陳維華 何彩虹

摘 ?要：目前高校普遍關(guān)注在校生上課出勤問題。在課堂出勤率統(tǒng)計(jì)中，經(jīng)常會(huì)出現(xiàn)學(xué)生未到課堂卻已經(jīng)完成簽到的情況，影響了出勤統(tǒng)計(jì)的準(zhǔn)確性，做好學(xué)生課堂出勤管理迫在眉睫。本文主要針對(duì)人工智能（AI）人臉識(shí)別算法在簽到系統(tǒng)中的技術(shù)進(jìn)行設(shè)計(jì)。采用人臉識(shí)別的簽到系統(tǒng)方便、準(zhǔn)確、快捷，更能適應(yīng)現(xiàn)代高效、精準(zhǔn)的簽到需求，更符合現(xiàn)代信息化教學(xué)管理的要求。

關(guān)鍵詞：簽到系統(tǒng);人臉識(shí)別;人工智能

中圖分類號(hào)：TP399 ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

Designs of Smart Classroom Sign-in System

CHEN Weihua， HE Caihong

（Hebei Software Institute， Baoding 071000， China）

chenweihua@hbsi.edu.cn; hecaihong@hbsi.edu.cn

Abstract： At present， colleges and universities are concerned about students' attendance. In class attendance statistics， there are often situations in which students have not yet arrived in class but have already completed sign-in， which affects the accuracy of attendance statistics. Therefore， it is urgent to manage students' class attendance effectively. Sign-in system with face recognition technology is convenient， accurate， and fast. This paper proposes to design a sign-in system based on artificial intelligence （AI） face recognition algorithm. The proposed system can better meet the needs of highly efficient and precise sign-in， and the needs of modern information teaching management.

Keywords： sign-in system; face recognition; artificial intelligence

1 ? 引言（Introduction）

隨著人工智能時(shí)代的到來，各行各業(yè)都面臨著前所未有的技術(shù)創(chuàng)新，聚集技術(shù)創(chuàng)新的活動(dòng)產(chǎn)業(yè)也不例外，行業(yè)科技應(yīng)用取得了前所未有的進(jìn)步。

人工智能時(shí)代已經(jīng)到來，人臉識(shí)別簽到將應(yīng)用到越來越多的活動(dòng)中，不斷提高活動(dòng)的效率，使活動(dòng)簽到能夠以更加創(chuàng)新、智能和高端的方式呈現(xiàn)。人臉識(shí)別包含人臉檢測(cè)與屬性分析、人臉對(duì)比、人臉?biāo)阉鳌⒒铙w檢測(cè)等功能。文獻(xiàn)[1]將人臉識(shí)別技術(shù)應(yīng)用于校園內(nèi)宿舍門禁系統(tǒng)中，比傳統(tǒng)的校園卡更加安全、方便、快捷。

目前高校都在進(jìn)行智慧校園建設(shè)，智慧校園人臉識(shí)別系統(tǒng)基于先進(jìn)的AI人臉識(shí)別技術(shù)和一系列的人臉識(shí)別終端，可以實(shí)現(xiàn)無縫對(duì)接智慧校園平臺(tái)，共同建設(shè)和實(shí)現(xiàn)安全、便捷、實(shí)時(shí)管控的智能化校園。其中，隨著信息化教學(xué)手段融入課堂，各種智慧簽到方式也都有所應(yīng)用，從紙質(zhì)簽到發(fā)展到刷卡簽到、掃碼簽到、刷臉簽到和利用各種智慧課堂平臺(tái)手機(jī)簽到，智慧課堂簽到系統(tǒng)應(yīng)用人工智能技術(shù)，將提高考勤簽到的效率，方便教師對(duì)班級(jí)的管理。

