吳美香，鄧園園，裴楓華，余松森，潘家輝

（華南師范大學(xué) 軟件學(xué)院，廣東 南海 528225）

1 背景及現(xiàn)狀分析

1.1 當(dāng)代高校課堂考勤背景

高校課堂是學(xué)生學(xué)習(xí)知識、培養(yǎng)能力、提高個人綜合素質(zhì)的主要場所。然而目前大學(xué)生課堂缺勤現(xiàn)象日益嚴(yán)重，嚴(yán)重違背了大學(xué)課堂的教學(xué)理念。現(xiàn)有的高校學(xué)生考勤管理存在著人工管理效率低、信息分散、實時性差、難于統(tǒng)計、利用率低的問題，給高校對學(xué)生的日常管理帶來困難，期末總評時考勤信息不全，而且學(xué)生的安全問題無法保障。基于上述原因，本文設(shè)計一種考勤系統(tǒng)來為學(xué)校考勤提供便利，本系統(tǒng)以人臉識別技術(shù)為基礎(chǔ)，采用Android Studio開發(fā)工具、OpenCV、Bmob云數(shù)據(jù)庫等技術(shù)進(jìn)行開發(fā)設(shè)計。

1.2 人臉識別研究背景

隨著社會的不斷進(jìn)步以及各方面對于快速有效的自動身份驗證的迫切要求，生物特征識別技術(shù)在近幾十年中得到了飛速的發(fā)展。作為人的一種內(nèi)在屬性，并且具有很強的自身穩(wěn)定性及個體差異性，生物特征成為了自動身份驗證的最理想依據(jù)。當(dāng)前的生物特征識別技術(shù)主要包括有：指紋識別、視網(wǎng)膜識別、虹膜識別、步態(tài)識別、靜脈識別、人臉識別等。與其他識別方法相比，人臉識別由于具有直接、友好、方便的特點，使用者無任何心理障礙，易于為用戶所接受，從而得到了廣泛的研究與應(yīng)用[1]。

1.3 人臉識別技術(shù)在國內(nèi)的研究現(xiàn)狀

國內(nèi)關(guān)于人臉自動識別的研究始于二十世紀(jì)80年代。國內(nèi)的研究工作主要是集中在三大類方法的研究：基于幾何特征的人臉正面自動識別方法、基于代數(shù)特征的人臉正面自動識別方法和基于連接機制的人臉正面自動識別方法。我國人臉識別技術(shù)起步有些晚，但隨著社會的廣泛關(guān)注與其商業(yè)利用價值越來越高，我國的科學(xué)研究人員也逐漸著手于此，目前人臉識別技術(shù)的應(yīng)用市場十分廣闊[2]。

2 系統(tǒng)總體設(shè)計

2.1 系統(tǒng)總體設(shè)計[3]

本系統(tǒng)主要以人臉識別在課堂考勤中的應(yīng)用為主。系統(tǒng)的功能介紹如下：打開本系統(tǒng)軟件后，系統(tǒng)會輸出一個用戶登錄注冊頁面，使用此系統(tǒng)的教師需要登錄到系統(tǒng)中。登錄完畢，系統(tǒng)主要功能呈現(xiàn)：包括信息錄入、刷臉考勤、考勤結(jié)果、考勤統(tǒng)計以及賬號管理。

用戶點擊信息錄入后，創(chuàng)建班級和學(xué)生信息之后。上課前拍一張班級合照上傳，點擊考勤即可識別出合照中的單個人臉以及姓名。點擊考勤結(jié)果可以查看本次考勤的出席人數(shù)和缺勤人數(shù)。最后經(jīng)過多次考勤可以查看考勤的統(tǒng)計情況。系統(tǒng)總功能說明圖如圖1所示。

圖1 系統(tǒng)總功能圖Fig.1 General function diagram of the system

2.2 功能模塊介紹

系統(tǒng)主要分為注冊登錄、信息錄入、實時考勤、考勤統(tǒng)計、賬號管理五個模塊。信息錄入是錄入班級里所有學(xué)生的信息，主要是照片的采集；實時考勤是對班級里所有學(xué)生進(jìn)行拍合照考勤；考勤統(tǒng)計是對實時考勤中得到的數(shù)據(jù)進(jìn)行匯總，以供查詢。功能結(jié)構(gòu)圖如圖2所示。

