基于人脸识别的课堂考勤系统设计与实现

摘要：文章旨在基于深度学习和人脸识别技术的融合，探讨高校教学管理中课堂自动考勤系统的设计与实现。文章通过应用深度学习和人脸识别技术，构建人脸识别模型并将其整合至考勤系统，利用摄像头实时捕获学生面部信息，与系统中存储的人脸特征进行匹配，从而实现课堂上的自动考勤。研究结果表明，该系统具备一定的创新性和实用性，不仅优化了学生考勤流程，建立了高效的自动化考勤系统，而且能有效提升高校课堂教学管理效率，为高校的课堂管理改革提供一定的借鉴价值。

关键词：深度学习；人脸识别；考勤系统；教学管理

中图分类号：TP315" 文献标志码：A

基金项目：2022年度广西科技师范学院科研项目；项目名称：基于深度学习和人脸识别的课堂自动考勤系统的研究与实现；项目编号：GXKS2022QN023。2024年度广西高校中青年教师科研基础能力提升项目；项目名称：基于改进的YOLOv5在甘蔗赤腐病检测与识别的应用研究；项目编号：2024KY0868。广西科技师范学院2024年第一批校级项目；项目名称：智能控制与信息处理重点实验室；项目编号：GXKSKYPT2024007。

作者简介：张亮敬（1990— ），男，高级工程师，学士；研究方向：软件开发，深度学习。

*通信作者：吴作洲（1989— ），男，工程师，学士；研究方向：信息安全。

0" 引言

在现代高校教育中，课堂考勤管理是教学管理的重要组成部分。传统的考勤方式主要依赖于人工签到或者点名，这种方式不仅耗时费力，而且存在较高的作弊风险［1］。学生可能通过代签等方式规避考勤，导致考勤数据的准确性和真实性大打折扣。当然解决代签等考勤作弊问题的方法也有很多，例如Zhang等［2］提出了一种位置服务和人脸识别技术，耿申［3］提出了一种基于WLAN室内定位和二维码技术，Duan等［4］设计了一款人脸识别课程签到系统等。此外，教师在点名时须要花费大量的时间和精力，这无疑降低了课堂教学的效率。因此，开发一种高效、准确的自动考勤系统尤为必要。

随着信息技术的发展，特别是人工智能和深度学习技术的不断进步，基于人脸识别技术的自动考勤系统逐渐受到关注［5］。人脸识别技术能够在非接触的情况下，对目标对象进行快速、准确的身份识别，具有高效、安全、便捷等优点［6］。因此，本文将人脸识别技术应用于高校课堂的考勤管理，不仅能够大幅提升考勤的效率和准确性，还能够有效防止代签到等作弊行为，对于推动教育现代化、教学管理信息化具有重要的现实意义和发展意义。

本研究的主要目的是设计并实现一款基于深度学习和人脸识别技术的高校课堂自动考勤系统，实现学生在课堂上的自动签到，以解决传统考勤方式存在的效率低、准确性差、作弊风险高等问题。

1" 技术基础与理论框架

1.1" 基础技术框架

本研究采用基于Python语言的Flask框架，前端采用BootStrap实现页面的布局，采用TrackingJS实现人脸检测，采用AJAX技术实现数据交互，后台采用face-recognition实现人脸识别，数据持久化采用MySQL数据库。

1.2" 人脸检测技术

人脸检测通过采用特定的搜索策略对给定的图像进行分析，以确定是否存在人脸并返回人脸的位置、尺寸和方位［7］。本研究采用的人脸检测技术是TrackingJS。TrackingJS是一款独立的JavaScript库，旨在实时跟踪从摄像头接收的数据。该库能够跟踪颜色和人物，即研发人员可以通过检测特定的颜色或人脸的出现与移动来触发JavaScript事件，当追踪的数据对象为人脸图像时，还可设置具体的追踪检测目标，将焦点放在人脸图像中的眼睛、鼻子和嘴巴等关键部位［8］。

1.3" 人脸识别技术

人脸识别技术是一种基于人的面部特征信息进行身份识别的技术［9］。该技术通过捕捉个体的面部图像，分析其中的关键特征，如眼睛、鼻子、嘴巴的位置和距离等，再与数据库中预存的面部数据进行匹配，以此来确认个体的身份。这一过程包括多个步骤：首先是人脸图像的获取，其次是人脸检测，再次是人脸特征提取，最后进行匹配和识别。

