楊長凡 ， 呂夢鴿 ， 周澤宇 ， 張子騰 ， 趙彤陽 ， 趙 桐

（中國礦業(yè)大學(xué)，北京 100083）

0 引言

如今高校大部分仍采用傳統(tǒng)點名簽到的方式統(tǒng)計學(xué)生的出勤狀況，這存在著許多隱藏問題，例如消耗人力且效率低下，以及人工點名可能存在“放水”的包庇行為，無法約束學(xué)生課堂遲到或早退等行為，大多數(shù)考勤資料以紙質(zhì)形式保存，難以進(jìn)行統(tǒng)計，容易遺失等。對于高等院校來說，教學(xué)的秩序和質(zhì)量至關(guān)重要。在課堂環(huán)節(jié)，學(xué)生是主體，學(xué)生對課堂內(nèi)容的專注程度極其重要。然而，目前老師只能通過課堂隨機(jī)提問或者觀察的方式來實時地獲取學(xué)生課堂專注度的情況，這種方式易使老師分心，從而影響教學(xué)質(zhì)量。綜合學(xué)生、老師和高校三方面考慮，找到一種高效的課堂考勤方法是十分有必要的。

隨著深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)的發(fā)展，人臉檢測技術(shù)越來越多地在身份核驗、大數(shù)據(jù)統(tǒng)計等信息工程領(lǐng)域廣泛應(yīng)用，各種檢測算法如雨后春筍一般涌現(xiàn)[1-2]。2001年，文獻(xiàn)[3-4]提出了Viola-Jones檢測器，在AdaBoost算法的基礎(chǔ)上，使用Haar-like小波特征和積分圖方法進(jìn)行人臉檢測，設(shè)計了針對人臉檢測更有效的特征，并對AdaBoost訓(xùn)練出的強分類器進(jìn)行級聯(lián)。文獻(xiàn)[5]將Viola-Jones檢測器進(jìn)行了擴(kuò)展，形成了OpenCV現(xiàn)在的Haar分類器。近年來，人臉檢測領(lǐng)域常用的算法有DeepFace、FaceNet、SphereNet和InsightFace[6-9]等。InsightFace[9]算法提出ArcFace 損失函數(shù)，將角度距離作為分類依據(jù)，提高了準(zhǔn)確率。RetinaFace[10]是目前最強的開源人臉檢測算法，它提出了一種新型像素智能人臉定位方法，采用多任務(wù)學(xué)習(xí)策略同時預(yù)測人臉分?jǐn)?shù)、面部框、五個面部標(biāo)志點和三維位置。本文借助課堂監(jiān)控視頻，利用RetinaFace算法設(shè)計了一種多層次評價等級的課堂考勤方法，旨在進(jìn)一步提高課堂考勤的效率。

1 RetinaFace算法概述

RetinaFace是一種魯棒的單級人臉檢測算法，該算法利用聯(lián)合監(jiān)督和自我監(jiān)督的多任務(wù)學(xué)習(xí)，實現(xiàn)在各種人臉尺度上執(zhí)行像素級的人臉定位。使用輕量級主干網(wǎng)絡(luò)——Mobilenet-0.25，使其可以在VGA分辨率的圖片上實時運行，其網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

圖1 RetinaFace算法網(wǎng)絡(luò)結(jié)構(gòu)示意圖

RetinaFace的特征提取網(wǎng)絡(luò)采用P2～P6的特征金字塔層，其中P2～P5通過使用自頂向下和橫向連接計算相應(yīng)的ResNet殘差階段C2～C5的輸出。P6是在C5處通過一個步長為2的3×3卷積計算得到的。C1～C5使用了在ImageNet-11k數(shù)據(jù)集上預(yù)先訓(xùn)練好的ResNet-152分類網(wǎng)絡(luò)，P6是通過“Xavier”方法隨機(jī)初始化得到的。它將P2～P6五個特征金字塔層應(yīng)用于五個獨立的上下文模塊，來提高感受野的作用，同時增加剛性上下文建模的能力。

對于任意一個訓(xùn)練的錨點i，多任務(wù)損失函數(shù)定義為：

其中，Lcls（pi，pi*）是人臉的分類損失函數(shù)，pi是第i個錨點框中一個人臉的預(yù)測概率，pi*為1表示正錨點框，反之為0代表負(fù)錨點框。Lbox（ti，ti*）為人臉檢測框的回歸損失函數(shù)，其中ti＝{tx，ty，tw，th，}i和ti*＝{tx*，ty*，tw*，th*，}i代表與正錨相關(guān)的預(yù)測框和真實框的坐標(biāo)。Lpts（li，li*）為人臉密集點回歸損失函數(shù)。損失平衡調(diào)節(jié)參數(shù)λ1～λ3分別設(shè)置為0.25、0.1和0.01，增加檢測框和面部標(biāo)志位置的顯著性。

