校园管理体系中人脸识别技术的应用研究

2019-12-06 08:48扈志峰
中小企业管理与科技·下旬刊 2019年10期
关键词:校园管理人脸识别

扈志峰

【摘 要】在校园的安全管理体系中,人脸识别技术可以自动对人员进行快速高效的身份识别,对提高校园的安全管理水平、促进便捷消费有着重要意义。论文对人脸识别技术在校园管理体系中的应用以及存在的问题进行了分析研究,以期通过应用人脸识别技术提高校园管理水平。

【Abstract】In the security management system of campus, face recognition technology can automatically identify people quickly and efficiently, which is of great significance to improve the security management level of campus and promote convenient consumption. This paper analyzes the application of face recognition technology in the campus management system and the existing problems, so as to improve the management level of the campus by applying face recognition technology.

【关键词】人脸识别;面部特征;校园管理

【Keywords】face recognition; facial features; campus management

【中图分类号】TP391.4                                           【文献标志码】A                                【文章编号】1673-1069(2019)10-0054-02

1 引言

随着社会的进步和信息技术的飞速发展,在校园管理体系中,校园一卡通已经不能满足日常的管理工作需求。人脸识别技术的出现,让校园管理工作更加简单快捷,灵活方便。

2 人脸识别技术

人脸识别技术是基于人的脸部特征信息进行身份识别的一种生物识别技术[1]。一般通过不同的方式提取含有人脸的图像或视频流等特征信息,并自动将采集到的信息与数据库中的信息比对,进行人脸识别,从而实现对目标身份的验证或对人员进行跟踪定位。

最常用的人脸识别方式是用人眼直接观察,由于受外部环境、观察者视力以及人眼对目标脸部信息处理较慢等因素的影响,人眼直接观察具有一定的局限性。2014年3月,由香港中文大學信息工程系主任、中国科学院深圳先进技术研究院副院长汤晓鸥领军的团队发布研究成果,基于原创的人脸识别算法,准确率达到98.52%,首次超越人眼识别能力(97.53%),这为人脸识别技术在更多领域的大规模应用提供了依据。

与传统的指纹识别、虹膜识别等生物识别方式相比,人脸识别具有非强制性、非接触性等特点。在识别过程中,利用可见光便可完成对目标脸部信息的采集,可以在对方不经意间完成,使信息采集具有隐蔽性,并且作为一种非接触的识别方法,需要人的配合度较小,可以同时对多张人脸信息进行采集对比,加快了识别效率。随着红外人脸识别与可见光结合、3D识别等技术的发展,人脸识别技术进入了快速发展时期。

3 人脸识别技术在校园管理体系中的应用

校园一卡通已经成为大部分院校进行日常管理的主要方式,学校可通过校园一卡通对持卡人进行身份识别和日常教学、生活等相关管理[2]。但是校园一卡通也存在着易丢失、人卡不一致等管理上的难题,人脸识别技术可以让身份验证、安全管理和日常消费更加人性化,更加方便快捷。

3.1 身份验证更加准确

传统模式下,院校教职员工的上班打卡、学生的上课签到,一般都使用的是刷卡或者指纹验证的方式,在管理过程中,难免会出现代刷代签的现象,刷卡机无法识别验证人员是否为本人,身份的验证就无法做到准确到人。

人脸识别技术的加入,让身份的验证变得更加简单。管理部门只需要在打卡、签到的地方安装摄像头等图像获取装置,人们也无需排队,只要正常走过该区域,摄像头就可完成打卡、签到人员的面部信息捕捉,通过和数据库中的信息比对,完成教职员工的打卡和学生的签到活动,不但提高了打卡签到的效率,也让身份验证变得简单准确。

此外,应用人脸识别技术进行身份验证还可以应用在重大活动或者考场管理当中,无论是持有请柬的客人还是拿着准考证的考生,都可以轻松地完成身份验证,避免不请自来的人混入会场和替考者的出现,减少了会场管理人员和考场监考人员的工作失误。

3.2 安全管理更加严格

对于设置在学校出入口、宿舍、办公区域、教学区域、图书馆等重点区域的门禁系统,都是认卡不认人,无论持卡人是否使用的是自己的校园一卡通,都可以持卡轻松出入这些区域。门卫不可能记住校区内的每一名教职员工和学生,校园一卡通就是持卡者出入该区域的有效证件,这成为安全管理的一大弊端。

在上述重点区域,可以安装摄像头等图像获取装置,当人员通过该区域时,摄像头可以获取出入人员的脸部特征,通过与数据库中的信息比对,判断该人员是否为可出入该区域的授权人员,如果是非授权人员,系统可以及时向工作人员或安全管理人员发出警报,对非授权人员进行拦截,同时,还可通过摄像头拍照取证,获取非法进入的法律依据。

