| published |
| DOI |
Azhee Wria Muhamad1,4,Luqman Mohammed Mustafa2,Ari Sabir Arif3,4
1,2,3College of Basic Education- Computer Science Department- Sulaimani University, new campus- Qlyasan, Sulaimaniyah
4Computer Science Department, Faculty of Science, Cihan University Slemani, Sulaimanyia, Iraq
[email protected]1, [email protected]2, [email protected]3
Received : 1-2-2019 Revised:3-4-2019
Accepted : 5-5-2019 Published :30-6-2019
Abstract
Taking attendance within the schools and colleges are being a squander of time and exertion for both the students and courses. Presently days biometric are more utilitarian, they have fingerprint recognition, facial recognition iris filtering recognition voice recognition signature recognition. The attendance system checking as a comparison of manual call and involves a lot of paperwork, making it difficult to look for any information and perform modifications on the student. In the system, there’s a parcel of scope for intermediary attendance. To solve this situation, the proposed system has automated the attendance marking prepare by using the Viola-Jones Algorithm face detection technologies. The study presents a modern model in automatic participation organized the system, expanded with computer vision algorithms. The attendance system after detecting all students face and it should be applied some filter on the image to enhancement, face detect and remove the noise on images when capturing all face. This requires a high-end determination of a system in arranging to get the way better results. So, this may run as it were a big database and compare them with the face required. The equipment promises to offer precise comes about and some more explanations announcing system that appears understudy movement and the presents in a class.
- Keywords– Face Detection, Histogram Normalization, Attendance, Image capturing, camera, Viola-Jones Algorithm
پوخته:
لە ناوەندەکانی خویندنی وەکو قوتابخانەو کۆلیجەکان وەرگرتنی ناوی ئامادەبوونی خوێندکاران لە ناوەندەکانی خوێندندا (قوتابخانەوکۆلێج) بووەتە کارێکی دووبارە وە هۆکاری بەفیڕۆدانی کاتە بۆ مامۆستا و خوێندکاریش. لە ئێستادا بەکارهێنانی سیستمی بایۆمیتری و ناسینەوە لە ڕێگەی پەنجەمۆر و ڕوخسارو دەنگ وبیلبیلەی چاو و سیگنیچە( وێنەی واژوو) وە ئاسانکاری زۆری کردووە. پرۆسەی وەرگرتنی ئامادەبونی خوێندکاران کارێکی زۆری دەستی (manual) پێویستە، کە ئەمەش وادەکات گەڕان بە دوای زانیاری و دەستکاریکردنی کارێکی قورس بێت. وە لەم جۆرە سیستمانەدا، سنوردارییەک هه یە لە ناوەندی وەرگرتنی ئامادەبوواندا. بۆ چارەسەرکردنی ئەم بارودۆخە، سیستەمێکمان پێشنیار کردووە بە بەکارهێنانی تەکنەلۆجیایی ناسینەوەی روخسارو بە بەکارهێنانی خوارزمی (Viola-Jones) کە پڕۆسەی وەرگرتنی لیستی ئامادەبوان بەشێوەی خودکار (automatic) دەبێت. ئەم توێژینەوەیە مۆدێلێکی نوێ پێشکەش دەکات لە سیستمی ڕێکخستنی ئامادەبووان بە شیوەی خودکاری کە زیاتر فراوان کراوە لە ڕێگەی بەکارهێنانی خوارزمی (Computer Vision) . لەم سیستەمەدا، پڕۆسەی فلتەرکردن بەسەر وێنەکاندا جیبەجێ دەکرێت دوای دۆزینەوە و دیاریکردنی ڕوخساری هەموو خویندکارەکان بە مەبەستی لابردنی خاوش لە وێنەکەدا لە کاتی گرتنی بە کامێرە. کە ئەمەش پێویستی بە قەراریکی باش هه یە لە ناو سیستەمەکەدا بۆ ئەوەی ئەنجامێکی باشترمان دەست بکەوێت کە سیستەمەکە وەکو بنکەیەکی زانیاری گەورەیە کە بەراوردی هەموو ئەو ڕووخسارانە دەکات کە پێویستن. وە ئەم سیستەمە دڵنیایی ئەوە دەدات کە ئەنجامێکی ڕوون و دەقیق وە ڕوونکردنەوەی زیاتر دابین بکات لە پڕۆسەی وەرگرتنی ئامادەبوونی خوێندکاران
الملخص
في المراكز التعليمية كالمدارس و الكليات اصبح تسجيل اسماء الطلاب الحاظرين عمل تكراري و هو سبب لاهدار وقت الاساتذة و الطلاب. في الوقت الحاضر ، يعد استخدام نظام االقياسات الحيوية(Biometric) أكثر نفعا و سهولة في التعرف على بصمة الاصابع و شكل الوجه و الصوت و العين و التوقيع. تحتاج عملية تسجيل حضور الطلاب الى عمل يدوي (manual)، مما يجعل من الصعب البحث عن أي معلومات وإجراء تعديلات عليها. في مثل هذه الانظمة، هناك حدود لمركز تسجيل حضور الطلاب. لحل هذه المشكلة، فان النظام المقترح إعداد علامات الحضور باستخدام تقنيات خوارزمية التعرف على الوجه فيولا جونز(Viola-Jones). تقدم الدراسة نموذجًا حديثًا في تنظيم الحضور بشكل تلقائي وتم توسيعه باستخدام خوارزمية رؤية الكمبيوتر (Computer Vision). يقوم النظام بعملية تصفية (filtering ) للصور بعد تحديد و تمييز ملامح جميع الطلاب لاجل ازالة التشوهات من الصورة اثناء عملية الالتقاط بواسطة الكاميرة. وهذا يتطلب تحديدًا راسخًا للنظام لاجل الحصول على نتائج أفضل. لذلك ، فان النظام كقاعدة بيانات كبيرة تحتاج الى مقارنة جميع الملامح مع الوجه المطلوب. ان النظام يؤكد على نتائج واضحة و دقيقة تقارير اكثر عن عملية تسجيل حضور الطلاب.
