薛繼偉，孫宇銳，辛紀元

（東北石油大學(xué)計算機與信息技術(shù)學(xué)院，黑龍江大慶 163000）

課堂考勤一直是教師評估學(xué)生學(xué)習(xí)狀態(tài)以及評定學(xué)生平時成績的重要方式之一，現(xiàn)如今大部分教師依舊使用人工點名這種傳統(tǒng)的考勤方式，存在替課、效率低下等問題。因此，近年來工作人員一直在探索全新的考勤方式，主要有指紋識別[1]、人臉識別、RFID[2]等技術(shù)。但指紋識別技術(shù)不僅需要提前采集學(xué)生指紋，學(xué)生簽到時也需要現(xiàn)場對比，雖然減少了教師點名的工作量，卻并未節(jié)省時間。RFID 技術(shù)的弊端是需要學(xué)生隨時攜帶簽到卡。以上兩種方式雖然非常適合企業(yè)級的考勤管理，卻并不適合教室場景的應(yīng)用。人臉識別技術(shù)是一種重要的生物特征識別技術(shù)，且在司法刑偵、電子護照以及各種考勤系統(tǒng)中都有應(yīng)用[3]。利用人臉識別技術(shù)可以在學(xué)生無感知的情況下，達到考勤的目的，為學(xué)生和教師節(jié)省時間[4]。

1 相關(guān)工作

人臉識別技術(shù)如今已經(jīng)逐漸成熟，傳統(tǒng)的人臉識別算法有基于幾何特征的方法、模板匹配算法和基于外觀形狀的方法等。隨著深度學(xué)習(xí)研究的發(fā)展，人臉識別技術(shù)也在不斷更新。DeepFace 是深度學(xué)習(xí)人臉識別方法的開山之作，它可以實現(xiàn)人臉檢測、對齊和識別。其在最后的識別階段使用了多種方法，包括直接算內(nèi)積、計算加權(quán)的卡方距離（Chisquare Measure）以及孿生神經(jīng)網(wǎng)絡(luò)等。FaceNet 中提出了Triplet Loss 三元組損失，由Anchor、Negative 和Positive 3 個元素組成，通過訓(xùn)練該損失增大了Anchor到Negative的距離，減小了Anchor到Positive的距離。為了使神經(jīng)網(wǎng)絡(luò)最終得到的特征更有辨識力度，不同學(xué)者對Softmax 公式進行了多種改進。如：CenterLoss 方法在Softmax 的基礎(chǔ)上添加維持類別中心的損失函數(shù)，L-Softmax 方法去掉了神經(jīng)網(wǎng)絡(luò)最后一層的偏置項，SphereFace[5]中提出的ASoftmax、L2-Softmax[6]以及AM-Softmax[7]和文中使用的ArcFace[8]等都沿用了這一改動。

2 人臉識別流程

每張人臉具有的特征都不相同，人臉所包含的可提取的特征數(shù)量越多，對人臉信息的表示越準確。如何區(qū)分這些特征，并將其對應(yīng)到合適的人臉中，是人臉識別需要解決的問題。深度學(xué)習(xí)人臉識別方法使用深度神經(jīng)網(wǎng)絡(luò)將特征數(shù)值映射到特征空間中，并通過人臉識別算法訓(xùn)練人臉數(shù)據(jù)集，得到適合計算機理解和區(qū)分的人臉特征[9]。

人臉識別具體流程如圖1 所示，首先需要構(gòu)建學(xué)生人臉數(shù)據(jù)庫，根據(jù)學(xué)生提交的照片進行分類，數(shù)據(jù)庫下分若干文件夾，每個文件夾命名為學(xué)生學(xué)號，學(xué)號文件夾下為該學(xué)生的所有照片。圖2 為人臉數(shù)據(jù)庫存儲目錄結(jié)構(gòu)示意圖。在構(gòu)建人臉數(shù)據(jù)庫階段，為了便于特征提取，需要對圖像數(shù)據(jù)進行人臉對齊預(yù)處理，將人臉裁剪為同一大小統(tǒng)一朝向的圖像，再利用人臉識別算法提取樣本的人臉特征向量。

圖1 人臉識別流程

圖2 人臉數(shù)據(jù)庫存儲目錄

當(dāng)輸入一張圖像時，首先利用人臉檢測算法獲得人臉具體位置，再通過人臉識別算法提取特征向量，最后計算所提取的特征與人臉庫中特征的相似度，并輸出與其相似度最高的人臉身份[10]。幾項重要技術(shù)的具體實現(xiàn)以及部分對比實驗如下。

