早期的考勤通常就是用筆在記錄簿上簽個名字，由于代替的現(xiàn)象時有出現(xiàn)，通常使用生物識別、門禁刷1卡來做考勤。有些公司有公司獨立的ERP辦公系統(tǒng)，也有考勤管理制度。比指紋考勤機更方便，更嚴格。

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，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。只要定期對巡更器上的數(shù)據(jù)進行核查，就能準確地掌握該巡更人員的到崗到位情況。歡迎來電咨詢！

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。當用戶在采集設備的拍攝范圍內(nèi)時，采集設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處理，即在圖像中準確標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、結構特征及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。以往查寢，輔導員或學生干部需要在晚上下課后去學生的各寢室查寢，然后在考勤表上做記錄，還要統(tǒng)計上報，工作量出奇的大，學生的自由度也受到限制。主流的人臉檢測方法基于以上特征采用Adaboost學習算法，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。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)，按照加權的方式將弱分類器構造為一個強分類器，再將訓練得到的若干強分類器串聯(lián)組成一個級聯(lián)結構的層疊分類器，有效地提高分類器的檢測速度。

一般來說，人臉識別系統(tǒng)包括圖像攝取、人臉定位、圖像預處理、以及人臉識別（身份確認或者身份查找）。

系統(tǒng)輸入一般是一張或者一系列含有未確定身份的人臉圖像，以及人臉數(shù)據(jù)庫中的若干已知身份的人臉圖象或者相應的編碼，而其輸出則是一系列相似度得分，表明待識別的人臉的身份。

人臉識別算法分類基于人臉特征點的識別算法（Feature-based recognition algorithms）。

基于整幅人臉圖像的識別算法（Appearance-based recognition algorithms）。

基于模板的識別算法（Template-based recognition algorithms）。

利用神經(jīng)網(wǎng)絡進行識別的算法（Recognition algorithms using neural network）。