摘要：文章旨在基于深度學(xué)習(xí)和人臉識別技術(shù)的融合，探討高校教學(xué)管理中課堂自動考勤系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)。文章通過應(yīng)用深度學(xué)習(xí)和人臉識別技術(shù)，構(gòu)建人臉識別模型并將其整合至考勤系統(tǒng)，利用攝像頭實(shí)時(shí)捕獲學(xué)生面部信息，與系統(tǒng)中存儲的人臉特征進(jìn)行匹配，從而實(shí)現(xiàn)課堂上的自動考勤。研究結(jié)果表明，該系統(tǒng)具備一定的創(chuàng)新性和實(shí)用性，不僅優(yōu)化了學(xué)生考勤流程，建立了高效的自動化考勤系統(tǒng)，而且能有效提升高校課堂教學(xué)管理效率，為高校的課堂管理改革提供一定的借鑒價(jià)值。

關(guān)鍵詞：深度學(xué)習(xí)；人臉識別；考勤系統(tǒng)；教學(xué)管理

中圖分類號：TP315" 文獻(xiàn)標(biāo)志碼：A

基金項(xiàng)目：2022年度廣西科技師范學(xué)院科研項(xiàng)目；項(xiàng)目名稱：基于深度學(xué)習(xí)和人臉識別的課堂自動考勤系統(tǒng)的研究與實(shí)現(xiàn)；項(xiàng)目編號：GXKS2022QN023。2024年度廣西高校中青年教師科研基礎(chǔ)能力提升項(xiàng)目；項(xiàng)目名稱：基于改進(jìn)的YOLOv5在甘蔗赤腐病檢測與識別的應(yīng)用研究；項(xiàng)目編號：2024KY0868。廣西科技師范學(xué)院2024年第一批校級項(xiàng)目；項(xiàng)目名稱：智能控制與信息處理重點(diǎn)實(shí)驗(yàn)室；項(xiàng)目編號：GXKSKYPT2024007。

作者簡介：張亮敬（1990— ），男，高級工程師，學(xué)士；研究方向：軟件開發(fā)，深度學(xué)習(xí)。

*通信作者：吳作洲（1989— ），男，工程師，學(xué)士；研究方向：信息安全。

0" 引言

在現(xiàn)代高校教育中，課堂考勤管理是教學(xué)管理的重要組成部分。傳統(tǒng)的考勤方式主要依賴于人工簽到或者點(diǎn)名，這種方式不僅耗時(shí)費(fèi)力，而且存在較高的作弊風(fēng)險(xiǎn)［1］。學(xué)生可能通過代簽等方式規(guī)避考勤，導(dǎo)致考勤數(shù)據(jù)的準(zhǔn)確性和真實(shí)性大打折扣。當(dāng)然解決代簽等考勤作弊問題的方法也有很多，例如Zhang等［2］提出了一種位置服務(wù)和人臉識別技術(shù)，耿申［3］提出了一種基于WLAN室內(nèi)定位和二維碼技術(shù)，Duan等［4］設(shè)計(jì)了一款人臉識別課程簽到系統(tǒng)等。此外，教師在點(diǎn)名時(shí)須要花費(fèi)大量的時(shí)間和精力，這無疑降低了課堂教學(xué)的效率。因此，開發(fā)一種高效、準(zhǔn)確的自動考勤系統(tǒng)尤為必要。

隨著信息技術(shù)的發(fā)展，特別是人工智能和深度學(xué)習(xí)技術(shù)的不斷進(jìn)步，基于人臉識別技術(shù)的自動考勤系統(tǒng)逐漸受到關(guān)注［5］。人臉識別技術(shù)能夠在非接觸的情況下，對目標(biāo)對象進(jìn)行快速、準(zhǔn)確的身份識別，具有高效、安全、便捷等優(yōu)點(diǎn)［6］。因此，本文將人臉識別技術(shù)應(yīng)用于高校課堂的考勤管理，不僅能夠大幅提升考勤的效率和準(zhǔn)確性，還能夠有效防止代簽到等作弊行為，對于推動教育現(xiàn)代化、教學(xué)管理信息化具有重要的現(xiàn)實(shí)意義和發(fā)展意義。

本研究的主要目的是設(shè)計(jì)并實(shí)現(xiàn)一款基于深度學(xué)習(xí)和人臉識別技術(shù)的高校課堂自動考勤系統(tǒng)，實(shí)現(xiàn)學(xué)生在課堂上的自動簽到，以解決傳統(tǒng)考勤方式存在的效率低、準(zhǔn)確性差、作弊風(fēng)險(xiǎn)高等問題。

