葉陽 顧國民

摘要：高校教學管理中，課堂出勤率至關(guān)重要?；谀壳罢n堂考勤的需求，文章研究了采用人臉識別技術(shù)的課堂管理系統(tǒng)的設(shè)計。

關(guān)鍵詞：考勤；人臉識別；教學

中圖分類號：G642.423 文獻標志碼：A 文章編號：1674-9324（2019）31-0272-02

高校教學管理中，課堂出勤率至關(guān)重要。目前大多數(shù)高校在日?？记诠ぷ髦兄饕捎玫娜允侨斯た记?。教師根據(jù)選課名單隨堂點名，這些考勤方式仍存在以下幾個問題：第一，任課教師并不認識每一位學生，所以有可能存在冒名頂替和代替考勤的現(xiàn)象；第二，在開學第一周后的退補選課，使得教學班名單會發(fā)生改變，與傳統(tǒng)行政班名單有很大出入；第三，部分全校公選課依然使用大班化教學，全面點名費時較多，隨機點名則容易被學生渾水摸魚。所以傳統(tǒng)的考勤方式不適用于如今學校考勤需求，若是設(shè)計一套能解決上述問題的課堂考勤系統(tǒng)，方便教師課堂考勤、督促學生積極上課，以及為學生的學習提供便利，最終將能夠有效地提高教學綜合效率[1]。

人臉識別技術(shù)是生物特征識別領(lǐng)域中最可靠、最方便、最自然的一項身份驗證技術(shù)，現(xiàn)在在大多數(shù)領(lǐng)域中起到舉足輕重的作用，尤其是用在機關(guān)單位的安全和考勤、網(wǎng)絡(luò)安全、銀行、海關(guān)邊檢、物業(yè)管理、軍隊安全、智能身份證、智能門禁、司機駕照驗證、計算機登錄系統(tǒng)。在對比國內(nèi)外視頻中人臉的研究與實現(xiàn)的基礎(chǔ)上，本文將研究目標定位于利用C++語言來實現(xiàn)視頻中人臉的識別以方便課堂考勤。本次設(shè)計是旨在實現(xiàn)視頻中捕捉人臉，并進行識別的系統(tǒng)；其中人臉其任務(wù)首先是人臉檢測，從各種不同的場景中找出人臉所在位置與其所占區(qū)域；再進行提取人臉的特征，確定測出的人臉和數(shù)據(jù)庫中的描述方式；其中人臉識別是提供一個接口，將用等待識別的人臉與數(shù)據(jù)庫中的已知人臉比較，得出相關(guān)信息[2]。

本次設(shè)計的具體內(nèi)容包括人臉檢測與人臉識別兩部分：

人臉檢測是對于給定的任意一段視頻資料，采用一定的方法對其進行檢測以確定圖像中是否含有人臉，如果有則返回人臉的位置、大小和姿態(tài)，為身份鑒定提供條件。

與人臉檢測不同，人臉識別利用的主要是人臉個體差異的信息。有兩種識別目的和情況需要區(qū)別：一種是對人臉圖像的驗證，即要確認輸入人臉圖像中的人是否在數(shù)據(jù)庫中，屬于有監(jiān)督的識別；另一種是對人臉圖像的辨識，即要確認輸入圖像中的人的身份，屬于無監(jiān)督的識別。主要分為以下步驟：

1.特征提取，采取某種表示方式來表述檢測出的人臉和數(shù)據(jù)庫中的已知人臉。

2.特征降維。由于人臉是一個非剛性的自然物體（柔性體），從人臉圖像中可提取很多不同特征，所以表征人臉的原始特征對應(yīng)高維空間中的數(shù)據(jù)（對一幅M×N的圖像，空間維數(shù)可達M×N）。在特征提取后，需采用緊湊的人臉表征方式，將原始特征進行篩選組合，集中信息，降低維數(shù)，使這些低維空間的有效性得到提高，以有利于接下來的匹配分類。

3.匹配識別。在特征提取的基礎(chǔ)上，選擇使當?shù)钠ヅ洳呗?，可將待識別的人臉與數(shù)據(jù)庫中的已知人臉進行匹配比較，建立它們的相關(guān)關(guān)系，并輸出所做出的判斷決策/決定（識別結(jié)果）。

