人脸识别技术在高校教务管理中的应用研究

章浩　刘波　王芳

摘   要：教务管理作为高校教学业务的重要组成部分，目前大多是依托教学管理信息系统而开展的。但随着信息技术的迅速发展，以管理信息系统为主的管理方式弊端日益明显。本文以同济大学《高等讲堂》课程为例，在对传统课程管理模式进行分析后，尝试将人脸识别技术融入到教务管理之中，并基于移动端同心云平台，设计并开发了一套新的讲座课程管理与课程考勤系统。该系统提供同心云移动端和PC端两种讲座课程报名途径，学生在上课时只需通过PAD端“刷脸”即可完成签到，考勤数据将实时同步至原教学管理系统。本文着重介绍了该课程管理系统功能、选课模块架构、“刷脸”交互流程，并对运行情况进行分析。经过多次实践证明，系统可稳定支持学生选课、现场“刷脸”签到以及教务日常管理。这种管理模式的成功实践，为高校教务管理改革提供了新思路。

关键词：人脸识别;教务管理;讲座课程管理;“刷脸”签到;同心云平台

中图分类号：G647 文献标志码：A 文章编号：1673-8454（2019）13-0049-04

一、引言

20世纪90年代，计算机在高校的普遍应用拉开了高校信息化建设的序幕。从早期开发各类应用管理软件到围绕各业务部门建立管理子系统，再到现在的数字化校园建设，国内高校信息化建设取得了长足进步。在此过程中，国内高校大多以业务部门为主导、采取与第三方公司合作开发的建设思路，最终建成了众多的符合本部门业务管理本身的管理信息系统，同济大学教学管理部门也建成了一系列教务管理系统来开展业务。长期以来，这些信息系统极大地便利了教务管理，也为教学、科研及师生服务提供了技术基础。

随着信息技术的快速发展，以移动互联网、物联网和云计算等为代表的新兴技术被快速运用于各行各业，逐渐催生了以社交网络、电子商务、位置服务为代表的新型信息传播方式，并不断成熟，各类终端设备、媒介网络逐渐成为了师生日常工作、學习与交流的主流。逐渐地，高校的教学管理模式也朝着以信息化支持与改造教务管理的方向转变，越来越多的管理者意识到，利用先进的信息技术和成熟的平台或工具对传统的高校业务管理模式进行业务优化与流程改造势在必行。

二、相关平台及技术介绍

1.同心云平台

2014年以来，同济大学在对国内外高校及信息化行业充分调研的基础上，结合学校发展规划及师生信息化服务需求，基于移动互联、云计算和大数据技术，贴合“移动互联”和“互联网+”理念，建成“智慧云校园”的综合解决方案，即同心云平台。

同心云是同济大学智慧校园的载体，是师生信息与服务的移动入口，同时也是智慧校园的重要组成部分。它提供了完善的移动轻应用集成框架和丰富的功能接口，开发人员通过参数配置和密钥验证即可快速将第三方应用系统接入平台。用户在首次使用这些轻应用时，在应用列表里搜索、添加即可使用，不用再做第二次身份认证，它完美地避免了传统移动应用下载、安装、注册、登录等过程中的问题，有效解决了学校优质应用与师生信息需求对接之间的问题。

2.人脸识别技术

人脸识别，俗称“刷脸”，是基于生物特征中的人脸生理特征，运用算法对人的脸部器官及形状距离等进行特征分析与识别，从而进行身份识别的技术，一般包括人像采集、人脸检测、人脸预处理、人脸特征提取、人脸比对识别。[1]目前市场上有很多和研究团队对人脸识别算法进行研究并提供开源API供第三方使用，如Face++、DeepFace、DeepID、FaceNet等。人脸识别技术的基本原理是使用摄像机采集含有特定人脸的图像或视频流，通过算法模型提取人像的特征数据存储在数据库中，在识别时将实景照片中的人脸特征与人脸特征库进行比对，预先设置一定的阈值，当超过这个阈值时，则返回匹配结果进行输出。[2]在后期使用中，对算法模型不断优化，使人脸的识别准确率不断提高。

