劉桐芬，張嘉琪，王雯

（天津理工大學(xué) 環(huán)境科學(xué)與安全工程學(xué)院，天津）

當(dāng)前高校的教學(xué)管理工作要求精細(xì)化、人性化和高效率，在傳統(tǒng)教學(xué)管理的基礎(chǔ)上，結(jié)合新技術(shù)，平臺化管理，借助移動(dòng)設(shè)備來實(shí)現(xiàn)指定到人的管理效果是大趨勢[1]。而在教學(xué)管理的各個(gè)方面中，課堂管理是核心內(nèi)容之一。特別是在本科生階段，課堂授課是學(xué)生獲得專業(yè)知識，掌握學(xué)科框架，鍛煉邏輯思維的重要渠道，直接關(guān)系到學(xué)生的學(xué)習(xí)效果[2]。而在一般本科院校中，保證出勤率是課堂管理的重要手段。

一 出勤率常見統(tǒng)計(jì)方法及利弊

常見的課堂出勤統(tǒng)計(jì)方法可以分為兩大類，一種是被動(dòng)統(tǒng)計(jì)式，即由課堂管理人員以傳統(tǒng)的方法，或是軟硬件結(jié)合互聯(lián)網(wǎng)的手段，清點(diǎn)到教室的學(xué)生人數(shù)；另一種是自主簽到式，學(xué)生主動(dòng)以實(shí)體的方式或在網(wǎng)絡(luò)上簽到。下面列出了當(dāng)前常用的出勤率統(tǒng)計(jì)方法，并嘗試分析了各種方法的優(yōu)勢與缺陷。

（一） 教師課上點(diǎn)名

這種傳統(tǒng)的課堂出勤率統(tǒng)計(jì)方法準(zhǔn)確性高，同時(shí)還有教師與學(xué)生溝通的效果，另外，對學(xué)生來說有較好的威懾力。缺點(diǎn)是一方面占用授課時(shí)間，另一方面教學(xué)班學(xué)生人數(shù)的多少直接影響這種方法的操作性。學(xué)生人數(shù)較多則點(diǎn)名占用時(shí)間太多，教師往往不會經(jīng)常點(diǎn)名，或者不全面點(diǎn)名，同時(shí)教師無法確保認(rèn)識教學(xué)班內(nèi)的所有學(xué)生，因而點(diǎn)名對于出勤的威懾力會受到很大影響。

（二） 學(xué)生或助教點(diǎn)名記錄

作為教師點(diǎn)名的替代方案，由學(xué)生干部或者助教來統(tǒng)計(jì)學(xué)生出勤可以避免上面提及的教師點(diǎn)名占用教學(xué)時(shí)間的問題。但這樣的統(tǒng)計(jì)方式同樣占用大量時(shí)間。除此之外，教師與學(xué)生之間沒有溝通，查考勤對學(xué)生的威懾力也明顯下降。另外，如果是學(xué)生統(tǒng)計(jì)，還很有可能出現(xiàn)瞞報(bào)虛報(bào)出勤人數(shù)的情況。

（三） 人臉識別系統(tǒng)進(jìn)行出勤統(tǒng)計(jì)

以高清攝像頭、面孔識別系統(tǒng)、和眼球追蹤系統(tǒng)為基礎(chǔ)搭建的學(xué)習(xí)監(jiān)測系統(tǒng)可以實(shí)現(xiàn)面孔識別并進(jìn)行統(tǒng)計(jì)的效果，當(dāng)前在某些中學(xué)有試點(diǎn)應(yīng)用，高校較少引進(jìn)這類系統(tǒng)。此類系統(tǒng)進(jìn)行出勤統(tǒng)計(jì)非常方便，既節(jié)省時(shí)間，還可保證準(zhǔn)確性，因?yàn)檫M(jìn)行人臉識別，甚至解決了某些大班課中其他學(xué)生替課，教師或助教無法正確識別的問題[3]。這套系統(tǒng)的不足在于，一方面搭建成本高，無論硬件設(shè)備還是軟件開發(fā)，在當(dāng)前仍舊成本很高，不利于推廣；另外，通過面孔識別和眼球追蹤對學(xué)生學(xué)習(xí)過程進(jìn)行全方位監(jiān)控不利于學(xué)生養(yǎng)成自主學(xué)習(xí)的習(xí)慣，從長期看與教育的初衷背道而馳；而且，該系統(tǒng)在某些中學(xué)運(yùn)行后收到的負(fù)面評價(jià)較多，公眾普遍質(zhì)疑這樣的監(jiān)控系統(tǒng)涉嫌侵犯隱私。上述問題導(dǎo)致這樣的監(jiān)控系統(tǒng)實(shí)際上很難在高等院校普及。