对于重点实验室、涉密场所的出入,可以采用持卡或者指纹识别同人脸识别技术相结合的方式,这使得非法进入的可能性极大降低,有效防范了安全隐患甚至违法犯罪活动。

3.3 日常消费更加便捷

在日常生活中,人们可以通过支付宝和微信进行“刷脸”消费,通过识别脸部信息与个人支付宝和微信账户中的银行卡信息等相关联,不需要随身携带手机等,直接刷脸完成支付。作为校园组成的一部分,食堂、超市的消费是通过教职员工、学生的校园一卡通完成的,校园一卡通和持卡人的校园电子帐户进行绑定,从而完成消费过程。这种管理模式也存在着一定的漏洞,例如,存在校园一卡通丢失后被盗刷等现象。

将人脸识别技术和电子账户相结合,就可以让支付方法变得更为方便,在付款窗口设置人脸识别装置,对前来付款的人进行人脸识别,通过数据库的信息比对,确认消费者的身份,然后连接消费者对应的电子账户进行扣款,完成消费,其过程与使用支付宝和微信进行“刷脸”消费一样便捷,同时,还避免了盗刷消费现象的出现。

4 人脸识别技术应用发展面临的问题

4.1 数据处理难度大

由于人类个体具有唯一性,每个人的面部特征通常也是独一无二的,人脸数据库在采集个人面部特征时,一般采集个人的静态图像、动态视频、不同状态、不同表情等方面的数据信息,但是在人脸数据库中每个人的面部特征信息永远是不完整的,受化妆处理、情绪变化、运动状态、年龄增长等因素的影响。出现在摄像头前的人物面部特征很有可能是数据库前期没有采集到的,使面部信息存在顯著差异,对人脸识别准确率造成影响。因此,在人脸识别技术核实个人面部信息的同时,也是对不同状态下的个人面部特征信息的再收集,不断完善人脸数据库。日积月累,随着可识别人脸的特征类型逐步增加,人脸数据库中的数据会不断增长,人脸识别计算的复杂度也在成倍增长,这对服务器的存储、计算和处理能力是一个巨大的挑战。

4.2 客观环境影响大

人脸识别的结果很容易受到各种不同客观环境因素的影响,其中,光线对人脸识别的影响最重要。受摄像头自身因素的限制,光线的变化会造成人脸识别出现一定程度的偏差,影响人脸识别的结果。提高人脸识别技术对外界光线环境的适应性是解决这一问题的主要手段。红外线人脸识别技术能够在一定程度上有效处理人脸识别技术中的感光问题,依靠红外线图像识别技术,能够实现在不同光照条件下,做到较为清晰的人脸成像,不受光线的影响,可以达到较高的识别率。

4.3 遮挡造成识别差

在人脸识别的过程中,被识别人有意或无意的遮挡,会造成识别度降低、准确性变差。面部特征信息完整是人脸识别技术快速准确识别的基本前提,而在摄像头前,帽子、长发、墨镜、口罩等遮挡物的出现,让被识别人面部特征信息变少,造成人脸识别的数据量减少,降低了人脸识别的准确度。

4.4 相似度降低准确性

通常,每个人的面部特征是独一无二的,但是在双胞胎、多胞胎面前,或者在数据库过于庞大时,难免会出现相似度高的人脸,这使得在人脸识别过程中面临着更大的挑战,人脸识别并不能保证其准确性。为了提高识别的准确性,数据库必须提取更多的面部特征信息进行比对,才能准确地实现分辨。3D识别技术可以很好地解决这个难题,3D人脸识别技术是基于人脸3D立体模型进行识别,充分利用立体空间信息,有效解决2D难以识别相似度较高的难题,识别精度较高。

人脸识别技术凭借其识别的高准确性、非接触性、操作简单等特点,在越来越多的领域得到了广泛的应用,发展迅速。在院校管理体系中,人脸识别技术可实现对身份的快速识别,从而大大提高学校的安全管理水平,使教职员工和学生能够在安全便捷的校园环境中进行学习和生活。虽然人脸识别技术还存在着一定的问题,需要有关人员对其进行不断地完善和改进,进而提升人脸识别技术在校园管理体系中的应用水平,实现校园管理工作稳定、安全地推进。

【参考文献】

【1】宋爽.人脸识别技术在校园管理中的应用[J].通讯世界,2019,26(01):190-191.

【2】秦铭谦,梁英伟,张闻语.人脸识别技术在智慧校园中的应用研究[J].数字技术与应用,2018(04):82-83.

猜你喜欢
校园管理人脸识别
人脸识别 等
揭开人脸识别的神秘面纱
基于(2D)2PCA-LBP 的人脸识别方法的研究
人脸识别在高校安全防范中的应用
基于类独立核稀疏表示的鲁棒人脸识别
基于K-L变换和平均近邻法的人脸识别