点点时光（武汉）科技有限公司是校园移动考勤信息化的，公司所推出的下一代校园移动考勤产品—签到荚，结合人脸检测、人脸、人脸识别、检测、GPS***、WIFI***、***、锚点***、云计算、移动互联等***技术，可有效防止考勤时困扰用户的“代签到”、“不到考勤点签到”、“需排队签到”等问题。欢迎来电咨询！

学生能用哪些功能？

1、上课50分钟，点名半小时？不存在的！（点名功能）

为了检查学生是否按时上课，教师会在上课过程中不定时发起点名。目前，在高校中普遍存在的点名方式是教师通过纸质版学生花名册，按照顺序点名。因为高校教学主要以大班授课为主，人数较多，大多数超过60人，完成一次点名会耗费大量时间，占用学生上课时间。

使用签到荚APP点名，学生可快速完成点名，签到荚支持万人同时签到，所以一个班的学生点名不需要一分钟就可以完成。

人脸识别系统主要包括四个组成部分，分别为：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。

人脸图像采集及检测人脸图像采集：不同的人脸图像都能通过摄像镜头采集下来，比如静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集。当用户在采集设备的拍摄范围内时，采集设备会自动搜索并拍摄用户的人脸图像。

人脸检测：人脸检测在实际中主要用于人脸识别的预处理，即在图像中准确标定出人脸的位置和大小。人脸图像中包含的模式特征十分丰富，如直方图特征、颜色特征、模板特征、结构特征及Haar特征等。人脸检测就是把这其中有用的信息挑出来，并利用这些特征实现人脸检测。主流的人脸检测方法基于以上特征采用Adaboost学习算法，Adaboost算法是一种用来分类的方法，它把一些比较弱的分类方法合在一起，组合出新的很强的分类方法。人脸检测过程中使用Adaboost算法挑选出一些代表人脸的矩形特征(弱分类器)，按照加权的方式将弱分类器构造为一个强分类器，再将训练得到的若干强分类器串联组成一个级联结构的层叠分类器，有效地提高分类器的检测速度。

人脸识别被认为是生物特征识别领域甚至人工智能领域困难的研究课题之一。人脸识别的困难主要是人脸作为生物特征的特点所带来的。相似性，不同个体之间的区别不大，所有的人脸的结构都相似，甚至人脸的结构外形都很相似。这样的特点对于利用人脸进行***是有利的，但是对于利用人脸区分人类个体是不利的。易变性人脸的外形很不稳定，人可以通过脸部的变化产生很多表情，而在不同观察角度，人脸的视觉图像也相差很大，另外，人脸识别还受光照条件（例如白天和夜晚，室内和室外等）、人脸的很多遮盖物（例如口罩、墨镜、头发、胡须等）、年龄等多方面因素的影响。在人脸识别中，类的变化是应该放大而作为区分个体的标准的，而第二类的变化应该消除，因为它们可以代表同一个个体。通常称类变化为类间变化（inter-class difference），而称第二类变化为类内变化（intra-class difference）。对于人脸，类内变化往往大于类间变化，从而使在受类内变化干扰的情况下利用类间变化区分个体变得异常困难。

人脸考勤系统人事管理

1. ***管理：支持为员工设置所属***的属性，可以添加、修改、删除和查询等操作；

2. 网点管理：支持为员工设置所属网点的属性，可以添加、修改、删除和查询等操作；

3. 部门管理：支持为员工设置所属部门，可以添加、修改、删除和查询等操作；

4. 岗位管理：支持为员工设置岗位的属性，包括岗位所属部门，岗位等级，级别等信息；

5. 考勤人员管理：可以灵活对员工进行添加、修改、删除和查询操作，允许为员工选择照片。