采集器的自动识别算法(传统的课堂点名方法效率低下，可一次识别多个人脸)

　　采集器的自动识别算法(传统的课堂点名方法效率低下，可一次识别多个人脸)

　　姜宏政、唐骏、黄健、向铎、杨悦、王志成

　　(长江大学地球科学学院, 湖北 武汉 430100）

　　摘要：传统的课堂点名方式效率低下，浪费大量时间。提出了一种基于人脸识别的课堂点名系统，大大提高了课堂点名效率。系统提供图像和*敏*感*词*识别点名功能，可一次识别多张人脸。同时，系统还为系统难以识别的学生提供人工签到。系统采用OpenCV人脸识别开源库作为算法部分，采用Qt和C++实现界面交互。

　　关键词：人脸识别；OpenCV；点名系统

　　0 前言

　　人脸识别技术是利用计算机根据人的面部特征对人脸图像进行分析，提取其中收录的有效身份特征信息来识别人身份的技术[1]。该系统结合校园需求，将人脸识别应用于课堂点名。

　　1系统设计背景

　　在高校教学和学生工作管理过程中，班级点名是一项重要的内容。但传统点名方式效率太低，教师工作量大、时间长，且传统点名方式记录的数据不易使用。随着科技的进步，人脸识别已经走进了日常生活。学校已经开始出现人脸考勤机，但考勤机点名还是单一识别，效率仍然不高。本系统利用人脸识别技术开发了课堂点名系统，可同时识别多张人脸，大大提高了点名效率。

　　2 系统设计关键技术

　　2.1 基于AdaBoost的人脸检测

　　AdaBoost 算法通过训练大量图像获得弱分类器。这些弱分类器按照一定的原则组合起来形成一个强分类器，然后多个强分类器级联形成一个多层分类器。的某个区域可以通过这个多层分类器，判断这个区域是人脸[2]。2001年，VIOLA和JONES MJ进一步修改AdaBoost，利用积分图减少计算量，快速计算出Haar-like特征值[3]。VIOLA P的算法在人脸检测方面取得了突破性进展，广泛应用于人脸识别。本系统采用VIOLA P算法实现人脸检测部分。

　　2.2 基于EigenFace的人脸识别

　　EigenFace方法是一种基于主成分分析（PAC）的人脸识别技术，识别率高，识别速度快。eigenface 方法将收录人脸的图像区域视为一个随机向量，并使用 KL 变换（Karhunen Loeve 展开）获得其正交基。由于较大的特征值对应的基具有与人脸相似的形状，故称为特征脸“EigenFace”[4]。该系统可以实时检测人脸并进行比较和识别。考虑到性能，选择EigenFace方法作为识别算法。EigenFace 的人脸识别由两部分组成：训练部分和识别部分。训练部分是提取人脸图像的特征并将其存储在训练样本文件中。在识别人脸时，首先对输入的待检测人脸进行特征分析，然后与样本中的人脸进行匹配。如果得到的相似度大于某个预设阈值，则认为该人脸与样本中的人脸匹配，判定该用户为“合法”用户；反之，如果得到的相似度小于阈值，则认为该人脸是“非法”用户[5]。人脸识别流程图如图1所示。合法”用户；反之，如果得到的相似度小于阈值，则认为该人脸是“非法”用户[5]。人脸识别流程图如图1所示。合法”用户；反之，如果得到的相似度小于阈值，则认为该人脸是“非法”用户[5]。人脸识别流程图如图1所示。

　　3 系统需求分析与设计

　　3.1 系统需求分析

　　分析点名系统的业务流程，调查课堂教师的意见，规划系统的功能需求。系统主要分为两大功能模块，一是图像处理算法模块，二是点名系统管理模块。图像处理算法模块包括人脸预处理、人脸检测、人脸识别、人脸采集模块；点名系统管理模块包括信息录入、信息查询和信息管理模块。

