基于計算機視覺技術(shù)的課堂自動考勤系統(tǒng)研究

張帆 龔翠艷 時德才 汪星航

【摘要】高校學(xué)生上課出勤率是學(xué)風(fēng)建設(shè)的基礎(chǔ)，同時也是課堂管理的必要環(huán)節(jié)。本文利用計算機視覺技術(shù)，通過OpenCV開源庫設(shè)計了一套課堂自動考勤系統(tǒng)。該系統(tǒng)利用數(shù)字圖像技術(shù)、人臉檢測技術(shù)準確記錄教室內(nèi)學(xué)生出勤人數(shù)，此系統(tǒng)統(tǒng)計精確，操作簡單，能有效防止漏統(tǒng)計和錯統(tǒng)計，能有效提高學(xué)生出勤率。

【關(guān)鍵詞】計算機視覺 課堂自動考勤 人臉檢測

【中圖分類號】TP391 【文獻標識碼】A 【文章編號】2095-3089（2015）04-0204-01

0.引言

隨著計算機技術(shù)的飛速發(fā)展，計算機視覺技術(shù)已被廣泛應(yīng)用于高校課堂的教學(xué)、實驗中[1]。近年來，隨著學(xué)生管理水平不斷提高，計算機視覺技術(shù)在高校的學(xué)生管理事務(wù)中發(fā)揮越來越重要的作用。如今高校的學(xué)生課堂出勤統(tǒng)計一般是通過老師課堂點名的方式進行。這樣的方式不僅效率低下，同時也不可避免部分學(xué)生代為答到的情況。本文所研究的基于計算機視覺的課堂出勤系統(tǒng)通過教室或老師自代的攝像頭，自動化采集到課學(xué)生的人臉圖像。通過對人臉圖像的檢測，統(tǒng)計本堂課實際到位人數(shù)。此系統(tǒng)設(shè)備簡單，自動化程度高，對課堂管理有著較好的效果。

1.學(xué)生課堂出勤情況淺析

學(xué)風(fēng)建設(shè)是高?？沙掷m(xù)發(fā)展的永恒主題，優(yōu)良的學(xué)風(fēng)是確保和提高教學(xué)質(zhì)量的重要條件，而課堂出勤管理恰恰是學(xué)風(fēng)建設(shè)的基礎(chǔ)。據(jù)不完全統(tǒng)計，在高校中有接近10%的學(xué)生是經(jīng)常逃課，25%左右的學(xué)生是偶爾逃課。除此之外，學(xué)生出勤率與年級呈負性相關(guān)，即年級越高，出勤率往往越低。同時，專業(yè)課出勤率高于選修課，小課的出勤率高于大課[2]。由此看來，學(xué)生逃課情況在各個年級、各個專業(yè)都有不同程度地出現(xiàn)，有效地解決管理課程出勤問題迫在眉睫。

2.系統(tǒng)組成

本文提出的基于計算機視覺技術(shù)的課堂自動考勤系統(tǒng)在硬件上只需要一個網(wǎng)絡(luò)攝像頭和一個PC終端。在軟件上我們使用OpenCV開源計算機視覺庫結(jié)合相關(guān)的編程軟件完成系統(tǒng)的設(shè)計。OpenCV的全稱為Open Source Computer Vision Library，是一個基于開源的跨平臺計算機視覺庫。OpenCV提供的視覺處理算法非常豐富，并且它部分以C語言編寫，有較高的執(zhí)行效率，可實現(xiàn)數(shù)字圖像處理及計算機視覺方向的通用算法。

本系統(tǒng)主要由兩個系統(tǒng)組成。第一個系統(tǒng)為學(xué)生出勤統(tǒng)計模塊，該模塊主要由視頻采集模塊、人臉檢測模塊以及計數(shù)模塊組成。該模塊主要負責(zé)在前端運行時對攝像頭實時采集的圖像進行人臉檢測并計數(shù)。視頻采集模塊無需上課老師開啟，只要運行系統(tǒng)即自動啟動。而人臉檢測模塊需要上課老師進行確認操作，同時在人臉檢測時需要學(xué)生保持一個固定姿勢不動，以便取得較為穩(wěn)定的輸入圖像予以檢測。在人臉檢測完畢后，計數(shù)模塊會自動地根據(jù)人臉檢測數(shù)對學(xué)生進行無重復(fù)標號，以確定整個圖像中學(xué)生數(shù)目，并自動保存。另一個系統(tǒng)為教師管理系統(tǒng)，該系統(tǒng)由查詢模塊、管理模塊組成。查詢模塊主要對已查課程的數(shù)據(jù)進行查詢操作，管理模塊可進行用戶管理、課表管理、查詢結(jié)果輸出等操作。系統(tǒng)模型框圖如圖1所示。

圖1 系統(tǒng)硬件組成框圖

3.基于OpenCV的軟件算法實現(xiàn)