3 人臉對齊和人臉檢測

3.1 人臉對齊

由于學(xué)生提交照片無法完全做到尺寸、人臉位置、大小等一致，直接使用會導(dǎo)致提取特征不準確，因此需要進行人臉對齊處理[11]。

人臉對齊算法有傳統(tǒng)的ASM、AAM、SDM 算法等，文中選用如今較為常用的深度學(xué)習(xí)人臉對齊算法MTCNN。MTCNN 全稱為多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)，可以實現(xiàn)人臉檢測、人臉關(guān)鍵點檢測以及人臉對齊。該網(wǎng)絡(luò)模型包含P-Net、R-Net 和O-Net 3 部分，利用候選框加分類器的思想，在輕量化網(wǎng)絡(luò)模型的同時可以進行快速高效的人臉檢測。MTCNN 通過P-Net 先粗略快速生成候選窗口，再經(jīng)過R-Net 進行高精度的過濾，最終生成精確邊界框。O-Net 比RNet 結(jié)構(gòu)多一個卷積層，通過O-Net 最終會輸出人面部的5 個特征點，分別是雙眼、鼻子和兩個嘴角。人臉對齊主要是通過人臉關(guān)鍵點檢測得到相應(yīng)坐標，根據(jù)該坐標調(diào)整人臉角度，可以得到對齊的人臉。圖3 為使用MTCNN 進行人臉對齊的部分圖像示例，圖像大小為160×160 px。

圖3 人臉對齊圖像示例

3.2 人臉檢測

3.2.1 人臉檢測算法

人臉檢測算法到目前為止經(jīng)歷了3 個階段，即早期的模板匹配技術(shù)、AdaBoost[12]算法和深度學(xué)習(xí)方法。為了提高在嵌入式設(shè)備上的計算效率，文中對比了幾種輕量級人臉檢測算法，并根據(jù)實驗結(jié)果選擇了LFFD 算法。LFFD[13]是一種較為快速的、用于人臉檢測的無錨框方法。該算法提出了一種具有8 個分支的簡單且高效的網(wǎng)絡(luò)，網(wǎng)絡(luò)中每兩個分支為一部分，分別是tiny part、small part、medium part 和large part。

3.2.2 人臉檢測算法對比實驗

文中針對相同場景（該場景有58 張人臉，其中被遮擋人臉數(shù)為5，NMS閾值設(shè)為0.3），對4種人臉檢測算法YOLOFace[14]、RetinaFace[15]、CenterFace[16]（以下分別簡稱YOLOF、RetinaF、CenterF）和LFFD 進行了實驗對比。表1 列出了4 種人臉檢測算法在同樣的場景下檢測到的人臉數(shù)量以及用時等。

表1 人臉檢測算法對比結(jié)果

從表1中可以看出，LFFD檢測到的人臉數(shù)最多且漏檢率最低，雖然相對于其他方法誤檢率較高，但對結(jié)果影響不大。綜合考慮多種因素，最終選擇LFFD方法。

4 人臉識別

設(shè)計人臉識別算法時主要考慮的問題是：同一個人在特征空間的距離非常近，不同人在特征空間中距離較遠。文中選用的ArcFace 算法本質(zhì)目標為縮小類內(nèi)距離，增大類間差距。

4.1 ArcFace算法

ArcFace 提出了用于人臉識別的損失函數(shù)，即Additive angular margin loss。ArcFace 在SphereFace和CosineFace的基礎(chǔ)上進行了改進，不同的是ArcFace在角度空間中最大化分類界限，而CosineFace 在余弦空間中最大化分類界限。ArcFace 損失函數(shù)的計算公式如式（1）所示：

ArcFace 在取消偏置的基礎(chǔ)上對輸入進行L2正則化（L2Regularization）處理，同時乘以固定的scale參數(shù)s。該公式在cos 函數(shù)的θyi角度后加上m參數(shù)，m參數(shù)為微小角度，通常取20°左右。該角度間隔比余弦間隔對角度的影響更加直接。

4.2 ArcFace訓(xùn)練方法

對ArcFace 損失函數(shù)的訓(xùn)練是在人臉識別之前的初始化工作。由于官方的ArcFace 使用MXNet 框架，預(yù)訓(xùn)練模型無法直接在Pytorch[17]中使用，并且其提供的Pytorch 版本預(yù)訓(xùn)練模型精度不高。文中使用遷移學(xué)習(xí)的方式重新訓(xùn)練ArcFace，以提高模型精度，進而改善識別結(jié)果。

4.2.1 數(shù)據(jù)集

1）CASIA-WebFace

文中使用了CASIA-WebFace 數(shù)據(jù)集，該數(shù)據(jù)集包括10 575 個人的494 414 張圖像，通過對數(shù)據(jù)集進行預(yù)處理，刪除有較多噪聲的圖片，將清理后的數(shù)據(jù)集導(dǎo)入到項目中作為訓(xùn)練集。

