機器學習在校園安全門禁系統中的應用研究

姜娜 楊海燕 黃吉亞 顧慶傳

摘? 要：隨著高校的擴建，校園安全已成為校園管理工作中的重要問題。現有的大部分門禁系統僅記錄各類人員出入校園的時間信息，信息數量大，且未進行有效利用。校園安全工作要穩定有效地持續進行，則需要利用計算機平臺，將過去的人工管理方式逐步轉變為基于大數據和機器學習的智能化的管理、決策方式。本文基于機器學習，對校園安全門禁系統方法的選擇和系統的現實意義進行了探討，以期為相關系統分析與設計提供參考。

關鍵詞：校園安全;機器學習;門禁系統;學習模型

中圖分類號：TP181? ? ? 文獻標識碼：A 文章編號：2096-4706（2019）01-0160-02

Research on the Application of Machine Learning in

Campus Security Access Control System

JIANG Na，YANG Haiyan，HUANG Jiya，GU Qingchuan

（School of Physics and Information Engineering，Zhaotong University，Zhaotong? 657000，China）

Abstract：With the expansion of colleges and universities，the work of the campus public security has been an important problem in campus management. Most of the existing access control systems only record the time information of person who entered and leaved the campus. The amount of information is large，but it is not effectively used. In order to carry out campus security work steadily and effectively，it is necessary to use computer platform to gradually transform the past manual management mode into intelligent management and decision-making mode based on large data and machine learning. Based on machine learning，this paper discusses the selection of methods and practical significance of campus security access control system，in order to provide reference for the analysis and design of related systems.

Keywords：campus security;machine learning;access control system;learning model

0? 引? 言

目前我國高校正處于蓬勃發展時期，各高校學生數量多，管理難度高，校園安全已成為高校校園管理中不可忽視的重要問題。在“互聯網+”發展背景下，利用計算機平臺，將校園安全過去的人工管理方式逐步轉變為智能化管理方式，提高管理效率，避免管理過程中出現遺漏十分必要。

高校校園安全主要體現在消防安全、飲食安全、人身安全、交通安全、心理健康等方面。本文主要針對校園安全中的學生人身安全管理系統進行闡述。針對學生人身安全，目前不少高校均已建設相關的門禁方案對學生進行出入管理，例如，使用一卡通、校園卡等設備對學生進出公寓進行記錄，從而獲得學生的出入情況。但是，如果出現出入憑證丟失或冒用的情況，就會導致統計數據不真實，造成潛在的校園安全隱患;另外，校園安全中涉及到的各種意外情況，除學生公寓外，可能會出現在校園的各個區域，因此有必要對教師、后勤人員和其他外來人員進行統一的校園進出管理登記。在建設智慧型平安校園背景下，本文提出一種基于機器學習的門禁系統，校園管理人員利用出入憑證對教師和學生進行統一管理;同時利用臨時出入憑證對外來人員進行統一管理，對各類人員進出校園、宿舍或圖書館進行記錄，并對數據進行統計，使用機器學習算法得出分析模型，使用計算機技術最大程度地確保學生的校園人身安全和財產安全，亦可配合教學、后勤等部門進行輔助管理。該系統在現有校園安全門禁系統和宿舍門禁系統的基礎上，使用機器學習知識，挖掘各類進出校園或宿舍人員的進出數據規律，及時向管理人員通報異常信息，提高校園安全管理效率，保障校園安全。

1? 機器學習概述

機器學習（Machine Learning）是指計算機在已有經驗學習的基礎上，習得學習模型，將學習模型用于新數據預測并得出結論的過程。校園安全門禁系統通常記錄學生的出入情況，機器學習將出入情況作為已有數據可挖掘不同學生出入校園、宿舍或圖書館，以及結伴出行規律，可用于預測某個學生某一天的出入情況;同樣的方式，機器學習亦可用于教職工、管理人員以及外來臨時人員的出入預測，以得到逼近真相的預測結論，即獲得強泛化能力的模型。當預測情況與實際情況偏差較大時，如超出預期時間學生未返回宿舍，外來臨時人員未離校等，機器學習則會自動向管理人員發送警示信息提醒其進行人工核實。

根據已有經驗數據是否包含標記信息，可將機器學習算法分為監督學習、半監督學習和無監督學習;根據預測結果是否連續，可將機器學習算法分為預測離散值的分類學習方法和預測連續值的回歸學習方法。根據校園安全門禁系統的出入數據，最終可以預測各類人員在校安全狀態，因此，選擇適用的分類學習方法十分必要。機器學習開發流程如圖1所示。

