基于OpenCV的人脸识别智能考勤系统的实现

姜旭涛 黄承宁 陆洋

摘要：近年来教育部严抓大学本科教育，提倡“严进严出”的管理制度，课堂考勤依旧是保证课程学习，教学秩序正常运行的前提。根据调查如今大部分高校仍旧采用较为传统的考勤方式，存在效率低、数据量大、代答到情况严重等问题。本文开发了基于OpenCV的人脸识别智能考勤系统将上述问题进行了有效解决。前期，调用高清摄像头进行人脸图像采集，完成人脸识别预处理。接着通过OpenCV对存储的人脸信息进行搜索匹配，将比对结果上传至考勤系统，从而减少课堂上大量非教学时间的使用，提高课堂考勤的准确性。

关键词：OpenCV;人脸识别;Wi-Fi定位;校园考勤

中图分类号：TP311 文献标识码：A

文章编号：1009-3044（2020）29-0189-02

当下课堂考勤仍旧是各大高校学生教育管理的基本手段，也直接影响着教学质量的好坏以及课堂效率的高低，大部分高校课堂考勤方式仍旧是传统的人工考勤，存在着大量弊端。还有一部分高校采用电子考勤技术，例如考勤机、指纹打卡机等也都存在着安装成本高、耗费时间久、全面部署难等缺点。随着计算机技术地不断发展，形式多样的考勤方法层出不穷，而人脸识别签到是自动化信息技术中新兴的生物识别技术，可以应对各种不同安全级别标准的应用，巧妙解决了原始考勤方法中存在地许多弊端。本文主要针对基于OpenCV的人脸识别智能考勤系统进行设计与实现，从而获取课堂出勤信息，及有效提高教学管理效率。

根据现场人脸图像的拍摄自动与数据库中学生信息进行验证，利用Wi-Fi实现考勤定位，从而确保信息的真实性，通过这种方式可以解决打卡等方式带来的不良现象。该系统能够快速获取人脸图像信息，进行特征定位、特征提取和人脸识别，并通过Wi-Fi进行定位，从而完成考勤打卡工作，生成考勤日志，能让管理人员智能高效地查询考勤信息，方便快捷。

1 现有考勤方式

2 运用技术

2.1 人脸识别技术

人脸识别技术，是将摄像头识别到的人脸与系统录入的人脸进行特征判断。设备开启时，首先检测是否包含人脸，若检测到人脸，则进行特征值计算。本系统将先根据需求设定一个阈值，进行比对时，如果拍摄的人脸照片和系统中的图像相似度超过此设定的阈值，系统将会把匹配得到的人脸信息进行反馈输出。

检测人脸时本系统采用了基于Haar特征的Ada Boost算法，由于Haar拥有许多庞大的特征数，如果使用普遍的方法计算时，占用资源多、计算量大、耗时较长等问题则无法得到解决。因此，系统计算Haar特征值时借助积分图的方式，将计算效率大大提高了。积分图总体思路则是将图像中的Haar特征（矩形特征）提取出来，计算积分图像，所得到的积分图像与人脸的积分图像进行比对，标记出符合人脸特征的区域。

2.2 0penCV技术

OpenCV是一个基于BSD许可发行的开源的跨平台计算机视觉库，涉及人机交互、图像分割、人脸识别、运动分析、实体追踪等多种领域。OpenCV不但从属于轻量级，并且工作非常高效。本文所要用到的人脸检测、人脸识别和人脸数据功能均由OpenCV提供的相应接口来实现[1]。

2.3 Wi-Fi定位技术

当Wi-Fi设备被开启时，扫描并且收集到周围的AP信号，我们能获取到AP设备广播出来的MAC地址。AP数据被标识后，将被位置服务器所接收。位置服务器根据每个信号不同强弱的程度，处理计算此设备所处的地理位置，计算结果将被上传存储后，用户设备接收到相应的反馈。如果预先把设备的MAC地址和用户的身份信息对应，在考勤时便可以确定该用户是否有可能在AP信号覆盖范围内。

