论文部分内容阅读
摘要：现阶段，随着科技技术的发展，人脸识别技术已广泛应用在交通、公安、金融等各行业，并逐步在智慧校园中得到推广应用。基于此，本文对人脸识别技术在智慧校园的应用进行分析研究。
关键词：人工智能;人脸识别;智慧校园。
一、智慧校园考勤管理
1.1 系统的模块设计
结合高校的智慧校园考勤系统，不难发现其将系统分为若干个功能模块，每个模块功能与作用都不相同。根据其分类，分为考勤系统和考勤客户端，其中考勤系统又分为几个不同的模块。而本次论文研究的人脸识别系统，就位于这些小模块中，每一个小模块的作用不言而喻，缺一不可。每个模块的管理方式都类似，运行程序大致相似，但是内容和主要控制地方不同，依据学校的不同需要来分别控制不同地方。
1.2 基础数据管理
基础数据管理，顾名思义，是对于一些基本的数据的分类和整理，针对数据的填写做出收集，简化数据的导入，优化数据的修改，便捷数据的删除等功能。更好的服务于学校的老师、学生、以及工作管理人员的个人生活和工作，也会更加保障和维护各类人员的信息。这个模块可以将学校的考勤记录成功导入管理的系统，也为考勤系统的运行提供了有效的信息数据。研究发现，当前各类高校的智慧校园系统大都尚未搭建完成，所以都仍在探究阶段，大部分院校还是在自身的教务系统中选课，所以应加大这方面的研究。
1.3 考勤信息管理
信息管理的重要性毋庸置疑，它就像人类的大脑，储存着重要的记忆且不断运行，而考勤系统的信息管理模块，它主要包括了考勤数据的查找、统计考勤数据等功能。这些功能为学校的工作提供了便利，更加快了学校工作的效率，学校也可以依据结果做出更加科学的方案，参照已有高校的手动记录考勤信息档案，其中考勤信息有漏记或记错，会耽误一周的例会工作，也大大减缓了工作效率。信息记录包括学生的考勤、教师上班考勤、学生与教师请假考勤等，这些信息有助于建设更有规律的学习生活环境。
二、人脸识别技术
2.1 基于面部几何特征的方法
在人脸识别技术中，面部几何特征识别人脸一般都是靠着对人脸部的器官基本特征和形状以及各器官之间的几何联系来进行的，基于人体面部几何特征的方法相比于其他几点方法要简单，且在操作上也符合人类行为模式和习惯，可以进行快速的识别。但是在基于人体面部几何特征的人脸识别技术应用中还存在着较大的弊端，因为其无法详细地识别出人脸部的特征细节，当稍强光照射的时候会出现识别不了的情况，这样的情况也较多地出现于被遮挡等主管因素中，导致了人脸识别的识别度变差，识别能力降低，会出现非常大的误差，导致识别失败，甚至会存在有自己识别到了别人的数据或者别人识别到了自己的数据的情况。
2.2 基于模板匹配方法
基于模板匹配的方法就是利用计算模板、图像灰度的自相关性判断功能来进行的，一般会将该模板的匹配方法储存到静态匹配和弹性匹配两种形式之中。在静态匹配方法应用中，一般会先建立一个库或者該人脸的模板，然后将被识别对象的图像进行相同的转换，并将该模板的尺度与灰度进行统一处理，将处理后的模板作为参照，到库中去寻找相似的图像。这种方法并不具备精准性，因为库无法实时储存和变动，也就相应地缺乏灵活性，一旦出现了新的模板就无法受用，基于该情况提出了弹性匹配方法。弹性匹配是指将人脸的特征进行检验，将每一个特征的参数模型进行记录，并给予其可变化范围，通常较为精确，但是该匹配方法的计算时间较长。
2.3 基于代数特征方法
