از50 سال عملا در هندوستان از انگشت نگاری افراد استفاده کرده است واین تکنیک رامورد استفاده قرار داده است.بامقایسه کارعملی50 ساله "هرشل" وتحقیقات کوتاه مدت"فالز" به گواه تاریخ می توان پایه گذار عم انگشت نگاری امروزی را "ویلیام هرشل" دانست و می توان به جرات "هرشل" راکاشف وموسس انگشت نگاری نوین اعلام کرد.
    ذکر این موضوع حائز اهمیت است که تحقیقات "فالز" استفاده از اثرانگشت به جای مانده به صورت اتفاقی درمکان های مختلف اشاره می کند این درحالی است که "هرشل" برروی اثرانگشت تحقیق ومطالعه کرده بود وبه این نتیجه رسیده بود که میتوان از اثرانگشت به منظور تشخیص هویت افراد استفاده کرد به عبارت دیگر تحقیقات"هرشل برپایه ی تشخیص هویت وآثار امگشت گرفته شده ازافراد استوار است این درحالی است که تحقیقات انجام شده توسط دکتر"فالز"بیشتر درجرم شناسی وکشف جرم برپایه آثارانگشت به جای مانده درصحنه جرایم به صورت تصادفی استوار است.
    نظریه ارائه شده توسط "هرشل"و فالزدرسال1892 توسط ریاضی دان وانسان شناسی معروف "سرفرانسیس گالتون" به رسمیت شناخته شد واین ریاضی دان وانسان شناس معروف برای این نظریه ها پایه و اساس علمی ایجاد کرد.اثرانگشت های گردآوری توسط"هرشل" توسط "گالتون" با استفاده ازعلوم ریاضی مورد بررسی وتجزیه وتحلیل قرار گرفت ودرنتیجه تحقیقات وی امکان یکسان بودناثرانگشت دو فرد تقریبا یک به 64 میلیارد است وعملا امکان یافتن دو اثرانگشت یکسان وجود ندارد واین موضوع شناسایی افرادبراساس اثرانگشت آنهارا راهی مطمئن در شناسایی هویت افراد به اثبات می رساند.
    تقسیم نقوش موجود برروی اثر انگشت به سه دسته "کمانیArch" ،"کسراییLoop" و "پیچیWhrol" نخستین بار توسط گالتون ارائه شد همچنین وی در تلاش برای طبقه بندی اثرانگشت افراد بود که با پایان رسیدن عمرش این کار ناتمام ماند.نخستین کسی که از اثرانگشت زندانیان به منظور شناسایی آنها استفاده کرد افسر پلیس آرژانتینی به نام "یوهان وستیش" بود وی فردی است که روشی را برای طبقه بندی آثار انگشت درسال 1891 برای اولین بار در جهان را ابداع کرده است که این روش درحال حاضر نیز اهراز هویت افراد درکشورهای آمریکایی لاتین مورد استفاده قرار می گیرد.
    معاون وستیش در سال 1892 از روی آثار انگشت به جای مانده در صحنه جرم که آغشته به خون بود توانست مردی راکه متهم به قتل فرزندان خود بود را تبرئه کند و قاتل اصلی را که همسر وی بود دستگیر کند این اتفاق درآن زمان اهمیت شناسایی متهمان توسط اثرانگشت رابرای عموم مردم روشن کرد.بعدهانیز "ادوارد هنری"همکار"ویلیام هرشل" که در هندوستان با یکدیگر همکاری کرده بودند ورئیس پلیس سهر لندن شده بود روش طبقه بندی آثار انگشت ارائه شده توسط"گالتون" را تکمیل و به جهان عرضه کند.این روشی به روش"هنری" شهرت پیدا کرده است در ابتدا در هندوستان ودر زمانیکه این کشور مستعمره انگلیس بود استفاده می شد.
    این روش درسال1901 توسط اسکاتلندیارد به رسمیت شناخته شد وبه مرور زمان درتمامی نقاط جهان مورد استفاده قرار گرفت.باپیشرفت علم و فناوری وگسترش استفاده از کامپیوتر دنیای دستگاه حضورو غیاب وتشخیص هویت نیز وارد فاز جدیدی گردید.فناوری تشخیص هویت به سرعت گسترش پیداکرد و فناوری های جدید تشخیص هویت افراد اعم از فناوری سیستم حضور و غیاب تشخیص چهره وفناوری تشخیص قرنیه به نیزسرعت گسترش وتغییر کرد وبه منظور حضور وغیاب مورد استفاده قرار گرفت.همچنین فناوری تشخیص اثرانگشت نیز با پیشرفت علم پیشرفت های بسیاری کرد ونسل های جدید دستگاه تشخیص اثرانگشت باکیفیت وقابلیت های بسیاربالا عرضه گردید.
    دستگاه های حضور وغیاب تشخیص چهره کارکردی دقیقا شبیه به کارکرد دستگاه های حضور و غیاب تشخیص اثرانگشت دارند وبا نمونه برداری از چند نقطه صورت شناسایی افراد راانجام می دهند با این تفاوت که دستگاه حضور و غیاب اثرانگشت،شناسایی اثرانگشت رااز روی اشکال هندسی اثرانگشت انجام می دهند.
    معمولا دستگاه های تشخیص چهره و قرنیه دارای دوربین بسیار قوی هستند که یکی برای شناسایی افراد درنور معمولی ودیگری برای شناسایی افراد درتاریکی مطلق استفاده می شودو همانطور که در گذشته دستگاه های حضور و غیاب پانچی جای خود را به دستگاه های حضور و غیاب بارکد خوان دادند پس از آن دستگاه های حضور و غیاب بارکد خوان با دستگاه های حضور و غیاب کارت خوان تعویض شدند و نیز دستگاه های حضور و غیاب اثرانگشت جای دستگاه های کارتی را گرفتند درآینده نه چندان دور نیز دستگاه های حضور و غیاب تشخیص چهره وقرنیه دستگاه های حضور وغیاب اثرانگشتیرا خواهند گرفت.لازم به ذکر است با پیشرفت فناوری های تشخیص اثرانگشت این دستگاه های تشخیص اثرانگشت پیشرفت چشمگیری را داشته اند و با کیفیت شناسایی اثرانگشت در آنها بسیار بالارفته است وبا ورود دستگاه های حضور و غیاب اثرانگشت با فناوری پلیمری یا همان LES)Light Emmiting Sensor)این دستگاه ها نیز از کیفیت بسیار بالایی برخوردار شده و موارد استفاده بسیاری را دارند.
    بشر از ابتدای آفرینش خود از اجزای بدن افراد از جمله چهره،صدا،قد،وزن،نحوه راه رفتن برای شناسایی یکدیگر استفاده کرده اند.فردی به نام "الپنز برتیلون" در قرن19میلادی اندازه گیری فیزیولوژی افراد برای شناسایی مجرمان را مطرح کرد.وی که رئیس بخش جنایی پلیس پاریس بود ایده خود را مطرح کرد و پس از مدتی این ایده مورد توجه قرار گرفت و تحقیقات گسترده ای در خصوص این ایده صورت گرفت و همین ایده منجر به کشف اثرانگشت در انتهای قرن 19 میلادی گردید.پس از مطرح شدن ایده و کشف اثرانگشت بسیاری از سازمان های ملی از آن استقبال کردند و اثرانگشت مجرمین را گرفته ودر یک پایگاه داده ذخیره می کردند.پس از وقوع جرم و بررسی نمونه اثرانگشت های به جای مانده در صحنه جرم و مقایسه آن ها با نمونه های موجود در پایگاه داده خود موفق به کشف مجرم و شناسایی مجرمین می شدند.
    گرچه شناسایی بیومتریک افراد در ابتدا آنها برای شناسایی مجرمین و یا موارد حساس استفاده می شد به عنوان مثال برای شناسایی اتباع غیرقانونی و یا شناسایی کارمندان در مشاغل حساس و یا شناسایی مجرمین و همچنین در پزشکی قانونی برای تعیین هویت افراد مورد استفاده قرار می گرفت اما به طور چشمگیری برای شناسایی افراد در شغل های غیر نظامی نیز مورد استقبال قرار داده می شد.اما سوال بسیار مهمی در خصوص شناسایی بیومتریک افراد مطرح می شود که کدامیک از خصوصیات بیولوژی افراد واجد شرایط شناسایی بیومتریک می باشد.دراینجا مواردی مطرح است که در صورتی که برای مدت زمان طولانی بتواند انجام شود آن ویژگی بیولوژیک را واجد شرایط برای ویژگی بیومتریک می سازد.
    امکان جمع آوری در صورتی که یک ویژگی بیولوژیک قابل جمع آوری می باشد و همچنین قابلیت نگهداری را داشته باشد.یکی از شروط بیومتریک را داراست.
    ویژگی عملکرد:شناسایی با سرعت و دقت جز ویژگی هایی است که در صورت دارا بودن امکان استفاده به عنوان بیومتریک را دارد.
    ویژگی مقبولیت:یک ویژگی بیولوژیک می بایست از مقبولیت در بیت افراد برخوردار باشد و بتوانند آن را در زندگی روزمره خود پذیرا باشند.

    تقلب که نشان‌دهنده آن است آیا این ویژگی بیومتریک قابل تقلب کردن است یا خیر؟

    سیستم‌ ها و مولفه های بیومتریک
    به طور کلی سیستم های بیومتریک به دو دسته فیزیولوژیکی و رفتاری تقسیم می شود که ویژگی فیزیولوژیکی مربوط به اشکال بدن می باشند به عنوان مثال می توان به تشخیص چهره ،اثر انگشت ،اثر کف دست ،شکل هندسی دست، تشخیص عنبیه، تشخیص شبکیه و ‏dna اشاره کرد.

    ویژگی های رفتاری  به رفتارهای هر فرد اشاره می کند از قبیل :راه رفتن ،صدا ،بوی طبیعی بدن، شکل امضای یک فرد.
    ویژگیهای بیومتریکی دارای مزایای بی شماری هستند که از آن جمله می توان به موارد زیر اشاره کرد:
    منحصر به فرد بودن، قابل تکرار بودن ،غیر قابل فراموشی، غیر قابل سرقت ،عدم نیاز به نگهداری ویژه ،سهولت در استفاده و سرعت بالا در استفاده آن .