3 系统设计

3.1 系统需求

学生端：登录，查看课表，签到，出勤情况查询，操作界面设置。

教师端：登录，点名，学生信息查询，出勤情况统计，编辑学生考勤信息。

辅导员端：登录，出勤情况统计查询。

管理员端：登录，查看信息，编辑信息，数据统计，修改密码。

3.2 系统功能

（1）登录功能。

（2）修改密码。

（3）查看个人信息：学生可以对个人信息，课程的时间地点以及考试安排进行查看。

（4）信息管理：管理员端进行登录，可以编辑课程以及学生信息。

（5）考勤管理：教师端可以将考勤签到功能进行开放以及关闭，在所规定的时间内，学生按时进行签到。签到完成后，任课老师可以实时查看学生的出勤记录数据。

（6）面部图像采集。

（7）人脸检测：将照片发送至终端，自动检测到人脸。

（8）人脸识别：通过OpenCV对存储的人脸信息进行搜索匹配，将比对结果上传。

（9）定位：定位信息将通过Wi-Fi检测显示于系统终端。

4 系统实现

4.1 考勤流程

具体考勤流程如图2所示，且系统建有相应的数据库应用系统，登录系统可以查看本班所有课程的历史出勤率，以及个人的具体出勤记录。

4.2 具体模块设计

（1）注册模块

该系统选用PC机白带的摄像头，由摄像头采集人脸照片，终端将所采集的图像进行预处理，利用CNN卷积算法将人脸进行提取，管理员录入信息时要进行身份验证，录入的学生信息包含班级、学号、姓名等。用户进行注册的时候，需要拍攝预留一张人脸的照片，利用CNN卷积算法将该照片模板进行保存，并上传至云端数据库，用于之后身份识别时实时拍照比对[2J。

（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

点击拍照按钮，进行身份识别认证。客户终端实时检测学生的人脸图像，判定与数据库中的预留信息是否相符合。若符合，则将输出信息，验证结果将进行自动更新，教师可以实时查询。若學生身份验证成功，终端则会显示“已签到成功”;若身份识别失败，系统则会根据判别的具体情况提示失败原因。教师端以及管理员拥有权限对学生的考勤情况进行查看统计，可以将考勤签到结果进行导出[3]。

5 具体实现界面

（1）软件框架

客户端分别由用户界层、业务逻辑层以及数据连接层组成。数据库管理系统通过数据处理进入数据连接层，接着进行数据传递及调用，进入业务逻辑层，最终进入用户界面层。

（2）Web端查询界面

教师、辅导员、管理员可以登录Web端登录进入相应课堂查看班级学生的具体出勤情况。

（3）App端人脸采集界面

如下图4所示，学生进入本系统后点击人脸识别打卡，拍摄人脸照片上传到服务器与图像进行匹配，并通过Wi-Fi定位，匹配成功则打卡成功。

（4）系统测试

为了验证系统运行的稳定性、准确性，特将该考勤系统进行测试，以计算机与通信工程学院为测试对象，从中随机抽取大一、大二、大三10个班（453人）作为样本数据，依次对每个班进行了考勤，测试过程相关数据统计如表2所示。

由此可以看出，本系统的人脸识别考勤在各方面都优于其他两张考勤方式，提升了管理效率，具有高可靠性。

6 结束语

紧密围绕教学实际需求设计了基于OpenCV人脸识别的智能考勤系统，主要目的是优化如今高校的课堂考勤方式，方便学生管理，提高教学质量。本系统操作简单，适用于不同水平的使用者，还具备先进性，充分应用现有成熟的人脸识别技术以及Wi-Fi定位技术，提高了课堂考勤的准确性，满足了师生的考勤需求。

参考文献：

[1]孙志.基于OpenCV的人脸识别算法实验平台研究与实现[D].长春：吉林大学，2014.

[2]周飞燕，金林鹏，董军，卷积神经网络研究综述[J].计算机学报，2017，40（6）：1229-1251.

[3] SarabandRadian， PoonaLagniappe， Soundboard Evader. ET AL.Novel deep learning model for facial expression recognitionbased on maximum boosted CNN and LSTM.2020，14（7）：1373-1381.

【通联编辑：光文玲】

作者简介：姜旭涛（1999-），男，江苏扬州人，本科，主要研究方向为计算机科学与技术;黄承宁（1985-），男，江苏南京人，硕士，讲师，主要研究方向为大数据技术与人工智能、计算机课程教学改革;陆洋（1999-），女，江苏泰州人，本科，主要研究方向为计算机科学与技术。