劉剛 梁家軍

摘要：隨著新一代信息技術(shù)的發(fā)展與應(yīng)用，給予高校校園安全管理很大的啟發(fā)和研究空間。本文根據(jù)當前高校所面臨的校園安全管理的問題所帶來的挑戰(zhàn)，探討運用大數(shù)據(jù)及人臉識別技術(shù)在高校校園安全管理中的應(yīng)用，提出了學(xué)生不安全行為監(jiān)控數(shù)據(jù)指標，設(shè)計與構(gòu)建了高校校園安全預(yù)警系統(tǒng)模型，以期為高校校園安全管理工作提供支持服務(wù)，為教育決策提供更加科學(xué)的參考依據(jù)。

關(guān)鍵詞：大數(shù)據(jù);人臉識別;校園安全管理;預(yù)警

前言

本文以解決當前高校校園安全問題為出發(fā)點，運用人臉識別技術(shù)并有機融合大數(shù)據(jù)技術(shù)研究高校校園安全預(yù)警系統(tǒng)，嘗試通過對在校學(xué)生的疑似不在校行為等主要核心數(shù)據(jù)指標進行實時跟蹤和監(jiān)測，運用人臉識別技術(shù)采集、識別、分析與建模等方法，為高校校園安全建立預(yù)警體系，為學(xué)校安全管理提供科學(xué)有力的決策依據(jù)。

一、問題的提出及趨勢

近年來，我國高等教育的普及高校招生規(guī)模不斷擴大，伴隨著學(xué)生人數(shù)的增長與高校所面臨的安全管理之間的矛盾也逐漸顯露，如：學(xué)生失聯(lián)、夜不歸宿等現(xiàn)象頻發(fā)。然而，如何及時、準確地掌握學(xué)生在校情況等問題給高校安全管理提出了新的挑戰(zhàn)。面對當前普遍依靠傳統(tǒng)的人工管理已經(jīng)無法滿足現(xiàn)階段需要，這就需要高校在原來安全管理方面積極大膽創(chuàng)新管理模式。

二、大數(shù)據(jù)支撐的人臉識別技術(shù)在高校安全管理的應(yīng)用

（一）對人臉識別及大數(shù)據(jù)技術(shù)的認識與分析

隨著人工智能在各領(lǐng)域的廣泛應(yīng)用，“人臉識別”作為人工智能重要的應(yīng)用方向之一，也不例外。它是基于生物特征中的人臉生理特征，運用算法對人的臉部器官及形狀距離等進行特征分析與識別，從而進行身份識別的技術(shù)，一般包括人像采集、人臉檢測、人臉預(yù)處理、人臉特征提取、人臉比對識別等[1]?！按髷?shù)據(jù)”是需要新處理模式才能具有更強的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力來適應(yīng)海量、高增長率和多樣化的信息資產(chǎn)[2]。大數(shù)據(jù)處理與分析技術(shù)則是對這些信息資產(chǎn)進行深度地挖掘與分析其價值的新手段，它的戰(zhàn)略意義不在于掌握龐大的數(shù)據(jù)信息，而在于對這些含有意義的數(shù)據(jù)進行更為專業(yè)化的處理。

由此可見，通過大數(shù)據(jù)技術(shù)對海量相關(guān)性數(shù)據(jù)資源的科學(xué)治理、管理、挖掘、分析等綜合運用，從各個維度、各個層面，對數(shù)據(jù)進行深度挖掘與分析，形成高質(zhì)量的數(shù)據(jù)管理與智能服務(wù)，從而提升高校校園安全管理服務(wù)的水平，建立高校校園安全預(yù)警體系，為學(xué)校安全管理提供科學(xué)有力的決策依據(jù)，促使高校校園安全管理。

（二）高校校園安全預(yù)警系統(tǒng)模型設(shè)計與構(gòu)建

經(jīng)過上述相關(guān)技術(shù)分析，我們可以有機地綜合運用大數(shù)據(jù)和人臉識別技術(shù)手段打造高校校園安全預(yù)警系統(tǒng)模型。結(jié)合前人相關(guān)研究和調(diào)研需求及自身的工作管理經(jīng)驗，本文分別從以下幾個方面設(shè)計與構(gòu)建預(yù)警系統(tǒng)模型。

