陳鴻飛，嚴(yán)忱君，俞寶福

1.紹興市柯橋區(qū)柯橋中學(xué)，浙江紹興 312065 2.浙江大學(xué)儀器系，浙江杭州 310027 3.紹興市為信電子科技有限公司，浙江紹興 312066

基于人臉識(shí)別的中學(xué)課堂考勤系統(tǒng)的設(shè)計(jì)

陳鴻飛1，嚴(yán)忱君2，俞寶福3

1.紹興市柯橋區(qū)柯橋中學(xué)，浙江紹興 312065 2.浙江大學(xué)儀器系，浙江杭州 310027 3.紹興市為信電子科技有限公司，浙江紹興 312066

課堂考勤是教學(xué)過(guò)程中的一個(gè)重要環(huán)節(jié)，傳統(tǒng)的人工統(tǒng)計(jì)方法會(huì)造成教學(xué)時(shí)間的大量浪費(fèi)。本設(shè)計(jì)提出了一個(gè)基于人臉識(shí)別的課堂考勤系統(tǒng)，大大節(jié)省了考勤占用的時(shí)間。首先，建立一個(gè)圖像數(shù)據(jù)庫(kù)，其中包含所有已選課學(xué)生的人臉圖像，用基于特征臉的機(jī)器學(xué)習(xí)算法訓(xùn)練出一個(gè)人臉識(shí)別系統(tǒng)。接著，用攝像頭依次采集學(xué)生的人臉圖像，與數(shù)據(jù)庫(kù)進(jìn)行匹配，即可識(shí)別學(xué)生身份并完成簽到。所有學(xué)生完成簽到后，系統(tǒng)可以統(tǒng)計(jì)出勤率、缺課學(xué)生名單等。同時(shí)，可以對(duì)系統(tǒng)難以識(shí)別的學(xué)生進(jìn)行手動(dòng)簽到。該系統(tǒng)對(duì)于中學(xué)“走班制”教學(xué)具有很好的推廣應(yīng)用價(jià)值。

人臉識(shí)別；特征臉；課堂考勤系統(tǒng)

1 中學(xué)課堂考勤系統(tǒng)的設(shè)計(jì)背景

自《浙江省高考改革方案》出臺(tái)以來(lái)，不少高中已陸續(xù)推出方案應(yīng)對(duì)新政，其中一項(xiàng)重要的舉措是實(shí)行“走班制”。這就意味著，中學(xué)生可以像大學(xué)生一樣，依據(jù)自己的興趣、特長(zhǎng)進(jìn)行自主選課；學(xué)生不再是在固定的教室上課，而是流動(dòng)的。在“走讀班”給廣大中學(xué)生帶動(dòng)了興趣化學(xué)習(xí)優(yōu)秀的同時(shí)，也不可避免地出了一些新的情況。上課學(xué)生的流動(dòng)性以及學(xué)生座位的不確定性，會(huì)給課堂考勤帶來(lái)很大麻煩，若用傳統(tǒng)點(diǎn)名的方式會(huì)浪費(fèi)大量寶貴的上課時(shí)間。

因此，本論文針對(duì)這一問(wèn)題，提出了基于人臉識(shí)別的中學(xué)課堂考勤系統(tǒng)的設(shè)計(jì)方案。學(xué)生只需在臨上課前“刷個(gè)臉”就能完成簽到。這樣不僅極大地節(jié)省了課堂時(shí)間，還能保證考勤的準(zhǔn)確率，防止作弊。

2 人臉識(shí)別的算法設(shè)計(jì)

人臉識(shí)別是對(duì)已知人臉進(jìn)行匹配，即“對(duì)號(hào)入座”的過(guò)程，它與人臉檢測(cè)是不同的概念。人臉檢測(cè)只能確定圖像中是否存在人臉，而人臉識(shí)別能夠知道這個(gè)人是誰(shuí)。目前，有許多技術(shù)能讓計(jì)算機(jī)學(xué)會(huì)識(shí)別人臉，一般來(lái)說(shuō)，一個(gè)人臉識(shí)別系統(tǒng)通常包括以下四個(gè)步驟。

2.1 人臉檢測(cè)

在2000年以前，人臉檢測(cè)技術(shù)并不發(fā)達(dá)，那時(shí)已有的技術(shù)要么運(yùn)行緩慢，要么可靠性低，都無(wú)法推廣使用。直到2001年，Viola和Jones[1]采用基于Haar的級(jí)聯(lián)分類器來(lái)檢測(cè)人臉，使這些問(wèn)題得到了極大改善，它終于讓實(shí)時(shí)人臉檢測(cè)和人臉識(shí)別成為了可能。

