人脸识别技术在学籍管理系统中的研究与应用探讨

刘翠芳，梁富强

（郑州工业应用技术学院，河南 郑州 451100）

引言

随着信息技术的高速发展，我们在享受其带来的便捷时，也同时伴生着安全隐患，由于现如今高考政策的变革，对报考人员的年龄、职业等要求予以放宽，也导致部分违法分子利用漏洞进行数据更换，从而出现冒名顶替入学的现象.在这一现象当中，如何去精准实时地识别学生的正确信息与真实身份，则成为了遏制该现象发生的关键.以往的身份验证往往局限于报名的账号与密码，而这一资料一旦被窃取，则很容易让人有可乘之机.随着生物识别技术的发展，血液、指纹、人脸等个体生物特征都成为独一无二的身份鉴定密钥[1].而在高校的学籍管理当中，人脸识别技术无疑具有最佳优势，其不仅采集、录入方便且有着很高的识别精准度，不管是从经济还是技术等方面来看，都是学籍管理系统中的最佳应用.

1 人脸识别技术概述

所谓人脸识别技术，也被称之为面像数学技术，其中包含人脸检测、人脸跟踪以及人脸比对等.其中人脸检测主要指的是在动态变化的复杂场景中，去判定其中是否存在人脸以及确定人脸位置；人脸跟踪则是确定人脸存在并锁定之后，对其进行动态跟踪；人脸比对则是对识别到的人脸进行身份鉴定，或者是从人脸数据库中找出相对应数据.

同指纹识别、虹膜识别、DNA识别等生物识别技术相比，人脸识别有着更为独特的特性，其他生物识别技术均需人的主动动作配合，但人脸识别则无需配合，可在隐蔽的环境场合下自动进行识别[2].同时，人脸识别的操作更为简单、识别更为精准且可扩展性更好，在安全验证、监控等多方面具有广泛应用.鉴于人脸识别技术的种种优势，在高校的教学管理当中，我们便可将其应用到学籍管理系统当中，有效避免有人冒名顶替入学等现象出现，提高了教学管理工作效率.

2 人脸识别技术在学籍管理系统中的应用可行性

基于现实情况来看，带有人脸识别功能的学籍管理系统有着重要的应用意义，无论从社会、经济以及技术方面都具备可行性.

2.1 社会需求可行

由于高校需要在短时间内接受报到新生，因此对其身份的鉴别往往只能够查看身份证与录取通知书，但在社会中却仍然存在各类造假，导致这种简单的身份核对难以避免冒名顶替者入学，如何高效准确的鉴定入学者，也成为了高校面临的主要问题.随着现如今高校的网络建设已基本完成，开发一套带有人脸识别技术的学籍管理系统有着一定的可行性.

2.2 技术可行

鉴于高等院校有着较为完善的计算机科研力量，有着众多理论水平高且动手能力强的教师与学生，在设备齐全的实验室中，各项技术也得到良好的应用.此外随着计算机技术的高速发展，各类软件的操作也逐渐趋于简单化，对于人员的操作能力要求逐渐放低，只需简单介绍便能够熟练掌握操作，可见在技术方面有着一定的可行性.

2.3 经济可行

将人脸识别技术应用至学籍管理系统当中，所需的硬件设备、网络基本上高校实验室均具备，无需重新购入大量设备，也便缩减了开发成本.此外，在系统购入应用之后，十分便捷，后续也无更多的人力、物力投入.

3 人脸识别技术在学籍管理系统中的设计研究与具体应用

将人脸识别技术应用在高校学籍管理系统当中，则要求该系统主要由硬件设备（PC、摄影机等）、学籍管理系统、人脸识别软件等共同组成[3].进行设计研究之初，需确定其功能能够实现对高考前与大学入学时的照片进行图像处理，并实时对其进行预处理与特征提取，之后将两者特征进行量化对比，进而准确判定出是否本人入学，而一旦出现特征不同的冒名顶替者，该系统还应立即给出警报.基于以上种种功能的实现，文章将对其设计方案进行研究与应用.

3.1 人脸识别仿真实验

本文主要采用小波工具箱与神经网络工具箱开展仿真实验，以结果的分析去验证该方法在实用性、准确性方面高度可行.基于神经网络算法对人脸进行模式识别，可分为两个步骤，其一为对样本库中的50人ORL常用人脸图像进行学习与训练，重点关注人脸的位置、姿态、光线以及表情等等；其二则是将高考前后的学生人像图片去进行人脸识别诊断测试.

（1）预处理.对人脸图像的特征进行定位、校准以及其他标准化处理，进而处理为大小、位置基本一致的纯人脸校准图像，尺寸为32×32.接下来我们便利用小波变换算法和KL算法的结合去对神经网络的特征向量值进行提取.用过小波分析去分解图像信息，能够将图像的有效信息保存于低频系数当中，所以可将大部分的高频系数予以舍弃，然后利用所提取的低频系数进行进一步的特征提取.此外，为更好的把握人脸图像的特征，除了舍弃干扰项过多的高频系数外，还以减小输入向量维数.因此，需选取出与本系统最为适合的小波基函数，多次实验表明Db1作为小波基进行的小波变化，能够得到8×8维数，该向量维数最小.之后便将小波变换所得的低频图像进一步实现KL变换，进而获取到更为精准的人脸识别特征向量[4].