    سیستم های شناسایی بیومتریک به طور کلی یک سیستم شناسایی از روی الگوی داده شده به آنها می باشد که به وسیله اطلاعات بیومتریک حرف و استخراج ویژگی های مربوط به آن اطلاعات و مقایسه آن با اطلاعات موجود در بانک اطلاعاتی ذخیره شده عمل می کند با توجه به نرم‌افزار مورد استفاده بیومتریک حالت شناسایی می تواند در حالت تایید verify و یا حالت شناساییidentify قرار بگیرد.

    هنگام قرار گیری سیستم در حالت تایید مشخصه بیومتریکی فرد مشخصه بیومتریکی موجود در بانک اطلاعاتی تطبیق داده می شود در چنین حالتی هویت افراد به وسیله شماره شناسایی شخصی و یا نام کاربری و یا کارت هوشمند ‏ شناسایی می گردد با ورود این اطلاعات سیستم در ابتدا اطلاعات بیومتریک را از بانک اطلاعاتی و این اطلاعات را با سنسور بیومتریکی که اطلاعات بیومتریک که فرد را تهیه می‌کند تطبیق می دهد که نتیجه این تطبیق می تواند مثبت و یا منفی باشد این روشی است که در آن ساعات هویتی فرد در ابتدا احراز می گردد و سپس مشخصات بیومتریک فرد احراز هویت شده با مشخصات بیومتریک موجود در بانک اطلاعاتی تطبیق داده می شود

    یک حالت دیگر حالت شناسایی می باشد که در آن مشخصات بیومتریک هر فرد به طور مستقیم با مشخصات بیومتریک موجود در بانک اطلاعاتی تحقیقات شده و هویت هر فرد شناسایی می گردد که در این روش سیستم به طور مثال مقایسه یک یا چند مشخصه بیومتریک  هر فرد را بدون نیاز به احراز هویت با مشخصه بیومتریک موجود در سیستم تطبیق می دهد .در واقع می توان بیان کرد که عملکرد سیستم پاسخ به این سوال است که اطلاعات بیومتریک ارائه شده توسط دستگاه مربوط به کدام یک از افراد در بانک اطلاعاتی می باشد.

    از اساسی ترین بخش های برنامه های شناسایی منفی تعیین هویت افراد می باشد که به منظور شناسایی افراد به صورت صریح یا ضمنی و یا تکذیب شناسایی فرد به کار می رود هدف از شناسایی منفی جلوگیری از استفاده  چندین هویت برای یک فرد می باشد لازم به ذکر است این فرایند تعیین هویت مثبت نیز برای راحتی کاربران مورد استفاده قرار می گیرد

    شناسایی افراد با توجه به مواردی چون جمله کلمات عبور شناسایی، شخصی کلید ها و نشانه ها در روش های سنتی شناسایی افراد مورد استفاده قرار می گیرد با این روش ها مورد استفاده در شناسایی مثبت می باشند لازم به ذکر است شناسایی منفی تنها از طریق ویژگی های بیومتریک افراد قابل احراز می باشد هر سیستم بیومتریک دارای ۴ ماژول اصلی زیر می باشد:

    اولین ماژول مورد استفاده در سیستم های بیومتریک ماژول سنسور می باشد این ماژول به منظور تصویر برداری از اطلاعات بیومتریک حرفه ای مورد استفاده قرار می گیرد به عنوان مثال می توان به سنسور اثر انگشت اشاره کرد که شناسایی را از طریق تصویر برداری شیارها و برآمدگی های موجود در اثر انگشت را انجام میدهد. ماژول های سنسور دیگری نظیر سنسور تشخیص چهره ،سنسور تشخیص عنبیه ،سنسور تشخیص کف دست از دیگر ماژول های سنسور بیومتریک می باشد

    مورد دیگر مورد استفاده در سیستم های بیومتریک ماژول استخراج می باشد که در این ماژول اطلاعات بیومتریک به دست آمده از ویژگی های منحصر به فرد افراد پردازش می گردد، برای مثال می توان به بررسی شیار های موجود در اثر انگشت به هر فرد که منحصر به فرد است اشاره کرد

    ماژول دیگر ماژول تتویی دهنده است که در آن ویژگی های بیومتریک  استخراج شده با اطلاعات بیومتریک موجود مقایسه می شود به عنوان مثال می توان به سیستم تطبیق اثر انگشت با توجه به داده های موجود در اطلاعات تصویر اثر انگشت فرد و اطلاعات موجود در پایگاه داده اشاره کرد.

    چهارمین ماژول مورد استفاده در سیستم بیومتریک پایگاه داده می باشد منظور ذخیره الگوی بیومتریک هر فرد در هنگام ثبت اطلاعات بیومتریک افراد مورد استفاده قرار می گیرد اطلاعات بیومتریک افراد هنگام ثبت نام در این پایگاه داده ذخیره می گردددر هنگام ثبت نام اطلاعات بیومتریک هر فرد توسط یک رویداد بیومتریک گرفته شده و در بانک اطلاعاتی به نام آن فرد با مشخصه کاربری منحصر به فرد ذخیره می گردد روند ثبت ثبت اطلاعات بیومتریک افراد در بانک اطلاعاتی با توجه به نرم‌افزارهای مختلف نیاز به یک یا دو کاربر دارد که این فرآیند به منظور حصول اطمینان کیفیت اطلاعات بیومتریک که ثبت شده در بانک اطلاعاتی می باشد.یکی از مهمترین عوامل در ثبت نام بیومتریک افراد تخصیص شماره دیجیتال منحصر به فرد برای هر فرد می باشد که کلیه اطلاعات بیومتریک افرا د را در بانک اطلاعاتی با یک شماره دیجیتال منحصر به فرد تخصیص می دهد به طور معمول از چند قالب برای ثبت بیومتریک افراد استفاده می شود و در طول زمان اطلاعات بیومتریک به روز رسانی می گردد.

  • نرم افزار گشت و نگهبانی وفناوریRFID

    همه فضاهایی که امنیت، کنترل و نظارتشان اهمیت بسیار زیادی دارد  و نیاز است در بازه های زمانی معین بطور منظم بازدید و نظارت شوند، نگهبانانی برای این کار می باشند. بعنوان مثال:  انبارها، کارخانه ها، کارگاهها، مراکز نظامی، مجتمع های مسکونی- تجاری و اداری، پست های مخابراتی، پست های لوله نفت و گاز و ...

  • اثر انگشت ویژگی منحصر بفرد افراد

    اثر انگشت هرفرد ، اثری از سایش شیارهای پایانهٔ انگشت می باشد.  از طرفی هیچ یک از انسانها اثر انگشت مشابه ندارند بنابراین می‌توان از اثرانگشت جهت شناسایی افراد بهره‌ برد.

    اثرانگشت برجستگیهای بسیار ریز و قابل رؤیت با چشم غیره مسلح می باشد که در لایه اپیدرم پوست کف دست‌ها و پاها وجود دارد و به علت ترشح  چربی در زیر پوست این آثار بر روی اجسام صاف قرار می‌گیرد لذا  جهت وضوح آنها  میتوان از پودری استفاده کرد که به این چربی‌ها جذب شده و آنها را به روشنی  نمایان می سازد.

    این روش در تشخیص هویت دقت صد درصدی دارد .بطوریکه  دردوقلوهای همسان نیز اثر انگشتها  متفاوت است. بنابراین امکان شباهت اثر انگشت دو نفر، تقریبا یک شصت و چهار میلیاردم می‌باشد.

    بوجود آمدن  اثر انگشت صفتی ارثی- محیطی میباشد که عاملهایی قبل از تولد میتواند بر روی آن اثر بگذارد بعنوان مثال فشار روحی و روانی بر روی مادر و یا حتی فشاری که نوزاد وقت تولد متحمل می‌شود و یا کمی تفاوت در طول بند ناف باعث تغییر یافتن خطوط سرانگشت می‌شود. اثر انگشت اندکی بعداز تولد کاملاً ثابت و غیرقابل تغییر است.

  • دستگاه حضور و غیاب تشخیص چهره Trust1 FE-500

     

     

    دستگاه حضور و غیاب تشخیص چهره تراست وان مدل Trust1 FE-500 با بهره‌گیری از الگوریتم شناسایی یادگیری عمیق هوش مصنوعی یکی از از پیشرفته ‌ترین دستگاه‌های حضور و غیاب تشخیص چهره در دنیا می باشد. این دستگاه با استفاده از یادگیری عمیق هوش مصنوعی و به روز رسانی دائمی، امکان شناسایی تغییرات چهره کاربران را دارد.
    دستگاه حضور و غیاب Trust1 FE-500 شناسایی ۵۰ هزار کاربر را در کمتر از یک ثانیه انجام می دهد این دستگاه قابلیت شناسایی افراد از فاصله ۳ متری را دارد ،همچنین امکان شناسایی ۳ تا ۵ نفر به صورت همزمان از جمله ویژگی های منحصر به فرد این دستگاه می باشد.
    این دستگاه قابلیت شناسایی افراد در نور بسیار شدید و یا تاریکی مطلق را داراست از ویژگی های بسیار مهم این دستگاه امکان شناسایی صورت افراد به صورت خودکار در هر فاصله از دستگاه (تا 3 متر) است و نیاز به قرارگیری فرد در یک فاصله معین و کادر مشخص در این دستگاه وجود ندارد.
    این دستگاه امکان شناسایی افراد حتی از پشت شیشه را نیز دارد که این قابلیت امکان استفاده از دستگاه و شناسایی افراد در فضای باز از پشت شیشه را فراهم می کند . از دیگر ویژگی های این دستگاه می توان به شناسایی کاربران تقلبی از قبیل استفاده از عکس و فیلم به جای فرد اشاره کرد.عملا الگوریتم پیشرفته یادگیری عمیق هوش مصنوعی امکان تقلب در دستگاه را غیر ممکن می سازد.


    امکان تعریف افراد از طریق عکس گرفته شده حتی به وسیله تلفن همراه در این دستگاه وجود دارد و امکان ثبت افراد را میسر می سازد.