人臉識(shí)別考勤系統(tǒng)在滿足學(xué)校考勤需求的基礎(chǔ)上，實(shí)現(xiàn)了學(xué)生刷臉通行的場(chǎng)景，有效防止外來陌生人員進(jìn)入校園，同時(shí)避免學(xué)生上學(xué)期間逃學(xué)曠課等現(xiàn)象發(fā)生，推進(jìn)校園安全信息化管理進(jìn)程，加強(qiáng)校園秩序和提升校園安全，打造高效、安全、智能的校園生活。

2 ? 系統(tǒng)功能（System function）

2.1 ? 系統(tǒng)概述

基于人臉識(shí)別的課堂簽到系統(tǒng)設(shè)計(jì)，首先針對(duì)學(xué)生的注冊(cè)模塊、課堂管理者的信息管理模塊以及課堂人臉識(shí)別簽到模塊，其中現(xiàn)場(chǎng)簽到模塊集成了人臉識(shí)別功能[2]。課堂簽到系統(tǒng)管理員針對(duì)班級(jí)學(xué)生先建立人臉數(shù)據(jù)，實(shí)現(xiàn)信息模塊的管理，收集好學(xué)生照片，在模塊中注冊(cè)學(xué)生的信息，并按要求上傳學(xué)生照片，完成信息的導(dǎo)入和錄入。服務(wù)器端主要實(shí)現(xiàn)簽到的管理和學(xué)生信息數(shù)據(jù)的統(tǒng)計(jì)。教師在上課前先確定課堂的相關(guān)信息，包括上課時(shí)間、簽到規(guī)定時(shí)間以及課堂要求，發(fā)布課堂簽到;學(xué)生按要求完成簽到平臺(tái)個(gè)人信息填寫，并按要求上傳本人的人臉照片到服務(wù)器上。在進(jìn)入課堂簽到系統(tǒng)時(shí)，通過網(wǎng)絡(luò)簽到設(shè)備刷臉簽到結(jié)束后，教師可以通過后臺(tái)對(duì)簽到人員信息進(jìn)行統(tǒng)計(jì)，并導(dǎo)出保存Excel文件，作為學(xué)生出勤考核記錄。設(shè)計(jì)系統(tǒng)的工作流程如圖1所示。

在學(xué)生注冊(cè)信息模塊中，學(xué)生要根據(jù)要求填報(bào)個(gè)人詳細(xì)信息，并上傳正面寸照。對(duì)上傳的照片，系統(tǒng)會(huì)有一個(gè)統(tǒng)一的要求。在前端注冊(cè)界面，設(shè)計(jì)系統(tǒng)應(yīng)對(duì)信息格式、詳細(xì)程度，包括學(xué)生性別、證件信息等的正確性進(jìn)行檢測(cè)。注冊(cè)信息模塊應(yīng)能對(duì)學(xué)生上傳的照片進(jìn)行檢測(cè)，包括格式及人臉圖像是否合格。智慧課堂簽到就是利用設(shè)備及設(shè)備組網(wǎng)通信實(shí)時(shí)獲取學(xué)生簽到現(xiàn)場(chǎng)照片，將照片通過網(wǎng)絡(luò)傳到終端服務(wù)器進(jìn)行人臉識(shí)別和照片圖像的特征提取，再將學(xué)生臉部與特征庫進(jìn)行比對(duì)，使教師能夠?qū)崟r(shí)獲取比對(duì)結(jié)果，掌握學(xué)生出勤情況。

2.2 ? 系統(tǒng)設(shè)計(jì)

智慧課堂簽到系統(tǒng)主要實(shí)現(xiàn)基于客戶端的人臉課堂簽到功能。在人臉識(shí)別檢測(cè)技術(shù)中，多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別檢測(cè)技術(shù)非常成熟，同時(shí)，在眾多算法模型中，局部二值模型（LBP）人臉識(shí)別算法可以減少光照、簽到姿勢(shì)姿態(tài)等對(duì)識(shí)別檢測(cè)結(jié)果的影響。

