摘 ?要： 傳統(tǒng)的課堂到課簽到管理方式多為教師或?qū)W委點(diǎn)名，該方式費(fèi)時(shí)費(fèi)力，容易引發(fā)替點(diǎn)、代課現(xiàn)象和教師不識(shí)學(xué)生現(xiàn)象，學(xué)生考勤簽到的電子化、智能化勢(shì)在必行。分析了常見(jiàn)的電子化考勤簽到管理方案，設(shè)計(jì)一種基于人臉識(shí)別的智慧教室簽到管理子系統(tǒng)，通過(guò)人臉識(shí)別、座位二維碼掃描和課堂現(xiàn)場(chǎng)隨機(jī)碼校驗(yàn)的三部曲，在盡可能的降低現(xiàn)有教室改造程度基礎(chǔ)上，完成學(xué)生上課簽到管理的信息化及智能化。

關(guān)鍵詞： 人臉識(shí)別;智慧教室;簽到管理;二維碼;隨機(jī)碼

中圖分類號(hào)： TP3 ? ?文獻(xiàn)標(biāo)識(shí)碼： A ? ?DOI：10.3969/j.issn.1003-6970.2019.12.030

本文著錄格式：張良杰. 基于人臉識(shí)別的智慧教室簽到管理子系統(tǒng)[J]. 軟件，2019，40（12）：133139

Wisdom Classroom Check-in Management Subsystem Based on Face Recognition

ZHANG Liang-jie

（Department of Information Engineering， Fujian Agriculture And Forestry University Dongfang College， Fuzhou 350715， China）

【Abstract】： The traditional way of classroom check-in management mostly make a roll call by teachers or commissary in charge of studies. This way is time-consuming and laborious. It is easy to cause substitution and the phenomenon of teachers do not recognize students. The electronic and intelligent check-in of student attendance is imperative. We analyzed common electronic attendance check-in management solutions， and design a wisdom classroom check-in management subsystem based on face recognition. Through the trilogy of face recognition， seat QR code scanning and random code verification， the informationization and intelligence of students' check-in management are completed on the basis of minimizing the degree of existing classroom renovation as much as possible.

【Key words】： Face recognition; Wisdom classroom; Check-in management; QR code; Random Code

0 ?引言

大學(xué)生一直以來(lái)是被小到家庭大到社會(huì)國(guó)家都寄予厚望的一個(gè)群體，代表著國(guó)家和民族的未來(lái)和希望。然而當(dāng)今大學(xué)已不再是過(guò)去輝煌的象牙塔，厭學(xué)逃課之風(fēng)席卷各大高校。據(jù)有關(guān)調(diào)查表明，在校大學(xué)生中，逃過(guò)課的學(xué)生人數(shù)占到85%，從未逃過(guò)課的僅占15%，同時(shí)還發(fā)現(xiàn)，從未逃過(guò)課的學(xué)生大多為大一新生，而大二以上的學(xué)生逃課現(xiàn)象嚴(yán)重。

傳統(tǒng)的課堂到課簽到管理方式多為教師或?qū)W委點(diǎn)名，喊到誰(shuí)的名字該學(xué)生就答到，然而該方式費(fèi)時(shí)費(fèi)力，學(xué)生人數(shù)眾多時(shí)，比如馬哲、毛概之類的一兩百人的大課，要么抽點(diǎn)，要么花費(fèi)更多時(shí)間點(diǎn)名，況且效果不佳，一聲“到”，只聞其聲不見(jiàn)其人，替點(diǎn)現(xiàn)象隨之出現(xiàn)，更有甚者，出現(xiàn)了“代課”的市場(chǎng)，一節(jié)課10元到50元不等，實(shí)乃教育之哀矣！該方式還存在另一個(gè)問(wèn)題，教師上了一學(xué)期的課，對(duì)大多數(shù)的學(xué)生的名字和人對(duì)不上，想要知道某個(gè)學(xué)生是誰(shuí)或者某個(gè)學(xué)生有沒(méi)有來(lái)時(shí)，就只能通過(guò)問(wèn)其他同學(xué)了。因此，依托高校信息化的建設(shè)，學(xué)生考勤簽到的電子化、智能化勢(shì)在必行。