本文將采用基于Haar分類器的人臉檢測(cè)技術(shù)。Haar分類器的要點(diǎn)如下：1）使用Haar-like特征作為特征描述子。2）使用AdaBoost算法訓(xùn)練區(qū)分人臉和非人臉的強(qiáng)分類器。3）將強(qiáng)分類器級(jí)聯(lián)到一起，提高檢測(cè)準(zhǔn)確率。4）使用積分圖對(duì)Haar-like特征求值進(jìn)行加速。用Haar-like特征進(jìn)行人臉檢測(cè)的原理是對(duì)于臉部正面的大部分區(qū)域而言，存在較為固定的明暗變化，如眼睛所在區(qū)域應(yīng)該比前額和臉頰更暗，嘴巴應(yīng)比臉頰更暗等等。Haar-like特征是帶有黑白條紋的矩形，將它放到人臉和非人臉區(qū)域可以得到不同的特征值。得到特征值之后，需要使用分類算法來(lái)區(qū)分人臉和非人臉，本文采用AdaBoost算法訓(xùn)練出多個(gè)最優(yōu)弱分類器，并將它們組合為強(qiáng)分類器。然而在實(shí)際應(yīng)用中，單個(gè)強(qiáng)分類器還是難以保證檢測(cè)的正確率，因此這里采用級(jí)聯(lián)的方法，將多個(gè)強(qiáng)分類器級(jí)聯(lián)到一起，進(jìn)一步提高檢測(cè)準(zhǔn)確率。最后，要想實(shí)現(xiàn)人臉的實(shí)時(shí)檢測(cè)，需要用到積分圖。對(duì)于每個(gè)圖片樣本，我們都面臨如何計(jì)算特征值的問(wèn)題，即一個(gè)Haar-like特征在一個(gè)窗口中怎樣排列能夠更好地體現(xiàn)人臉的特征，這是未知的，需要訓(xùn)練。在訓(xùn)練之前我們要通過(guò)排列組合窮舉所有這樣的特征，計(jì)算量十分巨大。而積分圖就是只遍歷一次圖像就能夠求出圖像中所有區(qū)域像素和的快速算法，極大提高了圖像特征值的計(jì)算效率。

人臉檢測(cè)適用于灰度圖像，因此要把攝像頭采集到的彩色圖像轉(zhuǎn)為灰度圖。其次，在光線不足的情況下，人臉檢測(cè)器并不可靠，所以要用直方圖均衡化來(lái)改善圖像的亮度和對(duì)比度。另外，要把采集到的人臉圖像縮放到統(tǒng)一的尺寸進(jìn)行處理。完成以上工作后，可以開(kāi)始真正的人臉預(yù)處理。

2.2 人臉預(yù)處理

除了光照條件外，人臉識(shí)別還極易受面部表情、臉部方向、攝像頭遠(yuǎn)近等因素的影響，若不消除這些干擾，很可能導(dǎo)致人臉識(shí)別不準(zhǔn)確，例如將兩個(gè)不同的人識(shí)別為同一個(gè)人。為了之后能使用學(xué)習(xí)算法來(lái)學(xué)習(xí)不同的人臉圖像，需要把不同人臉圖像的尺寸、布局、亮度、對(duì)比度等調(diào)整到相同。

要解決以上問(wèn)題，一個(gè)最簡(jiǎn)單的方法是采用直方圖均衡，這與人臉檢測(cè)時(shí)做的一樣。在通常情況下，我們始終可以假定人眼是水平的，對(duì)稱分布在人臉上，兩只眼睛的大小是相當(dāng)?shù)?。我們可以使用眼部檢測(cè)器搜索到雙眼位置。接著，可根據(jù)使兩個(gè)眼睛保持水平來(lái)旋轉(zhuǎn)圖像；使眼睛位于所需高度來(lái)平移圖像；使兩個(gè)眼睛間的距離相同來(lái)縮放圖像。另外，因?yàn)槿四樧R(shí)別受發(fā)型、服飾及配飾等影響較大，因此需要裁剪圖像。也就是說(shuō)，裁剪掉頭發(fā)、額頭、耳朵和下巴等部位，僅保留眉、眼、鼻子和嘴巴用于識(shí)別。人臉預(yù)處理，簡(jiǎn)單來(lái)說(shuō)就是要將外界干擾消除，使系統(tǒng)能真正將不同人臉之間的本質(zhì)區(qū)別用于比較。

