基于图像的人脸识别技术在高校课堂考勤系统中的研究与应用.docx

?

?

基于图像的人脸识别技术在高校课堂考勤系统中的研究与应用

?

?

王少豪

摘要：从日常手机的人脸解锁，到行人马路违章的人脸动态捕捉；从火车站“刷脸”安检，到支付宝“扫脸”购买商品，人脸识别技术作为一种基于脸部特征进行身份认证的生物计算机技术，正越来越成为人们工作学习生活中不可或缺的重要组成部分。该文通过基于图像的人脸识别技术，从高校课堂出发，结合企业考勤系统，提出人脸识别考勤系统的概念，进行识别算法研究，减轻教师工作量并且节省课堂点名时间，提高了课堂效率，为智能化课堂更进一步。

关键词：人脸识别；特征关键点；几何校正；变形模板

：TP311：A：1009-3044（2017）33-0209-02

大学课堂出勤率低一直是各大高校面临的问题。相比各行各业陆续出现的各类考勤系统，高校课堂目前比较多的仍然是传統的点名方式，而近年来，也曾有一些新兴方式在某些高校出现：如手机App签到、指纹识别以及校园一卡通刷卡等。虽然这些新的方式较传统点名来说，是一种进步且日趋成熟，但是仍然有不少人为漏洞。比如手机或者校园卡有遗失与忘带的情况，学生也可以携带同学的手机与校园卡帮忙考勤；另外有少部分人群指纹较浅极难识别，甚至还有指纹膜作假的情况出现。针对这些现象，首先通过人脸特征关键点建立人脸数据库并生成面纹编码，再利用摄像工具获取当前人员的面部图像，并自动检测活体并定位关键点，接着进行几何校正与图像预处理，通过多种算法排除掉光线、背景、色调、表情、眼镜及神态等的干扰，最后再进行特征提取以及数据库人脸图像比对，最终精确辨认出个体的人脸识别考勤系统更加能够适应高校课堂，易于被大众接受，且快速响应提高了时间效率。具体流程如图1

人脸数据库是人脸识别技术的基础，也是提供识别算法的重要依据。人脸数据库的采集越丰富、角度越具体算法响应越迅速。考虑教室环境并不复杂，主要涉及人物脸部姿态神情多样，脸部饰品以及光照亮度变化等多种因素存在，因此需要个体做好多个人脸数据子库。如人脸角度子库需做到平视、仰视、俯视、左侧、右侧5类姿态；神态表情子库的建立，需要提取正常、微笑、张嘴、闭眼这4种神情；脸部饰品子库主要考虑为较大遮挡物眼镜是否佩戴的情况；光照亮度子库为自然光、白天日光灯、夜晚日光灯三种情况。通过这些人脸子库的建立，选取眼球中心、眼角点、眉角点、鼻孔中点、嘴角点分布位置提取出个体人脸特征关键点，并生成面纹编码存入数据库，以便进一步进行算法设置。

在活体检测方面，近年来，越来越多的活体检测算法出现，通过指定如摇头、点头、眨眼、张嘴等随机动作来判断用户个体是否正常在诸如证券、银行软件中出现较多。鉴于这样一类活体检测手段较为繁琐且花费时间较长，在课堂考勤系统中并不适用，因此考虑使用近红外人脸活体检测算法，真实活体并不需要作出指定的一些表情动作即可检测成功。依据光流法，真实活体与平面视频照片的图像像素位置运动完全不同，由于真实活体像素点强度有不同的变化性与相关性，同时，活体细微的运动都能带来敏感的像素点光流动，因此可以得到各个不规则的像素点向量运动信息。而照片或者视频则皆为有序的像素点向量信息，因此可以轻松区分出真实活体与视频照片。

当摄像头采集到了活体照片之后，由于拍摄到的照片角度以及距离远近大小总有差别，因此需要对人脸照片进行一次几何校正。而校正的前提就是先寻找到诸如眼角、嘴角、鼻子、下巴等形状、结合、大小具有独特差异信息的人脸的关键特征点，利用这些不变的独有的特征相应的距离、角度等信息来对人脸图像进行归一调整整理。在几何特征的基础上，通过基于变量人脸模板的检测算法，设计一个改进型参数可调的变形模板。利用可调模板模型，进行几何校正，得到人脸的基本校准图像，这其中的可变模型参数就是相应的几何特征，这些关键特征参数的确定，为下一步的提取做好准备。

此外还需要进行一次光学校正，排除掉一些影响图像质量的因素如图像对比度、清晰度、光照等问题，保证照片不失真，这也是在特征关键点提取之前的一个重要环节。在预处理阶段，我们可以通过降噪、对比度、灰度、图像锐化、平滑度、全局与局部处理等调整手段，为后续处理提供一个更加容易进行检测的清晰图像。对比度是图像质量的一个重要参数，在局部对比度增强方面，设计一种改进型自适应局部对比度增强算法（ALCE），将图像分成三个部分即暗部、中间以及亮部区域，通过线性变换函数y=ax+b，设置在亮部区域时a1，暗部区域a1，将亮部增量减弱，暗部增量加强，最后得到增强的图像效果。整个调整过程基于图像自身，不需要指定任何参数。而作为计算机识别图像的另一个基础参数灰度，也需要设计一个灰度增强调整函数G=f（x，y），其中，x，y作为图像的二维坐标。将全局性地针对每个像素点的灰度值进行增强。改变原本的灰度范围，使其视觉图像得到更好的改变。

作为人脸识别的