吳宗勝

摘 要：學(xué)生在課堂上的考勤是學(xué)生日常管理的重要任務(wù)，傳統(tǒng)的紙質(zhì)點(diǎn)名方式會(huì)浪費(fèi)很多時(shí)間和精力。現(xiàn)有許多非手工方式，雖然能節(jié)約精力，但是必須排隊(duì)刷卡、采集虹膜、人臉或者指紋，也很費(fèi)力。文中提出一種自動(dòng)考勤系統(tǒng)，無(wú)需人工干預(yù)，無(wú)需排隊(duì)采集信息。該系統(tǒng)通過(guò)現(xiàn)有教室里普遍應(yīng)用的高清攝像頭，在上課開(kāi)始時(shí)自動(dòng)采集圖像，檢測(cè)圖像中的人臉，并將檢測(cè)到的人臉與數(shù)據(jù)庫(kù)進(jìn)行比較，并標(biāo)記出勤情況。這種新系統(tǒng)比傳統(tǒng)的考勤系統(tǒng)省時(shí)，同時(shí)又不干擾正常的教學(xué)過(guò)程，能準(zhǔn)確檢測(cè)學(xué)生在課堂上的出勤情況。

關(guān)鍵詞：人臉識(shí)別;圖像采集;考勤系統(tǒng);課堂視頻;虹膜;出勤率

中圖分類(lèi)號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-1302（2019）06-00-03

0 引 言

高校的教學(xué)管理中，出勤率的考核是一項(xiàng)重要的內(nèi)容。傳統(tǒng)的紙質(zhì)點(diǎn)名方式或查學(xué)生證的方式不僅耗時(shí)、耗力，在考勤過(guò)程中還可能擾亂正常的教學(xué)秩序。近幾年出現(xiàn)了一些現(xiàn)代化的考勤方式，比如刷卡[1-2]方式，學(xué)生攜帶一張RFID卡，需要將其放在讀卡器上記錄出勤情況，使用RS 232將系統(tǒng)連接到計(jì)算機(jī)，并從數(shù)據(jù)庫(kù)中保存記錄的出勤信息。該系統(tǒng)可能會(huì)導(dǎo)致欺詐性訪問(wèn)問(wèn)題，未經(jīng)授權(quán)的人可以使用授權(quán)的身份證進(jìn)入系統(tǒng)。指紋考勤系統(tǒng)[3-4]，在講課期間學(xué)生可將手指放在傳感器上，而無(wú)需指導(dǎo)老師干預(yù)，是一個(gè)簡(jiǎn)單可行的考勤方法。但是在講課期間，設(shè)備的傳遞可能會(huì)分散學(xué)生的注意力，另外指模也可以代替同學(xué)簽到。虹膜識(shí)別考勤系統(tǒng)[5-6]和RFID卡類(lèi)似，需要每個(gè)同學(xué)排隊(duì)檢測(cè)虹膜，浪費(fèi)課堂時(shí)間，擾亂課堂秩序。對(duì)分易考勤系統(tǒng)，雖然可以調(diào)整考勤時(shí)間，但是每個(gè)學(xué)生都需要在手機(jī)上網(wǎng)簽到，對(duì)于沒(méi)帶手機(jī)、或者沒(méi)記住考勤號(hào)的同學(xué)可能會(huì)遺漏。當(dāng)然對(duì)于考勤時(shí)間限制較長(zhǎng)的，簽到號(hào)完全可以發(fā)送到不到課堂的學(xué)生手機(jī)上，可以遠(yuǎn)程簽到，不利于簽到的準(zhǔn)確性。隨著人臉識(shí)別技術(shù)的發(fā)展，人臉考勤系統(tǒng)[7-9]也進(jìn)入人員管理系統(tǒng)中。但是，常用的人臉考勤系統(tǒng)都需要專(zhuān)門(mén)的人臉識(shí)別設(shè)備，需要在上課前或下課后排隊(duì)識(shí)別考勤，浪費(fèi)時(shí)間，也存在考勤后溜走不上課的情況。

為此本文設(shè)計(jì)一種新的人臉識(shí)別考勤方法，在無(wú)需老師和學(xué)生干預(yù)的情況下，實(shí)現(xiàn)學(xué)生在課堂環(huán)境中的自動(dòng)識(shí)別和出勤記錄。目前一般高校的各個(gè)教室都有高清監(jiān)控?cái)z像頭，這些攝像頭會(huì)不斷地捕捉學(xué)生的視頻圖像并保存到監(jiān)控中心，用來(lái)記錄學(xué)生的上課情況。本文利用監(jiān)控視頻拍攝下來(lái)的視頻圖像，在課堂上檢測(cè)圖像中的學(xué)生人臉，將檢測(cè)到的人臉特征與數(shù)據(jù)庫(kù)中的特征進(jìn)行比較識(shí)別，并登記出勤情況。

