何玲

【摘  要】在人工智能广泛应用于各个领域的21世纪，越来越多的人从人工智能中受益，其中就包括人脸识别技术。伴随着大数据共享时代的到来，人脸识别将在这一新时代技术革命中发挥重要作用。脸部识别又称面部识别，是近年来发展迅速的一种生物识别技术，它以人的面部特征为基础。如今，这一技术需求正加速释放。在公司考勤、银行服务、海关检查等行业中，不断开发应用场景并得到广泛应用。

【Abstract】In the 21st Century when artificial intelligence is widely used in various fields， more and more people benefit from artificial intelligence， including face recognition technology. With the advent of the era of big data sharing， face recognition will play an important role in this new era of technological revolution. Face recognition， also known as face recognition， is a rapidly developing biometric technology based on human facial features in recent years. It's based on a person's facial features. Now demand for this technology is accelerating. In the company attendance， banking services， customs inspection and other industries， the development of application scenarios and widely used.

【关键词】人脸识别;高校;考勤系统

【Keywords】face recognition; university; attendance checking system

【中图分类号】TP391.4;TP311.5                            【文献标志码】A                                【文章编号】1673-1069（2020）12-0086-02

1 基于人脸识别的高校考勤系统的现状

虽然随着信息化2.0的推进，越来越多的高校将传统的人工、校园一卡通刷卡的教室考勤方式，逐步改成了各种信息化平台手机APP，但这些方法过于依赖手机，对于公共大课的考勤，还是给想旷课的学生制造了作弊的机会。也有一些高校为了防止学生旷课利用指纹打卡现场考勤，但遇到2020年这种疫情的情况，指纹考勤是万万不可取的。所以，高校课堂考勤系统的人脸识别将在一定程度上解决这些弊端。借助于现代信息技术，人脸识别技术作为一种手段，任课教师通过随用上课电脑随时随地了解学生的出勤情况。

高校考勤系统以人脸识别技术为基础，分为人脸数据采集、身份识别和数据记录三部分。脸部数据采集的前提是脸部识别，即在获取了脸部数据之后，识别出图像中的人脸部分，然后进行数据采集。人脸识别是一项涉及图形构造、计算机图像处理、人体生理学、模式识别和认知科学等领域与技术的综合技术，是一项关键技术。本系统的难点在于人脸信息采集的准确性和身份识别的可靠性。脸部对比是一种比较常用的方法，通过在脸部库中对检测到的人臉进行目标搜索，从而获得对比结果。其关键在于采用合适的面部表征模式与匹配方法，使系统的结构与面部表征特征紧密相关。本系统采用基于BSD许可的跨平台计算机视觉库OpenCV和GPLv3许可的机器学习库dlib，通过训练深度神经网络模型实现人脸的探测和身份识别。

2 基于人脸识别技术的学校教学考勤系统的框架

以脸部识别技术为基础的学校考勤系统是一种嵌入式系统，它的内部结构主要分为硬件和软件两大部分，硬件主要包括可编程逻辑器、存储器、嵌入式微处理器、接口插件和外部扩展设备;软件主要包括应用程序和操作系统两大部分。本系统主要包括人脸采集、人脸图像定位检测、人脸图像预处理、人脸特征提取、人脸图像检查和身份验证六个步骤。针对人脸图像的采集，首先要求学生站在系统摄像机前对人脸图像进行采集，并将采集到的人脸图像存储在数据库中;在人脸定位检测时，需要根据静态图像中人脸的存在与否作出相应的判断，在静态图像中对人脸进行检测时，系统会给出人脸图像所具有的坐标位置和面积大小，并通过跟踪技术实时输出人脸的位置和面积等信息。提出了一种基于图像中值滤波、边缘提取、二值化、灰度变化、边缘检测、灰度处理、图像光线补偿和图像二值化的人脸图像预处理方法，即中值滤波、边缘提取、灰度处理、图像光线补偿和图像二值化，并将其应用于人脸图像的预处理。当人脸特征点被提取时，为了确定特征点是否具有显著性，需要对图像中的人脸特征进行检测和标定，从而确定特征点所在的坐标位置。当对人脸图像进行对比分析时，通过计算检测出的人脸图像与数据库中存储的人脸图像之间的相似度并进行排序，确定所检测出的人脸图像的身份信息。当人脸图像的身份信息得到确认后，系统数据库中存储的人脸图像都具有相应的身份信息，系统只需要对检测到的人脸图像进行对比，找到数据库中的原型图像，就可以判断出人脸图像的身份信息。

