基于大數據的高校機考平臺學生面部識別信息分析

陳梅

摘要：本應用系統主要針對學生考試過程中的人臉信息進行圖片采集，解析圖片得到相應的數據信息，最后將數據可視化呈現，為考試結果提供輔助性參考信息。根據開發要求，本系統用于完成采集學生的面部信息，如表情、眼鏡以及偏向程度等，基于騰訊優圖提供的人臉檢測與分析、人臉關鍵點定位與追蹤以及人臉驗證等技術，提取出圖片中人臉的有效信息提取出圖片中人臉的有效信息來對高校機考平臺學生面部數據進行采集分析。

關鍵詞：大數據;人臉識別;圖片分析;學生面部信息

中圖分類號：TP399 文獻標識碼：A

文章編號：1009-3044（2020）10-0183-04

1緒論

1.1研究背景

1.1.1人臉識別的現狀

如今，信息技術愈發滲透我們的生活，人們越來越享受科技帶來的樂趣。云計算、物聯網和人工智能技術變革式發展，相關應用百花齊放。人臉分析作為許多智能化應用的核心環節，近幾年越來越受到學者關注，其中的關鍵技術包括人臉檢測、人臉跟蹤、人臉特征提取、特征匹配和人臉分類Ⅲ等。并且人臉識別技術在社會安全得到了廣泛的使用，如刷臉買票和刷臉安檢等。同時在醫學方面也發揮著很大的作用，如防止冒領養老保險問題等。所以，人們在研究人工智能方向越來越把人臉識別技術放在重要的研究位置。

在人的大腦機制中，可以很清楚地記住并分辨出很多張人臉信息，但是要計算機去處理人臉信息卻很麻煩，因為人臉信息是會隨著年齡、光線等問題發生變化，為計算機識別的準確性增加了不少難度。并且人臉具有相似度的特性，所以人臉識別算法就愈發的難以完善。如今，人臉識別技術在當今是一個非常具有挑戰性并且非常值得研究的技術。

1.1.2人臉識別的應用場景

在信息全球化的背景下，ATM機器刷臉取款、智能機器人服務以及刷臉出入逐漸成為現實。人臉識別技術已被炒得火熱，它正在被廣泛地應用到各個領域，默默地影響著我們的生活，如智慧教育、智慧金融、智慧社保、智慧公安等諸多方面，極大程度上方便著我們的生活。

在互聯網中，人臉識別更是發揮了更大的優勢，并且有很多相關的研究分析，如圖片鑒黃工作、廣告過濾工作等。但是至今還沒有一套完善的基于人臉識別技術對考試過程學生面部數據進行采集分析與研究的解決方案，基于上述情況，本系統應運而生。

1.2研究意義

人臉識別是人類非常重要的感知能力。隨著計算機技術的發展，人類渴望賦予計算機理解情感、感知外部世界的能力，自動人臉識別技術的研究應運而生。人臉識別研究具有重大的理論意義和應用價值。人臉識別研究既可以促進心理學上對人類自身人臉識別機制的研究，也可以促進圖像識別技術的研究，幫助實現人工智能。

計算機人臉識別技術也就是利用計算機分析人臉圖像，進而從中提取出有效的識別信息，用來“辨認”身份的一門技術。自動人臉識別利用計算機分析人臉圖像，從中提取出有效的識別信息，用來辨認身份的一種技術嘲，各行各業將人臉識別處理技術運用到各個領域中數不勝數。

另外，大學計算機上機考試將成為趨勢，它大大推進了無紙化考試，具有環保，節省資源，操作簡單，沒有人為干擾，直接出成績，效率高，方便成績統計等特點。所以在這個比較成熟的環境下，可以通過分析學生考試過程中的行為信息來獲取相應的參考信息給老師，來了解學生的考試情況。

