基于人脸识别的课堂考勤系统研究与实现

【摘要】：课堂考勤是保证学生出勤率的重要手段之一,也是学生课程成绩重要的组成部分,课堂考勤可以很好的监督学生,从而确保了课堂的教学质量。目前主要的考勤手段仍然是教师人工点名或者随机抽查的方式,这种人工点名的方式不仅占用上课时间而且无法解决学生的早退、代签和旷课等现象,无法很好的对学生考勤做到监管。市面上也存在着各种各样的考勤机,但是由于硬件和部署的成本较高,无法很好的解决考勤问题。为了解决上述问题,本文将采用人脸识别技术实现自动考勤,由于诸如人体在教室环境中的运动和姿势偏移等因素的影响,会导致采样帧中人脸区域图像模糊的问题,进而影响到人脸识别算法的性能。为了解决因为采样帧中人脸图像失真的问题对识别结果造成的影响,本文提出了一种用于评估人脸图像质量的方法,我们首先对预训练的VGG19深度网络进行微调,然后利用VGG19神经网络提取的特征训练SVM模型,最终得到图像的质量评估分数,使用质量评估分数来对要比对的图像进行筛选,保证了识别过程中图像质量的可靠性.在真实的环境中我们进行了实际的实验,实验结果表明使用图像质量评估模型可以有效的过滤低质量的人脸图像,提高系统识别的准确率.如何在视频流中选取高质量的人脸区域图像,如何保证识别结果的准确性将是本文设计的考勤系统中最主要的问题,本文具体将进行如下的研究工作:(1)系统通过MTCNN人脸检测的方法获取人脸区域位置的信息,对获取的人脸图像进行剪裁和归一化操作,减少光照等环境因素对识别的影响。(2)训练图像质量评估模型,在识别之前对人脸图像的质量进行评估,筛选出高质量的人脸图像,使用高质量的人脸图像进行识别,以提高人脸识别的有效性。在自建的人脸图像库对该模型进行了改进,使得训练的人脸图像质量评估模型更适合用于人脸质量评估。(3)利用FaceNet对高质量的人脸区域进行特征提取,并通过SVM获得单次识别的结果。为了避免因为单次识别结果导致的偶然性,采用投票算法保证识别结果的可靠性,得到最终的识别结果。(4)利用人脸识别技术和人脸图像质量评估模型完成考勤系统,并在真实的环境下对系统进行了测试,确保了系统的准确性.