تولید کننده دستگاه های کنترل تردد و انواع مختلفی از دستگاه حضور و غیاببطور کلیثبت تردد در  سه حالت

مدتهاست دستگاه های حضور و غیاب به منظور کنترل منظم و دقیق رفت و آمد پرسنل شرکتها ، سازمانها و موسسات با تعداد پرسنل زیاد الزامی شده است . و نیاز به مدیریت این افزایش پرسنلی نیز احساس می شود. لذا انتخاب دستگاه حضور و غياب ، متناسب با نیاز سازمانها، در حالتی كه تخصص لازم نداشته باشند، كار ساده ای نیست.

تاریخچه دستگاه حضور و غیاب
تاریخچه دستگاه حضور و غیاب به زمان انقلاب صنعتی دراواخر قرن19میلادی باز می گردد زمانیکه بسیاری از افراد که دراروپا،آفریقا و آمریکا زندگی می کردند در کارخانه های بزرگ مشغول به کار بودند و کسب وکارهای کوچک و خصوصی از رونق چندانی برخوردار نبودند این موضوع باعث شد حضور و غیاب پرسنل وافراد شاغل در این کارخانه اهمیت بسیاری پیدا کند وحجم بالای کار دراین کارخانه ها و سازمان ها نظارت دقیق برروی کارکرد پرسنل و حضور و غیاب آنها راطلب می کرد و این کارخانه ها و سازمان ها برای سوددهی و نظم بخشیدن به کار خود نیازمند ثبت دقیق ورود و خروج،تردد و حضور و غیاب پرسنل خود بودند.
ثبت حضور و غیاب و تردد افراد در آن زمان توسط نیروی انسانی به صورت دستی صورت می گرفت که این موضوع امکان خطا و همچنین تقلب در این روند را افزایش می داد بنابراین نیاز به ایجاد روش جدیدی برای ثبت حضور و غیاب و تردد پرسنل را بیش از پیش نمایان می کرد کم کم ثبت حضور و غیاب و تردد افراد شاغل کارخانه ها تبدیل به یک الزام شد و همین موضوع سبب اختراع دستگاه حضور و غیاب گردید که دستگاه حضور و غیاب پانچی نام گرفت و حضور و غیاب پرسنل را توسط پانچ کردن برگه آنها انجام میداد.
دستگاه حضور و غیاب کلید ونوار یا همان کاغذی در سال1888 میلادی توسط یک جواهرفروشی به نام ویلاردباندی ساکن شهر نیویورک اختراع شد.این دستگاه حضور و غیاب ازچرخ دنده های متعددی که توسط حرکت ساعت کنترل می شد ساخته شده بود وکارایی بسیار بالاتراز یک ماشین ثبت زمان داشت و حضور و غیاب افراد را بر روی یک نوار کاغذی بصورت دقیق چاپ میکرد ودیگر از کارت ساعت حضور و غیاب درآن استفاده نمیشد.شماره پرسنلی هرفرد برروی نوار کاغذی از پیش چاپ شده قرارداشت وزمان ورود وخروج افراد برروی این کارت درهنگام ورود وخروج آنها ثبت وچاپ میشد.هرکارمند هنگام ورود به محل کارخود باوارد کردن شماره کلید مخصوص خود حضور و غیاب خود را ثبت میکرد.
نوع دیگری از دستگاه حضور و غیاب درسال1988 توسط فردی به نام دکترالکساندردی اختراع شد. این دستگاه بنام حضور و غیاب دی شهرت یافت.دراین ماشین شماره گیر بزرگی تعبیه شده بودکه شماره اختصاصی مربوط به هرفردبرروی آن قرارداشت.کارگران برای ثبت حضور و غیاب خود توسط این دستگاه ابتدا بازوی اشاره گررابرروی شماره ی پرسنلی منحصربفرد خود قرار می دادند وپس از آن این بازو اشاره گر رافشار میدادند.این فرآیند باعث چاپ ساعت ورود وخروج افراد برروی کاغذهای موجود دراین دستگاه حضور و غیاب می شد وبدین شکل حضور و غیاب افراد ثبت می گردید.
درسال1894 دستگاه حضور و غیاب کارتی توسط فردی به نام دانیل ام کوپراختراع گردید که به دستگاه حضور و غیاب روچستد معروف شدکه ساعت ورود وخروج افراد رابرروی کارت چاپ می کرد.کارت ساعت استفاده شده دراین دستگاه نوعی کارت از جنس مقوا بودکه ایام هفته برروی آن چاپ شده بود که هرروزدارای دو قسمت ورود وخروج بود که یکی برای صبح ویکی دیگر برای عصر مورد استفاده قرار میگرفت.دراین نوع دستگاه حضور و غیاب هرپرسنل کارت مخصوص ومنحصربفرد خود را درون دستگاه قرار می دادوبا فشردن اهرم دستگاه ساعت تردد فرد برروی دستگاه به چاپ می رسید وبدین وسیله حضور وغیاب فرد ثبت می شد.بدین سان شرکت ویاکارخانه درپایان هر هفته با بررسی کارت ساعت هرفرد قادربود تاکارکرد هرکارمند را محاسبه کند وبراساس این محاسبات حقوق آنها را پرداخت کند.
اولین دستگاه حضور و غیاب ساخته شده ازجنس چوب بود که از یک ساعت ونوع خاصی از چرخدنده تشکیل شده بود که کنترل چاپ ساعت ورود وخروج افراد برروی ستون های کارت ساعت نیز به صورت دستی انجام میشد.اولین شرکت تولید کننده دستگاه حضور و غیاب به صورت انبوه،شرکتIBM بودکه تولیدانبوه دستگاه حضور و غیاب راازسال1911 انجام دادوتا سال 1920اکثر کارخانه ها،شرکت هاو ادارات از دستگاه حضور و غیاب استفاده می کردندو دیگرازدست نوشته وثبت دستی استفاده نمیکردندودستگاه حضور و غیاب جای ثبت حضور و غیاب دستی راذربسیاری از این مراکز گرفت.
