人脸识别技术在课堂考勤管理中的应用研究

◆姬翠萍



人脸识别技术在课堂考勤管理中的应用研究

◆姬翠萍

（山西经济管理干部学院山西030006）

严谨高效的课堂考勤管理工作是塑造良好的学习风气、提升学生的学习积极性、维护课堂教学秩序的基础。人脸识别技术作为一种新兴技术被应用到考勤管理系统中，对提高学生考勤管理制度的执行效力，保障教学活动的质量与效率提供了高效且可靠的技术支撑。

人脸识别；课堂考勤；教育信息化

1 人脸识别技术

人脸识别技术是生物特征识别领域中的一个重要的研究分支，在具体应用过程中，需要结合专用的硬件采集设施将人体面部的主要特征信息采集到识别系统当中，然后依据相应的特征识别算法对人体面部进行特征检测和识别，并最终锁定到现实生活中某一特定的人类对象，最后围绕该对象建立相应的信息记录，并通过数据库进行存储和管理[1]。

2 课堂考勤管理的信息化需求

随着信息技术在教育领域中的发展与普及，课堂考勤管理也从过去的“教师点名”模式向自动化、网络化、信息化的方向发展。在节省考勤检查时间、提高课堂考勤管理工作的效率同时，还可以实现相关数据的信息化存储与共享，为后续的大数据分析、数据挖掘等工作采集基础数据。

3 课堂考勤管理系统中人脸识别模块的实现

人脸识别作为学生课堂考勤管理系统的核心部分，其具体功能由视频采集硬件与人像数据处理软件两部分共同负责完成。其结构如图1所示。

本文所选用的摄像头硬件为全瑞视讯的RER-V90型摄像头，该摄像头使用了双镜头设计，拍摄范围为100度，可以通过USB接口供电稳定工作，输出图片的最高有效像素为1920×1080，信噪比为39dB。同时还具备自动曝光控制与自动白平衡、增益控制功能，能够很好地满足在教室中进行人像采集的需求。

在软件的具体的实现过程中，获取本节课参与评教学生的照片文件名称是进行图像对比的基础。程序根据这些图片的名称来从服务器上逐一读取图片文件并根据其名称字符串中的学号内容来建立基于学号信息的人脸图像特征库，该特征库主要包含的信息如表1所示。

表1 人脸图像特征信息表

特征库的建立需要基于循环语句将在数据初始化阶段下载存储在临时文件夹中的全部学生照片文件读取至内存中进行处理并以在C#中创建的类property所定义的数组进行存储，等待与摄像头现场采集到的信息进行对比。

在图像对比功能的具体实现过程中，首先需要在C#开发平台中定义WebCamTexture类型的变量来开启摄像头并通过调用Pause方法捕获照片，照片文件的生成则是基于Texture2D对象实现的[2]。最后使用File对象的WriteAllBytes方法将本次采集到的学生照片文件保存至终端电脑上的另一个临时文件夹中。在成功获取到现场拍摄的照片文件之后，即可将该文件读取并转换为property类所定义的多项特征信息，并存储在property变量中。

为提高程序的执行速度，本文将图像特征对比的过程打包为函数Feature_contrast，该函数包含2个参数与1个返回值，2个参数均为property类型的变量，用于将现场采集到的图片特征信息与特征库中的数据单元进行对比，返回值为Int型变量，用于返回人脸比较相似度的值。该取值为14个属性比较值的归一化特征向量。当返回值在0至1之间时，表示两张图片对比的相似度，当程序运行超时或异常，函数返回值为0，表示可由调用程序进行异常捕获和处理。

人脸识别技术在本系统中的应用，是通过SunLightFace发布的人脸识别SDK来实现的，该功能库在加载C#开发平台后即可使用。考虑到光线、摄像头镜头老化以及学生所站位置的距离、角度等因素造成的误差，本文判断识别操作是否成功的阀值设置为0.78。如果检测小于该阀值，则对特征库中的下一条数据进行识别，直到检测到合格的匹配结果为止。考虑到因各类误差所可能导致的检测失败的情况，系统提供了自动重新检测的机制，在对特征库中的全部数据都遍历并未能获取到合格结果时，系统将在5秒（学生可以利用这段时间调整站位和角度）后重新进行现场照片的采集与识别操作，以重新获取正确的人脸识别检测结果。在识别操作完成后，需要将结果为“识别成功”（即返回值大于0.78）的图片信息所对应的学号提取出来并据此将存储在tempdata类型的二维数组中的与该学生对应的考勤状态数据设置为1（即本节课考勤检测成功），以备在数据上传功能中使用。

应当注意的是，在人脸识别功能的具体使用过程中，需要被检测者取下眼镜、帽子，以保证良好的识别精度和效率。同时，为保证终端程序能够成功开启摄像头并获取到数据，应提前在部署终端程序的计算机上安装好摄像头驱动程序并完成调试。

4 结论

本文以课堂考勤数据的采集、存储需求为基础，以人脸识别技术为核心设计了一套课堂考勤管理信息采集系统的解决方案。该方案具有结构简单、易于安装部署、操作简洁且性价比较高的特点，具备了良好的实用价值与技术参考价值。

[1]秦瑞红.人脸识别软件中的关键算法研究[J].科技资讯，2017(8)：110-112.

[2]刘彦文.人脸识别中二值化图像阈值选取算法的应用研究[J].山西电子技术，2016(1)：69-71.