圖2 功能結(jié)構(gòu)圖Fig.2 Functional configuration

3 人臉識別的算法設(shè)計

3.1 人臉識別模塊流程

人臉識別（Facial Recognition），就是通過視頻采集設(shè)備獲取用戶的面部圖像，再利用核心的算法對其臉部的五官位置、臉型和角度進(jìn)行計算分析，通過對圖像的灰度化、二值化等預(yù)處理進(jìn)而和自身數(shù)據(jù)庫里已有的范本進(jìn)行比對，后判斷出用戶的真實身份，最后顯示相應(yīng)的人臉身份信息。人臉識別的主要過程如圖3所示。

圖3 人臉識別總流程Fig.3 General process of face recognition

3.2 人臉識別子模塊

人臉識別模塊主要分為五個子模塊，如圖4所示。

圖4 人臉識別分模塊圖Fig.4 Face recognition module

（1）人臉圖像采集模塊

通過本地圖庫或者攝像機或者視頻流獲取待測試者的圖像的過程，將圖片顯示在系統(tǒng)界面中，提供人臉標(biāo)記。

（2）人臉圖像預(yù)處理模塊

在獲取了人臉圖像后，就要進(jìn)行預(yù)處理的工作，使得圖像中的人臉特征能夠更加明顯的顯現(xiàn)出來。整個預(yù)處理階段包含了：人臉圖像光線增強、灰度化變換、二值化處理、邊緣檢測、圖像尺寸歸一化、幾何校正等。

（3）人臉檢測與定位模塊

判斷圖像是否含有人臉的臉部特征存在，若存在則確定給出人臉?biāo)诘奈恢靡约胺秶?，以便隨后的特征提取與識別，而不是整張圖像，這樣可以大幅度減少計算量和等待的時間。

（4）人臉圖像特征提取模塊

用統(tǒng)計特征如二階矩、高階矩，建立人臉空間中的一個新的坐標(biāo)系。人臉圖像在這個坐標(biāo)系下的投影即為該圖像的特征。對于一張待識別的人臉圖像，求出該圖像在這個坐標(biāo)系中的坐標(biāo)也就是求出了這個圖像的特征。

（5）人臉圖像匹配與識別模塊

把從人臉圖片中提取的一系列面部特征值進(jìn)行運算，該坐標(biāo)系下的坐標(biāo)相比較，再到特征數(shù)據(jù)庫中進(jìn)行匹配，然后找到最相似的圖像，最后把該圖像相對應(yīng)的人物信息顯示出來。

3.3 算法原理

人臉識別技術(shù)就是利用計算機分析人臉圖像，檢測圖像的頻域空間滑動檢測圖像塊，判別是否是人臉區(qū)域，提取有效的特征信息，用來識別人身份的一種技術(shù)[4]。人臉識別法主要集中在二維圖像方面，二維人臉識別主要利用分布在人臉上從低到高80 個節(jié)點或標(biāo)點，通過測量眼睛、顴骨、嘴巴、下巴等之間的間距來進(jìn)行身份認(rèn)證[5]。Principle Component Analysis( PCA)，即主成分分析技術(shù)[6]，是一種常用的數(shù)據(jù)分析方法。PCA通過線性變換將原始數(shù)據(jù)變換為一組各維度線性無關(guān)的表示，可用于提取數(shù)據(jù)的主要特征分量，常用于高維數(shù)據(jù)的降維。

PCA算法步驟如下：

設(shè)有m條n維數(shù)據(jù)。

將原始人臉數(shù)據(jù)按列組成n行m列矩陣X[n, m]。

（1）將X的每一行（代表一個屬性字段）進(jìn)行零均值化，即減去這一行的均值，使每一維的均值為0。即：

（2）求出協(xié)方差：數(shù)學(xué)上可以用兩個字段的協(xié)方差表示其相關(guān)性，由于已經(jīng)讓每個字段均值為0，則：

（3）協(xié)方差矩陣：

其中，這個矩陣對角線上的兩個元素分別是兩個字段的方差，而其它元素是兩個字段的協(xié)方差。兩者被統(tǒng)一到了一個矩陣上；

（4）求出協(xié)方差矩陣的特征值及對應(yīng)的特征向量；

（5）將特征向量按對應(yīng)特征值大小從上到下按行排列成矩陣，取前k行組成矩陣P；

（6）Y=PXY=PX即為降維到k維后的數(shù)據(jù)。

通過主成分分析，降低數(shù)據(jù)空間維數(shù)，可以將多元數(shù)據(jù)特征在低維空間里直觀地表示出來[7]。

4 實驗調(diào)試及其結(jié)果分析[8]

4.1 實驗與調(diào)試

實驗所用的測試機為 Android手機華為榮耀手機，型號是Che-YLOOM，處理器為八核1.2 GHz，Android版本是4.4.2，手機系統(tǒng)版本號是EMUI系統(tǒng)3.0，本次實驗進(jìn)行了三次，第一次測試了12人，第二次測試了25人，第三次測試了35人，實驗準(zhǔn)確率在75%以上。實驗步驟如下：

