人臉識別技術在高校管理中的系統設計與應用

李歡歡

摘要

近年來信息技術迅猛發展，計算機技術與人工智能技術更是以超乎想象的速度催生并推動了人臉識別技術的發展。人臉識別技術基于神經網絡技術、深度學習技術以及生物識別技術的發展，不斷刷新識別方式，并在身份認證上保持著極大的安全性。因此，該技術如今已被廣泛應用于教育和工作領域，用以提供考勤、監督以及規范化管理等服務。本文將著重從人臉識別系統的技術特點分析其在高校管理方面的系統設計及其應用范圍。

【關鍵詞】人臉識別技術 生物識別技術

人臉識別技術作為人工智能時代的重要產物，如今對我們日常的工作生活產生了重要影響。尤其是互聯網、大數據、云計算等服務能力的不斷提升，更是推動著人臉識別技術逐步走向成熟，使其應用領域不斷擴大。

人臉識別技術的優勢就在于通過掃描人臉，自動提取相關特征，并系統檢測和比對，從而快速完成圖像處理與鑒定識別，以達到驗證身份的目的，整個過程幾秒之內即可完成。過去，人臉識別技術主要應用于金融或安防等領域。而如今，在逐漸豐富的生活中，只要你稍加留心就會發現，刷臉設備無處不在。刷臉門禁、刷臉支付、刷臉檢票等等比比皆是。尤其是在北上廣等一線城市，出門帶個手機即可享受吃穿住用行。作為一種智能化身份認證方式，人臉識別技術將有著不可估量的應用前景。

本文以人臉識別技術在高校管理中的應用為出發點，通過分析人臉識別技術的特點和發展，探討其在高校管理方面的系統設計，總結出人臉識別技術在高效管理中的幾種應用方式，以期對未來高校自動化、智能化管理起到指導和啟發作用。

1 人臉識別技術

1.1 人臉識別技術簡介

人臉識別技術實際上是一種極為重要的生物特征識別技術，所指的生物特征主要包含虹膜、視網膜、眉毛、鼻子、臉骨、膚色等重要特征。該技術主要基于計算機技術以及生物識別技術。識別過程主要分為圖像采集、特征提取、身份確認及查找等四個環節。

人臉識別比較常見的識別方法主要有：基于幾何識別方法、基于神經網絡識別方法、基于3D人臉識別方法以及多分類方法。目前相對成熟且應用廣泛的方法是基于神經網絡的識別方法。

基于幾何識別算法。幾何識別算法是利用人臉器官特征輪廓的分布比例進行數據分析，從而構建模型的。該方法比較簡單，且在環境光不足的情況下，仍然能識別，但缺點就是識別準確率會受人的表情或者體態的影響。

神經網絡識別方法。是通過對生物神經網絡的模擬，將神經元轉化為計算機編碼。該方法可以有效的避開復雜特征的數據提取，但是構成模擬圖像的神經元數量過于龐大，形成所需神經元的時間過于長、速度慢、參數確定無法統一等問題。

3D人臉識別方法。有不受光照、面部表情以及視角的影響也能達到高準確度的優勢，但也存在采購相關系統設備的成本大，傳輸過程和速度慢等問題。

多分類器識別方法。該方法是運用數據庫內的數據整合或拼湊來獲取圖像信息，前提是需要將人臉不同表情變化的數據分別存儲于不同的分類器中，每一種分類器只對應一種表情或體態。在進行數據采集時，將數據劃分為不同的種類，與分類器數據庫中的數據進行比對。這種算法固然準確率高，但卻存在著龐大的數據存儲與傳輸緩慢的問題。

當然，在具體的應用中，用戶也要根據自身需求，選擇較為合適的識別算法。隨著未來技術的不斷進步，或許會有更精準、更快速的算法來替代目前的幾種算法也未可知。

1.2 人臉識別技術的優缺點

人臉識別技術不外乎是人類在圖像處理技術方面的一次大膽嘗試和突破，更是計算機圖像處理技術的一次飛躍。伴隨著人類不同階段的不同需求，人臉識別技術已經成為全世界所關注并重視的一個關鍵點。時至今日，它仍然在不斷發展進步。