本研究采用的人脸识别技术是face-recognition库。face-recognition是一款基Python的人脸识别库，采用深度学习算法实现人脸图像的识别和匹配［10］。该库使用了dlib中的深度学习模型，包括人脸检测器和人脸特征提取器。dlib中的深度学习模型是基于卷积神经网络（Convolutional Neural Networks，CNN）实现的。CNN是一个由多层“卷积层”和“采样层”等非全连接层组成的神经网络，能够很好地实现图片特征提取［11］。人脸检测器会在图像中找出所有的人脸，特征提取器则将每个人脸的特征转化为一个128维向量，该向量能够表征人脸的独特特征，通过比较这些向量，可以判断2张人脸图像是否属于同一个人。

2" 系统设计与实现

2.1" 系统架构设计

高校课堂自动考勤系统的设计旨在提供一个高效、可靠的自动化考勤解决方案。本系统采用分层架构设计，主要分为访问层、接口层、服务层和存储层。存储层负责数据存储和管理，包括课程信息、学生头像和考勤记录等；服务层处理系统的核心功能，如人脸识别、数据处理和考勤记录生成等；接口层用于前后端建立连接，实现数据的交互；访问层提供用户界面，方便用户（教师和管理员）操作和查看考勤结果。系统的架构设计如图1所示。

2.2" 系统功能设计

系统的功能模块设计主要分为用户管理、班级管理、学生管理、课程管理和考勤管理5个部分，其中用户模块包括用户信息的增删改查以及用户的登录注册等功能；班级管理模块包括班级信息的增删改查；学生管理模块包括学生信息的增删改查，学生照片更新通过学生信息修改完成；课程管理包括课程信息的增删改查，课程的开设以及考勤信息的新增都要基于已有课程来实现；考勤管理模块包括考勤信息的增删改查以及人脸识别和考勤状态的管理等。系统的功能结构如图2所示。

2.3" 考勤流程设计

本系统的主要功能是人脸考勤模块，因此本文将着重介绍考勤模块的设计与实现，系统其余模块的内容不再赘述。人脸考勤的流程大致可以分为以下几步：数据采集、数据存储、考勤信息新增、人脸捕获与比对以及考勤记录生成。

当系统学生管理模块添加学生信息时，用户须要上传学生的近期的照片；提交后系统会根据用户上传的图像信息进行特征提取，得到学生的面部特征数据并将其转换成特征向量存于数据库中。在考勤时，系统通过高清摄像头捕捉学生的面部图像，利用人脸识别模型提取关键特征点，生成学生当前的面部特征向" 量并与之前存储在数据库中的特征向量进行对比，若对比成功则生成考勤记录，否则考勤失败。考勤流程的设计如图3所示。

2.4" 考勤模块的实现

2.4.1" 人脸数据采集

前文已提到，考勤功能实现的前提是提交学生的照片。在学生管理模块的学生信息新增功能中，用户可以在新增学生信息时上传图片信息，提交后系统会将图片数据存储在文件系统中并将图片数据中的人脸信息提取出来，将人脸的一些关键特征进行向量化操作；随学生信息一起存储于MySQL数据库中，用于生成后面的考勤信息和人脸比对。考虑到学生信息的数据比较多，系统也提供了批量导入的功能，只要按照相应的Excel表格模板文件填入学生信息并将表格上传到系统，系统便能自行校验和录入数据，从而大幅减少用户的工作量。

2.4.2" 考勤数据新增

在已经存在相应班级、学生和课程信息的前提下，用户可以新增考勤信息。考勤依赖于某一个班的某一门课程，考勤班级和考勤课程的数据均以下拉列表的方式给出，防止用户输入不存在的班级和课程信息。在提交数据之后，系统一方面会生成考勤数据，另一方面也会根据考勤班级生成相应的考勤记录，也就是该班级下的所有学生即为本次考勤的考核对象。新生成的考勤记录状态均为“未签到”，待教师上课时开启考勤功能；只有学生能成功进行人脸比对，才将考勤状态更新为“已签到”，记录考勤时间和考勤时刻的图像数据。

