GradFace: Attendance Registration System Using Face Recognition for The Graduate School, Kasetsart University
คำสำคัญ:
Face Recognition, Attendance Registration, Computer Vision, AWS Rekognition, YOLOบทคัดย่อ
Traditional attendance methods at The Graduate School, Kasetsart University can be time-consuming and susceptible to errors, while barcode systems have hardware needs and are susceptible to impersonation. To address these issues, we propose GradFace, an automated attendance system utilizing computer vision. GradFace uses a Gradio interface, employs the YOLOv11n-face model for real-time face detection, and leverages AWS Rekognition for accurate face identification. The system supports indexing faces from images linked to existing data and facilitates live registration via webcam. Experimental deployment during university events demonstrated stable performance and accurate face recognition across varied conditions (e.g., glasses, hairstyles, image quality), and positive feedback regarding convenience from 273 attendees. While network dependency and hardware requirements were noted as areas for improvement, GradFace successfully streamlined the registration process, generating attendance records and timestamped images with a latency of 1-2 seconds. Future work aims to enhance scalability, improve data management, explore local recognition.
เอกสารอ้างอิง
Abid, A., Abdalla, A., Abid, A., Khan, D., Alfozan, A., & Zou, J. (2019). Gradio: Hassle‐free sharing and testing of ML models in the wild (arXiv:1906.02569) [Preprint]. arXiv. https://doi.org/10.48550/arXiv.1906.02569
akanametov. (2023). Yolo-face [Computer software]. GitHub. https://github.com/akanametov/yolo-face
Indla, R. K. (2021). An overview on Amazon Rekognition technology [Master’s thesis, California State University, San Bernardino]. CSUSB ScholarWorks. https://scholarworks.lib.csusb.edu/etd/1263
Jocher, G., Chaurasia, A., Stoken, A., Borovec, J., NanoCode012, Kwon, Y., Michael, K., TaoXie, Fang, J., imyhxy, Lorna, Zeng, Y., Wong, C., V, A., Montes, D., Wang, Z., Fati, C., Nadar, J., Laughing, … Jain, M. (2022). ultralytics/yolov5: v7.0 – YOLOv5 SOTA realtime instance segmentation (Version v7.0) [Computer software]. Zenodo. https://doi.org/10.5281/zenodo.7347926
Lowe, D. G. (2004). Distinctive image features from scale-invariant keypoints. International Journal of Computer Vision, 60(2), 91-110. https://doi.org/10.1023/B:VISI.0000029664.99615.94
Redmon, J., Divvala, S., Girshick, R., & Farhadi, A. (2016). You only look once: Unified, real-time object detection. Proceedings of the 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 779-788. https://doi.org/10.1109/CVPR.2016.91
Ren, X., Lattas, A., Gecer, B., Deng, J., Ma, C., & Yang, X. (2023). Facial geometric detail recovery via implicit representation. 2023 IEEE 17th International Conference on Automatic Face and Gesture Recognition (FG), 1-8. https://doi.org/10.1109/FG57933.2023.10042505
Sredojev, B., Samardzija, D., & Posarac, D. (2015). WebRTC technology overview and signaling solution design and implementation. 2015 38th International Convention on Information and Communication Technology, Electronics and Microelectronics (MIPRO), 1006-1009. https://doi.org/10.1109/MIPRO.2015.7160422
Viola, P., & Jones, M. (2001). Rapid object detection using a boosted cascade of simple features. Proceedings of the 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR 2001), I-511–I-518. https://doi.org/10.1109/CVPR.2001.990517
Yang, S., Luo, P., Loy, C. C., & Tang, X. (2016). WIDER FACE: A face detection benchmark. Proceedings of the 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 5525–5533. https://doi.org/10.1109/CVPR.2016.596
Zhang, K., Zhang, Z., Li, Z., & Qiao, Y. (2016). Joint face detection and alignment using multitask cascaded convolutional networks. IEEE Signal Processing Letters, 23(10), 1499-1503. https://doi.org/10.1109/LSP.2016.2603342
ดาวน์โหลด
เผยแพร่แล้ว
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2025 มหาวิทยาลัยราชภัฏจันทรเกษม
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่ได้รับการตีพิมพ์เป็นลิขสิทธิ์ของมหาวิทยาลัยราชภัฏจันทรเกษม
ข้อความที่ปรากฎในบทความแต่ละเรื่องในวารสารวิชาการเล่มนี้เป็นความคิดเห็นส่วนตัวของผู้เขียนแต่ละท่าน ไม่เกี่ยวข้องกับมหาวิทยาลัยราชภัฏจันทรเกษม และคณาจารย์ท่านอื่นในมหาวิทยาลัยแต่อย่างใด ความรับผิดชอบองค์ประกอบทั้งหมดของบทความแต่ละเรื่องเป็นของผู้เขียนแต่ละท่าน หากมีความผิดพลาดใดๆ ผู้เขียนแต่ละท่านจะรับผิดชอบบทความของตัวเองแต่เพียงผู้เดียว
สำหรับผู้แต่ง (Author)
