大數據支撐的人臉識別技術在高校校園安全管理中的應用研究

劉剛 梁家軍

摘要：隨著新一代信息技術的發展與應用，給予高校校園安全管理很大的啟發和研究空間。本文根據當前高校所面臨的校園安全管理的問題所帶來的挑戰，探討運用大數據及人臉識別技術在高校校園安全管理中的應用，提出了學生不安全行為監控數據指標，設計與構建了高校校園安全預警系統模型，以期為高校校園安全管理工作提供支持服務，為教育決策提供更加科學的參考依據。

關鍵詞：大數據;人臉識別;校園安全管理;預警

前言

本文以解決當前高校校園安全問題為出發點，運用人臉識別技術并有機融合大數據技術研究高校校園安全預警系統，嘗試通過對在校學生的疑似不在校行為等主要核心數據指標進行實時跟蹤和監測，運用人臉識別技術采集、識別、分析與建模等方法，為高校校園安全建立預警體系，為學校安全管理提供科學有力的決策依據。

一、問題的提出及趨勢

近年來，我國高等教育的普及高校招生規模不斷擴大，伴隨著學生人數的增長與高校所面臨的安全管理之間的矛盾也逐漸顯露，如：學生失聯、夜不歸宿等現象頻發。然而，如何及時、準確地掌握學生在校情況等問題給高校安全管理提出了新的挑戰。面對當前普遍依靠傳統的人工管理已經無法滿足現階段需要，這就需要高校在原來安全管理方面積極大膽創新管理模式。

二、大數據支撐的人臉識別技術在高校安全管理的應用

（一）對人臉識別及大數據技術的認識與分析

隨著人工智能在各領域的廣泛應用，“人臉識別”作為人工智能重要的應用方向之一，也不例外。它是基于生物特征中的人臉生理特征，運用算法對人的臉部器官及形狀距離等進行特征分析與識別，從而進行身份識別的技術，一般包括人像采集、人臉檢測、人臉預處理、人臉特征提取、人臉比對識別等[1]。“大數據”是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力來適應海量、高增長率和多樣化的信息資產[2]。大數據處理與分析技術則是對這些信息資產進行深度地挖掘與分析其價值的新手段，它的戰略意義不在于掌握龐大的數據信息，而在于對這些含有意義的數據進行更為專業化的處理。

由此可見，通過大數據技術對海量相關性數據資源的科學治理、管理、挖掘、分析等綜合運用，從各個維度、各個層面，對數據進行深度挖掘與分析，形成高質量的數據管理與智能服務，從而提升高校校園安全管理服務的水平，建立高校校園安全預警體系，為學校安全管理提供科學有力的決策依據，促使高校校園安全管理。

（二）高校校園安全預警系統模型設計與構建

經過上述相關技術分析，我們可以有機地綜合運用大數據和人臉識別技術手段打造高校校園安全預警系統模型。結合前人相關研究和調研需求及自身的工作管理經驗，本文分別從以下幾個方面設計與構建預警系統模型。

1.數據的采集

數據的采集主要通過兩種方式。一是根據選取和制定好的監控預警指標數據，利用相關智能設備進行數據采集。通過人臉識別技術我們可以在校園關鍵位置部署高清智能攝像設備用來采集學生人臉圖像信息。二是通過大數據技術對已有的各業務系統中涉及與學生校園安全相關性的數據進行挖掘采集與抽取。由于采集到的海量數據來自不同的業務系統和智能感知設備（包括非結構性和結構性的），經過大數據處理和人工智能算法把數據統一結構化后，統一集成到數據中心，便于統一分析、管理與運維。

2.數據分析與判斷依據

經過人臉識別技術對數據的海量采集與挖掘后，首先我們可以根據學生疑似不在校行為數據指標進行篩選、歸類處理與分析，形成有效的信息用于判斷學生連續未打卡（刷臉）的天數，如把天數設為“d”，可依據如下步驟設計：

1）關聯學生課程表及所有刷卡記錄，定義學生是否有課：

K={1，有/0，無}

2）分別將疑似不在校的因素：門禁卡的刷卡記錄、圖書館進出記錄、上課簽到記錄、校園卡刷卡消費記錄、上網記錄分別設為Di（i=1，2，3，4，5），規定若存在兩項及兩項以上打卡記錄的則認為該生在校，否則，反之;

3）定義：

Di={1，有記錄/0，無記錄}

D=5∑i=1 Di

若D≥2則表示該學生可能在校，若K=1∪D<2則表示該生疑似不在校;

4）記錄一段時間內學生在有課的情況下連續未打卡天數d，即K=1∪D<2的天數d;

在有課情況下，可判斷若有兩項及兩項以上打卡記錄，則認為“在校”;若有一項或0項打卡記錄，則認為“不在校”。

4.確定預警級別閥值

根據實際監控的需要，我們分別從如下兩種情況分別作出預警并設置級別閥值：

1）針對某一天，考查所有學生連續未打卡天數d和學生總量N。

若d>a的學生數n<=2%×N，a設置為高危閾值;若d>b的學生數n<=5%×N，b設置為中危閾值;若d>c的學生數n<=10%×N，c設置為低危閾值。

2）考查一個學生，若d>a，高危預警;若b

三、建議與展望

對于學生校園安全的管控數據指標需要根據每個學校建設基礎和實際需要進行選取，進一步完善預警指標體系，保證管理的科學性和合理性。期望本文探討的大數據支撐的人臉識別技術在高校安全管理的應用，能夠進一步提高校園安全信息化管理水平，從而更為科學和精準的做出預警，為學校提供決策與服務的依據，同時也期望能為各兄弟院校提供參考。

參考文獻：

[1]蘇楠，吳冰，徐偉等.人臉識別綜合技術的發展[J].信息安全研究，2016（1）：33-39.

[2]陶雪嬌，胡曉峰，劉洋.大數據研究綜述[J].系統仿真學報，2013，25（S1）：142-146.

作者簡介：

劉剛（1980—），男，河北保定人，碩士，南寧職業技術學院現代教育技術中心高級實驗師，主要從事教育信息化研究;

梁家軍（1985—），男，廣西北流人，碩士，南寧職業技術學院現代教育技術中心講師，主要從事現代教育技術研究。

本文系：“基金項目：2020年度廣西高校中青年教師科研基礎能力提升項目，立項代碼（2020KY30009）”的研究成果。