论文部分内容阅读
摘 要：随着时代的变换，人们的生活质量越来越高，学生数量不断扩大，那么问题就涌现出来了。对于不爱学习的学生，逃课替课也许是常态，对于老师而言，教授大量的学生同时还要监督学生上课学习的到场情况就是一大难题。
基于人脸识别的智慧校园系统是将人脸识别技术与学校的基础监控设施联系起来，可以有效的对学校的管理进行辅助和建议。可以使用人脸识别技术直接进行人脸识别签到考勤工作，可以有效防止旷课，替课现象，也可以对学校设施进行监控，对学校设施开放提出建议。
正文：随着学生群体的扩大，学生的考勤成为一件棘手的事情，尤其是大学生，替课旷课现象尤为严重。对于老师而言，教授的学生数量较多时点名签到就是一件相当麻烦的事，学生就会抱有老师不会浪费时间在点名签到这件事上的侥幸心理，由此助长了许多大学生逃课替课的邪风。
基于人脸识别的智慧校园系统采用人脸识别技术使用python语言编写代码实现人脸信息采集和识别功能。反馈信息和识别算法的联动机制，根据识别到的人脸信息对识别算法进行优化调整，将收集到的数据与数据库信息进行连接匹配，能够很好地解决大学生逃课替课的问题。
本文以智慧校园系统的工作机制及推广的意义为对象进行研究，主要研究工作机制及工作流程。
1.工作流程
使用python语言实现人脸数据采集的工作流程较为清晰，在收集到数据后将数据与数据库中的信息进行匹配对比完成人脸识别的工作，整体的工作流程如下：
2.功能分析
人脸识别功能：使用代码实现人脸拍摄功能后与数据库中的信息进行匹配完成人脸识别功能。
最优识别算法推荐：基于采集到的数据，设计最优的识别算法。
联动机制：反馈信息与识别算法的联动机制，即如何根据识别到的人脸信息，对识别算法进行优化调整。
結果反馈：系统根据识别采集到的人脸，通过最优的识别算法反馈出学生的信息，给出学生的缺课替课信息。
3.算法主要功能实现
该核心算法主要分为三个步骤，从外部摄像头获取人脸信息、将实时获取到的人脸信息转化为128D特征码，保存下来、从外部摄像头采集人脸信息，转化为特征码，与已保存的特征码进行比对。比对误差较小的，识别成功。
（1）首先使用cv2.VideoCapture调用外部摄像头硬件进行人脸采集，在采集时使用Dlib进行实时的人脸监测。
（2）在实时人脸监测时，程序会自动提取到10张有明显特征的图片，使用return_128d_features将图片中识别出来的人脸特征码记为features_cap_arr，保存到csv文件或者数据库中，便于以后使用。
（3）再次调用外部摄像头，进行人脸的实时监测，在监测到人脸以后，程序会自动捕获并转为128D特征，将新获取到的128D特征码和之前保存过的128D特征码进行比对，比对结果由二者的欧式距离反映，欧式距离大于0.4，则判断摄像头中的人是unknown，欧式距离小于0.4，则会找出这个人的相关信息。在后面即可对其进行其他操作。
4.智慧校园系统的特点及意义
（1）突破了学校现有的考勤、考核方法，省去了教室点名和查人时间，在上课过程中，相关设备就可以自动进行人脸采集和识别，并且对考勤情况做出反馈。
（2）在人脸识别的基础上，可以进行功能扩展。如对于学校开放机房的使用情况进行统计，给出学校机房开放的建议，防止资源浪费、在学校各个地方进行人流量采集，给出学校的建设建议。更方便于学生。
（3）设计教师端和学生端，学生可登陆平台查询自己的考勤信息，检查有无识别错误。可以上报处理。教师可以登陆教师端平台，查看自己课程或者班级的考勤情况，对于学生的出勤分数提供了参考条件。教师和辅导员可以进行请假信息的上传，该生请假以后，将请假信息上传到平台，平台根据信息实时反馈给设备端，可以跳过对该生的考勤识别。防止信息错误导致缺勤，旷课。还可以防止学生瞒报谎报请假信息。
