人脸识别系统应用于校园管理的优越性探究

崔荣升，齐 凯，赵 威

（山东农业大学信息科学与工程学院，泰安 271018）

1 研究背景

1.1 技术对比

当前主流的信息识别方式有指纹识别、虹膜识别以及人脸识别。由于虹膜识别技术的造价高昂性，人脸识别系统在成本相对较低的基础上，可以精确地捕捉、记忆识别者的面貌特征，更利于校园这种特殊环境的使用，健全校园安全的管理机制[1]。指纹识别技术相比于传统的磁卡接触式识别，在刚推出时以高效性、准确性的优势迅速大面积得到推广使用。如今市场上几乎绝大多数智能手机的安全识别均采用了指纹识别技术，但其相比于人脸识别而言仍存在着严重的缺陷。人类指纹的信息虽是独一无二，但指纹的残留性使指纹信息极容易被复制，便会使信息的安全性大打折扣。近年来由于指纹复刻引起的隐私泄露情况屡见不鲜。

1.2 发展历程

人脸识别技术的发展历程大致可分为三个阶段。上世纪60年代左右，当时的研究只是对面部五官的相对位置进行较直观的分析，而不能很好地反映出不同场景下具体的面部变化和姿态表情，当时的人脸识别技术在背景单一情况下进行的信息捕捉会极大影响效果[3]。

即便如此，这也是开启了人脸识别技术研究之先河。上世纪90年代是人脸识别技术高度发展的阶段。以统计算法为支撑的“特征脸”方法的提出，将人脸的拓扑结构与全局灰度和局部灰度互相结合[4]，使人脸识别的研究有了基础理论支撑。Fisher 判别法则同样引入了基于统计的算法，利用主成分分析（PCA）[5]，以方差来衡量信息的大小使统计过程简洁且精确。进入新世纪以来，随着大数据和深度学习算法的日益成熟，人们的研究重心逐渐地转向了大数据库中的人脸识别领域并达到了非常高的精确程度。.深度学习借助图形处理器（GPU）所组成的运算系统进行大数据分析[6]，另识别的速度和精度上已经远远超越了人类。如今，基于海量数据的Face-Net 算法在LFW 数据库中的精确程度已经达到了99.63%[2][6]。

2 人脸识别的技术实现

2.1 脸部图像预处理

人脸识别的图像难免会受到噪声、光照明暗程度等多种因素的干扰。干扰下所获取图像的信息量减少，很难满足适用于人类观测、机器识别所需图像的要求。降低多种不利因素的影响，获取满足观测要求的图像就是进行脸部图像预处理工作的意义所在。就图像的噪声干扰而言，首先要对图像进行灰度化处理。由于线性滤波的理想低通特性，图像的边缘不易存储记忆，故应采用标准中值滤波算法（SMF）。SMF 算法的核心思想是快速排序算法[7]，依赖多次排序，可以很好的解决随机噪声的干扰，保留边缘信息。由于多次排序的工作复杂性和滤波器窗口尺寸的有限性，依靠平均思想，在SMF 算法的基础上，国内学者又给出了加权快速中值滤波算法和加权自适应中值滤波算法[7]。

2.2 人脸检测

人脸检测是指在输入图像中确定人脸的大小、位姿、位置的过程[8]。肤色特征和灰度特征是面部图像的两大主要特征。色度空间的选取影响着肤色模型的确立。RGB（红、绿、蓝三种基色）、SHI（饱和度、色调、亮度）均是常用的色度空间；混合高斯模型、直方图模型是常用的肤色模型。Terrillon 曾指出，在互不相同的色度空间里的肤色区域以及非肤色区域的吻合度是限制人脸检测性能的主要因素。人的眼睛、鼻子、嘴巴等主要区域具有鲜明的灰度分布特征。著名的人脸镶嵌图特征的中心思想是把人的脸部图像进行等大小的方格切分，分割后的每格的灰度满足的制约规则便是镶嵌图特征，分割后的每个方格内的像素平均值代表每格的灰度值。基于面部模型的识别方法主要是依靠人脸特征所总结的经验，利用镶嵌图特征来描述脸部的肌肤、纹理、结构等特征。人脸检测常用的方法还有基于特征空间的方法、基于人工神经网络的方法及基于深度学习的算法等[8]。

