李吉 蔡子碩 李林燕

摘 要：課堂考勤管理是一項繁瑣而又細致的工作，考勤作為教師對學生課堂學習的基本管理需求，在教學管理中至關(guān)重要。人工智能和人臉識別技術(shù)的不斷發(fā)展，也為基于面部特征人臉識別技術(shù)的課堂考勤自動化系統(tǒng)的實現(xiàn)提供了新的思路和方法。本文利用教室監(jiān)控視頻流，利用卷積神經(jīng)網(wǎng)絡進行視頻流中人臉特征提取及識別，聯(lián)網(wǎng)動態(tài)記錄學生課堂全程考勤情況，保證了課堂考勤數(shù)據(jù)的實時性，也能較好地避免代課問題，更好地實現(xiàn)了教學課堂考勤的精準管理。

關(guān)鍵詞：自動化考勤;卷積神經(jīng)網(wǎng)絡;人臉識別;智慧教學管理

一、引言

課程考勤管理是一項繁瑣而又細致的工作，考勤作為教師對學生課堂教學的基本管理需求，在高校教學管理中至關(guān)重要。當前，大部分高校的考勤主要通過手工記錄、紙質(zhì)文件存儲，對紙質(zhì)文件的統(tǒng)計過程異常繁瑣，容易出錯，實時性較差，也難以對代課、早退等現(xiàn)象進行實時管理，無法做到學生課堂考勤的全過程監(jiān)督，這不僅浪費人力與物力，還無法保證其準確性和透明度，同時如何保存這些數(shù)據(jù)也是一項難題，更無法進行數(shù)據(jù)分析。

人工智能和人臉識別技術(shù)的不斷發(fā)展，人臉識別在日常生活中的應用場景越來越廣泛，如刷臉身份認證、刷臉電子支付等。與獲取指紋等生物特征提取進行比較，人臉面部特征的獲取途徑更廣，也更容易，具有非接觸性、非強制性的優(yōu)點。人臉識別技術(shù)的發(fā)展也為基于面部特征人臉識別技術(shù)的課堂考勤自動化系統(tǒng)的實現(xiàn)提供了新的思路和方法，實時聯(lián)網(wǎng)動態(tài)記錄學生課堂全程考勤情況，保證了課堂考勤數(shù)據(jù)的實時性，也能較好地避免代課問題，更好地實現(xiàn)了教學課堂考勤的精準管理。人工智能與教學管理的結(jié)合對學校來說是一個全新的發(fā)展方向，將人臉識別技術(shù)和學生考勤相結(jié)合，可以說是未來考勤自動化和智能化的主要體現(xiàn)。

本文借助教室監(jiān)控視頻流，利用卷積神經(jīng)網(wǎng)絡進行視頻流中人臉特征提取及識別，聯(lián)網(wǎng)動態(tài)記錄學生課堂全程考勤情況，保證了課堂考勤數(shù)據(jù)的實時性，也能較好地避免代課問題，更好地實現(xiàn)了教學課堂考勤的精準管理。

二、基于卷積神經(jīng)網(wǎng)絡的人臉識別

19世紀末《Nature》首次發(fā)表人臉識別相關(guān)論文，人臉識別技術(shù)快速發(fā)展，并成為計算機視覺領(lǐng)域應用最為成功的技術(shù)之一。從最早的全局特征人臉識別方法到局部特征人臉識別方法等，人臉識別方法一直在不斷發(fā)展。隨著人臉訓練數(shù)據(jù)的快速增長，深度學習方法逐漸成為人臉識別主流方法，卷積神經(jīng)網(wǎng)絡是其中的主要算法之一。卷積神經(jīng)網(wǎng)絡可以不斷自主地學習人臉圖像特征，訓練的模型魯棒性較好，即便人臉的表情、姿態(tài)或光照發(fā)生一定的變化，也可以正確識別人臉。

（一）卷積神經(jīng)網(wǎng)絡

卷積神經(jīng)網(wǎng)絡（Convolutional Neural Networks， CNN）是一類包含卷積計算且具有深度結(jié)構(gòu)的前饋神經(jīng)網(wǎng)絡（Feedforward Neural Networks），是深度學習（deep learning）的代表算法之一。一般一個卷積神經(jīng)網(wǎng)絡結(jié)構(gòu)包括輸入層、卷積層、池化層、全連接層和輸出層。

