0 引 言

高校的教學(xué)管理中， 出勤率的考核是一項(xiàng)重要的內(nèi)容。傳統(tǒng)的紙質(zhì)點(diǎn)名方式或查學(xué)生證的方式不僅耗時(shí)、耗力，在考勤過程中還可能擾亂正常的教學(xué)秩序。近幾年出現(xiàn)了一些現(xiàn)代化的考勤方式，比如刷卡 [1-2] 方式，學(xué)生攜帶一張 RFID 卡，需要將其放在讀卡器上記錄出勤情況，使用RS 232 將系統(tǒng)連接到計(jì)算機(jī)，并從數(shù)據(jù)庫中保存記錄的出勤信息。該系統(tǒng)可能會(huì)導(dǎo)致欺詐性訪問問題，未經(jīng)授權(quán)的人可以使用授權(quán)的身份證進(jìn)入系統(tǒng)。指紋考勤系統(tǒng) [3-4]，在講課期間學(xué)生可將手指放在傳感器上，而無需指導(dǎo)老師干預(yù)，是一個(gè)簡單可行的考勤方法。但是在講課期間，設(shè)備的傳遞可能會(huì)分散學(xué)生的注意力，另外指模也可以代替同學(xué)簽到。虹膜識(shí)別考勤系統(tǒng) [5-6] 和 RFID 卡類似，需要每個(gè)同學(xué)排隊(duì)檢測虹膜，浪費(fèi)課堂時(shí)間，擾亂課堂秩序。對(duì)分易考勤系統(tǒng)， 雖然可以調(diào)整考勤時(shí)間，但是每個(gè)學(xué)生都需要在手機(jī)上網(wǎng)簽到，對(duì)于沒帶手機(jī)、或者沒記住考勤號(hào)的同學(xué)可能會(huì)遺漏。當(dāng)然對(duì)于考勤時(shí)間限制較長的，簽到號(hào)完全可以發(fā)送到不到課堂的學(xué)生手機(jī)上，可以遠(yuǎn)程簽到，不利于簽到的準(zhǔn)確性。隨著人臉識(shí)別技術(shù)的發(fā)展，人臉考勤系統(tǒng) [7-9] 也進(jìn)入人員管理系統(tǒng)中。但是，常用的人臉考勤系統(tǒng)都需要專門的人臉識(shí)別設(shè)備，需要在上課前或下課后排隊(duì)識(shí)別考勤，浪費(fèi)時(shí)間， 也存在考勤后溜走不上課的情況。

為此本文設(shè)計(jì)一種新的人臉識(shí)別考勤方法，在無需老師和學(xué)生干預(yù)的情況下，實(shí)現(xiàn)學(xué)生在課堂環(huán)境中的自動(dòng)識(shí)別和出勤記錄。目前一般高校的各個(gè)教室都有高清監(jiān)控?cái)z像頭， 這些攝像頭會(huì)不斷地捕捉學(xué)生的視頻圖像并保存到監(jiān)控中心，用來記錄學(xué)生的上課情況。本文利用監(jiān)控視頻拍攝下來的視頻圖像，在課堂上檢測圖像中的學(xué)生人臉，將檢測到的人臉特征與數(shù)據(jù)庫中的特征進(jìn)行比較識(shí)別，并登記出勤情況。

1 系統(tǒng)總體設(shè)計(jì)

該系統(tǒng)由教室里安裝的攝像頭捕捉學(xué)生圖像，并將其發(fā)送到監(jiān)控中心后臺(tái)進(jìn)行處理和考勤。在后臺(tái)的人臉識(shí)別系統(tǒng)中，根據(jù)上課時(shí)間按照一定的時(shí)間間隔從教室監(jiān)控視頻中捕獲學(xué)生圖像，并對(duì)圖像進(jìn)行增強(qiáng)和去噪處理 ；然后在圖像中檢測人臉，并將檢測到的人臉進(jìn)行對(duì)齊處理 ；最后進(jìn)行人臉對(duì)比識(shí)別，并在數(shù)據(jù)庫中標(biāo)記出勤情況。本系統(tǒng)由圖 1 所示的 4 個(gè)模塊組成 ：學(xué)生入學(xué)人臉圖像采集模塊、學(xué)生上課考勤人臉圖像采集模塊、人臉對(duì)比識(shí)別模塊和考勤管理模塊。