基于上述情況，系統將基于人臉識別技術對考試過程中的人臉行為進行分析，對識別出來的結果進行數據整理分析，最后形成分析報表參考信息，來進一步完善機考設施制度。基于人臉識別對機考平臺中學生面部信息的收集分析，可以幫助老師了解學生對于該堂考試的具體情況、具有針對性的改善本學科的教學任務

1）分析學生拿到試卷時候的面部信息。在考試剛開始，通過收集學生大致瀏覽題目后所表現出來的如興奮、難過、沮喪等面部表情，分析出該學生的大致所想，是題目難度過難、適中還是容易等情況。

2）分析考試過程中學生的轉向情況。在考試過程中，通過收集學生面部信息，來分析出頭的轉向信息。如頭的轉向角度、轉向方向、是否依然處在攝像頭規定區域位置等來綜合分析出該學生的轉向信息。通過判斷偏向角度、偏向距離、偏向角度等來分析出學生考試行為是否正常等信息。

3）分析考試過程中學生的認真情況。考試過程中通過拿到學生的面部信息坐標后，分析學生一直盯著電腦屏幕的頻率以及轉向幅度等行為分析出做題認真思考程度，認真思考的時間曲線范圍，對待考試是否認真等情況。

4）分析考試結束后學生看到成績時的面部信息。在學生提交考試后，一直捕捉到該學生離開座位，分析該學生在那段期間的面部信息，如高興、失望、平靜等通過圖表信息反饋出來。

5）分析考試過程學生是否中途換人。在考試過程中通過人臉對比，來分析出學生中途是否換人的情況。

6）后期擴展。將系統作為實時監控考試過程，老師直接通過管理終端就可以看到該位學生的具體情況，若發現異常便可以直接切換到該學生的攝像頭信息，若情況屬實，可以直接通過系統提示該學生。這樣便直接可以在管理終端便掌握管理一切情況。

2需求分析

2.1系統可行性分析

2.1.1技術可行性分析

目前在已有的人臉研究方向體系中，已經有很多做得比較成熟的技術成果，如Face++、商湯、依圖、云從、百度人臉識別和騰訊優圖等，并且大部分平臺已經開放了圖片處理接口。在通過比較所有平臺接口的可用性、穩定性以及可靠性之后，本系統選擇騰訊優圖作為后臺處理圖片和信息分析的算法支撐。

騰訊優圖開放平臺擁有世界領先的人臉識別技術，自研Uface深度訓練模型技術，提供業界最好最優的人臉識別服務，云上構建VIP體系服務，為產品引入商務模式，建立智能識別的生態系統。騰訊優圖在人臉檢測與識別等領域有著比較優秀的能力，提供的云服務已經可以滿足本系統的大部分需求，符合系統技術選型。

3技術選型及開發環境

3.1前端框架

3.1.1 Freemarker+5JSP

JSP是官方標準，用戶群廣，有豐富的第三方JSP標簽庫，并且支持EL表達式，但是唯一缺點就是可以在JSP頁面中編寫Java代碼，如果使用不當會破壞MVC結構，所以本系統在此基礎上引進了Freemarker模板引擎技術。它具有支持JSP標簽、可以進行復雜的運算以及性能更佳等幾個優勢。所以可以采用Freemarker+JSP的方式作為前端頁面的數據渲染技術。

3.2后端框架

后臺使用Java進行編碼，Java是一種面向對象的編程語言，它具有支持分布式、強大的安全性、結構中立性、高可移植性、性能非常出色以及支持多線程等特性。Java的一次編譯的運行時功能使其成為跨平臺和降低成本的絕佳選擇。總而言之，Java語言有兩個特點：功能強大且易于使用嘲。以下是系統使用到的一些比較出色的Java開源框架。

3.2.1 Mybatis持久層框架

MyBatis是一個持久性框架，主要負責與數據庫進行通信并簡化數據庫訪問的操作。它可以高度定制SQL語句，這完全避免了需要手動設置JDBC的參數的方式，簡化了配置。通過MyBatis可以編寫更為簡單的SQL語句，讓開發者不再花更多心思去拼接參數而擔心SQL注入等安全問題，達到簡單易維護的目的。