（四） 商業(yè)教學(xué)平臺內(nèi)嵌的簽到系統(tǒng)

目前有一些網(wǎng)絡(luò)教學(xué)平臺和教學(xué)評估平臺可以實(shí)現(xiàn)在線簽到的功能，如雨課堂、智慧樹、麥可思等。另外，學(xué)校自行開發(fā)的教務(wù)管理系統(tǒng)也常常內(nèi)置點(diǎn)名系統(tǒng)。此類系統(tǒng)多屬于自主簽到模式，課程開始后，或由教師開啟點(diǎn)名功能后，學(xué)生在手機(jī)端自行簽到，系統(tǒng)自動(dòng)統(tǒng)計(jì)和上報(bào)數(shù)據(jù)。這樣的系統(tǒng)可以極大地減少老師點(diǎn)名及后期統(tǒng)計(jì)的工作量。但在實(shí)際使用中經(jīng)常因?yàn)榫W(wǎng)絡(luò)信號問題造成簽到不成功[4]，特別是班級人數(shù)較多時(shí)，這樣的誤差對統(tǒng)計(jì)結(jié)果造成的影響很大，如果人為進(jìn)行修正又需要占用老師的時(shí)間，從一定程度上抵消了此類方法的優(yōu)勢。另外，不同的系統(tǒng)簽到時(shí)的一些設(shè)置導(dǎo)致存在有各種漏洞，如某些系統(tǒng)只要學(xué)生在網(wǎng)，無論是否在教室都可以簽到[5]；某些掃二維碼簽到的系統(tǒng)，缺勤學(xué)生可以掃描同學(xué)傳的二維碼簽到；甚至可能出現(xiàn)以其他手機(jī)登陸學(xué)生系統(tǒng)替簽到的行為。

二 基于移動(dòng)端拍照的出勤統(tǒng)計(jì)系統(tǒng)的優(yōu)勢

通過分析上述可以看出，出勤統(tǒng)計(jì)系統(tǒng)設(shè)計(jì)的目的是減少教師工作量，提高課堂效率。但因?yàn)槠涔δ軉我?，往往被深度整合在某個(gè)軟硬件平臺之中，只是平臺綜合教學(xué)服務(wù)中的一個(gè)環(huán)節(jié)。這樣的平臺化深度整合雖然對調(diào)用學(xué)生信息有利，但高大全的平臺缺乏靈活度與便攜性，無法細(xì)化兼顧出勤統(tǒng)計(jì)的一些特殊需求。而且整個(gè)系統(tǒng)缺乏靈活性，后期難以根據(jù)不同學(xué)校學(xué)生的具體情況進(jìn)行有針對性地開發(fā)或優(yōu)化。

而利用手機(jī)等移動(dòng)便攜設(shè)備即時(shí)拍照，對圖形進(jìn)行分析計(jì)數(shù)，則是完全不同于目前的各種出勤統(tǒng)計(jì)系統(tǒng)的一個(gè)新思路。教師或教輔人員可以在課前或課中的任何時(shí)候?qū)淌疫M(jìn)行簡單拍照，只要圖像范圍覆蓋到所有在教室的學(xué)生即可進(jìn)行后續(xù)數(shù)據(jù)分析。對照片進(jìn)行圖形分析即可統(tǒng)計(jì)出照片中的人數(shù)，實(shí)現(xiàn)統(tǒng)計(jì)出勤的效果。

另外，拍照后計(jì)數(shù)的方法具有可回溯的優(yōu)勢。如果對出勤統(tǒng)計(jì)的結(jié)果有疑問或者質(zhì)疑，可以從教學(xué)管理系統(tǒng)重新調(diào)用當(dāng)時(shí)拍攝的圖像，無論是再進(jìn)行計(jì)數(shù)或者專門針對某人進(jìn)行檢查都很方便。相比于傳統(tǒng)的人為計(jì)數(shù)，這種方法保存了計(jì)數(shù)過程的影響；相比于更加復(fù)雜的以視頻或人臉識別進(jìn)行計(jì)數(shù)，這種方法在調(diào)用過程中不需要瀏覽大量的影像資料，更加方便快捷。