2）LFW

LFW 是無約束自然場景下的人臉識別數(shù)據(jù)集，該數(shù)據(jù)集由不同朝向和表情以及光照等條件下截取的人臉圖片組成，共13 233 張圖片，共5 749 人。圖片尺寸為250×250 px，其中1 680 人含有兩張或以上人臉圖片。該數(shù)據(jù)集如今主要用于驗證人臉識別準確率。LFW 提供了驗證列表LFW_test_pair.txt，該列表中隨機選擇了6 000 對人臉。其中3 000 對屬于同一人，另3 000 對為不同的兩人，每人各一張圖片。屬于同一個人的兩張圖片標記為1，屬于不同人的兩張圖片標記為0。若模型對同一人預(yù)測結(jié)果為1 即為正確，預(yù)測結(jié)果為0 即為錯誤。同理對不同人預(yù)測結(jié)果為0 即為正確，預(yù)測結(jié)果為1 即為錯誤。

4.2.2 訓(xùn)練和驗證

文中的主要實驗環(huán)境配置：Intel Core i7-7800X、32 GB 內(nèi)存、512 GB SSD 硬盤，NVIDIA RTX 2080Ti顯卡，Ubuntu16.04 操作系統(tǒng)、Python3.6 語言、深度學(xué)習(xí)框架Pytorch1.2.0。模型訓(xùn)練參數(shù)如下：骨干網(wǎng)絡(luò)使用MobileNet，BatchSize 設(shè)為64，epoch 為120；初始學(xué)習(xí)率為0.1，每10 個epoch 更新一次，衰減因子為0.1；ArcFace 公式中的s值設(shè)為30.0，m設(shè)為0.50。訓(xùn)練過程中損失函數(shù)變化曲線如圖4(a)所示，橫坐標為訓(xùn)練epoch（輪次），所有訓(xùn)練樣本完成一次正向傳播和反向傳播為一輪次?？v坐標為loss 損失值。訓(xùn)練得到的MobileNet_120.pth 模型在LFW 驗證集上的準確率為93.2%。圖4(b)為準確率變化曲線，橫坐標為訓(xùn)練epoch（輪次），縱坐標為測試準確率數(shù)值。

圖4 訓(xùn)練Loss及準確率變化曲線

4.3 人臉識別實現(xiàn)

人臉識別即對比特征的過程，通過式（2）計算待識別人臉特征（x11,x12,…x1n）與人臉庫中每個人臉特征（xi1,xi2,…xin）的歐式距離，如果小于所設(shè)定的閾值則輸出距離最小的人臉圖像作為識別結(jié)果，大于閾值則識別失敗。

最后，進行人臉識別實驗發(fā)現(xiàn)，不同人臉檢測模型對人臉識別結(jié)果影響不大，但若漏檢率較高會造成最終統(tǒng)計結(jié)果不準確。

5 無感點名系統(tǒng)設(shè)計

無感點名系統(tǒng)主要分為5 個模塊，即登錄模塊、個人管理模塊、點名模塊、查詢模塊和后臺管理模塊。系統(tǒng)可以完成登錄、查看個人信息、修改密碼等功能。點名模塊包括快速點名和正式點名功能。查詢模塊包括普通查詢和按條件查詢，教師可以按班級或?qū)W生姓名查詢學(xué)生簽到信息。后臺管理模塊完成對教師、學(xué)生、人臉庫以及課程等信息的管理功能。

系統(tǒng)開發(fā)使用前后端分離的方式，通過后端封裝API 接口，前端請求的方式連接。前端使用uni-APP UI 框架，后端使用Django Web 應(yīng)用框架。開發(fā)工具分別為HBuilderX 和PyCharm。在后端框架的選擇上，雖然Flask 框架小巧輕便、方便定制，但Django功能更加強大完善，且Django 內(nèi)置admin 后臺系統(tǒng)提高了軟件開發(fā)效率。圖5 為無感點名系統(tǒng)架構(gòu)。

圖5 無感點名系統(tǒng)架構(gòu)

教師可以根據(jù)需求選擇快速點名或正式點名，快速點名顯示實到人數(shù)，不對結(jié)果進行統(tǒng)計。正式點名功能需要教師選擇具體的課程信息，包括學(xué)期、課程名、班級、節(jié)次。教師使用系統(tǒng)時，上傳學(xué)生課堂圖像，進行人臉識別，可以查看統(tǒng)計結(jié)果，圖6 為正式點名界面。統(tǒng)計結(jié)果包括應(yīng)到人數(shù)、實到人數(shù)、缺勤人數(shù)以及缺勤學(xué)生的具體姓名等信息，教師可以選擇是否保存該次點名結(jié)果，便于后續(xù)查詢統(tǒng)計。

圖6 正式點名界面

6 結(jié)論

該文對深度學(xué)習(xí)人臉識別技術(shù)進行了研究，并將其應(yīng)用在無感點名系統(tǒng)中。開發(fā)了較為完整的無感點名系統(tǒng)，描述了具體的人臉識別流程以及系統(tǒng)架構(gòu)等。該系統(tǒng)為教師課堂點名節(jié)約了時間，提高了效率。由于實驗設(shè)備拍攝質(zhì)量限制，教室課堂圖片可能會出現(xiàn)不夠清晰的情況。未來工作目標為對課堂圖像進行處理，提高圖像質(zhì)量，進一步提高識別準確率。