学生宿舍人脸识别考勤系统设计

吴永斌 濮永仙 肖坤娥 虞泉 袁铭举 吴兴蛟

摘要：为规范学生宿舍管理，保障学生人身安全，采用人脸识别技术，结合目前通用的软件开发方式与数据库技术，基于云服务器数据处理和移动设备终端，设计开发一套智能化学生宿舍考勤系统。该系统可有效解决现阶段高校学生宿舍考勤难的问题，相较传统考勤管理方式，新方法将考勤效率提升约50%。基于人脸识别的学生宿舍考勤系统可有效提升学生宿舍考勤管理效率。

关键词：宿舍考勤系统;人脸识别;人工智能

DOI：10.11907/rjdk.192196 开放科学（资源服务）标识码（OSID）：

中图分类号：TP319文献标识码：A 文章编号：1672-7800（2020）006-0113-04

0 引言

大学宿舍是学生学习、生活的主要阵地，是学生在校期间出入最频繁的场所，也是学校对学生管理的重要基地。但现阶段学生基数大，部分学生安全意识淡薄，晚归、未归现象严重，宿舍财物丢失时有发生，校园安全管理面临巨大压力。

考勤电子化已成为趋势。传统宿舍考勤使用“纸+笔”的记录方式记录宿舍考勤，虽然成本较低，但存在考勤效率低、代替考勤、考勤不规范、考勤信息统计难度大等问题;另一种使用校园IC卡进行考勤，但IC卡存在易丢失、易被复制的缺陷，同时使用IC卡无法确定刷卡人实际身份，给实际管理带来困难。

为解决上述问题，本文针对某校实际情况，提出一种基于人脸识别+门禁系统的宿舍考勤系统设计，以期解决考勤程序繁琐、管理不规范的问题，在提高工作效率的同时，还可更加准确地校验学生个体身份，加强学生管理。

1 相关工作

1.1 人脸识别概述

人脸识别指利用分析、比较人脸视觉特征信息进行身份鉴别的计算机技术。人脸识别归属于计算机技术研究领域，是一种生物特征识别技术，依据生物体生物特征区分个体。在生物特征识别技术中，指纹识别是一种相对成熟的技术，但是指纹信息容易复制，需要与采集器进行接触且容易受外界影响。而人脸识别的优点在于非接触采集和识别，体验效果较好。同时随着人脸识别算法、芯片、数据处理平台、5G技术和物联网技术的不断发展与完善，人脸识别在考勤及其它领域的应用将越来越广泛。

1.2 人脸識别方法

人脸识别方式有多种，常见方法包括face^{、DeepFace、FR+FCN、DeepID、Baidu AI开放平台等。}

face^{从网络上搜集了500万张人脸图片用于训练深度卷积神经网络模型，在LFW数据集上进行测试，准确率高达0.9950;DeepFace按照人脸检测一对齐一表达一分类的流程，通过额外的3D模型改进人脸对齐方法，基于4百万人脸图像（4000个个体）训练的一个9层人工神经网络进行人脸特征表达，该模型在LFW数据集上取得了97.4%的准确率;百度AI开放平台可实现脸部特征提取和识别，通过深度卷积神经网络分别提取人脸不同区域特征，再经过metric learning将特征维度降低到128维度，通过120万（18000个个体）的训练集训练，该方法在LFW数据集上取得了99.8%的成绩。}

通过上述3种方法可知，人脸识别准确率已达到较高水平，本文借助调用百度API的方式进行人脸识别和校验，该过程主要包含4个部分：人脸信息采集、人脸信息传输、人脸信息匹配、人脸信息匹配结果处理。

（1）人脸数据采集。摄像镜头可采集不同的人脸信息，比如静态图像、动态图像、不同的位置、表情等。当用户在采集设备拍摄范围内时，采集设备会自动搜索并拍摄用户人脸图像信息。

（2）人脸信息传输。该环节将摄像镜头采集到的数据传输到对应的人脸图像处理服务器中，等待处理。

（3）人脸信息匹配。数据传输到服务器后，服务器会根据收集到的图像信息进行人脸特征提取，提取到人脸特征后与数据库中存储的特征数据集合进行搜索匹配，根据相似程度对人脸身份信息进行判断。

（4）人脸信息匹配结果处理。该过程通过设定一个阈值，当人脸信息匹配相似度超过该阈值，则输出匹配得到的结果，执行后续相关操作。

1.3 百度AI接口

百度人脸识别基于深度学习的人脸识别方案，可准确识别图片中的人脸信息，提供人脸属性识别、关键点定位、人脸1：1比对、人脸1：N识别、活体检测等功能，可精准定位图中人脸，获得眼、口、鼻等72个关键点位置，分析性别、年龄、表情等多种人脸属性;同时针对一张人脸照片，在指定人脸集合中搜索，找出最相似的一张或多张人脸，并给出相似度分值，得出相识度，对比两张人脸相似度再进行相似度评分，从而判断是否为同一个人。该接口实际应用广泛，技术相对成熟。

2 系统总体设计

本文系统可基于人脸识别技术对宿舍进行快速、高效的考勤管理。系统主要功能包括：学生信息初始化模块、学生请假模块、刷脸考勤模块、门禁控制模块、考勤情况模块、考勤统计模块，系统整体架构如图l所示。

