文摘
生物特征识别的应用在个人认证允许使用这种技术的发展在各个领域。生物识别系统的实现可以基于生理或行为特征,如虹膜、声音、指纹、脸。目前,基于生物特征识别的考勤系统为教育部门仍未得到充分利用,从而提供一个很好的机会进行有趣的研究在这个领域。正如在一个典型的课堂中,教师往往把学生的出勤率等使用传统方法通过调用名称或签署了一个考勤表。然而,这些类型的方法被证明是耗时且乏味,有时,欺诈行为发生。因此,已取得显著进展,以纪念考勤自动利用生物特征识别。这种进步使一个新的和更高级的biometric-based考勤系统被开发在过去的十年。biometric-based考勤系统的建立需要硬件和软件组件。由于软件和硬件部分在一个纸太广泛的讨论,这种文献调查只概述了所使用的类型的硬件。然后单片机平台,注重生物传感器、通信通道、数据库存储和其他组件为了帮助未来的硬件部分的设计人员biometric-based考勤系统。
1。介绍
个人识别是一个重要方面的识别特定个人的身份。一个人的身份可以通过传统的或生物的方法进行验证。有两种类型的传统方法是基于符号和以知识为基础的识别1]。基于符号的方法的例子包括持有护照,驾驶执照和不同类型的卡片,如身份(ID)卡和信用卡。虽然它方便携带身份证件,可以复制这些文件,被盗或丢失。另一方面,以知识为基础的方法是相关密码或个人识别码(PIN)创建的每个人进行身份验证。尽管如此,它容易被忘记,尤其是在人有几个不同的应用程序的密码或别针。另一个替代方法是通过采用生物,它认为个体的生理或行为特征独特。物理特性是指人体部分的固有特征。这些包括脸、指纹和虹膜。相反,行为特征处理功能从人类行为观察。人类行为的例子有步态,声音,和签名(2]。通过使用生物识别方法,传统方法面临的问题可以解决如上所述。
目前,生物识别技术应用于广泛的领域。2018年的一份报告显示德国和理发师中心的身份,德克萨斯大学奥斯汀分校(3)三大部门,接受生物识别方法是金融服务,技术,和政府。这是紧随其后的是工作场所,娱乐,医疗和最少的使用在教育领域。图1描述了不同的领域如前所述,随着生物应用比例。
在金融服务领域和技术领域,一个人可以使用手机钱包购买商品。这是因为大多数当前的手机与生物扫描仪集成在一起。通过添加移动钱包,信用卡支付在商店或网上购买可以通过苹果或三星支付付款。在苹果公司支付4),面对ID或触摸ID是三星支付时使用(5)利用指纹或虹膜进行身份验证。此外,银行业也在自动取款机采取生物措施对客户进行身份验证。例如,几乎90%的自动取款机在澳门是安装“了解你的客户”面部识别技术(6]。断言面部识别不安全,中国银行(香港)公司的ATM装备手指静脉识别(7]。截至2017年12月,160自动取款机被安装在所有的分支机构。
世界各地的政府快速采用生物识别技术为不同的目的。马来西亚是世界上第一个国家使用电子护照与拇指指纹生物识别安全特性在1998年(8]。随后,进一步增强了护照的额外安全特性使用面部识别[9]。除此之外,芯片内部的指纹也包含在马来西亚的身份证,MyKad [10]。在中国,一个巨大的分销网络的监控摄像头启用安装了人脸识别技术的帮助在刑事侦查和执法11]。此外,许多国际机场正在寻求提高效率和改善乘客体验通过部署生物识别技术。此外,乘客也帮助的生物处理各自的政府在控制边境检查站安全。人脸识别技术应用于新加坡樟宜机场(12)和美国亚特兰大Hartsfield-Jackson国际机场(13]。一个新的“智能隧道”值机系统通过虹膜识别是实现在迪拜国际机场(14]。
工作场所和教育领域应用生物技术对考勤记录或跟踪15- - - - - -17),访问权限(18,19),和行为分析16,20.,21]。用于员工的工资和考勤记录来决定一个学生是否有资格参加考试。访问权限确保只有经过授权的人员才能进入一个前提。此外,行为生物识别技术是用来跟踪每个单独的浓度水平在办公室或在教室里。娱乐领域也接受了生物识别技术,可以看到在好莱坞环球影城,要求客人指纹为了进入主题公园(22]。另一个例子是在乌镇,一个历史性的旅游公园在中国。游客需要注册使用面部生物识别技术来进入到各个景点(23]。在医疗保健领域,生物识别技术已经引入了病人识别和电子医疗记录管理(24]。e-health系统(25),病人在家里使用生物特征识别为接收远程医疗服务。可穿戴设备内置传感器用于病人的实时数据传输到医生在医院里。因此,医生可以根据数据做出准确和及时的治疗和电子医疗记录。
由于低比例的生物识别应用在教育领域,本文提供了细节biometric-based出勤记录和跟踪系统。在学术机构,教学和训练提供知识和技能从教师转移到学生。导电的学习环境,有必要为学生上课,这样他们就可以从他们的教育者寻求知识和学习技能。虽然有许多可用的在线课程,这些课程不提供直接面对面交流的机会与教育家。通过不断互动,学生可以得到即时反馈关于任何疑问在一个特定的主题。此外,它还有助于加强教师和学生之间的关系;因此,学生往往更有动力去学习。
考勤标志被认为是类的关键部分之一。这样做是为了确保学生参与课堂活动和学习他们的教育工作者。除此之外,在一些机构,出席人数的百分比必须80%以上为整个学期他们有资格参加期末考试(26]。目前,大部分的上座率都使用传统的方法,如呼唤的名字或签署出席在纸上。不幸的是,这些方法不适合大型类。这是一个浪费时间的教育家叫得出所有学生的名字来标记他们的出席,时间可以利用更有效的教学和学习过程。另一种方法是通过签署出席。干扰是因为学生们需要签署出席名单和传递给另一个学生在上课时。此外,它可以被一个学生迹象并不代表他们的朋友参加这个班。因此,生物识别系统已经开发作为替代方法马克在课堂出勤率。的一个优势是,学生不能操纵出席,每个人都有不同的生物特征。此外,它还有助于提高效率和减少了教育者的负担考勤自动标记。 Besides marking attendance, some systems can determine the students’ seating positions [15,27- - - - - -29日),而其他分类性别的学生使用面部特征(30.]。