系統(tǒng)關(guān)鍵功能的實現(xiàn)：

1.人臉圖像獲?。阂袛啻R別的人是否存在于數(shù)據(jù)庫中，系統(tǒng)要獲取待識別的人臉圖像。本系統(tǒng)通過攝像頭實時獲取人臉圖像，調(diào)用cvshowimage顯示函數(shù)把顯示的圖片映射到窗口，再利用IplImage類將人臉圖片讀入。通過read_image函數(shù)讀取人臉庫中的人臉，并加入images這個人臉集，然后用createMyLBPHfaceRecognizer函數(shù)創(chuàng)建訓練模型，并調(diào)用train函數(shù)對人臉集進行訓練，訓練結(jié)束之后用save進行保存，用set（threshold）設(shè)置閾值，防止識別不在庫中的人臉。

2.圖像預(yù)處理：一般來說圖像可以分為彩色和灰度，彩色圖像每個像素顏色由RGB構(gòu)成，對于256級圖像的每一個像素點共有67777216種取值，對于人臉特征提取來說，不需要如此復(fù)雜的圖像和無用的背景，系統(tǒng)需要將彩色圖像轉(zhuǎn)換成灰度圖像，使得圖像只含有亮度的信息?；叶戎倒?/p>

Gray=0.3×R+0.59×G+0.11×B

3.人臉訓練學習：對于數(shù)據(jù)庫中不存在的人臉，我們需要通過人臉學習建立人臉模型并且標注身份，首先讀入人臉（已經(jīng)預(yù)處理好的人臉，這個在截取訓練人臉模塊中實現(xiàn)），然后把人臉數(shù)據(jù)和標簽（人臉的身份）分別讀入兩個vector，創(chuàng)建LBP訓練模型，并且訓練這些人臉數(shù)據(jù)存儲在模型當中。

4.人臉圖像特征提?。喝四槇D像特征提取是人臉識別的一個必要過程，沒有特征提取這一過程就無法實現(xiàn)人臉識別，其意義是從人臉圖像中提取一組反映人臉特征的數(shù)值來表示圖像，來防止以圖像全部像素作為特質(zhì)降低識別運算速度，然后根據(jù)特征將圖像進行分類和識別，這個功能主要基于OpenCV實現(xiàn)，它提供了三種基礎(chǔ)的人臉特征算法，這三種算法都有較好的特征提取效果，本系統(tǒng)的設(shè)計采取LBP算法并在此基礎(chǔ)上加以改進。

5.人臉識別：基于OpenCV實現(xiàn)人臉識別功能，利用數(shù)據(jù)庫中的已知人臉，給出人臉識別結(jié)果，主要思想是將待識別的圖像與數(shù)據(jù)庫中的人臉模型進行比較，通過設(shè)定一個閾值，當相似度超過閾值，輸出匹配得到的結(jié)果。這一過程又分為兩種：一種是確認，比較的過程是一對一，另一類是辨認，圖像匹配對比的過程是一對多。識別人臉用一個while循環(huán)，只有當不認識的新人臉出現(xiàn)才會退出循環(huán)，我們預(yù)先設(shè)置好要預(yù)測的人臉圖片和預(yù)測人臉的路徑以便后續(xù)進行人臉圖片的拼接，然后用一個while循環(huán)不斷讀取target中的target.pgm文件，即我們要進行識別的圖片，然后調(diào)用predict函數(shù)進行人臉預(yù)測，預(yù)測的人臉會返回訓練人臉時輸入的姓名。

本系統(tǒng)基本實現(xiàn)了人臉的檢測與識別，結(jié)合實驗室課堂教學的應(yīng)用，可以有效地進行課堂考勤，但依然有一些需要解決的技術(shù)難點。

1.面部遮擋問題。倘若有人刻意地偽裝，這樣在采集視頻資料時會出現(xiàn)不完全甚至錯誤的判斷，會加大工作的難度。

2.運動分割問題。主要在非約束條件下進行運動分割，圖像會受到多方面的影響，像天氣變化、光照、運動目標的影子等。

參考文獻：

[1]王婉清.基于人臉識別的考勤系統(tǒng)設(shè)計[D].江蘇：南京郵電大學，2016.

[2]邢永生.人臉識別系統(tǒng)的研究與開發(fā)[D].吉林：吉林大學，2016.