基于動態人臉識別的智慧班牌系統的設計與實現＊

廈門華廈學院 洪小堅 陳志聰

智慧班牌是教育信息化和“互聯網+”、物聯網深度融合的信息終端之一，能夠呈現和采集數據信息，硬件部分主要以耗電少、功能強的Advanced RISC Machines微處理器為核心，進行數據存儲模塊、串口WiFi模塊、通訊模塊、液晶顯示觸摸模塊的拓展，使用基于USB Video Class協議的通用USB攝像頭采集人臉圖像。通過智慧班牌在智慧校園信息云平臺中的應用，能夠呈現豐富多彩的校園特色和班級文化數據，為學生、老師和家長架設溝通、互動媒介，打通智慧校園應用管理平臺通道，促進班級、師生間形成“VR+”社區，真正發揮出智慧校園生態教育優勢。為促使智慧校園在上課簽到、考勤打卡和信息查詢、信息發布等環節上，生成“數字化”“智慧化”“人性化”屬性，文章基于動態人臉識別技術設計與實現智慧班牌系統，經測試，該系統不需要識別對象停駐等待，只需要識別對象出現在一定的識別范圍內，能夠自動識別和實現1s內抓拍和采集信息，動態人臉識別的準確率可達98.6%。

伴隨教育信息化2.0行動計劃的發布，信息云平臺全面運用計算機、多媒體、大數據、人工智能和現代信息技術等手段，布局教育教學信息化，大量智能終端應用在智慧校園建設過程中[1]。利用動態人臉識別手段實現高效實時的管理已經成為人工智能新發展方向，設計智能化識別系統代替人工操作已經成為必然趨勢[2]。本設計依托卷積神經網絡、DBN和堆棧自編碼網絡模型等進行深度學習，基于動態人臉識別技術，集成動態人臉識別算法，設計和實現智慧班牌系統的搭建，快速核實身份、上傳識別結果、統一處理采集數據，全流程功能自動化。

1 基于動態人臉識別的智慧班牌系統架構

智慧班牌系統是智慧校園2.0總體架構中，教育信息化標準體系智慧教學環境中的關鍵組成一環，主要由智慧班牌管理軟件和Android投射式電容10點觸摸屏幕共同組成，支持手寫及多點手勢，觸摸速度小于3ms，精確度高且易于維護。管理軟件與智慧校園網絡核心機房服務器連接，通過PDP顯示器、LCD顯示器、液晶電視（Liquid Crystal TV）、LED顯示屏、DLP大屏拼接（Digital Light Procession）等，與播放終端硬件配合，接受管理軟件所發布的播放內容并存儲在本地，顯示到所連接的顯示設備上，如圖1所示。基于動態人臉識別的智慧班牌系統采用Web Browser/Server網絡結構模式，統一客戶端，將系統功能實現的核心部分主要集中在服務器上，瀏覽器通過Web Server與數據庫交互數據，成功登錄后，即可完成管理、排列、審核、發布等重要功能，可以通過攝像頭進行上課簽到、數據統計，也可以進行身份驗證，生成考試信息等[3]。

圖1 基于動態人臉識別的智慧班牌系統架構Fig.1 Intelligent class card system architecture based on dynamic face recognition

2 基于動態人臉識別的智慧班牌系統硬件設計

智慧班牌系統硬件部分主要以Advanced RISC Machines微處理器為核心，硬件電路針對拓展模塊的接口進行電路設計。為完成該系統的指定功能，進行數據存儲模塊、串口WiFi模塊、通訊模塊、液晶顯示觸摸模塊的拓展，使用基于USB Video Class協議的通用USB攝像頭采集人臉圖像。對于Advanced RISC Machines微處理器，選取三星S5P6818核心板（ARM八核Cortex-A53架構）提供通用外設接口，主頻1.4GHz，不需要進行外圍器件的擴充，功耗較低、簡單方便，支持Android系統，通過全靜態設計契合系統運行需求。三星S5P6818核心板可擴展性較強，多達184PIN管腳，PCB采取8層沉金工藝，電氣特性和抗干擾特性穩定可靠，同時，該核心板板載PMU，能夠在系統控制過程中進行科學的充電管理。在片上資源中，三星S5P6818核心板集成LCD顯示器專用的LCD顯示控制器，同時包含3路串口通信，2路高速、全雙工、同步串行外設接口，PHLIPS IIC總線接口，4路DMA Controller，依靠三星S5P6818核心板能夠較為便捷地添加人機交互模塊、通訊模塊，滿足本次系統設計和實現的需求。為便于上課簽到成功，采用分辨率1920×1080的高清屏幕作為人機交互界面，同時在本地數據庫保存相關數據，在系統通用性上，使用基于USB Video Class協議的通用USB攝像頭采集人臉圖像[4]。