ثبت حضور و غیاب توسط شرکت IBM موردتوجه قرارگرفت ودرمدت کوتاهی توسعه پیداکرد به گونه ای که تنظیم وکنترل صحت ورود وخروج کارت حضور و غیاب به صورت خودکارانجام می شد.طی این فرآیند خودکار وضعیت کاری کارمندان بارنگ های خاصی ومختلف برای اضافه کارویاکسر برروی کارت حضوروغیاب هرفرد به صورت رنگی چاپ میشد تاامکان تشخیص اضافه کاروکسرکارهرفرد به صورت مستقیم برروی کارت ساعت حضور و غیاب آن مشخص شود.
اولین دستگاه حضور و غیاب تمام خودکاردرسال 1928 تولید وعرضه شد که روز وساعت کارکردهریک از پرسنل،کارگران وکارمندان به صورت افقی وبرروی یک خط چاپ میشد که این روش تحول اساسی رادرمحاسبه ساعت کارکرد پرسنل به وجود آورد ومحاسبات کارکرد افراد رابسیار ساده وسریع کرد.داخل این دستگاه حضوروغیاب وسیله ای قرار داشت که قادر به ثبت زمان براساس دقیقه بود وهمین موضوع باعث ثبت دقیقه ساعت حضور و غیاب پرسنل گردید.
اولین نوع از دستگاه های حضور و غیاب پس از دستگاه های پانچی،دستگاه حضور و غیاب بارکدخوان بودند که کارتی شامل اطلاعات پرسنلی فرد به صورت بارکد دراختیار هرفرد قرار میگرفت که پرسنل پس از ورود وهنگام خروج کارت خودرا دردستگاه بارکدخوان قرارداده واطلاعات ورود وخروج آنها دردستگاه ثبت می شدوسپس این اطلاعات توسط نرم افزار به کامپیوتر انتقال داده ومحاسبات مربوط به آن انجام می شد.
باتوسعه تکنولوژی وفناوری های نوین امروزی وتکنولوژی کامپیوتر نسل جدید دستگاه حضور وغیاب تولید وعرضه گردیدکه به جای استفاده از کارتهای مقوایی یکبار مصرف از کارت های دائمی استفاده میکنند.دراین نوع کارت ها شماره ی شناسایی افراد برروی آنها قراردارد وبا تکنولوژی مغناطیسی،بارکد،بدون تماس،مایفیر،HDI کار می کند.
نرم افزارهای ابتدائی حضور و غیاب تحت سیستم عامل DOS طراحی شده بودند واز انعطاف و امکانات کمی برخورداربودند اما باتوسعه ی علم و فناوری اکثر نرم افزارهای حضوو غیاب تحت ویندوز و وب طراحی می شوندو اطلاعات بسیار زیادی را از ورود و خروج وتردد افراد پردازش ودراختیار مدیران قرار می دهند.
درسیستم کنترل تردد وحضور و غیاب کارتی که برمبنای بارکد کار می کردند اطلاعات پرسنلی هرفرد برروی کارت مخصوص وی بصورت بارکد به چاپ می رسید که در اصطلاح شماره کارت ویا شماره تردد فرد نامیده می شد.
ورود دستگاه های حضوروغیاب بیومتریک تحول عظیمی را بوجود می آورد که این دستگاه های حضور وغیاب با استفاده از اسکن اثرانگشت و یا اسکن بخش دیگری از اعضای بدن اطلاعات ورود وخروج افراد را ثبت می کنند.باگسترش تکنولوژی بیومتریک وقرارگرفتن اسکنر اثرانگشت درون دستگاه های حضور وغیاب این دستگاه ها کارایی بسیار بالایی پیدا کردند چراکه امنیت بالاتر واطمینان بیشتری را برای مدیران به همراه داشتند.
شایدبتوان مصری ها را اولین افرادی نامید که از اثرانگشت دست و یا پا 4000 سال قبل در زمان ساخت اهرام مصر باستان استفاده می کردند.همچنین نمونه ای از اثر کف دست یک موجود ناشناخته در حفاری های باستان شناسی مصر مربوط به 10 هزار سال قبل یافت شده است که درنوع خود نمونه منحصربفرد می باشد واز اهمیت بسیاری برخوردار است.همچنین ثبت اثرانگشت افراد توسط جوهر یکی از روشهای مرسوم چینی ها بوده است که بمنظور ثبت اسناد وقراداد های رسمی ومعاملات وموارد مهم دیگر مورداستفاده قرار می گرفته است.
محققان براین باورند اگرچه چینی هااز ثبت اثرانگشت وانگشت نگاری توسط جوهر استفاده می کنند اما از منحصربفرد بودن اثرانگشت هرفرد اطلاعی نداشتند.اولین مستندبرپایه علوم پزشکی در سال1684 هجری قمری توسط "دکتر نهیماگرو" انگلیسی درخصوص انگشت نگاری به چاپ رسید که به منحصربفرد بودن اثرانگشت افراداشاره داشت.همچنین یک گیاه شناس دانشگاه "بلوگنا"به نام "مارسلومالپیگی"تحقیقاتی مشابه تحقیقات دکتر گرو رادرسال 1986 انجام دادواولین مقاله دراین خصوص را با عنوان De Extemo Factas Orange به چاپ رسانیدکه جزئیاتی درخصوص خطوط برجسته وفرورفتیگی های کف دست را شامل می شدو همچنین اطلاعاتی رادرخصوص منافذ پوست ارائه می کرد.این تحقیقات دکتر "مالپیگی"آنچنان با اهمیت بود که بعد ها یکی از لایه های دست را به نام وی"Stratam Malpighi" نام گذاری کردند ودرسال 1923 یک پروفسور کشیش به نام "جوهان اوانگلیست پورکینجی" جزئیات بسیار کاملی رادرخصوص اثرانگشت منتشر کرد.این مقاله جزئیات مربوط به 9نمونه اثرانگشت متفاوت رابررسی می کردوبااستفاده از تصاویر به شرح دقیق خصوصیات اثرانگشت پرداخته شده است.