2.4.3" 人脸检测与识别

教师上课时即可开启人脸考勤功能，TrackingJS可以实时监测摄像头中的人脸数据，当镜头中出现人脸图像时，使用AJAX异步请求技术将图像数据即时传输到后台，后台中的face-recognition模块能对图像数据中的人脸信息进行特征提取并将其转换成一个128维的向量，然后与数据库中存储的人脸特征数据进行比对，比对成功后则生成考勤记录，否则考勤失败。经测试，该功能能够准确地实现人脸检测和识别，基本满足考勤系统对人脸识别精度的要求，具有一定的实用价值。人脸捕获与识别的功能如图4所示。

2.4.4" 考勤信息查询

当考勤信息新增完毕之后，即可在系统的考勤信息管理中查询考勤信息和考勤详情，考勤详情中会记录每位学生的考勤状态和考勤时间，如果学生的考勤信息有误，那么教师可以在系统中手动修改考勤状态。考勤详情查询的功能如图5所示。

3" 结语

本研究成功设计并实现了一个高校课堂自动考勤系统。该系统通过采用深度学习和人脸识别技术，准确地识别学生的身份并记录学生的到课情况，极大地提高了教师课堂考勤的效率，使教师能够更专注于课堂教学，有助于提升教学质量。同时，该系统的开发对高校教育管理领域的数字化转型具有重要的实践参考意义，为高校教育管理的数字化转型提供借鉴。未来的研究可以尝试融合多摄像头的数据，避免因拍摄角度不佳导致面部信息无法完整捕获的问题，进一步提高人脸识别的准确度和系统的可靠性，从而更好地满足高校教学管理的需求。

参考文献

［1］罗榆凌，范涛，刘金辉，等.基于RFID技术的高校课堂考勤管理系统［J］.电子测试，2020（23）：66-68.

［2］ZHANG L，BAI X Y，WANG P Z，et al. The lesson sign-in system based on face recognition and location restriction［J］. IOP Conference Series：Materials Science and Engineering，2019（4）：042045.

［3］耿申.基于WLAN室内定位技术的二维码签到技术在学生管理中的应用［J］.电脑知识与技术，2017（7）：26-27，22.

［4］DUAN Q C，CHEN L，GUAN J L. 5th International Conference on Computer Information Science and Application Technology，October 20，2022［C］. Chongqing：CISAT，2022.

［5］付迎迎，林治，吴承鑫，等.基于目标检测与人脸识别相结合的课堂考勤智能识别系统［J］.电子产品世界，2024（1）：67-70.

［6］夏冉，李雨欣，李鹏飞.基于卷积神经网络的人脸考勤系统［J］.电脑知识与技术，2024（17）：39-42.

［7］徐铭，李华.基于改进YOLOv5s-face的Face5系列人脸检测算法［J］.重庆理工大学学报（自然科学），2024（6）：194-202.

［8］何文志，周化钢.基于TrackingJS库+百度云人脸识别课程签到系统设计与实现［J］.软件工程，2024（7）：6-11.

［9］夏志强.人脸识别综述［J］.电子世界，2017（23）：74，76.

［10］高艳，徐丽丽.基于face_recognition库的人脸识别课堂签到系统［J］.现代计算机，2021（11）：157-160.

［11］王忠东，张云刚，张亮敬，等.基于深度学习的石油污染物三维荧光光谱识别技术研究［J］.激光与光电子学进展，2023（15）：386-395.

（编辑" 王雪芬编辑）

Design and implementation of classroom attendance system based on face recognition

ZHANG" Liangjing1， YAO" Guopeng2， WU" Zuozhou1*

（1.Guangxi Science amp; Technology Normal University， Laibin 546199， China; 2.Guangxi Houpu Digital

Technology Co.， Ltd.， Nanning 530009， China）

Abstract： This study aims to explore the design and implementation of an automatic classroom attendance system in higher education management based on the integration of deep learning and facial recognition technology. By applying deep learning and facial recognition technology， a facial recognition model is constructed and integrated into the attendance system. Cameras are used to capture real-time facial information of students， which is then matched with stored facial features in the system to achieve automatic attendance in the classroom. The results indicate that this system is innovative and practical. It not only optimizes the student attendance process and establishes an efficient automated attendance system，but also effectively enhances the management efficiency of classroom teaching in higher education，which provides a reference for classroom management reform in universities.

Key words： deep learning; facial recognition; attendance system; teaching management