5.项目难点及待解决部分
（1）项目依赖与网络连接，如果网络出现错误，整个程序都会瘫痪，要做出完整的应对措施，防止因突发停电、断网导致的数据丢失等问题出现。
（2）光照 光照问题是机器视觉中的老问题，在人脸识别中的表现尤为明显，算法未能达到使 用的程度。
（3）姿态 与光照问题类似，姿态问题也是人脸识别研究中需要解决的一个技术 难点。针对姿态的研究相对比较少，多数的人脸识别算法主要是针对正面，或接近正面的人脸 图像，当发生俯仰或者左右侧而比较厉害的情况下，人脸识别算法的识别率也将会急剧下降。
（4）遮挡 对于非配合情况下的人脸图像采集，遮挡问题是一个非常严重的问题，特别是在监控环境下，往往被监控对象都会带着眼镜﹑帽子等饰物，使得被采集出来的人脸图像有可能不 完整，从而影响了后面的特征提取与识别，甚至会导致人脸识别算法的失效。
（5）图像质量 人脸图像的来源可能多种多样，由于采集设备的不同，得到的人脸图像质量也不同，特别是对 于那些低分辨率﹑噪声大﹑质量差的人脸图像如何进行有效的人脸识别是个需要关注的问题。同样的，对于高分辨图像，对人脸识别算法的影响也需要进一步研究。
（6）与学校设备的联通 由于学校设备情况不同，要想完成人脸识别功能，还需要进一步的调试和实验。
6.结论
智慧校园系统是当今科技和互联网发展结合的产物，符合当前教学情况的需要。会极大地提高学校的管理和教学效率，但是其弊端也很明显。太过于依赖硬件设备，在一些场合下可能会无法进行工作，受光照。姿态、遮挡和图像质量影响较大。需要进一步完善算法。做出一个完整的工作流程和错误处理机制。
基金项目：辽宁科技学院2020年度大学生创新创业项目 项目编号：202011430072
基于人脸识别的智慧校园系统是将人脸识别技术与学校的基础监控设施联系起来，可以有效的对学校的管理进行辅助和建议。可以使用人脸识别技术直接进行人脸识别签到考勤工作，可以有效防止旷课，替课现象，也可以对学校设施进行监控，对学校设施开放提出建议。
正文：随着学生群体的扩大，学生的考勤成为一件棘手的事情，尤其是大学生，替课旷课现象尤为严重。对于老师而言，教授的学生数量较多时点名签到就是一件相当麻烦的事，学生就会抱有老师不会浪费时间在点名签到这件事上的侥幸心理，由此助长了许多大学生逃课替课的邪风。
基于人脸识别的智慧校园系统采用人脸识别技术使用python语言编写代码实现人脸信息采集和识别功能。反馈信息和识别算法的联动机制，根据识别到的人脸信息对识别算法进行优化调整，将收集到的数据与数据库信息进行连接匹配，能够很好地解决大学生逃课替课的问题。
本文以智慧校园系统的工作机制及推广的意义为对象进行研究，主要研究工作机制及工作流程。
1.工作流程
使用python语言实现人脸数据采集的工作流程较为清晰，在收集到数据后将数据与数据库中的信息进行匹配对比完成人脸识别的工作，整体的工作流程如下：
2.功能分析
人脸识别功能：使用代码实现人脸拍摄功能后与数据库中的信息进行匹配完成人脸识别功能。
最优识别算法推荐：基于采集到的数据，设计最优的识别算法。
联动机制：反馈信息与识别算法的联动机制，即如何根据识别到的人脸信息，对识别算法进行优化调整。
結果反馈：系统根据识别采集到的人脸，通过最优的识别算法反馈出学生的信息，给出学生的缺课替课信息。
3.算法主要功能实现