1 系統(tǒng)總體設(shè)計(jì)

該系統(tǒng)由教室里安裝的攝像頭捕捉學(xué)生圖像，并將其發(fā)送到監(jiān)控中心后臺(tái)進(jìn)行處理和考勤。在后臺(tái)的人臉識(shí)別系統(tǒng)中，根據(jù)上課時(shí)間按照一定的時(shí)間間隔從教室監(jiān)控視頻中捕獲學(xué)生圖像，并對(duì)圖像進(jìn)行增強(qiáng)和去噪處理;然后在圖像中檢測(cè)人臉，并將檢測(cè)到的人臉進(jìn)行對(duì)齊處理;最后進(jìn)行人臉對(duì)比識(shí)別，并在數(shù)據(jù)庫(kù)中標(biāo)記出勤情況。本系統(tǒng)由圖1所示的4個(gè)模塊組成：學(xué)生入學(xué)人臉圖像采集模塊、學(xué)生上課考勤人臉圖像采集模塊、人臉對(duì)比識(shí)別模塊和考勤管理模塊。

在學(xué)生入學(xué)時(shí)，都會(huì)采集他們的面部圖像，存儲(chǔ)在數(shù)據(jù)庫(kù)中，并按班級(jí)分類(lèi)，將這些圖像經(jīng)過(guò)預(yù)處理后按班級(jí)保存在學(xué)生人臉特征數(shù)據(jù)庫(kù)中。在上課考勤時(shí)，對(duì)在教室采集到的圖像進(jìn)行人臉檢測(cè)和對(duì)齊，并和數(shù)據(jù)庫(kù)中圖像逐一進(jìn)行比較，如果能識(shí)別出來(lái)，則在考勤數(shù)據(jù)庫(kù)中標(biāo)記出勤信息。開(kāi)始上課后，系統(tǒng)將自動(dòng)啟動(dòng)考勤流程，在一節(jié)課堂中多次采集學(xué)生圖像并進(jìn)行人臉識(shí)別，自動(dòng)獲得出勤率，節(jié)省了大量時(shí)間，而且不會(huì)有任何弄虛作假情況。具體流程如圖2所示。

2 系統(tǒng)模塊設(shè)計(jì)

2.1 學(xué)生入學(xué)人臉圖像采集模塊

隨著信息技術(shù)的發(fā)展，在學(xué)生入學(xué)時(shí)需要辦理校園卡、銀行卡，以及貸款等業(yè)務(wù)，這些業(yè)務(wù)系統(tǒng)都需要對(duì)學(xué)生進(jìn)行人臉圖像采集，并將圖像和學(xué)生的基本信息進(jìn)行綁定。本系統(tǒng)將這些采集好的人臉圖像數(shù)據(jù)庫(kù)作為人臉圖像的查詢(xún)庫(kù)，按學(xué)生的學(xué)號(hào)將圖像與基本信息按班級(jí)分類(lèi)，做成班級(jí)考勤的人臉識(shí)別庫(kù)。具體流程如圖3所示。

目前，提取人臉特征的方法較多，如基于主成分分析（Principal Component Analysis，PCA）技術(shù)[10-11]的Eigenfaces[12]，該方法是PCA最具代表性的方法，是應(yīng)用于人臉識(shí)別問(wèn)題的最流行的算法之一;基于線(xiàn)性判別分析（Linear Discriminant Analysis，LDA）的方法Fisherfaces[13]，以及Fisherfaces的改進(jìn)方法KFDA[14]。PCA和LDA有相似之處，都是對(duì)原有數(shù)據(jù)進(jìn)行整體降維映射到低維空間的方法。LDA同時(shí)考慮了類(lèi)間離散度和類(lèi)內(nèi)離散度，使這兩者的比率達(dá)到最大。經(jīng)實(shí)驗(yàn)證明，F(xiàn)isherfaces的性能優(yōu)于Eigenfaces。本系統(tǒng)采用OpenCV+Fisherfaces的方法提取人臉特征并進(jìn)行人臉識(shí)別。采集到的人臉圖像由較多的像素組成，如果一個(gè)像素為1維特征，那么得到的人臉圖像將是一個(gè)維數(shù)很高的特征向量，計(jì)算量非常大，且人臉中的這些像素都具有一定相關(guān)性。PCA和LDA技術(shù)能在降低圖像維數(shù)時(shí)降低原始各維特征之間的相關(guān)性。根據(jù)LDA技術(shù)對(duì)采集的學(xué)生人臉圖像提取特征，并將特征保存到人臉特征數(shù)據(jù)庫(kù)中，以供在課堂考勤中進(jìn)行人臉對(duì)比識(shí)別。