有几个方面和规范发展中这种类型的系统要考虑。首先,它是学生的数量。biometric-based考勤系统可以设计并实现了一个小型或大型类。从文献调查,范围从5到二百名学生。Raghuwanshi和偶像31日已经开发出他们系统的学生人数最少的,这是只有五个学生。另一方面,也有系统实现与200名学生(一个大教室32,33]。第二个需要考虑的因素是所花费的时间出席纪念。一般来说,学生们在一个类的数量直接与考勤标志所花费的时间成正比。阿德尼吉et al。(34),考勤使用纸质的常规方法比较耗时,这是每个学生约22.6秒。相反,biometric-based考勤系统所花费的时间范围从不到一秒35,36]26秒(37]。基于语音的考勤系统由总督et al。37)花了更多的时间比传统的方法,因为学生们问几个问题,以确保足够数量的语音帧得到验证。其他biometric-based方法(15,34,35,38- - - - - -41)花了不到10秒钟把一个学生的出勤率。另一个角度看在出勤时被记录。大多数系统都出席一次在一个类的开始日期和入学时间19,39,42- - - - - -46]。然而,作弊仍然可以发生如果学生跳过类一旦出席上课之前。为了解决这个问题,出席将不止一次提出。通常情况下,学生的出勤两次拍摄,在类的开始和结束时的入口和出口,分别为(40,47,48]。除此之外,连续或定期观察可以通过跟踪面部图像实现从视频帧标记学生的出勤率27,49- - - - - -52]。
的操作阶段的biometric-based考勤系统,它可以从用户的上下文或开发人员的角度来看,如图2。从用户的情况下,有两个操作阶段招生阶段和身份验证阶段。在注册阶段,所有学生的生物特征捕获并贴上自己的名字或号码,滚(分别27,34,39,48- - - - - -50,53- - - - - -57]。这些生物特征可以在虹膜的形式,声音、指纹、脸。一般来说,虹膜或脸图像获得使用摄像头,麦克风的声音记录,通过指纹扫描仪。在一个学期的开始,学生们被要求登记生物特征在招生阶段。这些生物特征数据是存储在数据库中验证阶段和作为模板。模板的数量为每个系统要求每个学生都是不同的。在基于语音的考勤系统56),三个文本模板需要每个口语语音密码(VP)和text-dependent (TD)模块。fingerprint-based考勤系统,从一个不同的模板(55,两个32,34,43,58)、4 (47)到10 (40]。对基于人脸识别的考勤系统,模板的最小数量是五(31日]虽然最大值是1000 (59]。此外,模板其他人脸识别系统的数量低于60模板(57,60,61年)他们中的大多数有价值在6到2129日,33,46,53,62年- - - - - -69年]。接下来是身份验证阶段,涉及匹配捕获生物数据库中的数据与模板。在上课期间,学生再次捕获生物特征与意识或学生的无知。虹膜的声音,指纹,学生们意识到,因为他们需要接触的设备来捕捉他们的生物特征。然而,大多数的face-based系统非接触式,因此,学生们不知道什么时候会出席被相机(30.,31日,49,50,57,63年,64年,68年,70年,71年]。然而,有些情况下,学生们注意到他们的面部图像被抓获,因为他们需要面对镜头前(46,65年,72年]。为了验证这些新数据,其次是识别或验证过程。对于识别,这些新数据与数据库中的所有现有模板进行比较(一对多)。相反,验证涉及到比较声称的身份的模板(一对一)73年]。
开发人员扮演着重要的角色在biometric-based考勤系统的研究和设计促进参加标记。,目的是开发一个有效的和用户友好的系统,开发人员的任务,确保系统可以自动点名和消耗更少的时间参加标记以及匹配正确的身份。因此,许多操作阶段需要从开发人员的角度考虑。通常情况下,它可以分为两个大类的硬件和软件部分。
因此,本文提供了一个洞察发展中一个像样的biometric-based考勤系统关注硬件部分。硬件需要biometric-based考勤系统是由几个组件。从文献调查,硬件可以进一步分为五类,如图3。单片机平台、生物传感器、通信通道、数据库存储和其他组件。这些组件将在讨论部分2- - - - - -6。最后,结论部分7。
2。单片机平台
单片机是整个biometric-based考勤系统的“大脑”,控制组件或设备之间的所有操作。一般来说,可以分类基于单片机总线宽度,内存体系结构和指令集架构(ISA)。总线宽度是指可传输的比特数的数据总线。因此,单片机可分为有8位、16位、32位或64位总线宽度(74年]。更高的速度和更精确的操作需要一个与更广泛的总线单片机。接下来,内存架构可以分化为冯·诺依曼体系结构或哈佛架构。冯诺依曼体系结构,数据和程序存储在相同的内存;因此,一组地址和数据总线之间共享的处理器和内存。相反,数据和程序的记忆是在哈佛架构分离,从而导致两套孤立的地址和数据总线。最后,有两种变体ISA,即减少指令集计算机(RISC)和复杂指令集计算机(CISC)。RISC缩短了操作时间通过执行一条指令在一个机器周期,导致更快的速度。相反,CISC允许多个简单的指令的组合到只有一个指令,虽然不同的机器周期。
biometric-based考勤系统,单片机启动和终止出席标记的过程。此外,它接收来自传感器和生物数据发送这些数据存储在数据库中。在此系统中,单片机是连接到一个生物传感器、读卡器、键盘、电源、时钟电路作为输入。另一方面,输出设备连接到微控制器可能是电脑,液晶显示器,无线连接,和内存模块。各种设备之间的所有操作都是由单片机控制的。除此之外,单片机也用于图像处理任务,如预处理、特征提取、匹配和识别的生物特征(45,46,75年]。然而,大多数的传感器模块内置图像处理能力,以免过载的主要微控制器(35,38,42- - - - - -44,76年]。有几个选项中选择一个合适的类型的单片机实现考勤系统如图4。此外,表1大纲要求以及各自使用的单片机。
80 c51单片机是基于8051年中央处理单元(CPU)生产与互补金属氧化物半导体(CMOS)技术中所示的字母“C”之间的微控制器的名称。80 c51的成本是在4到9美元与美元的报价。英特尔公司在8051年发明了第一台1981微控制器(77年]。这是一个8位单片机与CISC处理器。80 c51家族分离程序存储器和数据存储器,基于哈佛架构。然而,一些80 c51可以调谐到冯·诺依曼结构,使写入程序内存(78年]。如表所示1,有一些项目开发利用80 c51单片机43,76年]。Kadry和男子卡拉奇使用Atmel董事会AT89C5122基于80 c51单片机开发一个虹膜识别系统(76年]。这个委员会由32 KB的内存闪存和768 B的RAM。除此之外,Purohit等人采用80 c51单片机使用P89V51RD2董事会飞利浦半导体开发fingerprint-based考勤系统(43]。这个板有一个更大的内存大小为64 KB的flash和1024 B的随机存取存储器(RAM)。
