基于单片机教学楼智能考勤系统设计

1、引言

随着网络与通讯技术的飞速发展和人类社会的不断进步，现代社会对于人类自身身份的准确与安全识别以及身份检测的方便性有了更高的要求。要做到身份识别的安全、可靠、准确、方便等等众多要求，传统的人工方法已经不能满足。而智能考勤系统可以打破传统方法的局限性，可以方便、准确的实现人们日常学习、工作中的考勤打卡，并可以同步网络也方便了管理者对人们考勤的查询与统计。将该系统用于考勤，仅仅几秒钟就可以打好考勤，做到了打考勤者身份的真实、操作便利，可以排除传统的打考勤磁卡等等原因而错过考勤的事情发生。

本文详细描述了一款基于单片机技术的校园考勤系统的设计流程及其实施方式。本设计通过深入探讨常规的考勤方法并结合人工智能的技术，成功地将考勤功能实现了自动化和数字化，进而显著提高考勤的效率。

2、背景介绍

目前主流的人脸识别技术主要分为几个不同的类别:

采用基于几何特性的方法：人脸的主要部分如眼睛、鼻子和嘴巴等，由于这些部分之间的距离和大小的差异，导致了人与人之间脸部的显著不同。在人脸识别中，主要采用的是几何特征，如眼睛、鼻子和嘴巴等关键器官的几何属性，作为分类的依据。

特征脸方案：这是一种将人脸基准点的相对比例与描述人脸联播特征的形状参数或类别参数等综合起来，形成用于识别的特征向量的方法。这种识别方法不只是维持了人脸的整体拓扑结构，同时也保存了各个部分的详细信息。

神经网络技术方案：人工神经网络是一个非线性的动态系统，它展现出了出色的自我组织和自适应特性。虽然神经网络方法在描述人脸识别中的众多规律或规则上存在一定的难度，但神经网络技术能够通过学习来隐性地表达这些规律和规则，其适应能力更为出色，通常也更易于实施。

3、智能考勤系统功能介绍

该系统的主要目标是实现智能、高效、准确的人物身份识别功能，以满足学生教学楼考勤方面的需求。具体功能包括：

3.1 双重识别认证

将人脸识别与指纹认证相结合，可以实现考勤数据的双重验证。学生在签到时，首先通过人脸识别确认身份，如果人脸识别失败则启用指纹认证核实。这样提高了考勤数据的环境适应性和可靠性。

3.2 非接触式与接触式结合

人脸识别提供非接触式考勤，适合大部分场合，；指纹认证则能够作为补充，在强逆光、面部遮挡等特殊环境下提供了可靠的验证，确保考勤数据的完整性。

3.3 实时考勤记录功能

系统可以自动记录考勤时间，次数等信息，不需要手动操作，可以大大降低时间成本。考勤数据可以实时更新到后台，方便教师与学生查看。

4、整体结构设计

该考勤系统整体结构如图 4-1 所示，包括硬件模块和软件模块两大部分，进一步细分包括以下部分：

显示输出模块：动态显示人脸识别框、指纹认证的进度条，考勤成功或失败，以及异常界面的提示，例如识别失败、网络中断、设备故障等。

采集模块：分为人脸采集与指纹采集，该模块可以用于初始化整个系统，然后采集原始图像、指纹数据。

存储模块：存储从图像处理模块传来的图像数据。可以自动进行备份，系统本身与云端双重存储。

蜂鸣器：用于不同的状态提示，比如考勤成功、失败或异常情况。

电源模块：给主机供电，采用双电源供电，主电源与备用电池无缝衔接。以保证异常断电时数据不会丢失。

时钟模块：网络时间自动校准，考勤数据可以精确到秒，断电后也可以正常工作，独立维持系统的时钟运行。

传感器模块：使用红外热释电传感器来感应人体，只有当检测到人体时，由单片机启动摄像头进行图像采集并进行数据传输，以此减小系统功耗。

数据传输模块：将采集到的图像数据传送到云端，方便教师与学生查看考勤状态。

无线通信模块：负责实现考勤系统与外部设备或网络的无线通信，以便进行数据交换和信息共享。具备高速、稳定、安全的通信能力。

该考勤系统硬件结构如图4-2 所示：

5 软件设计

在学生教学楼智能考勤系统中，软件设计是实现自动化、智能化控制的关键。

系统启动后首先完成硬件初始化（包括红外传感器、摄像头及通信模块的初始化配置）。初始化完成后进入主循环，通过红外传感器进行非接触式人体检测。若未检测到人员存在（逻辑判断 " 否 "），系统转入监控模式。该模式下，摄像头基于图像识别算法（如 YOLO 或ResNet 架构）实时监测环境异常（如烟雾、火焰等火灾特征），若检测到异常则触发声光报警，并进入报警锁定状态，需人工复位方可解除；若无异常则返回红外检测循环，形成低功耗待机闭环。

当红外传感器检测到人员（逻辑判断 " 是 "），系统切换至人脸识别模式。采用 MTCNN 进行人脸检测，结合 FaceNet 等特征提取模型完成身份验证。设计容错机制为：首次识别失败后允许 ⩽2 次重试（累计3 次尝试），若仍失败则自动切换至指纹识别备用模式。该设计既考虑光照条件等临时干扰因素，又通过多模态生物特征验证确保系统鲁棒性。成功识别后，系统通过TCP/IP 协议向管理终端发送结构化考勤数据（含时间戳、身份ID 等字段）。

指纹识别作为次级验证方案，采用电容式传感器采集指纹特征，通过 Minutiae-based 匹配算法进行验证。系统允许最多 3 次连续识别尝试，若全部失败则判定为考勤异常，记录错误代码（包含失败原因、时间等元数据）并上传至服务器。值得注意的是，系统在每次生物识别失败后均返回初始红外检测节点，避免因设备阻塞导致系统僵死，符合ISO 13849-1 对安全控制系统的设计要求。

参考文献

1. 张旭 , 谢鉴 . 基于深度学习的人脸大数据系统应用 [J]. 电子技术与软件工程 ,2019,(03):161.

2. 周妍 . 人脸识别考勤系统的分析与应用 [J]. 产业与科技论坛 ,2014, (07):57-58.

作者简介：周一朝（2003 年 11 月），男，汉族，安徽省淮北市，本科在读 研究方向：单片机