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(shí)、培養(yǎng)能力、提高個(gè)人綜合素質(zhì)的主要場(chǎng)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?，F(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(shí)時(shí)性差、難于統(tǒng)計(jì)、利用率低的問(wèn)題，給高校對(duì)學(xué)生的日常管理帶來(lái)困難，期末總評(píng)時(shí)考勤信息不全，而且學(xué)生的安全問(wèn)題無(wú)法保障?；谏鲜鲈?，本文設(shè)計(jì)一種考勤系統(tǒng)來(lái)為學(xué)校考勤提供便利，本系統(tǒng)以人臉識(shí)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(kù)等技術(shù)進(jìn)行開發(fā)設(shè)計(jì)。

1.2 人臉識(shí)別研究背景

隨著社會(huì)的不斷進(jìn)步以及各方面對(duì)于快速有效的自動(dòng)身份驗(yàn)證的迫切要求，生物特征識(shí)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(qiáng)的自身穩(wěn)定性及個(gè)體差異性，生物特征成為了自動(dòng)身份驗(yàn)證的最理想依據(jù)。當(dāng)前的生物特征識(shí)別技術(shù)主要包括有：指紋識(shí)別、視網(wǎng)膜識(shí)別、虹膜識(shí)別、步態(tài)識(shí)別、靜脈識(shí)別、人臉識(shí)別等。與其他識(shí)別方法相比，人臉識(shí)別由于具有直接、友好、方便的特點(diǎn)，使用者無(wú)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(shí)別技術(shù)在國(guó)內(nèi)的研究現(xiàn)狀

國(guó)內(nèi)關(guān)于人臉自動(dòng)識(shí)別的研究始于二十世紀(jì)80年代。國(guó)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(dòng)識(shí)別方法、基于代數(shù)特征的人臉正面自動(dòng)識(shí)別方法和基于連接機(jī)制的人臉正面自動(dòng)識(shí)別方法。我國(guó)人臉識(shí)別技術(shù)起步有些晚，但隨著社會(huì)的廣泛關(guān)注與其商業(yè)利用價(jià)值越來(lái)越高，我國(guó)的科學(xué)研究人員也逐漸著手于此，目前人臉識(shí)別技術(shù)的應(yīng)用市場(chǎng)十分廣闊[2]。

2 系統(tǒng)總體設(shè)計(jì)

2.1 系統(tǒng)總體設(shè)計(jì)[3]

本系統(tǒng)主要以人臉識(shí)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(huì)輸出一個(gè)用戶登錄注冊(cè)頁(yè)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(jì)以及賬號(hào)管理。

用戶點(diǎn)擊信息錄入后，創(chuàng)建班級(jí)和學(xué)生信息之后。上課前拍一張班級(jí)合照上傳，點(diǎn)擊考勤即可識(shí)別出合照中的單個(gè)人臉以及姓名。點(diǎn)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(guò)多次考勤可以查看考勤的統(tǒng)計(jì)情況。系統(tǒng)總功能說(shuō)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(cè)登錄、信息錄入、實(shí)時(shí)考勤、考勤統(tǒng)計(jì)、賬號(hào)管理五個(gè)模塊。信息錄入是錄入班級(jí)里所有學(xué)生的信息，主要是照片的采集；實(shí)時(shí)考勤是對(duì)班級(jí)里所有學(xué)生進(jìn)行拍合照考勤；考勤統(tǒng)計(jì)是對(duì)實(shí)時(shí)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(shí)別的算法設(shè)計(jì)

3.1 人臉識(shí)別模塊流程

人臉識(shí)別（Facial Recognition），就是通過(guò)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(duì)其臉部的五官位置、臉型和角度進(jìn)行計(jì)算分析，通過(guò)對(duì)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(kù)里已有的范本進(jìn)行比對(duì)，后判斷出用戶的真實(shí)身份，最后顯示相應(yīng)的人臉身份信息。人臉識(shí)別的主要過(guò)程如圖3所示。

圖3 人臉識(shí)別總流程Fig.3 General process of face recognition

3.2 人臉識(shí)別子模塊

人臉識(shí)別模塊主要分為五個(gè)子模塊，如圖4所示。

圖4 人臉識(shí)別分模塊圖Fig.4 Face recognition module

（1）人臉圖像采集模塊

通過(guò)本地圖庫(kù)或者攝像機(jī)或者視頻流獲取待測(cè)試者的圖像的過(guò)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(lái)。整個(gè)預(yù)處理階段包含了：人臉圖像光線增強(qiáng)、灰度化變換、二值化處理、邊緣檢測(cè)、圖像尺寸歸一化、幾何校正等。

（3）人臉檢測(cè)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(shí)別，而不是整張圖像，這樣可以大幅度減少計(jì)算量和等待的時(shí)間。