2.2 學(xué)生上課考勤人臉圖像采集模塊

在學(xué)生上課時(shí)，該教室的攝像頭會(huì)隨著老師講臺(tái)的打開(kāi)自動(dòng)打開(kāi)，學(xué)生進(jìn)入教室時(shí)，攝像頭一直工作，在上課期間采集上課的每位學(xué)生圖像。因?yàn)榻淌业臄z像頭不是專(zhuān)門(mén)采集人臉的，上課時(shí)拍攝到的圖像中存在學(xué)生的臉部姿勢(shì)不正，大小各異（教室前面的臉部大，后面的學(xué)生臉部?。?，所以需要進(jìn)行人臉檢測(cè)和人臉對(duì)齊。在人臉檢測(cè)前，先對(duì)視頻圖像進(jìn)行預(yù)處理，此預(yù)處理步驟涉及提取人臉圖像的直方圖均衡和去噪處理;然后在圖像中檢測(cè)人臉，定位人臉部分后使用人臉對(duì)齊方法[15-17]進(jìn)行臉部剪切、仿射變形;最終生成人臉正面圖像，并將其大小調(diào)整為100×100像素。直方圖均衡是最常用的直方圖歸一化技術(shù)，通過(guò)擴(kuò)展圖像的強(qiáng)度范圍提高了圖像的對(duì)比度，使圖像更清晰。歸一化后將人臉圖像調(diào)整為統(tǒng)一大小，再按照LDA的方式提取人臉特征。

2.3 人臉對(duì)比識(shí)別模塊

從檢測(cè)到的人臉圖像中提取到特征后，需要將其和存儲(chǔ)的人臉特征數(shù)據(jù)庫(kù)進(jìn)行查詢(xún)對(duì)比，識(shí)別人臉圖像。因此，在人臉檢測(cè)步驟之后，下一步是人臉識(shí)別。在第2.2節(jié)已經(jīng)檢測(cè)到圖像中的所有人臉，并使用對(duì)齊方法剪切下來(lái)規(guī)整成統(tǒng)一大小的臉部正面圖像，接下來(lái)提取這些人臉圖像的特征并逐一與該班級(jí)的學(xué)生人臉特征數(shù)據(jù)庫(kù)進(jìn)行比較，這樣通過(guò)人臉數(shù)據(jù)庫(kù)對(duì)學(xué)生的人臉進(jìn)行逐一驗(yàn)證，就可以識(shí)別出學(xué)生的身份，同時(shí)在考勤管理數(shù)據(jù)庫(kù)中標(biāo)注學(xué)生的出勤情況。具體做法為：將學(xué)生入學(xué)人臉采集圖像作為樣本圖像，學(xué)生上課考勤的人臉作為測(cè)試圖像，然后使用LDA方法提取圖像特征，最后通過(guò)構(gòu)造特征空間進(jìn)行投影計(jì)算，使用分類(lèi)器進(jìn)行人臉識(shí)別，具體流程如圖4所示。在人臉對(duì)比模塊中，采用的分類(lèi)器是模式識(shí)別中常用的最近鄰方法，此方法直接簡(jiǎn)單，容易實(shí)現(xiàn)，可用于任何分布的數(shù)據(jù)。在訓(xùn)練樣本足夠時(shí)，最近鄰分類(lèi)法的效果比較理想。

2.4 考勤管理模塊

考勤管理包括學(xué)期管理、課程管理、班級(jí)管理、學(xué)生管理、考勤登記管理和考勤記錄導(dǎo)出功能。在使用人臉識(shí)別進(jìn)行考勤時(shí)，系統(tǒng)根據(jù)課程安排將檢測(cè)到的各班學(xué)生人臉圖像特征與對(duì)應(yīng)班級(jí)的人臉數(shù)據(jù)庫(kù)特征逐個(gè)進(jìn)行比較驗(yàn)證，并在服務(wù)器上的考勤登記管理中登記學(xué)生出勤情況。識(shí)別出的人臉將登記為出勤，沒(méi)有識(shí)別到的人臉將登記為缺勤，并提供導(dǎo)出到Excel的功能，打印出各個(gè)班級(jí)學(xué)生的考勤情況，也可以通過(guò)別的系統(tǒng)將各班考勤情況及時(shí)公布。

3 結(jié) 語(yǔ)