模塊中對(duì)教師的管理權(quán)限也應(yīng)進(jìn)行設(shè)計(jì)，使其具有最高的系統(tǒng)控制權(quán)限。基于人臉識(shí)別的簽到系統(tǒng)利用深度學(xué)習(xí)模型，進(jìn)行學(xué)生照片的特征提取，再與人臉數(shù)據(jù)庫中的特征文件進(jìn)行對(duì)比，實(shí)現(xiàn)課堂智慧簽到，主要流程如圖2所示。

系統(tǒng)整體設(shè)計(jì)上還應(yīng)包括前端開發(fā)和后端設(shè)計(jì)，系統(tǒng)數(shù)據(jù)庫放到服務(wù)器上，前端開發(fā)可以采用基于Web的開發(fā)實(shí)現(xiàn)，通過客戶端瀏覽器展示給用戶。采用視圖模型（Model-View-ViewModel， MVVM）[3]架構(gòu)，它是傳統(tǒng)的視圖控制模型MVC架構(gòu)的升級(jí)版[4]。MVVM架構(gòu)能夠把學(xué)生視圖與業(yè)務(wù)邏輯進(jìn)行分離和過濾，更好地顯示業(yè)務(wù)邏輯，如圖3所示。

后端可采用基于Flask的MTV設(shè)計(jì)模式。Flask是一款基于Python進(jìn)行開發(fā)的輕量級(jí)Web框架，采用Python語言的Flask框架設(shè)計(jì)可以實(shí)現(xiàn)后端與人臉識(shí)別程序更好地銜接。

數(shù)據(jù)庫采用MySQL。MySQL[5]是目前使用最廣泛的關(guān)系型數(shù)據(jù)庫管理系統(tǒng)之一。MySQL的特點(diǎn)是可以把不同的班級(jí)數(shù)據(jù)放在不同的表內(nèi)，每個(gè)表有獨(dú)立的控制鍵，查詢表內(nèi)數(shù)據(jù)時(shí)，不同的表通過外部控制鍵相連，這樣大大提高了運(yùn)行速度，也具有很強(qiáng)的靈活性。

3 ? 人臉識(shí)別算法（Face recognition algorithm）

3.1 ? 概述

人臉識(shí)別（Facial Recognition），是通過視頻設(shè)備采集用戶的面部圖像，利用核心算法對(duì)面部特征進(jìn)行計(jì)算分析，再與已建數(shù)據(jù)庫里的特征數(shù)據(jù)比對(duì)，來判斷用戶身份的真實(shí)性。人臉識(shí)別技術(shù)的核心是人臉識(shí)別算法，常用的人臉識(shí)別算法有基于人臉特征點(diǎn)的算法、基于模板的算法及神經(jīng)網(wǎng)絡(luò)識(shí)別算法等。人臉識(shí)別技術(shù)的難點(diǎn)是用戶的年齡、環(huán)境光照等變化的外界因素經(jīng)常會(huì)影響識(shí)別效果，所以有些情況下人臉識(shí)別會(huì)失效，導(dǎo)致用戶體驗(yàn)差，其中光照影響最大，因?yàn)楣庹盏淖兓驮谖覀兩磉叀?/p>

3.2 ? 基于深度學(xué)習(xí)的算法模型

針對(duì)人臉識(shí)別技術(shù)的難點(diǎn)問題，可以采用深度學(xué)習(xí)（Deep Learning）[6]的算法模型。尤其是其中的卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks， CNN）算法，能夠?qū)崿F(xiàn)高精度的圖像分類[7]。深度學(xué)習(xí)作為機(jī)器學(xué)習(xí)的一部分，發(fā)展迅速，在算法模型的設(shè)計(jì)、數(shù)據(jù)測(cè)試劃分、場(chǎng)景應(yīng)用、評(píng)價(jià)體系標(biāo)準(zhǔn)等方面對(duì)人臉識(shí)別技術(shù)進(jìn)行了重構(gòu)，準(zhǔn)確度提升至99%以上。