（4）人臉圖像特征提取模塊

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

（5）人臉圖像匹配與識(shí)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(yùn)算，該坐標(biāo)系下的坐標(biāo)相比較，再到特征數(shù)據(jù)庫(kù)中進(jìn)行匹配，然后找到最相似的圖像，最后把該圖像相對(duì)應(yīng)的人物信息顯示出來(lái)。

3.3 算法原理

人臉識(shí)別技術(shù)就是利用計(jì)算機(jī)分析人臉圖像，檢測(cè)圖像的頻域空間滑動(dòng)檢測(cè)圖像塊，判別是否是人臉區(qū)域，提取有效的特征信息，用來(lái)識(shí)別人身份的一種技術(shù)[4]。人臉識(shí)別法主要集中在二維圖像方面，二維人臉識(shí)別主要利用分布在人臉上從低到高80 個(gè)節(jié)點(diǎn)或標(biāo)點(diǎn)，通過(guò)測(cè)量眼睛、顴骨、嘴巴、下巴等之間的間距來(lái)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(guò)線性變換將原始數(shù)據(jù)變換為一組各維度線性無(wú)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(gè)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(gè)字段的協(xié)方差表示其相關(guān)性，由于已經(jīng)讓每個(gè)字段均值為0，則：

（3）協(xié)方差矩陣：

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

（4）求出協(xié)方差矩陣的特征值及對(duì)應(yīng)的特征向量；

（5）將特征向量按對(duì)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(guò)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(lái)[7]。

4 實(shí)驗(yàn)調(diào)試及其結(jié)果分析[8]

4.1 實(shí)驗(yàn)與調(diào)試

實(shí)驗(yàn)所用的測(cè)試機(jī)為 Android手機(jī)華為榮耀手機(jī)，型號(hào)是Che-YLOOM，處理器為八核1.2 GHz，Android版本是4.4.2，手機(jī)系統(tǒng)版本號(hào)是EMUI系統(tǒng)3.0，本次實(shí)驗(yàn)進(jìn)行了三次，第一次測(cè)試了12人，第二次測(cè)試了25人，第三次測(cè)試了35人，實(shí)驗(yàn)準(zhǔn)確率在75%以上。實(shí)驗(yàn)步驟如下：

（1）注冊(cè)登錄模塊測(cè)試：注冊(cè)了兩個(gè)教師賬戶，然后根據(jù)toast返回的信息進(jìn)行數(shù)據(jù)庫(kù)查詢，測(cè)試是否注冊(cè)成功。注冊(cè)成功后，我們利用已經(jīng)注冊(cè)過(guò)的賬戶進(jìn)行登錄功能的測(cè)試；

（2）信息錄入模塊測(cè)試：測(cè)試時(shí)創(chuàng)建一個(gè)班級(jí)，通過(guò)本地錄入該班12個(gè)學(xué)生照片以及個(gè)人信息，并顯示在班級(jí)列表中；

（3）實(shí)時(shí)考勤系統(tǒng)模塊測(cè)試：在該班級(jí)上課前，拍攝該班到場(chǎng)學(xué)生的合照，上傳到該系統(tǒng)中進(jìn)行人臉識(shí)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(shí)時(shí)考勤過(guò)程見圖5，考勤結(jié)果見圖6；

（4）重復(fù)以上步驟，測(cè)試25以及35個(gè)人的班級(jí)，考勤時(shí)并從不同的角度拍攝合照。

圖5 實(shí)時(shí)考勤結(jié)果Fig.5 Real-time attendance results

5 討論與結(jié)論

5.1 測(cè)試時(shí)出現(xiàn)的問(wèn)題以及解決方法

（1）在進(jìn)行不同的角度拍攝合照時(shí)，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(cè)不出人臉，無(wú)法進(jìn)行人臉識(shí)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(shí)別率低。解決方法：上傳照片后先對(duì)照片進(jìn)行亮度檢測(cè)，設(shè)定一個(gè)亮度值，如果亮度低于這個(gè)值，則要對(duì)照片進(jìn)行亮度處理，再進(jìn)行人臉識(shí)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(shí)別算法原理進(jìn)行分析設(shè)計(jì)，預(yù)期借助手機(jī)快速完成考勤，解決了課堂考勤難題。經(jīng)過(guò)反復(fù)的實(shí)驗(yàn)與調(diào)試，本系統(tǒng)實(shí)現(xiàn)了75%以上的準(zhǔn)確率，成功完成移動(dòng)課堂考勤功能，充分驗(yàn)證了系統(tǒng)總體設(shè)計(jì)的可行性。針對(duì)實(shí)際場(chǎng)景的多變性，系統(tǒng)具備了相應(yīng)的處理機(jī)制和保障措施?？偟膩?lái)說(shuō)，本文對(duì)人臉識(shí)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(shí)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(shí)別的學(xué)生考勤系統(tǒng)[J]. 機(jī)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(shí)別[J].電腦知識(shí)與技術(shù), 2016, 12(13): 184-185.

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

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

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

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