学生管理系统论文范文第五篇：学生公寓管理方式中的人脸识别应用
摘要：随着科学技术水平的日益提升，越来越多的新技术已经融入到了我们的日常生活和管理当中，对学生公寓的管理方式也由传统的人力管理逐渐过渡到基于网络平台的管理，由门卫来管理学生进出的传统管理方式也变成了基于人脸识别的门禁闸机方式，这样大大减小了管理人员的管理压力，同时也使学生公寓的安全更加有保障。
关键词：人脸识别；学生公寓；应用：
作者简介：任相花（1972-），女，工学硕士，副教授，研究方向：网络安全，物联网。；
Abstract:With the improvement of the level of science and technology, more and more new technologies have been integrated into our daily life and management, and the management of student apartments has gradually changed from traditional manpower management to management based on network platform. The traditional management mode of managing students' entry and exit by doormen has also become a gate mode based on face recognition, which greatly reduces the management pressure on managers. At the same time, it also makes the student apartment more secure.
Keyword:face recognition; student apartment; application;
1 概述
进入21世纪，我国的科学技术水平日益增长，越来越多的新技术已经融入到了我们的日常生活和管理当中，对学生公寓的管理也不例外。学生公寓作为高校最重要的学生活动场所，对公寓的管理成了校园管理的重中之重。然而随着高校扩招、大学生人数急剧增长，公寓楼的数量也在日益增长，如何管理这些学生公寓成了最令人头疼的问题[1].同时，家长、外卖员、快递员等外来人员不断增加，管理员无法保证百分之百地控制相关人员的进出，管理难度急剧增大。
人脸识别是最近几年大热的生物识别技术，与其他生物特征，如：虹膜、指纹、掌纹等相比，人脸特征更加易于提取、对比、友好、快速等优点[2].在学生公寓的门禁系统内使用人脸识别这种生物识别技术既能帮助管理员更加精准地排除外来人员或非该公寓人员，又可以大大减少公寓管理员的工作量和工作难度，可谓是一举两得。
2 公寓管理系统总体设计
高校学生公寓管理系统包括软件系统及硬件系统两部分，其中软件系统包括管理客户端、服务器与手机客户端。公寓出入口硬件系统由单片机、图像采集模块、RFID读卡模块、网络传输模块等部件组成。管理客户端负责采集用户信息，完成身份认证，实现对公寓出入口的管理控制；服务器存储和管理所有用户数据；采用微信公众平台开发，用户可以通过扫描二维码或者登陆小程序的方式上传自己的面部图像、手机号、学号、所属楼号等个人信息，这些信息由服务器收集整理后发给指定的公寓楼客户端，用于用户出入楼宇的身份验证。管理人员也可用手机客户端发送广播，如失物招领、停水停电通知、提醒用户及时归寝等。
公寓管理系统的设计包括硬件设计和软件设计。硬件设计包括闸门设计和人脸信息采集识别的设计。软件设计主要包括人脸识别模块的设计和公寓管理系统的设计。具体如图1所示。
其中最关键的环节为人脸识别模块设计，人脸识别模块开发时使用的语言是Python,开发使用的集成环境是Py Charm2019,所使用的工具为Open CV3与Dlib开源工具包。
Py Charm是一个专门为设计Python程序而研发的集成开发环境，是目前在Python社区内最流行的IDE.
Open CV3是一个跨平台的计算机视觉库。有专门为Python设计的接口包opencv_python.whl,其中包含很多计算机视觉库，能满足该模块绝大部分的需求。
图1 系统总体设计示意图
图2 人脸识别的基本流程
3 人脸识别模块设计
人脸识别首先进行图像采集，然后是检测人脸，对人脸的图像进行预处理，提取特征，将提取的特征值与人脸库进行比对匹配。人脸识别的基本流程如图2所示。
3.1 面部检测
图像采集利用摄像头要进行人脸识别，前提是要采集到人脸，在多彩的背景中过滤掉其他图像，将需要的人脸分离出来，也就是判断出图像中是否有人脸。首先借助于摄像头采集人脸信息，采用应用广且经典的Harr+Ada Boost检测算法，依据人脸肤色等特征定位人脸区域并排除其他干扰性的背景元素。如果有多个人脸被定位则需要多个空间来保存人脸位置，然后把人脸图像中包含的结构信息、颜色信息等特征提取出来，转化为数据用于后续人脸识别，人脸识别操作本质是人脸特征的对比。该检测算法有较高的检测率、对光线、肤色以及角度有一定变化的人脸检测的鲁棒性高。
Ada Boost人脸检测算法实质是一种模式分类过程，由训练和检测两过程组成。判断图片中是否存在人脸的算法流程如图3所示。
3.2 图像预处理
摄像头采集照片经常受背景、光照、姿态等干扰因素影响，实际获取的图像并不太能直接用于人脸识别，同时人脸也会有一定的倾斜角度，基本不会与摄像机成水平状态，基于以上原因在很大程度上影响人脸识别的精度，这就需要将图像进行预处理，将图像中相对重要的，有用的信息更加明显突出地展现出来，弱化乃至剔除噪点（相对无用或次要的信息），从而提高识别的准确率，图像预处理不会改变原始图像的特征。使图像尽可能达到最理想的状态，图像预处理结果的好坏程度将直接影响人脸识别的最终结果。
图3 人脸检测流程图
3.3 特征提取
图4 人脸识别基本过程
特征提取过程是根据开源的68D人脸关键点检测器定位人脸面部关键点，使用卷积神经网络CNN图像模型中的深度残差网络Res Net人脸识别模型将面部特征提取出来。
3.4 人脸识别子模块
人脸信息采集完成后，进行持续识别，同样对画面中的人脸采集128个特征点，与数据库当中的人脸特征进行对比。通过计算特征值之间的欧氏距离来判断人脸差异大小，进而来判断是否为数据库中已经存在的人脸，识别基本过程如图4所示。
人脸识别模块会持续识别进入摄像头的人脸，一旦识别到人脸，该模块会自动采集该人脸特征，进行灰度化与归一化的处理，在进入数据库与数据库中已经存在的人脸特征进行对比，进而实现门禁的功能。为了保证学生有充足的时间通过闸机，一旦识别成功，程序将打开闸机阻塞该模块3秒钟，之后关闭闸机等待。
4 系统测试
通过模拟测试，系统的软硬件系统可协调工作，当人脸识别通过时，闸门打开，人脸识别率可达到90%,一个人测试通过需要8秒，识别的速度关键在于人脸库的大小，本测试采用100人的库，通过学生先刷学生卡确定身份后，人脸的比对变成只和库中一个图像的比对，速度变为3秒钟，大大提高了识别速度。基于人脸识别的公寓管理系统，可以有效保障公寓的安全管理，在当前疫情时期，采用人脸识别的管理系统，能够极大减轻公寓管理人员的工作量，很好保障学生的安全。
参考文献
[1]李盛文，鲍苏苏基于PCA+AdaBoost算法的人脸识别技术[J].计算机工程与应用， 2010,46（04）：170-173.
[2]严严，陈日伟，王菡子。基于深度学习的人脸分析研究进展[J].厦门大学学报（自然科学版） , 2017,56（01）；:13-14.
[3]清华大学人脸综合识别系统全面进入应用推广阶段[J]清华大学学报（自然科学版） , 2006（04）：538.
[4]李颖，黄粤，杨少龙。智能社区物联网门禁系统[J].广东通信技术，2014,34（12）：66-68.
[5]代闯。基于。人脸识别的高校学生考勤管理系统[J].自动化与仪器仪表， 2019,9（239）：198-201.
