人脸作为最重要的生物特征早已被运用在各行各业当中,移动支付、智能安防、智慧城市等众多领域都可以看到人脸识别的身影。随着智能移动办公概念的提出,人脸识别考勤设备制造行业也迎来了新一轮的革新。多人识别、隐私保护、速度快、准确率高、设备轻便、信息智能化管理等许多要求已经成为其最新的研究发展方向。本文结合最新人脸识别考勤需求,展开基于ARM的动态人脸识别考勤系统的研究与设计,主要工作内容如下:1.本文基于AIo T开发架构,设计并实现整套动态人脸识别考勤系统,系统分为嵌入式端动态人脸识别签到部分以及服务器端考勤信息管理部分。人脸检测与识别任务在嵌入式端进行,考勤信息管理系统在服务器端进行搭建。两部分系统互不干扰却又紧密联系,共同组成一个智能化考勤系统。2.为了让签到系统更好地运行在嵌入式平台中,本文对人脸检测识别模型以及其具体的工作流程都做出了优化。本文采用Multi-task convolutional neural network（MTCNN）模型进行人脸检测,实现一种MTCNN三级融合预测模型,提升其在实际使用时的速度。本文采用基于Inception-Res Net的FaceNet进行人脸识别,提出一种模型缩减的方法,最大化保持准确率的情况下使模型尺寸缩小一半。针对动态人脸识别实际的工作流程,本文提出了一种视频限流模块与人脸图像筛选算法分别作用在人脸检测和人脸识别前。3.基于Spring Boot框架,本文设计实现了考勤信息管理系统并将其部署在云服务器上。系统支持人脸信息录入以及自动统计早退、迟到、缺勤等情况,所有数据都可以一键导出为Excel文件。本文基于Thymeleaf模板引擎技术绘制了独创的用户交互界面,系统中所有功能的操作只需要一部可以接入互联网的设备就能轻松进行。经过实验分析表明,本文所实现的人脸检测算法准确率约为92%,实现的人脸识别算法准确率约为98.52%。相比于直接移植原始模型到嵌入式端,经本文优化移植后的人脸检测算法速度提升约30%,人脸识别算法速度提升约41%。用户只需要进入摄像头拍摄范围并被采集1.1秒左右就可以完成整个签到流程,对基于嵌入式的动态人脸识别考勤领域有着很大的参考价值。