基于無線定位的智慧教室考勤助手APP的設(shè)計(jì)與研究

劉　宸，李虎群，王　強(qiáng)，張　哲，崔靖茹

(西安交通大學(xué)網(wǎng)絡(luò)信息中心，陜西 西安 710049)

0　引言

2017年9月我校第三期智慧教室項(xiàng)目建設(shè)完成，共建智慧教室近400間。智慧教室為提升教師課堂教學(xué)、提高學(xué)生到課率、學(xué)生課后自主學(xué)習(xí)、教學(xué)秩序監(jiān)督、教學(xué)效果監(jiān)督、優(yōu)質(zhì)資源共享、降低教室空閑率等起到了非常明顯的促進(jìn)作用。

目前，傳統(tǒng)高校的考勤方式采用手動點(diǎn)名的方式，但該方式欠缺數(shù)據(jù)的精準(zhǔn)性，也浪費(fèi)教師的授課時間。根據(jù)實(shí)際問題分析，考慮構(gòu)建一種自動化考勤系統(tǒng)，該系統(tǒng)需要解決的一個主要問題是身份識別與位置識別。系統(tǒng)中的身份識別不可或缺，目前有身份卡，虹膜以及指紋等電子與生物指紋識別方式。位置識別采用固定刷卡一起來提供[1]。如表1所示，分析不同考勤方式在實(shí)際工作環(huán)境中的響應(yīng)、準(zhǔn)確性、可靠性與便捷性。

表1　幾種考勤的比較

1　項(xiàng)目現(xiàn)狀和問題

我校目前采用刷卡考勤方式。學(xué)生在上課前的有效考勤時間內(nèi)，使用校園一卡通在考勤機(jī)終端刷卡。目前系統(tǒng)存在如下幾點(diǎn)問題。

1.1　一卡通問題

⑴ 學(xué)生發(fā)生卡丟失，或者忘記帶卡的情況，導(dǎo)致無法考勤；

⑵ 學(xué)生補(bǔ)辦新卡，因考勤機(jī)每12小時同步一次考勤數(shù)據(jù)庫，因此會產(chǎn)生新卡信息還未錄入考勤機(jī)，導(dǎo)致考勤機(jī)無法識別學(xué)生的個人身份；

⑶ 采用一卡通考勤，無法完全避免替刷卡的情況。

1.2　刷卡擁擠問題

因教學(xué)課程的特殊原因，大部分學(xué)生會集中在開課前的10分鐘內(nèi)刷卡，容易發(fā)生刷卡排長隊(duì)的現(xiàn)象，會導(dǎo)致進(jìn)入教室人員聚集，場面混亂。

2　系統(tǒng)設(shè)計(jì)和實(shí)現(xiàn)

系統(tǒng)采用經(jīng)典的三層體系架構(gòu)，從下到上分別為數(shù)據(jù)采集層、數(shù)據(jù)處理層和數(shù)據(jù)展示層。通過三層體系架構(gòu)，將業(yè)務(wù)規(guī)則、數(shù)據(jù)訪問、合法性校驗(yàn)等工作放到了中間層進(jìn)行處理。通常情況下，客戶端不直接與數(shù)據(jù)庫交互，而是通過COM/DCOM通訊與中間層建立連接，再經(jīng)由中間層與數(shù)據(jù)庫進(jìn)行交互。

系統(tǒng)工作原理是數(shù)據(jù)采集層通過多種考勤方式，采集考勤流水，然后上傳考勤中間件?？记谥虚g件通過預(yù)置考勤策略篩選出有效考勤流水，再和教務(wù)系統(tǒng)、一卡通系統(tǒng)進(jìn)行聯(lián)合比對計(jì)算，最后給出最終的考勤結(jié)果數(shù)據(jù)。系統(tǒng)架構(gòu)圖，如圖1所示。

圖1　智慧教室考勤系統(tǒng)架構(gòu)圖

2.1　基于WiFI指紋定位

本系統(tǒng)采用WiFI指紋定位技術(shù)。APP在初次安裝時，即會獲取手機(jī)的唯一標(biāo)識碼，并與WiFi指紋數(shù)據(jù)庫做惟一性綁定[2]。定位的四個步驟：

⑴ 教室中每一個無線AP的SSID都有一個全球惟一的MAC地址，并且一般來說無線AP在安裝后是不會移動的；

⑵ 手機(jī)在開啟Wi-Fi的情況下，即可掃描并收集周圍的AP信號，無論是否加密，是否已連接，甚至信號強(qiáng)度不足以顯示在無線信號列表中，都可以獲取到AP廣播出來的MAC地址；

⑶ 在簽到時，APP將這些能夠標(biāo)示AP的數(shù)據(jù)和手機(jī)惟一標(biāo)識碼一同發(fā)送到WiFi指紋服務(wù)器，服務(wù)器檢索出每一個AP的地理位置，并結(jié)合每個信號的強(qiáng)弱程度比對WiFi指紋數(shù)據(jù)庫中的惟一標(biāo)識碼，計(jì)算出設(shè)備的地理位置并返回到用戶設(shè)備。