圖 1 系統(tǒng)功能模塊圖

在學(xué)生入學(xué)時(shí)，都會(huì)采集他們的面部圖像，存儲(chǔ)在數(shù)據(jù)庫中，并按班級(jí)分類，將這些圖像經(jīng)過預(yù)處理后按班級(jí)保存在學(xué)生人臉特征數(shù)據(jù)庫中。在上課考勤時(shí)，對(duì)在教室采集到的圖像進(jìn)行人臉檢測和對(duì)齊，并和數(shù)據(jù)庫中圖像逐一進(jìn)行比較，如果能識(shí)別出來，則在考勤數(shù)據(jù)庫中標(biāo)記出勤信息。開始上課后，系統(tǒng)將自動(dòng)啟動(dòng)考勤流程，在一節(jié)課堂中多次采集學(xué)生圖像并進(jìn)行人臉識(shí)別，自動(dòng)獲得出勤率，節(jié)省了大量時(shí)間，而且不會(huì)有任何弄虛作假情況。具體流程如圖 2 所示。

圖 2 視頻考勤系統(tǒng)流程

2 系統(tǒng)模塊設(shè)計(jì)

2.1 學(xué)生入學(xué)人臉圖像采集模塊

隨著信息技術(shù)的發(fā)展，在學(xué)生入學(xué)時(shí)需要辦理校園卡、銀行卡，以及貸款等業(yè)務(wù)，這些業(yè)務(wù)系統(tǒng)都需要對(duì)學(xué)生進(jìn)行人臉圖像采集，并將圖像和學(xué)生的基本信息進(jìn)行綁定。本系統(tǒng)將這些采集好的人臉圖像數(shù)據(jù)庫作為人臉圖像的查詢庫， 按學(xué)生的學(xué)號(hào)將圖像與基本信息按班級(jí)分類，做成班級(jí)考勤的人臉識(shí)別庫。具體流程如圖 3 所示。

圖 3 人臉數(shù)據(jù)庫采集流程

目前， 提取人臉特征的方法較多， 如基于主成分分析 （Principal Component Analysis，PCA） 技 術(shù) [10-11] 的Eigenfaces[12]， 該方法是 PCA 最具代表性的方法， 是應(yīng)用于人臉識(shí)別問題的最流行的算法之一 ；基于線性判別分析（Linear Discriminant Analysis，LDA）的方法 Fisherfaces[13]， 以及 Fisherfaces 的改進(jìn)方法 KFDA[14]。PCA 和 LDA 有相似之處，都是對(duì)原有數(shù)據(jù)進(jìn)行整體降維映射到低維空間的方法。LDA 同時(shí)考慮了類間離散度和類內(nèi)離散度，使這兩者的比率達(dá)到最大。經(jīng)實(shí)驗(yàn)證明，F(xiàn)isherfaces 的性能優(yōu)于 Eigenfaces。本系統(tǒng)采用 OpenCV+Fisherfaces 的方法提取人臉特征并進(jìn)行人臉識(shí)別。采集到的人臉圖像由較多的像素組成，如果一個(gè)像素為 1 維特征，那么得到的人臉圖像將是一個(gè)維數(shù)很高的特征向量，計(jì)算量非常大，且人臉中的這些像素都具有一定相關(guān)性。PCA 和 LDA 技術(shù)能在降低圖像維數(shù)時(shí)降低原始各維特征之間的相關(guān)性。根據(jù) LDA 技術(shù)對(duì)采集的學(xué)生人臉圖像提取特征，并將特征保存到人臉特征數(shù)據(jù)庫中，以供在課堂考勤中進(jìn)行人臉對(duì)比識(shí)別。

2.2 學(xué)生上課考勤人臉圖像采集模塊

在學(xué)生上課時(shí)，該教室的攝像頭會(huì)隨著老師講臺(tái)的打開自動(dòng)打開，學(xué)生進(jìn)入教室時(shí)，攝像頭一直工作，在上課期間采集上課的每位學(xué)生圖像。因?yàn)榻淌业臄z像頭不是專門采集人臉的，上課時(shí)拍攝到的圖像中存在學(xué)生的臉部姿勢不正， 大小各異（教室前面的臉部大，后面的學(xué)生臉部小），所以需要進(jìn)行人臉檢測和人臉對(duì)齊。在人臉檢測前，先對(duì)視頻圖像進(jìn)行預(yù)處理，此預(yù)處理步驟涉及提取人臉圖像的直方圖均衡和去噪處理 ；然后在圖像中檢測人臉，定位人臉部分后使用人臉對(duì)齊方法 [15-17] 進(jìn)行臉部剪切、仿射變形 ；最終生成人臉正面圖像，并將其大小調(diào)整為 100×100 像素。直方圖均衡是最常用的直方圖歸一化技術(shù)，通過擴(kuò)展圖像的強(qiáng)度范圍提高了圖像的對(duì)比度，使圖像更清晰。歸一化后將人臉圖像調(diào)整為統(tǒng)一大小，再按照 LDA 的方式提取人臉特征。