隨著對(duì)深度學(xué)習(xí)的研究，神經(jīng)網(wǎng)絡(luò)研究發(fā)展迅速，能夠?qū)崿F(xiàn)圖像的高精度分類，它在人臉識(shí)別的表情識(shí)別中表現(xiàn)很好，深度度量學(xué)習(xí)可以為人臉識(shí)別提供有效的方法。在此使用一種改進(jìn)的三元組損失法，它在人臉識(shí)別和驗(yàn)證過程中效果很好，其模型如公式（1）所示：

（1）

其中，是特征提取器，為特征向量，為馬氏距離。

前面講到基于深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)改善了圖像精度，深度學(xué)習(xí)的人臉識(shí)別方法改善了光照以及面部情感特征識(shí)別影響，但實(shí)際教學(xué)課堂環(huán)境中，光線的變化會(huì)影響人臉識(shí)別的準(zhǔn)確率，因此在設(shè)備采集人臉圖像送入數(shù)據(jù)庫檢測(cè)前要對(duì)圖像進(jìn)行預(yù)處理，圖像預(yù)處理可以實(shí)現(xiàn)去噪聲處理。系統(tǒng)設(shè)計(jì)中可采用直方圖均衡化處理方法來實(shí)現(xiàn)圖像處理中對(duì)像素進(jìn)行非線性變化的延展，并且重新分配每個(gè)圖像的像素值，一定范圍內(nèi)的各個(gè)像素值基本不變，處理后人的面部特征更加清晰。采用直方圖均衡化以及判定圖像像素值模糊度等處理技術(shù)，對(duì)后續(xù)的人臉檢測(cè)識(shí)別有很大的幫助。

3.3 ? 基于特征融合的算法模型

局部二值模式（Local Binary Patterns， LBP）是用來描述圖像局部紋理特征的。它不但具有灰度不變性和旋轉(zhuǎn)不變性的顯著優(yōu)點(diǎn)，而且計(jì)算量小，算法思想簡(jiǎn)單[8]。

LBP編碼如公式（2）所示：

（2）

其中，為階躍函數(shù);為中心點(diǎn)像素，其像素值為為點(diǎn)的像素值，為中心點(diǎn)的鄰域點(diǎn)數(shù)。

利用局部二值LBP方法進(jìn)行特征融合就是要先將人臉的細(xì)胞像素進(jìn)行分塊，每個(gè)細(xì)胞像素按照LBP特征編碼規(guī)則運(yùn)算，最終得到這一點(diǎn)的LBP值。LBP算法需要提取圖像周圍的像素，由于在提取人臉部位特征時(shí)可能出現(xiàn)部分特征信息丟失的現(xiàn)象，因此采用基于改進(jìn)的LBP特征融合人臉識(shí)別算法，將人臉圖像中有用的LBP特征信息提取出來，再對(duì)提取的特征信息值進(jìn)行計(jì)算，利用上面提到的直方圖均衡化處理方法對(duì)圖像進(jìn)行描述統(tǒng)計(jì)，最后對(duì)比分析直方圖得出結(jié)果?；诟倪M(jìn)的LBP特征融合人臉識(shí)別算法的特點(diǎn)是，利用直方圖均衡處理方法能直接將LBP特征直方統(tǒng)計(jì)圖中圖像的局部信息進(jìn)行識(shí)別并保存，改進(jìn)處理過程中針對(duì)不同的分塊采用不同的閾值對(duì)其進(jìn)行離散[9]，這樣可以大大提高人臉識(shí)別的效率和精確度，靈活度高。

