基于步态触觉信息的考勤系统

基于步态触觉信息的考勤系统

ID:33757135

大小:1.07 MB

页数:57页

时间:2019-02-28

基于步态触觉信息的考勤系统_第1页
基于步态触觉信息的考勤系统_第2页
基于步态触觉信息的考勤系统_第3页
基于步态触觉信息的考勤系统_第4页
基于步态触觉信息的考勤系统_第5页
资源描述:

《基于步态触觉信息的考勤系统》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、中国科学技术大学硕士学位论文基于步态触觉信息的考勤系统姓名:林尔东申请学位级别:硕士专业:检测技术与自动化装置指导教师:孙怡宁2011-05-12摘要摘要生物识别技术是指依据人独有的身体特征或行为习惯来对个体进行唯一鉴定。做为一项新兴的科学,生物识别技术已经深入到社会生活的各个层面,给公众带来安全保证,成为公认的身份识别技术。步态是人特有的具有周期性,不易隐藏的生活习惯。与传统的生物特征识别相比,步态识别不需要被测者配合,不易被察觉,同时也不会给被测者带来麻烦。利用步态进行特征识别已成为一个新的研究热点

2、。本文在三维测力台基础上,利用基于步态触觉的身份识别算法设计并实现了一种100人左右样本的考勤系统,该考勤系统具有如下功能:1.对权限进行划分,管理管理员的权限和密码,并对数据进行加密。2.通过多进程实现采集,数据监测同步,并且在不需要停止采集运行的情况下进行人员识别和有效数据保存。3.利用基于步态触觉信息的身份识别算法进行识别,主要包括四部分:(1)利用小波包分解细化有效数据。(2)利用模糊C均值算法提取样本的最优特征,并建立最优特征的模板。(3)利用SVM对训练数据建立模板,利用模板进行身份识别。(

3、4)建立多个不同的模板,动态的选择模板。4.利用Access数据库管理人员信息和考勤记录,提供用户与Access数据库交互界面,用于对人员信息操作,显示考勤报表和对报表进行保存或打印。本系统在实验室内部进行测试,一方面用于实时检验步态识别算法的准确率,一方面代替实验室人工考勤。经过测试,系统能稳定运行,在为步态识别算法研究提供依据的同时,简化了实验室的考勤机制。关键字:步态触觉信息生物识别考勤系统数据库IAbstractABSTRACTBiometricstechnologyisbasedonpeopl

4、e'suniquephysicalcharacteristicsorbehaviortouniquelyidentifytheindividual.Asanemergingscience,biometrictechnologyhasbeenintoallfacetsofsociallifedeeply,givingthepublicsafetyassuranceandhasbeenArecognizedidentificationtechnology.Gaitisatypicalandcyclicalh

5、abitofhumanandisdifficulttohide.Comparedwithtraditionalbiometrics,gaitrecognitionwiththosecharacterwhichneed'tworktogether,can'teasilybedetected.Atthesametime,itwould'ttroubletheconners.Gaitrecognitionisgoingtobecomeanewhotspot.Inthispaper,wedesignandimp

6、lementeanattendancesystemwhichcontainsabout100samples.Thesystemisdesignedinthethree-dimensionalforceplateandthebiometricauthenticationalgorithmbasedongaittouchinginformation.Itcontainsmanyfunctions:1.Divisonofauthority,managementofprivilegesandpasswordso

7、fadministrator,dataencryption.2.Thedatacollectionthroughmulti-process,datamonitoringsynchronization,personelindentificationandeffectivedatastoragewhendatacollecting.3.Thebiometricauthenticationalgorithmbasedonplantarpressureandgroundreaction.(1)Decompose

8、thevaliddatausingwaveletpacketdecomposition.(2)FeatureSelectingusingafuzzyc-means(FCM)clusteringalgorithmandbuildingthebestmodel.(3)Classifythedatausingsupportvectormachine.(4)Buildmanymodelsandselectthemodelreasonable.4.M

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。