همچنین در سال1958 یک افسر ارشد ارتش انگلیس که درکمپانی هند شرقی مشغول به خدمت بود به تقلید ازکارفرمایان هندی خود به هنگام تنظیم اسناد وقراداد هااز افراد طرف معامله انگشت نگاری تا افرادخود راموظف می کرد تا به تعهدات ،پیمان ها وقراردادهای خودپایبند باشند همچنین این افسرانگلیسی تمایل زیادی ازخود برای انگشت نگاری از زندانیاننشان می داد.
پیشرفت علم انگشت نگاری توسط دکتر"هنری فالز" دراواخر قرن 19 واوایل قرن بیستم میلادی به نحو چشم گیری افزایش پیدا کرد.دکتر "فالز"که یک پزشک ارتش اسکاتلند بود زمانیکه در بیمارستانی در توکیو ژاپن مشغول به کاربود به علم مربوط به اثرانگشت علاقمند گردید وتحقیقات گسترده ای رادرخصوص علم اثرانگشت آغاز کرد.درنتیجه تحقیقات وی این نتیجه حاصل شد که خطوط اثرانگشت درهر فردمتفاوت است ودرصورت ایجاد جراحت سطحی دراثرانگشت هرفرد،این جراحت به فرم اصلی خودترمیم پیدا می کند.
دکتر"فالز"نتیجه تحقیقات خور در مورد علم انگشت نگاری را درسال1880 در مقاله ای در نشریه "نیچر"به چاپ رسانید وی درمقاله خود به تکنیک های ثبت واستفاده از اثرانگشت پرداخته است که از جمله آن می توان به ثبت اثرانگشت با استفاده از جوهر اشاره کرد که امروزه نیز کاربردهای بسیاری دارد مثل جرم شناسی ویا شناسایی افراد.
بامشاهده مقاله دکتر"فالز"در نشریه "نیچر" توسط "هرشل" وی نامه ای به این نشریه نوشت وبدون اعلام حق تقدم اعلام کرد که وی بیش از50 سال عملا در هندوستان از انگشت نگاری افراد استفاده کرده است واین تکنیک رامورد استفاده قرار داده است.بامقایسه کارعملی50 ساله "هرشل" وتحقیقات کوتاه مدت"فالز" به گواه تاریخ می توان پایه گذار عم انگشت نگاری امروزی را "ویلیام هرشل" دانست و می توان به جرات "هرشل" راکاشف وموسس انگشت نگاری نوین اعلام کرد.
ذکر این موضوع حائز اهمیت است که تحقیقات "فالز" استفاده از اثرانگشت به جای مانده به صورت اتفاقی درمکان های مختلف اشاره می کند این درحالی است که "هرشل" برروی اثرانگشت تحقیق ومطالعه کرده بود وبه این نتیجه رسیده بود که میتوان از اثرانگشت به منظور تشخیص هویت افراد استفاده کرد به عبارت دیگر تحقیقات"هرشل برپایه ی تشخیص هویت وآثار امگشت گرفته شده ازافراد استوار است این درحالی است که تحقیقات انجام شده توسط دکتر"فالز"بیشتر درجرم شناسی وکشف جرم برپایه آثارانگشت به جای مانده درصحنه جرایم به صورت تصادفی استوار است.
نظریه ارائه شده توسط "هرشل"و فالزدرسال1892 توسط ریاضی دان وانسان شناسی معروف "سرفرانسیس گالتون" به رسمیت شناخته شد واین ریاضی دان وانسان شناس معروف برای این نظریه ها پایه و اساس علمی ایجاد کرد.اثرانگشت های گردآوری توسط"هرشل" توسط "گالتون" با استفاده ازعلوم ریاضی مورد بررسی وتجزیه وتحلیل قرار گرفت ودرنتیجه تحقیقات وی امکان یکسان بودناثرانگشت دو فرد تقریبا یک به 64 میلیارد است وعملا امکان یافتن دو اثرانگشت یکسان وجود ندارد واین موضوع شناسایی افرادبراساس اثرانگشت آنهارا راهی مطمئن در شناسایی هویت افراد به اثبات می رساند.
تقسیم نقوش موجود برروی اثر انگشت به سه دسته "کمانیArch" ،"کسراییLoop" و "پیچیWhrol" نخستین بار توسط گالتون ارائه شد همچنین وی در تلاش برای طبقه بندی اثرانگشت افراد بود که با پایان رسیدن عمرش این کار ناتمام ماند.نخستین کسی که از اثرانگشت زندانیان به منظور شناسایی آنها استفاده کرد افسر پلیس آرژانتینی به نام "یوهان وستیش" بود وی فردی است که روشی را برای طبقه بندی آثار انگشت درسال 1891 برای اولین بار در جهان را ابداع کرده است که این روش درحال حاضر نیز اهراز هویت افراد درکشورهای آمریکایی لاتین مورد استفاده قرار می گیرد.
معاون وستیش در سال 1892 از روی آثار انگشت به جای مانده در صحنه جرم که آغشته به خون بود توانست مردی راکه متهم به قتل فرزندان خود بود را تبرئه کند و قاتل اصلی را که همسر وی بود دستگیر کند این اتفاق درآن زمان اهمیت شناسایی متهمان توسط اثرانگشت رابرای عموم مردم روشن کرد.بعدهانیز "ادوارد هنری"همکار"ویلیام هرشل" که در هندوستان با یکدیگر همکاری کرده بودند ورئیس پلیس سهر لندن شده بود روش طبقه بندی آثار انگشت ارائه شده توسط"گالتون" را تکمیل و به جهان عرضه کند.این روشی به روش"هنری" شهرت پیدا کرده است در ابتدا در هندوستان ودر زمانیکه این کشور مستعمره انگلیس بود استفاده می شد.
این روش درسال1901 توسط اسکاتلندیارد به رسمیت شناخته شد وبه مرور زمان درتمامی نقاط جهان مورد استفاده قرار گرفت.باپیشرفت علم و فناوری وگسترش استفاده از کامپیوتر دنیای دستگاه حضورو غیاب وتشخیص هویت نیز وارد فاز جدیدی گردید.فناوری تشخیص هویت به سرعت گسترش پیداکرد و فناوری های جدید تشخیص هویت افراد اعم از فناوری سیستم حضور و غیاب تشخیص چهره وفناوری تشخیص قرنیه به نیزسرعت گسترش وتغییر کرد وبه منظور حضور وغیاب مورد استفاده قرار گرفت.همچنین فناوری تشخیص اثرانگشت نیز با پیشرفت علم پیشرفت های بسیاری کرد ونسل های جدید دستگاه تشخیص اثرانگشت باکیفیت وقابلیت های بسیاربالا عرضه گردید.
دستگاه های حضور وغیاب تشخیص چهره کارکردی دقیقا شبیه به کارکرد دستگاه های حضور و غیاب تشخیص اثرانگشت دارند وبا نمونه برداری از چند نقطه صورت شناسایی افراد راانجام می دهند با این تفاوت که دستگاه حضور و غیاب اثرانگشت،شناسایی اثرانگشت رااز روی اشکال هندسی اثرانگشت انجام می دهند.
معمولا دستگاه های تشخیص چهره و قرنیه دارای دوربین بسیار قوی هستند که یکی برای شناسایی افراد درنور معمولی ودیگری برای شناسایی افراد درتاریکی مطلق استفاده می شودو همانطور که در گذشته دستگاه های حضور و غیاب پانچی جای خود را به دستگاه های حضور و غیاب بارکد خوان دادند پس از آن دستگاه های حضور و غیاب بارکد خوان با دستگاه های حضور و غیاب کارت خوان تعویض شدند و نیز دستگاه های حضور و غیاب اثرانگشت جای دستگاه های کارتی را گرفتند درآینده نه چندان دور نیز دستگاه های حضور و غیاب تشخیص چهره وقرنیه دستگاه های حضور وغیاب اثرانگشتیرا خواهند گرفت.لازم به ذکر است با پیشرفت فناوری های تشخیص اثرانگشت این دستگاه های تشخیص اثرانگشت پیشرفت چشمگیری را داشته اند و با کیفیت شناسایی اثرانگشت در آنها بسیار بالارفته است وبا ورود دستگاه های حضور و غیاب اثرانگشت با فناوری پلیمری یا همان LES)Light Emmiting Sensor)این دستگاه ها نیز از کیفیت بسیار بالایی برخوردار شده و موارد استفاده بسیاری را دارند.
بشر از ابتدای آفرینش خود از اجزای بدن افراد از جمله چهره،صدا،قد،وزن،نحوه راه رفتن برای شناسایی یکدیگر استفاده کرده اند.فردی به نام "الپنز برتیلون" در قرن19میلادی اندازه گیری فیزیولوژی افراد برای شناسایی مجرمان را مطرح کرد.وی که رئیس بخش جنایی پلیس پاریس بود ایده خود را مطرح کرد و پس از مدتی این ایده مورد توجه قرار گرفت و تحقیقات گسترده ای در خصوص این ایده صورت گرفت و همین ایده منجر به کشف اثرانگشت در انتهای قرن 19 میلادی گردید.پس از مطرح شدن ایده و کشف اثرانگشت بسیاری از سازمان های ملی از آن استقبال کردند و اثرانگشت مجرمین را گرفته ودر یک پایگاه داده ذخیره می کردند.پس از وقوع جرم و بررسی نمونه اثرانگشت های به جای مانده در صحنه جرم و مقایسه آن ها با نمونه های موجود در پایگاه داده خود موفق به کشف مجرم و شناسایی مجرمین می شدند.
گرچه شناسایی بیومتریک افراد در ابتدا آنها برای شناسایی مجرمین و یا موارد حساس استفاده می شد به عنوان مثال برای شناسایی اتباع غیرقانونی و یا شناسایی کارمندان در مشاغل حساس و یا شناسایی مجرمین و همچنین در پزشکی قانونی برای تعیین هویت افراد مورد استفاده قرار می گرفت اما به طور چشمگیری برای شناسایی افراد در شغل های غیر نظامی نیز مورد استقبال قرار داده می شد.اما سوال بسیار مهمی در خصوص شناسایی بیومتریک افراد مطرح می شود که کدامیک از خصوصیات بیولوژی افراد واجد شرایط شناسایی بیومتریک می باشد.دراینجا مواردی مطرح است که در صورتی که برای مدت زمان طولانی بتواند انجام شود آن ویژگی بیولوژیک را واجد شرایط برای ویژگی بیومتریک می سازد.
امکان جمع آوری در صورتی که یک ویژگی بیولوژیک قابل جمع آوری می باشد و همچنین قابلیت نگهداری را داشته باشد.یکی از شروط بیومتریک را داراست.
ویژگی عملکرد:شناسایی با سرعت و دقت جز ویژگی هایی است که در صورت دارا بودن امکان استفاده به عنوان بیومتریک را دارد.
ویژگی مقبولیت:یک ویژگی بیولوژیک می بایست از مقبولیت در بیت افراد برخوردار باشد و بتوانند آن را در زندگی روزمره خود پذیرا باشند.