2? 方法研究

在校園安全門禁系統中，前期數據錄入包括每一位出入人員的基本信息以及出入學校、宿舍或圖書館的時間節點信息等。其中，基本信息通過人工或批量導入方式錄入;出入時間節點信息通過安全門禁系統獲得并批量導入。系統記錄各類人員的相關信息，預測其出入情況，并給出結論—正?；虍惓?。校園安全門禁系統通過統計校園各人員進出校園的規律，得出預測結論，并在出現異常情況時給出相應的管理決策建議，從而支撐智慧校園管理。

2.1? 數據錄入以及安全狀態

數據的錄入，包括各類人員基本信息（姓名、身份證號＼ 學號、年齡、專業、所屬類別等），出入相關詳細信息（日期、實際出入時間、預計出入時間等）的錄入工作。對數據進行分析，令D={x1，x2，…，xn}，表示第n個出入校園人員的數據集，第m個出入校園人員的數據xm是由基本信息中A個數據構成的一個向量;若要根據某個進出校園人員的出入信息預測其當前在校安全狀態，則令第m個出入校園人員的安全狀態類型是ym，則（xm，ym）就是數據集中的第m個樣例（擁有標記信息的示例）。機器學習通過對訓練集的學習，習得的模型為f，在進行預測時，可得到測試例x的預測標記y=f（x），即通過出入校園人員的出入信息預測其當前在校安全狀態。機器學習模型使用流程如圖2所示。

2.2? 決策樹模型

由于各類人員出入學校、宿舍或圖書館的時間受課時安排、周末、節假日等影響，因此在對機器學習進行分析的過程中，需結合日期進行預測。

以日期作為自變量，以各類人員當前在校安全狀態作為預測結果，建立模型，如圖3所示。

2.3? K均值聚類算法

常見聚類算法有：K均值聚類算法、均值漂移聚類算法、基于密度的聚類算法、凝聚層次聚類算法。其中，K均值聚類算法速度快，計算簡便，劃分得到的K個簇的中心均值是每個簇所有值的均值。各類人員中，學生人數最多，且出入時間主要集中在某幾個時間段，因此，可使用聚類方法得到學習模型。

在學生、教師、管理人員等每一類人員中，隨機選取K個對象作為聚類中心，根據對象距離聚類中心的長度將該對象分配給離它最近的聚類中心，每次新加入對象時重新計算，直到誤差平方和局部最小，即可獲得每一類人員相似出行規律的學習模型。當對下一次出入信息進行記錄時，判斷出入記錄是否滿足學習模型規律，若滿足則記錄，否則向管理人員發出警報信息，由管理人員人工審核，若有特殊情況，則便于向學生工作管理人員上報詳細信息，提高各部門聯合管理的效率。

3? 意義以及存在的問題

機器學習在校園安全門禁系統中的應用，具有如下現實意義：

機器學習在校園安全門禁系統中的應用可以使校園安全管理人員及時獲得出入學校、宿舍或圖書館人員的信息和某一時刻臨時出入校園人員的詳細信息，高效地進行校園安全管理;當不符合人員出入學習模型的異常情況出現時，系統將自動向管理人員發出警報，時效性強，可以最大程度地保障學生的在校安全;系統除適用于校園安全管理外，也可以輔助教學管理人員進行出勤統計;根據此系統學生管理部門，除可獲得學生的出入情況外，還可根據具體的異常情況，對學生進行針對性的管理、幫助或心理疏導，進而對學生工作進行輔助決策及管理。

本文探討了機器學習在校園安全門禁系統中的應用、方法以及意義，但若出現出入憑證丟失、冒用等情況，則校園安全門禁系統的出入情況數據準確率將會降低，未來可結合生物識別技術提高身份識別的準確性，如指紋識別、人臉識別，進而提高校園安全門禁系統預測的準確率。另外，由于學習工作、任務因學期、學年而不同，各類人員的出入規律也會發生變化，系統未來的研究方向為將舊學期數據和新學期數據之間建立關聯，以獲得更加通用、準確的學習模型。

參考文獻：

[1] 周志華.機器學習 [M].北京：清華大學出版社，2016.

[2] [美]Pete Harrington著.機器學習實戰 [M].李銳，李鵬，曲亞東，等譯.北京：人民郵電出版社，2013.

[3] 范淼，李超.Python機器學習及實踐 [M].北京：清華大學出版社，2016.

[4].常見的六大聚類算法 [EB/OL].https：//blog.csdn.net/Katherine_hsr/article/details/79382249，2018-03-01.

[5] 各種聚類算法（原理+代碼+對比分析）最全總結 [EB/OL]. https：//blog.csdn.net/qq_30262201/article/details/ 78799926，2017-12-14.