Recording student attendance and recognizing their faces using deep learning

Öğrencilerin derslere katılımını izlemek için çeşitli yöntemler mevcuttur; biyometrik, radyofrekans, yüz tanıma ve kağıt tabanlı sistemler. Ancak yüz tanımaya dayalı yaklaşımın hem etkili hem de güvenli olduğu bulunmuştur. Bu çalışmada bir güven eşiği Öklid mesafe değerleri aracılığıyla uygulanmıştır. Kimlik belirleme sürecini geliştirin. Yerel İkili Desen Histogramı (LBPH) algoritması daha etkili olduğu kanıtlandığından bu amaç için kullanılmıştır. Özyüzler ve Fisher yüzleri gibi diğer yöntemler. Haar basamaklı yöntemi Sağlamlığı nedeniyle yüz algılama için kullanılır. Sistemin performansı değerlendirildi Tanıma oranları, hatalı pozitif oranlar ve tespit etme dahil olmak üzere çeşitli senaryolarda eşiği olan veya olmayan bilinmeyen kişiler. Sistem şunu gösterdi: %24 yanlış pozitif oranıyla öğrenciler için etkileyici %79 tanınma oranı ve gözlüklü veya sakallı öğrencileri tanımlayın. LBPH algoritması ve Haar Cascade yöntemi sistemin olağanüstü performansına katkıda bulunur. Tanınma oranı Yüz tanıma teknolojisinde kayıtlı olmayan kişilerin kayıtsız kalması bile dikkat çekicidir. %64'lük övgüye değer bir eşik değer kullanımı. Ayrıca yanlış oranı pozitifler etkileyici derecede düşük, yaklaşık %15 ve %31'de kalıyor.