تقلب که نشان‌دهنده آن است آیا این ویژگی بیومتریک قابل تقلب کردن است یا خیر؟

سیستم‌ ها و مولفه های بیومتریک
به طور کلی سیستم های بیومتریک به دو دسته فیزیولوژیکی و رفتاری تقسیم می شود که ویژگی فیزیولوژیکی مربوط به اشکال بدن می باشند به عنوان مثال می توان به تشخیص چهره ،اثر انگشت ،اثر کف دست ،شکل هندسی دست، تشخیص عنبیه، تشخیص شبکیه و ‏dna اشاره کرد.

ویژگی های رفتاری  به رفتارهای هر فرد اشاره می کند از قبیل :راه رفتن ،صدا ،بوی طبیعی بدن، شکل امضای یک فرد.
ویژگیهای بیومتریکی دارای مزایای بی شماری هستند که از آن جمله می توان به موارد زیر اشاره کرد:
منحصر به فرد بودن، قابل تکرار بودن ،غیر قابل فراموشی، غیر قابل سرقت ،عدم نیاز به نگهداری ویژه ،سهولت در استفاده و سرعت بالا در استفاده آن .

سیستم های شناسایی بیومتریک به طور کلی یک سیستم شناسایی از روی الگوی داده شده به آنها می باشد که به وسیله اطلاعات بیومتریک حرف و استخراج ویژگی های مربوط به آن اطلاعات و مقایسه آن با اطلاعات موجود در بانک اطلاعاتی ذخیره شده عمل می کند با توجه به نرم‌افزار مورد استفاده بیومتریک حالت شناسایی می تواند در حالت تایید verify و یا حالت شناساییidentify قرار بگیرد.

هنگام قرار گیری سیستم در حالت تایید مشخصه بیومتریکی فرد مشخصه بیومتریکی موجود در بانک اطلاعاتی تطبیق داده می شود در چنین حالتی هویت افراد به وسیله شماره شناسایی شخصی و یا نام کاربری و یا کارت هوشمند ‏ شناسایی می گردد با ورود این اطلاعات سیستم در ابتدا اطلاعات بیومتریک را از بانک اطلاعاتی و این اطلاعات را با سنسور بیومتریکی که اطلاعات بیومتریک که فرد را تهیه می‌کند تطبیق می دهد که نتیجه این تطبیق می تواند مثبت و یا منفی باشد این روشی است که در آن ساعات هویتی فرد در ابتدا احراز می گردد و سپس مشخصات بیومتریک فرد احراز هویت شده با مشخصات بیومتریک موجود در بانک اطلاعاتی تطبیق داده می شود

یک حالت دیگر حالت شناسایی می باشد که در آن مشخصات بیومتریک هر فرد به طور مستقیم با مشخصات بیومتریک موجود در بانک اطلاعاتی تحقیقات شده و هویت هر فرد شناسایی می گردد که در این روش سیستم به طور مثال مقایسه یک یا چند مشخصه بیومتریک  هر فرد را بدون نیاز به احراز هویت با مشخصه بیومتریک موجود در سیستم تطبیق می دهد .در واقع می توان بیان کرد که عملکرد سیستم پاسخ به این سوال است که اطلاعات بیومتریک ارائه شده توسط دستگاه مربوط به کدام یک از افراد در بانک اطلاعاتی می باشد.

از اساسی ترین بخش های برنامه های شناسایی منفی تعیین هویت افراد می باشد که به منظور شناسایی افراد به صورت صریح یا ضمنی و یا تکذیب شناسایی فرد به کار می رود هدف از شناسایی منفی جلوگیری از استفاده  چندین هویت برای یک فرد می باشد لازم به ذکر است این فرایند تعیین هویت مثبت نیز برای راحتی کاربران مورد استفاده قرار می گیرد

شناسایی افراد با توجه به مواردی چون جمله کلمات عبور شناسایی، شخصی کلید ها و نشانه ها در روش های سنتی شناسایی افراد مورد استفاده قرار می گیرد با این روش ها مورد استفاده در شناسایی مثبت می باشند لازم به ذکر است شناسایی منفی تنها از طریق ویژگی های بیومتریک افراد قابل احراز می باشد هر سیستم بیومتریک دارای ۴ ماژول اصلی زیر می باشد:

اولین ماژول مورد استفاده در سیستم های بیومتریک ماژول سنسور می باشد این ماژول به منظور تصویر برداری از اطلاعات بیومتریک حرفه ای مورد استفاده قرار می گیرد به عنوان مثال می توان به سنسور اثر انگشت اشاره کرد که شناسایی را از طریق تصویر برداری شیارها و برآمدگی های موجود در اثر انگشت را انجام میدهد. ماژول های سنسور دیگری نظیر سنسور تشخیص چهره ،سنسور تشخیص عنبیه ،سنسور تشخیص کف دست از دیگر ماژول های سنسور بیومتریک می باشد

مورد دیگر مورد استفاده در سیستم های بیومتریک ماژول استخراج می باشد که در این ماژول اطلاعات بیومتریک به دست آمده از ویژگی های منحصر به فرد افراد پردازش می گردد، برای مثال می توان به بررسی شیار های موجود در اثر انگشت به هر فرد که منحصر به فرد است اشاره کرد

ماژول دیگر ماژول تتویی دهنده است که در آن ویژگی های بیومتریک  استخراج شده با اطلاعات بیومتریک موجود مقایسه می شود به عنوان مثال می توان به سیستم تطبیق اثر انگشت با توجه به داده های موجود در اطلاعات تصویر اثر انگشت فرد و اطلاعات موجود در پایگاه داده اشاره کرد.

چهارمین ماژول مورد استفاده در سیستم بیومتریک پایگاه داده می باشد منظور ذخیره الگوی بیومتریک هر فرد در هنگام ثبت اطلاعات بیومتریک افراد مورد استفاده قرار می گیرد اطلاعات بیومتریک افراد هنگام ثبت نام در این پایگاه داده ذخیره می گردددر هنگام ثبت نام اطلاعات بیومتریک هر فرد توسط یک رویداد بیومتریک گرفته شده و در بانک اطلاعاتی به نام آن فرد با مشخصه کاربری منحصر به فرد ذخیره می گردد روند ثبت ثبت اطلاعات بیومتریک افراد در بانک اطلاعاتی با توجه به نرم‌افزارهای مختلف نیاز به یک یا دو کاربر دارد که این فرآیند به منظور حصول اطمینان کیفیت اطلاعات بیومتریک که ثبت شده در بانک اطلاعاتی می باشد.یکی از مهمترین عوامل در ثبت نام بیومتریک افراد تخصیص شماره دیجیتال منحصر به فرد برای هر فرد می باشد که کلیه اطلاعات بیومتریک افرا د را در بانک اطلاعاتی با یک شماره دیجیتال منحصر به فرد تخصیص می دهد به طور معمول از چند قالب برای ثبت بیومتریک افراد استفاده می شود و در طول زمان اطلاعات بیومتریک به روز رسانی می گردد.

دستگاه حضور و غیاب تشخیص چهره Trust1 FE-500

دستگاه حضور و غیاب تشخیص چهره تراست وان مدل Trust1 FE-500 با بهره‌گیری از الگوریتم شناسایی یادگیری عمیق هوش مصنوعی یکی از از پیشرفته ‌ترین دستگاه‌های حضور و غیاب تشخیص چهره در دنیا می باشد. این دستگاه با استفاده از یادگیری عمیق هوش مصنوعی و به روز رسانی دائمی، امکان شناسایی تغییرات چهره کاربران را دارد.
دستگاه حضور و غیاب Trust1 FE-500 شناسایی ۵۰ هزار کاربر را در کمتر از یک ثانیه انجام می دهد این دستگاه قابلیت شناسایی افراد از فاصله ۳ متری را دارد ،همچنین امکان شناسایی ۳ تا ۵ نفر به صورت همزمان از جمله ویژگی های منحصر به فرد این دستگاه می باشد.
این دستگاه قابلیت شناسایی افراد در نور بسیار شدید و یا تاریکی مطلق را داراست از ویژگی های بسیار مهم این دستگاه امکان شناسایی صورت افراد به صورت خودکار در هر فاصله از دستگاه (تا 3 متر) است و نیاز به قرارگیری فرد در یک فاصله معین و کادر مشخص در این دستگاه وجود ندارد.
این دستگاه امکان شناسایی افراد حتی از پشت شیشه را نیز دارد که این قابلیت امکان استفاده از دستگاه و شناسایی افراد در فضای باز از پشت شیشه را فراهم می کند . از دیگر ویژگی های این دستگاه می توان به شناسایی کاربران تقلبی از قبیل استفاده از عکس و فیلم به جای فرد اشاره کرد.عملا الگوریتم پیشرفته یادگیری عمیق هوش مصنوعی امکان تقلب در دستگاه را غیر ممکن می سازد.