因此，基于拍照和圖形分析進(jìn)行出勤統(tǒng)計(jì)的優(yōu)勢是操作簡單、設(shè)備便攜、可隨時(shí)進(jìn)行及結(jié)果準(zhǔn)確。唯一的缺陷是圖像質(zhì)量可能導(dǎo)致面孔識別效果差，不能解決他人替課的識別問題。這樣的系統(tǒng)基本可以完全替代教師點(diǎn)名的功能，同時(shí)也可以作為目前各種出勤統(tǒng)計(jì)系統(tǒng)的有益補(bǔ)充。

三 移動(dòng)端拍照出勤統(tǒng)計(jì)系統(tǒng)設(shè)計(jì)

本論文設(shè)計(jì)的出勤統(tǒng)計(jì)系統(tǒng)主要是通過接收教師端發(fā)送的圖片來獲得圖形信息；通過對調(diào)用的圖片進(jìn)行分析，分離出照片內(nèi)的學(xué)生；如果圖片質(zhì)量存在嚴(yán)重問題，圖像分離結(jié)果不理想時(shí)，通過人工干預(yù)的方式微調(diào)圖形分離結(jié)果；對分離出的人像進(jìn)行計(jì)數(shù)；將統(tǒng)計(jì)結(jié)果輸出至教師端。具體每個(gè)功能組塊的功能與設(shè)計(jì)如下。

（一） 信息接收與圖形調(diào)用

系統(tǒng)接收圖片后將其存儲并調(diào)用至后續(xù)系統(tǒng)，以便進(jìn)行分析與計(jì)數(shù)。系統(tǒng)通過移動(dòng)信號接收教師發(fā)送來的圖片信息，識別確認(rèn)信號源身份后對圖片進(jìn)行存儲。圖1顯示了用LabVIEW對圖片進(jìn)行調(diào)用的程序。首先，將收到并存儲好的教師拍攝的圖片存儲文件夾調(diào)用至主程序中，然后為其指定名稱，如是提前拍攝的教室空白圖片則定名為“空白圖片”，如是教師發(fā)送的有學(xué)生的圖片則命名為“識別圖片”。系統(tǒng)在計(jì)數(shù)開始前將“空白圖片”與“識別圖片”同時(shí)調(diào)用，用于對比計(jì)算。

圖1 系統(tǒng)將存儲圖片調(diào)用并命名用于后續(xù)計(jì)算

（二） 圖像比較實(shí)現(xiàn)人像與背景的分離

利用兩張圖片中同一位置像素?cái)?shù)字的差值將學(xué)生與教室背景分離開。調(diào)用“空白圖片”和“識別圖片”后，分別將兩張圖片數(shù)字化，然后對兩圖的數(shù)字化結(jié)果中的同一位置進(jìn)行像素比較，程序由圖2的a部分實(shí)現(xiàn)。兩張圖片像素相減的矩陣再返回為圖形形式，即形成了扣除了教室背景后的差值圖形。圖2中的b部分為LabVIEW中實(shí)現(xiàn)這步操作的程序。

圖2 系統(tǒng)實(shí)現(xiàn)出勤統(tǒng)計(jì)的LabVIEW 主程序圖

（三） 參數(shù)設(shè)置實(shí)現(xiàn)單個(gè)人像的圖形分離

通過設(shè)置“取差值范圍”和“侵蝕數(shù)值”實(shí)現(xiàn)剔除背景后的人像逐一分開。首先對像素?cái)?shù)值的差異值設(shè)置合理的響應(yīng)下限，當(dāng)某位置兩圖的像素?cái)?shù)值差異大于響應(yīng)下限時(shí)，即意味著該點(diǎn)落在了“取差值范圍”內(nèi)，該位置的像素差是由人的出現(xiàn)造成的，而不是背景剔除中產(chǎn)生的誤差。將此類像素點(diǎn)在圖上標(biāo)記為紅色。隨后通過設(shè)置合理的侵蝕值上限，將像素面積值小于侵蝕值的紅色區(qū)域侵蝕掉，從而實(shí)現(xiàn)了圖形中噪音的去除和標(biāo)紅的人像間粘連部分的分離。圖2中的c部分為LabVIEW中實(shí)現(xiàn)這一操作的程序。