2.3 信息匹配与验证

通过人脸检测确定脸部的大小、位置后要确定眼、耳、鼻、嘴等关键节点的关键位置，该过程可以通过深度学习框架实现。双眼间的直线距离、鼻孔的位置坐标、嘴巴分别开闭时的长和宽均是应该精密测量获得的数据。测量完这些关键位置数据后，系统将以微波级别的精度测试面部轮廓线条，创建模板，最终存储为面部印记，创建人脸图像数据库[6]。创建完成后便进行数据库中的目标图像与用于验证的人脸图像的匹配验证工作。所进行验证的图像只允许与数据库中已创建的一张目标人脸图像相匹配，只能满足“一对一”原则而不允许“一对多”或“多对一”。

3 具体应用

3.1 完善校园安全机制

校园安全密切关联着每位师生的切身利益，是校园工作的重中之重。高校校园大多是开放式的，区分外来社会人员和校内人员身份是高校安全工作的重要抓手。传统的宿舍查寝或校外人员进出等信息识别方式多数是采用“人头登记”的方式。每个人的面部特征都是唯一的，门卫人员也不可能记准每一位来往人员的面部特征，所以冒名登记的现象成为了扎根在如今校园安全建设“腹”中的一根毒刺。由于人脸识别技术区别与传统方法具有高效、准确和安全的特点，可以有效地解决这一传统弊端。将人脸识别技术移植到校园人流量较大处的门禁中（如校门口、宿舍、办公楼、教学区域或重点实验室等），可以设置“刷脸机”，凭“脸”进入，并将刷“脸”信息与学校内网相连，实时共享发布，在后台记录人员进出情况并实时的将可疑信息反馈给家长或辅导员手中，让学生的相关负责人及时掌握学生的随意出入或夜不归宿等可疑行踪，及时进行针对性教育，有效杜绝安全隐患甚至违法犯罪。

3.2 优化校园活动效率

人脸识别技术的充分利用可以最大限度的优化校园活动效率。食堂刷卡、图书馆借阅、课堂考勤、乘坐校车都可以运用人脸识别技术。食堂点餐时若摆脱磁卡接触式付款，改用人脸识别技术不仅可以极大地节省宝贵时间，又可以避免因匆忙忘带饭卡而四处着急吃不上饭的尴尬。在图书馆借阅图书时，运用人脸识别技术不仅可以避免遇到和在食堂中遇到的类似的麻烦，还可以很好地减轻图书借阅员的工作压力，使他们有更多的时间完成其他工作。

将人脸识别技术应用到课堂考勤会是提高教学质量、促进考核公平的一项重要措施。如今的高校期末成绩均是由平时表现成绩和期末测试成绩组合而成。在授课过程中，学生为了应付老师点名，“签完名就走，答完到就跑”已成常态，亦有个别学生顶替签到，甚至直接不进教室，最后的考勤成绩却仍然很高，这极大损害了考核公平。人脸识别技术可完全的避免学生的冒名顶替答到现象发生，保证课堂上座率。并且可以及时地将课堂考勤信息记录下来，减轻教师期末成绩录入的工作负担。利用人脸识别技术可以和和教学系统相关联。对学科薄弱或者挂科过多的学生进行面部记忆，将学生信息传送到多媒体电脑中，这样会使老师在讲课中更加有的放矢，及时关注到学生的听课情况。此外，人脸识别也可以有效地杜绝代考替考，维护教育公平。

4 结束语

人脸识别技术有着明显区别于其他信息识别方式的优势。无论从校园管理建设角度，还是从校园安全问题角度，人脸识别技术均可发挥重要的作用。“百年大计，教育为本”。校园建设是教育的主阵地，校园建设的方方面面影响着祖国教育的未来。新鲜事物的兴起至其被全面接受需要一定的时间，希望学校建设者们可以重视人脸识别技术的应用，紧握科技潮流，利用新兴科技提升教育质量，创造更好的教育环境。