基于人臉識別的身份檢測系統的設計與實現

馮詳禹 韋金成 西北民族大學

一、研究背景

在大學教育的課堂上，出勤率是體現每位學生良好學習習慣的重要因素，通過點名的方式統計出勤率也是教師最直接的方法。這種方式既浪費了老師的上課時間，也浪費了學生的學習時間，并且還會出現早退，代替點名的現象。這些現象急需要得到一些改觀，現在迫切需要有一個系統能在老師上課之前就把學生的出勤情況統計完成。因此，基于人臉識別的身份檢測系統應運而生。

前期調研準備：

通過我們對課堂情況的調查，發現老師課堂點名只能對課堂學生情況進行初步了解，無法杜絕替課以及代替他人答到的現象。在項目申報之前，我們通過上網瀏覽技術文獻，對項目所需要的技術以及知識進行了初步了解，已經提前開始了有關項目技術的初步學習。

二、項目流程

此系統小巧輕便，操作簡單，在上課十分鐘前，老師只需要將攝像頭對準門口，在學生進入教室時，正面對準攝像頭方向，攝像頭就會進行實時圖像采集，發送至客戶端。然后通過處理中心進行圖像分析，對人臉圖像進行鎖定。最后與數據庫進行數據匹配，分析出鎖定的人臉圖像對應的信息。通過已到學生名單與全部學生名單的對比，就可以知道每位學生的出勤率。

三、算法實現

通過對Python、Ubuntu 與OpenCV 的系統學習，對項目進行可行性分析，對人員實時識別系統進行系統分析，并且制作軟件開發流程表，進行軟件開發規劃。然后基于Ubuntu 系統進行Python 與OpenCV 的開發與使用，對學習的知識進行實踐。學習使用Keras，使軟件具有自我學習功能。還需要熟練使用Ubuntu 系統，使用Python 與OpenCV 進行軟件程序的初步編寫，采集實時視頻的數據幀，對數據幀中的圖像數據進行初步的人臉識別與鎖定。最后使用Keras，進行模型的構建與模型訓練。使用深度學習的基礎知識，是軟件具有自我學習功能，進一步提高軟件功能即對人員實時識別的準確性。對軟件進行測試與調試，完成軟件主要功能，完善軟件程序。

四、硬件實現

硬件實現主要分為五個步驟（如圖所示），首先需要進行圖像數據處理，一幅數字圖像是由一個或多個圖像感知器產生，這里的感知器可以是各種光敏攝像機，包括遙感設備，X 射線斷層攝影儀，雷達，超聲波接收器等。去絕不與同的感知器，產生的圖片可以是普通的二維圖像，三維圖組或者一個圖像序列。圖片的像素值往往對應于光在一個或多個光譜段上的強度（灰度圖或彩色圖），但也可以是相關的各種物理數據，如聲波，電磁波或核磁共振的深度，吸收度或反射度。

在對圖像實施具體的計算機視覺方法來提取某種特定的信息前，一種或一些預處理往往被采用來使圖像滿足后繼方法的要求。例如：二次取樣保證圖像坐標的正確平滑去噪來濾除感知器引入的設備噪聲提高對比度來保證實現相關信息可以被檢測到調整尺度空間使圖像結構適合局部應用

接著從圖像中提取各種復雜度的特征。例如：線，邊緣提取局部化的特征點檢測如邊角檢測，斑點檢測更復雜的特征可能與圖像中的紋理形狀或運動有關。

在圖像處理過程中，有時會需要對圖像進行分割來提取有價值的用于后繼處理的部分，例如：篩選特征點分割一或多幅圖片中含有特定目標的部分

數據往往具有很小的數量，例如圖像中經先前處理被認為含有目標物體的部分。這時的處理包括：驗證得到的數據是否符合前提要求估測特定系數，比如目標的姿態，體積。

五、總結

基于人臉識別的身份檢測系統的設計與實現是一款面向大學課堂的設備，對提高學生學習氛圍，營造一個良好的學習環境有著重要的作用。旨在實現互聯網與教育的融合，課堂智能化的考勤設備。