（2）样本图像库BP神经网络训练.对预处理过后的50人ORL图像作为神经网络输入学习的训练样本，并且采取完全训练与批量训练相结合的训练策略，先进行完全训练，也即是将训练样本一次性全部输入神经网络予以训练，在进行批量训练，逐个将不同人员的人脸图像进行单独训练，直至输入完毕.两种训练策略相结合的目的在于保证该系统样本训练的精准度.

（3）高考前后人脸图像识别结果分析.要鉴定神经网络算法稳定性如何，则应重点关注其扩展性，上述所有的训练样本均来自于ORL人脸图像数据库，而学生的学籍信息中的人脸图像均来自于摄像头所采集的现场照片.鉴于学籍照片与ORL库的区别，则需要对其具体的实际应用进行研究.再经过了多重验证之后我们能够清楚地看到，在经过了二进小波、改进KL算法、改进BP神经网络算法的人脸识别技术，能够对ORL库之外的图像识别准确率高达90.77%，完全能够满足高校学籍管理系统用于鉴别学生身份的要求[5].

3.2 学籍管理系统数据库的建立

结合上述分析，采用的SQL数据库作为开发工具.学籍管理系统所用的数据表主要是与学生学号予以管理，也就大大减少了数据的冗余.具体来讲，学籍管理系统中的数据表信息包含学生的基本信息表（学号、姓名、系号、年级、班级、性别等）、班级信息数据表（系号、班级、年级）以及系统管理数据表（用户名、密码、档案管理、数据维护、统计分析等）.

3.3 应用人脸识别技术的学籍管理系统主界面

将人脸识别技术应用在学籍管理系统的程序设计当中，需要嵌入人脸识别功能模板，该模板能够对图像进行预处理，经过软件计算之后能够得出对人脸识别的判定结果.具体来讲，功能模块主要分为特征提取与识别结果显示两个组群.

特征提取功能模块组群可具体分为：装入照片：可将新生入学报名所获得的人脸图像进行装载，并提取出该生高考前所采集的照片，进而对两张照片进行下一步的处理与特征提取；灰度化处理：将真彩照片进行灰度化处理，以更为简单的图像去提升后续处理分析速度；二值化：通过一定算法，利用阈值去更改图像像素颜色，使其成全黑白色，为下一步的识别减少计算量；直方图：直方图主要是以图形化参数去对图片曝光精准度进行描述，有助于图片曝光水平等信息的分析；人脸区域标记：经过相似度计算、二值化计算处理之后，将人脸图像中的面部区域予以标记；边缘提取：提取边界信息，处理边界连通关系，进而得到初始图像.不过后续的初始人脸区域外界矩形的寻找算法主要是基于边界的，因此，边界点越少则更能提升算法性能.

识别结果功能模块组群可具体分为：人脸识别：该模块主要将已预处理的图像与数据库中的图像进行比对，倘若其中特征相近且在确认范围内，便可判定身份正确，从而在数据库中提取该学生信息进行显示，倘若数据库中无此信息，则会立即给出警报.而该功能的实现需要用到神经网络算法，可采取文章上述方法予以训练.学籍信息显示：可将学籍信息完全统计予以显示，其中包含所生成的学号以及学生姓名、性别、民族等.同时该模块还可对学生信息予以维护与更新.

结束语

近些年来，有许多大学新生入学被冒名顶替的现象发生，这无疑给社会、家庭及学生个人带来极大的伤害.文章所提出的人脸识别技术在学籍管理系统当中的应用，能够对入学新生进行现场的人脸图像采集，并将其与高考前的人脸图像予以比较，便能够准确实时地找出冒名者，避免其入学后发生不必要的麻烦.在应用的过程中，基于人脸识别技术所开发的学籍管理系统，不仅能够对学生人脸图像进行比对，还可在用户权限范围对其信息进行增减与修改，做到实时更新，大大提升了高校学籍管理系统的工作效率及其运行的科学合理性.

参考文献：

〔1〕王华伟.人脸识别技术在学籍管理系统中的研究与应用[D].山东理工大学,2011.

〔2〕钱锋.浅谈人脸识别技术的现状与应用[J].信息与电脑：理论版,2009(11)：165-169.

〔3〕连建兵,王浩全.浅谈人脸识别技术及应用[J].机械管理开发,2011(2)：99-100.

〔4〕赵娟.学籍图像处理中人脸检测的研究与应用[D].曲阜师范大学,2009.

〔5〕赵美名.人脸识别技术在教学管理中的应用[J].高教学刊,2015(7)：51-52.