接下来,外围接口控制器(图)是由微芯片技术结合,在4和5美元之间零售。图片可以分为8位、16位或32位微控制器(77年]。它被认为是一个RISC处理器与哈佛架构。说等人利用PIC16F876A fingerprint-based考勤系统(79年]。更高级的PIC18F4550被Basheer用于指纹识别和拉来开发一个考勤系统(54]。这种先进的图片与灵活的整合节省功耗振荡器结构特别是便携式设备。PIC16F876A和PIC18F4550都是8位微控制器配有256 B的电可擦可编程只读存储器(eepm)数据。然而,PIC18F4550 32 KB PIC16F876A相比更大的flash程序内存只有8 KB。这是因为PIC18F4550支持77指令集和16位字PIC16F876A只有35指令集14-bit宽。此外,PIC18F4550提供直接支持通用串行总线(USB)接口,如主机电脑和电源系统中由Basheer和拉54]。
接口单片机设计和制造是Atmel公司在被收购之前微芯科技有限公司成立于2016年(80年]。接口的标价是1到13美元左右。从文献综述、8位基于risc接口通常用于考勤系统。此外,接口微控制器使用哈佛架构不同的程序和数据的存储器和总线。米塔尔et al。18]随着Soniya et al。51)执行他们的系统使用接口的Arduino Uno 328核心。Saxena et al。81年)也选择接口328核心开发他们的系统,但没有指定Arduino电路板他们使用。除了Arduino Uno委员会。et al。38)实现他们的系统使用Arduino大型装备接口1280核心。此外,还有一些作者使用Arduino大型板与一个不同的处理器,但2560年接口(35,39]。相同的处理器芯片接口2560没有Arduino电路板也使用Mazhar et al。82年开发他们的项目。在三种类型的核心,接口328最低32 KB的内存规格flash, eepm 1 KB, 2 KB的静态随机存储器(SRAM)的访问。而不是内存容量有限,接口1280年和2560年都有更大的内存大小。这两种微控制器有相同的4 KB的eepm和SRAM的8 KB。然而,接口2560大闪存256 KB大小而不是接口1280 b只有128 KB。
ARM Holdings不生产单片机,它只许可其他半导体公司的技术83年]。一个先进的RISC机器,俗称ARM微控制器,通常费用约3到8美元,而且是建立在32位或64位核心(84年]。一只手臂的架构是哈佛架构或哈佛一级内存系统。从表1选择类型的单片机,最近的趋势倾向于支持ARM微控制器。Gadhave和科莱42)开发他们的系统使用一个覆盆子πBroadcom BCM2835手臂11个处理核心。此外,Atmel SAMA5D31配备手臂Cortex-A5为复杂的应用程序(“A”配置文件(83年)微处理器系统中使用了Dhanalakshmi et al。48]。其他型号的覆盆子π董事会也被使用,如覆盆子π2模型B组成的Broadcom BCM2836手臂Cortex-A7处理核心(45]。此外,还有另一个两个系统开发使用覆盆子π3模型B [46和树莓π3模型B +62年]。这两个委员会是基于ARM Cortex-A53使用Broadcom BCM2837和Broadcom BCM2837B0芯片,分别。此外,意法半导体STM32F103C8结合臂Cortex-M3 (“M”为单片机应用程序概要文件83年)微处理器被Gagandeep et al。44)来实现考勤系统。Cortex-A5一般来说,手臂11日,Cortex-A7, Cortex-A53适合高端应用程序具有更大的性能相比Cortex-M3已低功能(83年]。之前讨论的所有ARM微处理器是基于32位与64位核心Cortex-A53除外。
数字信号处理器(DSP)是一个专门的微处理器设计的信号处理操作。DSP的价格范围在14到29美元之间。不同于其他微控制器8位,16位或32位核心,DSP通常有罕见的总线宽度(85年]。除此之外,DSP利用RISC处理器在信号处理应用程序中更好的性能。中使用的需求方biometric-based考勤系统支持修改哈佛架构。在这种情况下,原来的哈佛建筑修改这一段记忆银行处理程序指令和数据,而其他处理数据只有[86年]。结果,两个记忆内可以同时访问一个乘法/累积函数(MAC)指令(87年]。此外,这些需求方包含40位算术逻辑单元(ALU)。李等人。88年]TMS320C5409 DSP使用德州仪器纳入他们的系统。同样,Kamaraju和库马尔75年)也使用了另一种DSP模拟设备整合,ADSP-BF532。选择DSP的原因是因为在图像处理、特征提取和指纹识别任务都是由处理器与其他系统相比,这些过程都是在指纹扫描仪75年]。
混合类型的董事会,包括微控制器和系统芯片(SoC),实现在面临实现考勤系统使用深度学习标志着学生的出勤率52]。这种混合板被称为UDOO×86 ultrasingle板电脑由一个英特尔居里单片机和嵌入式SoC集成英特尔奔腾N3710处理器。单片机部分,它提供了一个兼容的平台具有类似101年Arduino销布局。另一方面,64位SoC 4芯和8 GB的内存双通道。此外,SoC嵌入式图形处理单元(GPU)使用英特尔HD图形405控制器,它有16个执行单元为视觉计算(89年]。GPU可以处理并行操作;因此,深入学习算法的执行时间可以极大的减少。
几乎所有的微控制器前面提到的体积小,低成本,低功耗和高性能。因此,这些微控制器适合于各种各样的通用应用程序除了考勤系统。然而,需求方的开发人员来说,也可以选择涉及信号处理和实时执行(75年]。为开发人员使用深度学习算法时,他们可以选择选择与嵌入式GPU处理速度快。表2总结了微控制器的性能为每个平台。除了制表总线宽度、内存架构和指令集架构,其他性能或特征概述。在速度方面,80 c51最需要时钟周期执行一条指令。此外,80 c51高功率消耗和更少的输入/输出(I / O)端口可以连接到其他组件。因此,表现不佳是一个更低的价格考虑80 c51的权衡成本只有4到9美元。同样的,图片的价格是便宜的在4 - 5美元左右。除此之外,图片有低功耗。然而,妥协,在性能方面,速度缓慢,减少I / O端口。相反,接口有一个价格标签在1和13美元之间,虽然成本略高,但仍然负担得起。优越的性能,接口具有较高的速度,更低的能耗,更I / O管脚。 