1.數(shù)據(jù)的采集

數(shù)據(jù)的采集主要通過兩種方式。一是根據(jù)選取和制定好的監(jiān)控預(yù)警指標數(shù)據(jù)，利用相關(guān)智能設(shè)備進行數(shù)據(jù)采集。通過人臉識別技術(shù)我們可以在校園關(guān)鍵位置部署高清智能攝像設(shè)備用來采集學(xué)生人臉圖像信息。二是通過大數(shù)據(jù)技術(shù)對已有的各業(yè)務(wù)系統(tǒng)中涉及與學(xué)生校園安全相關(guān)性的數(shù)據(jù)進行挖掘采集與抽取。由于采集到的海量數(shù)據(jù)來自不同的業(yè)務(wù)系統(tǒng)和智能感知設(shè)備（包括非結(jié)構(gòu)性和結(jié)構(gòu)性的），經(jīng)過大數(shù)據(jù)處理和人工智能算法把數(shù)據(jù)統(tǒng)一結(jié)構(gòu)化后，統(tǒng)一集成到數(shù)據(jù)中心，便于統(tǒng)一分析、管理與運維。

2.數(shù)據(jù)分析與判斷依據(jù)

經(jīng)過人臉識別技術(shù)對數(shù)據(jù)的海量采集與挖掘后，首先我們可以根據(jù)學(xué)生疑似不在校行為數(shù)據(jù)指標進行篩選、歸類處理與分析，形成有效的信息用于判斷學(xué)生連續(xù)未打卡（刷臉）的天數(shù)，如把天數(shù)設(shè)為“d”，可依據(jù)如下步驟設(shè)計：

1）關(guān)聯(lián)學(xué)生課程表及所有刷卡記錄，定義學(xué)生是否有課：

K={1，有/0，無}

2）分別將疑似不在校的因素：門禁卡的刷卡記錄、圖書館進出記錄、上課簽到記錄、校園卡刷卡消費記錄、上網(wǎng)記錄分別設(shè)為Di（i=1，2，3，4，5），規(guī)定若存在兩項及兩項以上打卡記錄的則認為該生在校，否則，反之;

3）定義：

Di={1，有記錄/0，無記錄}

D=5∑i=1 Di

若D≥2則表示該學(xué)生可能在校，若K=1∪D<2則表示該生疑似不在校;

4）記錄一段時間內(nèi)學(xué)生在有課的情況下連續(xù)未打卡天數(shù)d，即K=1∪D<2的天數(shù)d;

在有課情況下，可判斷若有兩項及兩項以上打卡記錄，則認為“在校”;若有一項或0項打卡記錄，則認為“不在校”。

4.確定預(yù)警級別閥值

根據(jù)實際監(jiān)控的需要，我們分別從如下兩種情況分別作出預(yù)警并設(shè)置級別閥值：

1）針對某一天，考查所有學(xué)生連續(xù)未打卡天數(shù)d和學(xué)生總量N。

若d>a的學(xué)生數(shù)n<=2%×N，a設(shè)置為高危閾值;若d>b的學(xué)生數(shù)n<=5%×N，b設(shè)置為中危閾值;若d>c的學(xué)生數(shù)n<=10%×N，c設(shè)置為低危閾值。

2）考查一個學(xué)生，若d>a，高危預(yù)警;若b

三、建議與展望

對于學(xué)生校園安全的管控數(shù)據(jù)指標需要根據(jù)每個學(xué)校建設(shè)基礎(chǔ)和實際需要進行選取，進一步完善預(yù)警指標體系，保證管理的科學(xué)性和合理性。期望本文探討的大數(shù)據(jù)支撐的人臉識別技術(shù)在高校安全管理的應(yīng)用，能夠進一步提高校園安全信息化管理水平，從而更為科學(xué)和精準的做出預(yù)警，為學(xué)校提供決策與服務(wù)的依據(jù)，同時也期望能為各兄弟院校提供參考。

參考文獻：

[1]蘇楠，吳冰，徐偉等.人臉識別綜合技術(shù)的發(fā)展[J].信息安全研究，2016（1）：33-39.

[2]陶雪嬌，胡曉峰，劉洋.大數(shù)據(jù)研究綜述[J].系統(tǒng)仿真學(xué)報，2013，25（S1）：142-146.

作者簡介：

劉剛（1980—），男，河北保定人，碩士，南寧職業(yè)技術(shù)學(xué)院現(xiàn)代教育技術(shù)中心高級實驗師，主要從事教育信息化研究;

梁家軍（1985—），男，廣西北流人，碩士，南寧職業(yè)技術(shù)學(xué)院現(xiàn)代教育技術(shù)中心講師，主要從事現(xiàn)代教育技術(shù)研究。

本文系：“基金項目：2020年度廣西高校中青年教師科研基礎(chǔ)能力提升項目，立項代碼（2020KY30009）”的研究成果。