早在幾年前，簽到管理應(yīng)用已經(jīng)出現(xiàn)，類似于阿里巴巴的釘釘，服務(wù)于各企業(yè)的打卡服務(wù)如雨后春筍般而出，它們的共同特點(diǎn)是定位打卡，然而定位的方式很容易就被破解了，通過(guò)偽造GPS數(shù)據(jù)繞過(guò)定位機(jī)制，而且在室內(nèi)定位并不精確，顯然用于學(xué)生考勤簽到略顯雞肋。

在學(xué)術(shù)界，涉及考勤簽到管理，特別是學(xué)生課堂的簽到管理，國(guó)內(nèi)外學(xué)者早已研究多年。主要的方法有：運(yùn)用Arduino和RFID射頻標(biāo)簽結(jié)合創(chuàng)建簽到記錄[1];通過(guò)內(nèi)置藍(lán)牙智能芯片的學(xué)生校園卡標(biāo)識(shí)簽到[2];通過(guò)掃描指紋然后判斷GPS定位是否在指定范圍內(nèi)判斷出席還是缺席[3];結(jié)合RFID技術(shù)和人臉識(shí)別進(jìn)行在場(chǎng)確認(rèn)[4];對(duì)標(biāo)識(shí)學(xué)生的二維碼進(jìn)行掃描識(shí)別來(lái)進(jìn)行課堂簽到[5];或者單純使用人臉識(shí)別進(jìn)行簽到的[6-7];也有直接利用各高校教室已部署的監(jiān)控?cái)z像頭進(jìn)行人臉識(shí)別從而進(jìn)行上課考勤管理[8]。這些方法都在一定程度上解決了考勤簽到問(wèn)題，推動(dòng)了考勤簽到的電子化、智能化的發(fā)展，然而也存在些許缺陷，要么部署RFID識(shí)別器、指紋掃描機(jī)等硬件設(shè)備繁瑣、成本高，要么考勤簽到過(guò)程需要排隊(duì)、浪費(fèi)時(shí)間，要么識(shí)別不夠準(zhǔn)確，比如直接利用各高校教室已部署的監(jiān)控?cái)z像頭進(jìn)行人臉識(shí)別就有可能因?yàn)楣饩€、攝像頭分辨率等原因造成后面幾排的學(xué)生無(wú)法識(shí)別人臉，并且這些方法大多都不能很好的預(yù)防代簽到現(xiàn)象，更無(wú)法解決教師不識(shí)學(xué)生現(xiàn)象。

本文設(shè)計(jì)一種基于人臉識(shí)別的智慧教室簽到管理子系統(tǒng)，關(guān)注課堂上的簽到，通過(guò)人臉識(shí)別、座位二維碼掃描和課堂現(xiàn)場(chǎng)隨機(jī)碼校驗(yàn)的三部曲，在盡可能的降低現(xiàn)有教室改造程度基礎(chǔ)上，完成學(xué)生上課簽到管理的信息化及智能化，學(xué)生亦可以通過(guò)本系統(tǒng)查看自己的課程表和簽到記錄，對(duì)于出勤率低于學(xué)校規(guī)定的課程云服務(wù)會(huì)通過(guò)App提醒學(xué)生，教師也可以通過(guò)本系統(tǒng)及時(shí)了解學(xué)生到課情況以及實(shí)時(shí)的簽到座位表，便可以一定程度上解決替點(diǎn)、代課現(xiàn)象和教師不識(shí)學(xué)生現(xiàn)象。

1 ?人臉識(shí)別

人臉是人體結(jié)構(gòu)的一個(gè)重要的組成部分，形成了獨(dú)特的生物特征，相對(duì)于其他生物特征，比如：指紋、掌紋、聲音、虹膜、步態(tài)等等，人臉并不需要額外的動(dòng)作配合，它就在那里，能更加便捷的進(jìn)行采集用于生物特征識(shí)別。人臉識(shí)別技術(shù)是計(jì)算機(jī)視覺(jué)領(lǐng)域的典型應(yīng)用，特別是近年來(lái)，隨著技術(shù)的發(fā)展成熟，被廣泛用于門禁、考勤、酒店、機(jī)場(chǎng)等各應(yīng)用領(lǐng)域，甚至于超市的自助收銀臺(tái)也開(kāi)始大規(guī)模的部署人臉識(shí)別應(yīng)用。