3 基于動態人臉識別的智慧班牌系統軟件設計

3.1 操作系統定制與應用軟件開發

Android系統基于Linux內核的自由及開放源代碼的操作系統，主要由Linux內核、DLL形式的運行庫、虛擬機共同組成。本次系統的軟件設計通過嵌入Android系統完成系統軟件設計與實現，由操作系統定制與應用軟件開發構成系統軟件開發，系統軟件設計過程中使用基于USB Video Class協議的通用USB攝像頭獲取人臉圖像，在操作層集成支持USB Video Class協議的USB攝像頭驅動程序，主要目的在于提升攝像頭的使用穩定程度。在操作系統定制過程中提取Android NDK工具鏈，封裝Linux內核內的驅動程序，生成JNIEnv接口供Android系統的應用層進行調用。

嵌入Android系統的智慧班牌系統軟件開發主要通過建立基于Linux內核的應用軟件環境、移植Linux內核、建立Linux文件系統、移植Android系統和開發系統應用程序幾個步驟完成。基于Linux內核的應用軟件環境是一種交叉開發環境，在運行過程中，應用軟件的環境一般采取宿主-目標的模式完成交叉編譯，這樣的環境便于Linux內核進行開發和調試。Linux內核在移植過程中，需要根據系統硬件情況進行定制處理，在滿足系統需求的前提下占據最小規模硬件資源。建立Linux文件系統需要將交叉編譯完成的Linux內核文件與NFS網絡文件，燒寫到開發板，促使Linux獨立啟動并成功運行。在移植Android系統和開發系統應用程序時，需要在Linux操作系統中的Ubuntu16.04完成編譯，完成后燒錄至開發板，隨機完成應用軟件的調整和測試[5]。

3.2 基于動態人臉識別的技術模型訓練

本設計依托卷積神經網絡、DBN（深度置信網絡）和堆棧自編碼網絡模型等進行深度學習，基于動態人臉識別技術，集成動態人臉識別算法，輔助圖像處理（Image Processing）算法，設計和實現智慧班牌系統的搭建，提取生物面部特征點，通過匹配特征值判定所采集的數據信息，繼而快速核實身份、上傳識別結果、統一處理采集數據，全流程功能自動化。基于動態人臉識別的技術模型訓練所使用的算法主要涉及到人臉檢測和人臉識別。人臉檢測是人臉識別的預處理，本次系統的設計和實現主要依從數字圖像處理的積分圖、級聯多層檢測器、Ada Boost迭代算法的人臉檢測方法，通過數字圖像處理的積分圖計算所采集的生物面部特征點，使用Ada Boost迭代算法進行生物面部特征點集中篩分，最后通過級聯多層檢測器完成生物面部圖像檢索[6]。

本次系統的設計和實現采用Visual Geometry Group Net深層卷積神經網絡結構，針對生物面部特征數據進行訓練，通過提取生物面部特征數據信息，進行訓練后的測試。在訓練過程中，采取深層卷積神經網絡結構中的卷積流實施操作，采用稀疏權重、權值共享連接神經元。利用濾波器對標準化的生物面部數據進行處理，經過處理后，得到帶有特征點的數據，應用這部分數據做減采集操作，通過交替分布卷積和減采集進行連接，若干層厚得到卷積神經網絡特征映射圖，本次系統設計中用于提升神經網絡表征能力的激活函數（Activation Function），采取Re LU（修正線性單元），需要針對所采集的生物面部特征信息將高維數據轉化為低維數據，主要目的在于減小數據運算量，確定參數。在測試過程中，需要進行圖像預處理，確定好參數后進行生物面部特征點提取，實施數據降維后進行分類匹配并完成人臉識別，驗證身份。在人臉識別模型訓練過程中使用學習算法接口執行學習算法框架，訓練后的模型能夠在異構系統中進行快速移植。

