基于無線定位的智慧教室考勤助手APP的設計與研究

劉　宸，李虎群，王　強，張　哲，崔靖茹

(西安交通大學網絡信息中心，陜西 西安 710049)

0　引言

2017年9月我校第三期智慧教室項目建設完成，共建智慧教室近400間。智慧教室為提升教師課堂教學、提高學生到課率、學生課后自主學習、教學秩序監督、教學效果監督、優質資源共享、降低教室空閑率等起到了非常明顯的促進作用。

目前，傳統高校的考勤方式采用手動點名的方式，但該方式欠缺數據的精準性，也浪費教師的授課時間。根據實際問題分析，考慮構建一種自動化考勤系統，該系統需要解決的一個主要問題是身份識別與位置識別。系統中的身份識別不可或缺，目前有身份卡，虹膜以及指紋等電子與生物指紋識別方式。位置識別采用固定刷卡一起來提供[1]。如表1所示，分析不同考勤方式在實際工作環境中的響應、準確性、可靠性與便捷性。

表1　幾種考勤的比較

1　項目現狀和問題

我校目前采用刷卡考勤方式。學生在上課前的有效考勤時間內，使用校園一卡通在考勤機終端刷卡。目前系統存在如下幾點問題。

1.1　一卡通問題

⑴ 學生發生卡丟失，或者忘記帶卡的情況，導致無法考勤；

⑵ 學生補辦新卡，因考勤機每12小時同步一次考勤數據庫，因此會產生新卡信息還未錄入考勤機，導致考勤機無法識別學生的個人身份；

⑶ 采用一卡通考勤，無法完全避免替刷卡的情況。

1.2　刷卡擁擠問題

因教學課程的特殊原因，大部分學生會集中在開課前的10分鐘內刷卡，容易發生刷卡排長隊的現象，會導致進入教室人員聚集，場面混亂。

2　系統設計和實現

系統采用經典的三層體系架構，從下到上分別為數據采集層、數據處理層和數據展示層。通過三層體系架構，將業務規則、數據訪問、合法性校驗等工作放到了中間層進行處理。通常情況下，客戶端不直接與數據庫交互，而是通過COM/DCOM通訊與中間層建立連接，再經由中間層與數據庫進行交互。

系統工作原理是數據采集層通過多種考勤方式，采集考勤流水，然后上傳考勤中間件。考勤中間件通過預置考勤策略篩選出有效考勤流水，再和教務系統、一卡通系統進行聯合比對計算，最后給出最終的考勤結果數據。系統架構圖，如圖1所示。

圖1　智慧教室考勤系統架構圖

2.1　基于WiFI指紋定位

本系統采用WiFI指紋定位技術。APP在初次安裝時，即會獲取手機的唯一標識碼，并與WiFi指紋數據庫做惟一性綁定[2]。定位的四個步驟：

⑴ 教室中每一個無線AP的SSID都有一個全球惟一的MAC地址，并且一般來說無線AP在安裝后是不會移動的；

⑵ 手機在開啟Wi-Fi的情況下，即可掃描并收集周圍的AP信號，無論是否加密，是否已連接，甚至信號強度不足以顯示在無線信號列表中，都可以獲取到AP廣播出來的MAC地址；

⑶ 在簽到時，APP將這些能夠標示AP的數據和手機惟一標識碼一同發送到WiFi指紋服務器，服務器檢索出每一個AP的地理位置，并結合每個信號的強弱程度比對WiFi指紋數據庫中的惟一標識碼，計算出設備的地理位置并返回到用戶設備。

圖2　APP考勤流水截圖

2.2　基于面部特征人臉識別

為了考勤的準確性和可靠性，我們采用經典的基于特征臉[3-5]的人臉識別方法。我們分兩個步驟：圖片訓練和人臉識別。

2.2.1　訓練階段

第一步：采集樣本。本文的app利用用戶在綁定個人信息時所提交的人臉相片作為訓練樣本。在此我們設樣本數量為N。

第二步：構建訓練樣本矩陣。對采集的所有樣本圖片進行灰度化，接著將N個樣本的灰度圖片轉化為列向量，然后將其組成訓練的樣本矩陣M。（M的規模為：每張圖片的像素數*樣本數量N）

其中向量xi為由第i個圖像的每一列向量堆疊成一列的MN維列向量，即把矩陣向量化。

圖3　訓練樣本集

第三步：計算平均臉。計算訓練圖片的平均臉：

第四步：計算差值臉。對每張人臉圖片，計算其與平均臉的差值Δi，i=1,2,…,N

第五步：構建協方差矩陣CM并通過矩陣奇異值分解法求得協方差矩陣CM的特征值λt和特征向量xt。

第六步：基于協方差矩陣CM特征值，本文選取特征值貢獻率為99%的特征向量，作為所求的樣本特征臉空間W。

其中W=(x1,x2,…，xp)，關于P的取值由下式決定：

第七步：獲取樣本特征臉識別基準，將樣本中每幅人臉與平均臉的差值投影到特征臉空間，

2.2.2　人臉識別

第一步：獲取待識別人臉基準，將待識別人臉Γ與平均臉Ψ的差值投影到樣本特征臉空間

第二步：為了較好的區分不同人之間的臉部，定義閾值

第三步：采用歐式距離來計算ΩΓ與每個人臉的距離εi（i=1,2,…,N）

為了區分人臉和非人臉，還需要計算原始圖像Γ與由特征臉空間重建的圖像Γf之間的距離

其中：

第四步：獲取人臉識別結果：根據以下規則對人臉進行分類：

⑴ 若ε≥θ，則輸入圖像不是人臉圖像；

⑵ 若ε＜θ，且?i，εi≥θ則輸入圖像包含未知人臉；

⑶ 若ε＜θ，且?i，εi＜θ則輸入圖像為庫中第k=min(εi)個人的人臉。

圖4　基于面部特征人臉識別

3　功能完善和升級

3.1　便捷性提升

在無線AP發生掉線或者位置發生變化后，WiFi指紋定位數據庫無法做到即時更新。只能通過人工核對，手工添加的方式維護數據庫，這樣就會引起位置的小范圍偏差。通過近期完善位置數據庫自動維護功能，下一版可以徹底解決這個問題。

3.2　可靠性提高

通過首次使用采集學生照片的方法，無法做到100%的可靠性。通過對接統一身份認證數據庫，依靠統一認證身份數據庫獲取學生照片，系統從根本上解決了可靠性的問題。

4　結束語

本系統實現了用戶自助考勤、查詢簽到流水以及個人課表等功能。由于設計時對系統的安全性，易用性等作了充分的考慮，所以截止目前，該系統已穩定運行四個多月，能夠承受全校正常授課時產生的高并發訪問量。該系統對我校課堂教學、教學秩序和教學效果都起到了不可替代的作用。

參考文獻(References):

[1]楊永平,曾藝,劉世興.基于WIFI的高校課堂考勤系統設計實現[J].信息技術與信息化,2017.1:102-106

[2]王衛紅,陳校良.基于無線路由器的手機簽到系統的設計與實現[J].浙江工業大學學報,2016.44(3):242-246

[3]易軍.人臉識別中的特人臉識別中的特征提取與度量學習算法研究征提取與度量學習算法研究[D].北京郵電大學博士學位論文,2015.

[4]張俊,何昕,李介谷.基于面部幾何特征點提取的人臉識別方法[J].紅外與激光工程,1999.28(4):40-43

[5]Matthew Turk and Alex Pentland.Eigenfaces forRecognition.http://www.cs.ucsb.edu/～mturk/Papers/jcn.pdf