人脸识别在实验教学中的应用

叶阳 顾国民

摘要：高校教学管理中，课堂出勤率至关重要。基于目前课堂考勤的需求，文章研究了采用人脸识别技术的课堂管理系统的设计。

关键词：考勤；人脸识别；教学

中图分类号：G642.423 文献标志码：A 文章编号：1674-9324（2019）31-0272-02

高校教学管理中，课堂出勤率至关重要。目前大多数高校在日常考勤工作中主要采用的仍是人工考勤。教师根据选课名单随堂点名，这些考勤方式仍存在以下几个问题：第一，任课教师并不认识每一位学生，所以有可能存在冒名顶替和代替考勤的现象；第二，在开学第一周后的退补选课，使得教学班名单会发生改变，与传统行政班名单有很大出入；第三，部分全校公选课依然使用大班化教学，全面点名费时较多，随机点名则容易被学生浑水摸鱼。所以传统的考勤方式不适用于如今学校考勤需求，若是设计一套能解决上述问题的课堂考勤系统，方便教师课堂考勤、督促学生积极上课，以及为学生的学习提供便利，最终将能够有效地提高教学综合效率[1]。

人脸识别技术是生物特征识别领域中最可靠、最方便、最自然的一项身份验证技术，现在在大多数领域中起到举足轻重的作用，尤其是用在机关单位的安全和考勤、网络安全、银行、海关边检、物业管理、军队安全、智能身份证、智能门禁、司机驾照验证、计算机登录系统。在对比国内外视频中人脸的研究与实现的基础上，本文将研究目标定位于利用C++语言来实现视频中人脸的识别以方便课堂考勤。本次设计是旨在实现视频中捕捉人脸，并进行识别的系统；其中人脸其任务首先是人脸检测，从各种不同的场景中找出人脸所在位置与其所占区域；再进行提取人脸的特征，确定测出的人脸和数据库中的描述方式；其中人脸识别是提供一个接口，将用等待识别的人脸与数据库中的已知人脸比较，得出相关信息[2]。

本次设计的具体内容包括人脸检测与人脸识别两部分：

人脸检测是对于给定的任意一段视频资料，采用一定的方法对其进行检测以确定图像中是否含有人脸，如果有则返回人脸的位置、大小和姿态，为身份鉴定提供条件。

与人脸检测不同，人脸识别利用的主要是人脸个体差异的信息。有两种识别目的和情况需要区别：一种是对人脸图像的验证，即要确认输入人脸图像中的人是否在数据库中，属于有监督的识别；另一种是对人脸图像的辨识，即要确认输入图像中的人的身份，属于无监督的识别。主要分为以下步骤：

1.特征提取，采取某种表示方式来表述检测出的人脸和数据库中的已知人脸。

2.特征降维。由于人脸是一个非刚性的自然物体（柔性体），从人脸图像中可提取很多不同特征，所以表征人脸的原始特征对应高维空间中的数据（对一幅M×N的图像，空间维数可达M×N）。在特征提取后，需采用紧凑的人脸表征方式，将原始特征进行筛选组合，集中信息，降低维数，使这些低维空间的有效性得到提高，以有利于接下来的匹配分类。

3.匹配识别。在特征提取的基础上，选择使当的匹配策略，可将待识别的人脸与数据库中的已知人脸进行匹配比较，建立它们的相关关系，并输出所做出的判断决策/决定（识别结果）。

系统关键功能的实现：

1.人脸图像获取：要判断待识别的人是否存在于数据库中，系统要获取待识别的人脸图像。本系统通过摄像头实时获取人脸图像，调用cvshowimage显示函数把显示的图片映射到窗口，再利用IplImage类将人脸图片读入。通过read_image函数读取人脸库中的人脸，并加入images这个人脸集，然后用createMyLBPHfaceRecognizer函数创建训练模型，并调用train函数对人脸集进行训练，训练结束之后用save进行保存，用set（threshold）设置阈值，防止识别不在库中的人脸。

2.图像预处理：一般来说图像可以分为彩色和灰度，彩色图像每个像素颜色由RGB构成，对于256级图像的每一个像素点共有67777216种取值，对于人脸特征提取来说，不需要如此复杂的图像和无用的背景，系统需要将彩色图像转换成灰度图像，使得图像只含有亮度的信息。灰度值公式

Gray=0.3×R+0.59×G+0.11×B

3.人脸训练学习：对于数据库中不存在的人脸，我们需要通过人脸学习建立人脸模型并且标注身份，首先读入人脸（已经预处理好的人脸，这个在截取训练人脸模块中实现），然后把人脸数据和标签（人脸的身份）分别读入两个vector，创建LBP训练模型，并且训练这些人脸数据存储在模型当中。

4.人脸图像特征提取：人脸图像特征提取是人脸识别的一个必要过程，没有特征提取这一过程就无法实现人脸识别，其意义是从人脸图像中提取一组反映人脸特征的数值来表示图像，来防止以图像全部像素作为特质降低识别运算速度，然后根据特征将图像进行分类和识别，这个功能主要基于OpenCV实现，它提供了三种基础的人脸特征算法，这三种算法都有较好的特征提取效果，本系统的设计采取LBP算法并在此基础上加以改进。

5.人脸识别：基于OpenCV实现人脸识别功能，利用数据库中的已知人脸，给出人脸识别结果，主要思想是将待识别的图像与数据库中的人脸模型进行比较，通过设定一个阈值，当相似度超过阈值，输出匹配得到的结果。这一过程又分为两种：一种是确认，比较的过程是一对一，另一类是辨认，图像匹配对比的过程是一对多。识别人脸用一个while循环，只有当不认识的新人脸出现才会退出循环，我们预先设置好要预测的人脸图片和预测人脸的路径以便后续进行人脸图片的拼接，然后用一个while循环不断读取target中的target.pgm文件，即我们要进行识别的图片，然后调用predict函数进行人脸预测，预测的人脸会返回训练人脸时输入的姓名。

本系统基本实现了人脸的检测与识别，结合实验室课堂教学的应用，可以有效地进行课堂考勤，但依然有一些需要解决的技术难点。

1.面部遮挡问题。倘若有人刻意地伪装，这样在采集视频资料时会出现不完全甚至错误的判断，会加大工作的难度。

2.运动分割问题。主要在非约束条件下进行运动分割，图像会受到多方面的影响，像天气变化、光照、运动目標的影子等。

参考文献：

[1]王婉清.基于人脸识别的考勤系统设计[D].江苏：南京邮电大学，2016.

[2]邢永生.人脸识别系统的研究与开发[D].吉林：吉林大学，2016.