基于代数特征方法进行人脸识别会用到两种分析模式。第一种为主成分分析模式，就是将人脸的图像进行抽象化，作为一个随机的变量，然后利用堆叠方式转换为数学模型，减去均值向量后在进行相应的变换就可以得到人脸的特征数据模型，构建一个向量空间，按照一定的公式投影即可。主成分分析法较为简单，且精度较高，所以现在的人脸识别技术一般都是采用该方法，但是其对图像的亮度与人脸的变化较为僵硬，所以需要与第二种方法配合使用得以完善。第二种方法则是线性判别分析，就是指在多维的空间中投影成为一位特征，得到的特征向量就是人脸的特征体现，可以用于在识别样本较多的情况，与主成分分析法配合使用更加高效。
2.4 多数据融合与三维人脸识别
因为如今的人脸识别技术已经较为成熟，也出现了上述所说的诸多识别方法，而每一种方法都有其独特的运行方式和使用环境特点，所以如何展开一项集成式的人脸数据识别技术也是当今该行业的发展热门方向。三维人脸识别是比较符合真实情况中的人脸图像的，而且三维的识别图像也比二维的识别图像更加真实准确地将人脸的立体性表现出来，为人们提供更加真实的图像，这也是目前人脸识别技术研究的热点。
三、人脸识别技术在智慧校园中的应用
3.1 安全防控类应用
（1）智能视频监控系统。随着学校规模的逐渐扩大，校园犯罪也逐年增多，但因犯罪的突发性和不确定性，导致学校监管复杂性和难度也在加强，目前校园监控系统的数据库里每天都产生和存储着海量的视频数据，但是对人脸的识别工作还停留在人工排查、人工比对的阶段，若利用人脸识别技术，可针对校园内已有的视频监控数据中的人群进行识别，自动预警，为“平安校园”提供智能安防服务。（2）车辆管理、宿舍管理、门禁管理。由于人脸识别技术是一种主动式采集，不需要任何行为即可采集到人员进出校园、宿舍楼、教室、实训室、图书馆、体育馆等场所时的图像信息，从而实现师生、访客进出自动登记;通过引入人脸识别技术对进出宿舍、教室、实训室的人员统一登记、管理，每次进出相应场所时需要经过人脸识别系统的识别、身份确认以及授权，实现门禁管理的目的。
3.2 基础业务应用
（1）注册管理类。新生、新员工在报到时，系统通过相机采集师生多角度多表情的照片，并录入基本身份信息，补充校园基础数据库，为其他业务平台提供强有力的数据支持。（2）业务办理类。通过人脸识别系统，可以快速识别用户身份，因此，当师生利用智慧校园的统一门户进行登录时，只需要借助人脸识别系统的采集平台（摄像头或者手机端）刷脸即可登录门户查看、浏览门户。而在办理各类申请、或者须经本人审核确认的各类业务时，通过二次刷脸授权并通过相关业务。对于其他未纳入统一门户的业务系统，也可以通过人脸识别系统的数据库进行身份识别验证，实现无卡登陆。（3）使用登记管理类。在校园中的所有图书、设备、教室、场地等，都可以采用人脸识别系统快速采集、识别并记录使用人信息，通过匹配授权信息，获得相应的使用权限以及使用记录。
3.3 消费支付应用
（1）常规小额支付。师生在校园中的食堂、商店、用水等场所，当前主要采用的消费模式为“校园一卡通”的方式，在如早餐、中餐、晚餐这三餐高峰时间段期间，人流密集，交易量大，刷卡或者手机支付均无法满足师生对移动支付便捷性的需求。因此可以对小额消费采用人脸识别技术，实现无卡消费，提高支付效率和支付的便捷性。（2）大额度支付。师生在支付学费、话费、购买大额度物品时，大额消费业务则通过人脸识别以及密码等其他授权方式进行交叉验证，防范支付风险。
四、结语
人脸识别技术的应用，为智慧校园的建设带来了极大的便利，也方便了师生们的生活，随着学习与生活情境的不断更新，人脸识别技术在高校的应用逐渐成为现实。
参考文献：
[1] 刘海山.校园一卡通与人脸识别应用融合[J].电子技术与软件工程，2020（11）：154-155.