3.3 系統軟件設計

系統軟件需要通過不同的算法執行不同模塊的功能。針對信息顯示模塊，當智慧班牌待機，人臉識別終端的人臉識別顯示屏幕始終處于關閉狀態，攝像頭處于未被成功出發狀態，觸控顯示器始終顯示的是班牌的默認界面。針對考勤模塊，當智慧班牌定義為考勤狀態時，點擊攝像頭，程序對系統硬件完成初始化操作，使用攝像頭驅動采集圖像數據信息，學生需要根據課程表進行打卡，采集人臉檢測信息，觸控顯示器和攝像頭通過運動檢測被成功激活，啟動人臉識別顯示屏幕，成功檢測到攝像頭捕捉到的人臉面部數據，識別后反饋實時時間和信息至考勤模塊。針對一卡通模塊，學生通過向系統進行充值激活該功能模塊，當智慧班牌功能定義為一卡通功能模塊時，需要準確輸入充值金額，學生需要通過人臉識別進行準確的時間、金額信息反饋、記錄或扣費。針對信息查詢模塊，一旦智慧班牌的功能被定義為查詢模塊時，需要在人臉識別終端進行人臉識別操作，計入程序后通過向服務器發出請求，收到返回的數據，解析并將數據放置在對應的控件中，模塊根據數據信息自動進入信息查詢和操作界面，隨機進行及時的查詢操作。

4 基于動態人臉識別的智慧班牌系統測試

系統在進行開發設計后，需要經過一系列精準的系統測試，查看測試效果。在促使過程中，分別針對信息顯示界面、考勤界面、一卡通界面、信息查詢界面進行測試。打開軟件后，在1s內能夠實現信息顯示界面的信息顯示，考勤界面能夠在2s內完成考勤處理，考勤結果與考勤同步進行更新，智慧班牌表現出較為穩定的顯示性能，顯示屏幕能夠連續工作12h以上，基于USB Video Class協議的通用USB攝像頭在不存在故障的前提下，能夠連續工作超過60h，可以滿足基于動態人臉識別的智慧班牌系統的測試需求。經測試，該系統不需要識別對象停駐等待，只需要識別對象出現在一定的識別范圍內，能夠自動識別和實現1s內抓拍和采集信息，動態人臉識別的準確率可達98.6%。

5 結語

人臉識別是現階段識別領域的前沿課題，主要利用計算機技術和數據庫的人臉圖像進行有效信息的識別和分析，繼而辨認身份。該系統通過嵌入Android系統，依托卷積神經網絡、DBN和堆棧自編碼網絡模型等進行深度學習，基于動態人臉識別技術，集成動態人臉識別算法，設計和實現智慧班牌系統的搭建，能夠實現信息顯示、考勤、一卡通、信息查詢功能，屏幕界面清晰美觀、數據統計準確，系統性能可靠、穩健、易用、可移植。

引用

[1]王繼超,張麗娟,尤田,等.人臉識別的智能防疫系統設計[J].河北水利電力學院學報,2021,31(4):55-59.

[2]黃明明,黃全振,孫清原.基于模糊推理的智能家居安防系統設計[J].河南工程學院學報(自然科學版),2019,31(4):54-58.

[3]李佩,汪紅娟,李業麗,等.基于AdaBoost人臉檢測算法的分析研究[J].北京印刷學院學報,2020,28(1):128-132.

[4]鐘娟,馬開聰.基于安卓及云服務平臺的考勤管理系統[J].湖北工程學院學報,2021,41(6):77-84.

[5]張學鋒,王子琦,湯亞玲.基于YOLO-CDF神經網絡的安全帽檢測[J].重慶工商大學學報(自然科學版),2022,39(4):32-41.

[6]陳拓,邢帥,楊文武,等.融合時空域特征的人臉表情識別[J].中國圖象圖形學報,2022,27(7):2185-2198.