基于人脸识别的高校考勤系统研究

耿倩

[摘  要]本文通過对人脸识别技术与其他身份识别技术的对比，进而提出基于人脸识别的高校考勤系统优于传统考勤系统，同时对考勤系统的组成结构、工作原理、算法代码编写流程等进行了研究。由于人脸识别技术有着“人脸无法替代”、非侵犯性的特性，因此，将人脸识别技术应用于高校考勤系统能排除传统考勤系统存在的隐患。人脸识别技术从系统设备、网络设计、软件设计等方面提升了人脸识别终端机对人脸的识别率，系统能根据实际情况生成考勤结果。与传统考勤系统相比，人脸识别考勤流程更加简单，使考勤工作效率得到了提高。

[关键词]高校考勤  人脸识别  识别速度  人脸特征提取

中图分类号：TP391    文献标识码：A

引  言

在高校中，学生的上课考勤率是非常重要的数据，它不仅能作为教师教学质量的评价参考，还能宏观分析学生的学习状态。对于教师而言，学生的课堂考勤数据是评价学生的必要依据。另外，学生的考勤数据也能对教学研究提供数据支持。高校考勤的难题在于如何在现有的考勤环境下、在不影响正常授课的情况下取得这些数据。近年来，随着考勤系统在各领域的广泛应用，高校教室考勤的方式也在快速变化，从最基本的教师点名和纸质签到方式，发展到现在比较超前的手机签到、“一卡通”签到，甚至有些高校采取指纹签到。考勤方式越来越成熟，大大缩短了考勤所需要的时间，提高了考勤的效率与准确率，并且能够及时得到考勤结果。然而，这些考勤系统所使用的技术往往存在一些制约因素。首先，某些考勤系统需要学生携带指定的设备。例如，手机考勤，学生必须携带手机，且手机必须安装指定的APP;在使用“一卡通”刷卡式考勤时，若学生的系统卡片丢失，会存在被他人代用的隐患，使考勤系统形同虚设。大部分考勤系统都包含一个特定的行为环节，即需要学生参与：手机考勤需要学生打开应用;“一卡通”考勤需要学生靠近读卡设备并执行刷卡操作;指纹考勤需要每个学生逐个按压指纹。另外，指纹系统还存在5%左右的误识率、识别速度慢、高峰时需要排长队，以及指纹采集设备磨损影响指纹识别效果等问题。

为了解决上述问题，可将人脸识别技术应用到现代高校考勤系统中。由于人脸识别技术有着“人脸无法替代”性、非侵犯性的特性，排除了“一卡通”刷卡或指纹考勤系统存在的安全隐患，人脸识别技术能够精确提取人脸特征（人脸轮廓以及眼睛、鼻子、嘴巴、耳朵之间的距离和皮肤的颜色）或行为特征（快乐、悲伤、恐惧、惊奇等），将其作为身份识别的依据。本文对人脸识别技术与其他身份识别技术进行对比，分析它们之间的优缺点，得出基于人脸识别的考勤系统优于传统考勤系统的结论，同时对系统的组成结构、工作原理、算法代码编写流程等进行了研究。

高校人脸识别考勤系统的设计基础

考勤系统应该针对高校常见的上课教室，多数教室长12.0米，宽9.5米，高4.1米，两扇门供出入，教室配备日光灯、PC机，光线充足。PC机有网络接口、4G运行内存、摄像头，可以连接学校网络，网络宽带为100M，满足系统要求。基于人脸识别技术的考勤系统不仅需要满足高校对学生的考勤需求，还可为学生和教师提供快捷服务。系统以人脸为识别对象，解决传统考勤方式的替代签到、替代打卡等问题，同时，还能减少管理成本。