    • قدرت تشخیص: 99.77 درصد

    • فاصله شناسایی: حد اکثر 3 متر

    • سرعت شناسایی: شناسایی در حالت 1:N تعداد 50 هزار کاربر در کمتر از 1 ثانیه

    • امکان شناسایی 3 تا 5 نفر به صورت همزمان در یک ثانیه

    • شناسایی زنده: تشخیص عکس و تشخیص فیلم

     

    • الگوریتم یادگیری عمیق هوش مصنوعی:

    با استفاده از هوش مصنوعی امکان به روز رسانی مداوم برای دستگاه حضور و غیاب FE-500 در کمترین زمان ممکن فراهم می شود در این فرآیند حتی تغییرات کم چهره افراد در مقایسه با چهره ثبت شده فرد در دستگاه، در شناسایی لحاظ می گردد .فناوری یادگیری عمیق هوش مصنوعی و بروز رسانی مداوم، درصد شناسایی موفق افراد را به طرز چشمگیری افزایش می دهد.جهت شناسایی چهره هزاران نقطه صورت لحاظ می گردد و چهره کاربران در زوایایی مختلف قابل شناسایی است.

     

    • نصب و استفاده ساده و منحصر به فرد:

    دستگاه حضور و غیاب Trust1 FE-500 در ارتفاع 1.4 متری نصب می شود و قابلیت شناسایی افراد از فاصله نیم متری الی سه متری را دارد. لذا به منظور شناسایی چهره، نیاز به قرار گیری افراد در فاصله مشخص و قرار دادن صورت در یک کادر معین وجود ندارد و شناسایی چهره به صورت اتوماتیک انجام می شود این موضوع سهولت کار با دستگاه را برای کاربران بسیار بالا می برد.

     

     

     

     

     

    • مشخصات فنی:

     

    پردازنده چهار هسته ای
    حافظه 2Gرم، 8G فلش
    صفحه نمایش 5اینچ ISP تمام لمسی
    دوربین 2MP دارای دو لنز نور شدید و تاریکی مطلق
    تعداد کاربر 50 هزار کاربر N:1 (بدون نیازبه تعریف کارت)
    سیستم عامل لینوکس
    برق مصرفی 12 ولت 2آمپر (نهایتا24 ولت)
    نوع تشخیص تک و یا چند کاربر همزمان(3نهایتا الی 5 نفر یه صورت همزمان)
    فاصله تشخیص نهایتا 3 متر
    شناسایی زنده عکس و فیلم قابل شناسایی است
    راه ارتباطی TCPIP یا وایفای به صورت آبشنال
    سرعت شناسایی   کمتر از 1ثانیه به ازای تطبیق 50 هزار کاربر به صورت 1:N 
    کارت خوان EM/Mifare/HID
    دمای کارکرد -10 الی 50 درجه سانتی گراد
    رطوبت کارکرد 10% الی 90%
    اندازه 190mmX92mmX30mm



    • استفاده از دستگاه تشخیص چهره TrustOne-EF500 بعنوان سیستم کنترل تردد

    e6.jpg

     

     










































  •  

    شناسایی فرکانس رادیویی (RFID) یک ابزار اساسی برای سفارشی سازی در مقیاس بالا میباشد و به عنوان پایه و اساس برای توسعه صنعتی به شمار می رود.

    آیا تکنولوژی قادر به براورده ساختن توقعات مشتری میباشد ؟

  • سیستم انگشت نگاری پایه ای برای ثبت ورود و خروج

    انگشت نگاری یکی از رایج‌ترین راهها برای امنیت شخصی و تحقیقات درباره جرایم می باشد زیرا هر فرد اثر انگشت منحصر به فردی دارد. این روش یکی از ایمن ترین راه ها برای شناسایی هویت هر فرد است.
    انگشت نگاری، داکتیلوسکپی نیز نامیده می شود. دراین روش اثر انگشت یک شخص ثبت شده و در سیستم کامپیوتری خاص ثبت می گردد.

  • از انقلاب صنعتی تا ظهور دستگاه های حضور و غیاب

    ساعت زمان محصولی از انقلاب صنعتی

    درشروع دهه یک هزارو هشتصد ، انقلاب صنعتی درکشور انگلستان آغاز گردید و دراواسط قرن نوزدهم به کشورهایی مانند بلژیک ، آلمان ، فرانسه ، ایالات متحده آمریکا و ژاپن راه یافت . تقریبا درتمامی نقاط دنیا اثرات ظهور انقلاب صنعتی محسوس بود و جهان به دارای صنعت و بدون صنعت تقسیم شد .

  • الگوریتم یادگیری عمیق هوش مصنوعی چگونه به کمک شناسایی تشخیص چهره افراد در دستگاههای حضور و غیاب می آید؟

    الگوریتم عمیق یادگیری هوش مصنوعی یکی از از مولفه های بسیار کاربردی برای تشخیص چهره افراد و استفاده در الگوریتم های تشخیص چهره می باشد. به کمک این فناوری الگوریتم های تشخیص چهره به شکل بسیار پیشرفته درآمده است و میزان خطا در شناسایی این الگوریتم ها به شدت کاهش پیدا کرده است. الگوریتم شناسایی چهره در سیستم های حضور و غیاب و کنترل تردد و دستگاههای حضور و غیاب تشخیص چهره کاربرد بسیاری دارد اما سوال این است که یادگیری عمیق هوش مصنوعی چگونه به کمک الگوریتم شناسایی تشخیص چهره در دستگاه های حضور و غیاب تشخیص چهره مختلف می آید؟
    در ابتدا باید به این موضوع اشاره کرد سیستم های حضور و غیاب تشخیص چهره و همچنین نرم افزار های گوناگون تشخیص چهره برای شناسایی چهره افراد چالش های مختلفی روبرو هستند که از آن جمله می‌توان به تغییر چهره ظاهری افراد اشاره کرد که در این صورت شناسایی چهره افراد با خطا مواجه می شود و یکی از معضلات موجود در سیستم های کنترل تردد و حضور و غیاب همچنین نرم افزار ها و الگوریتم های شناسایی چهره به حساب می آید
    یادگیری عمیق هوش مصنوعی به کمک الگوریتم های شناسایی چهره در دستگاه حضور و غیاب و سیستمهای کنترل تردد آمده است. یادگیری ععمیق هوش مصنوعی بدین گونه کار می‌کند که در صورت مشاهده تغییرات چهره افراد با چهره ثبت شده فرد در دستگاه، این تغییرات چهره در سیستم ثبت می گردد و به بانک اطلاعاتی دستگاه اضافه می شود. این تغییرات چهره شامل استفاده از عینک، تغییرات ظاهری ریش در آقایان، تغییرات آرایش چهره و... را شامل می شود. در صورت مشاهده تغییرات چهره یاد شده با نمونه ابتدایی چهره ثبت شده افراد در سیستم، تغییرات چهره در دستگاه ثبت می گردد و در شناسایی های بعدی تغییرات چهره یاد شده مورد استفاده سیستم قرار می گیرد. این موضوع باعث می شود سرعت شناسایی چهره در سیستم هایی که از یادگیری عمیق هوش مصنوعی استفاده می کنند به شدت بالا رفته و دستگاه خطای بسیار پایین تری نسبت به سیستم های دیگر داشته باشد.
    همچنین الگوریتم عمیق یادگیری هوش مصنوعی باعث می شود که امکان تقلب در سیستم های کنترل تردد و حضور و غیاب غیر ممکن شود. امکان شناسایی عکس و فیلم به عنوان تقلب برای دستگاه حضور غیاب تشخیص چهره توسط یادگیری عمیق هوش مصنوعی فراهم می‌شود و دیگر شناسایی افراد تنها در صورت حضور فرد در مقابل سیستم انجام می شود همچنین توسط یادگیری عمیق هوش مصنوعی شناسایی چهره افراد توسط ماسک توسط دستگاه حضور غیاب تشخیص چهره امکان پذیر است.
    یادگیری عمیق هوش مصنوعی این امکان را برای سیستم های کنترل تردد و حضور و غیاب تشخیص چهره فراهم آورده است که با ضریب خطای بسیار ناچیز و سرعت شناسایی بسیار بالا دقت و سرعت فوق العاده ای را برای کاربران فراهم کند.

  • شناسایی افراد بر اساس ویژگی های بیومتریک

    به علم شناسایی اشخاص با خصوصیات بدنی شان، بیومتریک گفته می شود. بیومتریک مدتهاست به یک رشته مهم در علم مبدل شده و افزایش تقاضا برای ایجاد امنیت در شرایط مختلف به وجود آمده است . ازبیومتریک در علم رایانه بعنوان تشخیص جهت کنترل دسترسی استفاده می گردد. شناسه های بیومتریک متمایز و قابل اندازه گیری می باشد و برای شناسایی و توصیف اشخاص بکار می رود. بیومتریک های فیزیکی  مانند اثر انگشت، تشخیص چهره واسکن عنبیه می باشندو بیومتریک رفتاری شامل رفتارهای انسانی مانند نحوه راه رفتن انسان می باشد.

     

    تشخیص شکل بدن انسان:

    تعیین اندازه بدن انسان در طراحیهای  صنعتی،  لباس و معماری نقش مهمی را ایفا می کند که از داده آماری در خصوص ابعاد بدن جهت بهینه سازی محصولات استفاده می گردد. در تکنولوژی تشخیص هویت از روی شکل بدن در هنگام ثبت کاربر در پایگاه داده، بطور همزمان تمام اسکنهای شخص با مدل ثبت شده هماهنگ می شود. این فرآیند نماد دیجیتالی را ایجاد می نماید که شکل و جزئیات زیادی از مکان های موردنظر از روی سطح بدن را ثبت می کند. این نماد با تغییر شکل های بافت و عضلات تغییر مکان داده ومیتواند متحرک شود. با توجه به اسکنهای فراوان از یک شخص، همگی با استفاده از فرآیندی مشترک ثبت می شوند و در یک مدل مشخص و جداگانه قرار می گیرند. جزئیات این مکان ها بصورت سه بعدی اندازه گیری شده وباعث انتقال آسان آنها به ابزارهای طراحی رایانه ای  و یا ساخت ابزارهای کاربردی امکان پذیر می نماید. در مقایسه با باقی فناوری های بیومتریک همانند تشخیص چهره، عنبیه، کف دست و اثر انگشت، روش شناسایی نحوه راه رفتن از روی فیلمهای دوربین با هروضوحی نیز قابل تشخیص هستند.

    درپروژه CAESAR  بعنوان مشارکتی بین دولت و صنعت جهت جمع آوری و سازماندهی نمونه گیری از اندازه بدن انسانها برای مقایسه نمودن آنان با یکدیگر آغاز گردیدو این پروژه داده ها را در دوهزارو چهارصد ایالات متحده آمریکا، کانادا و دوهزارغیرنظامی اروپایی در یک بانک اطلاعاتی جمع آوری و سازماندهی نموده است. بانک اطلاعاتی فوق ابعاد مردان و زنان متفاوتی را از سن 18 تا 65 سالگی با وزن های متفاوت، گروه های قومی، جنسیت، منطقه جغرافیایی و وضعیت اقتصادی و اجتماعی ثبت کرده است.