（四） 對圖形計(jì)數(shù)及輸出結(jié)果

對圖形識別的結(jié)果或圖形識別后人工干預(yù)的結(jié)果進(jìn)行計(jì)數(shù)并輸出結(jié)果。標(biāo)紅的學(xué)生人像在圖形中被分離成功，即可用計(jì)數(shù)程序?qū)?biāo)紅位置進(jìn)行搜索和計(jì)數(shù)。如果對圖像識別的結(jié)果有懷疑，可以進(jìn)行人工干預(yù)，調(diào)整圖形識別的結(jié)果用于計(jì)數(shù)。計(jì)數(shù)的結(jié)果報(bào)“分析結(jié)果”顯示，同時(shí)將其以原路徑發(fā)回給發(fā)送圖片的老師，報(bào)告計(jì)數(shù)結(jié)果。如果是通過人工干預(yù)調(diào)整過識別結(jié)果的技術(shù)結(jié)果，在發(fā)送移動(dòng)終端的時(shí)候進(jìn)行標(biāo)注。圖2中的d部分為LabVIEW中實(shí)現(xiàn)這一操作的程序。

四 系統(tǒng)的調(diào)試與測試

在LabVIEW平臺搭建好系統(tǒng)后，先在虛擬儀器界面中進(jìn)行調(diào)試及優(yōu)化。然后完成后聯(lián)機(jī)測試，特別是針對識別的相關(guān)參數(shù)和結(jié)果輸出的模塊進(jìn)行調(diào)整與優(yōu)化。圖3顯示了參數(shù)優(yōu)化完成后，系統(tǒng)結(jié)合空白教室的圖像（圖3a）和教師拍攝的學(xué)生圖像（圖3b），分離出用于計(jì)數(shù)的單個(gè)學(xué)生人像圖像（圖3c），以及本次分離中所運(yùn)用的參數(shù)及計(jì)數(shù)結(jié)果（圖3d）。

在程序運(yùn)行中需要調(diào)試的主要是會影響學(xué)生人像分離效果的參數(shù)：“取差值范圍”和“侵蝕數(shù)值”。

圖3 系統(tǒng)參數(shù)及運(yùn)行效果圖

“取差值范圍”設(shè)定的是識別圖片與空白圖片相減時(shí)認(rèn)定為具有差異的差值范圍。以空白教室的圖片作為背景，當(dāng)教室的某一位置出現(xiàn)學(xué)生時(shí)，相應(yīng)位置的空白與識別圖片像素?cái)?shù)值的差將不為0，差值最大可達(dá)到255。但在沒有學(xué)生的空位，兩張圖像相減時(shí)仍可能因細(xì)微的差異而差值非0，因此需要設(shè)置一個(gè)合理的“取差值范圍”的“下限值”來保留實(shí)際差異，同時(shí)剔除細(xì)微差異。經(jīng)多種場景測試，軟件選定“下限值”為圖中所示的5。

為“侵蝕數(shù)值”設(shè)定一個(gè)合理的下限，有助于準(zhǔn)確分離出人形并將噪點(diǎn)剔除。當(dāng)“空白圖片”與“識別圖片”相減后，差值落在在“取差值范圍”5-255之間的位置將被標(biāo)紅，其他位置被標(biāo)黑，人形即可顯現(xiàn)，但此時(shí)不能直接計(jì)數(shù)。一方面，仍存在一些未被“取差值范圍”的“下限值”扣除的背景輕微差異噪點(diǎn)；同時(shí)，分離出的人形也可能因?yàn)閷W(xué)生坐位相近而形成粘連，因此需要設(shè)置一定的“侵蝕數(shù)值”來優(yōu)化圖形剔除這些干擾。另一方面，如果“侵蝕數(shù)值”的下限設(shè)置的過高，侵蝕過于嚴(yán)重，則有可能將形狀較小的人形當(dāng)做噪點(diǎn)去除掉。因此，合理的設(shè)置“侵蝕數(shù)值”是系統(tǒng)測試中的一個(gè)重要參數(shù)。經(jīng)多場景測試，軟件選定“侵蝕數(shù)值”為圖中所示的20。