* 輸入層：卷積神經(jīng)網(wǎng)絡的輸入層可以處理多維數(shù)據(jù)。一般學習數(shù)據(jù)在輸入卷積神經(jīng)網(wǎng)絡之前，需要做標準化的預處理，有利于提升學習效率。

* 卷積層：卷積層是卷積神經(jīng)網(wǎng)絡的核心基石。卷積神經(jīng)網(wǎng)路中每層卷積層由若干卷積單元組成，每個卷積單元的參數(shù)都是通過反向傳播算法優(yōu)化得到的。卷積運算的目的是提取輸入的不同特征，第一層卷積層可能只能提取一些低級的特征如邊緣、線條和角等層級，更多層的網(wǎng)絡能從低級特征中迭代提取更復雜的特征。

* 池化層：在卷積層進行特征提取后，輸出的特征圖會被傳遞至池化層進行特征選擇和信息過濾。池化層包含預設(shè)定的池化函數(shù)，其功能是將特征圖中單個點的結(jié)果替換為其相鄰區(qū)域的特征圖統(tǒng)計量。

* 全連接層：在經(jīng)過多個卷積層和池化層之后，會在網(wǎng)絡的最后連接一個或多個全連接層。全連接層一般只向其他全連接層傳遞信號，也可以與卷積層進行相互轉(zhuǎn)換。卷積神經(jīng)網(wǎng)絡中的卷積層和池化層能夠?qū)斎霐?shù)據(jù)進行特征提取，全連接層的作用則是對提取的特征進行非線性組合以得到輸出。

* 輸出層：卷積神經(jīng)網(wǎng)絡中輸出層的上游通常是全連接層，主要負責對提取的特征進行輸出。如圖像分類問題中，可以通過輸出層輸出對應的分類標簽。

（二）基于卷積神經(jīng)網(wǎng)絡的人臉識別

利用卷積神經(jīng)網(wǎng)絡進行圖像識別的步驟為：首先，輸入層接收經(jīng)過標準化預處理的圖像，每一層的每個神經(jīng)元將前一層的一組小的局部近鄰的單元作為輸入，神經(jīng)元抽取一些基本的視覺特征，比如邊緣、角點等，這些特征之后會被更高層的神經(jīng)元所使用。然后，通過卷積操作獲得特征圖，不同特征圖的單元將各自不同類型的特征提取到相應位置。卷積層后邊會連接池化層進行降采樣操作，一方面可以降低圖像的分辨率，減少參數(shù)量，另一方面可以獲得平移和形變的魯棒性。然后，在全連接層對提取的特征進行組合，最后將結(jié)果在輸出層進行輸出。

基于卷積神經(jīng)網(wǎng)絡的人臉識別一般從以下幾個步驟來完成：首先，制作人臉數(shù)據(jù)集，在制作人臉數(shù)據(jù)集時需要將人臉進行標準化預處理提取，一般以相同尺寸大小進行人臉數(shù)據(jù)的保存，并將人臉特征值進行檢測提取;第二步，進行卷積神經(jīng)網(wǎng)絡模型訓練，先在輸入層進行人臉數(shù)據(jù)截取，通過卷積層進行特征值的提取，再通過池化層進行采樣，然后在全連接層進行卷積轉(zhuǎn)換為組合進行輸出;第三步，進行人臉識別，通過攝像頭獲取或者傳入待識別圖像，對待識別圖像進行相應圖像處理，進行人臉的檢測提取，將監(jiān)測提取到的人臉傳入訓練好的卷積神經(jīng)網(wǎng)絡中，然后和人臉數(shù)據(jù)集中的人臉依次比對進行識別操作，最后將識別結(jié)果進行輸出。

