基于人脸识别技术的学生行为管理系统架构设计

姚嵩

（天津轻工职业技术学院 天津市 300380）

随着高校校园信息化建设的不断深入，“智慧校园”已成为各大高校信息化建设的首要目标，学生行为数据已成为信息化发展的重要基础。通过人脸识别技术[1]搜集整理学生行为数据，通过大数据分析和建模，研究学生的行为规律和特征，为学生管理提供数据支持，为学院实现科学治理提供决策支撑。

传统的学生管理，对学生的日常及教学活动的记录多是依靠人工完成，随着学校办学规模逐渐扩大，学生管理工作所涉及的数据量也随之增大，不但大量耗费人力，还存在效率低、易出错、统计繁琐等缺点。为了高效快捷地采集学生日常行为数据，国内一些高校利用门禁刷卡方式进行采集数据，然而这种数据采集方式扔需师生主动刷卡，因此存在漏刷、代刷等管理漏洞[2]，造成数据准确度不高、并且应用部署相对复杂。结合人脸识别技术对学生行为进行管理有效避免了管理上的漏洞，可通过学校既有安防监控设备再加上人脸识别终端进行应用部署，基本可以实现“无感知”认证，这在学生日常管理中是非常重要的[3]。

1 系统架构分析与设计

系统采用微服务架构，通过将系统功能分解到各个离散的服务中，实现系统的解耦，提供更加灵活的服务支持。围绕业务功能组件创建应用，这些应用可独立地进行开发、管理和迭代。系统采用云架构及平台式部署方式对各业务服务组件进行发布、注册及治理。

人脸识别终端采用物联网应用技术，可支持TCP/IP、Wi-Fi、4G、5G等数据传输方式，实时采集每位学生各建筑的进出场数据，并对识别记录进行统计、分析、建模生成学生生活轨迹数据，为学校对学生行为趋势的研究提供重要参考资料[4]。

1.1 功能需求

系统可满足学校各主要功能区的人脸识别采集，以及可支撑万人用户规模的数据存储分析能力，故需在整体构架、数据传输、数据存储、数据加密、系统扩容等方面做好整体规划。

系统功能需求主要有：对接高校学生信息、教师信息、排课信息等各类标准数据库；通过人脸识别设备采集学生归宿离宿数据；通过排课信息，实现上课刷脸打卡，准确采集学生课时数据；通过学生入离校刷脸，采集学生入离校信息；建立数据挖掘模型与可视化分析系统；对接校园一卡通，采集学生消费数据；对接校园其他管理系统，实现对学生相关数据访问。

1.2 系统架构设计

1.2.1 软件系统架构

软件总体架构采用SpringCloud微服务架构，通过SpringCloud提供服务发现Eureka、负载均衡Ribbon、断路器Hystrix、服务网关zuul等组件完整的实现了微服务体系，如图1所示。

图2：软件业务功能体系架构

软件整体业务功能设计采用端、边、云相结合的设计方式，创建了了“1+1+N+M模式”。即1套统一身份认证（SSO）+ 1套统一规范 （Interface）+ N个适配器（Adapter）+M个服务组件（ServiceComponent）。一套单点登录（SSO），支持多样化客户端（包括Java、.Net、PHP、Perl、Apache、uPortal等）、支持多种常见验证后端（如Windows AD, LDAP, JDBC等）、接入第三方SSO、多种验证方式并存。一套统一规范（Rest），系统建立了各个应用之间相互调用的接口规范，以Rest的方式进行调用，数据通讯格式为Json。N个适配器（Adapter），因为高校信息系统众多，拥有许多 “基础数据”，这些基础数据存在的方式多种多样。本系统业务也离不开“某些基础数据”（例如：组织机构、学生信息、院系信息、校历、楼宇信息）。系统包含了多个基础数据的适配器，从不同的业务系统提供的基础数据源适配成符合规范的Json格式数据通过HttpRest的形式发布成API接口供其他业务系统使用，也可供第三方使用。M个服务组件（ServiceComponent），系统提供一些基础的服务组件例如短信服务、定时调度服务、文件存储服务、报表服务、样式服务等，参见图2。

图3：多形态终端图

图4：数据存储集群

通过学校教务接口获取学校组织结构、教职工档案及学生档案，形成考勤模块的基础信息；通过对接校园一卡通系统，获取个人消费等一卡通其他信息；通过互联网、4G、5G等方式，将课程安排、会议通知、活动计划等进程实时下发至相应的终端设备，并实时采集识别记录。

1.2.2 硬件多场景设计

由于学校应用场景的多样性，要求人脸采集终端应具备多种形态。对于不同的应用场景选择适合的终端形态，既可提升识别效率，又能加快建设速度、降低建设成本。

宿舍楼应用场景是学生在校学习生活的一个主要地点，对于出入人员有严格的管控需求，只能允许本楼人员出入，因此可采用闸机+人脸终端的模式，既能准确采集学生出入数据的同时又可确保师生住宿安全。

