基于人臉識(shí)別算法的智慧課堂考勤系統(tǒng)的設(shè)計(jì)

摘?要：考勤系統(tǒng)是智慧課堂系統(tǒng)建設(shè)中的重點(diǎn)和難點(diǎn)，傳統(tǒng)的考勤方式和基于智能終端的考勤模式都不能很好地解決代打卡等問題，基于生物特征的識(shí)別技術(shù)有效地解決了代打卡的問題，同時(shí)又具有很高的安全性，其中，人臉識(shí)別由于具備無須直接接觸、容易采集、成本較低等特點(diǎn)，成為生物特征識(shí)別中越來越主流的技術(shù)。本文闡述了人臉識(shí)別技術(shù)的概念和相關(guān)算法，并利用人臉識(shí)別技術(shù)設(shè)計(jì)了一個(gè)智慧課堂考勤系統(tǒng)。系統(tǒng)包含人臉檢測(cè)、特征提取、人臉識(shí)別等模塊，能夠有效地解決課堂考勤中的相關(guān)問題。

關(guān)鍵詞：人臉識(shí)別;智慧課堂;考勤系統(tǒng)

Abstract：The attendance system is the key and difficult point in the construction of smart classroom system.The traditional attendance mode and the attendance mode based on intelligent terminal can not solve the problem of clock in on behalf of others.The recognition technology based on biological characteristics can effectively solve the problem of clock in generation and has high security.Among them，face recognition has the advantages of no direct contact，easy collection and cost It is becoming more and more mainstream technology in biometric recognition.This paper describes the concept of face recognition technology and related algorithms，and uses face recognition technology to design a smart classroom attendance system.The system includes face detection，feature extraction，face recognition and other modules，which can effectively solve the related problems in class attendance.

Key words：Face recognition;smart classroom;attendance system

隨著社會(huì)和科技的發(fā)展，以物聯(lián)網(wǎng)為主要技術(shù)依托的智慧校園已經(jīng)成為校園信息化建設(shè)的主要方向，智慧校園的建設(shè)涵蓋了物聯(lián)網(wǎng)技術(shù)、云計(jì)算技術(shù)和無線網(wǎng)絡(luò)等多種技術(shù)，為廣大師生打造了一個(gè)集教學(xué)、科研、生活于一體的智能化的教學(xué)環(huán)境。在智慧校園的建設(shè)中，智慧課堂的建設(shè)是重中之重，也是智慧校園的核心部分。

智慧課堂系統(tǒng)的建設(shè)技術(shù)中，考勤系統(tǒng)一直是技術(shù)實(shí)現(xiàn)的重點(diǎn)和難點(diǎn)。研究課堂考勤實(shí)現(xiàn)的方式和相關(guān)技術(shù)，對(duì)于更高效地管理課堂，實(shí)現(xiàn)教育的信息化，提升教學(xué)管理的效率和信息化水平，都具有重要的意義。

1 傳統(tǒng)的考勤技術(shù)

課堂考勤管理是課堂管理的重要一環(huán)，最初的課堂考勤由教師人工點(diǎn)名抽查，然后進(jìn)行上報(bào)。這種考勤方式效率低下，并且占用大量的課堂時(shí)間，而且無法對(duì)學(xué)生的出勤情況進(jìn)行全過程和全方位的監(jiān)控。

為了解決上述問題，電子化的考勤方案應(yīng)運(yùn)而生?；谛@IC卡的打卡考勤方式曾經(jīng)一度發(fā)揮了重要作用，提升了考勤效率，節(jié)約考勤時(shí)間，但這種方式仍然存在代打卡的問題，此外，也不能對(duì)學(xué)生是否全過程出勤進(jìn)行有效監(jiān)控。

隨著移動(dòng)互聯(lián)網(wǎng)技術(shù)和物聯(lián)網(wǎng)技術(shù)的發(fā)展，出現(xiàn)了諸如基于Wi-Fi和智能手機(jī)終端定位的考勤模式、通過RFID和Wi-Fi的考勤模式、通過藍(lán)牙的考勤模式等等。這些考勤模式利用移動(dòng)終端有效地解決了代簽問題，但是還不能有效解決對(duì)學(xué)生的準(zhǔn)確識(shí)別問題。

基于生物特征的識(shí)別技術(shù)有效地解決了代打卡的問題，同時(shí)又具有很高的安全性。當(dāng)前的生物特征識(shí)別技術(shù)包括指紋識(shí)別、聲音識(shí)別、人臉識(shí)別、虹膜識(shí)別等。其中，人臉識(shí)別由于具備無須直接接觸、容易采集、成本較低等特點(diǎn)，成為生物特征識(shí)別中越來越主流的技術(shù)。