امکان تعریف افراد از طریق عکس گرفته شده حتی به وسیله تلفن همراه در این دستگاه وجود دارد و امکان ثبت افراد را میسر می سازد.

• قدرت تشخیص: 99.77 درصد
• 
  فاصله شناسایی: حد اکثر 3 متر
• 
  سرعت شناسایی: شناسایی در حالت 1:N تعداد 50 هزار کاربر در کمتر از 1 ثانیه
• 
  امکان شناسایی 3 تا 5 نفر به صورت همزمان در یک ثانیه
• 
  شناسایی زنده: تشخیص عکس و تشخیص فیلم

• الگوریتم یادگیری عمیق هوش مصنوعی:

با استفاده از هوش مصنوعی امکان به روز رسانی مداوم برای دستگاه حضور و غیاب FE-500 در کمترین زمان ممکن فراهم می شود در این فرآیند حتی تغییرات کم چهره افراد در مقایسه با چهره ثبت شده فرد در دستگاه، در شناسایی لحاظ می گردد .فناوری یادگیری عمیق هوش مصنوعی و بروز رسانی مداوم، درصد شناسایی موفق افراد را به طرز چشمگیری افزایش می دهد.جهت شناسایی چهره هزاران نقطه صورت لحاظ می گردد و چهره کاربران در زوایایی مختلف قابل شناسایی است.

• نصب و استفاده ساده و منحصر به فرد:

دستگاه حضور و غیاب Trust1 FE-500 در ارتفاع 1.4 متری نصب می شود و قابلیت شناسایی افراد از فاصله نیم متری الی سه متری را دارد. لذا به منظور شناسایی چهره، نیاز به قرار گیری افراد در فاصله مشخص و قرار دادن صورت در یک کادر معین وجود ندارد و شناسایی چهره به صورت اتوماتیک انجام می شود این موضوع سهولت کار با دستگاه را برای کاربران بسیار بالا می برد.

• مشخصات فنی:

• استفاده از دستگاه تشخیص چهره TrustOne-EF500 بعنوان سیستم کنترل تردد

دستگاه حضور و غیاب تشخیص چهره و یا تشخیص عنبیه چشم کدام یک مناسب است؟

در حال حاضر سوال بسیار مهمی که برای کاربران سیستم های حضور و غیاب و کنترل تردد به دلیل شیوع ویروس کرونا و استفاده از دستگاه های حضور و غیاب بدون تماس استفاده می کنند این است که دستگاه حضور و غیاب تشخیص چهره مناسب استفاده برای آنهاست و یا دستگاه های تشخیص عنبیه چشم؟ در پاسخ به این سوال می بایست در ابتدا نحوه کارکرد هر یک از دستگاه های تشخیص چهره و عنبیه چشم مورد بررسی قرار گیرد و همچنین علت استفاده از دستگاه تشخیص عنبیه برای کاربران بررسی گردد.
بسیاری از کاربران به دلیل اینکه دستگاه های حضور غیاب تشخیص چهره امکان شناسایی چهره توسط ماسک را ندارند به سمت سیستم های حضور و غیاب تشخیص عنبیه می روند و در پی یافتن راهکار جدید از طریق دستگاه حضور و غیاب تشخیص عنبیه هستند.
در ابتدا باید به این نکته اشاره کرد که سیستم های تشخیص عنبیه برای شناسایی عنبیه افراد از نور مادون قرمز (IR) استفاده می کنند. لازم به ذکر است شناسایی این دستگاه ها با تابش مستقیم نور مادون قرمز به عنبیه چشم و اسکن عنبیه چشم صورت می گیرد. استفاده مستمر از دستگاه های حضور و غیاب عنبیه و تابش مستمر روزمره نور مادون قرمز به عنبیه چشم مشکلاتی را برای بینایی افراد ایجاد می‌کند که از آن جمله می‌توان به دوبینی، ظعف بینایی چشم، آب مروارید و...اشاره کرد. این در حالی است که سیستم های حضور و غیاب تشخیص چهره به روز، از نور مرئی برای شناسایی چهره استفاده می کنند و به کمک الگوریتم شناسایی هوش مصنوعی شناسایی چهره افراد را حتی در صورت استفاده از ماست و یا عینک آفتابیانجام می دهند. همین امر باعث می شود در شرایط گسترش ویروس کرونا حتی در صورت استفاده از ماسک شناسایی کاربران بدون هیچ گونه اشکالی صورت گیرد و دیگر نیاز به استفاده از سیستم های تشخیص عنبیه که و اسکن عنبیه توسط نور مادون قرمز وجود نداشته باشد. به عبارت دیگر شناسایی چهره در دستگاه های حضور و غیاب تشخیص چهره که دارای الگوریتم شناسایی هوش مصنوعی و الگوریتم های پیشرفته روز هستند با استفاده از نور معمولی محیط صورت می گیرد این در شرایطی است که شناسایی عنبیه افراد توسط نور مادون قرمز توسط سیستم های حضور و غیاب تشخیص عنبیه انجام می‌شود و به مرور زمان در بازه زمانی ۶ماه الی یک سال تاثیرات منفی خود را بر روی چه چشم افراد نشان می دهد. از این رو استفاده از سیستم های تشخیص عنبیه چشم برای کارکرد های روزمره همچون حضور و غیاب افراد پیشنهاد نمی گردد.
لازم به ذکر است که سیستم های حضور و غیاب جدید مجهز به سیستم های تشخیص عکس و فیلم هستند و بدین صورت امکان تقلب در این دستگاه وجود ندارد و دیگر نیاز به استفاده از سیستم هایی نظیر عنبیه چشم برای کارکرد های کنترل تردد و حضور و غیاب وجود ندارد.
با توجه به موارد ذکر شده ارگانها و سازمانهای مختلف برای انتخاب سیستم های حضور و غیاب مورد نیاز خود می باید به سلامت کارکنان خود نیز دقت کنند و با انتخاب سیستم حضور و غیاب و کنترل ترددمناسب سلامت کارکنان خود را به خطر نیندازند.