Likewise, the cost for an ARM is reasonable, retailing from $3 to $8. In addition, ARM is fast with less clock cycle to execute an instruction besides power efficient and has more I/O ports. Therefore, ATmega and ARM have good value for money by providing a right balance between the cost and performance. This is further proved by the adoption of ATmega and ARM in most of the biometric attendance systems. On the other hand, DSP is able to implement the recognition process [75年除了一个控制器来处理其他组件。因此,DSP是一个独立的系统适合复杂的任务。DSP相比,图片需要额外的处理器运行匹配任务的识别过程中实现一台电脑(79年]。零售价格从14到29美元,DSP是最贵的在所有的单片机平台。这是因为DSP在速度和功耗方面具有很好的检测性能,但高成本为代价的。
3所示。生物传感器
生物传感器是用于获取个人的生物特征。biometric-based考勤系统中,传感器是用于两个目的。首先,传感器是用来捕获生物数据存储为模板。之后,每个模板与相应的名称或标签卷数量的一个学生。所有的模板以及学生的信息被存储在一个数据库作为参考与随后捕捉新的生物特征数据进行比较。完成这个过程只有一次在一个学术学期的开始。未来传感器的目的是捕获新的生物特征数据的另一个副本从每个学生只要有一个类。为了纪念上课,必须承认每个学生的身份。因此,新的生物识别数据捕获比较模板记录正确的名称、日期和时间的学生出现在类。除了讨论传感器的目的和重要性在biometric-based考勤系统,下面的部分将深思熟虑的对不同类型的传感器以及捕获错误的前提条件或环境生物特征数据。
3.1。虹膜传感器
虹膜图像捕获设备或传感器实际上只是摄像头(90年]。有一定的标准选择时需要考虑的一个虹膜传感器。首先是照明条件,因为没有充足的照明,虹膜图像往往是黑暗。然而,可见光源波长在400和760海里是不合适的,因为它会导致不适给用户。因此,近红外(NIR)光源(波长在700年和900年之间海里)通常是用于获取虹膜图像(91年]。此外,近红外光谱光能够提高虹膜图像可感知的结构模式(92年]。下一个标准的焦点有关相机的镜头。自动对焦摄像头能够调整镜头不同尺度上获得关注的虹膜图像93年]。因此,它更方便用户,因为他们不需要与虹膜近距离传感器。定焦相机限制用户在一个特定的距离镜头成功虹膜采集(93年]。因此,用户将给高合作或呆在捕捉过程中仍不时。优越的性能,一个自动对焦摄像头更灵活的捕捉能力急剧虹膜图像容易通过选择不同距离完美的焦点。相比之下,与明确的长度设置,定焦镜头产生模糊图像偶尔当虹膜位于相机太近。然而,自动对焦摄像头的成本更昂贵的比定焦镜头。另一个标准是虹膜传感器的分辨率。根据Daugman [94年),传感器应该能够捕获在虹膜半径至少70像素好识别。推荐的另一个选择是国家标准与技术研究院通过使用至少60像素虹膜半径(95年]。
iris-based考勤系统、格兰和默罕默德(96年)和Khatun et al。97年使用一个摄像头)实现他们的系统。在系统设计方面,格兰和默罕默德96年安装了摄像头在一个盒子里而Khatun et al。97年)附在上面的摄像头一台笔记本电脑。然而,该系统由格兰和默罕默德96年]迎合低分辨率虹膜图像通过摄像头捕获。作者没有提供的信息(76年,96年,97年关于使用网络摄像机或传感器的模型;因此,对比该设备不能。一般来说,使用网络摄像头的偏好在iris-based考勤系统是由于低成本和可接受的图像质量。尽管如此,低端摄像头产生一个低质量的图像。低成本的网络摄像头的权衡,研究人员需要执行额外的图像预处理工作。因此,为了提高识别率,捕获的图像质量的改善通过对比度增强等技术或图像去噪。此外,浪费大量的时间可能要出席所有的学生尤其是对大型类。这是因为学生需要队列以扫描虹膜,相机一次只能获取一个虹膜。
3.2。声音传感器
声音可以通过麦克风捕获。通常,一个麦克风是一种将声波转换成一个电信号的传感器。声能量的变化导致麦克风的膜片振动,从而产生机械能进而转化成电能形式的交流电压。因此,有两种分类的麦克风根据力学特性和电气特性98年]。
然而,根据托马斯和Govindaraju [93年),用于语音生物识别技术的两个主要类型的传感器是声学传感器和听觉传感器。声学传感器被发现在大多数的广泛使用的麦克风捕获的声信号的声音。例如,动态麦克风操作是基于感应电容式传声器工作时的概念的基础上,传导。另一种类型是听觉传感器,它提供了测量声门的激发和声道清晰度的动作。电磁运动传感器是一种听觉传感器使用微波雷达测量声门的运动。其他人包括electroglottography(蛋)传感器用于繁殖的语音信号基于测量声襞的接触面积,压电传感器产生电压变化引起压力和传感器利用骨骼运动。就性能而言,纯粹的麦克风的声学传感器容易背景噪音。相反,听觉传感器检测不太容易被周围的噪音干扰,因为只有在肌肉运动声道。尽管如此,听觉传感器是有代价的,可能会引起不适,因为它必须连接到用户。
为了选择一个合适的麦克风,有一些规范应遵循(98年]。首先是麦克风的敏感性衡量效率的输出电压时生成暴露于声压。接下来是固有噪声,电压水平存在于麦克风本身,虽然没有声音的来源。然后,它是决定之间的差异的动态范围最大声压级和固有噪声可以被麦克风。此外,频率响应定义的频率范围(时间间隔)上限和下限操作内的麦克风。方向性描述灵敏度朝着声音的方向取决于结构形状和指向性麦克风的模式。除了技术规格书,麦克风放置在捕捉声音数据质量起着重要的作用。通常情况下,声源的麦克风位置可以被认为是在近场和远场(99年]。