新生入学时，通过RFID读卡器获取学生基本信息后，系统将自动分配宿舍楼栋权限，并采集学生人脸信息进行保存，完成学生信息初始化;若学生需请假，则可使用学生端APP申请请假、相关班主任辅导员可审核请假信息;学生出入宿舍门禁时学生人脸信息会被摄像头采集并与后端数据进行验证，验证通过后打开相应门禁，并对学生出入请假进行统计、存储;系统可对某一特定时间内的学生考勤进行统计和分析，宿舍管理员、班主任、辅导员可通过APP或Web页面实时查看学生出入宿舍情况，并对学生宿舍考勤情况进行统计，方便学校加强管理。

基于人脸识别技术的宿舍考勤系统采用B/S架构模式设计，手机客户端采用HTML5技术实现跨平台APP开发，后台管理系统使用Java语言作为开发语言，并使用轻量级数据库MySQL作为本地数据存储平台。后台管理系统及数据库服务器部署在阿里云提供的云服务器上，可以快速完成数据交互，并将图片数据存储在百度云提供的百度AI中，可使用百度AI提供的在线人脸识别服务完成人脸数据库建立和1：N的人脸识别。

2.1 学生信息初始化

该模块可完成学生人脸信息录入操作，实现人脸信息采集，并将百度AI中的照片与数据库信息实现一一对应，同时完成学生宿舍楼栋信息初始化，分配宿舍楼栋权限。

2.2 刷脸考勤模块

当完成学生信息初始化后，完成一次识别校验的操作流程如图2所示。

（1）宿舍门口门禁嵌入式设备的摄像头每两秒扫描一次，并将获取到的图片以base64格式的数据使用ajax技术将信息上传到服务器。

（2）图片服务器接收到门禁嵌入式设备发送的数据后，先判断是否存在人脸，确定人脸信息后通过图像服务器提取人脸特征，并将人脸特征与数据库中的人脸特征集合进行比对，比对结果返回一个JSON数据集合。

（3）对返回的JSON数据进行解析，并设定阈值为85%，如果识别超过该阈值，则嵌入式设备给门禁系統发送一条开启门禁指令，同时向数据库服务器写入一条记录，表示该生已经离开或者返回宿舍。

2.3 门禁控制模块

该模块主要完成对门禁系统的开关操作。当接收到嵌入式设备开启或关闭指令时，门禁系统执行相应操作，检測到人员安全通过后关闭门禁阀门，操作结束。具体实现流程如图3所示。

2.4 考勤情况模块

该模块使用HTML5技术开发APP，主要完成学生请假、班主任辅导员快速审批请假信息等任务。当学生提交请假申请后，班主任、辅导员的APP或Web端会有相应提示。班主任、辅导员完成审批后学生也可接收到服务器的推送消息。学生出现未归或晚归情况时，系统将给APP发送提示消息。

考勤模块实现代码为：

功能：调用百度人脸识别AI算法实现人脸识别

输入：

APP_ID：百度AI提供的你的App ID;API_KEY：百度AI提供的你的API_KEY;SECRE了_KEY：百度AI提供的你的SE-CRET_KEY;IMAGE：嵌入式设备采集到的图像信息（base64格式）。

2.5 考勤统计模块

该模块主要实现考勤信息统计。学生若已请假，但班主任或辅导员还未进行审核，将导致状态信息不一致，待审核后状态会发生改变。每天固定的时间进行考勤统计，直接生成未归信息并存储相关数据，待后期查询使用，同时统计晚归情况。班主任辅导员可以方便地在APP端或Web端查询学生未归、晚归情况，方便对学生加强管理。

3 系统创新点

（1）本文系统将人脸识别技术与宿舍考勤结合，可提高识别率、降低出错率，加强学生管理力度。

（2）本文使用云服务器进行数据处理，降低学校采购设备成本，提高数据执行效率。

（3）移动设备终端可通过以太网、WiFi、4G等方式与服务器连接，同时计算机和移动终端设备（手机、平板电脑）等均可通过APP连接服务器，实时处理请假数据、实时查询考勤数据，以便及时发现问题，防患于未然。

（4）采用B/S模式为设计基础，使用Webservers+MySql数据库服务器技术，使用户能实时接收信息，在移动终端上也可使用基本功能。

4数据库设计

本文系统使用的数据库表较多，为减少页面显示，选择3个重要的表（学生信息表、出入记录表、请假表）作为参照表，主要用于存储学生基本信息，记录学生进出人数据和请假信息。

5 结语

本文设计了一种基于人脸识别的宿舍考勤管理系统，系统采用B/S架构，以Java作为开发语言，前端使用HTML5技术，可生成多平台产品。该系统包含图像处理服务器和考勤管理系统服务器，在嵌入式设备上配有摄像头，采集到的人脸信息按照Base64编码方式传输给图像处理服务器，服务器验证结束后给嵌入式设备发送数据，嵌入式设备向后台系统服务器发送相关信息，进行记录，同时还可控制门禁，达到实时考勤的效果。在移动设备端，教师可实时处理相关审核信息，学生可在线请假，并实时获取消息推送和查询考勤结果。

该系统通过人脸识别的方式实现宿舍考勤管理，不仅有效解决了宿舍考勤难、复杂性高和身份识别的问题，也大幅提升了考勤效率，加强了对学生的安全管理。但该系统还存在实时效率不高、对网络依赖较大等缺陷，且在校园网未完全覆盖的地方实施难度较大，未来将继续优化改善。