     

    این مطالعه طی دوسال انجام شد و شامل 3 اسکن برای هر فرد در حالت ایستاده، پوشش کامل و نشستن در حالت آسودگی بود. این داده ها بطور استاندارد جمع آوری و مستند سازی شده اند تا پایگاه داده بتواند به طور مداوم گسترده و به روزرسانی گردد. از آنجایی که  اندازه گیری وضوح بالا از شمای کلی بدن انجام شدکه با بهره گیری از مقیاس سه بعدی از سطح بدن انجام شد، این تکنولوژی در چند ثانیه صدها هزار نقطه از سطح بدن انسان را بطور سه بعدی ثبت و شخص موردنظر را شناسایی کند.

  • این روزها که استفاده از دستگاه حضور و غیاب اثرانگشتی ممنوع شده و شیوع ویروس کرونا بسیار سریع اتفاق می افتد بسیاری از سازمانها و ارگانها به فکر راه چاره افتادند ، لذا استفاده و در واقع جایگزینی سیستم های حضور و غیاب تشخیص چهره یا تشخیص عنیبیه به جای ثبت اثرانگشت ، باتوجه به اینکه سنسور محلی برای نشستن انواع ویروس و باکتری ومیکروب بوده حذف شده، بهترین راه حل برای کارفرمایان می باشد.مراکز بهداشتی-درمانی و بیمارستانها از جمله مراکزی هستند که استفاده از سیستم حضور و غیاب تشخیص چهره برایشان توصیه میشود.
    دراین میان دستگاههای متنوعی وجود دارد که اداره ها وشرکتها برحسب تعداد پرسنلی که دارند وجلوگیری از ایجاد صف باید تصمیمات صحیح بگیرند که هم پرسنل تداخلی نداشته باشند و هم مبارزه با شیوع ویروس کرونا را درنظرگرفته باشند.بدیهی است بعضا دستگاههایی دربازار وجود دارد که بسیار کم قیمت هستند ولی کیفیت اصلا ندارند چراکه استفاده از فناوریهای بیومتریک نیاز به الگوریتم های پیشرفته دارد همچنین طول عمرسنسورهای بیومتریک ویا دیگر بخشهای تخصصی این نوع سیستم های حضور و غیاب تشخیص چهره کم میباشد.
    سیستمهای تشخیص چهره که باطول عمر مفید بالا بوده وهم قیمت مناسب دارند و قابل تعمیر و خدمات دربازار ایران هستند وهم از منظر بهداشت در صدر قرار میگیرند سیستم های کره ای میباشد که بارها وبارها در جاهای مختلف نصب و راه اندازی شده وبدون هیچ گونه ایرادی درحال کار میباشند.
    درسیستم های حضور و غیاب اشاره شده الگوی فرد یا پرسنل به نحوی تعریف می شود که استخوان بندی صورت مورد بررسی قرار بگیرد وتطبیق پرسنل با الگوی از پیش تعریف شده باعث میشود که امکان تقلب در آن به شدت کاهش داده وبه صفر میرساند وهمچنین امکان تشخیص و تفکیک کاربران غیرواقعی در آنها نیز میسر میباشد.

  • چکیده:

    شناسایی چهره در چند سال اخیر به عنوان یک حوزه پژوهشی جالب مورد توجه قرار گرفته است زیرا در چندین برنامه از جمله مدیریت حضور و غیاب و سیستم های کنترل دسترسی نقش اساسی در احراز هویت بیومتریکی انسان ایفا می کند. سیستم های مدیریت حضور و غیاب برای تمام سازمان ها بسیار مهم هستند، اما مدیریت ورودی و خروجی منظم حضور و غیاب پیچیده و زمان بر است. روش های شناسایی انسان خودکار زیادی از جمله بیومتریک، RFID، ردیابی چشم و تشخیص صدا وجود دارند. چهره یکی از گسترده ترین بیومتریک ها برای احراز هویت انسان است. در این مقاله، یک سیستم حضور و غیاب تشخیص چهره بر اساس شبکه های عصبی کانولوشنی عمیق یادگیری انتقالی ارائه شده است. با استفاده از سه شبکه عصبی کانولوشنی پیش آموزیده و آنها را بر روی داده خود آموزش دادیم. سه شبکه عملکرد بسیار خوبی در ارتباط با دقت پیش بینی بالا و زمان آموزش مناسب نشان دادند.

     

    مقدمه:

    همه سازمان ها به یک سیستم مدیریت حضور و غیاب برای نگهداری سوابق حضور و غیاب کارکنان خود، به صورت دستی یا خودکار، نیاز دارند. حضور و غیاب روزانه دانشجویان در کلاس برای ارزیابی عملکرد و کیفیت ضروری است.

     

    مانیتورینگ. صدا زدن نام ها یا امضا کردن روی کاغذها، روش های سنتی استفاده شده در بیشتر سازمان ها هستند که هر دو مصرف زمانی زیادی دارند و ناامن هستند [1]. از طرف دیگر، بیشتر سیستم های شناسایی خودکار انسان بر پایه روش های سنتی مانند اثر انگشت، رمز عبور و اسکن کارت شناسایی کاربرد دارند. با این حال، همه این روش ها محدودیت هایی مانند فراموش کردن رمز عبور یا گم شدن کارت شناسایی دارند. بنابراین، مطمئن ترین روش برای اطمینان از امنیت کامل و ذخیره سوابق تاریخی از طریق سیستم هوشمند تشخیص چهره است [2]. این حوزه در زمان اخیر به سرعت در حال رشد است و نقش مهمی در امنیت ایفا می کند، زیرا تکنیک بسیار دقیقی برای شناسایی و تأیید هویت افراد است [3] [4].

    یادگیری انتقالی یک شکل از یادگیری ماشین است که در آن یک مدل برای یک وظیفه خاص ساخته شده و به عنوان نقطه شروع برای تغییرات در وظیفه دوم استفاده می شود. در یادگیری عمیق به عنوان یک مدل پیش آموزش دیده در وظایف بینایی ماشین و پردازش زبان طبیعی برای توسعه مدل های شبکه عصبی بر روی این مسائل استفاده می شود [5]. یادگیری انتقالی در مسائل یادگیری عمیق بسیار مفید است زیرا بیشتر مسائل واقعی دارای میلیاردها داده برچسب خورده هستند و این نیاز به مدل های پیچیده را دارد [6]. این یک تکنیک کاملاً مناسب برای بهینه سازی، صرفه جویی در زمان و دستیابی به عملکرد بهتر است. توسعه دهندگان می توانند از یادگیری انتقالی برای ادغام برنامه های مختلف در یکی استفاده کنند. آنها می توانند به سرعت مدل های جدیدی را برای برنامه های پیچیده آموزش دهند. علاوه بر این، یادگیری انتقالی ابزار خوبی برای بهبود دقت مدل های بینایی ماشین است [5].

    در این کار، یک سیستم حضور و غیاب تشخیص چهره بر اساس شبکه های عصبی کانولوشنی عمیق (CNN) ارائه شده است. ما با استفاده از سه شبکه عصبی کانولوشنی پیش آموزیده و آنها را بر روی داده های خود که شامل 10 کلاس مختلف است و هر کلاس شامل 20 تصویر چهره است، آموزش دادیم. سه شبکه با دقت پیش بینی بالا و زمان آموزش مناسب، عملکرد بسیار خوبی را نشان دادند.

     

    1. شبکه های پیش آموزش دیده

      شبکه های CNN پیش آموزش دیده ویژگی های متمایزی دارند که در انتخاب یک شبکه برای مقابله با مسئله خاصی مهم است. دقت، سرعت و اندازه شبکه مهمترین ویژگی ها هستند. به طور کلی، انتخاب یک شبکه بین این وظایف تنظیم می شود. برای افرادی که می خواهند یک الگوریتم یاد بگیرند یا یک سیستم برپایی شده را تست کنند، مدل های پیش آموزش دیده منبع عالی پشتیبانی هستند [7]. همیشه ممکن نیست یک مدل را از ابتدا بسازید به دلیل محدودیت های زمانی یا محاسباتی، به همین دلیل مدل های پیش آموزش دیده وجود دارند. چندین مدل CNN پیش آموزش دیده به صورت عمومی در دسترس هستند [8]. در این کار، ما سه شبکه پیش آموزش دیده را بررسی کردیم؛ AlexNet، GoogleNet و SqueezeNet.

      2.1. AlexNet

      یکی از رایج ترین معماری های شبکه های عصبی تا به حال، AlexNet است. این برای آموزش میلیون ها تصویر و دسته بندی آنها به دسته های شیء مانند چهره ها، میوه ها، لیوان ها، مداد ها و حیوانات استفاده شده است. به عنوان ورودی، شبکه یک تصویر را دریافت کرده و برچسب آن شیء در تصویر را خروجی می دهد. همچنین، احتمالات برای هریک از دسته های شیء. ابعاد ورودی شبکه 227 × 227 × 3 تصویر RGB هستند [9] [10] [11] [12]. معماری AlexNet در شکل 1 نشان داده شده است.

      2.2. GoogleNet

      ساختار GoogleNet شامل 22 لایه عمیق و همچنین 5 لایه پولینگ است [13]. در کل، 9 ماژول شروع خطی را  قابلیت ادغام به حافظه کامپیوتر به راحتی بیشتری دارند و می توانند به راحتی از طریق شبکه های کامپیوتری ارتباط برقرار کنند [9] [14] [12]. معماری شبکه SqueezeNet در شکل 3 نشان داده شده است.

    2. A
    3. شکل 1. معماری AlexNet [12].


    4. Bشکل 2. معماری GoogleNet [12].


    5. Cشکل 3. معماری SqueezeNet [12].

      1. کارهای مرتبط

        شناسایی چهره توسط چندین پژوهشگر بررسی شده است. یک راه حل موجود [15] از یک تکنیک شناسایی چهره استفاده کرد که از ویژگی های مشتق شده از ضرایب تبدیل کسینوسی گسسته (DCT) استفاده می کند، به همراه یک 

        برای شناسایی چهره، یک رده‌بند مبتنی بر نقشه خودسازمانده (SOM) استفاده شده است. در نرم‌افزار MATLAB، این روش با استفاده از تصاویر چهره با انواع عبارات صورتی آزمایش شده است. با آماده‌سازی برنامه برای حدود 850 دور بازپردازی، دستگاه می‌تواند با دقت 81.36% در 10 آزمایش متوالی شناسایی را انجام دهد. با اختصاص حجم کمی از ویژگی‌ها، این روش به خوبی برای پیاده‌سازی سخت‌افزاری برای کارهای دنباله‌ای و با هزینه کم مناسب است.