从文献综述,几乎所有的基于语音的考勤系统(15,37,56,One hundred.)使用在手机内置的麦克风来记录声音。相对较大的普通麦克风相比,手机的麦克风在规模较小的。现代智能手机配有多个微型麦克风来检测周围的声音以及过滤掉不需要的噪声。如今,大多数学生的智能手机;因此,声音可以记录考勤。这反过来将有助于降低系统开发费用的学术机构由于硬件成本降低。然而,节约成本的计划可能降低识别率主要是由于缺乏一致性的声音被不同类型的智能手机。一些作者认为出勤率的使用应用程序,可以下载到任何智能手机属于学生15,One hundred.]。另一方面,其他系统的使用限制只有几个预定义的手机(37,56]。根据讨论,基于语音的智能手机是一个很好的选择考勤系统。然而,缺点是灵敏度对背景噪声等其他学生聊天的声音当一个特定的学生记录考勤标志的声音。此外,声音的质量记录由麦克风可能退化。
3.3。指纹传感器
各种类型的传感器是用于获取指纹图像。基本上,指纹图像传感器可以分为三种类型光,固态,和超声波101年]。光学传感器可以实现以不同的方式来获取指纹图像。最早的和常用的光学传感器的工作原理是基于沮丧的全内反射(红外光谱)。组件的FTIR-based光学传感器包括光源、玻璃/塑料棱镜、透镜和电荷耦合器件(CCD)或互补金属氧化物半导体(CMOS)相机。CCD或CMOS相机捕获的反射光通过聚焦透镜棱镜作为用户触摸的棱镜顶部。基本上,指纹的特征是不同模式的山脊和山谷特性(102年]。由于不同的折光指数的山脊和山谷时,手指放在棱镜,吸收的光源是山脊和反映在山谷,如图5(一个)。结果,脊出现黑暗和山谷出现明亮在捕获的指纹图像101年]。使用一个optic-based传感器有几个优点。传感器不能欺骗容易被复制的指纹图像,因为它只感觉手指三维结构。此外,它能够捕捉不同的图像分辨率以及生产高质量图像。尽管好处,FTIR-based光学传感器容易干或湿的手指产生饱和或软弱的印象,分别为(103年]。此外,它不能缩小由于减少的光学路径长度的不灵活性导致图像光学畸变。
(一)
(b)
(c)
固态传感器也称为硅传感器是使用微型传感器设计,表示一个像素数组。有四种固态传感器包括电容、热、电场和压电101年]。到目前为止,最常见的是电容类型。电容式传感器由两个板块。电容器的一个板包括一个二维数组放置手指下面传感表面,另一个板块是手指的皮肤。各有不同大小取决于创建两个板块之间的距离由垂直双箭头在图所示5 (b)。因此,山脊和山谷可以区分对不同的电容值(104年]。固态传感器是能够解决相关的问题与小足迹等光学传感器和可调电参数解决干燥或潮湿的指纹图像。此外,这些传感器不能欺骗容易被复制或假指纹图像从一个三维的手指表面感觉是基于测量的距离。尽管优势,固态传感器敏感静电放电(ESD)。此外,白色斑点明显无数使用后的指纹图像传感器(105年]。此外,频繁的清洗需要获得一个好和干净的指纹图像。
超声波传感器是用来感觉声反射深度之间的区别的山脊和山谷103年]。传感器由一个发射机产生的声信号以及接收机检测相应的反映或从指纹表面回波信号。图5 (c)说明了指纹结构是通过计算获取连续的反射深度回波信号。超声波传感器能够捕获高质量图像不受灰尘、油,或其他污染物的手指(101年]。然而,这些传感器是笨重,昂贵的,需要更多的时间对指纹图像采集(102年]。
重要的选择标准指纹扫描仪采集区域,输出图像分辨率和几何精度(101年]。指纹感应区域的最优值 英寸2( )。然而,大多数的商业扫描仪较小,以减少大小和成本。此外,最低图像分辨率大约是500点或像素每英寸(dpi)。几何精度是衡量结构变形引起的指纹扫描仪。其他参数也应考虑,如I / O接口,帧每秒,手指自动检测、加密和操作系统的支持。表3列出了各自的规范考勤系统中的传感器用于手指的印象。
从表3,观察光学传感器是最受欢迎的类型的指纹扫描仪biometric-based考勤系统(18,34,35,38- - - - - -40,42- - - - - -44,54,75年,79年,82年]。偶尔使用的固态传感器(48,58,88年]虽然没有考勤系统使用超声波传感器。除此之外,Adal et al。17]提出使用手机,因为现在大多数的通讯设备配备有内置指纹传感器和更低的价格。此外,大多数的传感器捕获的指纹图像分辨率大约500 dpi。从光学的角度传感器,gt - 511 c3 (82年]和GT511C1R [35)传感器传感区域最低只有175毫米2尽管其他传感器,如R305 [42- - - - - -44在270毫米),有更大的价值2。相反,固态传感器的传感领域192毫米2和230.4毫米2分别为FPS200和SFM3050-TC1。此外,较大的感应区域允许捕获更多的指纹信息。一般来说,它可以推断的成本传感器感应面积成正比。例如,GT511C1R传感器与传感区域较小成本只有18美元相比,面积更大的R305价格为21美元。像素的数量范围从51840到107016像素光学传感器。另一方面,指纹图像捕获与固态传感器有大约76800到92160像素的数量。因此,光学传感器可以捕捉图像包含更多的像素信息质量。更好的性能的权衡是高成本比如U.are。U 107016像素光学传感器,但零售价为80美元。
在前面的部分,回顾指纹传感器的类型和应用在考勤系统。的性能和特点,表4进一步总结了这些指纹传感器的比较。光学和固态传感器能够生成2 d图像,而超声波传感器能产生3 d图像更多的生物识别信息。然而,超声传感器略慢获取指纹图像相对于其他两种类型的传感器。功耗,固态传感器是最权力高效光学和超声波传感器相比,它需要高功率的要求。这些传感器的安全等级降序固态高韧性的恶搞,紧随其后的是超声波最后光学。对于大小,固态微型传感器,发现在大多数的智能手机。相比之下,大型超声波和FTIR-based光学传感器很难被集成到智能手机。然而,与技术进步,光学和超声波传感器开始作为智能手机采用其他方法。光学和固态传感器的成本是一个函数的性能和传感领域如前面所讨论的,但总的来说,被认为是低的价格。同时,超声波传感器的成本是昂贵的,因此没有使用任何fingerprint-based考勤系统。 In essence, faster speed coupled with lower cost is one of the reasons for selecting optical and solid state sensors as the preferred choice for fingerprint-based attendance systems. Nevertheless, the disadvantage of this system is the same as the iris because students have to queue and take turns to scan their fingers.
