人臉識別系統應用于校園管理的優越性探究

崔榮升，齊 凱，趙 威

（山東農業大學信息科學與工程學院，泰安 271018）

1 研究背景

1.1 技術對比

當前主流的信息識別方式有指紋識別、虹膜識別以及人臉識別。由于虹膜識別技術的造價高昂性，人臉識別系統在成本相對較低的基礎上，可以精確地捕捉、記憶識別者的面貌特征，更利于校園這種特殊環境的使用，健全校園安全的管理機制[1]。指紋識別技術相比于傳統的磁卡接觸式識別，在剛推出時以高效性、準確性的優勢迅速大面積得到推廣使用。如今市場上幾乎絕大多數智能手機的安全識別均采用了指紋識別技術，但其相比于人臉識別而言仍存在著嚴重的缺陷。人類指紋的信息雖是獨一無二，但指紋的殘留性使指紋信息極容易被復制，便會使信息的安全性大打折扣。近年來由于指紋復刻引起的隱私泄露情況屢見不鮮。

1.2 發展歷程

人臉識別技術的發展歷程大致可分為三個階段。上世紀60年代左右，當時的研究只是對面部五官的相對位置進行較直觀的分析，而不能很好地反映出不同場景下具體的面部變化和姿態表情，當時的人臉識別技術在背景單一情況下進行的信息捕捉會極大影響效果[3]。

即便如此，這也是開啟了人臉識別技術研究之先河。上世紀90年代是人臉識別技術高度發展的階段。以統計算法為支撐的“特征臉”方法的提出，將人臉的拓撲結構與全局灰度和局部灰度互相結合[4]，使人臉識別的研究有了基礎理論支撐。Fisher 判別法則同樣引入了基于統計的算法，利用主成分分析（PCA）[5]，以方差來衡量信息的大小使統計過程簡潔且精確。進入新世紀以來，隨著大數據和深度學習算法的日益成熟，人們的研究重心逐漸地轉向了大數據庫中的人臉識別領域并達到了非常高的精確程度。.深度學習借助圖形處理器（GPU）所組成的運算系統進行大數據分析[6]，另識別的速度和精度上已經遠遠超越了人類。如今，基于海量數據的Face-Net 算法在LFW 數據庫中的精確程度已經達到了99.63%[2][6]。

2 人臉識別的技術實現

2.1 臉部圖像預處理

人臉識別的圖像難免會受到噪聲、光照明暗程度等多種因素的干擾。干擾下所獲取圖像的信息量減少，很難滿足適用于人類觀測、機器識別所需圖像的要求。降低多種不利因素的影響，獲取滿足觀測要求的圖像就是進行臉部圖像預處理工作的意義所在。就圖像的噪聲干擾而言，首先要對圖像進行灰度化處理。由于線性濾波的理想低通特性，圖像的邊緣不易存儲記憶，故應采用標準中值濾波算法（SMF）。SMF 算法的核心思想是快速排序算法[7]，依賴多次排序，可以很好的解決隨機噪聲的干擾，保留邊緣信息。由于多次排序的工作復雜性和濾波器窗口尺寸的有限性，依靠平均思想，在SMF 算法的基礎上，國內學者又給出了加權快速中值濾波算法和加權自適應中值濾波算法[7]。

2.2 人臉檢測

人臉檢測是指在輸入圖像中確定人臉的大小、位姿、位置的過程[8]。膚色特征和灰度特征是面部圖像的兩大主要特征。色度空間的選取影響著膚色模型的確立。RGB（紅、綠、藍三種基色）、SHI（飽和度、色調、亮度）均是常用的色度空間；混合高斯模型、直方圖模型是常用的膚色模型。Terrillon 曾指出，在互不相同的色度空間里的膚色區域以及非膚色區域的吻合度是限制人臉檢測性能的主要因素。人的眼睛、鼻子、嘴巴等主要區域具有鮮明的灰度分布特征。著名的人臉鑲嵌圖特征的中心思想是把人的臉部圖像進行等大小的方格切分，分割后的每格的灰度滿足的制約規則便是鑲嵌圖特征，分割后的每個方格內的像素平均值代表每格的灰度值。基于面部模型的識別方法主要是依靠人臉特征所總結的經驗，利用鑲嵌圖特征來描述臉部的肌膚、紋理、結構等特征。人臉檢測常用的方法還有基于特征空間的方法、基于人工神經網絡的方法及基于深度學習的算法等[8]。