廣義的人臉識(shí)別包括圖像采集、人臉檢測(cè)、人臉對(duì)齊、特征表示等過(guò)程[9]。人臉識(shí)別的典型流程主要包括：人臉檢測(cè)、特征定位、預(yù)處理、特征提取、特征對(duì)比、決策判斷等階段。

人臉識(shí)別應(yīng)用的核心是特征提取，過(guò)去幾十年，全世界的研究者們提出了很多非常有效的特征提取和人臉識(shí)別算法，極大的促進(jìn)了人臉識(shí)別技術(shù)的發(fā)展。最經(jīng)典的算法有LBP（Local Binary Patterns，局部二值模式）、HOG（Histogram of Oriented Gradient，方向梯度直方圖）、PCA（Principal Component Analysis，主成分分析）、LDA（Linear Discriminant Analysis，線性判別分析）、SVM（Support Vector Machines，支持向量機(jī)）等等。有單獨(dú)應(yīng)用這些算法進(jìn)行人臉識(shí)別的，也有結(jié)合若干算法比如PCA、LDA和SVM融合進(jìn)行特征提取和識(shí)別的[10]，也有采用一些較新的方法比如結(jié)合曲波變換和輪廓波變換提取特征然后用SVM進(jìn)行分類識(shí)別的[11]，也有基于三元組損失函數(shù)的改進(jìn)型OpenFace開(kāi)源深度學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行識(shí)別的[12]，等等，這些的研究成果都在不斷的提高人臉識(shí)別的識(shí)別率和便利性。

就本系統(tǒng)而言，由于人臉圖像的獲取是在手機(jī)端，總體上分為三個(gè)階段：人臉檢測(cè)、活體檢測(cè)、識(shí)別驗(yàn)證。從開(kāi)發(fā)的角度，業(yè)界廣泛應(yīng)用開(kāi)源的開(kāi)發(fā)框架OpenCV和dlib進(jìn)行開(kāi)發(fā)，已經(jīng)有輪子了就不需要重復(fù)自己造輪子。本系統(tǒng)的人臉識(shí)別功能的開(kāi)發(fā)也是基于OpenCV和dlib進(jìn)行。

1.1 ?人臉檢測(cè)

人臉檢測(cè)是第一步，手機(jī)終端App通過(guò)攝像頭（前置）獲取視頻流，首先要通過(guò)視頻流檢測(cè)到人臉才能進(jìn)行后續(xù)的動(dòng)作，未經(jīng)人臉檢測(cè)的活體檢測(cè)和識(shí)別驗(yàn)證毫無(wú)意義，并且浪費(fèi)時(shí)間和資源。

人臉檢測(cè)是目標(biāo)檢測(cè)的一種應(yīng)用，主要依照人臉的眼睛、鼻子、嘴巴、下巴、眉毛等臉部特征。OpenCV主要采用基于Haar-Cascade的人臉檢測(cè)，可以實(shí)時(shí)工作在CPU上，但檢測(cè)錯(cuò)誤情況會(huì)時(shí)常出現(xiàn)，比如把非人臉檢測(cè)成人臉，在OpenCV 3.3之后的版本中引入了新的基于DNN的人臉檢測(cè)，提高了識(shí)別率。dlib在人臉檢測(cè)上相對(duì)優(yōu)于OpenCV，基于68個(gè)特征點(diǎn)的特征提取可以很精確的檢測(cè)出人臉，如圖1所示，dlib有兩種運(yùn)行模式，一種是運(yùn)行于CPU上的HOG算法模式，另一種是運(yùn)行于GPU上的CNN算法模式。

圖1 ?dlib的人臉68個(gè)特征點(diǎn)

Fig.1 ?68 feature points of face in dlib

而現(xiàn)代的智能手機(jī)大都可以利用自帶相機(jī)硬件所支持的人臉檢測(cè)模式去檢測(cè)人臉，以Android為例，Android 5.0版本開(kāi)始引入了新的camera2 API，相較于舊的camera API，配合HAL3有更先進(jìn)的API架構(gòu)和攝像體驗(yàn)。在camera2 API中內(nèi)置了人臉檢測(cè)模式，如表1所示。