3.4。面对传感器
面部图像采集设备或传感器通常称为摄像机用于捕获图像或视频帧。收购面临数据可以在二维(2 d)形式的强度图像,三维(3 d)表示组成的强度和深度信息,或红外106年]。里面的关键部分包括图像传感器和摄像机镜头的107年]。一般来说,图像传感器运作的光穿过镜头转换成电荷,进一步转换成电子信号。电荷在图像像素与光照强度成正比,亮图像包含更多的指控而昏暗的形象。有两种类型的图像传感器的电荷耦合装置(CCD)和互补金属氧化物半导体(CMOS)。这些传感器是基于基本的积累电荷在每个像素与入射光的强度成正比。CCD传感器,电荷从一个像素顺序转移到其他像素直到到达一个常见的输出节点电压转换。此外,CCD传感器的模拟输出。在CMOS传感器,电荷电压直接转换发生在每个像素108年]。CMOS传感器的输出是在数字位。历史上,CCD的传感器用于捕获图像由于探测器对光线的高灵敏度和生产质量较低的图像噪声。然而,能耗和生产成本很高,并没有其他集成CCD芯片内是被允许的。在1990年代初,随着半导体技术的发展,CMOS传感器在挑战CCD传感器作为替代。使用CMOS传感器的优点是成本低、能耗少,两传感器和图像处理功能和集成在同一芯片。因此,CMOS传感器广泛应用于手机摄像头,摄像头,数码单反相机(数码单反相机)109年]。然而,缺点是低的敏感性和对噪声的易感性。一种新型的CMOS传感器被称为科学的CMOS (sCMOS)是在2009年推出。一般来说,sCMOS传感器提供了更大的好处的高灵敏度,低噪音,高分辨率,高动态范围和高帧率(110年]。同时,CCD技术进步也使得在降低成本和功耗,同时增加集成的水平(111年]。随着时间的飞逝,将有很少或没有区别这样的CMOS、CCD技术改进。
有一些与图像传感器相关联的属性如帧率、空间分辨率和像素敏感性[106年]。基本上,视频由拍摄的图像序列,也称为帧。因此,帧率被定义为捕获图像的数量在每秒钟以帧每秒(fps) [112年]。分辨率往往是与图像的清晰度。因此,视频图像的空间分辨率是由像素的数量在一个图像或换句话说,像素在水平和垂直方向和行数,分别是(113年]。此外,像素灵敏度表示对灯光传感器的敏感性。为了提高感光度,黑色背景传感器开发了使用相反的硅表面进行更高效的光吸收(114年]。其他类型的图像传感器属性对于反应性,一致性,关闭和其他人,这超出了本文的范围可以指文学背景更多细节107年]。每个人脸识别考勤系统的相机属性表中列出5。
显示在表5,网络摄像头是最受欢迎的类型的相机用于面对实现考勤系统手机相机紧随其后。原因是,因为这些类型的相机随处可见,在一个合理的价格。川口等。27)建议使用鱼眼镜头摄像机(遥感相机)获得球形的学生的座位区垂直从天花板上的教室。此外,pan-tilt变焦相机(捕捉相机)也用于捕捉学生的脸。这种类型的相机允许的运动控制和缩放调整镜头。由尼康单反CMOS摄像机与优越的成像技术被用于两个考勤系统(53,63年]。然而,单反相机的成本是昂贵的比正常的网络摄像头。Kinect摄像头与3 d成像(106年]被伊斯兰教等。61年),但作者没有提到关于真实感三维人脸图像应用于考勤系统。此外,覆盆子π相机作为另一个选择,因为它是兼容所有型号的覆盆子π董事会在系统中实现的萨利姆et al。46]。在摄像机的数量方面,大多数考勤系统使用只有一个相机实现覆盖整个类。此外,有一些考勤系统使用两个摄像头捕获不同任务。例如,川口等人的系统使用感知和捕捉相机像前面描述的那样27)将相机登记和识别(49),以及两个nonintersecting摄像头对学生座位在两列30.]。此外,六个摄像头被安装在全班同学为了更好的解决57]。
关于相机的分辨率,范围从价值约300 kilopixels 900 kilopixels ( )。从视频帧或图像捕获、作物脸图像的大小最小值之间的差异 像素最大值 像素。典型的帧速率在考勤系统使用的相机是30 fps,虽然有2-60 fps内其他值。在相机格式方面,一些系统使用视频帧而另一些学生面临的图像用于进一步的图像处理任务。摄像头的位置也很重要为了获得在一个明确的观点。摄像机可以放置在入口处的门,在黑板上,或在前面的中心教室。以外的其他属性,为更好的图像处理结果,Chintalapati和Raghunadh建议面对图像被捕获在4到7英尺的距离66年)而Raghuwanshi和哲人提出1 - 3英尺(31日]。
通常,最常见的一种图像传感器的相机CCD或CMOS传感器。表6介绍了每一个图像传感器的性能。在图像质量方面,CCD传感器产生卓越的图像与低噪声在CMOS传感器容易噪声从而导致低质量的图像。此外,CCD传感器敏感光照明的强度较高的信噪比和旁边有几个晶体管的CMOS传感器位于每个像素降低光敏感度。从速度的角度来看,充电电压采样在每个像素CMOS传感器的速度比电荷转移到一个共同的CCD传感器输出电压的转换。此外,由于减少功耗,CMOS传感器CCD传感器相比,低功耗。与CCD传感器、CMOS传感器的尺寸很小,使它适合大多数相机的功能集成在一个芯片。此外,CMOS传感器的成本也远低于CCD传感器,由于大量生产和利用标准硅生产线。是在表6,尽管CCD传感器捕获高质量图像和显示更多的敏感性对照明、CMOS传感器,远非CCD传感器在其他突出等方面更快的速度、更小的尺寸,以及更低的能耗和成本。因此,CMOS传感器通常更可取,集成在一个网络摄像头和数码单反相机。尽管如此,有一个CMOS传感器的成本和性能之间的权衡上发现的大多数相机。冠心病20.0摄像头(50零售价为$ 21,但必须在时间和空间效率之间达成妥协,只有720 p分辨率的图像是那么激烈,也称为高清晰度(HD)准备好了。因此,类似于虹膜传感器,图像预处理阶段需要更好的识别率。另一方面,5200年单反相机(63年)捕获的1080 p分辨率的图像(全高清);尽管如此,成本是昂贵的545美元。脸的优势实现考勤系统速度(队列)和nonintrusiveness,因此适合出席纪念尤其是大型类。然而,识别过程中可能受到的方向的脸,阻塞了,可怜的照明。
4所示。通信通道
获取传感器的生物特征后,用户的生物特征数据的形式图像或声音,标识符(id),卷号,日期,时间和从发射机模块传输到接收机模块。如果传感器只抓住了生物识别特征,这些数据需要传输到接收机模块的匹配过程中完成服务器(48,79年,88年]。另外,如果生物识别身份的匹配是传感器模块,用户的ID或辊数量与日期和时间将传播(42- - - - - -44,58,75年,76年]。这些数据是必要的用户身份验证和考勤管理研究所。
有线连接,如串口和通用串行总线(USB)是用来传输数据在某些系统(35,54,97年]。另一个选择是无线通信中广泛用于数据传输biometric-based考勤系统。除此之外,学生也可以检测到的位置使用无线信号(15]。此外,抢注的设备连接到无线信号的数量可以确定计算学生的数量在一个类81年]。此外,考勤信息可以查看一个网站(15,18,34,40,47,48,55,115年通过电子邮件()或接收47,55,97年,One hundred.,116年]或短消息服务(SMS) (47,48,55,115年]。选择无线技术在大多数生物识别考勤系统由于成本节约不需要铺设电缆和在每个教室安装端口与有线网络相比,需要物理连接。此外,在流动性方面,无线网络可以扩大到其他地方更容易没有额外的物理基础设施。因此,作者在文献中提出使用不同类型的无线协议标准的项目。典型的无线标准用于生物识别考勤系统包括wi - fi无线个域网,全球移动通信系统(GSM),和其他类型的射频(RF)如表所示7。这些无线技术的装置相比,数据速率,频带,覆盖范围。