[2] 刘树飞.人脸识别技术在智慧校园中的应用探析[J].通讯世界，2019，26（09）：44-45.
关键词：人工智能;人脸识别;智慧校园。
一、智慧校园考勤管理
1.1 系统的模块设计
结合高校的智慧校园考勤系统，不难发现其将系统分为若干个功能模块，每个模块功能与作用都不相同。根据其分类，分为考勤系统和考勤客户端，其中考勤系统又分为几个不同的模块。而本次论文研究的人脸识别系统，就位于这些小模块中，每一个小模块的作用不言而喻，缺一不可。每个模块的管理方式都类似，运行程序大致相似，但是内容和主要控制地方不同，依据学校的不同需要来分别控制不同地方。
1.2 基础数据管理
基础数据管理，顾名思义，是对于一些基本的数据的分类和整理，针对数据的填写做出收集，简化数据的导入，优化数据的修改，便捷数据的删除等功能。更好的服务于学校的老师、学生、以及工作管理人员的个人生活和工作，也会更加保障和维护各类人员的信息。这个模块可以将学校的考勤记录成功导入管理的系统，也为考勤系统的运行提供了有效的信息数据。研究发现，当前各类高校的智慧校园系统大都尚未搭建完成，所以都仍在探究阶段，大部分院校还是在自身的教务系统中选课，所以应加大这方面的研究。
1.3 考勤信息管理
信息管理的重要性毋庸置疑，它就像人类的大脑，储存着重要的记忆且不断运行，而考勤系统的信息管理模块，它主要包括了考勤数据的查找、统计考勤数据等功能。这些功能为学校的工作提供了便利，更加快了学校工作的效率，学校也可以依据结果做出更加科学的方案，参照已有高校的手动记录考勤信息档案，其中考勤信息有漏记或记错，会耽误一周的例会工作，也大大减缓了工作效率。信息记录包括学生的考勤、教师上班考勤、学生与教师请假考勤等，这些信息有助于建设更有规律的学习生活环境。
二、人脸识别技术
2.1 基于面部几何特征的方法
在人脸识别技术中，面部几何特征识别人脸一般都是靠着对人脸部的器官基本特征和形状以及各器官之间的几何联系来进行的，基于人体面部几何特征的方法相比于其他几点方法要简单，且在操作上也符合人类行为模式和习惯，可以进行快速的识别。但是在基于人体面部几何特征的人脸识别技术应用中还存在着较大的弊端，因为其无法详细地识别出人脸部的特征细节，当稍强光照射的时候会出现识别不了的情况，这样的情况也较多地出现于被遮挡等主管因素中，导致了人脸识别的识别度变差，识别能力降低，会出现非常大的误差，导致识别失败，甚至会存在有自己识别到了别人的数据或者别人识别到了自己的数据的情况。
2.2 基于模板匹配方法
基于模板匹配的方法就是利用计算模板、图像灰度的自相关性判断功能来进行的，一般会将该模板的匹配方法储存到静态匹配和弹性匹配两种形式之中。在静态匹配方法应用中，一般会先建立一个库或者該人脸的模板，然后将被识别对象的图像进行相同的转换，并将该模板的尺度与灰度进行统一处理，将处理后的模板作为参照，到库中去寻找相似的图像。这种方法并不具备精准性，因为库无法实时储存和变动，也就相应地缺乏灵活性，一旦出现了新的模板就无法受用，基于该情况提出了弹性匹配方法。弹性匹配是指将人脸的特征进行检验，将每一个特征的参数模型进行记录，并给予其可变化范围，通常较为精确，但是该匹配方法的计算时间较长。
2.3 基于代数特征方法
