传统考勤与人脸识别考勤的主要区别是什么

智能办公是现代化企业改革的重要手段之一，而基于人脸识别的考勤门禁系统近年得到了极大的发展，但是在实际运用时还是有很多不足和缺陷，同时近两年深度学习算法的革命性发展，也为新的人脸识别系统带来了质的飞跃。

1.传统的公司考勤主要采用以下几种形式：

①  单纯的人力表格记录，在信息化落后的地区和小型公司中，这种方式依旧经常使用。

②  光电插卡，条码插卡类记录模式，数据比较单一，需要人工操作转化表格并进行人工薪资核算，在上世纪的公司和现在的很多矿产能源类作业平台比较常见。

③  储存了个人信息的 RFID 卡（员工卡），通过终端读卡机进行考勤采集，并通过对应管理端软件完成信息的处理，这是现在大部分中小公司采用的考勤方案。

2. 传统的考勤方案在实际操作环节存在哪些问题？

①  传统考勤的技术限制，如人和考勤卡分离，无法判定当前使用人是卡的持有者，故考勤舞弊和违规用卡等情况无法在技术手段上避免，对考勤系统的公平和安全都带来了极大的威胁，这种威胁同时对企业内部的文化建设和运营管理也带来了极大的负面影响；

②  传统考勤的人工操作环境，由于人的不确定性，极易造成记录的错误和统计计算的误差，对依照考勤数据进行的薪资核算，人事调整的严谨性和准确性，都有极大的影响；

③  传统考勤在流程设计、数据核算、汇总报表等方面需要消耗大量人力、物力、财力，同时考勤卡等第三方独立卡片、标记需要由员工专门佩戴和出示，也增加了员工的使用难度和操作复杂度。

伴随着人脸识别技术的研发和革新，越来越多的人工智能技术被运用在企业管理上，其中以人脸识别为核心的检测技术被越来越广泛地运用到智能办公室中，但目前市场上常见的人脸识别门禁系统同时也存在很多新的问题

3. 常见的人脸识别门禁系统存在的问题

①  识别准确度不够，无法高准确度的识别到指纹和人脸，特别是在复杂的环境背景下，很难实现实现高精度的人脸检测和识别；

②  功能性不足，无法区分静态和动态实时的图像，无法针对随时间变化的个体做出自适应，对实时性和稳定性带来了隐患；

③  安全性不足，存在伪造指纹和人脸图片通过认证的情况，对系统的安全性造成了极大的威胁。

最近两年，特别是随着深度学习在计算机视觉类方案中的深度融合和产品应用，人脸识别经过大数据和高深度的自我深度学习之后性能得到不断的优化和完善，在识别精度、动态分析等方面都有长足的进步，同时作为依托的服务器硬件平台和移动端硬件平台近年也得到了极大的升级。捷易科技以最新的人脸检测相关研究成果为基础，整合公司考勤门禁系统，自主研发出了更加智能化的基于人脸识别的公司考勤门禁系统设计，致力于帮助更多中小型公司和企业完成低成本、高精度、多功能的考勤系统布置。

捷易科技人脸识别门禁系统解决了之前的人脸识别门禁系统的常见问题，满足了公司和企业的人脸识别、考勤、门禁管理的需求，同时人脸模型也会在使用过程中不断迭代优化，更好的解决人员众多且流动性大的问题。另外，捷易人脸识别门禁系统也更方便多监控方案在移动设备端上的拓展和优化，为公司的人事管理安保提供更稳妥优质的解决方案。

4. 捷易人脸识别门禁系统的主要创新

①  Tensorflow 平台的应用，Tensorflow 作为新一代的深度学习框架，在量产级部署，移动端部署等方面都有较好的拓展能力，且目前的社区建设比较健康，代码开源友好，资源和可拓展性都很强，从目前的发展情况看，很多人将 Tensorflow 成为深度学习中的 Android，以上的种种特点和优势都为该平台的后续发展打下了良好的基础，提供了强大的后劲优势。

②  深度学习同考勤门禁系统的应用结合，考勤门禁系统作为应用广泛，部署简单，样本丰富，维护容易的企业典型应用，非常适合同新型技术做有机结合和产品落地，特别是深度学习这种需要大数据进行开发和测试的场景。

③  良好的可移植性和较低的硬件需求，使其可以具有良好的客户端部署能力，无论是在模型架构，训练优化，运行保存等场景，都力图轻量、易运行、好移植等方面考虑，并进行定制化设计，在尽量发挥最佳的性能的前提下，进行多场景低成本客户端部署。

fqj