从表7,很明显,wi - fi更高数据速率能够传输更多的数据在给定的时间框架相比,无线个域网,GSM和射频无线网络。此外,wi - fi支持更广泛的频带。表的论文7和相应的数据表不显示无线网络和GSM的覆盖范围。因此,从其他引用,wi - fi的最大射程是100米(117年]虽然GSM覆盖35公里118年]。显然,GSM和射频无线(使用PTR2000 +)用于长距离传输。其他无线特性如无线个域网网络的拓扑结构和经营方式也考虑。在他们的系统中,西芒等人使用网格拓扑nonbeacon模式(58),而李等人实现集群树拓扑在信标模式下(88年]。这两种拓扑结构使网络通过路由器进行扩展。此外,网络中的设备可以使用信标同步或不同步和nonbeacon操作,分别。更详细的解释关于无线个域网拓扑可以在文献中找到(58,88年]。此外,相关信息的操作模式可以通过一些渠道119年,120年]。作为总结,无线网络提供了一个系统的最佳选择,需要一个高数据速率、有效的能源消耗和安全(117年]。另一方面,低数据率和减少功耗无线个域网的特点和GSM协议(117年,121年]。
无线协议的典型表现是总结表8。高数据率,wi - fi是能够处理大量的数据相比,无线个域网和GSM低数据率。频带,wi - fi在2.4 GHz和5 GHz,无线个域网在868 MHz, 915兆赫和2.4 GHz而GSM利用850/900 MHz, 1800/1900 MHz。此外,GSM一直覆盖距离35公里和短的距离,海拔100米,wi - fi无线个域网。无线网络和GSM都需要高功率需求与低功耗的无线个域网。安明智,wi - fi是最好的,依靠Wi-Fi-protected访问(WPA)加密与贫穷在无线个域网和GSM加密。此外,wi - fi和ZigBee芯片组廉价相反为GSM芯片组成本较高。从表8转移接续,wi - fi是最受欢迎的通信通道考勤数据。这是由于高数据速率和带宽以及低芯片成本为8266年ESP零售价约为3至7美元。相反,这些优势是要付出代价的,这主要是由于高功率消耗。无线个域网的芯片组的成本也低,2和7美元之间不等;然而,代价是低数据率。在所有的无线技术,SIM5360E GSM模块的芯片是最昂贵的标价20美元左右——26美元。尽管如此,GSM的覆盖范围是最长的,尽管低数据率和高功耗。
5。数据库存储
考勤系统的数据通常保存在存储由生物模板、考勤信息,课程信息,电子邮件地址和手机号码。存储的模板进行比较与新捕获的生物特征进行身份验证的身份和马克的特定学生的出勤率。考勤信息,如学生ID、日期和入口和出口次考勤记录方便。此外,课程信息课程代码,时间表,和地点保存。此外,电子邮件地址和手机号码的家长和教育工作者对出勤状态通知保存在数据库中。图6描述常见的一种设备的数据库存储biometric-based考勤系统。
通常情况下,服务器用于存储这些数据。大多数的服务器托管在计算机工作站,方便地访问出勤记录,从而帮助平滑管理(15,17,18,32,35,40,43,44,47,48,54,58,70年,76年,88年,97年,115年]。此外,移动内部数据库也实现,用户存储服务器上的出勤和课程信息使用手机(One hundred.]。云服务器托管在互联网上被用来存储考勤信息,可以远程访问和在任何时间62年,69年,116年]。此外,web服务器被用于一些考勤系统(29日,46]。Gonzalez-Agulla et al。72年]随着Gadhave和科莱[42)存储和管理出席活动与模块化面向对象的动态学习环境(Moodle)服务器是一个在线管理系统。除了使用服务器存储数据,一些生物传感器配有内置内存存储的模板。例如,在一个小教室,GT511C1R指纹传感器是用于存储20模板(35]。另一方面,对于一个大的教室,gt - 511 c3 (82年]和R305 [42- - - - - -44]指纹扫描仪支持多达200和980模板,分别。此外,每个学生提供了一个近场通信(NFC)与4 k记忆卡存储指纹模板和标识符分配地(32]。这种方法的优点在于,没有其他存储设备包含个人数据以外的NFC卡出于安全原因。内存IC等Atmel AT24C512和AT24C1024提供512 k和1024 k的电可擦可编程只读存储器(eepm),分别用于存储考勤信息(54,76年]。此外,Purohit等人采用ST24C04由意法半导体eepm的4 k字节的空间(43]。考勤系统的其他存储设备包括安全数字(SD)卡38,39,82年],随机存取存储器(RAM) [42,75年,88年],和NAND [48]。为了防止考勤信息的损失,一些系统提供双备份存储能力原件(32,43,48,54,76年]。从本质上讲,这因素在决定使用哪个存储设备在考勤系统取决于类的大小和所需的信息。教室有几个学生或只有学生的ID和出勤状态(即。、现在或缺席)需要被记录,一个小容量存储设备是充分的。然而,对于一个大教室有许多学生或保存大量的数据,一个大型存储设备者优先。
表9展示了各种类型的数据库存储性能。基于闪存,SD卡和内存表中的集成电路结合在一起。就能力而言,服务器能够存储大量的数据,比如面部图像具有更大的文件大小。另一方面,NFC卡和内存IC减少数据存储能力小文件大小,即指纹和虹膜图像。对数据传输速度,服务器和RAM是最快的传感器时,NFC卡和内存IC是最慢的。服务器和内存要求高功率功能,与低能耗。NFC卡是被动的,操作能力是来自读者。此外,所有的存储设备有较高的耐久性。基本上,大多数的存储设备是负担得起的除了服务器和RAM。尽管服务器的性能是最好的与更大的安全性和数据备份,拥有这样一个存储设备的权衡是服务器范围的高成本的价格从150美元到4000美元。 It is also affordable to store data in the built-in memory of some fingerprint sensors which cost around $18 to $28; however, it is difficult to replace when a larger storage is needed or the memory is defective. NFC card is the cheapest with a price tag around $0.20 to $1 but has limited storage capacity and the possibility of students forgetting to bring their card to class. Moreover, despite the fact that the cost per piece is cheap, NFC card is not suitable for large classes. This is because for a class of 100 students, the overall cost will increase to $100 taken into consideration the maximum unit price of $1. Another inexpensive option is a memory IC which costs around $1 to $3 yet when used regularly may result in broken IC pins. The costs for the SD card and NAND are reasonable, with price ranging in between $10 and $20. Nevertheless, the attendance record can only be viewed by transferring data to a computer, and thus, SD card is prone to damage if inserted and removed frequently. The price of RAM is slightly higher from $10 to $50. Despite delivering good performance, additional storage such as flash [88年因为RAM易失存储器)是必须的。在所有的存储设备、服务器是最受欢迎的选择,因为它是利用虹膜,声音、指纹、脸同时考虑考勤系统。除了提供更大的存储容量和更快的速度,选择服务器的另一个理由是因为集中式数据容易获得考勤记录相比,本地的数据存储在记忆卡。
