人臉識別技術在智慧校園建設中的應用探究

摘要：隨著教育數字化轉型工作的不斷推進，物聯網、人工智能及人臉識別技術在構建智慧校園體系中的作用越發凸顯。人臉識別技術的唯一性和非接觸性技術優勢提高了人員信息采集的質量和效率，有效促進了教育教學管理服務模式的變革。針對采集模式管理服務的不足，文章探究了人臉識別系統的構建和在智慧校園建設中的應用。同時，結合教育、教學、管理和服務等場景，分析了智慧教學管理、智慧安防和智慧后勤三個領域的應用。這些應用探究不僅豐富了智慧校園的研究內容，也為推進教育數字化轉型提供了切實可行的方案借鑒。

關鍵詞：人臉識別技術；物聯網；智慧校園；應用探究

中圖分類號：TP391 文獻標識碼：A

文章編號：1009-3044（2024）31-0021-03

開放科學（資源服務）標識碼（OSID） ：

當前正在全面推進智慧校園體系建設，不斷推進數字技術在學校的應用。促進教育數字化轉型，推動教育教學管理服務模式的變革，構建適應數字時代的人才培養體系，可以提升學校治理水平和辦學質量。在傳統實體卡應用模式中，經常出現不帶卡、丟卡等問題，導致管理服務不足的情況。為了應對這些問題，人臉識別技術在智慧校園建設中得到廣泛應用，例如公寓管理、消費、考勤、門禁管理、行為軌跡分析和同行分析等方面。然而，在實際應用中，經常會遇到一些問題，例如需要針對每個業務構建相應的人臉信息庫，資源無法共享共用，一些采用照片比對的方法識別性差，比對精度低，容易出現信息bb9fc6b2019a2ccbc2e48b90bb97c15f泄漏等問題。因此，構建一個安全綜合共享的人臉識別系統成為學校信息化發展的方向。本文探究了如何構建基于人臉識別技術的智慧校園共享平臺，通過共享中心在智慧校園安全管理和服務等方面應用人臉信息，以推進教育數字化轉型。

1 人臉識別技術的概述

人臉識別技術是一種基于人的臉部特征信息進行身份識別的生物識別技術[1]。它通過攝像機、人臉識別面板或手機等設備采集含有人臉的圖像或視頻流，并自動在圖像中檢測和跟蹤人臉，然后對檢測到的人臉進行臉部識別。人臉識別技術也被稱為人像識別或面部識別技術。

人臉識別技術已經發展了近30年，并且近年來出現了基于主動近紅外圖像的多光源人臉識別技術，取得了出色的識別性能。在精度、穩定性和速度方面，這種技術整體系統性能超過了三維圖像人臉識別，使得人臉識別技術逐漸實用化。人臉識別具有兩個特點：一是唯一性，也就是說很難被復制；二是非接觸性，識別過程無須接觸。然而，人臉信息容易泄漏，因此具有更高的安全性要求。目前，人臉識別技術已廣泛應用于金融、安防和教育行業，并且在未來仍將是應用的發展方向。

2 智慧校園建設概述

智慧校園建設是指利用信息技術和數據分析，在各種應用服務系統的支持下，實現校園管理、教學和服務的智能化，以提升教育質量和效率，促進師生創新能力和綜合素養的一種教育模式[2]。

首先，在智慧校園建設中，需要進行統籌規劃和分步實施。在規劃過程中，需要明確建設目標，選擇適合的技術方案，并充分考慮校園的特點和需求，確保建設方案的科學性和可行性。同時，人臉信息平臺的構建也需要進行整體規劃，建立統一的人臉信息服務平臺，供門禁、消費和安防等方面共享和共用。其次，智慧校園建設涉及基礎網絡、大數據、物聯網、人工智能和人臉識別等多個領域和技術的融合應用。通過這些技術的綜合運用，可以實現校園內各項業務的全面感知、互聯互通和智能決策，從而提升校園管理和服務水平。