三、課堂自動化考勤系統(tǒng)中卷積神經(jīng)網(wǎng)絡算法的應用

本文利用教室監(jiān)控視頻流，利用卷積神經(jīng)網(wǎng)絡進行視頻流中人臉特征提取及識別構(gòu)建課程自動化考勤系統(tǒng)，聯(lián)網(wǎng)動態(tài)記錄學生課堂全程考勤情況，保證了課堂考勤數(shù)據(jù)的實時性，也能較好地避免代課問題，更好地實現(xiàn)了教學課堂考勤的精準管理。在系統(tǒng)軟件設(shè)計上，架構(gòu)設(shè)計分為四層：UI操作層、應用功能層、業(yè)務邏輯層和數(shù)據(jù)接口層。其中，UI操作層顯示班級人員信息、學生考勤狀態(tài)及搜索功能。應用功能層主要用于學生人臉的檢測、提取、識別及學生考勤信息的動態(tài)維護更新等。業(yè)務邏輯層主要負責把數(shù)據(jù)層的操作進行整合，對系統(tǒng)中業(yè)務邏輯處理。數(shù)據(jù)接口層負責各種相應的接口和存儲服務，如下圖1所示。

系統(tǒng)利用http、https服務來進行訪問認證的接入服務請求，在服務器路由接收到外部的http、https請求時，通過服務路由的微服務進入到消息中間件實現(xiàn)與服務器進行通信，從而實現(xiàn)學生智能考勤的考勤管理、課程管理等系列管理服務，如下圖2所示。

基于卷積神經(jīng)網(wǎng)絡的課堂自動化考勤系統(tǒng)為實現(xiàn)面向教師監(jiān)控視頻流的學生課堂自動化考勤功能，功能框架圖如圖3所示。主要包括的功能有：

（一）學生人臉信息的輸入。收集學生的面部特征信息，并將學生基本數(shù)據(jù)錄入到數(shù)據(jù)庫;

（二）自動化考勤。通過教師監(jiān)控視頻流進行人臉特征的檢測、提取、識別及比對功能，實現(xiàn)學生課堂考勤的動態(tài)更新;

（三）考勤信息查閱。當管理員用戶成功登錄后，學生的考勤信息展示在頁面上，管理員用戶可點擊學生頭像對其進行詳細查看;

（四）人臉模型迭代。重置系統(tǒng)后或輸入新的面部信息后，卷積神經(jīng)網(wǎng)絡模型開始對人的面部信息進行修正，實現(xiàn)數(shù)據(jù)庫人臉信息的更新操作;

（五）系統(tǒng)基本信息的維護管理。實現(xiàn)系統(tǒng)相關(guān)的學生、教師、課程、學期等基本信息的維護管理。

四、結(jié)束語

本系統(tǒng)的實現(xiàn)主要應用OpenCV軟件庫、TensorFlow卷積神經(jīng)網(wǎng)絡（CNN）處理方法和MySQL數(shù)據(jù)庫來實現(xiàn)。首先用OpenCV調(diào)取攝像頭，檢測人的面部信息進行特征提取，然后運用CNN對面部生物特征信息進行識別，最后把信息存到MySQL數(shù)據(jù)庫當中，實現(xiàn)了學生考勤、數(shù)據(jù)上報、考勤數(shù)據(jù)查詢和統(tǒng)計、信息維護以及數(shù)據(jù)導出等功能，并在蘇州經(jīng)貿(mào)技術(shù)學院信息技術(shù)學院20個班級進行了系統(tǒng)使用，能完全滿足學生、教師、輔導員、學院領(lǐng)導及管理員各方的應用需求，能較好地實現(xiàn)課堂智能考勤和數(shù)據(jù)分析的效果。

參考文獻：

[1] 徐釬力，嚴張凌. 基于Android的學生智能考勤系統(tǒng)的設(shè)計與實現(xiàn)[J]. 信息與電腦（理論版）， 2020，32（14）： 92-94.

[2] 梁曉琦，戴永輝，藏鴻雁. 基于雙重定位技術(shù)的智能考勤系統(tǒng). 計算機與現(xiàn)代化， 2020，（01）：58-62+80.

[3] 鄭華昌. 基于智能移動終端的人臉識別技術(shù)在高校課堂考勤中的應用研究——以江門職業(yè)技術(shù)學院為例. 計算機產(chǎn)品與流通，2019，（10）：222.

[4] 黃金鈺， 張會林， 閆日亮. LBP 直方圖與 PCA 的歐式距離的人臉識別[J]. 計算機系統(tǒng)應用， 2012，21（06）：202-204.

[5] 劉湘煜. 課堂考勤系統(tǒng)移動端的設(shè)計與實現(xiàn).互聯(lián)網(wǎng)天地， 現(xiàn)代計算機. 2019，（15）：87-92.

[6] 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， 2016，2（1）：33-39.