论人脸识别在高校智慧校园管理中应用
前言：本站为你精心整理了论人脸识别在高校智慧校园管理中应用范文，希望能为你的创作提供参考价值，我们的客服老师可以帮助你提供个性化的参考范文，欢迎咨询。
摘要：本文以某高校（以下简称某校）为例，针对目前高校的智能化管理需求，利用当前先进成熟的人脸识别技术整合某校现有的信息资源对图书馆、学生公寓等正在推行一套人脸智能化的整体建设系统，推动某校由数字校园向智慧校园的转型。该系统主要用于人脸考勤、身份认证、闸机通行、图书借阅及校园安防等方面。实践表明，人脸识别技术使得师生生活、学习更加安全、便捷和高效。人脸识别在助力某校管理工作过程中确有成效，但是，其在实际落地应用场景中还存在诸多问题，需要进一步对技术进行优化和改进。
关键词：人脸识别；智慧校园；高校管理；优化
1引言
近几年，在快速发展的互联网、大数据、深度学习及人工智能（AI）等信息技术的推动下，促进了计算机视觉领域的日益成熟[1]。其中，由于人脸识别具有唯一性、非接触性、可扩展性，而且识别速度快、验证准确率高，具有良好的用户体验等特点。因此，这项技术被广泛地应用于安防、公安、金融、医学、教育等领域。由于高校生源规模不断扩大，人员背景复杂及校园社会化功能繁多，迫切需要高效便捷且人性化的管理模式来提高管理效率。高校利用大数据和人脸识别技术实现对校内人员的行为数据分析和建模，为学校对学生的安全管理、教学分析等提供基础数据支撑。人脸识别技术覆盖校园，能够实现快速响应、高效协同的智能应用。
智慧校园是指以物联网为基础结合网络、云计算等技术，对教学科研、校园生活和管理的数据进行采集和分析处理，为管理者和教职工提供高效智能的数据支撑、教学和学习一体化的服务环境。使校园网成为师生生活和学习的交互平台，可以通过信息的大数据分析，从而实现信息互联互通的全程闭环管理模式。
2.1系统业务整体设计
本次建设结合某校实际情况将人脸库与学校现有的各个业务系统间相互融合，人脸识别系统通过前端部署的人脸抓拍摄像机，将实时采集的人脸数据通过专用网络上传到后端部署的人脸识别管理服务器，同时，对接需要关注的特定人员底库，进行特定人员的动态比对，分析报警应用。第三方系统对接即与其他应用系统实现API接口互通，以构建更强大的系统应用平台，实现更多的功能应用。
2.2人脸识别系统与安全
2.2.1人脸识别系统
人脸识别系统主要由人脸采集及预处理、人脸检测及特征提取、人脸识别等构成。其中，人脸检测包括静态和动态的过程，是前端检测系统采用神经网络检测人脸的位置信息及提取人脸关键点的特征，然后数据处理系统接收前端系统提取的人脸特征与人脸库进行识别比对并将结果反馈给前端系统。人脸识别表现为特征信息比对，设置特征相似度阈值，确定比对结果。其中的识别比对计算是提高人脸识别速度与精度的关键。目前，人脸检测和人脸识别的技术的主流方法都是基于深度学习和神经网络的方法[2-3]，具有高精度人脸识别效能，秒级反应速度。而且，人脸特征提取在保证算法效果的前提下，可以将模型及运算优化到终端，实现人脸在终端就能够进行智能化比对。人脸库系统支持多种方式采集并进行身份认证验证，通过审核后方可录入校人脸库，并用于人员信息库管理即基本数据源（人脸库）的建设。
2.2.2人脸识别技术信息安全
