1 基于人脸识别的高校考勤系统的现状

虽然随着信息化2.0 的推进，越来越多的高校将传统的人工、校园一卡通刷卡的教室考勤方式，逐步改成了各种信息化平台手机APP，但这些方法过于依赖手机，对于公共大课的考勤，还是给想旷课的学生制造了作弊的机会。也有一些高校为了防止学生旷课利用指纹打卡现场考勤，但遇到2020年这种疫情的情况，指纹考勤是万万不可取的。所以，高校课堂考勤系统的人脸识别将在一定程度上解决这些弊端。借助于现代信息技术，人脸识别技术作为一种手段，任课教师通过随用上课电脑随时随地了解学生的出勤情况。

高校考勤系统以人脸识别技术为基础，分为人脸数据采集、身份识别和数据记录三部分。脸部数据采集的前提是脸部识别，即在获取了脸部数据之后，识别出图像中的人脸部分，然后进行数据采集。人脸识别是一项涉及图形构造、计算机图像处理、人体生理学、模式识别和认知科学等领域与技术的综合技术，是一项关键技术。本系统的难点在于人脸信息采集的准确性和身份识别的可靠性。脸部对比是一种比较常用的方法，通过在脸部库中对检测到的人脸进行目标搜索，从而获得对比结果。其关键在于采用合适的面部表征模式与匹配方法，使系统的结构与面部表征特征紧密相关。本系统采用基于BSD 许可的跨平台计算机视觉库OpenCV 和GPLv3 许可的机器学习库dlib，通过训练深度神经网络模型实现人脸的探测和身份识别。

2 基于人脸识别技术的学校教学考勤系统的框架

以脸部识别技术为基础的学校考勤系统是一种嵌入式系统，它的内部结构主要分为硬件和软件两大部分，硬件主要包括可编程逻辑器、存储器、嵌入式微处理器、接口插件和外部扩展设备；软件主要包括应用程序和操作系统两大部分。本系统主要包括人脸采集、人脸图像定位检测、人脸图像预处理、人脸特征提取、人脸图像检查和身份验证六个步骤。针对人脸图像的采集，首先要求学生站在系统摄像机前对人脸图像进行采集，并将采集到的人脸图像存储在数据库中；在人脸定位检测时，需要根据静态图像中人脸的存在与否作出相应的判断，在静态图像中对人脸进行检测时，系统会给出人脸图像所具有的坐标位置和面积大小，并通过跟踪技术实时输出人脸的位置和面积等信息。提出了一种基于图像中值滤波、边缘提取、二值化、灰度变化、边缘检测、灰度处理、图像光线补偿和图像二值化的人脸图像预处理方法，即中值滤波、边缘提取、灰度处理、图像光线补偿和图像二值化，并将其应用于人脸图像的预处理。当人脸特征点被提取时，为了确定特征点是否具有显著性，需要对图像中的人脸特征进行检测和标定，从而确定特征点所在的坐标位置。当对人脸图像进行对比分析时，通过计算检测出的人脸图像与数据库中存储的人脸图像之间的相似度并进行排序，确定所检测出的人脸图像的身份信息。当人脸图像的身份信息得到确认后，系统数据库中存储的人脸图像都具有相应的身份信息，系统只需要对检测到的人脸图像进行对比，找到数据库中的原型图像，就可以判断出人脸图像的身份信息。

3 基于人脸识别高校考勤系统的分析

该系统主要实现两个功能：人脸识别和考勤管理。脸部识别包括脸部检测、特征提取和分类比较。脸部检测是通过摄像机对脸部进行检测并捕获图像，脸部特征提取是在脸部检测的基础上，通过特征系数的提取完成脸部识别，脸部比对是在脸部检测和特征提取的基础上，通过与库里人像进行比对完成脸部识别。出勤管理模块主要包括系统登录模块，由于系统登录的主要对象是学生、辅导员、教师等，因此需要对教师、学生、教务员的信息进行管理，最后的出勤查询模块通过查询相关的出勤信息，为教学管理和学生评价提供合理、准确的参考。

3.1 人脸识别技术原理分析

人脸识别是一项生物鉴定技术。与其他识别技术相比，人脸识别技术具有应用广泛、误警率低、方便快捷、性能稳定、直观易操作等优点。人脸的图像信息由摄像机等设备采集和处理。基于获得的图像信息，人脸检测和定位，确定每个人脸的位置和大小，确定每个人脸器官的关键点信息。紧接着要确定人脸图像是否存在，如果存在，则利用该算法分析人脸，提取人脸特征信息；脸部识别是通过比较脸部图像信息与已知脸部信息，来识别每个脸部。