3 人臉識別技術在智慧校園建設中技術原理

3.1 人臉識別技術在智慧校園中總架構

人臉識別技術在智慧校園系統中總架構如圖1所示，可分為感知層、網絡層、服務層、平臺層、應用層五部分[3]。

感知層：主要負責人臉信息的采集。包括人臉識別攝像機、人臉識別抓拍機、人臉識別面板機、人臉識別閘機和人證比對終端等設備。這些設備主要實現圖像采集、編碼和視頻傳輸等功能。人臉識別抓拍機在攝像機前端內置了智能分析算法，能夠自動捕獲、跟蹤和抓拍視頻中的人臉。同時，它還具備人臉區域自動曝光優化和人臉小圖優化處理等功能，以獲取最佳的人臉圖像。

網絡層：主要負責將感知層獲取到的數據轉換為數字信號，并進行傳輸到其他設備或云平臺。該層采用各種通信技術，如校園局域網、以太網、Wi-Fi和5G 等，實現數據的實時傳輸和互聯互通。

服務層：負責人臉信息的檢測、計算和分析，包括人臉檢測、人臉識別、活體檢測、行為分析和屬性分析。其中，人臉檢測用于檢測并定位視頻流或圖片中的人臉，并返回高精度的人臉框坐標。人臉識別是指實現視頻流中人臉檢測、關鍵點定位和人臉識別功能的毫秒級響應，使人臉識別技術能夠在實際場景中實現非配合式快速處理。活體檢測則是用于實現對關鍵點實時標注和變化的檢測，在線上和線下場景進行實名驗證過程中，能夠防御照片攻擊、切換攻擊、面具攻擊和遮擋攻擊。行為分析是根據視頻監測到的人物動作和持續時間等信息，通過行為分析算法實現行為識別。屬性分析則涉及一系列與人臉相關的屬性分析，包括年齡、性別、頭部朝向、情緒、顏值、視線和皮膚狀態等屬性。

平臺層：主要涉及業務系統的應用。包括智慧校園各個業務場景中人臉識別技術所應用的信息化系統平臺，例如智慧出入口管理系統、智慧考勤系統和智慧安防系統等。

應用層：主要展示各業務系統的數據。包括各系統數據的展示、人員畫像、軌跡分析和日志審計等功能。

運維體系負責及時預警和處理故障，以確保系統的穩定運行。安全體系確保安全和隱私保護，考慮到視頻數據的敏感性，采取數據加密、訪問控制和身份驗證等安全措施，以保護數據的安全性和隱私性，防止未經授權的訪問和使用。

3.2 人臉信息采集平臺構建

智慧校園人臉信息采集平臺旨在建立一個統一管理人臉信息的平臺，基于姓名、學工號、一卡通號、院系、專業等基礎信息。該平臺提供安全、規范、高效的管控措施，用于人臉信息的采集、傳輸、存儲和管理，并且未來還可擴展至指紋、虹膜和靜脈信息等。圖2展示了人臉信息采集的架構圖。在進行人臉信息采集之前，需要與學校的人員基礎信息系統進行對接，如與一卡通系統接口對接，快速同步導入校內人員的基礎信息，例如姓名、學工號、一卡通號等，以便為生物信息采集做好準備。

人臉信息采集可以通過線上采集和線下采集兩種方式進行。線上采集利用前端人臉信息采集設備，可以通過移動端自助采集、統一身份認證采集、企業微信采集和釘釘采集等方式進行。而線下采集則通過人證核驗采集和PC端集中采集的方式進行，將校內人員的生物信息進行采集并上傳至系統。

采集到的人臉信息庫可以分為人臉照片庫和特征庫。人臉照片信息庫保存未經算法處理的照片信息。而人臉特征信息庫則包含經過算法服務器處理并加密的人員照片信息所得到的人臉特征值，其安全性更高。為適配不同業務系統和不同品牌型號的終端設備，需采購相應品牌型號的算法，以獲取不同的特征信息。基于人臉特征信息庫，可以構建一個統一的管理平臺，集成學生、教職工基本信息、學工號、一卡通號和人臉等信息。在智慧化應用方面，接口對接需要通過授權為智慧系統應用提供人臉特征信息數據。