与“人脸”相关的生物信息安全问题近期被大众所质疑，有相关的统计及调研数据也给这项逐步成熟的技术带来了一些的负面效应。人脸识别系统的产品安全性及人脸信息的采集、存储、传输等各个环节都要加强信息安全技术支持，信息安全是人脸识别系统建设中着重要考虑的问题。在产品安全策略方面，系统采用基于双目近红外人脸识别和RGB摄像头的活体检测算法，防止冒用照片、视频及3D合成人脸等，并采用高精度人脸识别比对引擎提高人脸识别能力。在人脸识别应用场景中，为了保护用户的隐私和人脸数据的安全，平台通过人脸脱敏算法将原始的RGB图像经过人脸检测和区域特征提取并建模加密为人脸特征值，以及经过多次信号处理和非线性处理输出图片信息，这个过程是不可逆的，提高了人脸数据使用效率和数据安全，最大限度保护了信息存储的安全性。系统是由多个单元组成的，各单元需要用户认证才可以进入。权限设置采用多层次，高加密技术，以求保证系统各单元安全运行。面对使用人脸识别技术的背后带来的诸多信息安全问题，在使用过程中可以通过一些方式提高我们的信息安全防控，有效地规避风险，维护数据使用安全，做好防范措施继续前行。从而实现从“一卡通”过渡到“一脸通”的转型，只有这样才能使人脸识别技术有可持续发展的根本，简化原本烦琐的管理程序，使校园管理工作更加安全和高效。
3人脸识别在某校管理中的应用
人脸识别技术已经在智慧校园管理系统中承担了非常重要的角色，以此技术为纽带，链接整合了全校各个部门各种的数字信息资源，已经在学校管理中起到了愈来愈重要的作用。当前其主要应用如下所述。
3.1门禁或考勤管理
将人脸识别用于图书馆、学生公寓等门禁管理系统能有效区分有权限的师生身份，防止校外人员进入学生公寓或校内人员进入权限范围外的区域，对异常情况给予及时的预警处理。同时，闸机具有刷脸+刷卡（备用）识别功能，闸机使用摆闸，在紧急情况下可强行通过，在断电后，会自动打开摆门。并且在宿舍管理值班室安装了一键开关按钮，避免了消防隐患。对维护学生的人身及财产安全提供了更多的保障。同时能对人员进出进行监管或考勤管理，能够完整地、准确地记录师生的出入动态。
3.2学生公寓管理
系统完成与数据中心库和宿舍管理系统的对接，实现宿舍的自动同步入住信息、调宿（包括对调）、退宿等功能，同时，通道配置了反潜回功能（即“进出”成对）。系统支持查询记录（考勤记录、连续多日异常、多次晚归、实时归寝状态、异常行为核查、独居寝室查询等）及记录数据的导出功能，对异常行为（尾随、翻越、逆向闯入、陌生人等）报警上传到平台并联动相机进行抓拍，并在大屏上展示抓拍的照片。能够实现学生的出入考勤信息与报表实时推送，支持分级分层数据分类，为公寓管理及后续的数据分析提供有力的数据支撑。宿舍管理客户端可以实时视频预览进出宿舍情况，包括出入口监控画面、多日异常情况警告和异常行为核查录像等。移动端App能及时向学工处、辅导员等相关工作人员推送归寝信息，从而实现高效且精准的宿舍归寝管理。
3.3图书馆管理
图书馆系统不仅可以刷脸门禁通行，还可以实现刷脸自助借还书、电子阅览室刷脸消费、培训室人脸考勤、信息（脱敏处理的刷脸数据）等。图书馆作为师生教学资源的重要场所之一，有效地统计各学科学生的在馆停留时间，加强图书馆的进出管理，从而准确真实地统计师生出入馆的数据，为学校的教学分析提供数据支撑。在培训室的考勤点布置人脸考勤设备，检查是否按时参加会议和活动，极大地提升了图书馆的业务管理水平。图书馆的借书系统以及电子阅览室消费系统的人证合一的刷脸模式，带给师生良好的体验感。
3.4校园安全防控管理
在校园内主要通道的重点区域部署人脸识别及车辆动态布控点位，实现通行人员人脸图像抓拍记录、车牌识别、以图搜图、黑名单人员预警、人员轨迹追踪等；对重点防范人员、非法人员等进行黑名单布控，实现识别预警并形成日志。对外来人员实现人脸图像存档及来访记录，方便事后回溯等功能应用。当前面对常态化的疫情，高校校园人员集中，防止疫情向校园扩散是校园管理工作的重中之重。将人脸识别用于校园管理，不仅提升了校园的管理效率，而且有助于高校“平安校园”的建设。
