基于計算機視覺技術的課堂自動考勤系統研究

張帆 龔翠艷 時德才 汪星航

【摘要】高校學生上課出勤率是學風建設的基礎，同時也是課堂管理的必要環節。本文利用計算機視覺技術，通過OpenCV開源庫設計了一套課堂自動考勤系統。該系統利用數字圖像技術、人臉檢測技術準確記錄教室內學生出勤人數，此系統統計精確，操作簡單，能有效防止漏統計和錯統計，能有效提高學生出勤率。

【關鍵詞】計算機視覺 課堂自動考勤 人臉檢測

【中圖分類號】TP391 【文獻標識碼】A 【文章編號】2095-3089（2015）04-0204-01

0.引言

隨著計算機技術的飛速發展，計算機視覺技術已被廣泛應用于高校課堂的教學、實驗中[1]。近年來，隨著學生管理水平不斷提高，計算機視覺技術在高校的學生管理事務中發揮越來越重要的作用。如今高校的學生課堂出勤統計一般是通過老師課堂點名的方式進行。這樣的方式不僅效率低下，同時也不可避免部分學生代為答到的情況。本文所研究的基于計算機視覺的課堂出勤系統通過教室或老師自代的攝像頭，自動化采集到課學生的人臉圖像。通過對人臉圖像的檢測，統計本堂課實際到位人數。此系統設備簡單，自動化程度高，對課堂管理有著較好的效果。

1.學生課堂出勤情況淺析

學風建設是高校可持續發展的永恒主題，優良的學風是確保和提高教學質量的重要條件，而課堂出勤管理恰恰是學風建設的基礎。據不完全統計，在高校中有接近10%的學生是經常逃課，25%左右的學生是偶爾逃課。除此之外，學生出勤率與年級呈負性相關，即年級越高，出勤率往往越低。同時，專業課出勤率高于選修課，小課的出勤率高于大課[2]。由此看來，學生逃課情況在各個年級、各個專業都有不同程度地出現，有效地解決管理課程出勤問題迫在眉睫。

2.系統組成

本文提出的基于計算機視覺技術的課堂自動考勤系統在硬件上只需要一個網絡攝像頭和一個PC終端。在軟件上我們使用OpenCV開源計算機視覺庫結合相關的編程軟件完成系統的設計。OpenCV的全稱為Open Source Computer Vision Library，是一個基于開源的跨平臺計算機視覺庫。OpenCV提供的視覺處理算法非常豐富，并且它部分以C語言編寫，有較高的執行效率，可實現數字圖像處理及計算機視覺方向的通用算法。

本系統主要由兩個系統組成。第一個系統為學生出勤統計模塊，該模塊主要由視頻采集模塊、人臉檢測模塊以及計數模塊組成。該模塊主要負責在前端運行時對攝像頭實時采集的圖像進行人臉檢測并計數。視頻采集模塊無需上課老師開啟，只要運行系統即自動啟動。而人臉檢測模塊需要上課老師進行確認操作，同時在人臉檢測時需要學生保持一個固定姿勢不動，以便取得較為穩定的輸入圖像予以檢測。在人臉檢測完畢后，計數模塊會自動地根據人臉檢測數對學生進行無重復標號，以確定整個圖像中學生數目，并自動保存。另一個系統為教師管理系統，該系統由查詢模塊、管理模塊組成。查詢模塊主要對已查課程的數據進行查詢操作，管理模塊可進行用戶管理、課表管理、查詢結果輸出等操作。系統模型框圖如圖1所示。

圖1 系統硬件組成框圖

3.基于OpenCV的軟件算法實現

OpenCV是由Intel微處理器研究實驗室（Intels Microprocessor Research Lab）的視覺交互（Visual Interactivity Group）開發的數字圖像處理和計算機視覺的函數庫，由一系列C函數和少量C++類構成，可在Windows系統以及Linux系統下使用。該庫的所有函數都是開源的，可以從相關網站下載獲得。OpenCV提供了針對不同功能的各種頭文件，為圖像、視頻以及實時攝像機的視頻數據提供了良好的數據獲取接口，這些接口都可以直接在開發中得以利用[3]。

本系統利用普通的USB攝像頭進行圖像的采集，當采集圖像完畢后，通過對圖像進行預處理達到降噪的目的。在圖像預處理階段首先將采集的圖像進行平滑操作，除此之外還需要對圖像進行直方圖均衡化處理，以增強人臉特征。計算機視覺中人臉檢測的算法很多也較為復雜，但利用OpenCV提供的函數和分類器進行人臉檢測則比較容易。本系統使用的分類器為OpenCV提供的默認人臉分類器。加載完分類器后，通過使用OpenCV中的目標函數對人臉進行檢測[4]。該目標函數包含目標物體的矩形區域，同時將檢測到的區域作為序列矩形框返回。函數可以以不同比例大小對圖像進行多次搜索，保證了所有的人臉都被檢測[5]。系統的算法流程如圖2所示。

圖2 系統算法流程

4.問題與挑戰

基于計算機視覺的課堂自動考勤系統是一種較為前沿的學生考勤辦法。該辦法雖然可以減少老師上課的點名時間，提高課堂效率，同時也存在一些問題。相對于傳統的點名考勤而言，基于計算機視覺的考勤系統受到硬件、環境以及被測對象三個因素的制約。雖然現在多媒體教室已經比較普及，但往往教室內不具體攝像頭設備。若沒有攝像頭設備，則整個系統就像失去了眼睛一般無法運行。若需要上課老師自行攜帶攝像頭，則給上課老師增加對該問題的解決程度關系著人臉識別實用化進程的成敗了額外的負擔[6]。

另外，整個系統的算法受環境的干擾因素較多，特別是光照。光照變化是影響人臉檢測性能的關鍵因素，對該問題的解決程度關系著人臉檢測實用化進程的成敗。同樣的教室因為光照強度不同故檢測的效果也不同。不同的人臉在不同的光照強度下呈現的圖像是不同的，如何使系統在不同光照的條件下對人臉都有較好的檢測率是一個值得深入研究的問題。

最后，被檢測者學生的姿態對人臉檢測也是檢測中需要特別注意的問題。理想狀態的檢測為學生的臉都正對攝像頭，但由于學生分布在教室空間的各個位置，不可能完全將人臉正面面向攝像頭，故在檢測中必須考慮側面檢測人臉的情況。但若人臉在三維坐標系垂直于圖像平面的兩個方向作深度旋轉會造成人臉面部信息部分丟失，導致人臉檢測不準或無法檢測。故在人臉檢測時，需要任課老師統一提醒學生注意不要側臉面向攝像頭。

參考文獻：

[1]張輝，數字圖像處理課程的教學建設與改革研究[J].中國校外教育（下旬刊），2013（10）：72-73.

[2]方明，高職院校學生課堂出勤現狀分析及管理模式探究[J].教育教學論壇，2013（45）：11-12.

[3]Intel Corporation， Intel Open Source Computer Vision“library Reference Manual[R].2001.

[4]武勃.黃暢等，基于連續Adaboost算法的多視角人臉檢測[J].計算機研究與發展，2005，42（9）：1612-1621.

[5]雷蘊奇.柳秀霞.宋曉冰等，視頻中運動人臉的檢測與特征定位方法[J].華南理工大學學報（自然科學版），2009.37（5）：31-37.

[6]陳鑫銘.吳銳，我國高校信息系統集成度評價體系[J].情報雜志，2009，28（3）：93-96.