表1 ?camera2 API的人臉檢測(cè)模式

Tab.1 ?Face detection mode of camera2 API

模式 支持程度

STATISTICS_FACE_DETECT_MODE_FULL 完全支持

STATISTICS_FACE_DETECT_MODE_SIMPLE 簡(jiǎn)單支持

STATISTICS_FACE_DETECT_MODE_OFF 不支持

本系統(tǒng)的人臉檢測(cè)部分采用camera2 API和OpenCV結(jié)合的方式，在手機(jī)本身具備簡(jiǎn)單或完全支持模式時(shí)采用camera2 API方式最快最有效率的檢測(cè)，否則切換到OpenCV的檢測(cè)模式。

1.2 ?活體檢測(cè)

在安全日益成為全球性問(wèn)題的當(dāng)今，人們對(duì)系統(tǒng)的安全性也更加的關(guān)注，人臉識(shí)別就像傳統(tǒng)的信息系統(tǒng)一樣容易受到攻擊，而活體檢測(cè)就是用來(lái)阻止人臉攻擊，可想而知，諸如支付寶之類的金融應(yīng)用，如果被有心人盜用他人信息用一張假臉登錄、支付，那可是很可怕的事情。

主要的人臉攻擊的手段有三種：照片攻擊（包括紙質(zhì)照片和電子屏幕上的照片）、視頻攻擊、面具攻擊或3D人臉模型攻擊。而面具攻擊或3D人臉模型攻擊相對(duì)難度較大，因而一般的非金融應(yīng)用的活體檢測(cè)主要是杜絕照片攻擊和視頻攻擊。主要是通過(guò)圖像或視頻的質(zhì)量、顏色紋理、材料、運(yùn)動(dòng)變形等方面判別是活體還是非活體，或者說(shuō)是真臉還是假臉。

在過(guò)去的若干年，專家學(xué)者們提出了一些方面用來(lái)進(jìn)行活體檢測(cè)，比如：通過(guò)提取經(jīng)過(guò)高斯濾波后的峰值信噪比、均方誤差、結(jié)構(gòu)相似度等8維度的圖像質(zhì)量評(píng)估指標(biāo)，通過(guò)二次判別分析進(jìn)行判別是真臉還是假臉[13];通過(guò)高光反射、顏色差異性、模糊性等進(jìn)行圖像失真分析，然后結(jié)合K均值聚類和SVM進(jìn)行判別是真臉還是假臉[14];結(jié)合HSV空間的人臉多級(jí)LBP特征和YCbCr空間的人臉LPQ特征，然后通過(guò)SVM進(jìn)行判別是真臉還是假臉[15];通過(guò)眼睛的長(zhǎng)寬比檢測(cè)是否眨眼來(lái)判別是真臉還是假臉[16];通過(guò)角度徑向變換提取特征來(lái)判別是否是3D人臉模型攻擊[17]。當(dāng)然還有直接采用深度學(xué)習(xí)的方式進(jìn)行活體檢測(cè)，這些都極大的促進(jìn)了活體檢測(cè)技術(shù)的進(jìn)步。

本系統(tǒng)通過(guò)結(jié)合如式（1）的峰值信噪比和如式（2）的結(jié)構(gòu)相似度來(lái)訓(xùn)練SVM進(jìn)行圖像質(zhì)量評(píng)估，主要用來(lái)判別是否是照片攻擊和視頻攻擊，再通過(guò)如式（3）的眼睛長(zhǎng)寬比檢測(cè)眨眼來(lái)最終判別是真臉還是假臉。本系統(tǒng)的活體檢測(cè)基于OpenCV實(shí)現(xiàn)。

（1）

（2）

（3）

1.3 ?識(shí)別驗(yàn)證

在人臉檢測(cè)和活體檢測(cè)全部通過(guò)后，最后就要進(jìn)行識(shí)別驗(yàn)證了。

本系統(tǒng)的人臉檢測(cè)和活體檢測(cè)全部是通過(guò)手機(jī)終端App進(jìn)行，但受限于手機(jī)的運(yùn)算資源，真正的識(shí)別驗(yàn)證必然要放在云端（或服務(wù)器端）為佳，因而采用基于dlib的開(kāi)源人臉識(shí)別庫(kù)face_recognition搭建人臉識(shí)別環(huán)境，face_recognition對(duì)dlib調(diào)用進(jìn)行封裝，提供了簡(jiǎn)單易用的命令與接口，它在LFW人臉數(shù)據(jù)庫(kù)上測(cè)試有高達(dá)99.38%的識(shí)別率，可以說(shuō)是功能強(qiáng)大又易上手的開(kāi)源人臉識(shí)別庫(kù)。

