基于人臉識別的課堂考勤系統(tǒng)設計與實現

摘要：文章旨在基于深度學習和人臉識別技術的融合，探討高校教學管理中課堂自動考勤系統(tǒng)的設計與實現。文章通過應用深度學習和人臉識別技術，構建人臉識別模型并將其整合至考勤系統(tǒng)，利用攝像頭實時捕獲學生面部信息，與系統(tǒng)中存儲的人臉特征進行匹配，從而實現課堂上的自動考勤。研究結果表明，該系統(tǒng)具備一定的創(chuàng)新性和實用性，不僅優(yōu)化了學生考勤流程，建立了高效的自動化考勤系統(tǒng)，而且能有效提升高校課堂教學管理效率，為高校的課堂管理改革提供一定的借鑒價值。

關鍵詞：深度學習；人臉識別；考勤系統(tǒng)；教學管理

中圖分類號：TP315" 文獻標志碼：A

基金項目：2022年度廣西科技師范學院科研項目；項目名稱：基于深度學習和人臉識別的課堂自動考勤系統(tǒng)的研究與實現；項目編號：GXKS2022QN023。2024年度廣西高校中青年教師科研基礎能力提升項目；項目名稱：基于改進的YOLOv5在甘蔗赤腐病檢測與識別的應用研究；項目編號：2024KY0868。廣西科技師范學院2024年第一批校級項目；項目名稱：智能控制與信息處理重點實驗室；項目編號：GXKSKYPT2024007。

作者簡介：張亮敬（1990— ），男，高級工程師，學士；研究方向：軟件開發(fā)，深度學習。

*通信作者：吳作洲（1989— ），男，工程師，學士；研究方向：信息安全。

0" 引言

在現代高校教育中，課堂考勤管理是教學管理的重要組成部分。傳統(tǒng)的考勤方式主要依賴于人工簽到或者點名，這種方式不僅耗時費力，而且存在較高的作弊風險［1］。學生可能通過代簽等方式規(guī)避考勤，導致考勤數據的準確性和真實性大打折扣。當然解決代簽等考勤作弊問題的方法也有很多，例如Zhang等［2］提出了一種位置服務和人臉識別技術，耿申［3］提出了一種基于WLAN室內定位和二維碼技術，Duan等［4］設計了一款人臉識別課程簽到系統(tǒng)等。此外，教師在點名時須要花費大量的時間和精力，這無疑降低了課堂教學的效率。因此，開發(fā)一種高效、準確的自動考勤系統(tǒng)尤為必要。

隨著信息技術的發(fā)展，特別是人工智能和深度學習技術的不斷進步，基于人臉識別技術的自動考勤系統(tǒng)逐漸受到關注［5］。人臉識別技術能夠在非接觸的情況下，對目標對象進行快速、準確的身份識別，具有高效、安全、便捷等優(yōu)點［6］。因此，本文將人臉識別技術應用于高校課堂的考勤管理，不僅能夠大幅提升考勤的效率和準確性，還能夠有效防止代簽到等作弊行為，對于推動教育現代化、教學管理信息化具有重要的現實意義和發(fā)展意義。

本研究的主要目的是設計并實現一款基于深度學習和人臉識別技術的高校課堂自動考勤系統(tǒng)，實現學生在課堂上的自動簽到，以解決傳統(tǒng)考勤方式存在的效率低、準確性差、作弊風險高等問題。

1" 技術基礎與理論框架

1.1" 基礎技術框架

本研究采用基于Python語言的Flask框架，前端采用BootStrap實現頁面的布局，采用TrackingJS實現人臉檢測，采用AJAX技術實現數據交互，后臺采用face-recognition實現人臉識別，數據持久化采用MySQL數據庫。

1.2" 人臉檢測技術

人臉檢測通過采用特定的搜索策略對給定的圖像進行分析，以確定是否存在人臉并返回人臉的位置、尺寸和方位［7］。本研究采用的人臉檢測技術是TrackingJS。TrackingJS是一款獨立的JavaScript庫，旨在實時跟蹤從攝像頭接收的數據。該庫能夠跟蹤顏色和人物，即研發(fā)人員可以通過檢測特定的顏色或人臉的出現與移動來觸發(fā)JavaScript事件，當追蹤的數據對象為人臉圖像時，還可設置具體的追蹤檢測目標，將焦點放在人臉圖像中的眼睛、鼻子和嘴巴等關鍵部位［8］。

1.3" 人臉識別技術

人臉識別技術是一種基于人的面部特征信息進行身份識別的技術［9］。該技術通過捕捉個體的面部圖像，分析其中的關鍵特征，如眼睛、鼻子、嘴巴的位置和距離等，再與數據庫中預存的面部數據進行匹配，以此來確認個體的身份。這一過程包括多個步驟：首先是人臉圖像的獲取，其次是人臉檢測，再次是人臉特征提取，最后進行匹配和識別。

