智慧課堂簽到系統(tǒng)設計

陳維華 何彩虹

摘 ?要：目前高校普遍關注在校生上課出勤問題。在課堂出勤率統(tǒng)計中，經常會出現(xiàn)學生未到課堂卻已經完成簽到的情況，影響了出勤統(tǒng)計的準確性，做好學生課堂出勤管理迫在眉睫。本文主要針對人工智能（AI）人臉識別算法在簽到系統(tǒng)中的技術進行設計。采用人臉識別的簽到系統(tǒng)方便、準確、快捷，更能適應現(xiàn)代高效、精準的簽到需求，更符合現(xiàn)代信息化教學管理的要求。

關鍵詞：簽到系統(tǒng);人臉識別;人工智能

中圖分類號：TP399 ? ? 文獻標識碼：A

Designs of Smart Classroom Sign-in System

CHEN Weihua， HE Caihong

（Hebei Software Institute， Baoding 071000， China）

chenweihua@hbsi.edu.cn; hecaihong@hbsi.edu.cn

Abstract： At present， colleges and universities are concerned about students' attendance. In class attendance statistics， there are often situations in which students have not yet arrived in class but have already completed sign-in， which affects the accuracy of attendance statistics. Therefore， it is urgent to manage students' class attendance effectively. Sign-in system with face recognition technology is convenient， accurate， and fast. This paper proposes to design a sign-in system based on artificial intelligence （AI） face recognition algorithm. The proposed system can better meet the needs of highly efficient and precise sign-in， and the needs of modern information teaching management.

Keywords： sign-in system; face recognition; artificial intelligence

1 ? 引言（Introduction）

隨著人工智能時代的到來，各行各業(yè)都面臨著前所未有的技術創(chuàng)新，聚集技術創(chuàng)新的活動產業(yè)也不例外，行業(yè)科技應用取得了前所未有的進步。

人工智能時代已經到來，人臉識別簽到將應用到越來越多的活動中，不斷提高活動的效率，使活動簽到能夠以更加創(chuàng)新、智能和高端的方式呈現(xiàn)。人臉識別包含人臉檢測與屬性分析、人臉對比、人臉搜索、活體檢測等功能。文獻[1]將人臉識別技術應用于校園內宿舍門禁系統(tǒng)中，比傳統(tǒng)的校園卡更加安全、方便、快捷。

目前高校都在進行智慧校園建設，智慧校園人臉識別系統(tǒng)基于先進的AI人臉識別技術和一系列的人臉識別終端，可以實現(xiàn)無縫對接智慧校園平臺，共同建設和實現(xiàn)安全、便捷、實時管控的智能化校園。其中，隨著信息化教學手段融入課堂，各種智慧簽到方式也都有所應用，從紙質簽到發(fā)展到刷卡簽到、掃碼簽到、刷臉簽到和利用各種智慧課堂平臺手機簽到，智慧課堂簽到系統(tǒng)應用人工智能技術，將提高考勤簽到的效率，方便教師對班級的管理。

人臉識別考勤系統(tǒng)在滿足學校考勤需求的基礎上，實現(xiàn)了學生刷臉通行的場景，有效防止外來陌生人員進入校園，同時避免學生上學期間逃學曠課等現(xiàn)象發(fā)生，推進校園安全信息化管理進程，加強校園秩序和提升校園安全，打造高效、安全、智能的校園生活。

2 ? 系統(tǒng)功能（System function）

2.1 ? 系統(tǒng)概述

基于人臉識別的課堂簽到系統(tǒng)設計，首先針對學生的注冊模塊、課堂管理者的信息管理模塊以及課堂人臉識別簽到模塊，其中現(xiàn)場簽到模塊集成了人臉識別功能[2]。課堂簽到系統(tǒng)管理員針對班級學生先建立人臉數(shù)據(jù)，實現(xiàn)信息模塊的管理，收集好學生照片，在模塊中注冊學生的信息，并按要求上傳學生照片，完成信息的導入和錄入。服務器端主要實現(xiàn)簽到的管理和學生信息數(shù)據(jù)的統(tǒng)計。教師在上課前先確定課堂的相關信息，包括上課時間、簽到規(guī)定時間以及課堂要求，發(fā)布課堂簽到;學生按要求完成簽到平臺個人信息填寫，并按要求上傳本人的人臉照片到服務器上。在進入課堂簽到系統(tǒng)時，通過網絡簽到設備刷臉簽到結束后，教師可以通過后臺對簽到人員信息進行統(tǒng)計，并導出保存Excel文件，作為學生出勤考核記錄。設計系統(tǒng)的工作流程如圖1所示。

