人脸识别技术在校园生活及管理中的应用

聂瑞华 李康满

摘要：校园生活中的很多时候需要进行身份的识别和验证，传统的密码验证及身份查验方法可能被冒用破解，并且使用起来不方便，生物识别应运而生，其中人脸识别技术因具有成熟的技术和较高的安全性，且操作简单而受到青睐，该文拟从人脸识别技术的特点、实现过程等方面介绍其在校园生活中的应用。

关键词：人脸识别;校园生活;图像预处理;特征识别;对比检测

中图分类号：TP391

文献标识码：A

文章编号：1009-3044（2020）04-0166-02

收稿日期：2019-12-05

基金项目：国家级大学生创新创业训练计划项目，教高司函[2018]39号（项目编号：201810546007）;湖南省大学生研究性学习和创新性实验计划项目：基于人脸识别的课堂签到系统设计与实现，湘教通[2018]255号第750号

作者简介：聂瑞华（1997—），男，湖南长沙人，本科在读，主要研究方向为模式识别;通讯作者：李康满（1972—），男，湖南耒阳人，本科，副教授，主要研究方向为模式识别计算机辅助教育。

在当今社会中，传统的身份识别方法例如各类密码识别等方法暴露出越来越多的缺陷，虽然加密技术在不断地完善和发展，但是密码识别可能被他人窃取冒用，而在校园生活中，越来越多的高等院校都在开展校园一卡通的建设工作，校园一卡通可以同时将学生身份识别、校园消费、打卡签到等功能，给予了校园师生们极大的便利性，但这也存在着问题，因为系统的服务对象是校园卡，若出现丢失、遗忘等情况则影响极大，为改变这一现状，生物识别技术应运而生，生物特征数据可以将服务对象转移到个人身上，通过对个人特征数据例如指纹、虹膜、声纹、人脸等内容的采集和识别，实现完全针对个人的人性化加密手段。其中，人脸识别由于其技术的成熟性、操作的简便性及难以冒用性等其他手段难以比拟的诸多优势，得到了广泛的应用。除此之外随着移动互联科技的发展，智能机的普及率极高，这对人脸识别的市场和未来也提出了更多的需求及更高的技术要求。

1 概述

1.1 人脸识别的优势

随着时代的发展和科技的进步，人们的生活水平日益提高，隐私意识也达到了前所未有的高度，同时各个领域都对信息安全提出了更高的要求。传统的保护信息安全的方法有密钥，利用身份证或者银行卡多重识别等，这样的方法虽然简单，但是存在记忆和携带不方便的问题，同时还存在着失窃的可能性。

随着时代的发展和科技的进步，越来越多的应用领域需要利用个人信息，因此，对信息安全的保护也越来越重要，提出了更高的要求。传统的保护信息安全的方法除了密钥验证外，还有身份证查验及各种身份卡（磁卡或芯片卡等）识别等，这样的方法虽然简单，但是存在记忆和携带不方便的问题，同时还存在着失窃的可能性。

在这样的背景之下，人们迫切需要一种便于携带，具有唯一性且辨识度高的识别技术，生物识别应运而生。生物识别，即利用人类都共有但是不同人之间又有区别的生理特征或者行为特征来进行识别。可以利用笔迹、声音、指纹、动作、虹膜和人脸等进行识别。相对于其他的生物识别方法，人脸识别具有下面多种优点：

（1）非接触性：即在识别过程中被识别者不用与特定仪器有身体接触，不易激起其反感，同时也是一些特定人群如洁癖患者的福音。

（2）采集简单：人脸采集只用在人脸正常状态下照个相就可以完成信息采集，成本较低且效率高，而不用像DNA采集那样需要进行一系列复杂操作且价格昂贵。

（3）特征稳定：人脸在一定时间内的特征是相对稳定的。即使衰老但是基本的结构变化不会太大。但是随着岁月变迁，-些从事体力劳动的人可能会出现指纹被磨掉等问题。

（4）重复率低：传统的笔迹识别会出现多人笔迹类似或者专人模仿笔迹的情况。而人脸识别的重复率低，且仿冒难度的成本较高。

基于以上诸多原因，人脸识别无疑是我们日常生活中的最优选择。

2 移动互联时代人脸识别的优势

在移动互联时代，随着智能机成本的下降，其普及率逐年.提升，2018年中国智能机普及率已达68%，智能机上app的便捷性与智能机的通用性质让其在各方面都体现出强大的作用力，而随着智能机领域的发展，人脸识别也渐渐地在各类生物识别技术中脱颖而出，现在的智能机绝大多数有相机，而且不少都以相机作为卖点，通过相机拍照可以简单获取的人脸相片相较于难以通过便携移动设备或取的DNA、并非所有移动设备.都具有的指纹获取设备、较为容易被他人模仿的笔迹和声纹等，因此，具有拍照和摄像功能的智能移动设备的普及和廉价化让人脸识别在现在这个移动互联时代具有更大的优势。

2.1 校园管理中人脸识别的意义

现在校园生活中，师生们使用的多为校园卡作为身份标识和上课、上班的打卡签到工具，同时也将其作为校园内电子现金的交易工具，有的会为其设置密码，有的连密码都没有设置，和传统的电子身份卡、银行卡等相同甚至更盛的是，其服务对象主要是卡片和持有者而不是其真正的拥有者，这也导致了校园卡因故丢失、或失窃造成的安全和财产损失问题频频发生，同时以校园卡为基础的人员签到和权限控制也存在着不小的漏洞，因为检查主要是针对校园卡，所以也存在着代为打卡签到或者仿冒权限人员的事故发生，因此将识别和服务的对象由卡转为人是至关重要的。