3.5人脸识别迎新管理
采用人脸识别系统迎新，可以省去烦琐的报到流程，实现安全、高效、精确的报到模式。新生先通过人脸采集上传照片，并实时获取入住信息，学生也可以通过迎新系统查询自己的报到流程，同时学校或学院可以通过迎新系统实时获取学生的报到情况，可以查看学校或学院的新生报到比例（或报到人数）及报到地点等诸多数据信息，这样管理者可以根据报到点的实际报到人数合理调配迎新工作人员，避免了由于个别报到点人员拥挤现象，也符合当前疫情防控的需求。
3.6智能测温功能
为了应对目前的疫情，学校在图书馆、宿舍、个别办公区域等出入门禁安装人脸识别采用红外热成像测温一体机，实时对进出人员无接触测温并记录，对体温异常者进行报警。同时可以检测是否佩戴口罩等辅助功能。3.7人脸识别学籍核验主要是对录取新生的入学资格复查，防止学籍冒名顶替。对新生高考照片、身份证以及本人现场拍摄的照片进行比对、验证，根据计算人脸的相似度判断是否为同一个人。由于这里的比对仅仅是根据相似度做出的判断，所以比对的结果只能作为参考。管理人员可以对相似度比较低的新生再做进一步的核实验证。
4存在问题及优化解决方案
人脸识别在某校应用管理过程中一些问题也不断显露出来，复杂环境下的人脸识别、数据资源融合及闭环管理协同共享、使用对象不配合及宿舍管理人员的业务技术能力等诸多因素影响人脸识别技术未能充分发挥在管理中的作用。
4.1提高复杂背景下的识别的速度和精度
人脸识别的深度学习算法的环境泛化能力是目前人脸识别现阶段发展的主要瓶颈，人脸识别技术无法精确的信息比对，而是相似度比对，即人脸识别目标检测模块中交并比（Inter⁃sectionOverUnion,IOU）原理或在此基础上的优化应用。这样训练良好的模型在实际应用场景中，其性能会有明显下降，如果将非人脸或质量差的图像录入系统会引起误检率高，造成系统算力的浪费及响应时间较长等。人脸识别的效果还受到成像条件（成像角度、光线强弱、摄像器材等）、环境背景、部分遮挡、整形、面部姿态变化较大等影响。目前可行的方法有，提高人脸库的照片质量、硬件技术改进及算法优化等。其中，采用近红外设备可以有效地解决部分光照问题。为了提升系统的鲁棒性，近年来，很多学者针对出现的不同问题对算法也进行不断地优化，如对人脸表情特征及有遮挡人脸识别的改进，使其具有更好的识别性能[4-6]。Mohanty等[7]使用人脸的灰度特征和肤色特征，并结合AdaBoost（自适应增强）算法，提高了复杂背景下人脸检测的速度。
4.2定量评价教师的课堂教学效果
教学效果的评价，已有各种方式，如阶段式评价有期中、期末考试，课程论文等；过程式评价如课堂讨论、测验，课后作业等，但如何客观定量地评价教师教学的课堂效果，还可尝试通过学生在课堂上的表现来定量评估。依托对接学校的可视化教学中心的课堂教学录像资源，把待评价课程的授课全过程的高清视频转化成高分辨率的帧图像，利用人脸识别技术，把学生听讲时的眼神、表情、动作等换算成可量化的专注时间，再转化为定量的学习效果。在后期建设中考虑基于大数据的学习分析技术在实际教学中的应用评价的实现。
4.3建设统一的校级物联感知平台，提高校园智慧化管理手段