圖2　APP考勤流水截圖

2.2　基于面部特征人臉識別

為了考勤的準(zhǔn)確性和可靠性，我們采用經(jīng)典的基于特征臉[3-5]的人臉識別方法。我們分兩個步驟：圖片訓(xùn)練和人臉識別。

2.2.1　訓(xùn)練階段

第一步：采集樣本。本文的app利用用戶在綁定個人信息時所提交的人臉相片作為訓(xùn)練樣本。在此我們設(shè)樣本數(shù)量為N。

第二步：構(gòu)建訓(xùn)練樣本矩陣。對采集的所有樣本圖片進(jìn)行灰度化，接著將N個樣本的灰度圖片轉(zhuǎn)化為列向量，然后將其組成訓(xùn)練的樣本矩陣M。（M的規(guī)模為：每張圖片的像素?cái)?shù)*樣本數(shù)量N）

其中向量xi為由第i個圖像的每一列向量堆疊成一列的MN維列向量，即把矩陣向量化。

圖3　訓(xùn)練樣本集

第三步：計(jì)算平均臉。計(jì)算訓(xùn)練圖片的平均臉：

第四步：計(jì)算差值臉。對每張人臉圖片，計(jì)算其與平均臉的差值Δi，i=1,2,…,N

第五步：構(gòu)建協(xié)方差矩陣CM并通過矩陣奇異值分解法求得協(xié)方差矩陣CM的特征值λt和特征向量xt。

第六步：基于協(xié)方差矩陣CM特征值，本文選取特征值貢獻(xiàn)率為99%的特征向量，作為所求的樣本特征臉空間W。

其中W=(x1,x2,…，xp)，關(guān)于P的取值由下式?jīng)Q定：

第七步：獲取樣本特征臉識別基準(zhǔn)，將樣本中每幅人臉與平均臉的差值投影到特征臉空間，

2.2.2　人臉識別

第一步：獲取待識別人臉基準(zhǔn)，將待識別人臉Γ與平均臉Ψ的差值投影到樣本特征臉空間

第二步：為了較好的區(qū)分不同人之間的臉部，定義閾值

第三步：采用歐式距離來計(jì)算ΩΓ與每個人臉的距離εi（i=1,2,…,N）

為了區(qū)分人臉和非人臉，還需要計(jì)算原始圖像Γ與由特征臉空間重建的圖像Γf之間的距離

其中：

第四步：獲取人臉識別結(jié)果：根據(jù)以下規(guī)則對人臉進(jìn)行分類：

⑴ 若ε≥θ，則輸入圖像不是人臉圖像；

⑵ 若ε＜θ，且?i，εi≥θ則輸入圖像包含未知人臉；

⑶ 若ε＜θ，且?i，εi＜θ則輸入圖像為庫中第k=min(εi)個人的人臉。

圖4　基于面部特征人臉識別

3　功能完善和升級

3.1　便捷性提升

在無線AP發(fā)生掉線或者位置發(fā)生變化后，WiFi指紋定位數(shù)據(jù)庫無法做到即時更新。只能通過人工核對，手工添加的方式維護(hù)數(shù)據(jù)庫，這樣就會引起位置的小范圍偏差。通過近期完善位置數(shù)據(jù)庫自動維護(hù)功能，下一版可以徹底解決這個問題。

3.2　可靠性提高

通過首次使用采集學(xué)生照片的方法，無法做到100%的可靠性。通過對接統(tǒng)一身份認(rèn)證數(shù)據(jù)庫，依靠統(tǒng)一認(rèn)證身份數(shù)據(jù)庫獲取學(xué)生照片，系統(tǒng)從根本上解決了可靠性的問題。

4　結(jié)束語

本系統(tǒng)實(shí)現(xiàn)了用戶自助考勤、查詢簽到流水以及個人課表等功能。由于設(shè)計(jì)時對系統(tǒng)的安全性，易用性等作了充分的考慮，所以截止目前，該系統(tǒng)已穩(wěn)定運(yùn)行四個多月，能夠承受全校正常授課時產(chǎn)生的高并發(fā)訪問量。該系統(tǒng)對我校課堂教學(xué)、教學(xué)秩序和教學(xué)效果都起到了不可替代的作用。

參考文獻(xiàn)(References):

[1]楊永平,曾藝,劉世興.基于WIFI的高校課堂考勤系統(tǒng)設(shè)計(jì)實(shí)現(xiàn)[J].信息技術(shù)與信息化,2017.1:102-106

[2]王衛(wèi)紅,陳校良.基于無線路由器的手機(jī)簽到系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].浙江工業(yè)大學(xué)學(xué)報,2016.44(3):242-246

[3]易軍.人臉識別中的特人臉識別中的特征提取與度量學(xué)習(xí)算法研究征提取與度量學(xué)習(xí)算法研究[D].北京郵電大學(xué)博士學(xué)位論文,2015.

[4]張俊,何昕,李介谷.基于面部幾何特征點(diǎn)提取的人臉識別方法[J].紅外與激光工程,1999.28(4):40-43

[5]Matthew Turk and Alex Pentland.Eigenfaces forRecognition.http://www.cs.ucsb.edu/～mturk/Papers/jcn.pdf