2 人臉識(shí)別技術(shù)

人臉識(shí)別技術(shù)作為一種生物識(shí)別技術(shù)，是基于人的臉部信息和生理特征而進(jìn)行身份識(shí)別的技術(shù)。人臉識(shí)別技術(shù)包括4個(gè)方面：人臉檢測(cè)及定位、圖像預(yù)處理、提取人臉圖像特征和人臉識(shí)別。其中，人臉檢測(cè)及定位是基礎(chǔ)技術(shù)，用于確定從視頻流中獲取的圖像中是否包含人臉，如果檢測(cè)到了人臉，再進(jìn)一步對(duì)人臉圖像進(jìn)行幾何特征的提取，最后在圖像數(shù)據(jù)庫中掃描并進(jìn)行比對(duì)，進(jìn)行人臉識(shí)別，確定檢測(cè)到的人臉圖像是否能在圖像數(shù)據(jù)庫中找到。

3 人臉識(shí)別相關(guān)算法

人臉識(shí)別的關(guān)鍵步驟包括人臉的檢測(cè)和人臉的識(shí)別兩個(gè)方面。人臉的檢測(cè)主要有基于特征知識(shí)的方法、基于統(tǒng)計(jì)學(xué)習(xí)的方法、基于模板匹配的方法。

人臉的識(shí)別主要包括基于特征臉的方法、基于神經(jīng)網(wǎng)絡(luò)的方法、基于幾何特征匹配的方法等等。在識(shí)別方案上，有一對(duì)一的人臉識(shí)別方案、一對(duì)多的人臉識(shí)別方案、多對(duì)多的人臉識(shí)別方案。

在算法實(shí)現(xiàn)上，人臉檢測(cè)的算法有基于Harr矩陣特征的人臉檢測(cè)、基于Harr-like的AdaBoost人臉檢測(cè)等等。

人臉識(shí)別的算法有Eigenface算法、FaceNet算法、基于Gabor小波的LBP算法、Fisherfaces線性判別算法、LBP局部二值化等等。

4 基于人臉識(shí)別技術(shù)的智慧課堂考勤系統(tǒng)設(shè)計(jì)方案

本文設(shè)計(jì)的智慧課堂考勤系統(tǒng)，側(cè)重點(diǎn)在于人臉識(shí)別技術(shù)的應(yīng)用。系統(tǒng)模塊包括登錄模塊、課程管理模塊、學(xué)生信息管理模塊、考勤信息管理模塊、人臉檢測(cè)模塊、人臉特征提取模塊、人臉識(shí)別模塊等。

4.1 系統(tǒng)整體架構(gòu)

系統(tǒng)物理架構(gòu)方面，包括人臉圖像采集設(shè)備、管理員服務(wù)器、數(shù)據(jù)庫服務(wù)器。系統(tǒng)的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)如下圖所示。

系統(tǒng)邏輯架構(gòu)方面，我們重點(diǎn)對(duì)人臉識(shí)別考勤功能的邏輯架構(gòu)做一個(gè)闡述。人臉識(shí)別考勤功能的邏輯架構(gòu)包括：人臉采集單元和考勤管理單元兩大塊。人臉采集單元又包括視頻采集模塊、人臉檢測(cè)模塊、人臉定位模塊和人臉跟蹤模塊;考勤管理單元包括人臉識(shí)別模塊、考勤記錄和查詢等等。

4.2 系統(tǒng)功能模塊

本文設(shè)計(jì)的人臉識(shí)別考勤系統(tǒng)，包括以下模塊：學(xué)生、班級(jí)、教師基礎(chǔ)信息設(shè)置、人臉圖像采集注冊(cè)、人臉檢測(cè)、人臉特征提取、人臉識(shí)別、考勤記錄管理、休假記錄管理、后臺(tái)設(shè)置和考勤記錄查詢等等。

4.3 人臉識(shí)別相關(guān)模塊實(shí)現(xiàn)

按照人臉識(shí)別相關(guān)的技術(shù)流程，我們得到使用人臉識(shí)別技術(shù)進(jìn)行考勤的流程為：

（1）人臉圖像采集。人臉圖像采集是人臉識(shí)別的首要步驟，學(xué)生用戶登錄系統(tǒng)后，顯示人臉圖像采集界面，對(duì)學(xué)生的人臉圖像進(jìn)行采集和存儲(chǔ)，如果存儲(chǔ)圖像失敗，將給出報(bào)錯(cuò)信息，同時(shí)取消采集操作。