این روزها که استفاده از دستگاه حضور و غیاب اثرانگشتی ممنوع شده و شیوع ویروس کرونا بسیار سریع اتفاق می افتد بسیاری از سازمانها و ارگانها به فکر راه چاره افتادند ، لذا استفاده و در واقع جایگزینی سیستم های حضور و غیاب تشخیص چهره یا تشخیص عنیبیه به جای ثبت اثرانگشت ، باتوجه به اینکه سنسور محلی برای نشستن انواع ویروس و باکتری ومیکروب بوده حذف شده، بهترین راه حل برای کارفرمایان می باشد.مراکز بهداشتی-درمانی و بیمارستانها از جمله مراکزی هستند که استفاده از سیستم حضور و غیاب تشخیص چهره برایشان توصیه میشود.
دراین میان دستگاههای متنوعی وجود دارد که اداره ها وشرکتها برحسب تعداد پرسنلی که دارند وجلوگیری از ایجاد صف باید تصمیمات صحیح بگیرند که هم پرسنل تداخلی نداشته باشند و هم مبارزه با شیوع ویروس کرونا را درنظرگرفته باشند.بدیهی است بعضا دستگاههایی دربازار وجود دارد که بسیار کم قیمت هستند ولی کیفیت اصلا ندارند چراکه استفاده از فناوریهای بیومتریک نیاز به الگوریتم های پیشرفته دارد همچنین طول عمرسنسورهای بیومتریک ویا دیگر بخشهای تخصصی این نوع سیستم های حضور و غیاب تشخیص چهره کم میباشد.
سیستمهای تشخیص چهره که باطول عمر مفید بالا بوده وهم قیمت مناسب دارند و قابل تعمیر و خدمات دربازار ایران هستند وهم از منظر بهداشت در صدر قرار میگیرند سیستم های کره ای میباشد که بارها وبارها در جاهای مختلف نصب و راه اندازی شده وبدون هیچ گونه ایرادی درحال کار میباشند.
درسیستم های حضور و غیاب اشاره شده الگوی فرد یا پرسنل به نحوی تعریف می شود که استخوان بندی صورت مورد بررسی قرار بگیرد وتطبیق پرسنل با الگوی از پیش تعریف شده باعث میشود که امکان تقلب در آن به شدت کاهش داده وبه صفر میرساند وهمچنین امکان تشخیص و تفکیک کاربران غیرواقعی در آنها نیز میسر میباشد.

الگوریتم یادگیری عمیق هوش مصنوعی چگونه به کمک شناسایی تشخیص چهره افراد در دستگاههای حضور و غیاب می آید؟

الگوریتم عمیق یادگیری هوش مصنوعی یکی از از مولفه های بسیار کاربردی برای تشخیص چهره افراد و استفاده در الگوریتم های تشخیص چهره می باشد. به کمک این فناوری الگوریتم های تشخیص چهره به شکل بسیار پیشرفته درآمده است و میزان خطا در شناسایی این الگوریتم ها به شدت کاهش پیدا کرده است. الگوریتم شناسایی چهره در سیستم های حضور و غیاب و کنترل تردد و دستگاههای حضور و غیاب تشخیص چهره کاربرد بسیاری دارد اما سوال این است که یادگیری عمیق هوش مصنوعی چگونه به کمک الگوریتم شناسایی تشخیص چهره در دستگاه های حضور و غیاب تشخیص چهره مختلف می آید؟
در ابتدا باید به این موضوع اشاره کرد سیستم های حضور و غیاب تشخیص چهره و همچنین نرم افزار های گوناگون تشخیص چهره برای شناسایی چهره افراد چالش های مختلفی روبرو هستند که از آن جمله می‌توان به تغییر چهره ظاهری افراد اشاره کرد که در این صورت شناسایی چهره افراد با خطا مواجه می شود و یکی از معضلات موجود در سیستم های کنترل تردد و حضور و غیاب همچنین نرم افزار ها و الگوریتم های شناسایی چهره به حساب می آید
یادگیری عمیق هوش مصنوعی به کمک الگوریتم های شناسایی چهره در دستگاه حضور و غیاب و سیستمهای کنترل تردد آمده است. یادگیری ععمیق هوش مصنوعی بدین گونه کار می‌کند که در صورت مشاهده تغییرات چهره افراد با چهره ثبت شده فرد در دستگاه، این تغییرات چهره در سیستم ثبت می گردد و به بانک اطلاعاتی دستگاه اضافه می شود. این تغییرات چهره شامل استفاده از عینک، تغییرات ظاهری ریش در آقایان، تغییرات آرایش چهره و... را شامل می شود. در صورت مشاهده تغییرات چهره یاد شده با نمونه ابتدایی چهره ثبت شده افراد در سیستم، تغییرات چهره در دستگاه ثبت می گردد و در شناسایی های بعدی تغییرات چهره یاد شده مورد استفاده سیستم قرار می گیرد. این موضوع باعث می شود سرعت شناسایی چهره در سیستم هایی که از یادگیری عمیق هوش مصنوعی استفاده می کنند به شدت بالا رفته و دستگاه خطای بسیار پایین تری نسبت به سیستم های دیگر داشته باشد.
همچنین الگوریتم عمیق یادگیری هوش مصنوعی باعث می شود که امکان تقلب در سیستم های کنترل تردد و حضور و غیاب غیر ممکن شود. امکان شناسایی عکس و فیلم به عنوان تقلب برای دستگاه حضور غیاب تشخیص چهره توسط یادگیری عمیق هوش مصنوعی فراهم می‌شود و دیگر شناسایی افراد تنها در صورت حضور فرد در مقابل سیستم انجام می شود همچنین توسط یادگیری عمیق هوش مصنوعی شناسایی چهره افراد توسط ماسک توسط دستگاه حضور غیاب تشخیص چهره امکان پذیر است.
یادگیری عمیق هوش مصنوعی این امکان را برای سیستم های کنترل تردد و حضور و غیاب تشخیص چهره فراهم آورده است که با ضریب خطای بسیار ناچیز و سرعت شناسایی بسیار بالا دقت و سرعت فوق العاده ای را برای کاربران فراهم کند.

چکیده:

شناسایی چهره در چند سال اخیر به عنوان یک حوزه پژوهشی جالب مورد توجه قرار گرفته است زیرا در چندین برنامه از جمله مدیریت حضور و غیاب و سیستم های کنترل دسترسی نقش اساسی در احراز هویت بیومتریکی انسان ایفا می کند. سیستم های مدیریت حضور و غیاب برای تمام سازمان ها بسیار مهم هستند، اما مدیریت ورودی و خروجی منظم حضور و غیاب پیچیده و زمان بر است. روش های شناسایی انسان خودکار زیادی از جمله بیومتریک، RFID، ردیابی چشم و تشخیص صدا وجود دارند. چهره یکی از گسترده ترین بیومتریک ها برای احراز هویت انسان است. در این مقاله، یک سیستم حضور و غیاب تشخیص چهره بر اساس شبکه های عصبی کانولوشنی عمیق یادگیری انتقالی ارائه شده است. با استفاده از سه شبکه عصبی کانولوشنی پیش آموزیده و آنها را بر روی داده خود آموزش دادیم. سه شبکه عملکرد بسیار خوبی در ارتباط با دقت پیش بینی بالا و زمان آموزش مناسب نشان دادند.

مقدمه:

همه سازمان ها به یک سیستم مدیریت حضور و غیاب برای نگهداری سوابق حضور و غیاب کارکنان خود، به صورت دستی یا خودکار، نیاز دارند. حضور و غیاب روزانه دانشجویان در کلاس برای ارزیابی عملکرد و کیفیت ضروری است.

مانیتورینگ. صدا زدن نام ها یا امضا کردن روی کاغذها، روش های سنتی استفاده شده در بیشتر سازمان ها هستند که هر دو مصرف زمانی زیادی دارند و ناامن هستند [1]. از طرف دیگر، بیشتر سیستم های شناسایی خودکار انسان بر پایه روش های سنتی مانند اثر انگشت، رمز عبور و اسکن کارت شناسایی کاربرد دارند. با این حال، همه این روش ها محدودیت هایی مانند فراموش کردن رمز عبور یا گم شدن کارت شناسایی دارند. بنابراین، مطمئن ترین روش برای اطمینان از امنیت کامل و ذخیره سوابق تاریخی از طریق سیستم هوشمند تشخیص چهره است [2]. این حوزه در زمان اخیر به سرعت در حال رشد است و نقش مهمی در امنیت ایفا می کند، زیرا تکنیک بسیار دقیقی برای شناسایی و تأیید هویت افراد است [3] [4].