1" 技術(shù)基礎(chǔ)與理論框架

1.1" 基礎(chǔ)技術(shù)框架

本研究采用基于Python語言的Flask框架，前端采用BootStrap實(shí)現(xiàn)頁面的布局，采用TrackingJS實(shí)現(xiàn)人臉檢測，采用AJAX技術(shù)實(shí)現(xiàn)數(shù)據(jù)交互，后臺采用face-recognition實(shí)現(xiàn)人臉識別，數(shù)據(jù)持久化采用MySQL數(shù)據(jù)庫。

1.2" 人臉檢測技術(shù)

人臉檢測通過采用特定的搜索策略對給定的圖像進(jìn)行分析，以確定是否存在人臉并返回人臉的位置、尺寸和方位［7］。本研究采用的人臉檢測技術(shù)是TrackingJS。TrackingJS是一款獨(dú)立的JavaScript庫，旨在實(shí)時(shí)跟蹤從攝像頭接收的數(shù)據(jù)。該庫能夠跟蹤顏色和人物，即研發(fā)人員可以通過檢測特定的顏色或人臉的出現(xiàn)與移動來觸發(fā)JavaScript事件，當(dāng)追蹤的數(shù)據(jù)對象為人臉圖像時(shí)，還可設(shè)置具體的追蹤檢測目標(biāo)，將焦點(diǎn)放在人臉圖像中的眼睛、鼻子和嘴巴等關(guān)鍵部位［8］。

1.3" 人臉識別技術(shù)

人臉識別技術(shù)是一種基于人的面部特征信息進(jìn)行身份識別的技術(shù)［9］。該技術(shù)通過捕捉個(gè)體的面部圖像，分析其中的關(guān)鍵特征，如眼睛、鼻子、嘴巴的位置和距離等，再與數(shù)據(jù)庫中預(yù)存的面部數(shù)據(jù)進(jìn)行匹配，以此來確認(rèn)個(gè)體的身份。這一過程包括多個(gè)步驟：首先是人臉圖像的獲取，其次是人臉檢測，再次是人臉特征提取，最后進(jìn)行匹配和識別。

本研究采用的人臉識別技術(shù)是face-recognition庫。face-recognition是一款基Python的人臉識別庫，采用深度學(xué)習(xí)算法實(shí)現(xiàn)人臉圖像的識別和匹配［10］。該庫使用了dlib中的深度學(xué)習(xí)模型，包括人臉檢測器和人臉特征提取器。dlib中的深度學(xué)習(xí)模型是基于卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks，CNN）實(shí)現(xiàn)的。CNN是一個(gè)由多層“卷積層”和“采樣層”等非全連接層組成的神經(jīng)網(wǎng)絡(luò)，能夠很好地實(shí)現(xiàn)圖片特征提取［11］。人臉檢測器會在圖像中找出所有的人臉，特征提取器則將每個(gè)人臉的特征轉(zhuǎn)化為一個(gè)128維向量，該向量能夠表征人臉的獨(dú)特特征，通過比較這些向量，可以判斷2張人臉圖像是否屬于同一個(gè)人。

2" 系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

2.1" 系統(tǒng)架構(gòu)設(shè)計(jì)

高校課堂自動考勤系統(tǒng)的設(shè)計(jì)旨在提供一個(gè)高效、可靠的自動化考勤解決方案。本系統(tǒng)采用分層架構(gòu)設(shè)計(jì)，主要分為訪問層、接口層、服務(wù)層和存儲層。存儲層負(fù)責(zé)數(shù)據(jù)存儲和管理，包括課程信息、學(xué)生頭像和考勤記錄等；服務(wù)層處理系統(tǒng)的核心功能，如人臉識別、數(shù)據(jù)處理和考勤記錄生成等；接口層用于前后端建立連接，實(shí)現(xiàn)數(shù)據(jù)的交互；訪問層提供用戶界面，方便用戶（教師和管理員）操作和查看考勤結(jié)果。系統(tǒng)的架構(gòu)設(shè)計(jì)如圖1所示。

2.2" 系統(tǒng)功能設(shè)計(jì)

系統(tǒng)的功能模塊設(shè)計(jì)主要分為用戶管理、班級管理、學(xué)生管理、課程管理和考勤管理5個(gè)部分，其中用戶模塊包括用戶信息的增刪改查以及用戶的登錄注冊等功能；班級管理模塊包括班級信息的增刪改查；學(xué)生管理模塊包括學(xué)生信息的增刪改查，學(xué)生照片更新通過學(xué)生信息修改完成；課程管理包括課程信息的增刪改查，課程的開設(shè)以及考勤信息的新增都要基于已有課程來實(shí)現(xiàn)；考勤管理模塊包括考勤信息的增刪改查以及人臉識別和考勤狀態(tài)的管理等。系統(tǒng)的功能結(jié)構(gòu)如圖2所示。