本文基于人臉識(shí)別技術(shù)設(shè)計(jì)出一種自動(dòng)考勤系統(tǒng)，充分利用原有的監(jiān)控設(shè)備，在上課期間自動(dòng)進(jìn)行考勤，無(wú)需排隊(duì)采集信息，無(wú)需人工干預(yù)。該系統(tǒng)比傳統(tǒng)的考勤系統(tǒng)省時(shí)省力，同時(shí)又不干擾正常的教學(xué)過(guò)程，并能準(zhǔn)確檢測(cè)學(xué)生在課堂上的出勤情況，為學(xué)生考勤管理提供了方便快捷的方法。

該系統(tǒng)在理想條件下能取得較好的效果，但是，實(shí)際情況中，由于教室中光線(xiàn)、角度、表情等多種因素會(huì)影響系統(tǒng)識(shí)別準(zhǔn)確度。在今后的工作中，將考慮使用GPU高性能圖像處理服務(wù)器，采用深度學(xué)習(xí)的方法提高系統(tǒng)對(duì)現(xiàn)場(chǎng)復(fù)雜環(huán)境的適應(yīng)能力，使人臉識(shí)別能達(dá)到人類(lèi)識(shí)別的精確度，提高考勤的準(zhǔn)確性。

參 考 文 獻(xiàn)

[1]樂(lè)潔.課堂刷卡考勤系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J]. 湖北經(jīng)濟(jì)學(xué)院學(xué)報(bào)（人文社會(huì)科學(xué)版），2013（4）：188-189.

[2]申曉平.基于RFID的學(xué)生考勤刷卡系統(tǒng)的設(shè)計(jì)[J]. 福建電腦，2015（10）：113.

[3]郭茹博，陳明晶，蘭旭婷，等. 基于物聯(lián)網(wǎng)的指紋簽到平臺(tái)研究[J]. 信息通信，2018（1）：135-136.

[4]張寶飛.基于指紋識(shí)別技術(shù)的住校生考勤管理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J]. 軟件，2017，38（8）：161-166.

[5]王川. 基于虹膜識(shí)別的門(mén)禁考勤系統(tǒng)設(shè)計(jì)[D]. 哈爾濱：哈爾濱工業(yè)大學(xué)，2013.

[6]陶磊. 虹膜考勤系統(tǒng)關(guān)鍵技術(shù)研究與實(shí)現(xiàn)[D]. 哈爾濱：哈爾濱工程大學(xué)，2009.

[7]林天威.基于視頻流的人臉識(shí)別系統(tǒng)研究[D]. 哈爾濱：哈爾濱工程大學(xué)，2010.

[8]齊禮成. 基于人臉識(shí)別考勤系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].西安：西安電子科技大學(xué)，2012.

[9]王伯槐. 基于人臉識(shí)別的高?？记谙到y(tǒng)的設(shè)計(jì)[J]. 物聯(lián)網(wǎng)技術(shù)，2017，7（10）：62-63.

[10]趙鑫，汪維家，曾雅云，等. 改進(jìn)的模塊PCA人臉識(shí)別新算法[J]. 計(jì)算機(jī)工程與應(yīng)用，2015，51（2）：161-164.

[11]李康順，李凱，張文生. 一種基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的PCA人臉識(shí)別算法[J]. 計(jì)算機(jī)應(yīng)用與軟件，2014（1）： 158-161.

[12] TURK M A，PENTLAND A P. Face recognition using eigenfaces [C]// Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. New York： IEEE Press，1991： 586-591.

[13] BELHUMEUR P N，HESPANHA J P，KRIEGMAN D J. Eigenfaces vs. fisherfaces： recognition using class specific linear projection[J]. IEEE transactions on pattern analysis & machine intelligence，1997，19（7）：711-720.

[14] MIKA S，RATSCH G，WESTON J，et al. Fisher discriminant anal-ysis with kernels [C]// Proceedings of the 1999 IEEE Signal Processing Society Workshop，Neural Networks for Signal Processing IX，Aug 25，1999. Piscataway，USA：IEEE，1999：41-48.

[15]吳彬. 基于視頻的人臉檢測(cè)與對(duì)齊算法研究[D]. 長(zhǎng)春：吉林大學(xué)，2017.

[16] XIONG X H，F(xiàn)ERNANDO D L T. Supervised Descent Method and Its Applications to Face Alignment [C]// 2013 IEEE Conference on Computer Vision and Pattern Recognition. Portland：IEEE Computer Society，2013：532-539.

[17] TULYAKOV S，JENI L A，COHN J F，et al. Viewpoint-consistent 3D Face Alignment[J]. IEEE transactions on pattern analysis & machine intelligence，2018（9）：2250-2264.