1.人脸识别考勤系统的性能指标

基于人脸识别的考勤系统的性能指标一般包括正确识别率和系统识别效率。正确识别率要达到95%以上才有识别意义，若正确识别率太低，则无法保持考勤工作的正常运行;系统识别效率则以单个人的识别时间作为判别准则。高校一般一个合班有五六十人，每个人都需要考勤识别过身份才能进入教室。上下课时间为10分钟，即系统需要在10分钟内识别50人左右，理论上每12秒完成一次识别，而实际上为了提高考勤效率，要求识别单个人脸的时间更少。

2.人脸识别考勤系统的可靠性

可靠性需求指的是系统在一定运行时长内很少出现故障，如果出现故障则要求在很短时间内恢复正常，非正规的操作不会导致系统崩溃。为了提高考勤效率，要求考勤系统在出现故障后，经及时检修能够快速恢复，以免耽误正常考勤;对于异常操作，要能显示警示信息，且不会对已有的信息造成破坏。

3.人脸识别考勤系统的兼容性需求

这里的兼容性指多个方面：首先，从硬件的角度看，要求采用的传输方式、物理线路等能适用于市面上大多数图像采集设备;其次，要求考勤系统能在目前比较常用的Windows平台上正常使用，且能与其他功能性软件同时运行;最后，要求采取不同的操作时，仍能保持数据的一致性。

4.人脸识别考勤系统的数据库要求

人脸识别考勤系统对于安全性的要求较高，要集中在一个较短的时间段完成考勤，数据库服务器的吞吐量较大，所以要注重提高系统软件的稳定性。

高校人脸识别考勤系统的功能设计

人脸识别考勤系统的最基本要求就是能准确识别考勤对象的脸部。高校考勤对象是高校学生，人脸数据是学生基本数据中的一项关键数据。这就需要对符合身份条件的学生进行人脸数据采集，所以系统必须具备采集人脸图像信息的功能，把需要考勤的学生人脸图像收集到系统中。第一，通过点击注册进行学生信息的采集，随后，要验证管理员信息，防止非管理人员的直接注册对系统信息造成损坏;如果有新的管理员加入，可以在管理员登录界面进行注册。第二，通过人脸采集设备获取人脸图像信息，在采集时注意照相的角度、光线等，采集好后通过网络传输到系统。第三，标记图像信息。系统无法判定人脸图像属于哪位学生，因此，系统必须提供一个标记功能，为每张人脸图像标记学生的名字、学号、班级等，形成一个人员特征数据库。有了人员特征库才能把需要考勤的学生的人脸图像与学生一一对应起来，为人脸识别提供必要条件。

有了人脸特征数据库之后，应进行人脸检测、特征提取与识别。特征提取与识别是人脸识别模块非常关键的一步，在识别时，要使用合适的方法进行提取，与数据库中已存在的人脸模板比对。如果待测的图像在数据库中找到匹配模板，则说明考勤成功，会有考勤成功的提示消息;若没有找到匹配的模板，则会提示异常考勤，说明考勤对象的信息没有注册，需要进行注册。

另外，系统使用时间过长就会产生一些“垃圾”，这些“垃圾”不仅会影响系统的运行速度，还会影响用户信息安全，所以系统需要有一个主动能销毁“垃圾”的功能，这就是系统重置。在点击系统重置时，要验证管理员信息，防止非管理人员对数据造成损坏。系统重置功能可以销毁数据库中保存的信息，让系统恢复到最初始状态。

高校人脸识别考勤系统总体设计方案

基于上述需求分析，应从硬件角度和软件角度分别介绍系统设计方案，并分析系统的主要技术支持。

为了完成各种功能的需求，人脸识别考勤系统在硬件上应该包括三大部分，第一，具有人脸采集设备，必须具备红外探头和摄像头的功能，能获得人脸图像。第二，考勤系统应带显示屏，能上网，可在系统上实现人脸图像的处理、识别以及考勤信息管理等功能。第三，考勤系统的服务器可部署数据库管理系统，有较高的安全性设置。