識(shí)別驗(yàn)證的流程如圖2所示。對(duì)于圖2描述的獲取128維人臉特征向量的具體流程如圖3所示。

圖2 ?face_recognition識(shí)別驗(yàn)證流程

Fig.2 ?Face_recognition verification process

圖3 ?獲取128維人臉特征向量流程

Fig.3 ?Get 128-dimensional face feature vector process

2 ?系統(tǒng)總體架構(gòu)與模塊

本系統(tǒng)由基于Android的學(xué)生終端、基于云端的存儲(chǔ)與計(jì)算服務(wù)和基于Web的管理端三大模塊構(gòu)成，總體架構(gòu)如圖4所示。

2.1 ?基于Android的學(xué)生終端

Android的終端App由登錄模塊、簽到模塊、歷史統(tǒng)計(jì)模塊、課程表模塊以及設(shè)置和個(gè)人信息管

理模塊構(gòu)成，App首頁(yè)如圖5所示。在本終端的簽到（核心）模塊中，采用了簽到驗(yàn)證三部曲，即人臉識(shí)別、座位二維碼掃描、課堂現(xiàn)場(chǎng)隨機(jī)碼校驗(yàn)，人臉識(shí)別如圖6所示，成功后需要在1分鐘內(nèi)完成后續(xù)的掃描座位二維碼和輸入現(xiàn)場(chǎng)隨機(jī)碼，否則本次的人臉識(shí)別就失效了，目的是盡可能的防止替點(diǎn)或代簽到現(xiàn)象，如圖7所示。本App終端采用Android 5.0版本以后引入的camera2 API和OpenCV結(jié)合的方式，調(diào)用攝像頭（前置）進(jìn)行人臉檢測(cè)，將檢測(cè)到的人臉視頻流以多幀靜默拍照后進(jìn)行活體檢測(cè)，活體檢測(cè)通過(guò)后傳送到云端進(jìn)行識(shí)別驗(yàn)證。在座位二維碼掃描方面，App終端采用成熟的Google開(kāi)源框架ZXing調(diào)用攝像頭進(jìn)行二維碼的掃描識(shí)別。

圖4 ?系統(tǒng)總體架構(gòu)

Fig.4 ?System architecture

圖5 ?App首頁(yè)

Fig.5 ?Home page of App 圖6 ?App的人臉和活體檢測(cè)

Fig.6 ?Face and live detection of App 圖7 ?1分鐘內(nèi)完成簽到

Fig.7 ?Check-in within 1 minute

2.2 ?基于云端的存儲(chǔ)與計(jì)算服務(wù)

從技術(shù)上，云服務(wù)分為兩大部分，一部分是采用基于dlib深度學(xué)習(xí)模型的開(kāi)源人臉識(shí)別庫(kù)face_ recognition搭建人臉識(shí)別環(huán)境，然后使用Python語(yǔ)言編寫socket多線程服務(wù)接口接收終端App的人臉識(shí)別請(qǐng)求，另一部分是采用Linux+Tomcat+MySQL+ Java架構(gòu)搭建基于HTTP的Web接口服務(wù)，Linux操作系統(tǒng)高效、安全、穩(wěn)定，采用了主流開(kāi)源的MySQL作為底層數(shù)據(jù)存儲(chǔ)，體積小、效率高、可移植性強(qiáng)，在MySQL數(shù)據(jù)庫(kù)之上建立DAO層、業(yè)務(wù)邏輯和模型層以及接口層，以JSON為數(shù)據(jù)格式為App終端和Web終端提供基于HTTP的Web接口服務(wù)。基于成熟LTMJ架構(gòu)的云服務(wù)，提供了穩(wěn)健、可靠的云端存儲(chǔ)與計(jì)算，Web服務(wù)接口設(shè)置基于timestamp+key的權(quán)限驗(yàn)證，能在一定程度上保障了接口調(diào)用的安全。云服務(wù)的架構(gòu)如圖8所示。

圖8 ?云服務(wù)架構(gòu)