基于代数特征方法进行人脸识别会用到两种分析模式。第一种为主成分分析模式，就是将人脸的图像进行抽象化，作为一个随机的变量，然后利用堆叠方式转换为数学模型，减去均值向量后在进行相应的变换就可以得到人脸的特征数据模型，构建一个向量空间，按照一定的公式投影即可。主成分分析法较为简单，且精度较高，所以现在的人脸识别技术一般都是采用该方法，但是其对图像的亮度与人脸的变化较为僵硬，所以需要与第二种方法配合使用得以完善。第二种方法则是线性判别分析，就是指在多维的空间中投影成为一位特征，得到的特征向量就是人脸的特征体现，可以用于在识别样本较多的情况，与主成分分析法配合使用更加高效。
2.4 多数据融合与三维人脸识别
因为如今的人脸识别技术已经较为成熟，也出现了上述所说的诸多识别方法，而每一种方法都有其独特的运行方式和使用环境特点，所以如何展开一项集成式的人脸数据识别技术也是当今该行业的发展热门方向。三维人脸识别是比较符合真实情况中的人脸图像的，而且三维的识别图像也比二维的识别图像更加真实准确地将人脸的立体性表现出来，为人们提供更加真实的图像，这也是目前人脸识别技术研究的热点。
三、人脸识别技术在智慧校园中的应用
3.1 安全防控类应用
（1）智能视频监控系统。随着学校规模的逐渐扩大，校园犯罪也逐年增多，但因犯罪的突发性和不确定性，导致学校监管复杂性和难度也在加强，目前校园监控系统的数据库里每天都产生和存储着海量的视频数据，但是对人脸的识别工作还停留在人工排查、人工比对的阶段，若利用人脸识别技术，可针对校园内已有的视频监控数据中的人群进行识别，自动预警，为“平安校园”提供智能安防服务。（2）车辆管理、宿舍管理、门禁管理。由于人脸识别技术是一种主动式采集，不需要任何行为即可采集到人员进出校园、宿舍楼、教室、实训室、图书馆、体育馆等场所时的图像信息，从而实现师生、访客进出自动登记;通过引入人脸识别技术对进出宿舍、教室、实训室的人员统一登记、管理，每次进出相应场所时需要经过人脸识别系统的识别、身份确认以及授权，实现门禁管理的目的。
3.2 基础业务应用
（1）注册管理类。新生、新员工在报到时，系统通过相机采集师生多角度多表情的照片，并录入基本身份信息，补充校园基础数据库，为其他业务平台提供强有力的数据支持。（2）业务办理类。通过人脸识别系统，可以快速识别用户身份，因此，当师生利用智慧校园的统一门户进行登录时，只需要借助人脸识别系统的采集平台（摄像头或者手机端）刷脸即可登录门户查看、浏览门户。而在办理各类申请、或者须经本人审核确认的各类业务时，通过二次刷脸授权并通过相关业务。对于其他未纳入统一门户的业务系统，也可以通过人脸识别系统的数据库进行身份识别验证，实现无卡登陆。（3）使用登记管理类。在校园中的所有图书、设备、教室、场地等，都可以采用人脸识别系统快速采集、识别并记录使用人信息，通过匹配授权信息，获得相应的使用权限以及使用记录。
3.3 消费支付应用
（1）常规小额支付。师生在校园中的食堂、商店、用水等场所，当前主要采用的消费模式为“校园一卡通”的方式，在如早餐、中餐、晚餐这三餐高峰时间段期间，人流密集，交易量大，刷卡或者手机支付均无法满足师生对移动支付便捷性的需求。因此可以对小额消费采用人脸识别技术，实现无卡消费，提高支付效率和支付的便捷性。（2）大额度支付。师生在支付学费、话费、购买大额度物品时，大额消费业务则通过人脸识别以及密码等其他授权方式进行交叉验证，防范支付风险。
四、结语
人脸识别技术的应用，为智慧校园的建设带来了极大的便利，也方便了师生们的生活，随着学习与生活情境的不断更新，人脸识别技术在高校的应用逐渐成为现实。
参考文献：
[1] 刘海山.校园一卡通与人脸识别应用融合[J].电子技术与软件工程，2020（11）：154-155.
[2] 刘树飞.人脸识别技术在智慧校园中的应用探析[J].通讯世界，2019，26（09）：44-45.