本研究采用的人臉識別技術是face-recognition庫。face-recognition是一款基Python的人臉識別庫，采用深度學習算法實現人臉圖像的識別和匹配［10］。該庫使用了dlib中的深度學習模型，包括人臉檢測器和人臉特征提取器。dlib中的深度學習模型是基于卷積神經網絡（Convolutional Neural Networks，CNN）實現的。CNN是一個由多層“卷積層”和“采樣層”等非全連接層組成的神經網絡，能夠很好地實現圖片特征提?。?1］。人臉檢測器會在圖像中找出所有的人臉，特征提取器則將每個人臉的特征轉化為一個128維向量，該向量能夠表征人臉的獨特特征，通過比較這些向量，可以判斷2張人臉圖像是否屬于同一個人。

2" 系統(tǒng)設計與實現

2.1" 系統(tǒng)架構設計

高校課堂自動考勤系統(tǒng)的設計旨在提供一個高效、可靠的自動化考勤解決方案。本系統(tǒng)采用分層架構設計，主要分為訪問層、接口層、服務層和存儲層。存儲層負責數據存儲和管理，包括課程信息、學生頭像和考勤記錄等；服務層處理系統(tǒng)的核心功能，如人臉識別、數據處理和考勤記錄生成等；接口層用于前后端建立連接，實現數據的交互；訪問層提供用戶界面，方便用戶（教師和管理員）操作和查看考勤結果。系統(tǒng)的架構設計如圖1所示。

2.2" 系統(tǒng)功能設計

系統(tǒng)的功能模塊設計主要分為用戶管理、班級管理、學生管理、課程管理和考勤管理5個部分，其中用戶模塊包括用戶信息的增刪改查以及用戶的登錄注冊等功能；班級管理模塊包括班級信息的增刪改查；學生管理模塊包括學生信息的增刪改查，學生照片更新通過學生信息修改完成；課程管理包括課程信息的增刪改查，課程的開設以及考勤信息的新增都要基于已有課程來實現；考勤管理模塊包括考勤信息的增刪改查以及人臉識別和考勤狀態(tài)的管理等。系統(tǒng)的功能結構如圖2所示。

2.3" 考勤流程設計

本系統(tǒng)的主要功能是人臉考勤模塊，因此本文將著重介紹考勤模塊的設計與實現，系統(tǒng)其余模塊的內容不再贅述。人臉考勤的流程大致可以分為以下幾步：數據采集、數據存儲、考勤信息新增、人臉捕獲與比對以及考勤記錄生成。

當系統(tǒng)學生管理模塊添加學生信息時，用戶須要上傳學生的近期的照片；提交后系統(tǒng)會根據用戶上傳的圖像信息進行特征提取，得到學生的面部特征數據并將其轉換成特征向量存于數據庫中。在考勤時，系統(tǒng)通過高清攝像頭捕捉學生的面部圖像，利用人臉識別模型提取關鍵特征點，生成學生當前的面部特征向" 量并與之前存儲在數據庫中的特征向量進行對比，若對比成功則生成考勤記錄，否則考勤失敗?？记诹鞒痰脑O計如圖3所示。

2.4" 考勤模塊的實現

2.4.1" 人臉數據采集

前文已提到，考勤功能實現的前提是提交學生的照片。在學生管理模塊的學生信息新增功能中，用戶可以在新增學生信息時上傳圖片信息，提交后系統(tǒng)會將圖片數據存儲在文件系統(tǒng)中并將圖片數據中的人臉信息提取出來，將人臉的一些關鍵特征進行向量化操作；隨學生信息一起存儲于MySQL數據庫中，用于生成后面的考勤信息和人臉比對?？紤]到學生信息的數據比較多，系統(tǒng)也提供了批量導入的功能，只要按照相應的Excel表格模板文件填入學生信息并將表格上傳到系統(tǒng)，系統(tǒng)便能自行校驗和錄入數據，從而大幅減少用戶的工作量。

2.4.2" 考勤數據新增

在已經存在相應班級、學生和課程信息的前提下，用戶可以新增考勤信息。考勤依賴于某一個班的某一門課程，考勤班級和考勤課程的數據均以下拉列表的方式給出，防止用戶輸入不存在的班級和課程信息。在提交數據之后，系統(tǒng)一方面會生成考勤數據，另一方面也會根據考勤班級生成相應的考勤記錄，也就是該班級下的所有學生即為本次考勤的考核對象。新生成的考勤記錄狀態(tài)均為“未簽到”，待教師上課時開啟考勤功能；只有學生能成功進行人臉比對，才將考勤狀態(tài)更新為“已簽到”，記錄考勤時間和考勤時刻的圖像數據。