OpenCV是由Intel微處理器研究實驗室（Intels Microprocessor Research Lab）的視覺交互（Visual Interactivity Group）開發(fā)的數(shù)字圖像處理和計算機視覺的函數(shù)庫，由一系列C函數(shù)和少量C++類構(gòu)成，可在Windows系統(tǒng)以及Linux系統(tǒng)下使用。該庫的所有函數(shù)都是開源的，可以從相關(guān)網(wǎng)站下載獲得。OpenCV提供了針對不同功能的各種頭文件，為圖像、視頻以及實時攝像機的視頻數(shù)據(jù)提供了良好的數(shù)據(jù)獲取接口，這些接口都可以直接在開發(fā)中得以利用[3]。

本系統(tǒng)利用普通的USB攝像頭進行圖像的采集，當采集圖像完畢后，通過對圖像進行預(yù)處理達到降噪的目的。在圖像預(yù)處理階段首先將采集的圖像進行平滑操作，除此之外還需要對圖像進行直方圖均衡化處理，以增強人臉特征。計算機視覺中人臉檢測的算法很多也較為復(fù)雜，但利用OpenCV提供的函數(shù)和分類器進行人臉檢測則比較容易。本系統(tǒng)使用的分類器為OpenCV提供的默認人臉分類器。加載完分類器后，通過使用OpenCV中的目標函數(shù)對人臉進行檢測[4]。該目標函數(shù)包含目標物體的矩形區(qū)域，同時將檢測到的區(qū)域作為序列矩形框返回。函數(shù)可以以不同比例大小對圖像進行多次搜索，保證了所有的人臉都被檢測[5]。系統(tǒng)的算法流程如圖2所示。

圖2 系統(tǒng)算法流程

4.問題與挑戰(zhàn)

基于計算機視覺的課堂自動考勤系統(tǒng)是一種較為前沿的學(xué)生考勤辦法。該辦法雖然可以減少老師上課的點名時間，提高課堂效率，同時也存在一些問題。相對于傳統(tǒng)的點名考勤而言，基于計算機視覺的考勤系統(tǒng)受到硬件、環(huán)境以及被測對象三個因素的制約。雖然現(xiàn)在多媒體教室已經(jīng)比較普及，但往往教室內(nèi)不具體攝像頭設(shè)備。若沒有攝像頭設(shè)備，則整個系統(tǒng)就像失去了眼睛一般無法運行。若需要上課老師自行攜帶攝像頭，則給上課老師增加對該問題的解決程度關(guān)系著人臉識別實用化進程的成敗了額外的負擔[6]。

另外，整個系統(tǒng)的算法受環(huán)境的干擾因素較多，特別是光照。光照變化是影響人臉檢測性能的關(guān)鍵因素，對該問題的解決程度關(guān)系著人臉檢測實用化進程的成敗。同樣的教室因為光照強度不同故檢測的效果也不同。不同的人臉在不同的光照強度下呈現(xiàn)的圖像是不同的，如何使系統(tǒng)在不同光照的條件下對人臉都有較好的檢測率是一個值得深入研究的問題。

最后，被檢測者學(xué)生的姿態(tài)對人臉檢測也是檢測中需要特別注意的問題。理想狀態(tài)的檢測為學(xué)生的臉都正對攝像頭，但由于學(xué)生分布在教室空間的各個位置，不可能完全將人臉正面面向攝像頭，故在檢測中必須考慮側(cè)面檢測人臉的情況。但若人臉在三維坐標系垂直于圖像平面的兩個方向作深度旋轉(zhuǎn)會造成人臉面部信息部分丟失，導(dǎo)致人臉檢測不準或無法檢測。故在人臉檢測時，需要任課老師統(tǒng)一提醒學(xué)生注意不要側(cè)臉面向攝像頭。

參考文獻：

[1]張輝，數(shù)字圖像處理課程的教學(xué)建設(shè)與改革研究[J].中國校外教育（下旬刊），2013（10）：72-73.

[2]方明，高職院校學(xué)生課堂出勤現(xiàn)狀分析及管理模式探究[J].教育教學(xué)論壇，2013（45）：11-12.

[3]Intel Corporation， Intel Open Source Computer Vision“l(fā)ibrary Reference Manual[R].2001.

[4]武勃.黃暢等，基于連續(xù)Adaboost算法的多視角人臉檢測[J].計算機研究與發(fā)展，2005，42（9）：1612-1621.

[5]雷蘊奇.柳秀霞.宋曉冰等，視頻中運動人臉的檢測與特征定位方法[J].華南理工大學(xué)學(xué)報（自然科學(xué)版），2009.37（5）：31-37.

[6]陳鑫銘.吳銳，我國高校信息系統(tǒng)集成度評價體系[J].情報雜志，2009，28（3）：93-96.