6。其他组件
除了硬件所提到的,还有其他硬件用于biometric-based考勤系统。液晶显示器(LCD)和薄膜晶体管(TFT)触摸屏用于向用户显示信息(35,39,41,43,44,48,51,54,58,75年,76年,79年,82年,122年]。显示的信息可能是用户的ID,卷号,日期,时间,课程代码,欢迎信息或身份验证状态。为了确定出席时,一个实时时钟(RTC)跟踪的时间,日期和一天。该模型使用的计时芯片DS1302或DS1307 [54,76年,82年]。便携式考勤系统,电池是用来启动设备(38,44,48,54]。锂电池通常用于便携设备由于高能量密度,使每次充电后再操作时间。此外,监管机构是用来获得解决便携式设备的输出电压(44,54]。另一个考勤系统由电源电路利用三种不同类型的监管机构(即。,LM117, 7805, and 7812) to control the desired output voltages for the processor, LCD, keypad, and fingerprint sensor [75年]。键盘和键盘用于输入用户ID,卷号,课程代码,或密码(35,48,75年,76年,82年]。除此之外,按钮和开关启用用户选择所需的操作入口和出口等选项,菜单按钮,重置按钮,电源按钮(54,58,79年]。多层身份验证,使用RFID或NFC卡以及生物传感器来提高安全biometric-based考勤系统,实现更好的性能(32,33,35,36,39,41,55,115年]。RFID和NFC阅读器允许数据,如用户的标识符或生物特征模板,收集的名片。高频RFID阅读器支持更长的范围能够自动读取卡片从很大距离55]。相反,学生需要把卡的低频射频识别阅读器与近距离接触33,39]。此外,不同颜色的发光二极管表示各种迹象,即指纹状态、出勤状况、地位和权力(54,79年]。蜂群的功能是给用户一个提示或者成功出席纪念的标志(39,75年,76年,79年]。此外,演讲者成立于考勤系统通知事件发生在机构(48]。访问控制是实现使用伺服电机来打开和关闭门(18,46]。为了抑制欺骗威胁,闪烁探测器是用来检测眨眼66年]。除此之外,使用超声波传感器和摄像头来追踪学生运动进入或离开教室时(41]。
7所示。结论
它仍然是一个挑战对于选择合适类型的硬件设计biometric-based考勤系统。因此,回顾连同表总结每种类型的硬件组件的属性和特点。有各种类型的单片机板、生物传感器、沟通渠道,数据库存储和其他组件的研究人员根据自己的需求来选择和要求。单片机80 c51单片机和图片最初使用在2010年和2014年之间,其次是2014年以来的接口。之后,在2016年,手臂开始流行,并开始被广泛应用于考勤系统。基本上,80 c51和图片选择低加工任务,如虹膜和指纹识别,而接口和手臂是适合的任务与更高的处理能力,例如,人脸识别。传感器的选择取决于捕获的生物特征。指纹和面部是两种最常见的生物特征由于考勤系统的方便性和接受率高相比,虹膜和声音。传感器的相机需要虹膜、指纹、脸图像采集。CMOS传感器是目前普遍在几乎所有相机。 On the other hand, a sensor for voice recording is managed through a microphone. In addition, time is also another factor in sensor selection. Time saving is achievable through face recognition-based attendance system in that students do not need to queue and contact with the sensor. The communication channel plays an important role in transferring attendance data. Wi-Fi is a great option since high amounts of data can be transferred in a given time frame. This proves to be useful for real-time attendance monitoring. Attendance data can be kept in various types of database storage. The server is suitable for huge capacity storage and ease of access while other memory cards are only capable of storing data locally up to a certain extent. Additionally, the number of students and size of biometric template determine the types of storage database as well. Finally, other components are needed to complement the whole biometric attendance system. In a large classroom, researchers may opt for a more powerful microcontroller, contactless sensor, larger database storage, and communication channel with high data rate. To sum up, the benchmark for choosing hardware devices or components always narrows down to three important criteria which are cost, power consumption, and speed.
此外,biometric-based考勤系统是下一层次的移动设备的广泛使用在物联网时代(物联网)。如今,现代智能手机嵌入式内置硬件组件如相机、虹膜、指纹传感器。因此,对于未来的研究,一个机会出现,让考勤标志可以只使用智能手机,而不是建立一个系统与硬件组件分离。在捕捉生物特征,这些数据可以上传到云服务器使用智能手机上的无线连接进行身份验证。此外,这些考勤数据可以保存在云数据库。尽管如此,世界上增加移动连接,应该谨慎研究生物特征数据的安全和隐私,以免被网络罪犯。
的利益冲突
作者宣称没有利益冲突有关的出版。
确认
这部分工作是支持马来西亚理科大学:研究型大学拨款1001 / PELECT / 8014052。