缪来瑞 顾烨波

（淮阴师范学院，江苏 淮安 223300）

0 引言

目前，我国高等教育入学的学生规模在不断扩张，2020年我国将新增100万数量的从事职业技能学习的学生，不同于中学教育，高等教育教学环境较为自由宽松，学生逃课已经成为目前高校急需解决的现实问题。为了有效督促学生按时上课，保证教学和学习质量，对学生进行有效签名考勤变得势在必行。然而传统的人工点名的方式进行课堂点名费时费力，难以真正起到有效监督作用。

为了实现上述需求，本文提出了一种结合OpenCV和Dlib的人脸检测器与卷积神经网络在课堂环境下的人脸考勤算法。以轻量级网络作为基础网络模型，通过特征提取构建数据库、图像特征匹配等考勤系统关键部件，完成有效的课堂考勤系统的设计与实现。

1 人脸识别的关键技术

人脸识别技术是基于分析人脸图象，从中提取出有效的识别信息，用来“辨认”身份的一门技术[1]。在深度学习出现之前，人脸识别主要通过提取人脸几何特征等方法，其技术主要基于人脸特征点的间距、比率等参数为特征进行的人脸识别，但这种方式缺陷较多，识别率较低，极易受光线、角度等因素的影响。目前，人脸识别的主流技术是通过深度卷积神经网络进行识别，如CNN、SPLM、CL等[2]。本考勤系统系统围绕人脸识别主要技术展开，增加了相似度计算的环节。

1.1 人脸检测

要想识别人脸，首先需要通过OpenCV的函数读取连续视频帧，并在捕获的图像中找到所有人脸的位置，并将人脸部分的图像切割出来。……