人脸采集设备是人脸识别考勤系统的重要部分，该设备需要具备摄像头并能传输数据。对于注册的学生，应把其注册信息写入数据库中;对于签到的人员，可与数据库中模板比较，判断图像中人是否是本班成员或者是否是本人，如果确定无误则显示签到成功，失败则要提示失败信息。人脸识别考勤系统的软件结构图如图1所示。

人脸识别考勤系统功能模块的详细设计

结合以上需求分析以及考勤工作的实际需要，我们将人脸识别考勤系统分为几个模块：注册模块（人脸采集、信息录入）、考勤模块（身份识别、考勤登记、考勤情况统计）、系统设置（系统重置），各模块相互配合组成一个完整的考勤系统。考勤系统主要功能结构如图2所示。

1.注册模块

注册模块是用来实现人员基本信息和人脸图像的保存，人脸采集由摄像头完成。为了简化开发，减少开发成本，该系统可以选用PC机自带的摄像头，由摄像头采集人脸照片，后台进行图像处理，人脸提取依靠人脸检测算法实现，通过CNN卷积算法提取人脸。在信息录入之前首先要验证管理员信息，录入部分应包括姓名、班级、学号、性别等基本信息。用户注册时需要采集一张人脸的照片，用以上算法得到该人脸的模板并将之保存在数据库中，留作比对识别的依据。

2.系统设置模块

根据需求分析，每次签到人数不同，签到班级也不同，为了信息的安全性，系统应具备可移植性。这就需要系统具有重置功能，而重置功能可以重置整个数据库，使数据库的所有记录销毁，让数据库还原到一个干净的节点。因此，在点击重置系统时，必须验证管理员信息，防止非管理人员损坏数据。

3.考勤模块

身份识别是考勤系统的核心功能。将待识别的人脸图像与人脸特征库中的信息进行比较，根据人脸识别算法，系统判定人脸特征库中是否有信息和待识别人脸属于一个人，识别成功后可以得到人脸特征库中对应的信息（学号、姓名、班级等），完成从图像到学号的身份识别。

教室考勤部分负责系统的考勤逻辑。学生要先注册，然后点击拍照，将当前的人脸图像与人脸特征库中的人脸进行身份对比，识别成功的结果被更新到考勤表的“已签到”中;如果识别失败，则系统根据情况提示，如是否注册、是否人脸端正等。每次的识别情况都会更新到“已签到”表中，未签到的则进入“未签到”表中。

考勤情况统计部分负责统计系统的考勤情况，包括对单个年级的出勤率统计，对整个年级的出勤率统计等。

结  语

因为人脸识别技术比其他生物识别技术有着不可比拟的优势，被人们广泛应用于各类智能控制系统中。本文将人脸识别技术应用到高校考勤系统中，采取CNN卷积算法的人脸比对，可快速、精确、高效地对学生身份进行人脸识别。通过研究得出，本文所用的人脸识别考勤系统与传统考勤系统相比，克服了传统考勤系统的安全隐患，可靠性更高，具有良好的识别率。

参考文献：

[1]卜庆彧：《从刷脸应用的流行看人脸识别技术的发展及安全隐患》，《通讯世界》2018年第25卷第12期，第304-305页。

[2]付念：《基于LBP的人脸图像识别检索算法》，《电子世界》2018年第23期，第21-22页。

[3]鄧建林：《人脸识别技术在我司安防业务的应用项目》，《视听》2018年第12期，第254-255页。

[4]宋嘉庚：《“刷脸”时代到来——人脸识别在金融行业的应用》，《智能城市》2017年第3卷第12期，第79-80页。

[5]刘辉、葛昊：《人脸识别技术在门禁系统中的应用研究》，《无线互联科技》2017年第24期，第132-133、138页。

[6]张高铭、冯瑞：《基于人脸的活体检测系统》，《计算机系统应用》2017年第26卷第12期，第37-42页。

[7]李可：《人脸识别技术在社会视频监控领域的应用研究》，《计算机产品与流通》2017年第12期，第140页。

作者单位：陕西工业职业技术学院  陕西咸阳