        Arsenovic و همکاران [16] یک سیستم حضور و غیاب شناسایی چهره مبتنی بر یادگیری عمیق پیشنهاد کرده‌اند. این مدل از چندین مرحله کلیدی تشکیل شده است که با استفاده از جدیدترین تکنیک‌های موجود امروزی مانند کسری از شبکه‌های عصبی برای تشخیص چهره و شبکه‌های عصبی برای تولید Embedding چهره توسعه یافته‌اند. در یک مجموعه داده محدود از تصاویر اصلی چهره کارکنان در جهان واقعی، دقت کلی 95.02٪ بوده است. این مدل شناسایی چهره پیشنهادی می‌تواند در سایر سیستم‌ها نیز استفاده شود.

        Fu و همکاران [17] یک راه حل پیشنهاد کرده‌اند که دو الگوریتم یادگیری عمیق، شبکه عصبی کانولوشنی چندوظیفه‌ای (MTCNN) برای تشخیص چهره و شناسایی مرکز چهره را ترکیب می‌کند تا یک سیستم حضور و غیاب خودکار در کلاس دانشگاه ایجاد کند. سیستم، حضور و غیاب خودکار را برای سه نوع تخلف از نظم کلاس گزارش می‌دهد: غیبت، تأخیر و خروج زودهنگام، بر اساس تعداد قابل توجهی یافته‌های آزمایشی. پس از کلاس، جدول حضور و غیاب با وضعیت یادگیری تمام دانشجویان به صورت خودکار ثبت می‌شود. این سیستم با دقت بالا، چهره‌ها را به طور سریع شناسایی می‌کند و با دقت 98.87٪، نرخ تشخیص صحیح کمتر از 1/1000 و نرخ تشخیص اشتباه 93.7٪ دارد.

        Zulfiqar و همکاران [18] یک سیستم شناسایی چهره مبتنی بر شبکه‌های عصبی کانولوشنی پیشنهاد کرده‌اند که با استفاده از دستگاه تشخیص چهره Viola-Jones [19]، چهره‌ها را در تصویر ورودی شناسایی کرده و ویژگی‌های چهره را به صورت خودکار از چهره‌های شناسایی شده با استفاده از یک شبکه عصبی پیش‌آموزش دیده برای شناسایی استخراج می‌کند. برای آموزش کارآمد شبکه عصبی کانولوشنی، یک پایگاه داده بزرگ از تصاویر چهره افراد ایجاد شده است که برای افزایش تعداد تصاویر برای هر فرد و ارائه شرایط روشنایی و نویز متنوع تقویت شده است. علاوه بر این، برای شناسایی چهره عمیق، یک مدل شبکه عصبی پیش‌آموزش دیده بهینه و مجموعه‌ای از پارامترهای هایپرآموزش انتخاب شده است. اثبات کارآیی شناسایی چهره عمیق در سیستم‌های احراز هویت بیومتریک خودکار با دقت کلی 98.76٪ در نتایج آزمایشی روشن‌کننده است.

        1. روش

          روش پیشنهادی شامل چندین مرحله است: جمع‌آوری داده، پیش‌پردازش داده، افزایش داده، آموزش و اعتبارسنجی شبکه عصبی کانولوشنی و آزمایش سیستم است.

         

        4.1. جمع‌آوری داده

        پایگاه داده ما شامل 200 تصویر است که با استفاده از دوربین جلویی iPhone 12 با لنز 12 مگاپیکسلی f/2.2 جمع‌آوری شده است. داده‌ها به 10 کلاس تقسیم شده‌اند و هر کلاس شامل 20 تصویر است. این 10 کلاس، 10 نفر از هر دو جنس را نشان می‌دهند که در شکل 4 نمایش داده شده است.

      2. D
      3. شکل 4. پایگاه داده

        4.2. فرمت داده‌ها

    داده‌های جمع‌آوری شده با فرمت فایل JPG استفاده می‌شوند. اندازه تصاویر بین 3.00 مگابایت و 4.00 مگابایت است. هر شبکه از ورودی با اندازه متفاوتی استفاده می‌کند. بنابراین، باید تصاویر را به اندازه ورودی مورد نظر هر شبکه تغییر اندازه دهیم. شبکه‌های SqueezeNet و AlexNet از اندازه 227 × 227 استفاده می‌کنند، در حالی که GoogleNet از اندازه 224 × 224 استفاده می‌کند. تمام تصاویر گرفته شده در رنگ‌های RGB هستند که برای استخراج ویژگی‌های صحیح مناسب هستند.

    4.3. افزودن داده

    افزایش حجم داده با وارد کردن نسخه‌های کمی تغییر یافته از داده‌های موجود یا تولید داده‌های تصنعی از داده‌های موجود از ابزار افزایش داده استفاده می‌شود. این ابزار به منظور تنظیم و کمینه‌سازی افراط‌گرایی در آموزش مدل یادگیری ماشین استفاده می‌شود. در یادگیری عمیق، افزودن داده به صورت تغییرات هندسی، برعکس کردن تصویر، تغییر رنگ، برش، چرخش، داشتن نویز و حذف تصادفی استفاده می‌شود تا تصویر را بهبود بخشد [8]. در شبکه‌های آموزش دیده‌شده ما، با گرفتن چند تصویر از زوایای مختلف، محیط‌ها و شرایط، جهت، موقعیت و روشنایی، از افزودن داده استفاده کردیم که در شکل 5 نشان داده شده است. پس از وارد کردن داده به شبکه، دو نوع افزودن داده اعمال شد که شامل چرخش و مقیاس‌بندی است. برای هر تصویر، یک چرخش تصادفی با زاویه بین -90 تا 90 درجه انجام می‌شود. برای هر تصویر، یک مقیاس‌بندی تصادفی با عاملی بین 1 تا 2 انجام می‌شود.

    J

    شکل 5. نمونه‌هایی از افزودن داده.

    4.4. انتخاب شبکه‌های پیش‌آموزش داده شده

    برای آموزش شبکه عصبی کانولوشنی بر داده‌های ما، 3 شبکه را انتخاب کردیم که شامل شبکه‌های SqueezeNet، AlexNet و GoogleNet می‌شوند. SqueezeNet یک CNN کوچک است و نیاز به کمترین ارتباط بین سرورها در طول آموزش توزیع شده دارد. CNN‌های کوچک همچنین راحت‌تر بر روی سخت‌افزار با حافظه محدود، مانند FPGA، پیاده‌سازی می‌شوند.

     

    AlexNet می‌تواند به راحتی ویژگی‌های یادگرفته شده را با تعداد کمتری تصاویر آموزشی به یک تخصیص ویژه منتقل کند. AlexNet برای بهبود عملکرد چالش ImageNet توسعه داده شد. این اولین شبکه کانولوشنی عمیق بود که به دقت قابل توجهی رسید. مسئله افراط‌گرایی نیز توسط AlexNet با استفاده از لایه‌های drop-out حل شد که در آن هنگام آزمایش یک اتصال با احتمال p = 0.5 حذف می‌شود. احتمال 0.5 انتخاب شده است زیرا بهترین احتمال برای تطبیق با مشخصات و تنظیمات شبکه بوده است. این تنظیمات پس از بسیاری از آزمایش‌ها و تغییرات تعیین شد. این باعث می‌شود که شبکه ترکیب بدیهی از حداقل‌های محلی بد را پیشگیری کرده ولی تعداد بارهای لازم برای همگرایی به دو برابر افزایش می‌یابد.

    ماژول شروع در معماری GoogleNet بیشترین چالش‌های شبکه‌های بزرگ را حل کرد. GoogleNet با نرخ خطای 6.67٪ که نزدیک به عملکرد سطح انسان است، ساختاری با 22 لایه از CNN عمیق دارد که تعداد پارامترها را به 4 میلیون کاهش می‌دهد (60 میلیون در مقابل AlexNet).

     

    4.5. تنظیم شبکه پیش‌آموزش داده شده

    در هر یک از سه شبکه استفاده شده، پارامترهای شبکه پیش‌آموزش داده شده که شامل لایه کانولوشن 2D و لایه خروجی طبقه‌بندی هستند، تنظیم شد. در طراح عمیق شبکه، اندازه فیلتر را به 1 × 1 و تعداد فیلترها را به 10 تغییر دادیم که همان 10 کلاس داده ما هستند، همان‌طور که در شکل 6 نشان داده شده است. لایه خروجی طبقه‌بندی را نیز برای سازگاری با طبقه‌بندی و برچسب‌های خروجی خود تغییر دادیم.

     E

    شکل 6. تنظیم لایه کانولوشن.

    4.6. آموزش

    روند عمومی در آموزش هر شبکه با استفاده از یادگیری انتقالی با تغییر پارامترهای مربوط به معماری پایه شروع می‌شود. این شامل انتخاب نرخ یادگیری مناسب، زمان آموزش، تعداد دوره‌ها و فرکانس اعتبارسنجی است. هنگامی که نرخ اولیه کم است، فرایند آموزش ممکن است به‌طور کلی متوقف شود و هنگامی که نرخ بسیار بالا است، فرآیند آموزش ممکن است ناپایدار یا یک مجموعه وزن‌های نامناسب را به سرعت یاد بگیرد. بنابراین، ما نرخ یادگیری اولیه را برابر با 0.0001، فرکانس اعتبارسنجی را برابر با 10 و حداکثر دوره‌ها را برابر با 30 انتخاب کردیم، زیرا باید به اندازه امکان بالا باشد تا خطاهای آموزش متوقف شدن را حذف کند. به طور خاص، یک دوره یک چرخه یادگیری است که در طول آن، یادگیرنده به کل مجموعه داده‌های آموزشی معرفی می‌شود. همچنین، حداقل اندازه دسته برابر با 11 است که با نیازهای حافظه (8.00 گیگابایت) سخت‌افزار CPU که با سرعت 1.8 گیگاهرتز کار می‌کند، سازگار است. با افزایش تعداد دوره‌ها، دقت شبکه بالاتر می‌رود. بنابراین، ما باید یک شماره بزرگتر را انتخاب کنیم. مجموعه داده به صورت تصادفی به دو بخش تقسیم شد: 70٪ داده برای آموزش استفاده می‌شود و 30٪ داده برای اعتبارسنجی استفاده می‌شود. پارامترهای آموزش در شکل 7 نشان داده شده است.

