人臉識別與高校學生考勤系統

李春梅 張 揚 陳靜雪 楊 琪

（安徽新華學院大數據與人工智能學院，安徽 合肥 230088）

0 引言

目前高校學生考勤是高校日常管理中的一項重要工作，大部分高校采用人工點名，以考勤登記表形式記錄考勤信息，這樣不僅耗時耗力、容易出錯，而且效率低、資源浪費嚴重。因此，需設計一個高校學生考勤管理系統，使得考勤管理更加方便、高效。

人臉識別是近幾年深度學習的典型代表，系統通過采集人臉信息、對圖片進行處理、檢測、識別等過程，利用TensorFlow平臺[1]，應用MTCNN等技術進行人臉檢測、模型訓練，進而進行人臉識別，據此設計并實現了基于人臉識別的考勤系統。

1 項目原理

1.1 人臉識別基本原理

人臉識別技術簡而言之是將攝像頭識別到的人臉與系統預先錄入的人臉進行特征判斷，多方位多角度匹配特征最符合的一個。其中人臉檢測是人臉識別的重要環節，人臉檢測將人臉的特征與人臉圖像進行各個區域的特征進行對比，相似度達到一定的閾值則判斷為人臉。如圖1所示，人臉識別主要分為三個流程：人臉檢測（Face Detection）、人臉對齊（Face Alignment）以及人臉特征表征（Feature Representation）[2]。

圖1 人臉識別算法

1.2 MTCNN

MTCNN算法是一種基于深度學習的人臉檢測和人臉對齊方法，它可以同時完成人臉檢測和人臉對齊的任務，相比于傳統的算法，它的性能更好，檢測速度更快。MTCNN算法包含三個子網絡：Proposal Network（PNet）、Refine Network（R-Net）、Output Network（O-Net），這三個網絡對人臉的處理依次從粗到細[3]。

2 系統功能分析

本考勤系統主要用于課堂學生考勤，具備無感知、主動式、高準確率等特點，集人臉采集、人臉考勤、數據統計于一體，有效地解決了打卡慢、代打卡、資源浪費等問題。

只需在教室中安裝人臉識別攝像機，利用精準的人臉識別算法，即可主動識別學生的面部信息，確認是本班級學生后完成該學生的考勤簽到。結合課表以及上課時間，實時監測學生的簽到、簽退、缺勤、早退等情況，自動生成考勤報表。

本考勤系統可分為樣本庫管理、課表管理、課堂考勤以及數據統計共四大模塊。

2.1 樣本庫管理

本模塊主要包括學生人臉樣本采樣以及樣本審核等功能。除了支持學生自主錄入個人樣本的功能之外，還提供了批量導入功能，可以按照院系、專業、班級等批量導入單獨采集的學生人臉樣本數據以及圖片信息。

2.2 課表管理

本模塊主要功能是維護課表，包括每周的課程安排、上課的時間段等。可以按照校區、學年、學期、院系、專業、班級等類別分別設置其相對用的課表內容。

2.3 課堂考勤

根據已經制定的課表，在上課時針對教室內的學生分時、分區域的進行人臉抓拍，自動識別在堂學生，課后進行統計上課人數、缺勤、出勤、事假人數，并保存圖片用于課后調取查詢、比對、糾正等。

2.4 數據統計

統計班級出勤人數、缺勤人數、遲到人數、請假人數等。支持按照年級、班級、學生、考勤模式等考勤結果分類對比和排行，支持按權限、時間、教室、班級、授課教師、學期、學年、班級、學生、考勤模式查詢考勤結果，并支持分類批量報表導出功能。

3 人臉識別系統的實現

人臉識別是本系統的重中之重，是最主要的功能。系統中關于人臉識別主要分為兩大部分：

3.1 創建樣本數據集

3.1.1 前期準備

由學生主動提交或者是統一采集學生的人臉圖片，每位學生分別從不同角度、不同姿勢下進行采集。共分為5種姿勢下的4種不同角度采集20張圖片。同時將學生信息及其臉部圖像以及圖像的特征值存儲到本地，如圖2所示。

圖2 人臉采集界面

3.1.2 人臉識別

利用MTCNN識別其中的人臉，并且將識別出的結果存放于對應的文件夾中。

3.2 完成人臉識別

3.2.1 加載樣本數據

3.2.2 打開待檢測圖像，識別出人臉

3.2.3 和樣本的embedding進行比較

4 結語

本文利用TensorFlow2.6平臺實現了基于人臉識別的大學課堂考勤系統，經過測試，該系統實現了通過識別學生人臉從而完成了學生的課堂簽到功能，省去了教師點名的時間，同時也方便了學生，提高了教師的課堂管理效率，解決了學生被動式考勤帶來的代考、代到、漏考、誤考、效率低等問題。雖然目前所做的功能還比較簡單，比較少，可能還存在些疏漏之處，但總體來說，達到了預期的目標，也為課堂考勤提供了一條新思路。