（1）注冊登錄模塊測試：注冊了兩個教師賬戶，然后根據(jù)toast返回的信息進(jìn)行數(shù)據(jù)庫查詢，測試是否注冊成功。注冊成功后，我們利用已經(jīng)注冊過的賬戶進(jìn)行登錄功能的測試；

（2）信息錄入模塊測試：測試時創(chuàng)建一個班級，通過本地錄入該班12個學(xué)生照片以及個人信息，并顯示在班級列表中；

（3）實時考勤系統(tǒng)模塊測試：在該班級上課前，拍攝該班到場學(xué)生的合照，上傳到該系統(tǒng)中進(jìn)行人臉識別，得到缺席人數(shù)為3人及缺席名單，合照里的學(xué)生只有9名為該班的學(xué)生，實時考勤過程見圖5，考勤結(jié)果見圖6；

（4）重復(fù)以上步驟，測試25以及35個人的班級，考勤時并從不同的角度拍攝合照。

圖5 實時考勤結(jié)果Fig.5 Real-time attendance results

5 討論與結(jié)論

5.1 測試時出現(xiàn)的問題以及解決方法

（1）在進(jìn)行不同的角度拍攝合照時，有些學(xué)生的臉被遮擋住了，只出現(xiàn)四分之三左右，導(dǎo)致系統(tǒng)檢測不出人臉，無法進(jìn)行人臉識別。解決方法：在信息錄入模塊，每名學(xué)生可以增加錄入的照片數(shù)，正臉、側(cè)臉不同方位的照片都可以錄入進(jìn)去，用多張照片去訓(xùn)練分類器。

（2）拍攝的考勤照片亮度太低導(dǎo)致人臉識別率低。解決方法：上傳照片后先對照片進(jìn)行亮度檢測，設(shè)定一個亮度值，如果亮度低于這個值，則要對照片進(jìn)行亮度處理，再進(jìn)行人臉識別。

圖6 考勤結(jié)果Fig.6 Attendance results

5.2 結(jié)論

本系統(tǒng)基于成熟的人臉識別算法原理進(jìn)行分析設(shè)計，預(yù)期借助手機快速完成考勤，解決了課堂考勤難題。經(jīng)過反復(fù)的實驗與調(diào)試，本系統(tǒng)實現(xiàn)了75%以上的準(zhǔn)確率，成功完成移動課堂考勤功能，充分驗證了系統(tǒng)總體設(shè)計的可行性。針對實際場景的多變性，系統(tǒng)具備了相應(yīng)的處理機制和保障措施?？偟膩碚f，本文對人臉識別邁向?qū)嵱没翱记诜绞絼?chuàng)新做出了有意義的探索和嘗試。

[1] 宋嘉程. 人臉識別技術(shù)的現(xiàn)狀和發(fā)展[J]. 電子技術(shù)與軟件工程, 2017, (17): 104.

[2] 吳天昊, 趙健麟, 周劍秋. 基于人臉識別的學(xué)生考勤系統(tǒng)[J]. 機電產(chǎn)品開發(fā)與創(chuàng)新, 2016, 29(06): 44-46.

[3] Jing Jin, Bin Xu, Xiaoliang Liu, Yuanqing Wang, Liqun Cao,Lei Han, Biye Zhou, Minggao Li. A face detection and location method based on Feature Binding[J]. Signal Processing, 2015,(35): 10-11.

[4] 劉吉安, 江金滾. 基于區(qū)域改進(jìn)LBP和KNN的人臉識別[J].電腦知識與技術(shù), 2016, 12(13): 184-185.

[5] 劉琴. 基于二維圖像表示的人臉識別算法研究[J]. 無線互聯(lián)科技, 2016, (23): 111-112.

[6] 梁瓊, 熊建斌, 梁澤溥, 張清華, 孫國璽, 彭志平. 基于PCA人臉識別的智能防盜報警系統(tǒng)的設(shè)計與實現(xiàn)[J]. 廣東石油化工學(xué)院學(xué)報, 2014, 24(06): 26-30.

[7] 佟嘉岐, 賀青, 遲宗濤. 基于PCA人臉識別方法的考勤系統(tǒng)的設(shè)計[J]. 山東工業(yè)技術(shù), 2017, (13): 151-152.

[8] 李宜蓉. 基于OPENCV的計算機視覺技術(shù)研究[J]. 電子世界, 2014, (18): 141-142.