RetinaFace在P2～P6特征金字塔級別上使用特定比例的錨點，如表1所示。

表1 細(xì)節(jié)特征金字塔

其中P2通過平鋪尺寸小的錨點來捕獲微小的面部，以花費更多的計算時間，承擔(dān)更多的誤報風(fēng)險作為代價。

2 人臉檢測過程及分析

2.1 實驗數(shù)據(jù)

目前常用的人臉檢測數(shù)據(jù)集為WiderFace數(shù)據(jù)集，但是WiderFace中圖片的場景跨度、人臉位置變化較大，圖片之間獨立性較強，與課堂環(huán)境中的區(qū)別較大。由于沒有公開的課堂環(huán)境中人臉數(shù)據(jù)集，本文在真實的課堂環(huán)境中錄制視頻并將其截取成圖像，進(jìn)行數(shù)據(jù)采集。筆者選擇電氣工程及其自動化專業(yè)的專業(yè)核心必修課“電機(jī)與拖動”（以下簡稱電機(jī)課），以及計算機(jī)科學(xué)與工程專業(yè)的學(xué)科基礎(chǔ)必修課“電工原理”（以下簡稱電工課），在課堂上分別錄制了709s和256s的視頻。

由于課堂環(huán)境較為單一，人臉位置變化較小，本文選定時間間隔為5s，即每隔5s從視頻中提取一張圖片作為本文的數(shù)據(jù)集。電機(jī)課與電工課分別得到142張和52張照片，并對每張照片進(jìn)行了標(biāo)注，兩種課程的樣本圖片如圖2、圖3所示。

圖2 電機(jī)課樣本示意圖

圖3 電工課樣本示意圖

2.2 實驗結(jié)果與分析

筆者借助Mobilenet-0.25的 RetinaFace 算法[10]，基于Pytorch深度學(xué)習(xí)框架，采用python 3.7進(jìn)行編程。硬件配置包括Intel(R)Core(TM) i7-8550U@1.80 GHz，GPU為NVDIA GeForce MX130，RAM為24 GB。

電機(jī)課和電工課的檢測結(jié)果，即人臉坐標(biāo)和五點信息，如圖4、圖5所示。由圖可知，圖片中存在部分人臉未檢出現(xiàn)象。主要考慮如下3點原因：

1）視頻的錄制角度問題，導(dǎo)致許多后排的學(xué)生經(jīng)常被遮擋，甚至前排的學(xué)生也會被“完全”遮擋；

2）畫面內(nèi)的人臉數(shù)量較少，畫面邊緣的人臉，會出現(xiàn)時而在鏡頭內(nèi)，時而不在鏡頭內(nèi)的情況；

3）受拍攝設(shè)備的限制，后排、角落中學(xué)生的人臉部位較為模糊，亦或相機(jī)失焦、偶爾的局部亮度過低等，都會導(dǎo)致算法檢測不出人臉，導(dǎo)致了誤差。

綜合上述誤差分析，為了更好地計算課堂出勤率，刪去了3個由于坐在后排，臉部經(jīng)常被遮擋或頻繁不在鏡頭內(nèi)的學(xué)生圖像，單個位置檢出率低于30%的人臉位置，重新進(jìn)行人臉檢測，最后通過所有畫面中的總方框數(shù)除以總檢測到的人數(shù)進(jìn)行計算，得到的總檢出率為81.20%。

圖4 電機(jī)課檢測結(jié)果示意圖

圖5 電工課檢測結(jié)果示意圖

3 出勤率統(tǒng)計方法

根據(jù)拍攝到的畫面及教室的比例，選擇電機(jī)課和電工課圖片中的應(yīng)到人數(shù)為班級總?cè)藬?shù)的四分之一，即22人和15人，并以此給出課堂出勤率的計算方法。

3.1 三種計數(shù)方案

根據(jù)2.2節(jié)中的檢測結(jié)果，提出3種計數(shù)方案。

1）比較所有圖片中的人臉數(shù)量，取數(shù)量最小的數(shù)值作為最終的出勤人數(shù)。視頻中有些人坐在教室的后排或邊緣，經(jīng)常不抬頭，甚至整堂課持續(xù)趴在桌上，這種情況將其記錄為未出勤。經(jīng)計算得到，電機(jī)課與電工課檢測出的人數(shù)最小值分別為10人和8人，對應(yīng)的出勤率分別為45.5%和53.3%。

但同時，由于存在人臉被遮擋、攝像頭清晰度不高等原因所致的未檢測到的情況，以最小值作為最終結(jié)果而不將其計入考勤，這種考勤方法顯得有些嚴(yán)苛。

2）比較所有圖片中的人臉數(shù)量，取數(shù)量最大的數(shù)值作為最終的出勤人數(shù)。取最大值作為最終結(jié)果，這種方法能夠彌補由于設(shè)備和算法問題而帶來的漏檢。經(jīng)計算得到，電機(jī)課與電工課檢測出的人數(shù)最大值分別為17人和11人，對應(yīng)的出勤率分別為77.3%和73.3%。

