山东大学人脸识别技术在高校的应用模式参考

文/于磊磊 李茂政

随着人工智能和大数据时代的到来，高校信息化迎来了一个新的需求变革。人脸识别作为一个高体验的技术载体，寻找人脸识别技术与高校信息化应用的优秀结合点，将成为高校信息化模式创新和体验提升的重要契机。本文基于山东大学的已有实践，提出了人脸识别应用在高校信息化中的一套整体参考模型，包含基础框架、场景模式和评价指标等，以期能够为高等院校的类似应用提供借鉴。

人脸识别应用参考模型

图1 高校人脸识别应用参考模型

根据人脸识别应用的成熟技术架构，结合高等院校信息化的实际，将人脸识别应用的基础架构分为五个层次：平台层、数据层、算法层、接口层和终端层。平台层在学校的私有云上架设特殊的人脸识别服务云，为人脸识别应用提供优秀的平台运算能力和存储能力；数据层建立人脸识别数据库和关联信息数据库，并维护相应数据库的数据迭代更新；算法层为人脸识别应用提供针对特定场景的云匹配算法；接口层为关联应用提供应用接口和数据接口，为不同架构终端提供对接接口；终端层支持本地计算、存储的胖终端和云计算、存储的瘦终端，并提供对异构终端的兼容能力。同时，建立与人脸识别基础架构相配套的保障机制，包括数据安全和隐私保护机制、标准化建设和管理管理机制、高效运维管理机制。高校信息化中人脸识别应用的参考模型如图1所示。

统一人脸识别平台

基于人脸识别应用参考模型，在人脸识别服务云上建立全校统一的人脸识别平台。人脸识别平台建立并维护全校唯一的人脸识别数据库，包含管理平台、数据平台和服务平台，并提供标准化的人脸识别数据接口和人脸识别服务接口，能够兼容和支持不同厂商的胖终端、瘦终端和其他终端。

人脸识别统一数据库从学校公共数据库获取基本信息和照片信息，从各类采集终端获取更新或补充照片信息，并维护上述数据的动态更新。

1. 典型参考场景

结合山东大学的需求，在几类典型场景中对人脸识别技术的应用进行了研究和实践。主要包括校内认证场景和校内消费场景。

（1） 校内认证场景

宿舍门禁场景。为解决宿舍门禁管理中的忘带卡和冒名刷卡问题，在宿舍门禁道闸扩展接入人脸识别胖终端，并通过统一人脸识别平台的数据接口获取本宿舍楼内人员人脸图像数据。门禁道闸同时支持刷卡开门和刷脸开门，并通过介质互斥转换机制实现“一人一进出”的管控：将人脸和校园卡分别作为两种介质，当其一介质刷进（刷出）后，限制另一介质的后续刷进（刷出），但不限制另一介质的后续刷出（刷进），同一介质的一个 〈刷进，刷出〉对和不同介质的〈刷进，刷出〉对均视为一个完整的进出流程。

2017年底，山东大学在济南六个校区70余栋宿舍楼安装了同时支持人脸识别和刷卡的门禁通道机，平均识别速度为0.8秒，不但实现了学生“刷脸”进出宿舍楼，而且实现了与宿舍供电管理的联动，取得了良好的效果。

同类应用场景：（1）会议签到。对于学校各类办公会议、学术会议等会议场景，人脸识别签到相较于签字签到、刷卡签到具有较好的体验优势，签字签到存在代签和速度慢等问题，刷卡签到随提升了签到速度，但仍无法解决代签问题，且参会人忘带卡将直接导致签到无法进行。会议签到场景下的人脸识别对接会议管理平台，将会议信息、校园卡信息与人脸图像进行绑定，在会场入口接入人脸识别胖终端，并通过统一人脸识别平台的数据接口获取本次参会人员人脸图像数据。人脸识别胖终端不维护会议信息库，仅通过动态更新模式维护本地人脸图像库，身份信息的校验联网完成，人脸图像比对离线完成，既实现了简单部署，又提升了签到速度。（2）学生注册。传统的新学期学生返校注册主要采用有监督的值守模式，即学生持学生证或校园卡至辅导员办公室签字或刷卡注册，效率较低，且大量注册工作挤占了辅导员老师的宝贵时间。学生注册场景下的人脸识别应用采用无监督、无值守模式，在学院大厅接入同时支持刷校园卡和人脸识别的瘦终端，基于“人证合一”的业务逻辑进行注册识别。瘦终端通过刷校园卡校验学生基本信息，在线获取人脸识别统一库的基准图像，并同现场采集的照片比对相似性。在该场景下，“人证合一”的逻辑能够确保学生本人注册，并有效提升学生注册的效率。