2.3" 考勤流程設(shè)計(jì)

本系統(tǒng)的主要功能是人臉考勤模塊，因此本文將著重介紹考勤模塊的設(shè)計(jì)與實(shí)現(xiàn)，系統(tǒng)其余模塊的內(nèi)容不再贅述。人臉考勤的流程大致可以分為以下幾步：數(shù)據(jù)采集、數(shù)據(jù)存儲、考勤信息新增、人臉捕獲與比對以及考勤記錄生成。

當(dāng)系統(tǒng)學(xué)生管理模塊添加學(xué)生信息時(shí)，用戶須要上傳學(xué)生的近期的照片；提交后系統(tǒng)會根據(jù)用戶上傳的圖像信息進(jìn)行特征提取，得到學(xué)生的面部特征數(shù)據(jù)并將其轉(zhuǎn)換成特征向量存于數(shù)據(jù)庫中。在考勤時(shí)，系統(tǒng)通過高清攝像頭捕捉學(xué)生的面部圖像，利用人臉識別模型提取關(guān)鍵特征點(diǎn)，生成學(xué)生當(dāng)前的面部特征向" 量并與之前存儲在數(shù)據(jù)庫中的特征向量進(jìn)行對比，若對比成功則生成考勤記錄，否則考勤失敗。考勤流程的設(shè)計(jì)如圖3所示。

2.4" 考勤模塊的實(shí)現(xiàn)

2.4.1" 人臉數(shù)據(jù)采集

前文已提到，考勤功能實(shí)現(xiàn)的前提是提交學(xué)生的照片。在學(xué)生管理模塊的學(xué)生信息新增功能中，用戶可以在新增學(xué)生信息時(shí)上傳圖片信息，提交后系統(tǒng)會將圖片數(shù)據(jù)存儲在文件系統(tǒng)中并將圖片數(shù)據(jù)中的人臉信息提取出來，將人臉的一些關(guān)鍵特征進(jìn)行向量化操作；隨學(xué)生信息一起存儲于MySQL數(shù)據(jù)庫中，用于生成后面的考勤信息和人臉比對?？紤]到學(xué)生信息的數(shù)據(jù)比較多，系統(tǒng)也提供了批量導(dǎo)入的功能，只要按照相應(yīng)的Excel表格模板文件填入學(xué)生信息并將表格上傳到系統(tǒng)，系統(tǒng)便能自行校驗(yàn)和錄入數(shù)據(jù)，從而大幅減少用戶的工作量。

2.4.2" 考勤數(shù)據(jù)新增

在已經(jīng)存在相應(yīng)班級、學(xué)生和課程信息的前提下，用戶可以新增考勤信息?？记谝蕾囉谀骋粋€(gè)班的某一門課程，考勤班級和考勤課程的數(shù)據(jù)均以下拉列表的方式給出，防止用戶輸入不存在的班級和課程信息。在提交數(shù)據(jù)之后，系統(tǒng)一方面會生成考勤數(shù)據(jù)，另一方面也會根據(jù)考勤班級生成相應(yīng)的考勤記錄，也就是該班級下的所有學(xué)生即為本次考勤的考核對象。新生成的考勤記錄狀態(tài)均為“未簽到”，待教師上課時(shí)開啟考勤功能；只有學(xué)生能成功進(jìn)行人臉比對，才將考勤狀態(tài)更新為“已簽到”，記錄考勤時(shí)間和考勤時(shí)刻的圖像數(shù)據(jù)。

2.4.3" 人臉檢測與識別

教師上課時(shí)即可開啟人臉考勤功能，TrackingJS可以實(shí)時(shí)監(jiān)測攝像頭中的人臉數(shù)據(jù)，當(dāng)鏡頭中出現(xiàn)人臉圖像時(shí)，使用AJAX異步請求技術(shù)將圖像數(shù)據(jù)即時(shí)傳輸?shù)胶笈_，后臺中的face-recognition模塊能對圖像數(shù)據(jù)中的人臉信息進(jìn)行特征提取并將其轉(zhuǎn)換成一個(gè)128維的向量，然后與數(shù)據(jù)庫中存儲的人臉特征數(shù)據(jù)進(jìn)行比對，比對成功后則生成考勤記錄，否則考勤失敗。經(jīng)測試，該功能能夠準(zhǔn)確地實(shí)現(xiàn)人臉檢測和識別，基本滿足考勤系統(tǒng)對人臉識別精度的要求，具有一定的實(shí)用價(jià)值。人臉捕獲與識別的功能如圖4所示。