3.2.2 Shiro安全管理框架

在Java體系的安全管理框架中，比較主流的就是spring se-curity框架和Apache Shiro框架，對比兩個框架，Shiro更加輕量級，在系統搭建配置上更加靈活，而Spring Security顯得更為笨重，所以本系統選擇Shiro作為安全管理框架。Shiro作為一個安全管理框架，不僅提供了身份認證、授權、會話以及加密等功能，還可以根據系統業務邏輯高效的自定義基于RBAC模型的權限框架設計，可以很方便地擴展系統的可用性嘲。

4系統設計與實現

4.1圖片上傳邏輯

在學生考試過程中，系統會收集大量的學生面部圖片。而拍攝照片的工作，本系統采用的是調用電腦自帶的攝像頭來進行拍照，然后將圖片處理成Base64格式，因為網頁上普通的圖片資源如果采用HTFP形式的RUL的話都會額外發送一次請求，網頁發送的HTTP請求次數越多，會造成頁面加載速度越慢，而采用Base64轉碼過后則可以避免這種情況。本系統主要用到的攝像頭插件是iquery-webcam-plugin，它將攝像頭功能進行了封裝，可以很方便實現拍照上傳功能。

4.2新聞數據爬取邏輯

實現網頁信息爬取，Jsoup是一個很好用的工具，它可以通過很簡單的語法就可以很輕松地把網上的數據爬取下來。該框架是一個Java編寫的輕量級框架，它完全類似于iQuery的語法，提供了一套非常省力的API，可以很快地讓人熟悉該框架。在抓取網上新聞數據的時候后，后端進行數據渲染。

4.3圖片處理算法

4.3.1優圖簡介

在眾多開源項目中，在人臉的處理上，都是從人臉檢測、五官定位和人臉對比三個方向做研究，比較出名的開源項目有騰訊優圖和中科院山世光老師開源的Seetaface人臉識別引擎。騰訊優圖是騰訊在2012成立的實驗室，是騰訊內部專注于圖像處理、機器學習的團隊，優圖并發限制為10個每秒，并且云服務免費，滿足本系統需求。故在對比眾多開源項目后本系統選擇騰訊優圖作為圖片的處理算法。

4.3.2算法原理

騰訊優圖在人臉檢測、五官定位和人臉對比的算法均采用了人臉識別經典算法中的Boosting算法，該算法是一種用來提高弱分類算法準確度的方法，作為一種框架算法，它在通過對樣本集的操作并獲得樣本子集后，在樣本子集上通過弱分類器算法訓練生成基分類器，在獲得若干個基分類器后，將其加權融合，產生一個結果分類器。騰訊優圖在此基礎上進行的人臉識別技術方面主要是采用了傳統方式和深度學習相結合的兩種途徑進行算法實現，優圖的人臉識別流程圖如圖1所示。

本系統采用優圖提供的人臉檢測接口、五官定位接口和人臉對比接口進行圖片的分析處理，下面將詳細介紹幾種接口的使用方法。

5研究成果

5.1圖片庫

5.1.1基本信息查看

在系統生成的所有圖片中，圖片庫的功能就是整理圖片信息，以便更好地觀看圖片資源。教師可以以考試、班級、個人為單位查看所包含的圖片信息，這里面不僅分頁列出了所有的圖片信息，而且還單獨列出了每張圖片采集后的基本信息，如圖片名稱、采集時間等，也列出了人臉檢測的基本信息，如微笑程度、魅力、年輪等臉部屬性信息，以供教師可以很清晰的瀏覽。

5.1.2人臉檢測和五官定位信息采集

由瀏覽器上傳圖片后，系統默認對所有圖片是沒有做任何操作的，還需要教師角色手動對圖片進行信息的采集工作，因此圖片庫頁面提供了人臉檢測和五官定位的信息采集功能，可以對圖片進行批量采集工作，將解析數據錄入數據庫。