2.3 信息匹配與驗證

通過人臉檢測確定臉部的大小、位置后要確定眼、耳、鼻、嘴等關鍵節點的關鍵位置，該過程可以通過深度學習框架實現。雙眼間的直線距離、鼻孔的位置坐標、嘴巴分別開閉時的長和寬均是應該精密測量獲得的數據。測量完這些關鍵位置數據后，系統將以微波級別的精度測試面部輪廓線條，創建模板，最終存儲為面部印記，創建人臉圖像數據庫[6]。創建完成后便進行數據庫中的目標圖像與用于驗證的人臉圖像的匹配驗證工作。所進行驗證的圖像只允許與數據庫中已創建的一張目標人臉圖像相匹配，只能滿足“一對一”原則而不允許“一對多”或“多對一”。

3 具體應用

3.1 完善校園安全機制

校園安全密切關聯著每位師生的切身利益，是校園工作的重中之重。高校校園大多是開放式的，區分外來社會人員和校內人員身份是高校安全工作的重要抓手。傳統的宿舍查寢或校外人員進出等信息識別方式多數是采用“人頭登記”的方式。每個人的面部特征都是唯一的，門衛人員也不可能記準每一位來往人員的面部特征，所以冒名登記的現象成為了扎根在如今校園安全建設“腹”中的一根毒刺。由于人臉識別技術區別與傳統方法具有高效、準確和安全的特點，可以有效地解決這一傳統弊端。將人臉識別技術移植到校園人流量較大處的門禁中（如校門口、宿舍、辦公樓、教學區域或重點實驗室等），可以設置“刷臉機”，憑“臉”進入，并將刷“臉”信息與學校內網相連，實時共享發布，在后臺記錄人員進出情況并實時的將可疑信息反饋給家長或輔導員手中，讓學生的相關負責人及時掌握學生的隨意出入或夜不歸宿等可疑行蹤，及時進行針對性教育，有效杜絕安全隱患甚至違法犯罪。

3.2 優化校園活動效率

人臉識別技術的充分利用可以最大限度的優化校園活動效率。食堂刷卡、圖書館借閱、課堂考勤、乘坐校車都可以運用人臉識別技術。食堂點餐時若擺脫磁卡接觸式付款，改用人臉識別技術不僅可以極大地節省寶貴時間，又可以避免因匆忙忘帶飯卡而四處著急吃不上飯的尷尬。在圖書館借閱圖書時，運用人臉識別技術不僅可以避免遇到和在食堂中遇到的類似的麻煩，還可以很好地減輕圖書借閱員的工作壓力，使他們有更多的時間完成其他工作。

將人臉識別技術應用到課堂考勤會是提高教學質量、促進考核公平的一項重要措施。如今的高校期末成績均是由平時表現成績和期末測試成績組合而成。在授課過程中，學生為了應付老師點名，“簽完名就走，答完到就跑”已成常態，亦有個別學生頂替簽到，甚至直接不進教室，最后的考勤成績卻仍然很高，這極大損害了考核公平。人臉識別技術可完全的避免學生的冒名頂替答到現象發生，保證課堂上座率。并且可以及時地將課堂考勤信息記錄下來，減輕教師期末成績錄入的工作負擔。利用人臉識別技術可以和和教學系統相關聯。對學科薄弱或者掛科過多的學生進行面部記憶，將學生信息傳送到多媒體電腦中，這樣會使老師在講課中更加有的放矢，及時關注到學生的聽課情況。此外，人臉識別也可以有效地杜絕代考替考，維護教育公平。

4 結束語

人臉識別技術有著明顯區別于其他信息識別方式的優勢。無論從校園管理建設角度，還是從校園安全問題角度，人臉識別技術均可發揮重要的作用。“百年大計，教育為本”。校園建設是教育的主陣地，校園建設的方方面面影響著祖國教育的未來。新鮮事物的興起至其被全面接受需要一定的時間，希望學校建設者們可以重視人臉識別技術的應用，緊握科技潮流，利用新興科技提升教育質量，創造更好的教育環境。