     

    F

    شکل 7. گزینه‌های آموزش.

    1. نتایج و بحث

      آموزش SqueezeNet نیاز به 30 دوره با 12 بار در هر دوره داشت تا شبکه به خوبی داده‌ها را آموزش دهد و آنها را اعتبارسنجی کند. پس از 360 بار، به دقت اعتبارسنجی 98.33٪ رسید. فرایند آموزش 26 دقیقه و 53 ثانیه طول

    2. کشید. علاوه بر این، فرکانس اعتبارسنجی در یک فرایند 10 باری انجام شد تا اطمینان حاصل شود که سیستم به خوبی آموزش دیده است اما داده را بیش از حد آموزش نداده است.

    آموزش GoogleNet نیز نیاز به 30 دوره با 12 بار در هر دوره داشت تا شبکه به خوبی داده‌ها را آموزش دهد و آنها را اعتبارسنجی کند. پس از 360 بار، به دقت اعتبارسنجی 93.33٪ رسید. شبکه 39 دقیقه و 21 ثانیه برای تکمیل آموزش طول کشید. علاوه بر این، اعتبارسنجی در یک فرایند 10 باری انجام شد تا اطمینان حاصل شود که سیستم به خوبی آموزش دیده است اما داده را بیش از حد آموزش نداده است.

    آموزش AlexNet نیاز به 60 دوره با 12 بار در هر دوره داشت تا شبکه به خوبی داده‌ها را آموزش دهد و آنها را اعتبارسنجی کند. پس از 720 بار، به دقت اعتبارسنجی 100٪ رسید که دقت بسیار بالایی است و نشانگر یک شبکه به خوبی آموزش دیده است. زمان آموزش شبکه 76 دقیقه بود که نسبت به دو شبکه قبلی طولانی است. علاوه بر این، اعتبارسنجی در یک فرایند 10 باری انجام شد تا اطمینان حاصل شود که سیستم به خوبی آموزش دیده است اما داده را بیش از حد آموزش نداده است.

    ما از یک سیستم تشکیل شده از یک CPU تکی استفاده کردیم که با سرعت 1.8 گیگاهرتز و 8.00 گیگابایت RAM کار می کند. همانطور که در شکل 8 نشان داده شده است، ما از همان نرخ یادگیری اولیه، بیشترین تعداد بار و یک CPU تکی برای سه شبکه استفاده کردیم، در حالی که تعداد دوره‌ها برای هر شبکه متفاوت بود. به طور کلی، مشاهده می‌شود که AlexNet بهترین شبکه با دقت اعتبارسنجی است اما زمان آموزش آن بیشتر است به دلیل تعداد پارامترها. SqueezeNet دومین گزینه است که با زمان آموزش حداقلی که 26 دقیقه و 53 ثانیه است، دقت 98.33٪ را ارائه می دهد. GoogleNet دقت پایین‌تری را نسبت به سایر شبکه‌ها دارد. نتایج آموزش و اعتبارسنجی سه شبکه در جدول ۱ خلاصه شده است.

    الحنائي و همکاران / مجله علوم کامپیوتر Procedia 00 (2021) 000-000

    G

    H

    شکل 8. نتایج آموزش و اعتبارسنجی شبکه های عصبی پیچشی (CNN) (a) SqueezeNet؛ (b) GoogleNet؛ (c) AlexNet.

    جدول 1. نتایج آموزش شبکه های عصبی پیچشی (CNN).

    مدل نرخ یادگیری دوره ها دقت اعتبارسنجی زمان گذرانده سخت افزار بیشینه تکرارها

    SqueezeNet 0.0001 30 98.33٪ 26 دقیقه و 53 ثانیه CPU تکی 360

    GoogleNet 0.0001 30 93.33٪ 39 دقیقه و 21 ثانیه CPU تکی 360

    AlexNet 0.0001 60 100٪ 76 دقیقه و 0 ثانیه CPU تکی 720

    زمانی که برای تصاویر نامعلوم از ده کلاس مختلف تست شد، سه مدل CNN قادر به با موفقیت تشخیص چهره‌ها با اطمینان پیش‌بینی بسیار بالا بودند. درصدی که در بالای تصاویر نشان داده شده است، به سطح اطمینان شبکه آموزش دیده برای پیش‌بینی برچسب‌های مربوطه اشاره دارد. سطح اطمینان بسیار بالا نشان می‌دهد که مدل با موفقیت تصویر را پیش‌بینی کرده است. شکل 9a، 9b و 9c مثال‌هایی از نتایج به دست آمده توسط SqueezeNet، GoogleNet و AlexNet را نشان می‌دهند.

    برای تحلیل نتایج، ما از همان نرخ یادگیری اولیه، بیشترین تعداد تکرارها و یک CPU تکی برای شبکه ها استفاده کردیم، در حالی که تعداد دوره ها برای هر شبکه متفاوت بود. مشاهده می‌شود که AlexNet بهترین شبکه برای آموزش داده‌ها است زیرا دقت اعتبارسنجی بالاترین است اگرچه زمان آموزش طولانی تری دارد. SqueezeNet دومین گزینه است که با حداقل زمان گذرانده شده 26 دقیقه و 53 ثانیه، دقت 98.33٪ را ارائه می‌دهد. GoogleNet سومین شبکه برتر است زیرا دقت پایین‌تری را نسبت به سایر شبکه ها دارد.

    شکل 9. نتایج آزمون (a) SqueezeNet؛ (b) GoogleNet؛ (c) AlexNet.

    در جدول 2، مقایسه‌ای از روش پیشنهادی با روش‌های قبلی نشان داده شده است. نتایج جدول 2 بر اساس مجموعه داده‌های ما به دست آمده است. به وضوح نشان داده شده است که رویکرد پیشنهادی ما نسبت به روش‌های دیگر عملکرد بهتری داشته است.

    جدول 2. مقایسه روش‌های تشخیص چهره.

     

    نتیجه گیری

    این مقاله یک سیستم حضور و غیاب تشخیص چهره بر پایه یادگیری عمیق ارائه می‌دهد. ما با استفاده از یادگیری انتقالی با سه شبکه عصبی پیچشی پیش‌آموزش داده شده، آن‌ها را بر روی داده‌های خود آموزش دادیم. در مقایسه با روش‌های دیگر، سیستم نشان داد که در عملکرد با دقت پیش‌بینی بالا و زمان آموزش مناسب، عملکرد بسیار خوبی دارد. سه شبکه SqueezeNet، GoogleNet و AlexNet به ترتیب دقت اعتبارسنجی 98.33٪، 93.33٪ و 100٪ را داشتند. رویکرد پیشنهادی می‌تواند در سیستم‌های حضور و غیاب و دسترسی به درها در سازمان‌های مختلف مانند دولت و بخش خصوصی، فرودگاه‌ها، مدارس و دانشگاه‌ها استفاده شود. این کار با بررسی بیشتر مدل‌های CNN پیش‌آموزش .داده شده و شامل بیشتر داده‌های تصویری چهره انسان می‌تواند توسعه یابد. بررسی کاربرد این مدل‌ها در وظایف شناسایی انسان با صورت ماسک زدنده نیز جالب است.

    منبع : ساینس دایرکت 

  • در این مقاله به مفهوم و کارکرد دستگاه حضور و غیاب پرداخته و نحوه استفاده از آن در سازمان‌ها و شرکت‌ها را توضیح خواهیم داد.

    دستگاه حضور و غیاب یکی از ابزارهای مدیریت منابع انسانی است که برای بررسی و ثبت ورود و خروج پرسنل در سازمان‌ها و شرکت‌ها استفاده می‌شود. این دستگاه به صورت الکترونیکی عمل می‌کند و معمولاً شامل یک دستگاه سخت‌افزاری و یک نرم‌افزار می‌باشد.

    نحوه کارکرد دستگاه حضور و غیاب به این صورت است که هر پرسنل برای ورود به سازمان، کارتی را که شامل اطلاعات شخصی او می‌باشد، بر روی دستگاه حضور و غیاب قرار می‌دهد. سپس دستگاه اطلاعات موجود در کارت را تشخیص داده و ورود پرسنل را ثبت می‌کند. همچنین هنگام خروج پرسنل، کارت مجدداً بر روی دستگاه قرار داده می‌شود و اطلاعات خروج پرسنل نیز در سیستم ثبت و ذخیره می‌گردد.

    استفاده از دستگاه حضور و غیاب در سازمان‌ها و شرکت‌ها به دلایل متعددی صورت می‌گیرد. از جمله این دلایل می‌توان به موارد زیر اشاره کرد:

    1. افزایش بهره‌وری:با استفاده از دستگاه حضور و غیاب، مدیران می‌توانند به‌راحتی مشخص کنند که کدام پرسنل در چه ساعتی حضور داشته‌اند و چه مدت زمانی غیبت داشته‌اند. این اطلاعات به مدیران کمک می‌کند تا بهترین برنامه‌ریزی‌ها را برای بهره‌وری بهتر از منابع انسانی انجام دهند.

    2. کاهش خطای انسانی: استفاده از دستگاه حضور و غیاب ممکن است باعث کاهش خطای انسانی در ثبت حضور و غیاب پرسنل شود. در سیستم دستی، خطاهای انسانی ممکن است باعث ایجاد مشکلهایی مانند اشتباه در محاسبه ساعت کاری و حقوق پرسنل شود. با استفاده از دستگاه حضور و غیاب، این خطاها به حداقل می‌رسند و دقت بیشتری در ثبت حضور و غیاب پرسنل حاصل می‌شود.

    3. مدیریت بهتر افراد: با استفاده از دستگاه حضور و غیاب، مدیران می‌توانند به راحتی مشخص کنند که کدام پرسنل دیر به محل کار می‌آیند و کدام‌ها زودتر از موعد حضور دارند. این اطلاعات می‌تواند به مدیران کمک کند تا بهترین راهکارها را برای مدیریت بهتر افراد پیشنهاد دهند.