یادگیری انتقالی یک شکل از یادگیری ماشین است که در آن یک مدل برای یک وظیفه خاص ساخته شده و به عنوان نقطه شروع برای تغییرات در وظیفه دوم استفاده می شود. در یادگیری عمیق به عنوان یک مدل پیش آموزش دیده در وظایف بینایی ماشین و پردازش زبان طبیعی برای توسعه مدل های شبکه عصبی بر روی این مسائل استفاده می شود [5]. یادگیری انتقالی در مسائل یادگیری عمیق بسیار مفید است زیرا بیشتر مسائل واقعی دارای میلیاردها داده برچسب خورده هستند و این نیاز به مدل های پیچیده را دارد [6]. این یک تکنیک کاملاً مناسب برای بهینه سازی، صرفه جویی در زمان و دستیابی به عملکرد بهتر است. توسعه دهندگان می توانند از یادگیری انتقالی برای ادغام برنامه های مختلف در یکی استفاده کنند. آنها می توانند به سرعت مدل های جدیدی را برای برنامه های پیچیده آموزش دهند. علاوه بر این، یادگیری انتقالی ابزار خوبی برای بهبود دقت مدل های بینایی ماشین است [5].

در این کار، یک سیستم حضور و غیاب تشخیص چهره بر اساس شبکه های عصبی کانولوشنی عمیق (CNN) ارائه شده است. ما با استفاده از سه شبکه عصبی کانولوشنی پیش آموزیده و آنها را بر روی داده های خود که شامل 10 کلاس مختلف است و هر کلاس شامل 20 تصویر چهره است، آموزش دادیم. سه شبکه با دقت پیش بینی بالا و زمان آموزش مناسب، عملکرد بسیار خوبی را نشان دادند.

2. شبکه های پیش آموزش دیده

   شبکه های CNN پیش آموزش دیده ویژگی های متمایزی دارند که در انتخاب یک شبکه برای مقابله با مسئله خاصی مهم است. دقت، سرعت و اندازه شبکه مهمترین ویژگی ها هستند. به طور کلی، انتخاب یک شبکه بین این وظایف تنظیم می شود. برای افرادی که می خواهند یک الگوریتم یاد بگیرند یا یک سیستم برپایی شده را تست کنند، مدل های پیش آموزش دیده منبع عالی پشتیبانی هستند [7]. همیشه ممکن نیست یک مدل را از ابتدا بسازید به دلیل محدودیت های زمانی یا محاسباتی، به همین دلیل مدل های پیش آموزش دیده وجود دارند. چندین مدل CNN پیش آموزش دیده به صورت عمومی در دسترس هستند [8]. در این کار، ما سه شبکه پیش آموزش دیده را بررسی کردیم؛ AlexNet، GoogleNet و SqueezeNet.

   2.1. AlexNet

   یکی از رایج ترین معماری های شبکه های عصبی تا به حال، AlexNet است. این برای آموزش میلیون ها تصویر و دسته بندی آنها به دسته های شیء مانند چهره ها، میوه ها، لیوان ها، مداد ها و حیوانات استفاده شده است. به عنوان ورودی، شبکه یک تصویر را دریافت کرده و برچسب آن شیء در تصویر را خروجی می دهد. همچنین، احتمالات برای هریک از دسته های شیء. ابعاد ورودی شبکه 227 × 227 × 3 تصویر RGB هستند [9] [10] [11] [12]. معماری AlexNet در شکل 1 نشان داده شده است.

   2.2. GoogleNet

   ساختار GoogleNet شامل 22 لایه عمیق و همچنین 5 لایه پولینگ است [13]. در کل، 9 ماژول شروع خطی را  قابلیت ادغام به حافظه کامپیوتر به راحتی بیشتری دارند و می توانند به راحتی از طریق شبکه های کامپیوتری ارتباط برقرار کنند [9] [14] [12]. معماری شبکه SqueezeNet در شکل 3 نشان داده شده است.

4. 

5. شکل 1. معماری AlexNet [12].

6. 
   شکل 2. معماری GoogleNet [12].

7. 
   شکل 3. معماری SqueezeNet [12].

   3. کارهای مرتبط

      شناسایی چهره توسط چندین پژوهشگر بررسی شده است. یک راه حل موجود [15] از یک تکنیک شناسایی چهره استفاده کرد که از ویژگی های مشتق شده از ضرایب تبدیل کسینوسی گسسته (DCT) استفاده می کند، به همراه یک 

      برای شناسایی چهره، یک رده‌بند مبتنی بر نقشه خودسازمانده (SOM) استفاده شده است. در نرم‌افزار MATLAB، این روش با استفاده از تصاویر چهره با انواع عبارات صورتی آزمایش شده است. با آماده‌سازی برنامه برای حدود 850 دور بازپردازی، دستگاه می‌تواند با دقت 81.36% در 10 آزمایش متوالی شناسایی را انجام دهد. با اختصاص حجم کمی از ویژگی‌ها، این روش به خوبی برای پیاده‌سازی سخت‌افزاری برای کارهای دنباله‌ای و با هزینه کم مناسب است.

      Arsenovic و همکاران [16] یک سیستم حضور و غیاب شناسایی چهره مبتنی بر یادگیری عمیق پیشنهاد کرده‌اند. این مدل از چندین مرحله کلیدی تشکیل شده است که با استفاده از جدیدترین تکنیک‌های موجود امروزی مانند کسری از شبکه‌های عصبی برای تشخیص چهره و شبکه‌های عصبی برای تولید Embedding چهره توسعه یافته‌اند. در یک مجموعه داده محدود از تصاویر اصلی چهره کارکنان در جهان واقعی، دقت کلی 95.02٪ بوده است. این مدل شناسایی چهره پیشنهادی می‌تواند در سایر سیستم‌ها نیز استفاده شود.

      Fu و همکاران [17] یک راه حل پیشنهاد کرده‌اند که دو الگوریتم یادگیری عمیق، شبکه عصبی کانولوشنی چندوظیفه‌ای (MTCNN) برای تشخیص چهره و شناسایی مرکز چهره را ترکیب می‌کند تا یک سیستم حضور و غیاب خودکار در کلاس دانشگاه ایجاد کند. سیستم، حضور و غیاب خودکار را برای سه نوع تخلف از نظم کلاس گزارش می‌دهد: غیبت، تأخیر و خروج زودهنگام، بر اساس تعداد قابل توجهی یافته‌های آزمایشی. پس از کلاس، جدول حضور و غیاب با وضعیت یادگیری تمام دانشجویان به صورت خودکار ثبت می‌شود. این سیستم با دقت بالا، چهره‌ها را به طور سریع شناسایی می‌کند و با دقت 98.87٪، نرخ تشخیص صحیح کمتر از 1/1000 و نرخ تشخیص اشتباه 93.7٪ دارد.

      Zulfiqar و همکاران [18] یک سیستم شناسایی چهره مبتنی بر شبکه‌های عصبی کانولوشنی پیشنهاد کرده‌اند که با استفاده از دستگاه تشخیص چهره Viola-Jones [19]، چهره‌ها را در تصویر ورودی شناسایی کرده و ویژگی‌های چهره را به صورت خودکار از چهره‌های شناسایی شده با استفاده از یک شبکه عصبی پیش‌آموزش دیده برای شناسایی استخراج می‌کند. برای آموزش کارآمد شبکه عصبی کانولوشنی، یک پایگاه داده بزرگ از تصاویر چهره افراد ایجاد شده است که برای افزایش تعداد تصاویر برای هر فرد و ارائه شرایط روشنایی و نویز متنوع تقویت شده است. علاوه بر این، برای شناسایی چهره عمیق، یک مدل شبکه عصبی پیش‌آموزش دیده بهینه و مجموعه‌ای از پارامترهای هایپرآموزش انتخاب شده است. اثبات کارآیی شناسایی چهره عمیق در سیستم‌های احراز هویت بیومتریک خودکار با دقت کلی 98.76٪ در نتایج آزمایشی روشن‌کننده است.