但是這種檢測方法，無法檢出學(xué)生遲到早退的現(xiàn)象，也就是說，只要檢測到一次全班同學(xué)都在的情況，本堂課即被記為全勤，如果中間有學(xué)生溜走，最終結(jié)果也不會有所變化。

3）因此提出了第3種方法，比較每張圖片中的人臉數(shù)量，取出現(xiàn)次數(shù)最多的數(shù)值作為最終的出勤人數(shù)，即眾數(shù)的概念。這樣可以有效避免取最小值、最大值帶來的漏檢、多檢和忽略遲到早退的現(xiàn)象，可以反映出較為真實的課堂出勤情況。經(jīng)計算得，電機(jī)課與電工課檢測出人數(shù)的眾數(shù)分別為14人和10人，對應(yīng)的出勤率分別為63.6%和66.7%。

采用最大值、最小值和眾數(shù)的計數(shù)方法較為籠統(tǒng)、單一。于是，筆者提出了一種多層次的評價標(biāo)準(zhǔn)，可以將出勤情況分為多個等級，從而靈活地進(jìn)行課堂考勤，為智能化課堂考勤提供一種新的可解思路。

3.2 多層次評價標(biāo)準(zhǔn)

分別根據(jù)電機(jī)課和電工課得到的142張和52張圖片，按照一定的間距，在盡可能跨越全部圖片的原則下，均勻地抽取五組連續(xù)圖片，最終確定電機(jī)課和電工課每組圖片的數(shù)量分別為5張和3張。這樣就得到了一個縮小后的數(shù)據(jù)集，并依此來進(jìn)行考勤統(tǒng)計。抽取圖片均勻跨越了整個課堂視頻的始終，數(shù)據(jù)集可信度高，可以將其視為整個課堂的真實情況。

對電機(jī)課的5張照片進(jìn)行處理，若該位置有檢測框，即記為1，若沒有則記為0。若該位置在5張圖片中只要出現(xiàn)一次人臉框，即算作本組中出現(xiàn)，接著將得到的5組結(jié)果進(jìn)行求和，得到最終的評價值。這樣記錄考勤，可以有效記錄到遲到早退的情況，即使遲到早退，也有分值被記錄，不會被單純地算作未出勤，同時也不會被絕對地否定，即一次都沒被相機(jī)抓拍到即記作未出勤。設(shè)定5表示優(yōu)秀，4代表良好，3為一般，0～2則為較差。其中，5分和4分都能很好地表明該位置上的同學(xué)本堂課認(rèn)真聽課，沒有缺勤的情況。3分則表示，該位置上的同學(xué)可能有遲到、早退的現(xiàn)象，亦或是在教室的角落玩手機(jī)、睡覺等，聽課效果不佳。0分～2分的情況，老師可以根據(jù)自己的標(biāo)準(zhǔn)，來判定該位置上的同學(xué)，本堂課算作出勤還是缺勤。將所有位置上同學(xué)的得分取平均值，即可得到本堂課的綜合評價分?jǐn)?shù)。經(jīng)計算得，電機(jī)課和電工課的得分分別是4.78分和4.55分，均為優(yōu)秀。

經(jīng)綜合評價可知，電機(jī)課的最終得分總體上是略高于電工課的?？紤]是由于電機(jī)課為該專業(yè)的核心必修課，而電工課則為大類必修課。電機(jī)課的課程性質(zhì)較電工課更重要，難度更大，學(xué)生心里更加重視，因此出勤率更高。

4 結(jié)論

借助Retinaface算法，提出了一種基于人臉檢測的多等級評價的課堂考勤方法。該方法對真實課堂的畫面分時間段、分組進(jìn)行人臉檢測，將各組之間的檢測情況求和，得到該位置上同學(xué)本堂課的出勤表現(xiàn)得分。設(shè)定優(yōu)秀、良好、一般、較差四個等級反饋給授課教師，依此作為本堂課每個位置同學(xué)的出勤及聽課情況的評判標(biāo)準(zhǔn)。經(jīng)計算得，電機(jī)課和電工課的最終得分分別為4.78分和4.55分，均為優(yōu)秀。在下一步的研究中，準(zhǔn)備將人臉比對與識別加入算法中，即可給出每名同學(xué)的出勤情況統(tǒng)計表，同時，進(jìn)一步優(yōu)化網(wǎng)絡(luò)，訓(xùn)練自己的網(wǎng)絡(luò)模型，提高課堂環(huán)境中人臉的檢測能力和檢測效率。