2.3 收集和學(xué)習(xí)人臉

收集人臉是一個(gè)比較簡(jiǎn)單的過(guò)程：用攝像頭采集到人臉圖像并經(jīng)過(guò)預(yù)處理后，放入相應(yīng)的數(shù)組中，同時(shí)將類標(biāo)簽放入類標(biāo)簽數(shù)組中，這里類標(biāo)簽就是對(duì)應(yīng)的人名。人臉識(shí)別算法能對(duì)不同的人臉進(jìn)行分類，首先是訓(xùn)練階段，完成訓(xùn)練后，將學(xué)習(xí)結(jié)果保存到文件中，可調(diào)用它來(lái)識(shí)別人臉，這是測(cè)試階段。為了使測(cè)試結(jié)果更理想，訓(xùn)練集應(yīng)包含人臉變化的各種情形。

樣本采集完成后，要使用合適的用于人臉識(shí)別的機(jī)器學(xué)習(xí)算法來(lái)訓(xùn)練一個(gè)人臉識(shí)別系統(tǒng)。由于特征臉較為簡(jiǎn)單，且性能與許多更復(fù)雜的算法差不多，因此這里采用特征臉?lè)椒āＦ湓硎怯?jì)算一組指定的圖像（特征臉）和混合比例（特征值），這兩者可按不同的組合方式得到訓(xùn)練集中的每幅圖像。因此，可用不同特征值來(lái)區(qū)分不同人臉。特征臉?lè)椒ú捎弥鞒煞址治鲞M(jìn)行降維和特征提取，采用區(qū)別最大的特征來(lái)區(qū)分人臉。

2.4 人臉識(shí)別

經(jīng)過(guò)以上的工作，可以輕松地使用OpenCv提供的FaceRecognizer類來(lái)識(shí)別人臉。同時(shí)，為了判斷得到結(jié)果的可靠度，可以引入置信度，即結(jié)果的可信程度。當(dāng)置信度過(guò)低時(shí)，可將人臉識(shí)別為陌生人。

3 課堂考勤系統(tǒng)的軟件設(shè)計(jì)

基于人臉識(shí)別的課堂考勤系統(tǒng)的軟件流程及界面設(shè)計(jì)如下：點(diǎn)擊界面上的開(kāi)始點(diǎn)名按鈕，攝像頭將自動(dòng)打開(kāi)并開(kāi)始搜索人臉，當(dāng)檢測(cè)到人臉圖像時(shí)將自動(dòng)識(shí)別出對(duì)應(yīng)的學(xué)生完成簽到并顯示該學(xué)生的基本信息以供核對(duì)。學(xué)生可依次進(jìn)入攝像頭區(qū)域完成簽到，無(wú)需手動(dòng)操作。當(dāng)所有學(xué)生完成簽到后，老師可查看未到學(xué)生名單，其證件照將顯示在界面底部，呈滑動(dòng)效果。此時(shí)，如果有學(xué)生是因表情、膚色變化等原因無(wú)法被系統(tǒng)識(shí)別，可以在老師的幫助下通過(guò)手動(dòng)簽到按鈕進(jìn)行簽到。這樣設(shè)計(jì)可以防止因系統(tǒng)無(wú)法識(shí)別而使學(xué)生無(wú)法簽到，更加人性化和科學(xué)化。

4 結(jié)論

借助基于人臉識(shí)別的課堂考勤系統(tǒng)，可以在上課前快速完成課堂考勤工作，極大地節(jié)約了課堂時(shí)間，可以讓老師、同學(xué)都更好地投入課堂學(xué)習(xí)，提高了課堂效率，也為后期學(xué)生選課的科學(xué)化管理與統(tǒng)計(jì)提供了最基礎(chǔ)的原始數(shù)據(jù)，為后期的“走讀化”制度進(jìn)一步改革與提升提供了技術(shù)保障。因此，基于人臉識(shí)別的中學(xué)課堂考勤系統(tǒng)具有很強(qiáng)的實(shí)用性。同時(shí)，目前的人臉識(shí)別算法較為發(fā)達(dá)，技術(shù)比較成熟，可以使得該系統(tǒng)具有較高的可靠性?；谝陨蟽牲c(diǎn)，基于人臉識(shí)別的課堂考勤系統(tǒng)將會(huì)有廣闊的發(fā)展空間。

[1]Viola P，Jones M，Rapid Object Detection using a Boosted Cascade of Simple Features[J].Proceedings of the 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition，2001（1）：511-518.

[2]Kshirsagar V P，Baviskar M R，Gaikwad M E，F(xiàn)ace Recognition Using Eigenfaces，2011 3rd International Conference on Computer Research and Development，2011（4）：302-306.

[3]Ahonen T，Hadid，F(xiàn)ace Description with Local Binary Patterns：Application to Face Recognition，IEEE Transactions on Pattern Analysis and Machine Intelligence，2006，27（12）：2037-2041.

TP2

A

1674-6708（2015）144-0091-02