　　3.2系统设计

　　系统设计包括系统框架设计、主要功能模块设计和数据库设计。

　　3.3 系统框架设计

　　图像处理算法模块用于学生的人脸采集，对采集后的人脸进行预处理，对处理后的人脸进行训练得到一个样本文件，该文件记录了学生的人脸特征。系统在识别过程中加载样本文件以识别学生的面孔。点名系统管理模块主要负责人员信息和点名信息的查询和管理。系统框图如图2所示。

　　3.4 主要功能模块设计

　　3.4.1人脸采集模块

　　face采集模块用于人脸识别过程中的样本文件和人脸提取。检测到人脸区域后，对该区域内的人脸进行预处理，保存为图片供训练使用。本模块设计了两种采集模式：一种是图像人脸采集，从学生的照片中提取人脸；另一个是相机人脸采集，其中学生在相机前，算法提取视频帧中的人脸。采取这两种方法为face采集提供了方便。同学们可以把自己拍的照片提供给管理员做人脸采集。采集 之后的人脸将保存在以学生 ID 命名的文件夹中。脸部采集的部分如图3所示。

　　3.4.2 人脸识别模块

　　人脸识别时，程序首先加载训练好的样本文件，将人脸与训练文件进行匹配，当置信度大于一定阈值时，返回与人脸匹配的学生ID。人脸识别模块还设计了两种模式，一种是图像人脸识别，一种是相机人脸识别。这种设计的目的是为识别提供多样化。在算法上，该系统使用 OpenCV [6] 中的局部二进制模式 (LBP) 算法。

　　3.4.3 点名模块

　　在点名过程中，一般的方法是将识别过程中返回的学生ID与数据库进行匹配，得到*敏*感*词*。但该方法效率低，识别过程中需要频繁访问数据库，降低了点名速度。本系统采用哈希表，在点名时将学生的学生ID和姓名预加载到哈希表中，识别过程中只需要访问哈希表，大大提高了点名的效率和速度。

　　3.5 数据库设计

　　数据库设计的主要表包括管理员表、*敏*感*词*表、课程信息表、学生选课表、教师信息表、班级出勤表、学生出勤表、学生缺勤记录表。ER 模型图如图 4 所示。

　　4 系统实现

　　4.1 系统运行开发环境

　　系统采用Qt5.5作为开发平台，数据库采用MySQL5.5，人脸识别模块调用OpenCV函数库，系统开发环境为Windows 7 64位操作系统系统。

　　4.2系统接口

　　系统包括人脸检测、人脸点名、人数统计、人脸采集、信息查询等功能。系统界面如图5所示。

　　4.3 点名模块

　　人脸识别完成后，会显示已登录和未登录的学生，供老师确认。发现无法识别的同学可以点击删除按钮，从未登录过的学生会自动加入到登录列表中。确认课程班级无误后，点击提交，点名完成。点名界面图如图6所示。

　　5 结论

　　基于人脸识别的课堂点名系统采用OpenCV和Qt、C++编程技术实现。界面友好，操作简单，点名快捷，大大提高了课堂点名效率，也使得人脸识别技术得到更广泛的应用，对促进学校和新技术的发展具有积极意义。

　　参考

　　[1] 文成玉, 金鑫, 董亮, 等. 基于人脸识别的应用登录助手设计[J]. 微机及应用, 2014, 33(12):9699.

　　[2] 王竹君．基于人脸检测的移动点名系统研究与实现［D］. 昆明：云南大学，2014.

　　［3］ VIOLA P, JONES M J. 鲁棒实时人脸检测［J］. 国际计算机视觉杂志,2004,57(2):137154.

　　［4］ 齐立成．基于人脸识别的考勤系统设计与实现［D］. 西安：西安电子科技大学，2012.

　　[5] 何荣. 基于OpenCV的人脸识别系统设计[D]. 广州：华南理工大学，2013.

　　[6] 张慧娟．基于人脸识别的考勤系统设计与实现［D］. 武汉：华中科技大学，2011.