2.2 智能机作为识别设备的意义

传统的固定式人脸识别工具有很多，我们身边的就有火车站高铁站中的人脸识别进站检验，运用这一技术，传统的人工检票步骤被替代，进出车站的时间被大量压缩，但是在校园生活中，我们的人脸识别系统主要作为学生课堂签到工具使用，采用这类固定式人脸识别工具进行打卡签到则会出现不少问题，上下课时间人流密集，虽然人脸识别过程较快，，但是相对于如此之大的人流量也会消耗大量时间，而平时非上下课高峰：期，这些识别机器却几乎无人使用，造成浪费，而且为此在校园中购置识别机器和后续的维护及管理费用还有机器折旧的消耗也是一笔不小的支出，而智能機作为学生广泛拥有的智能通信工具，在上下课的高峰期也能做到甚至是一人一机的签到签退，因此，使用手机app作为校园签到签退的工具更为合适。

3 人脸识别过程

3.1 人脸检测

人脸检测作为后续处理和识别的先制步骤是必须要存在的。首先利用摄像镜头采集人脸的各种不同状态、位置、形态的图像，在照片上找出并定位人脸，是识别的第一步。根据设计好的算法依据人脸肤色等因素定位人脸位置并排除其他干扰性的背景元素，如果有多个人脸被定位则需要多个空间来保存人脸位置，然后把人脸图像中包含的颜色特征、模板特征、直方图特征、结构特征及Haar特征等有用信息挑出来，并将这些数据用于后续的人脸分析、人脸比对操作。

3.2 图像预处理

在大多数时候，我们所获取的图像并不太适合直接用于人脸识别，这主要是因为我们生活中的照片经常有背景，光照，姿态等干扰因素，同时人脸也会有一定的倾斜角度，基本不会与摄像机成水平状态，这就会在很大程度上影响人脸识别的精度，这就需要将图像进行预处理，将图像中相对重要的，有用的信息更加明显突出地展现出来，弱化乃至剔除噪点（相对无用或次要的信息），从而提高识别的准确率，图像预处理不会改变原始图像的特征。使图像尽可能达到最理想的状态，图像预处理结果的好坏程度将直接影响人脸识别的最终结果。图像预处理只是目前已有的处理技术有直方图均衡、中值滤波和几何归一化等。

3.3 特征识别

获取人脸图像并对其进行一定的预处理去除噪点之后，就可以开始进行人脸特征信息提取了。人脸信息特征提取目前主要有两大技术，一是局部信息提取，二是全局信息提取，局部信息提取的方法主要有LBP局部二值模式和Gabor特征等，全局信息提取主要有PCA主成分分析、LDA线性判别分析、ICA独立分量分析等。在本次研究学习中，主要研究了推出时间较早且相关技术发展较为成熟的PCA和LBP方法及运用技巧，在项目中搭建了areface的相关人脸识别sdk对系统进行了测试。

3.4 对比检测

人脸特征信息识别提取出来的人脸信息按学生的ID分别保存到人脸库中，这些信息将用于后续进行人脸识别验证签到，在学生登录此系统时，会要求他们拍照登录并再次提取人脸特征信息与库中存储的对比，因为光照和识别精度等原因，不能要求每次都是百分之百的相似度，相似度高于一定数值即为人脸对比成功。

4 应用场景

4.1 课堂签到

传统的课堂点名模式已经落后，上课点名需要大量消耗课堂时间，而且容易出现代课代答等问题，而利用一卡通刷卡签到方式也会代刷卡问题。运用人脸识别app进行人脸信息识别并运用手机自带的GPS系统对签到位置的定位，确定是本人到堂，使课堂签到的服务对象真正落实到学生，从根本上杜绝代签到现象。每天的签到信息会可以提交到学校的教务系统中储存，甚至可以将信息和上课的班级绑定起来，将签到情况发送到各自课堂上课老师手上。

4.2 考试实名验证

人脸识别还可以运用到考场身份验证，省去人工检验的过程，简化考试流程，使用人脸识别对比情况、GPS定位的信息确定学生考场进场情况，降低误识率，还能添加验证时间等时间，快速统计出缺考和迟到的情况。

5 运用发展的方向以及目前存在的问题

目前校园人脸识别的运用方向偏窄，仅在身份验证、签到和考场身份证明上有较大优势，在例如校园电子现金消费等方面相较于传统的“一卡通”体系并不很占优，反而还因为人脸识别具有一定时间的延迟反馈和联网登记，将会一定程度受到网络条件和设备因素的干扰降低效率，若将用于电子现金消费的人脸识别系统分隔开来做成脱机记录的形式又存在着被破解的风险。在人脸识别技术的应用上，识别的精度、个人的隐私保护和应对环境变化的能力都有很大的改进提升空间。

参考文献：

[1]姬翠萍.人脸识别技术在课堂考勤管理中的应用研究[].网络安全技术与应用，2019（05）：40-41.

[2]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）：184-185.

[3]李梦潇，姚仕元.基于PCA的人脸识别系统的设计与改进[J].，计算机科学，2019，46（S1）：577-579.

[4]王惠宗玉萍.基于PCA的人脸特征提取和识别[D].计算机产品与流通，2019（01）：153+156.

[5]杨艳，郭振铎，徐庆伟.基于PCA和LBP的自适应加权融合人脸識别算法[J].中原工学院学报，2018，29（06）：75-80.

[通联编辑：朱宝贵]