系統(tǒng)調(diào)試完成后，選取了兩種教室背景進(jìn)行了測試，結(jié)果較理想。兩種教室背景分別是最多可容納48人的小教室，和最多可容納142人的大教室。每種場景設(shè)計(jì)了少量，適中和較多的學(xué)生人數(shù)進(jìn)行測試，每種教室每種人數(shù)下分別測試了5種學(xué)生位置的組合。

考慮到現(xiàn)實(shí)的教學(xué)管理中，教室的最大容量遠(yuǎn)大于課程的學(xué)生人數(shù)，因此在測試中，最大容量48人的教室內(nèi)少量、適中和較多的學(xué)生人數(shù)分別是10人、20人、和30人三種場景；而最大容量142人的教室內(nèi)少量、適中和較多的學(xué)生人數(shù)分別是20人、35人、和50人三種場景。

測試時(shí)首先在兩間教室內(nèi)，拍攝空白背景圖片，然后分別拍攝了學(xué)生人數(shù)少量、適中和較多時(shí)，學(xué)生按5種不同方式就坐后的識別圖片，用系統(tǒng)軟件進(jìn)行計(jì)數(shù)，將每種學(xué)生人數(shù)下，5個(gè)位置組合時(shí)系統(tǒng)計(jì)數(shù)得到的數(shù)值取平均值，將其與實(shí)際人數(shù)進(jìn)行比較即可得到計(jì)數(shù)準(zhǔn)確率的百分比。如某照片的測試結(jié)果與實(shí)際人數(shù)不符，則運(yùn)行“對圖形計(jì)數(shù)及輸出結(jié)果”功能組塊中的“人工干預(yù)”流程，再輸出計(jì)數(shù)結(jié)果，計(jì)算準(zhǔn)確率百分比。測試的準(zhǔn)確率，是否需要人工干預(yù)，及人工干預(yù)后的準(zhǔn)確率如表1所示。

五 系統(tǒng)在未來的開發(fā)方向

經(jīng)過測試，該系統(tǒng)已經(jīng)可以較成功地實(shí)現(xiàn)準(zhǔn)確的出勤統(tǒng)計(jì)。相比于傳統(tǒng)點(diǎn)名，系統(tǒng)明顯具有便捷、快速的優(yōu)勢，而相比于較復(fù)雜的、基于大型教學(xué)管理平臺運(yùn)行的簽到系統(tǒng)，系統(tǒng)又具有便攜、靈活和對網(wǎng)絡(luò)穩(wěn)定性需求低等優(yōu)勢。同時(shí)，該系統(tǒng)的開發(fā)也是一種新穎的嘗試，利用手機(jī)等移動(dòng)設(shè)備，簡單的拍照功能和簡單的計(jì)算機(jī)程序?qū)崿F(xiàn)統(tǒng)計(jì)出勤。通過這一思路，還可以開發(fā)同類的其他相關(guān)功能。

表1 兩種教師三種人數(shù)下測試結(jié)果統(tǒng)計(jì)

六 結(jié)語

目前該系統(tǒng)之所以人多時(shí)需要調(diào)用人工干預(yù)組件，是因?yàn)楝F(xiàn)有的圖形分離算法在面對學(xué)生分布特別密集，圖形重疊較多的情況時(shí)，還不能很好地分離圖像。這一缺陷一定程度上影響了系統(tǒng)的使用范圍和使用便捷度。未來的系統(tǒng)優(yōu)化中，可考慮以其他算法替換現(xiàn)在使用的算法，不再以扣除識別圖片背景圖片的差異分離人像來進(jìn)行計(jì)數(shù)，從而規(guī)避人群密集時(shí)人像分離效果不佳的問題。如可使用簡單的圖形分析識別出面孔，再計(jì)數(shù)識別出的人臉來進(jìn)行出勤統(tǒng)計(jì)。甚至通過簡單的圖形分析可以進(jìn)行粗略的面孔識別，則可更進(jìn)一步確定大部分人的身份，進(jìn)行更精細(xì)地出勤統(tǒng)計(jì)。上述兩種思路都優(yōu)化了分離計(jì)數(shù)的算法，同時(shí)還保持了系統(tǒng)的便攜、小平臺和可溯源等優(yōu)勢，都可以作為未來開發(fā)的思路。