      4. روش

         روش پیشنهادی شامل چندین مرحله است: جمع‌آوری داده، پیش‌پردازش داده، افزایش داده، آموزش و اعتبارسنجی شبکه عصبی کانولوشنی و آزمایش سیستم است.

       

      4.1. جمع‌آوری داده

      پایگاه داده ما شامل 200 تصویر است که با استفاده از دوربین جلویی iPhone 12 با لنز 12 مگاپیکسلی f/2.2 جمع‌آوری شده است. داده‌ها به 10 کلاس تقسیم شده‌اند و هر کلاس شامل 20 تصویر است. این 10 کلاس، 10 نفر از هر دو جنس را نشان می‌دهند که در شکل 4 نمایش داده شده است.

   4. 

   5. شکل 4. پایگاه داده

      4.2. فرمت داده‌ها

سیستم حضور و غیاب تشخیص چهره بایومتریک چند وجهی :چهره.اثرانگشت .کارت

با توجه به شرایط کنونی دنیا امروزه تنها سیستم های حضور و غیابی کاربردی محسوب میشوند که کاملا مبتنی برخواص بایومتریک بوده و برای تامین امنیت فیزیکی و حفظ اطلاعات سازمانها یا ارگانها از پیشرفته ترین دستگاه ها ی سخت افزاری که همان تشخیص هویت از طریق شناسایی چهره است استفاده کنند.

لذا در جهت تامین این نیاز شرکت سوپریمای کره جنوبی که از پیشرو ترین و به روزترین شرکت های مطرح در فناوری تشخیص چهره در سطح دنیاست تولید جدید خود را تحت عنوان دستگاه حضور و غیاب FaceStationF2 معرفی کرده که با استفاده از ویژگی های بایومتریک صورت، چهره کاربر تعریف شده را شناسایی میکند ،بهره مندی از پیشرفته ترین و دقیق ترین دوربین ها در بحث سخت افزاری این سیستم راحتی و امنیت خاطر را برای کارفرما ایجاد کرده ،همچنین در کنار این مزایا امکان تعریف کاربر از راه دور و از طریق عکس پرسنلی سرعت کار را افزایش میدهد.

محصول جدید تشخیص چهره سوپریما ّFaceStation F2مجهز به تب سنج میباشد که این روزها برای شرکت های کوچک و بزرگ بسیار کاربردی محسوب میگردد.امکان استفاده از ماسک (در صورت صلاحدید تغییر  آسان بدون ماسک) ،ترکیبی از تشخیص چهره و اثرانگشت و یا درمواقع خاص اثرانگشت ،دسترسی با تلفن همراه،عملکرد بی نقص این سیستم حتی در دمای بالا، از ویژگیهای منحصر بفرد این دستگاه تشخیص چهره است .

تاریخچه تشخیص چهره

تشخیص چهرهبیش از ۵۰ سال است که مورد استفاده قرار می‌گیرد. یک تیم پژوهشی به رهبری وودرو وی بلدسو بین سال‌های ۱۹۶۴ تا ۱۹۶۶ آزمایشاتی را انجام داد تا ببیند «برنامه‌ریزی کامپیوترها» می‌توانند چهره‌های انسان را تشخیص دهند. این تیم از یک اسکنر ابتدایی استفاده کرد تا خط موی شخص، چشم و بینی را نقشه‌برداری کند.

یکی از بهترین محصولات تشخیص چهره بایومتریک شرکت سوپریما کره مدل فیس استیشن 2 می باشد که نسبت به سری پیشین خود سه برابر افزایش سرعت داشته است.

این دستگاه حضور و غیاب و سیستم کنترل تردد  برای مراکز کوچک و بزرگ طراحی شده است و به نحوی است که برای جاهای پر رفت و آمد که ثبت تردد واقعی جز چالش های اساس است عملکردی عالی دارد.

دستگاه Face Station2 سوپریمابا کمک آخرین و پیشرفته ترین فناوری های مهندسی نوری تا 250 هزار لوکس نوری ایجاد روشنایی میکند و این بدین معناست که در محیط های متفاوت با شدت روشنایی های مختلف از 0 تا 250 هزار، این دستگاه حضور و غیاب خود را تطبیق داده و شناسایی چهره کاربران را به راحتی انجام خواهد داد.

ظرفیت حافظه گسترده این دستگاه حضور و غیاب ایجاد فضای امنی برای مدیریت کرده و امکان ذخیره 5/000/000 تردد متنی که همان لاگ می باشد فرایند مدیریت حضور و غیاب پرسنل را برای کارشناسان مربوطه بسیار سهل میکند.

صفحه تمام رنگی و لمسی فیس استیشن2طراحی زیبای آن را  بیشتر جلوه داده ضمن این که راه اندازی و نصب این سیستم حضور و غیاب بسیار آسان است و نیاز به آموزش خاصی ندارد منوی آن سهل است و با سیستم عامل اندروید سازگار است و با تلفن همراه قابل کنترل می باشد.

بهره مندی از تکنولوژی تشخیص چهره زنده و تشخیص با ماسک یا بدون ماسک(هردو حالت) در این روزهایی که کووید 19 در کنار ماست بسیار حائز اهمیت است ،استفاده از مادون قرمز مانع ثبت تردد های غیر واقعی و یا شناسایی از روی عکس یا ویدئو فرد میشود ،دستگاه حضور و غیاب Face2  سوپریما قابل تنظیم در ارتفاع متفاوتی در رنج 140 سانتیمتر تا210 بوده که برای افراد معلول و یا روی ویلچر نیز رفع نیاز شده است.

همانطور که میدانیم استفاده از دستگاه حضور و غیاب جهت ثبت تردد پرسنل صرفا محدود به موسسات و شرکت های با محیط کاری پاک و شرایط نوری مطلوب نیست و همواره بسیاری از بیمارستانها و مراکز بهداشتی درمانی و رستورانهاو آشپزخانه ها،کارخانجات و کارگاههای صنعتی نیز از سیستم حضور و غیاب جهت ثبت تردد پرسنلشان استفاده میکنند.مع هذه دستگاه حضور و غیاب تشخیص چهره با توجه به عدم تماس فیزیکی بسیار کاربردی محسوب میشود.
در بعضی از قسمتهای مراکز بهداشتی پرسنلی که زیاد از آب ژاول و یا مواد آلاینده دیگر استفاده میکنند دیگر اثرانگشتی ندارند پس استفاده از سیستم حضور و غیاب تشخیص چهره امری تاثیرگذار خواهد بود همچنین امکان انتقال میکروب،ویروس و یا هر نوع باکتری روی سنسور اثرانگشت وجود دارد که سیستم تشخیص چهره از لحاظ بهداشتی نیز ایجاد امنیت میکند.
متد استفاده از تشخیص چهره با توجه به متمایز بودن چهره هر فرد با دیگری واسکن سه بعدی استخوان بندی صورت هر کاربرویا حتی تشخیص عنبیه که جدیدترین متد تشخیص چهره روز دنیا استامکان تقلب را به صفر رسانده است.
در محیط های کارگاهی و یا صنعتی که براده و یا روغن در محیط وجود دارد دستگاه حضور و غیاب تشخیص چهرهمهم ومفید تلقی میگردد چون عوامل محیطی روی تشخیص آن و ثبت تردد آن تاثیری ندارند.گرما و سرمای هوا و حتی میزان رطوبت و خشکی که از جمله عوامل محیطی هستند در استفاده دستگاه حضور و غیاب اثرانگشتی خیلی از کاربران را دچار چالش میکند که البته این ضعف هم در سیستم های تشخیص چهره برطرف شده است.