该核心算法主要分为三个步骤，从外部摄像头获取人脸信息、将实时获取到的人脸信息转化为128D特征码，保存下来、从外部摄像头采集人脸信息，转化为特征码，与已保存的特征码进行比对。比对误差较小的，识别成功。
（1）首先使用cv2.VideoCapture调用外部摄像头硬件进行人脸采集，在采集时使用Dlib进行实时的人脸监测。
（2）在实时人脸监测时，程序会自动提取到10张有明显特征的图片，使用return_128d_features将图片中识别出来的人脸特征码记为features_cap_arr，保存到csv文件或者数据库中，便于以后使用。
（3）再次调用外部摄像头，进行人脸的实时监测，在监测到人脸以后，程序会自动捕获并转为128D特征，将新获取到的128D特征码和之前保存过的128D特征码进行比对，比对结果由二者的欧式距离反映，欧式距离大于0.4，则判断摄像头中的人是unknown，欧式距离小于0.4，则会找出这个人的相关信息。在后面即可对其进行其他操作。
4.智慧校园系统的特点及意义
（1）突破了学校现有的考勤、考核方法，省去了教室点名和查人时间，在上课过程中，相关设备就可以自动进行人脸采集和识别，并且对考勤情况做出反馈。
（2）在人脸识别的基础上，可以进行功能扩展。如对于学校开放机房的使用情况进行统计，给出学校机房开放的建议，防止资源浪费、在学校各个地方进行人流量采集，给出学校的建设建议。更方便于学生。
（3）设计教师端和学生端，学生可登陆平台查询自己的考勤信息，检查有无识别错误。可以上报处理。教师可以登陆教师端平台，查看自己课程或者班级的考勤情况，对于学生的出勤分数提供了参考条件。教师和辅导员可以进行请假信息的上传，该生请假以后，将请假信息上传到平台，平台根据信息实时反馈给设备端，可以跳过对该生的考勤识别。防止信息错误导致缺勤，旷课。还可以防止学生瞒报谎报请假信息。
5.项目难点及待解决部分
（1）项目依赖与网络连接，如果网络出现错误，整个程序都会瘫痪，要做出完整的应对措施，防止因突发停电、断网导致的数据丢失等问题出现。
（2）光照 光照问题是机器视觉中的老问题，在人脸识别中的表现尤为明显，算法未能达到使 用的程度。
（3）姿态 与光照问题类似，姿态问题也是人脸识别研究中需要解决的一个技术 难点。针对姿态的研究相对比较少，多数的人脸识别算法主要是针对正面，或接近正面的人脸 图像，当发生俯仰或者左右侧而比较厉害的情况下，人脸识别算法的识别率也将会急剧下降。
（4）遮挡 对于非配合情况下的人脸图像采集，遮挡问题是一个非常严重的问题，特别是在监控环境下，往往被监控对象都会带着眼镜﹑帽子等饰物，使得被采集出来的人脸图像有可能不 完整，从而影响了后面的特征提取与识别，甚至会导致人脸识别算法的失效。
（5）图像质量 人脸图像的来源可能多种多样，由于采集设备的不同，得到的人脸图像质量也不同，特别是对 于那些低分辨率﹑噪声大﹑质量差的人脸图像如何进行有效的人脸识别是个需要关注的问题。同样的，对于高分辨图像，对人脸识别算法的影响也需要进一步研究。
（6）与学校设备的联通 由于学校设备情况不同，要想完成人脸识别功能，还需要进一步的调试和实验。
6.结论
智慧校园系统是当今科技和互联网发展结合的产物，符合当前教学情况的需要。会极大地提高学校的管理和教学效率，但是其弊端也很明显。太过于依赖硬件设备，在一些场合下可能会无法进行工作，受光照。姿态、遮挡和图像质量影响较大。需要进一步完善算法。做出一个完整的工作流程和错误处理机制。
基金项目：辽宁科技学院2020年度大学生创新创业项目 项目编号：202011430072