2.3 人臉對(duì)比識(shí)別模塊

從檢測到的人臉圖像中提取到特征后，需要將其和存儲(chǔ)的人臉特征數(shù)據(jù)庫進(jìn)行查詢對(duì)比，識(shí)別人臉圖像。因此，在人臉檢測步驟之后，下一步是人臉識(shí)別。在第 2.2 節(jié)已經(jīng)檢測到圖像中的所有人臉，并使用對(duì)齊方法剪切下來規(guī)整成統(tǒng)一大小的臉部正面圖像，接下來提取這些人臉圖像的特征并逐一與該班級(jí)的學(xué)生人臉特征數(shù)據(jù)庫進(jìn)行比較，這樣通過人臉數(shù)據(jù)庫對(duì)學(xué)生的人臉進(jìn)行逐一驗(yàn)證，就可以識(shí)別出學(xué)生的身份，同時(shí)在考勤管理數(shù)據(jù)庫中標(biāo)注學(xué)生的出勤情況。具體做法為 ：將學(xué)生入學(xué)人臉采集圖像作為樣本圖像，學(xué)生上課考勤的人臉作為測試圖像，然后使用 LDA 方法提取圖像特征，最后通過構(gòu)造特征空間進(jìn)行投影計(jì)算，使用分類器進(jìn)行人臉識(shí)別，具體流程如圖 4 所示。在人臉對(duì)比模塊中，采用的分類器是模式識(shí)別中常用的最近鄰方法，此方法直接簡單， 容易實(shí)現(xiàn)，可用于任何分布的數(shù)據(jù)。在訓(xùn)練樣本足夠時(shí)，最近鄰分類法的效果比較理想。

2.4 考勤管理模塊

考勤管理包括學(xué)期管理、課程管理、班級(jí)管理、學(xué)生管理、考勤登記管理和考勤記錄導(dǎo)出功能。在使用人臉識(shí)別進(jìn)行考勤時(shí)，系統(tǒng)根據(jù)課程安排將檢測到的各班學(xué)生人臉圖像特征與對(duì)應(yīng)班級(jí)的人臉數(shù)據(jù)庫特征逐個(gè)進(jìn)行比較驗(yàn)證，并在服務(wù)器上的考勤登記管理中登記學(xué)生出勤情況。識(shí)別出的人臉將登記為出勤，沒有識(shí)別到的人臉將登記為缺勤，并提供導(dǎo)出到 Excel 的功能，打印出各個(gè)班級(jí)學(xué)生的考勤情況，也可以通過別的系統(tǒng)將各班考勤情況及時(shí)公布。

結(jié) 語

本文基于人臉識(shí)別技術(shù)設(shè)計(jì)出一種自動(dòng)考勤系統(tǒng)，充分利用原有的監(jiān)控設(shè)備，在上課期間自動(dòng)進(jìn)行考勤，無需排隊(duì)采集信息，無需人工干預(yù)。該系統(tǒng)比傳統(tǒng)的考勤系統(tǒng)省時(shí)省力，同時(shí)又不干擾正常的教學(xué)過程，并能準(zhǔn)確檢測學(xué)生在課堂上的出勤情況，為學(xué)生考勤管理提供了方便快捷的方法。

該系統(tǒng)在理想條件下能取得較好的效果，但是，實(shí)際情況中，由于教室中光線、角度、表情等多種因素會(huì)影響系統(tǒng)識(shí)別準(zhǔn)確度。在今后的工作中，將考慮使用 GPU 高性能圖像處理服務(wù)器，采用深度學(xué)習(xí)的方法提高系統(tǒng)對(duì)現(xiàn)場復(fù)雜環(huán)境的適應(yīng)能力，使人臉識(shí)別能達(dá)到人類識(shí)別的精確度，提高考勤的準(zhǔn)確性。