（2）人臉檢測(cè)。人臉圖像采集和存儲(chǔ)完成之后，緊接著要對(duì)人臉圖像進(jìn)行檢測(cè)。本文采用經(jīng)典的基于Harr-like的AdaBoost算法，并通過調(diào)用OpenCV庫中對(duì)應(yīng)的API進(jìn)行實(shí)現(xiàn)。AdaBoost算法的關(guān)鍵點(diǎn)在于，使用迭代方式調(diào)整訓(xùn)練樣本信息，得到一系列不同的數(shù)據(jù)訓(xùn)練集，然后對(duì)分類器進(jìn)行組合優(yōu)化，最后得到一個(gè)強(qiáng)分類器，然后用這個(gè)強(qiáng)分類器對(duì)人臉進(jìn)行檢測(cè)。

（3）人臉圖像預(yù)處理。利用OpenCV庫相關(guān)API算法對(duì)圖像進(jìn)行預(yù)處理，首先將檢測(cè)到的人臉圖像進(jìn)行一定比例的縮小，然后將圖像轉(zhuǎn)換為灰度圖像，接著對(duì)圖片進(jìn)行直方圖均衡化處理，最后對(duì)人臉的邊界進(jìn)行檢測(cè)。

（4）人臉識(shí)別。在完成上述的步驟之后，最后就要進(jìn)行人臉識(shí)別了。本文這里采用OpenCV庫，通過調(diào)用相關(guān)類的API函數(shù)將采集到的人臉數(shù)據(jù)進(jìn)行訓(xùn)練，在訓(xùn)練中注意要對(duì)不同的人臉圖像進(jìn)行分類，要能夠應(yīng)對(duì)人類變化的各種情況。訓(xùn)練步驟完成后，系統(tǒng)從檢測(cè)出來的圖像中，與學(xué)生信息數(shù)據(jù)庫的人像進(jìn)行匹配對(duì)比，然后設(shè)置相應(yīng)的考勤狀態(tài)。

5 結(jié)語

本文利用人臉識(shí)別算法設(shè)計(jì)了一個(gè)智慧課堂考勤系統(tǒng)的解決方案，側(cè)重點(diǎn)在于人臉識(shí)別的技術(shù)方案，通過使用OpenCV庫相關(guān)API、基于Harr-like的AdaBoost算法完成了人臉圖像采集、人臉檢測(cè)、人臉圖像預(yù)處理、特征提取及人臉識(shí)別重點(diǎn)模塊的設(shè)計(jì)，有效地解決了傳統(tǒng)課堂考勤的問題。

參考文獻(xiàn)：

[1]劉青山.人臉跟蹤與識(shí)別的研究究[D].中國(guó)科學(xué)院，2003，23-33.

[2]談昌彬，李一民.基于EHMM的人臉識(shí)別[J].云南民族大學(xué)學(xué)報(bào)，2006，04：285-288.

[3]劉小華.人臉識(shí)別技術(shù)及其應(yīng)用研究[D].吉林大學(xué)，2005，34-42.

[4]CHIENJT，WUCC.Discrminant Wavelet faces and Nearest feature Classifiers for Face Recognition.IEEE Transactions on Pattern Analysis and Machine Intelligence.2002.

[5]李召榮，艾海舟.實(shí)時(shí)魯棒的自動(dòng)人眼狀態(tài)分類[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2007，（03）：292-297.

[6]張惠發(fā).人臉識(shí)別的關(guān)鍵問題研究[D].吉林大學(xué)，2012，29-38.

[7]寧佐廷.基于PCA的人臉識(shí)別算法研究[D].中南林業(yè)科技大學(xué)，2012，24-37.

[8]齊禮成.基于人臉識(shí)別考勤系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].西安電子科技大學(xué)，2012.

[9]馮輝.基于QR碼技術(shù)的云考勤系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].華中師范大學(xué)，2013.

[10]劉穎.基于人臉識(shí)別的考勤系統(tǒng)設(shè)計(jì)[J].電子測(cè)試，2016（14）：28-29.

課題：2020年無錫商業(yè)職業(yè)技術(shù)學(xué)院校級(jí)課題《智慧課堂中基于人臉識(shí)別技術(shù)的考勤系統(tǒng)的設(shè)計(jì)與研究》課題批準(zhǔn)號(hào)：KJXJ20424

作者簡(jiǎn)介：程冠琦（1978—?），男，江蘇鎮(zhèn)江人，碩士，無錫商業(yè)職業(yè)技術(shù)學(xué)院物聯(lián)網(wǎng)技術(shù)學(xué)院講師，研究方向：軟件技術(shù)、人工智能。