在學生注冊信息模塊中，學生要根據(jù)要求填報個人詳細信息，并上傳正面寸照。對上傳的照片，系統(tǒng)會有一個統(tǒng)一的要求。在前端注冊界面，設計系統(tǒng)應對信息格式、詳細程度，包括學生性別、證件信息等的正確性進行檢測。注冊信息模塊應能對學生上傳的照片進行檢測，包括格式及人臉圖像是否合格。智慧課堂簽到就是利用設備及設備組網通信實時獲取學生簽到現(xiàn)場照片，將照片通過網絡傳到終端服務器進行人臉識別和照片圖像的特征提取，再將學生臉部與特征庫進行比對，使教師能夠實時獲取比對結果，掌握學生出勤情況。

2.2 ? 系統(tǒng)設計

智慧課堂簽到系統(tǒng)主要實現(xiàn)基于客戶端的人臉課堂簽到功能。在人臉識別檢測技術中，多任務卷積神經網絡的人臉識別檢測技術非常成熟，同時，在眾多算法模型中，局部二值模型（LBP）人臉識別算法可以減少光照、簽到姿勢姿態(tài)等對識別檢測結果的影響。

模塊中對教師的管理權限也應進行設計，使其具有最高的系統(tǒng)控制權限。基于人臉識別的簽到系統(tǒng)利用深度學習模型，進行學生照片的特征提取，再與人臉數(shù)據(jù)庫中的特征文件進行對比，實現(xiàn)課堂智慧簽到，主要流程如圖2所示。

系統(tǒng)整體設計上還應包括前端開發(fā)和后端設計，系統(tǒng)數(shù)據(jù)庫放到服務器上，前端開發(fā)可以采用基于Web的開發(fā)實現(xiàn)，通過客戶端瀏覽器展示給用戶。采用視圖模型（Model-View-ViewModel， MVVM）[3]架構，它是傳統(tǒng)的視圖控制模型MVC架構的升級版[4]。MVVM架構能夠把學生視圖與業(yè)務邏輯進行分離和過濾，更好地顯示業(yè)務邏輯，如圖3所示。

后端可采用基于Flask的MTV設計模式。Flask是一款基于Python進行開發(fā)的輕量級Web框架，采用Python語言的Flask框架設計可以實現(xiàn)后端與人臉識別程序更好地銜接。

數(shù)據(jù)庫采用MySQL。MySQL[5]是目前使用最廣泛的關系型數(shù)據(jù)庫管理系統(tǒng)之一。MySQL的特點是可以把不同的班級數(shù)據(jù)放在不同的表內，每個表有獨立的控制鍵，查詢表內數(shù)據(jù)時，不同的表通過外部控制鍵相連，這樣大大提高了運行速度，也具有很強的靈活性。

3 ? 人臉識別算法（Face recognition algorithm）

3.1 ? 概述

人臉識別（Facial Recognition），是通過視頻設備采集用戶的面部圖像，利用核心算法對面部特征進行計算分析，再與已建數(shù)據(jù)庫里的特征數(shù)據(jù)比對，來判斷用戶身份的真實性。人臉識別技術的核心是人臉識別算法，常用的人臉識別算法有基于人臉特征點的算法、基于模板的算法及神經網絡識別算法等。人臉識別技術的難點是用戶的年齡、環(huán)境光照等變化的外界因素經常會影響識別效果，所以有些情況下人臉識別會失效，導致用戶體驗差，其中光照影響最大，因為光照的變化就在我們身邊。

3.2 ? 基于深度學習的算法模型

針對人臉識別技術的難點問題，可以采用深度學習（Deep Learning）[6]的算法模型。尤其是其中的卷積神經網絡（Convolutional Neural Networks， CNN）算法，能夠實現(xiàn)高精度的圖像分類[7]。深度學習作為機器學習的一部分，發(fā)展迅速，在算法模型的設計、數(shù)據(jù)測試劃分、場景應用、評價體系標準等方面對人臉識別技術進行了重構，準確度提升至99%以上。

隨著對深度學習的研究，神經網絡研究發(fā)展迅速，能夠實現(xiàn)圖像的高精度分類，它在人臉識別的表情識別中表現(xiàn)很好，深度度量學習可以為人臉識別提供有效的方法。在此使用一種改進的三元組損失法，它在人臉識別和驗證過程中效果很好，其模型如公式（1）所示：

（1）

其中，是特征提取器，為特征向量，為馬氏距離。

前面講到基于深度學習的卷積神經網絡改善了圖像精度，深度學習的人臉識別方法改善了光照以及面部情感特征識別影響，但實際教學課堂環(huán)境中，光線的變化會影響人臉識別的準確率，因此在設備采集人臉圖像送入數(shù)據(jù)庫檢測前要對圖像進行預處理，圖像預處理可以實現(xiàn)去噪聲處理。系統(tǒng)設計中可采用直方圖均衡化處理方法來實現(xiàn)圖像處理中對像素進行非線性變化的延展，并且重新分配每個圖像的像素值，一定范圍內的各個像素值基本不變，處理后人的面部特征更加清晰。采用直方圖均衡化以及判定圖像像素值模糊度等處理技術，對后續(xù)的人臉檢測識別有很大的幫助。