图5：系统主要功能设计

教室是学生在校学习的一个重要场所，在教室的场景中应解决如何快速高效的部署采集终端，减少布线、组网，对现有设备设施稍加改造即可使用，因此采用桌面形态的采集终端并且支持WIFI或4G上网功能便可实现快速部署。

对于学校原有安防监控设备，可以对接实现动态实时监控，以降低总体实施成本。多形态终端如图3所示。

1.2.3 数据存储设计

系统用户规模为万人级别，预计每人每天可产生20条记录，数据每日增量20万条数据，年度数据总量约为7500万条，数据规模比较大，为保证系统的稳定性与可靠性，数据库采用高可用设计，对数据库进行集群部署并采用分库分表的构建策略，如图4所示。

1.2.4 数据传输设计

由于系统信息涉及用户隐私，数据在进行采集及传输过程必须采用加密方式进行，以保证数据的安全性。采集终端与系统平台通讯采用HTTPS 协议进行通讯，人脸识别照片转及传输参数统一转为Base64格式后通过SHA1withRSA加密算法进行签名及验签。

2 系统功能设计

本系统通过人脸识别采集的信息进行数据挖掘，可对出勤率、迟到排名、迟到人次分布等进行实时查询，定期完成对学生迟到性别比例、年级比例、班级比例、专业比例等人员分布信息统计报表，支持多条件组合统计分析。系统面向学生、专业教师、学管人员、院系领导、校级领导五个层面开放，可设置相应的使用功能和权限，通过与教学管理系统、校园一卡通及其他学院信息系统对接，获取学生的成绩、消费等其他信息。通过对数据采集和挖掘，构建智慧校园学生行为分析平台，实现对高校学生日常行为统计与分析管理，为智慧校园建设提供准确有效的管理方式，为学生校内的行为分析研究提供数据支持，为学校相关业务决策提供可靠依据。系统主要功能结构如图5所示。

系统采用Mysql数据库进行系统开发，预估数据量级为千万级，因此需考虑分库分表，以提高数据处理能力及可靠性。根据系统业务功能，部分表结构设计如图6所示。

3 系统功能实现

图6：系统部分表结构

图7：宿舍数据分析界面

3.1 学生宿舍数据采集与分析

学生日常生活中除了上课大部分时间都是在宿舍度过，因此学生出入宿舍的时间以及在宿时长、离宿时长都对分析学生的日常行为有着重要意义，例如学生每日归宿时间数据，可以对其日常出入的时间规律进行分析出，经常出现晚归、或夜不归宿的人学生，可以作为异常行为，对管理者进行提醒，以便及时发现问题。同样长时间在宿的学生也是一种异常行为，也同样需要管理者进行关注，因此通过对宿舍闸机通道加装人脸识别设备，学生需要进行刷脸才能通行出入，这样就解决了学生宿舍出入数据的采集问题。程序界面如图7所示，实时统计学生出入情况，对于异常学生行为进行实时告警。

3.2 学生出勤数据采集与分析

学生出勤数据，对于分析学生行为同样具有重要意义。对于经常出现迟到、早退、甚至旷课的学生通过上课考勤数据准确的识别出存在相关异常行为的学生及时进行管理干预，以保证学生在校学习的效果及质量。统的上课点名无法满足数据准确性要求，数据准确性低，经常出现代考勤情况，因此采用桌面型人脸识别终端放置在讲桌上，学生进入教室后通过人脸识别即可完成上课签到，班级辅导员可通过手机等移动设备实时查看课程签到情况及学生活动轨迹，程序界面如图8所示。

3.3 学生消费、成绩等数据采集与分析

学生的成绩的优劣、消费水平高低、身心健康在日常行为中都能有所反映，行为数据采集的周期越长，分析的准确性越高。大学在校期间，学生管理模式比普教阶段较为开放，学生在学习时间分配、同学关系处理等方面也存在较大差异。学习生活环境的转变，导致了学生在行为上发生同步改变，因此人脸识别系统通过对学校既有的一卡通消费系统、教务管理系统、图书借阅系统等进行数据采集对接，通过数据分析解析学生行为，探寻潜在的影响因素与规律，归纳行为上的共性，挖掘行为的变化趋势，有助于教育工作者预防学生的不健康行为，对存在较大风险的学生行为进行及时干预。

图8：出勤数据分析界面

4 展望

随着高校信息化建设的发展，“校园大数据”被越来越多的人关注，将大数据技术和教育资源相结合，是互联网时代信息科技带给智慧校园建设的新思路、新方法和新途径[5]。随着智慧校园管理平台的应用拓展，需要人脸识别技术、一卡通技术等各类主动采集方法支撑。

基于大数据，可对学情分析、生活轨迹分析、服务分析，可以逐步形成学生数据画像，可以分析其学情与生活的相关性，引导学生改善生活习惯，提高学业水平[6]。通过对学生学习情况的观察，能够更全面地了解学生的学习情况，同时利用算法也能够获取学生改变学习状态的优化方法[7]；通过实时获取学生轨迹，可以应对突发事件与公共危机、对重点关注群体、孤僻人群进行预警、对疑似失联者进行提示等，为学生管理提供数据支撑。