毋庸置疑，人臉識別技術發展至今，它有別于其他生物識別技術的優勢已被大家公認。總結其優點主要有以下幾方面：

并發性。并發性主要是指在特定區域內可同時識別多人信息，可大大提高服務效率。

非強制性。采集設備在特定區域內自動采集并識別信息。

無感知性。人臉識別的相關設備并不需要接觸人臉，可實現無感知識別。

自學習性。多數人臉識別系統都有極強的自學習功能。也就是動態更新人臉數據庫，從而保證在內外界環境變化時依然能準確快速的識別人臉信息。

高通用性。人臉識別系統無需購置大量設備，常規的監控攝像頭、計算機即可，可節約大量人力、財力成本。并且，它可以和多數系統與平臺對接，具有較高的通用性和可擴展性。

人臉識別技術的缺點總結而言也有三點：

（1）采集圖像過程中容易受環境干擾。比如光線過強或嚴重不足時，影響識別準確性。

（2）容易受發飾或其他物品遮擋。

（3）如今整容手術比較普遍，深度整容術后，人的臉部信息變化較大，這在一定程度上會導致采集的信息無法準確匹配。

這三個缺點雖然在一定程度上影響了人臉識別的準確性，但隨著生物識別技術和計算機技術的不斷進步，這些缺點將會——得到改善或消除。

2 人臉識別技術在高校管理中的系統設計與應用

2.1 人臉識別安防系統

近年來，校園犯罪率逐漸提高，且都有極強的突發性和不可確定性，這為學校的安防工作帶來很大的壓力。因此，為提高安防成效，高校可將人臉識別系統引入安防報警系統中，以便在嫌犯進入校園之時自動報警，從而提高安全防范級別。

人臉識別安防系統的設計思路是將人臉攝像識別鏡頭安裝在學校各路入口及人流密集區，這些攝像頭都要具備人臉識別分析及追蹤等功能，而且最好是高像素、廣角鏡頭、自動光圈配置。

人臉識別安防系統的功能設計主要包括以下幾點：

（1）人臉抓拍。自動對特定區域內的行人實施人臉檢測和跟蹤，同時，形成相應的活動軌跡，且抓拍的次數可根據學校需求進行自定義，可對多個對象同時進行人臉識別。

（2）建立大數據庫。學校可將校內師生信息導入至數據庫，同時，還可以對陌生人員進行信息注冊。在抓拍后，及時通過網絡使抓拍到的人臉信息與數據庫內信息進行匹配，這樣系統可隨時辨認出相關可疑人員。

（3）人臉識別報警。系統如檢測到黑名單里的可疑人員，則會自動開啟報警功能，這樣，安防人員在收到報警信息后就能第一時間制服嫌疑人。

2.2 圖書館人臉識別管理系統

圖書館是高校學生獲取知識的重要場所，也是每個高校人流量最大，管理最為復雜的地方。人臉識別技術恰恰就能彌補圖書館管理上的諸多不足。首先，將人臉識別技術引入門禁系統中，學生進入圖書館可不用攜帶校園一卡通，通過無感知人臉識別掃描獲得進門許可，避免了刷卡帶來的環境干擾;其次，極大的提高了圖書借閱效率。學生通過人臉掃描進入圖書館后，借閱、登記等過程都將簡化，與傳統借閱方式相比，節約了人力、財力和時間。

該系統的設計思路就是將人臉識別設備架設在圖書館出入口等重要位置，技術人員提前將師生相關人臉信息和一卡通信息錄入系統之中，這樣，在師生出入圖書館時，系統會自動精準識別人員身份信息，并與系統信息進行比對。在加強管理的同時，還能夠記錄不同到訪者的借閱信息，形成大數據，研究人員可通過對到館數量、頻率、借閱類別等大數據進行分析，找出圖書館服務的不足之處。

人臉識別系統作為高校數字化圖書館建設的重要一步，它不僅可以提高智能化、自動化管理水平，也可以讓師生切實感受到科技進步帶來的便利。

2.3 人臉識別迎新系統

目前，多數高校的迎新系統主要是通過身份證掃面來核對新生信息。而迎新存在的最大問題就是時間短，報道人數多，排隊擁擠，進而造成信息登記錯誤、機器故障或宿舍分配不合理等。因此，高校可以將人臉識別技術應用于迎新系統中，實現刷臉報道，從而簡化迎新流程，減輕迎新工作人員的工作壓力。