2.4.4" 考勤信息查詢

當(dāng)考勤信息新增完畢之后，即可在系統(tǒng)的考勤信息管理中查詢考勤信息和考勤詳情，考勤詳情中會記錄每位學(xué)生的考勤狀態(tài)和考勤時(shí)間，如果學(xué)生的考勤信息有誤，那么教師可以在系統(tǒng)中手動修改考勤狀態(tài)?？记谠斍椴樵兊墓δ苋鐖D5所示。

3" 結(jié)語

本研究成功設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)高校課堂自動考勤系統(tǒng)。該系統(tǒng)通過采用深度學(xué)習(xí)和人臉識別技術(shù)，準(zhǔn)確地識別學(xué)生的身份并記錄學(xué)生的到課情況，極大地提高了教師課堂考勤的效率，使教師能夠更專注于課堂教學(xué)，有助于提升教學(xué)質(zhì)量。同時(shí)，該系統(tǒng)的開發(fā)對高校教育管理領(lǐng)域的數(shù)字化轉(zhuǎn)型具有重要的實(shí)踐參考意義，為高校教育管理的數(shù)字化轉(zhuǎn)型提供借鑒。未來的研究可以嘗試融合多攝像頭的數(shù)據(jù)，避免因拍攝角度不佳導(dǎo)致面部信息無法完整捕獲的問題，進(jìn)一步提高人臉識別的準(zhǔn)確度和系統(tǒng)的可靠性，從而更好地滿足高校教學(xué)管理的需求。

參考文獻(xiàn)

［1］羅榆凌，范濤，劉金輝，等.基于RFID技術(shù)的高校課堂考勤管理系統(tǒng)［J］.電子測試，2020（23）：66-68.

［2］ZHANG L，BAI X Y，WANG P Z，et al. The lesson sign-in system based on face recognition and location restriction［J］. IOP Conference Series：Materials Science and Engineering，2019（4）：042045.

［3］耿申.基于WLAN室內(nèi)定位技術(shù)的二維碼簽到技術(shù)在學(xué)生管理中的應(yīng)用［J］.電腦知識與技術(shù)，2017（7）：26-27，22.

［4］DUAN Q C，CHEN L，GUAN J L. 5th International Conference on Computer Information Science and Application Technology，October 20，2022［C］. Chongqing：CISAT，2022.

［5］付迎迎，林治，吳承鑫，等.基于目標(biāo)檢測與人臉識別相結(jié)合的課堂考勤智能識別系統(tǒng)［J］.電子產(chǎn)品世界，2024（1）：67-70.

［6］夏冉，李雨欣，李鵬飛.基于卷積神經(jīng)網(wǎng)絡(luò)的人臉考勤系統(tǒng)［J］.電腦知識與技術(shù)，2024（17）：39-42.

［7］徐銘，李華.基于改進(jìn)YOLOv5s-face的Face5系列人臉檢測算法［J］.重慶理工大學(xué)學(xué)報(bào)（自然科學(xué)），2024（6）：194-202.

［8］何文志，周化鋼.基于TrackingJS庫+百度云人臉識別課程簽到系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)［J］.軟件工程，2024（7）：6-11.

［9］夏志強(qiáng).人臉識別綜述［J］.電子世界，2017（23）：74，76.

［10］高艷，徐麗麗.基于face_recognition庫的人臉識別課堂簽到系統(tǒng)［J］.現(xiàn)代計(jì)算機(jī)，2021（11）：157-160.

［11］王忠東，張?jiān)苿?，張亮敬，?基于深度學(xué)習(xí)的石油污染物三維熒光光譜識別技術(shù)研究［J］.激光與光電子學(xué)進(jìn)展，2023（15）：386-395.

（編輯" 王雪芬編輯）

Design and implementation of classroom attendance system based on face recognition

ZHANG" Liangjing1， YAO" Guopeng2， WU" Zuozhou1*

（1.Guangxi Science amp; Technology Normal University， Laibin 546199， China; 2.Guangxi Houpu Digital

Technology Co.， Ltd.， Nanning 530009， China）

Abstract： This study aims to explore the design and implementation of an automatic classroom attendance system in higher education management based on the integration of deep learning and facial recognition technology. By applying deep learning and facial recognition technology， a facial recognition model is constructed and integrated into the attendance system. Cameras are used to capture real-time facial information of students， which is then matched with stored facial features in the system to achieve automatic attendance in the classroom. The results indicate that this system is innovative and practical. It not only optimizes the student attendance process and establishes an efficient automated attendance system，but also effectively enhances the management efficiency of classroom teaching in higher education，which provides a reference for classroom management reform in universities.

Key words： deep learning; facial recognition; attendance system; teaching management