三、教务管理系统设计与实现

1.传统教务管理模式分析

根据同济大学研究生培养方案要求，在校研究生必须修读《高等讲堂》课程，该课程包括16次讲座，讲座的组织安排由学校或学院教务部门负责。传统的管理模式是，教务部门根据学生分布情况，在各校区组织一定数量的讲座课程，然后根据场地容量、讲座类型通知指定学院或专业的学生参加。在讲座现场，教务人员采取人工纸质签到的方式记录学生参加情况，为了防止学生迟到或者早退，还会在讲座开始与结束时分别签到，并且需专人在现场维护秩序。

传统的教务管理模式在管理上有很多弊端。首先，由于同济大学研究生分布在多个校区，由管理方事先进行讲座资源设置的方式无法满足跨学院、专业学生的学习需求，学生无法根据自身的研究方向、个人兴趣、空余时间等情况来选择感兴趣的讲座，遇到热门讲座，往往人满为患，难以管理;其次，现场采取纸质签到很难避免个别学生“代签”，这将使教务人员无法准确掌握学生参与情况;此外，以签到为手段约束学生参与讲座课程，不考虑学生本身需求，长期下来会使学生以“签到”为目的，无法真正了解课程精髓，与课程开设初衷相悖。因此，教务管理业务流程改造势在必行。

2.系统功能设计

对传统课程管理方式进行分析，结合学校当前信息化建设统一规划。2018年6月，同济大学启动了基于人脸识别技术的现场讲座课程管理系统，系统具体功能模块如图1所示，该系统主要包括PC端、同心云移动端和PAD端。PC端由教务系统和高等讲堂报名系统两部分组成，教务员在教务系统中进行讲座信息维护、学生考勤分析以及成绩管理;学生登录PC端高等讲堂系统可进行讲座课程查阅、课程报名。同心云移动端主要用于人像信息采集与现场讲座签到，学生在移动端进行人像照片上传、讲座报名、二维码生成、讲座参加情况查阅;现场管理人员可在移动端进行二维码验证。PAD端则进行“刷脸”签到、网络监测、考勤结果上传等。该系统提供“刷脸”签到和现场二维码验证两种方式，在网络异常或者人数较多时，可采取二维码验证方式，使系统在复杂现场具有高可用性。

3.系统选课模块架构设计（见图2）

此课程面向全校研究生，大约6700余人。经过分析可知，由于学生心理驱使，大多数学生会倾向于在课程开设前短时间内完成此课程，同时遇上热门的讲座也会有大量学生 “抢课” ，这将导致讲堂选课模块在初期面临比较大的高并发压力。

因此选课模块采用如图2所示架构，用户可以通过PC端或同心云移动端登入讲堂选课模块，经过学校防火墙监控，基本可拦截掉恶意“刷课”的IP用户。用户请求进来后经过负载均衡服务器，进而请求被分发至Web应用服务器处理。Web应用服务器在对请求处理后，当出现读/写操作时，将访问数据库服务器。如数据库请求超过阈值时，则自动进入消息队列等候。数据库服务器采取主读、主写操作分离，提高数据库服务器处理效率。选课模块部署在Linux centos V7.0 X64系统上，服务器配置为8核CPU、16G内存、500G硬盘。

4.“刷脸”签到交互流程设计

该系统在不改变原教务系统管理模块的情况下，结合目前互联网系统思维，融合人脸识别技术，为高校讲座课程管理提供服务。系统在运行时，需要人与系统、系统之间的交互。图3为本系统实体之间的信息交互过程。该系统供教务管理人员、学生及教师使用，教务管理员在PC端（原教学管理系统）登录后，进入讲座信息维护模块进行讲座信息的维护，该讲座信息可实时同步至移动端和PAD端，学生登录PC端报名系统或同心云移动端进行讲座信息查询与报名。在讲座开始前，学生可以通过PAD端“刷脸”签到，也可以通过管理人员扫描学生同心云移动端生产的讲座二维码验证签到，不管何种签到方式，学生在签到后均可在移动端实时查看自己的签到结果，该签到结果会通过接口的形式主动推送至PC端教学管理系统，供教务员录入成绩参考。另外，因PAD端在“刷脸”时，需不断调用face++在线接口进行人脸比对与结果返回，所以现场对于网络带宽与连通性要求非常高，网络延迟或波动都会造成现场“堵塞”出现。因此系统在开发时，提供网络监测与识别过程测速模块，可及时监测识别进程与返回时间，如遇网络异常时，可及时提示现场人员进行运维，并快速采用替代方案，保证现场签到有序。