    4. مدیریت در پرداخت حقوق: دستگاه حضور و غیاب به مدیران کمک می‌کند تا به راحتی محاسبه کنند که هر کدام از پرسنل در چه ساعتی حضور داشته‌اند و چه مدت زمانی غیبت داشته‌اند. این اطلاعات می‌تواند باعث کاهش دیری در پرداخت حقوق پرسنل شود.

    5. کاهش هزینه‌ها: با استفاده از دستگاه حضور و غیاب، مدیران می‌توانند بهترین برنامه‌ریزی را برای بهره‌وری بهتر از منابع انسانی انجام دهند. این امر می‌تواند باعث کاهش هزینه‌های سازمان شود.

    6. ارتباط سازمانی:دستگاه حضور و غیاب می‌تواند به عنوان یک ابزار ارتباطی میان پرسنل و مدیران سازمان عمل کند. این دستگاه می‌تواند به پرسنل اطلاع دهد که زمان حضور و غیاب آن‌ها به چه شکلی ثبت می‌شود و باعث شفافیت بیشتر در روابط سازمانی شود.

    استفاده از دستگاه حضور و غیاب به عنوان یکی از ابزارهای مدیریت منابع انسانی در سازمان‌ها و شرکت‌ها کمک می‌کند تا به طور موثرتری از منابع انسانی استفاده شود. این دستگاه‌ها به صورت الکترونیکی عمل می‌کنند و معمولاً شامل یک دستگاه سخت‌افزاری و نرم‌افزار مرتبط می‌باشند.

    دستگاه حضور و غیاب در سازمان‌ها و شرکت‌ها به منظور ثبت ورود و خروج پرسنل به کار می‌رود. هر پرسنل برای ورود به سازمان، کارتی را که شامل اطلاعات شخصی او می‌باشت، به دست می‌آورد و پس از قرار دادن آن در دستگاه حضور و غیاب، اطلاعات مربوط به زمان ورود و خروج او ثبت می‌گردد. این اطلاعات سپس به نرم‌افزار مرتبط با دستگاه ارسال شده و در دسترس مدیران و کارمندان مربوطه قرار می‌گیرد.

    دستگاه حضور و غیاب برای سازمان‌ها و شرکت‌ها بسیار مفید است زیرا به آن‌ها اجازه می‌دهد تا به طور دقیقتری مدت زمان کارکرد پرسنل را ثبت کنند. با توجه به این اطلاعات، مدیران می‌توانند به طور دقیقتری مدت زمان کارکرد پرسنل‌ها را محاسبه کنند و به راحتی آن‌ها را با بودجه و منابع سازمان هماهنگ کنند. همچنین، دستگاه حضور و غیاب به مدیران اجازه می‌دهد تا به صورت دقیقتری نظارت بر ورود و خروج پرسنل داشته باشند و در صورت لزوم اقدامات قانونی را برای حفظ حقوق سازمان انجام دهند.

    در کنار مزایایی که دستگاه حضور و غیاب برای سازمان‌ها و شرکت‌ها دارد، باید به برخی از مشکلاتی که ممکن است در استفاده از این دستگاه‌ها پیش آید، نیز توجه کرد. به عنوان مثال، برخی پرسنل‌ها ممکن است از استفاده از دستگاه حضور و غیاب عیاشی کنند و به جای ورود و خروج در ساعات معمول کاری، کارت را برای ثبت حضور و خروج به شخص دیگری بدهند. همچنین، برخی از پرسنل‌ها ممکن است احساس ناراضیتی کنند که مدت زمان حضورشان در سازمان به طور دقیق ثبت می‌گردد و این امر ممکن است باعث بروز تنش بین پرسنل و مدیران شود.

    به عنوان جمع‌بندی، دستگاه حضور و غیاب یکی از ابزارهای مدیریت منابع انسانی است که به سازمان‌ها و شرکت‌ها کمک می‌کند تا به طور دقیقتری مدت زمان کارکرد پرسنل را ثبت و مدیریت کنند. با استفاده از این دستگاه، مدیران می‌توانند به صورت دقیقتری مدت زمان کارکرد پرسنل‌ها را محاسبه کنند و به راحتی آن‌ها را با بودجه و منابع سازمان هماهنگ کنند. همچنین، دستگاه حضور و غیاب به مدیران اجازه می‌دهد تا به صورت دقیقتری نظارت بر ورود و خروج پرسنل داشته باشند و در صورت لزوم اقدامات قانونی را برای حفظ حقوق سازمان انجام دهند. با این حال، باید به مشکلاتی که ممکن است در استفاده از دستگاه حضور و غیاب پیش آید نیز توجه شود تا بتوان به صورت بهینه از این ابزار مدیریتی استفاده کرد. با این حال، با ارائه آموزش‌های لازم به پرسنل‌ها و نظارت دقیق مدیران، می‌توان به بهترین نتیجه از استفاده از دستگاه حضور و غیاب دست یافت..

    در نهایت، دستگاه حضور و غیاب یکی از ابزارهای مهم در مدیریت منابع انسانی است که باعث بهبود بهره‌وری، کاهش خطای انسانی، مدیریت بهتر افراد، کاهش هزینه‌ها و ارتباط سازمانی می‌شود. استفاده از این دستگاه در سازمان‌ها و شرکت‌ها به عنوان یکی از روش‌های موثر در بهبود سیستم مدیریت منابع انسانی مطرح می‌باشد. اما باید به این نکته توجه داشت که استفاده از دستگاه حضور و غیاب نباید به جایگزینی انسانی‌ها در سازمان‌ها و شرکت‌ها منجر شود و باید همچنان نقش انسانی در سازمان‌ها حفظ شود.

  • در سازمان‌ها، حضور و غیاب کارکنان یکی از مهمترین مواردی است که باید مدیریت شود. از این رو، سازمان‌ها از روش‌های مختلفی برای ثبت حضور و غیاب کارکنان استفاده می‌کنند. یکی از روش‌هایی که در سال‌های اخیر بسیار مورد استفاده قرار گرفته است، استفاده از دستگاه حضور و غیاب بیومتریک است.

    دستگاه حضور و غیاب بیومتریک، یک دستگاه الکترونیکی است که با استفاده از ویژگی‌های فیزیکی یا شناختی هر فرد، مانند اثر انگشت، چهره، عنبیه چشم و...، حضور و غیاب فرد را در سازمان ثبت می‌کند. این دستگاه‌ها معمولاً با سیستم‌های نرم‌افزاری مدیریت حضور و غیاب کارکنان ارتباط دارند و اطلاعات ثبت شده توسط دستگاه‌ها به‌صورت آنی و به‌طور آنلاین در دسترس مدیران قرار می‌گیرد.

    استفاده از دستگاه حضور و غیاب بیومتریک، به مدیران سازمان امکان می‌دهد که به‌راحتی و با دقت بالا، حضور و غیاب کارکنان را پیگیری کنند. این روش می‌تواند به‌طور قابل توجهی زمان موردنیاز برای ثبت حضور و غیاب کارکنان را کاهش داده و به‌طور موثری به مدیران کمک کند تا برنامه‌ریزی منابع انسانی را بهبود بخشند.

    علاوه بر این، استفاده از دستگاه حضور و غیاب بیومتریک، امنیت سازمان را نیز بهبود می‌بخشد. زیرا این روش امکان تقلب در ثبت حضور و غیاب کارکنان را به‌طور قابل توجهی کاهش می‌دهد. همچنین، دستگاه حضور و غیاب بیومتریک، اطلاعات شناختی فرد را به‌طور امن ذخیره و پردازش می‌کند، بنابراین از نظر حریم شخصی نیز این روش امنیت بسیار بالایی دارد.

    در نهایت، استفاده از دستگاه حضور و غیاب بیومتریک به سازمان‌ها کمک می‌کند تا به‌طور موثری منابع خود را مدیریت کنند و بهبود کارایی سازمان خود را دست یابند. به‌طور خلاصه، استفاده از دستگاهحضور و غیاب بیومتریک، باعث صرفه‌جویی در زمان، بهبود امنیت و حفظ حریم شخصی افراد، و بهبود کارایی سازمان می‌شود. بنابراین، استفاده از این روش به عنوان یکی از راهکارهای مدیریت حضور و غیاب کارکنان در سازمان‌ها، به‌طور گسترده مورد استفاده قرار می‌گیرد و می‌تواند بهبود قابل توجهی در فرآیند مدیریت حضور و غیاب کارکنان و بهبود کارایی سازمان داشته باشد.

    با توجه به مزایایی که استفاده از دستگاه حضور و غیاب بیومتریک دارد، بسیاری از سازمان‌ها در سراسر جهان از این روش برای مدیریت حضور و غیاب کارکنان استفاده می‌کنند. در واقع، این روش در بسیاری از صنایع و محیط‌های کاری از جمله بانکداری، صنعت، خدمات بهداشتی، و... استفاده می‌شود.

    استفاده از دستگاه حضور و غیاب بیومتریک، باعث کاهش احتمال خطاهای انسانی در ذخیره و پردازش اطلاعات حضور و غیاب کارکنان می‌شود. همچنین، به دلیل اینکه این روش قابلیت تقلب را کاهش می‌دهد، بهبود امنیت سازمان را نیز به‌دنبال دارد.

    استفاده از دستگاه حضور و غیاب بیومتریک، به‌طور چشمگیری زمان موردنیاز برای ثبت حضور و غیاب کارکنان را کاهش می‌دهد. به‌طور کلی، این روش می‌تواند به صرفه جویی در زمان و هزینه کمک کند و به مدیران سازمان امکان می‌دهد تا به‌طور دقیق‌تری منابع خود را مدیریت کنند.

    در نهایت، استفاده از دستگاه حضور و غیاب بیومتریک، به دلیل مزایایی که دارد، به‌طور گسترده در سازمان‌های مختلف استفاده می‌شود. با این حال، باید توجه داشت که برخی از مشکلاتی مانند هزینه‌های نصب، نگهداری و به‌روزرسانی دستگاه‌ها، و همچنین مشکلاتی مربوط به حریم شخصی کارکنان، نیز وجود دارد که باید با آن‌ها مواجه شد.

    در کل، استفاده از دستگاه حضور و غیاب بیومتریک، به‌عنوان یکی از راهکارهای مدیریت حضور و غیاب کارکنان در سازمان‌ها، مزایای بسیاری دارد و می‌تواند بهبود قابل توجهی در فرآیند مدیریت حضور و غیاب کارکنان و بهبود کارایی سازمان داشته باشد. با این حال، باید توجه داشت که برای استفاده موفق از این روش، باید به مشکلات مربوط به نصب، نگهداری و به‌روزرسانی دستگاه‌ها، و همچنین مسائل حریم شخصی کارکنان، توجه ویژه داشت.

