盧鏗棟，周玲，蔡沛潛，陳曉星，羅中良

（惠州學(xué)院電子信息與電氣工程學(xué)院，惠州 516007）

0 引言

學(xué)校教師為了有效管理學(xué)生上課情況，點(diǎn)名考勤是最常見和傳統(tǒng)的方式，其占用時間長，又容易出現(xiàn)幫忙應(yīng)到或者代課的現(xiàn)象存在。隨著計(jì)算機(jī)、通信技術(shù)和移動設(shè)備應(yīng)用的普及，出現(xiàn)了各種新的考勤方式，如指紋機(jī)考勤，以生物特征指紋作為對象識別依據(jù)加快點(diǎn)名考勤，但手指上有灰塵或者有汗液存在或天氣較冷季節(jié)和地方，指紋識別存在一定的困難；微信考勤也是一種新的考勤方式，它是讓學(xué)生微信連接特定網(wǎng)絡(luò)作為到勤依據(jù)；虹膜識別考勤，其特點(diǎn)有可依靠性強(qiáng)、識別準(zhǔn)確率高的情況。但是在驗(yàn)證的過程中要求被識別者摘下眼鏡，存在一定的不方便性。而人臉識別技術(shù)具有考勤方便、速度快以及生物特征唯一等特點(diǎn)[1]，是大學(xué)考勤是較理想的方式。本文針對此需求設(shè)計(jì)了基于人臉識別的上課點(diǎn)名考勤系統(tǒng)，系統(tǒng)采用樹莓派作為系統(tǒng)開發(fā)平臺，并由充電寶移動電源供電解決其移動應(yīng)用便利性。設(shè)計(jì)的系統(tǒng)通過OpenCV人臉識別算法設(shè)計(jì)和Python語言編程實(shí)現(xiàn)，完成人臉采集和識別并與微信相關(guān)聯(lián)，實(shí)現(xiàn)將考勤數(shù)據(jù)在微信上傳輸給上課教師，同時將缺課學(xué)生名單數(shù)量加以統(tǒng)計(jì)并顯示，讓教師一目了然，極大地提升點(diǎn)名效率。

1 系統(tǒng)功能與總體設(shè)計(jì)

根據(jù)大學(xué)校園點(diǎn)名考勤的經(jīng)驗(yàn)，系統(tǒng)設(shè)計(jì)的功能主要包括：①樹莓派連接好Wi-Fi后，教師通過啟動程序生成微信二維碼并進(jìn)行登錄，學(xué)生到攝像頭面前進(jìn)行人臉識別，當(dāng)識別度大于預(yù)設(shè)的閾值表示識別成功并發(fā)出“嘀嘀嘀”提示音；②點(diǎn)名結(jié)束后按下鍵盤按鍵“Esc”結(jié)束錄制，到勤學(xué)生的名單會以Excel的形式發(fā)送到當(dāng)堂教師的微信，文檔里面包括到勤學(xué)生的姓名字母縮寫與學(xué)號，以及出勤時間，進(jìn)而對學(xué)生遲到、缺勤人數(shù)進(jìn)行統(tǒng)計(jì)；③與微信平臺中的文件傳輸助手相連，無需關(guān)注公眾號或下載App，方便使用。

該系統(tǒng)主要由樹莓派3B+模塊、攝像組模塊、有源蜂鳴器模塊及電源、按鍵等外部設(shè)備組成，系統(tǒng)總體設(shè)計(jì)如圖1所示。

圖1 系統(tǒng)總體設(shè)框圖

2 人臉識別LBP算子

LBP（Local Binary Pattern，局部二值模式）算子在3×3圖形領(lǐng)域中，將周圍的像素點(diǎn)的灰度值分別與中心像素點(diǎn)的灰度值進(jìn)行比較，當(dāng)周圍的某一像素點(diǎn)灰度值比中心像素點(diǎn)的灰度值大，便將該點(diǎn)的像素點(diǎn)記為1，反之為0。因此中心像素點(diǎn)的LBP算子[2]可以由圖2所示算出。

圖2

其中，LBP的公式可以定義為以下公式（1）：

其中,（XC,YC）為3×3領(lǐng)域的中心像素，iC是中心像素的灰度值，而iP則是周圍像素點(diǎn)的灰度值。P為領(lǐng)域內(nèi)整個采樣點(diǎn)的數(shù)量，p為領(lǐng)域內(nèi)的第p個像素。s(x)是一個符號函數(shù)[3]，定義為公式（2）：