Fig.8 ?Cloud service architecture

2.3 ?基于Web的管理端

Web管理端采用HTML+CSS+JavaScript實(shí)現(xiàn)，采用前后端分離架構(gòu)，通過(guò)jQuery框架的Ajax方式請(qǐng)求云服務(wù)所提供的接口。Web管理端的使用者分為兩類，一類是管理員，可以對(duì)學(xué)生、教師等人員信息進(jìn)行管理，可以進(jìn)行課程、教室以及課程表的管理，可以對(duì)系統(tǒng)進(jìn)行全局參數(shù)設(shè)置;另一類是教師，可以查看更新自己的個(gè)人信息，可以查看自己的課程表，如圖9所示，可以對(duì)每次課發(fā)布現(xiàn)場(chǎng)隨機(jī)碼，如圖10所示，并查看實(shí)時(shí)簽到座位表，如圖11所示。

圖9 ?教師個(gè)人的課程表

Fig.9 ?Teacher's personal curriculum

圖10 ?教師通過(guò)Web管理端發(fā)布課堂現(xiàn)場(chǎng)隨機(jī)碼

Fig.10 ?Release random code of classroom through web

圖11 ?實(shí)時(shí)簽到座位表

Fig.11 ?Real time check-in seat list

3 ?系統(tǒng)的其他關(guān)鍵技術(shù)

系統(tǒng)所涉及到的其他相關(guān)關(guān)鍵技術(shù)主要有座位二維碼生成識(shí)別算法、出勤率低的提醒技術(shù)、學(xué)生簽到有效性驗(yàn)證算法、課程是否是當(dāng)前時(shí)間正在上課的判別方法等。

3.1 ?座位二維碼生成識(shí)別算法

二維碼是用某種特定的幾何圖形按一定規(guī)律在平面（二維方向上）分布的黑白相間的圖形記錄數(shù)據(jù)符號(hào)信息。一維碼存儲(chǔ)信息有限，二維碼成為了補(bǔ)充和替代一維碼的一種方案，但二維碼并非只有一種編碼方式，常見(jiàn)的碼制有Data Matrix、MaxiCode、Aztec、QR Code、Vericode、PDF417、Ultracode、Code 49、Code 16K等等，不同的碼制在信息密度、校驗(yàn)功能等方面都有相應(yīng)差異。最常見(jiàn)、使用最廣泛的要數(shù)QR Code二維碼了，它具有識(shí)讀速度快、信息容量大、占用空間小、保密性強(qiáng)、可靠性高的優(yōu)勢(shì)。本系統(tǒng)的座位二維碼所使用的也是QR Code碼。

在座位二維碼的生成算法上，考慮到二維碼的信息是公開(kāi)的，不必做復(fù)雜的加密，但直接以明文的方式生成又顯得簡(jiǎn)單暴露，最終采取了基于Base64編碼的生成算法。因座位二維碼需要包含教室信息（教室編號(hào)）和座位信息（座位編號(hào)），故而把教室信息和座位信息利用“@”進(jìn)行合成形成原始字符串，例如字符串“56@E301”就表示E301教室的56號(hào)座位。有了原始字符串后，首先采用md5算法獲取原始字符串的散列值，然后把32位的散列值按8位形成前后四個(gè)部分，分別與原始字符串拼湊形成新的字符串，最后通過(guò)Base64編碼獲得最終的編碼字符串，例如原始字符串“56@E301”，就有了以“56”、“@”、“E301”分隔開(kāi)的四個(gè)位置，把md5的32位散列值按8位分別插入形成新的字符串，最后通過(guò)Base64編碼得到編碼字符串為“YTkwM2I0 YzM1Njc1MTMyMDdjQGQxMjg4MGFhRTMwMW YxNDEyMTRm”，有了編碼字符串，就可以通過(guò)網(wǎng)上很多免費(fèi)甚至開(kāi)源的二維碼生成工具生成二維碼圖案，本系統(tǒng)采用Google開(kāi)源框架ZXing生成。座位二維碼生成算法如圖12所示，識(shí)別算法反之即可。

3.2 ?出勤率低的提醒技術(shù)

保障學(xué)生的課堂出勤率便是簽到管理系統(tǒng)的意義所在，所以本系統(tǒng)設(shè)計(jì)之初就考慮了對(duì)于出勤率低于學(xué)校規(guī)定的課程，云服務(wù)會(huì)通過(guò)App提醒學(xué)生。

