人脸识别学生管理系统的设计

2018-04-16重庆城市职业学院陈明逊

电子世界 2018年20期

重庆城市职业学院陈明逊

高校学生的日常管理工作，通常由任课教师、辅导员、学生干部等以人工方式记录，这种传统的考勤方式统计效率较低，还会造成课堂、人力、物力资源的浪费。目前，各高校都在引进智慧管理系统，实现管理的信息化，各考勤系统大多以指纹、一卡通等方式进行考勤，基于指纹考勤设备、一卡通考勤设备的应用实践，设计一套应用人脸识别技术的考勤系统。

智慧校园管理系统是高校信息化管理的必经之路，教育教学中教学管理乃是提升教学有效性的根本。课堂考勤、晚间归寝考勤等日常校园管理，以传统人工方式管理耗时耗力，且无法及时统计反映实际情况。因此现有指纹或一卡通的考勤设备，通过考勤设备的情况反馈，能较准确的反映指纹采集和一卡通刷卡情况。但这与实际出勤情况仍有偏差，因为指纹可以通过模具仿造、一卡通可以替代刷卡等，所以采用这两种方式获取真实数据的难度较大。

人脸识别技术是智慧化时代的重要产物，通过人脸识别能够有效将人与管理系统相连接。设想将学生基本信息与教学管理系统相连接，通过人脸识别技术获取被考勤人员图像，通过与基本信息中身份证照片的比对，完成学生考勤，可以使得校园管理更精细化，也能促进校园管理信息化的改革。

1.人脸识别管理的优劣势分析

人脸识别技术是通过生物特征进行识别的技术，通过识别每个人的脸部特征，将采集的图像与系统的图像库信息进行比对，实现识别的目的。其有3个优点，一是非接触性，被考勤人员不需要和相关设备直接接触，而指纹采集和一卡通刷卡则必须接触设备；二是非强制性，只要出现在人脸采集的特定区域时，设备便会主动采集信息；三是并发性，若在特定区域同时出现多人时，可以将全部人脸信息记录。

人脸识别技术也有缺点，一是容易受到光线环境的影响，若光线过强或严重不足都会影响人脸信息的采集；二是易受到头发、饰物遮挡的影响，有可能造成采集人像的不完整，导致比对信息失败。这些确定会在一定程度上影响数据采集的准确性，会造成比对结果的判断不准确，但随着人脸识别技术算法的不断更新，精确度也会得以提升。

2.人脸识别的关键技术

1）人脸关键点检测

人脸关键点检测是在人脸检测的基础上，自动确定人脸各关键点的位置，如眼角、瞳孔、鼻尖、嘴角等。不能忽视了初始状态对关键点检测的影响。采用基于深度初始化网络的人脸关键点检测算法，能够有效克服初始位置、人脸姿态、表情等因素对关键点检测精度的影响，从而得到人脸各关键点的准确位置。

2）人脸纹理正规化

将不同光照、姿态或表情的人脸，还原至良好光照、正面和无表情的人脸，减小待匹配人脸图片与信息库中人脸图片的差异，从而降低特征提取和识别的难度。

在光照严重不足或太过强烈、角度过大、表情夸张的情况下，如果强行改变光照强度、旋转至正面人脸、还原至正常表情，必然会引入大量“非自然”信息，使得正规化的人脸产生畸变、扭曲和纹理缺失。这样不仅不会对人脸识别产生帮助，反而会降低其性能。可以借鉴人脸合成和生成对抗网络的方法，通过初始数据库的搭建、纹理正规化网络的构建以及网络的融合训练，实现一个端到端的、由数据驱动的纹理正规化网络和特征识别网络。它能够在提取深度特征的过程中，自适应地根据人脸识别的任务对人脸的纹理进行光照、姿态和表情的正规化，从而达到提高人脸识别性能的目的。

3）人脸特征提取

基于深层卷积神经网络，通过融合人脸多尺度特征信息，获取高层语义特征表达，提升人脸特征的区分性。促使同一个人的人脸特征表达具有更高的相似性，不同人脸的特征表达相似度更低。

4）人脸特征比对

针对人脸识别中经常遇见的跨场景人脸识别问题，如待验证照片与现场照片非同源、年龄跨度大、分辨率和角度差异明显等问题，采取自适应学习方法。通过算法缩小不同场景图像之间的数据分布差异，将不同场景的人脸图像映射到同一个具有更好表达能力的特征空间进行比较，从而保证同一个人的人脸特征表达具有更高的相似性分数，不同人脸的特征相似性分数更低。