5.2采集成功率

采集成功率主要是系統針對所有圖片的采集情況做一個匯總，這里包含了人臉檢測信息、五官定位信息、人臉對照信息的匯總。主要包括采集成功率、采集失敗率以及未采集占比情況。采集成功的標準圖片傳送到優圖服務器后能夠返回正確的圖片數據信息，采集失敗率則是包括優圖解析圖片失敗，返回了錯誤的信息或者因網絡問題在傳輸過程中丟失了數據信息而造成的錯誤數據，未采集圖片則就是指系統還沒有對圖片做任何采集工作，采集成功率效果如圖2所示。

5.3面部表情分析

面部表情分析主要是提取出人臉屬性中的表情，獲取到面部微笑程度，系統為其劃分區間，主要按照10為臨界點分為：“黯然傷神”，“半嗔半喜”，“似笑非笑”，“笑逐顏開”，“莞爾一笑”，“喜上眉梢”，“眉開眼笑”，“笑盡妖嬈”，“心花怒放”，“一笑傾城”一共10個等級，然后提取出每個區間的占比率。后臺統計標準為將圖片請求到優圖的人間檢測接口，利用返回的Ex-pression字段值做一個統計，可以很方便地統計出學生在某個時間段的表情分布情況，面部表情分析效果圖如圖3所示。

5.4眼鏡分析

眼鏡分析功能主要適用于以考試、班級為單位的分析，統計出戴眼鏡、墨鏡以及未戴眼鏡的比例情況，統計出學生的眼鏡近視程度分布情況，后臺統計標準主要是將圖片請求到優圖的人臉檢測接口，利用返回的Glasses字段值做一個統計，分析效果圖如圖4所示。

5.5面部表情走勢分析

面部表情走勢分析主要是針對個人進行分析，還原出該學生在考試過程中的面部表情走勢，用折線圖展現出來。此功能區別于上面的表情分布功能，表情走勢分析可以清楚地了解到學生在那一時段的變化情況，利用此功能可以設置到如下兩個時間段：學生剛剛拿到題庫的時候和學生交卷得到成績的時候。在這兩個比較特殊的時間段，可以拿到學生諸多有效的信息，如學生剛剛拿到考題時候的那個時間段，臉部呈現出來的表情和他心理的是否匹配，與他心理的期望值是多少等，同理在學生交卷得到成績的時刻都可以做相同的數據統計，這樣教師可以根據大部分學生的情況可以了解到考題出的難易程度是否合適，學生對成績的滿意程度等做出相應的教學整改工作。

5.6轉向情況分析

轉向情況分析主要是將學生在考試過程中的偏移情況用折線圖展現出來，系統主要將學生的位置分布在左、中、右三個位置，左邊和右邊又分為兩個臨界值，分析出學生的轉向情況，如偶爾處于臨界值則屬于正常情況，長期處于臨界值則屬于有問題，通過這樣的統計可以得出學生在考試過程中的一個臉部位置分布大致情況，轉向情況走勢分析圖如圖6所示。系統在后臺的統計規則是取出圖片中人臉的鼻子的x坐標值進行統計，可以進行某一段時間的集中分析，也可以對全部時間的情況分析，通過條形圖可以很清楚地看到學生的具體轉向情況，如處于某一個臨界值位置是否過于密集等情況。

6總結

本系統基于Java語言技術，采用SSM框架，使用人臉檢測與分析以及人臉驗證等技術對學生上機學習或者考試過程中的人臉信息進行采集分析，對解析的圖片數據進行可視化呈現。本系統將人臉識別共劃分為四個部分，分別是表情分析（劃分為10個維度）、表情走勢分析、轉向分析（左、中、右偏離度數）基于人臉識別對機考平臺學生面部信息的收集分析，可以幫助老師了解學生對于該堂考試的具體情況、具有針對性的改善本學科的教學任務以及進一步完善機考設施制度。