主要通過(guò)課程的已完成學(xué)時(shí)和學(xué)生簽到次數(shù)（默認(rèn)是一次課即兩節(jié)課簽到一次，或者按照后臺(tái)管理設(shè)置的課程屬性規(guī)定）進(jìn)行對(duì)比，超過(guò)兩次（即三次及三次以上）或者后臺(tái)管理設(shè)置規(guī)定次數(shù)則向該學(xué)生的終端App推送提醒信息，如圖13所示。學(xué)生通過(guò)App的提醒信息模塊查看違規(guī)課程并及時(shí)聯(lián)系任課老師進(jìn)行相應(yīng)處理，如圖14所示。

3.3 ?學(xué)生簽到有效性驗(yàn)證算法

簽到功能是在學(xué)生的Android終端App上實(shí)現(xiàn)，雖然已經(jīng)采用人臉識(shí)別、座位二維碼掃描、課堂現(xiàn)場(chǎng)隨機(jī)碼校驗(yàn)的簽到驗(yàn)證三部曲，但由于相近專業(yè)甚至是相近年級(jí)的班級(jí)都有可能同一學(xué)期上同一門課，即便是同一個(gè)班的同一門課也可能被安排在同一天甚至是同一間教室，為了保證簽到的有效性，防止非法簽到，在云服務(wù)端需要對(duì)每次的簽到進(jìn)行有效性驗(yàn)證。首先判別學(xué)生的專業(yè)、年級(jí)以及輸入

圖12 ?座位二維碼生成算法

Fig.12 ?Seat QR code generation algorithm

圖13 ?向?qū)W生的終端App推送提醒信息

Fig.13 ?Push reminders to students' App

圖14 ?提醒信息模塊查看違規(guī)課程

Fig.14 ?Remind information module to view record

的現(xiàn)場(chǎng)隨機(jī)碼是否與該課程匹配，然后判別簽到的教室和當(dāng)前的星期是否與該課程匹配，最后判別簽到時(shí)間是否在該課程上課前10分鐘和上課后5分鐘內(nèi)，即每次課的簽到只有15分鐘時(shí)間，例如某課程08：00上課，則有效簽到時(shí)間是07：50到08：05之間，目的是為了防止學(xué)生過(guò)早的簽到和遲到現(xiàn)象，而且簽到需要教師發(fā)布的課堂現(xiàn)場(chǎng)隨機(jī)碼，正常情況下教師會(huì)提前5到10分鐘到達(dá)教室。算法如圖15所示。

圖15 ?學(xué)生簽到有效性驗(yàn)證算法

Fig.15 ?The algorithm for verifying the

validity of student check-in

3.4 ?課程是否是當(dāng)前時(shí)間正在上課的判別方法

教師通過(guò)Web終端查看自己的課程表，點(diǎn)擊課程表的課程進(jìn)入簽到管理頁(yè)面需要判別該課程是否是當(dāng)前時(shí)間正在上課的課程，判別標(biāo)準(zhǔn)是當(dāng)前的星期是否匹配，以及當(dāng)前時(shí)間是否在該課程上課時(shí)間的前10分鐘和后95分鐘內(nèi)（一節(jié)課45分鐘，兩節(jié)課加課間5分鐘為95分鐘，或者按照后臺(tái)管理設(shè)置的課程和課間時(shí)間）。若不是當(dāng)前時(shí)間正在上課的課程，教師無(wú)法進(jìn)入該課程進(jìn)行查看實(shí)時(shí)的簽到座位表以及隨機(jī)碼發(fā)放和已上學(xué)時(shí)的管理，如圖16所示。

圖16 ?教師無(wú)法進(jìn)入不是當(dāng)前時(shí)間正在上課的課程

Fig.16 ?Teachers cannot enter courses that

are not currently in class

4 ?結(jié)語(yǔ)