人臉識別迎新系統的設計主要包括幾個方面：

（1）人臉采集。新生報到時，對準攝像頭進行實時信息采集。

（2）提取及匹配。系統會自動提取提前錄入的招生信息庫中的照片，并與實時采集的照片進行特征提取和匹配。

（3）識別驗證。新生信息得到系統確認匹配后，會提示報道成功并自動打印報道流程單。如驗證失敗，則自動重新進行匹配，并提示相關信息。

人臉識別迎新系統的系統架構主要涉及幾個模塊：人像采集模塊、預處理模塊、臉部特征提取模塊、信息匹配驗證模塊、信息存儲模塊。

2.4 人臉識別考勤系統

高校課堂中學生的出勤率一直是多數高校面臨的重要問題。近年來，雖然有一些諸如簽到APP、指紋識別以及校園一卡通等方式的考勤方式出現，但也存在不少漏洞。比如手機或者校園卡遺忘，或者學生之間可以互相攜帶手機幫忙打卡，另外甚至有些大學生為了逃課，還做假指紋。鑒于以上種種現象，人臉識別技術勢必會在考勤方面發揮其重大作用。

人臉識別考勤系統的設計關鍵是在教室門頭架設高清攝像頭，學生在進入教室的瞬間，攝像頭可及時抓拍并進行人臉識別，人物信息與數據庫中的信息進行比對，并將最終數據存入系統。所涉及到的關鍵技術則是技術算計定位以及內容提取比對識別技術，將采集到的人臉信息關鍵點與數據庫編碼進行比對，綜合運用圖像關鍵信息及二維和三維特征結構，——區分比對，最終得出結果。

該考勤系統除了教室之外，還可以應用于學生公寓管理中。學生公寓是除了教室之外，學生每天出入的重要場所，流動性大。因此，可以構建一套完整的人臉識別公寓管理考勤系統，將公寓管理和學校網絡相連接，這樣可以保障輔導員或校領導等有權限的管理者及時登錄系統，了解學生的夜宿情況，以便及時掌握學生動向。

2.5 人臉識別考試系統

高校教育中，考試是督促和檢驗學生學習效果的有效手段。有些考試結果還涉及到學生學位獲取、前途等，因此，不乏有學生會存在僥幸心理，以各種高科技手段作弊，不僅影響考試的公平公正，也帶來了很大的社會影響。

高校現有的考試考生身份識別方式是刷身份證、指紋以及人為辨別。這些身份驗證方式都存在一定的弊端。人臉識別技術在考試系統中則可以完美替代以上幾種身份驗證方式。

與上面幾種識別系統一樣，人臉識別考試系統的流程主要涉及以下幾方面：人臉信息采集、人臉圖像處理與特征提取、人臉識別匹配。

這種識別驗證方式在考試系統中，考生不容易冒充別人，而且信息獲取比較快捷。多數人臉識別系統還具有較強的自學習能力。即可以動態刷新數據庫信息，從而保證在內外環境變化時依然能快速準確的進行識別驗證。

當然，以上每個人臉識別系統看似相互獨立，但在這樣一個大數據時代，我們可以大膽設想，將每個系統通過互聯網相對接，建立一個互通、互用的大數據平臺，學校管理人員和領導可從數據庫中通過人臉識別技術得出的各種數據，分析學生的生活和學習情況，大到學習水平的評定，小到生活消費的評估，還可以對教師教學以及管理人員的服務情況進行分析和總結，從而在不斷查找問題中，提升學校的整體教育和管理水平。

3 人臉識別技術在高校教育應用中的問題及前景展望

盡管人臉識別技術自發展至今，已在不同領域得到了廣泛應用，但在實際的應用過程中還是會受各種因素影響，存在一些問題。比如識別準確率、真實性等方面與目前相對較成熟的指紋識別技術相比，還存在一定的差距。要想實現更快捷、高效的應用，還需要從技術層面上不斷突破。

隨著高效信息化建設以及數字化校園建設的不斷發展，人臉識別技術將會越來越廣泛的被應用于教育。無論是日常考勤、考試監督，或是安防等系統應用，都能夠在一定程度上提升高校的提高管理效率和管理水平。在未來的技術革新中，人臉識別技術必將推動高校數字化、自動化、智能化管理的質的提升。

參考文獻

[1]黃美善.人臉識別技術綜述[J].信息與電腦（理論版），2010（02）.

[2]李江.紅外圖像人臉識別方法研究[D].北京：國防科學技術大學，2005.

[3]梁路宏，艾海舟.人臉檢測研究綜述[J].計算機學報，2002（05）.

[4]李南.基于自動識別技術在圖書館管理中的應用[J].激光雜志，2010，31（04）.