智能物联网是智能化时代的新基础设施，校园智能化系统的建设急需要统一的校级物联感知管理平台，以整合现有智能化终端和各子系统，融合管理及物联数据。该平台集成智慧校园的管理决策中心、指挥调度中心、运行监测中心，具有智慧校园管理能力，以实现行政化向服务化的转变及系统化向智能化的转变。针对目前校内各系统资源整合度差，实现校园智能化必须打通校园各个物联网子系统、打破数据孤岛及数据碎片化、实现数据闭环，融合数据管理，统筹规划。尤其是将获取的图像及视频流结构化处理，使之形成有效的数据闭环管理体系。物联网技术在安防系统及其他独立系统中的应用，如实现门禁系统与主干道抓拍机联动，形成校园轨迹及人员热力图；实现电控联动，平台能够联动电控系统工作，通过闸机出入记录判断宿舍有无人员，系统即能够自动将其宿舍总电源打开或关闭。此功能实现了最大程度地节约用电，并降低学生宿舍楼用电事故发生的概率。
4.4亟待解决有关人脸识别的其他问题
人脸识别率除了与人脸库的照片质量及算法有关，还与硬件的适配性很大关系。如人脸信息采集设备问题，某校采用人证核验人像自助采集机，采集机等硬件摄像头采用宽动态技术，可以调整红外、白光补光亮度参数等，进行IPS（In-PlaneSwitching,平面转换）硬屏技术优化，从而解决采集出现的逆光、弱光等问题。但是，采集机的补光功能只能手动调整参数，并不能自适应环境自动调整补光。另外，系统照片下发到前端设备速度很慢,考虑将人脸照片下发模式进行升级，实现照片在平台端完成建模，建模数据进行同步及下发到Facepad，这样不仅降低平台下发时间，还有利于保障人脸数据的安全性和提升系统的稳定性。对于目前的疫情常态化防控，开发或升级疫情防控信息化平台已经成为教育信息化新的发展需求[8]。在校门禁改造建设考虑与检疫中心对接，实现防疫信息共享，并对进出人员进行自助查验健康码、体温检测等。现在使用的非接触式的红外测温模块的结果受周围环境影响比较大，在高温或低温季节尤其明显。
5结束语
目前，人脸识别技术不仅可以加强校园的安全防范和控制，而且可以有效地改善高校多方面管理，同时为校园管理提供有效，准确的数据支持。但是，人脸识别仍然需要提高处理复杂环境的能力，未来的研究应依靠人工智能和物联网等技术来进一步提高系统的安全性，实时性和准确性，并确保数据安全性和用户隐私。
参考文献：
[1]李雅琪,冯晓辉,王哲.计算机视觉技术的应用进展[J].电子科学技术,2019(2):18-27.
[2]姜健涛.基于深度学习的人脸识别技术研究[D].哈尔滨:哈尔滨工业大学,2019.
[3]张顺丰.基于深度学习的人脸识别算法研究[D].成都:电子科技大学,2018.
[4]李小薪,梁荣华.有遮挡人脸识别综述:从子空间回归到深度学习[J].计算机学报,2018,41(1):177-207.
[5]孙雨浩,陶洋,胡昊.基于判别低秩矩阵恢复和协同表示的遮挡人脸识别[J].计算机工程与科学,2020,42(12):2199-2207.
[6]卢洋.人脸表情图像识别关键技术的分析与研究[D].长春:吉林大学,2019.
[7]MohantyR,RaghunadhMV.AnewapproachtofacedetectionbasedonYCgCrcolormodelandimprovedAdaBoostalgorithm[C]//2016InternationalConferenceonCommunicationandSig⁃nalProcessing(ICCSP).April6-8,2016.Melmaruvathur,Tamiln⁃adu,India.IEEE,2016.
[8]顾军,钮新颜.人工智能时代教育系统疫情防控技术的智慧实践[J].中国教育信息化,2020(21):43-47.
作者：胡娟 单位：南京信息工程大学