3.3 人臉識別技術比對方案設計

人臉識別比對可以分為1∶1和1∶N識別兩種情況。1∶1比對解決的是物理人和證件信息是否匹配的問題，旨在確保合規性，即驗證一個人是否與其證件信息相符。這種方式主要用于身份核驗，例如統一身份認證登錄、OA審批實名核驗、隱私應用安全鎖和新生身份核驗等場景。而1∶N比對則是在一個底庫中識別出照片或視頻中的人是誰，解決的是“你是誰”的問題。根據比對照片來源的不同，1∶N比對可以分為靜態1∶N（通過照片和底庫進行識別）和動態1∶N（通過視頻流和照片進行識別）兩種方式。這種方式主要應用于認證、分析等場景，例如門禁和軌跡分析等。

人臉識別比對模式分為中心比對和終端比對兩種方式。中心比對不需要下發人臉特征值和照片信息。在該模式下，業務終端攝像頭拍攝底片后，無需下發人臉特征值，而是根據要求提供賬號和采集照片，或者將兩張照片傳輸到后端進行比對，然后返回比對結果。另一種方式是提供一張照片，在后zHPr3DkB4mRwls3c7fr+dA==端的人像庫內進行比對，然后將最匹配的人員信息返回到前端。中心比對模式下，人臉識別終端無需計算能力或不需要進行計算的設備，通過結構化攝像機等智能終端進行中心比對，具有較高的安全性，但對網絡質量要求較高，需要保持實時交互。比對結果反饋給大數據中心和應用平臺，但在不同項目采購中需要相應的算法。

終端比對則是指人臉識別終端具備自帶的人臉計算能力，可以直接進行前端比對，例如人臉抓拍攝像機、通道門禁面板或消費終端等，然后將結果傳回應用系統。這種模式可以脫機運行，但缺點是安全性較低。人臉信息的傳輸方式有兩種，一種是服務器將照片分批推送到比對終端，終端會分批接收照片，計算特征值，并刪除原始照片。這種方式的優點是項目可以分批建設，采購不同品牌不同型號的終端，只需統一的照片信息庫即可實現。缺點是照片傳輸量大，信息更新速度慢，且傳輸安全性較低。另一種方式是由算法服務器將加密照片或特征值轉化為特征信息，并推送到終端設備。如圖3所示，人臉照片信息由算法服務器和不同算法處理，然后將加密照片或特征值推送到終端設備，以便在終端直接進行比對。

3.4 人臉識別系統安全性設計

人臉信息的采集和應用安全性尤為重要，需要在合法合規和技術方面進行安全設計。

首先，在用戶授權和管理方面，需要符合《中華人民共和國網絡安全法》《中華人民共和國個人信息保護法》《中華人民共和國數據安全法》《中華人民共和國數據密碼法》《關鍵信息基礎設施安全保護條例》等相關法律和數據安全技術體系的要求。學校應制定人員信息安全、數據安全等相關管理制度，加強個人信息安全管理體系和數據安全管理體系的建設。

其次，在技術防范措施方面，需要進行安全設計。人臉識別數據安全保護系統作為人臉識別場景的頂層架構，可以解決人臉識別領域內的數據管理和數據安全問題。在比對方式上，通常應優先考慮使用中心比對，而不是終端比對。如果使用終端比對，應首選下發特征值，然后再考慮下發經過加密處理的照片。無論是下發特征值還是底片，都需要對個人信息進行去標識化處理。

此外，還需要進行算法參數設置設計。在與各廠商的人臉識別算法進行綁定時，需要設置算法的時標照片要求，并進行基本照片設置和人臉識別參數設置。

在數據傳輸和管理方面，需要進行加密和權限管理。系統應為每個第三方建立獨有的授權ID和授權密鑰，用于驗證第三方的身份，并使用獨有的密鑰對數據進行加密傳輸。數據傳輸支持國密SM4算法加密，并使用動態方式生成每次請求的對應密鑰，不直接傳輸密鑰。為防止數據被篡改或第三方冒名頂替，可使用數字指紋進行數據防篡改。

另外，還可以設計數字水印功能。在數據下發時，支持可視化水印和數字隱形水印的添加。如果底片發生泄露，可以通過水印解析功能進行解析，獲取底片中的透明水印（批次號）。通過該批次號，可以在系統中進行溯源查詢，獲取底片的授權、下發和銷毀等信息。