因基本的LBP算子在圖像大小發(fā)生變化的情況下會發(fā)生編碼錯誤。因此本項(xiàng)目使用了可變半徑的圓形LBP算子來實(shí)現(xiàn)人臉識別。以圓形圖像代替原先的3×3方形圖形領(lǐng)域[4]。因此圓形圖像上可以捕獲多個采樣點(diǎn)，如圖3所示。

采樣點(diǎn)的坐標(biāo)可以通過式（3）和式（4）計(jì)算。

其中，（xc,yc）為中心像素點(diǎn)，P為采樣點(diǎn)的數(shù)量，R為圓形圖像的半徑[5]。其中P的采樣點(diǎn)位置為（xp，yp），p∈P。

圖3

3 系統(tǒng)軟件設(shè)計(jì)

3.1 人臉檢測程序

人臉檢測是目標(biāo)檢測的一部分，主要涉及兩個方面：①對檢測人臉進(jìn)行概率統(tǒng)計(jì)，從而理解待檢測人臉的某些特征，創(chuàng)造人臉檢測模型。②再使用已經(jīng)創(chuàng)造的人臉模型匹配輸入圖像，如果匹配，則將匹配的區(qū)域輸出，否則什么也不做。使用OpenCV檢測人臉，OpenCV使用對象檢測中的Haar功能的級聯(lián)列表[6]。OpenCV中有一個文件夾數(shù)據(jù)/haarcascades。該文件夾包含OpenCV這些文件可用于檢測相機(jī)獲取的圖像中的靜止圖像，視頻和臉部[7]。筆者的人臉圖像檢測與捕獲如圖4（a）所示。然后使用OpenCV進(jìn)行圖像預(yù)處理，在從相機(jī)獲得幀（圖像）之后，將圖像從RGB模式轉(zhuǎn)換為灰度圖像，并且執(zhí)行灰度直方圖均衡操作，因?yàn)镺penCV中的面部檢測需要灰色空間[8]。

3.2 訓(xùn)練數(shù)據(jù)集程序

OpenCV有三種人臉識別的方法，它們分別基于三種不同的算法：Eigenfaces、Fisherfaces和 Local Binary Pattern Histogram（LBPH）。所有的方法都有類似的過程，即使用了分好類的訓(xùn)練數(shù)據(jù)集（人臉數(shù)據(jù)集[9]，每個人都有很多樣本，這里我們設(shè)置為每個人200張）來進(jìn)行“訓(xùn)練”，對圖像或視頻中檢測到的人臉進(jìn)行分析，訓(xùn)練過后將產(chǎn)生后綴名為yml的訓(xùn)練文件。

圖4 人臉檢測捕獲與預(yù)處理

3.3 匹配訓(xùn)練程序

通過攝像頭捕捉一個新人臉，如果這個人的面孔之前被捕捉和訓(xùn)練過，識別器將會返回其預(yù)測的id和索引，并顯示其id和匹配正確的概率（概率=100-置信度指數(shù)）。同時在識別功能的基礎(chǔ)上，我們還引入連接微信的功能，引入itchat接口，使微信可與程序連接起來；同時，當(dāng)人臉匹配正確的概率大于閾值時，會將匹配成功人的id與對應(yīng)的名字寫入文本，并將文本形式由.txt轉(zhuǎn)化為.excel，同時引入蜂鳴器鳴叫功能，每當(dāng)識別成功就發(fā)出“嘀嘀嘀”響聲。引入k=cv2.waitKey（10）函數(shù)，使程序能夠在鍵盤按下“Exc”鍵時就能退出識別，并將寫入之前寫入帶有姓名字母縮寫與學(xué)號的文本發(fā)送到相關(guān)聯(lián)的微信。

圖5 人臉識別與匹配考勤結(jié)果圖

根據(jù)上述原理,系統(tǒng)總體軟件設(shè)計(jì)流程圖如圖6所示。

圖6 系統(tǒng)總體軟件流程圖

4 結(jié)語

本文設(shè)計(jì)的基于人臉識別的考勤設(shè)備，自動生成考勤文本發(fā)送到對應(yīng)的微信賬號上，使得考勤信息一目了然，讓教師精確掌握遲到、缺課的學(xué)生名單、數(shù)量。同時采用人臉識別技術(shù)這一生物特征識別技術(shù)，通過比較不同人臉圖像LBP編碼直方圖達(dá)到人臉識別的目的，識別結(jié)果不受光照、縮放、旋轉(zhuǎn)和平移的影響[10]，保證了識別的精準(zhǔn)率，極大地降低了學(xué)生找代課的可行性，提高教育質(zhì)量。所設(shè)計(jì)的設(shè)備經(jīng)過測試，具備很高的識別精準(zhǔn)度，具備一定的應(yīng)用價值。