3.4 ? 實(shí)驗(yàn)設(shè)計(jì)與分析

針對(duì)不同光照和角度面部的人臉識(shí)別任務(wù)建立實(shí)驗(yàn)數(shù)據(jù)集，實(shí)驗(yàn)首先借鑒英國劍橋大學(xué)AT&T實(shí)驗(yàn)室的ORL數(shù)據(jù)集方法，選取圖像分為40 個(gè)不同的主題，每個(gè)主題包含10 幅圖像，一些圖像拍攝的時(shí)間、光照、面部表情及細(xì)節(jié)有差異，圖像都為黑色背景，便于面部表情研究;第二是擴(kuò)展的人臉數(shù)據(jù)庫集，它包含不同光照下9 種姿態(tài)的人臉圖像;第三是選用東方人臉數(shù)據(jù)庫為數(shù)據(jù)集，包含人臉正面在不同光照下的8種圖像。

利用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行實(shí)驗(yàn)，通過實(shí)驗(yàn)得到數(shù)據(jù)量表的分析圖如圖4所示。

從圖4可以看出：使用多特征融合的方法，利用LBP對(duì)光照具有魯棒性的特點(diǎn)，有效提高了不同光照下的人臉識(shí)別準(zhǔn)確率。

4 ? 結(jié)論（Conclusion）

本文研究了高校智慧校園采用智慧平臺(tái)簽到系統(tǒng)，在其不能解決虛假簽到問題和考勤需求的情況下，提出了基于人臉識(shí)別的考勤系統(tǒng)的算法。總體設(shè)計(jì)中前端采用基于Web的開發(fā)，后端采用基于Flask的MTV設(shè)計(jì)模式，數(shù)據(jù)庫采用MySQL。在人臉識(shí)別的算法中，針對(duì)圖像識(shí)別處理及光照度對(duì)圖像識(shí)別的影響分別介紹了深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)和特征融合的算法，通過實(shí)驗(yàn)數(shù)據(jù)證實(shí)，使用多特征融合的算法在不同光照下達(dá)到人臉識(shí)別精度和準(zhǔn)確度的要求。

參考文獻(xiàn) （References）

[1] 秦超，劉正強(qiáng)，劉琳，等.基于樹莓派的人臉識(shí)別校園門禁管理系統(tǒng)[J].物聯(lián)網(wǎng)技術(shù)，2019（2）：13-14.

[2] 范哲瑞.智能人臉識(shí)別會(huì)議簽到系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].西安：西安電子科技大學(xué)，2019.

[3] 李嘉，趙凱強(qiáng)，李長云.Web前端開發(fā)技術(shù)的演化與MVVM設(shè)計(jì)模式研究[J].電腦知識(shí)與技術(shù)，2018，14（02）：221-222.

[4] 葉符明.淺談MVC設(shè)計(jì)模式與Struts架構(gòu)[J].網(wǎng)絡(luò)安全技術(shù)與應(yīng)用，2015（2）：12-14.

[5] 黃傳祿.基于Python的MYSQL數(shù)據(jù)庫訪問技術(shù)[J].現(xiàn)代信息科技，2017，1（04）：73-75.

[6] LECUN Y， BENGIO Y， HINTON G. Deep learning[J]. Nature， 2015（521）：436-444.

[7] 范哲瑞.基于深度學(xué)習(xí)的人臉圖像識(shí)別技術(shù)的研究[D].北京：中國科學(xué)院大學(xué)，2019.

[8] 鄒長朋.簽到系統(tǒng)中人臉識(shí)別方法的研究與實(shí)現(xiàn)[D].鎮(zhèn)江：江蘇大學(xué)，2020.

[9] 胡念，張四平，王梅.基于 LBP 特征集成學(xué)習(xí)的人臉識(shí)別技術(shù)研究[J].信息通信，2020，212（08）：38-40.

作者簡(jiǎn)介：

陳維華（1978-），女，碩士，教授.研究領(lǐng)域：物聯(lián)網(wǎng)技術(shù)及應(yīng)用.

何彩虹（1980-），女，碩士，講師.研究領(lǐng)域：物聯(lián)網(wǎng)技術(shù)及應(yīng)用.