4 人臉識別技術在智慧校園中的應用

人臉識別技術在智慧校園中的應用主要包括智慧教學系統、智慧安防系統、智慧后勤系統。

4.1 人臉識別技術在智慧教學中的應用

在課堂教學管理中，可以安裝人臉識別電子班牌或在教室安裝點名攝像機，通過中心比對方式獲取學生的上課考勤情況，以實現實時了解師生的出勤情況。同時，人臉識別點名攝像機還可以進行行為分析，例如判斷學生是否認真聽課等，教學督導部門可以通過這些數據來評價教師的教學質量。這樣可以實現學生、教師和學校之間的信息互通，及時傳遞課程和考勤等信息，有效提高教學管理的效率、教育質量評價的合理性和教學信息傳遞的及時性。通過多方參與和交互，使教學安排管理更加方便、科學、有效和合理。

4.2 人臉識別技術在智慧安防中的應用

在智慧安防中，可以利用結構化攝像機實時獲取人臉信息數據，并反饋至技戰模型服務器和人臉信息中心，采用中心比對方式，為應用平臺提供信息[4]。具體來說，可以建立兩種模型。首先是頻次分析和同行分析模型。基于存檔的人臉和人體數據，綜合計算關聯同行人在過去N天內的同行總次數。通過大數據頻次分析和N天未出現的情況分析，當發現學生N天未出現時，能夠及時通知老師。通過同行分析和關系人研判，可以提前預警學生是否有結交社會不良組織的傾向，從而保障學生在校期間的安全。其次是獨行分析模型。通過統計分析某特定區域內某個學生的出現頻次，基于該學生的人員特征數據，計算目標學生的獨行次數及地點，例如在湖邊或樓頂等地方獨自出現的情況。針對有獨行傾向的學生進行綜合檢索，可以及時關注學生的心理問題，并進行及時預警。

4.3 人臉識別技術在智慧后勤中的應用

在公寓出入口管理中，可以使用人臉抓拍攝像機或人臉識別面板，具備運算能力，直接獲取人臉信息并進行比對，將計算得到的人員信息反饋給門禁系統。通過與人臉照片信息或人臉特征信息的比對，確認考勤人員的身份以及是否具有出入權限，以判斷通道是否開啟[5]。同時，將這些信息上報給管理平臺，用于對學校宿舍出入人員的人臉采集。管理平臺可以對校園學生公寓的綜合信息進行統計，實時統計歸宿情況，并通過大屏在出入口大廳進行可視化展示。通過動態顯示宿舍進出人員的曲線圖，以及展示宿舍訪客情況以及昨日未歸和晚歸數據，管理平臺可以將各項數據形象化、直觀化、具體化。這種圖表展示方式讓公寓考勤情況一目了然，方便監管。

5 結束語

智慧校園建設和教育數字轉型主要涉及理念和思路的轉變，需要將教育教學管理服務與數字技術深度融合。人臉識別技術在智慧校園建設中是一種重要的人員信息采集技術手段。其獨特性和非接觸性是其最大的優點，使其成為智慧校園建設的技術方向之一。通過人臉識別技術的應用，可以有效推動教育的數字化轉型，并提升學校的數字化和智慧化水平。這種技術應用能夠有效實現無卡化管理，為智慧校園的建設提供有效的方法。

參考文獻：

[1] 郭政華，仲文強.智慧校園監控視頻系統構建和人臉識別技術[J].自動化與儀器儀表，2024（3）：77-81，86.

[2] 呂忠亭，蔣遠輝，劉洋.延安職業技術學院智慧校園建設方案研究[J].信息技術與信息化，2018（5）：194-198.

[3] 韋金寶，韋金洪.智能視頻監控系統中的“人工智能+物聯網” 技術運用研究[J].物聯網技術，2024，14（2）：104-107.

[4] 李東風.人臉識別技術在智慧校園中的安全應用研究[J].現代信息科技，2023，7（24）：152-156.

[5] 鄭敏杰.視頻監控系統中的人臉識別技術研究[J].集成電路應用，2019，36（9）：37-39.

【通聯編輯：張薇】

基金項目：2022 年延安職業技術學院科研項目“省級智慧校園示范校建設路徑探究”（編號：yzky2324） ；2021 年延安職業技術學院科研項目“基于大數據技術的學生消費行為研究”（編號：yzky2114）