3 基于人脸识别高校考勤系统的分析

该系统主要实现两个功能：人脸识别和考勤管理。脸部识别包括脸部检测、特征提取和分类比较。脸部检测是通过摄像机对脸部进行检测并捕获图像，脸部特征提取是在脸部检测的基础上，通过特征系数的提取完成脸部识别，脸部比对是在脸部检测和特征提取的基础上，通过与库里人像进行比对完成脸部识别。出勤管理模块主要包括系统登录模块，由于系统登录的主要对象是学生、辅导员、教师等，因此需要对教师、学生、教务员的信息进行管理，最后的出勤查询模块通过查询相关的出勤信息，为教学管理和学生评价提供合理、准确的参考。

3.1 人脸识别技术原理分析

人脸识别是一项生物鉴定技术。与其他识别技术相比，人脸识别技术具有应用广泛、误警率低、方便快捷、性能稳定、直观易操作等优点。人脸的图像信息由摄像机等设备采集和处理。基于获得的图像信息，人脸检测和定位，确定每个人脸的位置和大小，确定每个人脸器官的关键点信息。紧接着要确定人脸图像是否存在，如果存在，则利用该算法分析人脸，提取人脸特征信息;脸部识别是通过比较脸部图像信息与已知脸部信息，来识别每个脸部。

3.2 考勤系统分析

首先，需要对系统的可靠性进行分析，可靠要求是指系统在长时间运行时，很少发生故障，如果发生故障，要求在短时间内恢复正常，非正式操作不会导致系统崩溃。为提高考勤效率，要求考勤系统在发生故障时能够迅速进行维修，以免延误正常考勤;对于异常考勤，要能够显示报警信息，不能破坏原始信息。其次，要分析人脸识别考勤系统的工作效率。一般情况下，系统的工作效率主要是取决于正确识别率和识别效率。正确率超过93%才有识别意义，正确率太低无法维持出勤;系统识别效率的判断标准是个人识别时间;一个班一般有三四十人，每个人都必须通过考勤系统才能进入教室。试验结束10min后，即系统需要在10min内对30个人进行识别，从理论上讲，10s可以对一个人进行识别，但实际上，为了提高效率，识别一个人的脸所用的时间并不多。

4 基于人脸识别高校考勤系统的设计

4.1 系统总体设计思路

根据以上的分析，本文从硬件和软件两个方面设计系统，分析系统的主要技术支持。为满足不同功能的需要，人脸识别考勤系统在硬件上应包括3个主要部分：首先，拥有人脸采集设备，必须配备红外探头和摄像头可以获取人脸图像;其次，考勤系统应配置可上网显示屏，實现人脸图像的处理、识别和考勤信息管理等功能;最后，考勤系统服务器可配置数据库管理系统，安全性高。脸部采集器是脸部识别考勤系统的重要组成部分，它需要配备能传送数据的摄像机。注册学生时，应将其注册信息写入数据库;对于签到者，可将其与数据库中的模板进行比较，以确定照片中的是班级成员还是本人;如果确认正确，则显示签到成功，并提示失败信息。

4.2 系统功能模块的详细设计

①体系结构模块：根据需求分析，各系统的签到次数、签到级别各不相同，为保证信息安全，系统应具有移植性。该方法要求系统具有复位功能，可以对整个数据库进行复位，销毁数据库中的所有记录，并将数据库恢复为干净的节点。所以，当点击重新设置系统时，必须检查管理员的信息，防止非管理员损坏数据。

②脸部图像信息采集模块：学生注册成功后，还需要在客户端上传照片和图片信息。采用生物检测算法获取图像，在进行人脸检测时，将图像压缩成几十kb后发送给服务器。如不能侦测到学生脸部，则报名失败，脸部资讯会重拍。

③脸部信息识别模块：老师在课堂上分配出勤任务，学生登入脸部后，在指定的时间、地点上传自己的照片，然后上传自己的照片信息，此时系统进行脸部识别，即脸部图像匹配的过程，系统提取脸部特征，并逐个比较对应的多张照片信息，登记脸部库。成功匹配后，手机客户端显示签到成功，否则显示错误提示，即签到失败。

【参考文献】

【1】吴天昊，赵健麟，周剑秋.基于人脸识别的学生考勤系统[J].机电产品开发与创新，2016，29（06）：44-46.