人脸识别学生管理系统设计

人脸识别学生管理系统设计1.人脸识别治理的优劣势分析

人脸识别技术是通过生物特征进展识别的技术，通过识别每个人的脸部特征，将采集的图像与系统的图像库信息进展比对，实现识别的目的。其有3个优点，一是非接触性，被考勤人员不需要和相关设备直接接触，而指纹采集和一卡通刷卡则必需接触设备；二是非强制性，只要消失在人脸采集的特定区域时，设备便会主动采集信息；三是并发性，若在特定区域同时消失多人时，可以将全部人脸信息记录。人脸识别技术也有缺点，一是简单受到光线环境的影响，若光线过强或严峻缺乏都会影响人脸信息的采集；二是易受到头发、饰物遮挡的影响，有可能造成采集人像的不完整，导致比对信息失败。这些确定会在肯定程度上影响数据采集的精确性，会造成比对结果的推断不精确，但随着人脸识别技术算法的不断更新，准确度也会得以提升。

2.人脸识别的关键技术

1）人脸关键点检测

人脸关键点检测是在人脸检测的根底上，自动确定人脸各关键点的位置，如眼角、瞳孔、鼻尖、嘴角等。不能无视了初始状态对关键点检测的影响。采纳基于深度初始化网络的人脸关键点检测算法，能够有效克制初始位置、人脸姿势、表情等因素对关键点检测精度的影响，从而得到人脸各关键点的精确位置。

2）人脸纹理正规化

将不同光照、姿势或表情的人脸，复原至良好光照、正面和无表情的人脸，减小待匹配人脸图片与信息库中人脸图片的差异，从而降低特征提取和识别的难度。在光照严峻缺乏或太过剧烈、角度过大、表情夸大的状况下，假如强行转变光照强度、旋转至正面人脸、复原至正常表情，必定会引入大量“非自然”信息，使得正规化的人脸产生畸变、扭曲和纹理缺失。这样不仅不会对人脸识别产生帮忙，反而会降低其性能。可以借鉴人脸合成和生成对抗网络的方法，通过初始数据库的搭建、纹理正规化网络的构建以及网络的融合训练，实现一个端到端的、由数据驱动的纹理正规化网络和特征识别网络。它能够在提取深度特征的过程中，自适应地依据人脸识别的任务对人脸的纹理进展光照、姿势和表情的正规化，从而到达提高人脸识别性能的目的。

3）人脸特征提取

基于深层卷积神经网络，通过融合人脸多尺度特征信息，猎取高层语义特征表达，提升人脸特征的区分性。促使同一个人的人脸特征表达具有更高的相像性，不同人脸的特征表达相像度更低。

4）人脸特征比对

针对人脸识别中常常遇见的跨场景人脸识别问题，如待验证照片与现场照片非同源、年龄跨度大、辨别率和角度差异明显等问题，实行自适应学习方法。通过算法缩小不同场景图像之间的数据分布差异，将不同场景的人脸图像映射到同一个具有更好表达力量的特征空间进展比拟，从而保证同一个人的人脸特征表达具有更高的相像性分数，不同人脸的特征相像性分数更低。

3.人脸识别治理系统的功能模块

1）根底数据的猎取

初始化数据是整个系统运行的根底，可以将学生的根本信息整体导入系统，特殊是身份证的完整信息，包含证件照。给学生治理人员开放权限，可供查询、修改、删除数据等维护功能。根本信息中构造和属性字段比拟简洁的局部直接导入，对于哪个时间段是正常签到、迟到、早退、旷课、晚归等，需要进展单独标明。同时也需要将人脸识别设备和教室信息进展绑定，条件允许的状况下，各教室配备一台识别设备。若本钱过高，则可考虑每层楼配备一台设备，将每层楼的教室信息与设备绑定。

2）教务系统的接入

考勤数据是基于每学期的课程安排和作息时间安排，在此之上增加学生的出勤状态。通过教务系统的接入，直接猎取班级的排课状况，并将作息时间安排一并导入，则可通过数据的对接，实现考勤状况的记录。

3）识别数据日志

数据日志用于记录学生到教师或者宿舍楼的时间点，与根底数据中的导入的身份证照片、学号、班级等信息建立对应关系。因此，当人脸识别设备识别到信息是，便会登记采集数据的时间，通过与根底数据库的信息之间的绑定关系，记录下采集数据时的图像、学号、日期、时间、识别设备、教室等信息。

4）签到记录的导出

依据根底数据和识别数据日志，结合考勤的相关规章，便可通过后台数据直接导出出勤、晚归等状态，向教务部门、辅导员、教室供应直观的考勤状态数据。随着信息化的进展快速，人脸识