REFERENCES
[1] Fingerprint attendance system for classroom needs. Mohamed Basheer K P, Raghu C V., Kochi, India: Annual IEEE India Conference (INDICON)., 28 January 2013.
[2] T. Lim, S. Sim, and M. Mansor – “Rd based attendance system”, in Industrial Electronics Applications, 2009. ISIEA 2009. IEEE Symposium on, vol. 2. IEEE, 2009, pp. 778782.
[3] S. Kadry and K. Smaili – “A design and implementation of a wireless iris recognition attendance management system”, Information Technology and control, vol. 36, no.3, pp. 323329, 2007.
[4]Visar Shehu, Agni Dika, “Using Real-Time Computer Vision Algorithms in Automatic Attendance Management Systems” ITI 2010 32nd Int. Conf. on Information Technology Interfaces, June 21-24, 2010, Cavtat, Croatia.
[5]. Ear Based Attendance Monitoring System Proceedings. Jawale, Mr.Jitendra B. Nagercoil, India: IEEE, 2011. 11973796.
[6] M. Turk and A. Pentland, Eigenfaces for recognition, Journal of Cognitive Neuroscience, 3(1), pp. 7186, 1991.
[7] Hiding Secret Text inside a Dynamic Handwritten Signature as. Fahad Layth Malallah, Ayad Hussain Abdalqadir, Mohammad Aldabbagh, Ammar Waisy. 1, Sulaimanyia: The Scientific Journal of Cihan University – Sulaimanyia, 16, Vol. 1. 2520-7377.
[8] Automated Attendance Management System Based On Face Recognition Algorithms. Shireesha Chintalapati, M.V. Raghunath. Pune: IEEE International Conference on Computational Intelligence and Computing Research, December 2013.
[9]. Face and Head Detection for a Real-Time Surveillance System. Akshara Jadhav, Akshay Jadhav, Tushar Ladhe, Krishna Yeolekar. 01, s.l. : IEEE, Jan -2017, Vol. 04. 2395-0072.
[10] Robust Real-Time Face Detection. Paul viola, michael j. Jones. USA : International Journal of Computer Vision 57(2), 137–154, 2004, 2004. 137–154.
[11] Ming Du, Aswin C. Sankaranarayanan, and Rama Chellappa, Robust Face Recognition from Multi-View Videos, IEEE TRANSACTIONS ON IMAGE PROCESSING, VOL. 23, NO. 3, MARCH 2014.
[12] Security Assurance Using Face Recognition &Detection System Based On Neural Networks. Chandrasekaran, Rahul. Beijing, China: IEEE International Conference on Neural Networks and Brain, 13-15 Oct. 2005. 0-7803-9422-4.
[13] M. Turk and A. Pentland, Eigenfaces for recognition, Journal of Cognitive Neuroscience, 3(1), pp. 7186, 1999.
[14] [8] Harguess, J., Aggarwal, J.K., A case for the average-half-face in 2D and 3D for face recognition, IEEE Computer Society Conference on Computer Vision and PatternRecognition Workshops, pp. 7-12, 2009.
[15] Curran, K., X. Li, et al. (2005). “Neural network face detection.” Imaging Science Journal, the 53(2): 105-115.
[16] P. N. Belhumeur, J. P. Hespanha, and D. J. Kriegman.Eigenfaces vs. fisher face: Recognition using class specific linear projection. IEEE Transactions on Pattern Analysis and Machine Intelligence, 19(7):711–720, July 2009.
[17] FloatBoost Learning and Statistical Face Detection. Stan Z. Li, Zhenqiu Zhang. 9, s.l. : IEEE transactions on pattern analysis and machine intelligence, September 2004, Vol. 26.
[18]S. Jeng, H. Y. M. Liao, C. C. Han, M. Y. Chern, and Y. T. Liu, “Facial feature detection using geometrical face model: An efficient approach,” Pattern Recognit., vol. 31, no. 3, pp. 273–282, 1998.
[19] Shireesha Chintalapati, M.V. Raghunadh, Automated Attendance Management System Based On Face Recognition Algorithms, 2013 IEEE International Conference on Computational Intelligence and Computing Research.
[20] M. Turk and A. Pentland, Eigenfaces for recognition, Journal of Cognitive Neuroscience, 3(1), pp. 7186, 2009.
[21]. Visar Shehu, Agni Dika, “Using Real-Time Computer Vision Algorithms in Automatic Attendance Management Systems” ITI 2010 32nd Int. Conf. on Information Technology Interfaces, June 21-24, 2010, Cavtat, Croatia.
[22]. RamandeepKaur, P.S. Mann. “Techniques of Face Spoof Detection: A Review” International Journal of Computer Applications (0975 – 8887) Volume 164 – No 1, April 2018.