3.3 ? 基于特征融合的算法模型

局部二值模式（Local Binary Patterns， LBP）是用來描述圖像局部紋理特征的。它不但具有灰度不變性和旋轉不變性的顯著優(yōu)點，而且計算量小，算法思想簡單[8]。

LBP編碼如公式（2）所示：

（2）

其中，為階躍函數(shù);為中心點像素，其像素值為為點的像素值，為中心點的鄰域點數(shù)。

利用局部二值LBP方法進行特征融合就是要先將人臉的細胞像素進行分塊，每個細胞像素按照LBP特征編碼規(guī)則運算，最終得到這一點的LBP值。LBP算法需要提取圖像周圍的像素，由于在提取人臉部位特征時可能出現(xiàn)部分特征信息丟失的現(xiàn)象，因此采用基于改進的LBP特征融合人臉識別算法，將人臉圖像中有用的LBP特征信息提取出來，再對提取的特征信息值進行計算，利用上面提到的直方圖均衡化處理方法對圖像進行描述統(tǒng)計，最后對比分析直方圖得出結果。基于改進的LBP特征融合人臉識別算法的特點是，利用直方圖均衡處理方法能直接將LBP特征直方統(tǒng)計圖中圖像的局部信息進行識別并保存，改進處理過程中針對不同的分塊采用不同的閾值對其進行離散[9]，這樣可以大大提高人臉識別的效率和精確度，靈活度高。

3.4 ? 實驗設計與分析

針對不同光照和角度面部的人臉識別任務建立實驗數(shù)據(jù)集，實驗首先借鑒英國劍橋大學AT&T實驗室的ORL數(shù)據(jù)集方法，選取圖像分為40 個不同的主題，每個主題包含10 幅圖像，一些圖像拍攝的時間、光照、面部表情及細節(jié)有差異，圖像都為黑色背景，便于面部表情研究;第二是擴展的人臉數(shù)據(jù)庫集，它包含不同光照下9 種姿態(tài)的人臉圖像;第三是選用東方人臉數(shù)據(jù)庫為數(shù)據(jù)集，包含人臉正面在不同光照下的8種圖像。

利用卷積神經網絡進行實驗，通過實驗得到數(shù)據(jù)量表的分析圖如圖4所示。

從圖4可以看出：使用多特征融合的方法，利用LBP對光照具有魯棒性的特點，有效提高了不同光照下的人臉識別準確率。

4 ? 結論（Conclusion）

本文研究了高校智慧校園采用智慧平臺簽到系統(tǒng)，在其不能解決虛假簽到問題和考勤需求的情況下，提出了基于人臉識別的考勤系統(tǒng)的算法。總體設計中前端采用基于Web的開發(fā)，后端采用基于Flask的MTV設計模式，數(shù)據(jù)庫采用MySQL。在人臉識別的算法中，針對圖像識別處理及光照度對圖像識別的影響分別介紹了深度學習卷積神經網絡和特征融合的算法，通過實驗數(shù)據(jù)證實，使用多特征融合的算法在不同光照下達到人臉識別精度和準確度的要求。

參考文獻 （References）

[1] 秦超，劉正強，劉琳，等.基于樹莓派的人臉識別校園門禁管理系統(tǒng)[J].物聯(lián)網技術，2019（2）：13-14.

[2] 范哲瑞.智能人臉識別會議簽到系統(tǒng)的設計與實現(xiàn)[D].西安：西安電子科技大學，2019.

[3] 李嘉，趙凱強，李長云.Web前端開發(fā)技術的演化與MVVM設計模式研究[J].電腦知識與技術，2018，14（02）：221-222.

[4] 葉符明.淺談MVC設計模式與Struts架構[J].網絡安全技術與應用，2015（2）：12-14.

[5] 黃傳祿.基于Python的MYSQL數(shù)據(jù)庫訪問技術[J].現(xiàn)代信息科技，2017，1（04）：73-75.

[6] LECUN Y， BENGIO Y， HINTON G. Deep learning[J]. Nature， 2015（521）：436-444.

[7] 范哲瑞.基于深度學習的人臉圖像識別技術的研究[D].北京：中國科學院大學，2019.

[8] 鄒長朋.簽到系統(tǒng)中人臉識別方法的研究與實現(xiàn)[D].鎮(zhèn)江：江蘇大學，2020.

[9] 胡念，張四平，王梅.基于 LBP 特征集成學習的人臉識別技術研究[J].信息通信，2020，212（08）：38-40.

作者簡介：

陳維華（1978-），女，碩士，教授.研究領域：物聯(lián)網技術及應用.

何彩虹（1980-），女，碩士，講師.研究領域：物聯(lián)網技術及應用.