值得注意的是，在进行人脸识别前，首先要采集学生人像照片，建立人脸信息库。人像采集及“刷脸签到”时序如图4所示，学生在入学前，通过同心云移动端人像采集应用先后上传自己的人像照片与身份证（或护照）照片，数据库会自动将学生上传的人像及身份证（或护照）照片分别与学籍照片进行比对。此过程调用face++人脸识别Compare API，提取图片中人像特征，生成对应的face_token，进行1∶1比对，返回比对结果置信度和不同误识率下的阈值。当比对结果为同一人或很大几率为同一人时，人像照片方可成功保存至本地数据库，同时将结果反馈给用户。

学生在参加讲座时，在PAD前站立，PAD端应用程序会自动捕捉、检測图像中的人脸照片，并在PAD本地进行照片预处理，当图片中检测到有多个人脸，则选取人脸尺寸最大的一个人脸为目标人脸，生成该图片的face_token，然后调用face++在线Search API，在已有的FaceSet中找出与目标人脸相似度最高的一张或者多张人脸，同时返回置信度和不同误识率下的阈值，系统进行判定某一照片置信度超过设定阈值（该系统阈值为86%）时，则返回该照片的用户信息到PAD端，提示用户讲座签到成功。同时，PAD端应用程序将学生签到信息主动推给同心云移动端和PC端教务管理系统。

不同系统、多个终端之间的交互流程正常运转，在系统底层则体现为数据实时、准确的交换，数据流向则体现了业务交互，通过对系统数据流向进行分析，可以优化业务交互流程，从而简化系统结果，提升用户体验。

四、系统运行成效分析

1.选课模块运行情况分析

如图5所示，以2018年10月高等讲堂学生报名为例，报名开放PC端和同心云移动端，约八成的学生倾向于使用移动端进行选课。系统12∶30开放，当天系统总访客数为10035人，12∶30左右，最高有5459个用户进行界面操作。在12∶34时，所有开放的讲座名额基本报名完成。

如图6所示，根据服务器运行监控显示，在讲座报名过程中，负载均衡服务器在12∶30时TCP连接数达3540个，之后逐渐下降。负载均衡服务器、应用服务器和数据库服务器CPU使用率在40%以下。自系统上线以来，共支出支持学校、学院110余场讲座在线报名，总体运行稳定。

2.“刷脸”签到模块情况分析

系统自2018年9月上线以来，“刷脸”签到模块已成功运行接近一个多学期，支持90000余人次现场“刷脸”签到，识别准确率达99%以上，“刷脸”识别速度约2～3秒完成。为提高网络传输效率，签到现场采用专用无线AP提供网络，以保证数据高速传输。

人脸识别技术在教务管理中的使用，对传统教务管理流程进行了改造。以前教务管理员需逐步完成课程内容录入、课程时间编排、上课学生报名、参会学生签到、学生心得撰写等业务环节，在流程改造后，教务员只需在原教务系统中录入课程信息，该信息即可同步至同心云移动端供学生查阅与选择。现场考勤，学生只需在PAD前缓慢走过即可完成签到环节。该系统的落地使用极大地减少了教务管理员的工作量，也进一步提升了学生的选课、听课体验。

五、结语

本文对人脸识别技术在高校教务管理中的应用进行了阐述，該技术对原有教务管理流程进行了改造，提高了管理者的工作效率，也为学生考勤提供了更为便捷、高效的方法。在实际使用中，人脸数据采集受环境影响较大，在拍摄背景、环境光照、拍摄角度、面部表情、脸部遮挡等多种外界因素影响下，会导致人脸识别速度与准确率下降，这些问题将在后续工作中继续改进和完善。

人脸识别技术在高校教务管理中的成功运用，不仅仅是技术的创新与实践，更是高校信息化建设思路的突破与改进。目前，我国高校人脸识别技术服务于高校业务管理还处于探索阶段，在不久的将来，它必将与高校多种身份识别及业务管理实际，如智慧教室建设、校园安保、场馆出入、校园业务办理等进行深度融合，促进相关业务流程优化与整合，从而为师生提供更好的体验。

参考文献：

[1]苏楠，吴冰，徐伟等.人脸识别综合技术的发展[J].信息安全研究，2016（1）：33-39.

[2]杨赛，赵春霞，刘凡等.一种基于多种特征融合的人脸识别算法[J].计算机辅助设计与图形学学报，2017（9）：1667-1672.

（编辑：王天鹏）