在考勤簽到管理日益重要，電子化、智能化日益流行的今天，本文設(shè)計(jì)了一種基于人臉識(shí)別的智慧教室簽到管理子系統(tǒng)，關(guān)注課堂上的簽到，通過(guò)人臉識(shí)別、座位二維碼掃描和課堂現(xiàn)場(chǎng)隨機(jī)碼校驗(yàn)的三部曲，在盡可能的降低現(xiàn)有教室改造程度基礎(chǔ)上，完成學(xué)生上課簽到管理的信息化及智能化。通過(guò)本校2017級(jí)計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)的實(shí)際課程的使用情況，效果良好，綜合人臉識(shí)別成功率達(dá)到98.6%，有個(gè)別由于光線角度等原因需要二次識(shí)別。簽到管理子系統(tǒng)作為智慧教室系統(tǒng)中重要的子系統(tǒng)，也是智慧校園重要的組成部分，在未來(lái)的研究中我們考慮到還可以加入相應(yīng)的擴(kuò)展，比如課程及教室智能管理、教室設(shè)備智能管理、學(xué)生學(xué)情分析等等，進(jìn)一步增強(qiáng)系統(tǒng)的功能和實(shí)用性。

參考文獻(xiàn)

[1]Hameed S， Saquib S M T， Hassan M U， et al. Radio Frequency Identification （RFID） Based Attendance & Assessment System with Wireless Database Records[J]. Procedia-Social and Behavioral Sciences， 2015， 195： 2889-2895.

[2]Lodha R， Gupta S， Jain H， et al. Bluetooth Smart Based Attendance Management System[J]. Procedia Computer Science， 2015， 45： 524-527.

[3]Nagothu S K， Kumar O P， Anitha G. GPS Aided Autonomous Monitoring and Attendance System[J]. Procedia Computer Science， 2016， 87： 99-104.

[4]Khaled Mohammed， A. S. Tolba， Mohammed Elmogy. Multimodal student attendance management system （MSAMS）[J]. Ain Shams Engineering Journal， 2018， 9： 2917–2929.

[5]王龍. 基于二維碼的課堂簽到管理系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J]. 軟件工程， 2019， 22（06）： 13-16.

[6]牛亞運(yùn)， 仲梁維. 融合人臉識(shí)別與數(shù)據(jù)分析的智能簽到系統(tǒng)設(shè)計(jì)[J/OL]. 軟件導(dǎo)刊： 1-6[2019-07-25]. http： //kns. cnki. net/kcms/detail/42. 1671. TP. 20190624. 1359. 034. html.

[7]吳美香， 鄧園園， 裴楓華， 余松森， 潘家輝. 基于人臉識(shí)別的移動(dòng)課堂考勤系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J]. 軟件， 2018， 39（01）： 5-8.

[8]吳宗勝. 基于人臉識(shí)別的課堂視頻考勤系統(tǒng)設(shè)計(jì)[J]. 物聯(lián)網(wǎng)技術(shù)， 2019， 9（06）： 87-89.

[9]景晨凱， 宋濤， 莊雷， 劉剛， 王樂(lè)， 劉凱倫. 基于深度卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別技術(shù)綜述[J]. 計(jì)算機(jī)應(yīng)用與軟件， 2018， 35（01）： 223-231.

[10]徐竟?jié)桑?吳作宏， 徐巖， 曾建行. 融合PCA、LDA和SVM算法的人臉識(shí)別[J]. 計(jì)算機(jī)工程與應(yīng)用， 2019， 55（18）： 34-37.

[11]Suparna Biswas， Jaya Sil. An efficient face recognition method using contourlet and curvelet transform[J]. Journal of King Saud University - Computer and Information Sciences， 2017.

[12]Kevin Santoso， Gede Putra Kusuma. Face Recognition Using Modified OpenFace[J]. Procedia Computer Science， 2018， 135： 510-517.

[13]Fernandes S L， Bala G J. Developing a Novel Technique for Face Liveness Detection[J]. Procedia Computer Science， 2016， 78： 241-247.

[14]T. Faseela， M. Jayasree. Spoof Face Recognition in Video Using KSVM[J]. Procedia Technology， 2016， 24： 1285-1291.

[15]Boulkenafet Z， Komulainen J， Hadid A. Face Spoofing Detection Using Colour Texture[J]. IEEE Transactions on Information Forensics and Security， 2016.

[16]Tereza S， Jan C. Real-Time Eye Blink Detection using Facial Landmarks[C]. 21st Computer Vision Winter Workshop， 2016.

[17]Hamdan B， Mokhtar K. The detection of spoofing by 3D mask in a 2D identity recognition system[J]. Egyptian Informatics Journal， 2017： S1110866517303067.