  • فرایند پردازش تصویر در دستگاه های حضور و غیاب با استفاده از هوش مصنوعی عبارت است از تحلیل و پردازش تصاویری که از فردان در زمان حضور در دستگاه گرفته می‌شود و تبدیل آن به اطلاعاتی مفید و قابل استفاده برای سیستم حضور و غیاب. استفاده از هوش مصنوعی در این فرایند، باعث افزایش دقت و کارایی در تشخیص و شناسایی افراد می‌شود.

    برخی از مراحل فرایند پردازش تصویر در دستگاه حضور و غیاب تشخیص چهرهبا استفاده از هوش مصنوعی توضیح داده شده است:

    تهیه تصویر: در این مرحله، تصویری از فرد در زمان حضور در دستگاه حضور و غیاب گرفته می‌شود. در اینجا، دوربین‌های دیجیتالی با استفاده از الگوریتم های هوش مصنوعی مانند شبکه عصبی کانولوشنی، از تصاویر با کیفیت بالا و دقت بالاتری برخوردار خواهند بود.

    پیش‌پردازش: در این مرحله، تصویر گرفته شده پیش‌پردازش می‌شود. این شامل حذف نویز، تعدیل روشنایی و کنتراست تصویر و حذف پس‌زمینه و تشخیص اجسام نامناسب می‌شود. از الگوریتم های هوش مصنوعی مانند شبکه های عصبی پیچشی برای پردازش تصویر استفاده می‌شود.

    تشخیص چهره: در این مرحله، تصویر پیش‌پردازش‌شده برای تشخیص چهره استفاده می‌شود. برای تشخیص چهره می‌توان از الگوریتم های هوش مصنوعی مانند شبکه های عصبی پیچشی و الگوریتم های تشدید و تحلیل تصویر استفاده کرد.

    تطبیق چهره: در این مرحله، چهره فرد با چهره‌هایی که در پایگاه داده دستگاه حضور و غیاب ذخیره شده‌اند مقایسه می‌شود. برای این منظور از الگوریتم های تطبیق چهره مانند الگوریتم تطبیق شباهت کسینوسی و الگوریتم تطبیق نزدیک‌ترین همسایه استفاده می‌شود.

    ثبت حضور: در صورت تأیید هویت فرد، حضور او در سیستم ثبت می‌شود و اگر تأیید نشد، حضورش ثبت نمی‌شود. برای ثبت حضور، می‌توان از الگوریتم های هوش مصنوعی مانند شبکه های عصبی و ماشین‌های بردار پشتیبان استفاده کرد.

    استفاده از هوش مصنوعی در فرایند پردازش تصویر در دستگاه های حضور و غیاب، باعث افزایش دقت و کارایی در تشخیص و شناسایی افراد می‌شود. همچنین، این فناوری به امنیت سیستم حضور و غیاب نیز کمک می‌کند، زیرا افراد ناشناس قادر به دسترسی به سیستم حضور و غیاب نخواهند بود. در نتیجه، استفاده از هوش مصنوعی در فرایند پردازش تصویر در دستگاه های حضور و غیاب، بهبود کارایی و دقت سیستم را فراهم می‌کند و امنیت سیستم را تضمین می‌کند.

    در نتیجه، فرایند پردازش تصویر در دستگاه حضور و غیاب شامل تهیه تصویر، پیش‌پردازش، تشخیص چهره، تطبیق چهره و ثبت حضور است. این فرایند برای جلوگیری از تقلب در سیستم‌های حضور و غیاب و افزایش دقت در شناسایی افراد حضوری، بسیار مهم است.

     در دستگاه حضور و غیاب با تشخیص چهره، توجه به برخی نکات بسیار مهم است که می‌تواند در بهبود دقت و کارایی سیستم تأثیرگذار باشد. در زیر به برخی از این نکات اشاره شده است:

    کیفیت تصویر: یکی از عوامل مهم در دقت تشخیص چهره، کیفیت تصویر است. بدون تصاویر با کیفیت و دقت بالا، دستگاه نمی‌تواند چهره فرد را به درستی تشخیص دهد. بنابراین، لازم است دستگاه حضور و غیاب با توجه به شرایط محیطی، از دوربین با کیفیت و دقت بالا استفاده کند.

    نورپردازی: نورپردازی مناسب و استفاده از نورهای مناسب نیز تأثیر مهمی در دقت تشخیص چهره دارد. تصاویر با نور کافی و مناسب، باعث بهبود دقت در تشخیص چهره می‌شوند.

    زاویه دید: زاویه دید دستگاه حضور و غیاب نیز بسیار مهم است. برای دستگاه‌های حضور و غیاب با تشخیص چهره، زاویه دید به گونه‌ای تنظیم شده‌باشد که چهره فرد به درستی قابل تشخیص باشد. بنابراین، لازم است دستگاه حضور و غیاب با توجه به اندازه و شکل دستگاه، زاویه دید مناسب را در نظر بگیرد.

    پردازش تصویر: برای دستگاه حضور و غیاب با تشخیص چهره، الگوریتم‌های پردازش تصویر مانند شبکه‌های عصبی پیچشی و الگوریتم‌های تطبیق چهره بسیار مهم هستند. این الگوریتم‌ها با توجه به تصویر گرفته شده، اطلاعاتی مفید را استخراج می‌کنند و در نهایت چهره فرد را با دقت بالا تشخیص می‌دهند.

    پایگاه داده: استفاده از پایگاه داده‌های مناسب و به‌روز نیز در دستگاه حضور و غیاب با تشخیص چهره بسیار مهم است. پایگاه داده‌ای که حاوی تصاویر با کیفیت و دقت بالا از افراد است، باعث بهبود دقت در تشخیص چهره می‌شود.

    آموزش الگوریتم‌ها: در دستگاه‌های حضور و غیاب با تشخیص چهره، الگوریتم‌های پردازش تصویر باید با داده‌های کافییت و دقت بالا آموزش داده شوند تا بهترین عملکرد را از خود نشان دهند. بنابراین، لازم است که دستگاه حضور و غیاب با توجه به نیازهای محیطی و مشخصات فردی افراد، الگوریتم‌های خود را بهبود داده و آموزش دهد.

    حفاظت از حریم خصوصی: در استفاده از دستگاه حضور و غیاب با تشخیص چهره، حفاظت از حریم خصوصی افراد بسیار مهم است. بنابراین، لازم است دستگاه حضور و غیاب با رعایت قوانین مربوط به حفاظت از حریم خصوصی، اطلاعات فردی را به درستی محافظت کند.

    مقابله با تقلب: دستگاه حضور و غیاب با تشخیص چهره باید قابلیت مقابله با تقلب را داشته باشد. به عنوان مثال، قابلیت تشخیص تقلب‌هایی مانند استفاده از عکس یا ماسک، بسیار مهم است تا به دقت و کارایی بالای دستگاه حضور و غیاب با تشخیص چهره کمک کند.

    سرعت عمل: در دستگاه حضور و غیاب با تشخیص چهره، سرعت عمل نیز بسیار مهم است، به طوری که به سرعت و دقت چهره فرد را تشخیص دهد و به‌روزرسانی اطلاعات در پایگاه داده را به طور سریع انجام دهد.

    در کل، برای بهبود دقت و کارایی دستگاه حضور و غیاب با تشخیص چهره، لازم است که تمامی نکات فوق را به درستی مدیریت کنید. همچنین، می‌توانید با مشاوره و همکاری با متخصصان و تولیدکنندگان دستگاه‌های حضور و غیاب با تشخیص چهره، در بهبود دستگاه خود کمک بگیرید.

  • همانطور که میدانیم روشهای مختلفی برای برقراری ارتباط بین لپ تاپ یا کامپیوتر یا سروری که نرم افزار حضور و غیاب روی آن نصب است و سیستم فیزیکی حضور و غیاب وجود دارد که رایج ترین آنها همان پورتهای RS232,RS485,USB,GPRS,Micro SD,، شبکه و... میباشد.که در این میان سه نوع RS232و شبکه و استفاده از تخلیه اطلاعات توسط USB جاافتاده از بقیه است.
    حال به بررسی روش تخلیه اطلاعات حضور و غیاب توسط شبکه میپردازیم:
    شایان ذکر است که مهمترین وکاربردی ترین و اساسی ترین روش درگاه ارتباطی بین دستگاه حضور و غیاب وکامپیوترها پورت شبکه است،با پیشرفت تکنولوژی میتوان گفت تمام کامپیوترهای امروزی و سیستمهای حضور و غیاب مجهز به این پورت بوده که یا بصورت سیمی ویا بدون سیم کار میکنند که به ترتیب Wied,Wireless نامگذاری میشوند.بنابراین برای برقراری ارتباط بین کامپیوتری که میخواهیم روی آن تخلیه اطلاعات انجام دهیم و دستگاه حضور و غیاب در صورتی که در شبکه سیمی توسط کابل شبکه و یا با اتصال دوطرفه به بستر شبکه موجود یعنی همان اتصال به نود یا سوییچ شبکه این مرحله برقراری ارتباط را انجام دهیم.خوب است بدانیم که تنظیمات شبکه بمراتب پیچیده تر از دو درگاه RS232 ,USB میباشد وبعلت اینکه از لحاظ کاربردی خیلی تنوع خوبی دارد پس بسیار مفید تلقی میشود.تکنولوژیRS232 قدیمی ترین روش برای تخلیه اطلاعات است که در آن از پورت Com  کامپیوتر استفاده میشود و حداکثر طول استاندارد کامپیوتر در این متد30 متر میباشد.

  • دستگاه حضور و غیاب با تشخیص چهره، یکی از فناوری‌های پیشرفته حضوری است که در سیستم‌های مدیریت حضور و غیاب در شرکت‌ها، سازمان‌ها و مدارس استفاده می‌شود. این دستگاه با تکنولوژی تشخیص چهره، اطلاعات حضور و غیاب کارکنان را به صورت خودکار، دقیق و بدون نیاز به دخالت انسانی ثبت و ذخیره می‌کند.

تمامی حقوق مادی و معنوی این وب سایت متعلق به شرکت آرمان سیمرغ پارسیان می باشد.