图2 自助餐券消费场景

图3 任意金额消费场景

（2）校内消费场景

将人脸识别与校园卡系统进行对接，形成校内消费场景下的人脸识别应用。和认证类场景不同，消费类场景识别人群规模巨大，校园卡系统的消费账户超过10万，这对人脸识别算法的识别速度和准确率形成了很大挑战，因此在所属高校的实践中对人脸识别应用的架构进行了优化，根据具体应用分为两种模式：全库&&账号模式和分库&&自助注册机模式。

模式一：全库&&账号模式。本质是一对一图像比对模式，刷脸消费瘦终端和校园卡系统消费平台进行对接，在消费支付时，用户通过消费瘦终端输入本人校园卡账号，然后瘦终端采集用户照片并通过统一人脸识别平台的人脸识别服务接口进行比对，比对成功后向校园卡系统消费平台提交交易请求。该模式的优点是识别准确，但输入校园卡账号的操作使得交易时间增加，体验性一般。

模式二：分库&&自助注册机模式。针对全库&&账号模式的缺点，将每一个餐厅视为一个子场景，采用胖终端动态维护子场景的分库，维护方式如下：用户首次在某个餐厅就餐时通过自助注册机注册（刷卡或输入账号密码），然后自助注册机在线向统一人脸识别平台请求将该用户的基准照片推送至胖终端的分库。同时胖终端定时删除长期不用的基准照片，以维护其本地分库的轻量性。在消费支付时，采集用户照片直接和本地分库进行比对，比对成功后向校园卡系统消费平台提交交易请求。该模式有效提升了刷脸消费的使用体验，同时准确率也较高。

基于上述两种模式，山东大学分别在中心校区教师自助餐厅和一多餐厅分别实现了两种人脸识别消费方案。教师自助餐厅采用模式二（图2）实现自助餐券消费场景，通过自助注册方式将在该餐厅就餐的老师纳入分库管理，实现人脸识别消费自助餐券。一多餐厅面向所有持卡人开放人脸识别消费服务，为保证识别精度，采用模式一（图3）实现任意金额消费场景。随着模式的不断改进，刷脸就餐的观念已被很多师生接受，在同时支持刷卡、扫码和人脸识别的消费终端上，人脸识别消费的占比已提升到20%以上。

2. 评价指标

人脸消费技术能否再在高校信息化中取得预期效果取决于两个方面：一方面是场景的适配性；另一方面是技术的成熟性。在高校信息化的场景下，应考虑以下技术指标。

识别速度。识别速度是人脸识别应用体验优劣的关键因素。通常一个从图像采集到结果返回的识别过程时间应低于1秒。除依赖于人脸识别算法外，识别速度受限于人脸识别库的大小。因此优化算法和轻量化人脸识别库是提升识别速度的重要途径。

识别准确率。识别准确率是人脸识别应用体验优劣的又一关键因素。认证类场景的识别准确率通常应达到98%以上，消费类场景的识别准确率应达到99.5%以上。提升识别准确率同样是通过优化算法和轻量化人脸识别库。

兼容性。对于统一人脸识别平台，能够提供统一的标准化数据接口和服务接口，能够兼容不同厂商的人脸识别终端，是人脸识别应用的重要指标。

安全性。根据信息安全管理的机密性、完整性和可用性原则，人脸识别应用的安全包含用户图像数据的完整性和可用性，以及用户生物信息隐私的机密性。如何保证人脸识别信息的安全性，是学校、人脸识别服务厂商、安全服务厂商应重点考虑的问题。

人脸识别应用是人工智能技术落地到高校信息化的成熟载体，能够提升师生的信息化体验，彰显大学的创新引领作用。本文基于所在高校的已有实践，提出了人脸识别应用在高校信息化中的一套整体参考模型，并实现了几种典型应用场景的业务模式，对同类高校的人脸识别应用具有一定的借鉴意义。