2.4.3" 人臉檢測與識別

教師上課時即可開啟人臉考勤功能，TrackingJS可以實時監(jiān)測攝像頭中的人臉數據，當鏡頭中出現人臉圖像時，使用AJAX異步請求技術將圖像數據即時傳輸到后臺，后臺中的face-recognition模塊能對圖像數據中的人臉信息進行特征提取并將其轉換成一個128維的向量，然后與數據庫中存儲的人臉特征數據進行比對，比對成功后則生成考勤記錄，否則考勤失敗。經測試，該功能能夠準確地實現人臉檢測和識別，基本滿足考勤系統(tǒng)對人臉識別精度的要求，具有一定的實用價值。人臉捕獲與識別的功能如圖4所示。

2.4.4" 考勤信息查詢

當考勤信息新增完畢之后，即可在系統(tǒng)的考勤信息管理中查詢考勤信息和考勤詳情，考勤詳情中會記錄每位學生的考勤狀態(tài)和考勤時間，如果學生的考勤信息有誤，那么教師可以在系統(tǒng)中手動修改考勤狀態(tài)?？记谠斍椴樵兊墓δ苋鐖D5所示。

3" 結語

本研究成功設計并實現了一個高校課堂自動考勤系統(tǒng)。該系統(tǒng)通過采用深度學習和人臉識別技術，準確地識別學生的身份并記錄學生的到課情況，極大地提高了教師課堂考勤的效率，使教師能夠更專注于課堂教學，有助于提升教學質量。同時，該系統(tǒng)的開發(fā)對高校教育管理領域的數字化轉型具有重要的實踐參考意義，為高校教育管理的數字化轉型提供借鑒。未來的研究可以嘗試融合多攝像頭的數據，避免因拍攝角度不佳導致面部信息無法完整捕獲的問題，進一步提高人臉識別的準確度和系統(tǒng)的可靠性，從而更好地滿足高校教學管理的需求。

參考文獻

［1］羅榆凌，范濤，劉金輝，等.基于RFID技術的高校課堂考勤管理系統(tǒng)［J］.電子測試，2020（23）：66-68.

［2］ZHANG L，BAI X Y，WANG P Z，et al. The lesson sign-in system based on face recognition and location restriction［J］. IOP Conference Series：Materials Science and Engineering，2019（4）：042045.

［3］耿申.基于WLAN室內定位技術的二維碼簽到技術在學生管理中的應用［J］.電腦知識與技術，2017（7）：26-27，22.

［4］DUAN Q C，CHEN L，GUAN J L. 5th International Conference on Computer Information Science and Application Technology，October 20，2022［C］. Chongqing：CISAT，2022.

［5］付迎迎，林治，吳承鑫，等.基于目標檢測與人臉識別相結合的課堂考勤智能識別系統(tǒng)［J］.電子產品世界，2024（1）：67-70.

［6］夏冉，李雨欣，李鵬飛.基于卷積神經網絡的人臉考勤系統(tǒng)［J］.電腦知識與技術，2024（17）：39-42.

［7］徐銘，李華.基于改進YOLOv5s-face的Face5系列人臉檢測算法［J］.重慶理工大學學報（自然科學），2024（6）：194-202.

［8］何文志，周化鋼.基于TrackingJS庫+百度云人臉識別課程簽到系統(tǒng)設計與實現［J］.軟件工程，2024（7）：6-11.

［9］夏志強.人臉識別綜述［J］.電子世界，2017（23）：74，76.

［10］高艷，徐麗麗.基于face_recognition庫的人臉識別課堂簽到系統(tǒng)［J］.現代計算機，2021（11）：157-160.

［11］王忠東，張云剛，張亮敬，等.基于深度學習的石油污染物三維熒光光譜識別技術研究［J］.激光與光電子學進展，2023（15）：386-395.

（編輯" 王雪芬編輯）

Design and implementation of classroom attendance system based on face recognition

ZHANG" Liangjing1， YAO" Guopeng2， WU" Zuozhou1*

（1.Guangxi Science amp; Technology Normal University， Laibin 546199， China; 2.Guangxi Houpu Digital

Technology Co.， Ltd.， Nanning 530009， China）

Abstract： This study aims to explore the design and implementation of an automatic classroom attendance system in higher education management based on the integration of deep learning and facial recognition technology. By applying deep learning and facial recognition technology， a facial recognition model is constructed and integrated into the attendance system. Cameras are used to capture real-time facial information of students， which is then matched with stored facial features in the system to achieve automatic attendance in the classroom. The results indicate that this system is innovative and practical. It not only optimizes the student attendance process and establishes an efficient automated attendance system，but also effectively enhances the management efficiency of classroom teaching in higher education，which provides a reference for classroom management reform in universities.

Key words： deep learning; facial recognition; attendance system; teaching management