姚靜姝

這是一個信息化的時代，中國也是處于信息化潮流中的一員。信息化發(fā)展到一定階段時，人工智能出現(xiàn)在大眾的視野中，隨著人工智能技術(shù)的不斷發(fā)展，人們對人工智能的興趣和關注也日益增加。而深度學習作為人工智能研究中最為矚目的一種學習方法，在各大關聯(lián)領域都取得了可喜的發(fā)展，特別是在人臉識別領域。深度學習可以通過模仿人類的視覺和感知神經(jīng)系統(tǒng)進行認知性的學習，能夠掌握表征的高層特征，能夠短時間掌握人臉圖像的規(guī)律所在，具有一定的智能性，精確率較高。對學生的考勤進行統(tǒng)計一直是課堂管理中的一個重要途徑，能夠提高學生的到座率。目前，部分高校開始將人臉識別技術(shù)運用到點名的過程中，一定程度上提高了點名的效率。

一、深度學習的概述

在以往的人工智能研究上，大部分都是停留在具體的規(guī)則和條件的問題解決上，比如人工智能和人類象棋冠軍的對決。相比于象棋這種具有明確規(guī)則的事物，真實的世界卻更為復雜和多變，計算機的語言無法完全表達出相應的意識。在圖像識別上，很多時候連人類自身都無法完全區(qū)分開相似的事物，此時就無法通過規(guī)則來界定事物的特征，深度學習便應運而生。深度學習是一項能夠發(fā)現(xiàn)并利用規(guī)律來解決問題的人工智能技術(shù)?，F(xiàn)如今，應用深度學習最為普遍的領域便是視覺研究領域。在人臉識別技術(shù)中，深度學習是利用人類的視覺原理進行信息的采集的。一般而言，人類的視覺原理是瞳孔攝入原始的信息，接著大腦皮層的細胞組織對信息進行初步處理，再由大腦對抽象信息進行鑒別，最后由大腦判斷出具體的事物。無論物體和事物如何變化，人類的視覺原理都不會發(fā)生改變。深度學習在人臉識別技術(shù)中的應用便是采用了此種算法，通過模擬人腦的工作特點，搭建多維度的神經(jīng)網(wǎng)絡，初級的圖像便只用較為初級的識別系統(tǒng)，隨著圖像特征的難度的增加提高識別系統(tǒng)的層級。通過多個層級的相互配合使用，在頂層達成分類。在低層級上，各個事物的特征都是類似的，隨著層級的提高，事物的特征也越來越獨特化，到了頂層，則能夠通過事物的較為高級的特征構(gòu)建相應的圖像，以此幫助人們區(qū)別各種事物。

二、人臉識別技術(shù)的概述

人臉識別技術(shù)所依靠的是利用生物特征進行識別，生物特征識別是指通過判斷人身上獨特且具有唯一性的特征對人的身份進行驗證，主要涵蓋了人臉的采集、檢驗、預處理、提取特征、識別匹配這五個內(nèi)容。首先，人臉采集是指根據(jù)某個人的臉部特點，利用攝像機采集某個人的視頻和圖像。人臉檢驗是指尋找直方圖和面部顏色等元素特征作為識別的參考依據(jù)。主要是根據(jù)采集中獲取的視頻和圖像分析出人臉在圖像中的精確性位置和大小。人臉預處理，是在檢驗的結(jié)果下開展的工作，利用人工智能的深度學習算法，對檢驗出的人臉圖像進行顏色的校對，一般是以灰色為參考色系，消除干擾性的噪音，以便于營造出良好的圖像識別環(huán)境，進而提高后續(xù)工作的效率，也能提高識別的精確度。人臉特征的提取，是根據(jù)表層進行分類提取，提取的依據(jù)是人類器官的描述和距離等信息來取得人類獨特性的特征。人臉識別匹配，是指將提取到的人臉特征性信息和人臉庫中的原始圖像進行對比。在這個過程中，可以設定一個相似區(qū)間，若是相似度超過這個相似區(qū)間，則可以得出識別結(jié)果。若是相似度沒有超過，則說明結(jié)果不成立。在匹配的環(huán)節(jié)上，既包含辨認的環(huán)節(jié)，也包含確認的環(huán)節(jié)，無論是哪個環(huán)節(jié)，都是十分重要的。

三、人臉識別技術(shù)在高校課堂點名中的設計及實現(xiàn)

世間萬物因為需求所以產(chǎn)生，也是在需求中不斷革新和發(fā)展，各大領域?qū)θ四樧R別技術(shù)都有所需求，高校課堂對人臉識別技術(shù)也有所需求，正是這種需求，讓人臉識別技術(shù)在高校課堂點名中的應用成為了現(xiàn)實，也是因為這種需求，讓人們不斷拓寬和優(yōu)化人臉識別技術(shù)。同時，人臉識別技術(shù)也是一項新型技術(shù)，在使用的過程中還有許多問題需要被綜合考量，下面將從系統(tǒng)需求和設計兩方面進行闡述。

（一）系統(tǒng)需求的概述

本篇論文的主要落腳點是高校課堂點名，所有的內(nèi)容都將圍繞這一問題展開。通過實地探測人臉識別技術(shù)在高校點名中的應用，發(fā)現(xiàn)高校點名系統(tǒng)具有以下兩個功能性的需求，第一個功能性需求是人臉圖像的分析和處理性需求，只有將人臉的圖像進行分析處理才有可能實現(xiàn)采集圖片和原圖庫圖片的對比和匹配，從而達到點名的目的。第二個功能性需求是后端系統(tǒng)管理性需求。人臉的采集和預處理等五部分的內(nèi)容是隸屬于前端的管理內(nèi)容，而后端的系統(tǒng)管理性需求則是和原始性數(shù)據(jù)相關的內(nèi)容，主要內(nèi)容有將學生和教師的信息上傳到數(shù)據(jù)庫系統(tǒng)中，相關人員可以在后臺查詢到考勤的相應信息，以便于對考勤信息進行統(tǒng)計和管理。

（二）系統(tǒng)設計的概述

系統(tǒng)設計是針對整個高校課堂點名過程而言的，需要對系統(tǒng)架構(gòu)和模塊進行分析。一般而言，和系統(tǒng)架構(gòu)相關的信息就是人臉的分析模塊，也就是人臉采集和檢驗等五個部分。這些內(nèi)容都是利用系統(tǒng)前端進行處理的信息，而系統(tǒng)的后端則包含相關人員信息的上傳和查詢等內(nèi)容。相比于系統(tǒng)構(gòu)架設計的內(nèi)容，系統(tǒng)的模塊設計所涉及的內(nèi)容也更加廣泛。首先，在人臉分析系統(tǒng)中需要設計一個智能人臉的云臺攝像機，以便于能夠?qū)處焹?nèi)的所有人員進行信息的采集，做到全面覆蓋，這是保障信息采集的完整性的重要手段，如此，才能確保每個人都被納入到采集的范圍內(nèi)，不會出現(xiàn)遺漏等情況。只有前端采集到了足夠豐富的信息，后端才有可能進行精確的識別。在前端的信息收集過程中，采用了人工智能的深度學習手段，攝像機會對同一個人抓拍多次，和原圖片庫的圖片特征進行對此，相似度最高的會上傳到人臉分析服務器，以確保識別的精準性。在這一過程中，還設計到一個人臉建模的過程，簡單而言，就是根據(jù)拍攝的圖片提取相應的特征點，利用這些特征點搭建一個人臉模型。而原人臉數(shù)據(jù)庫中也會有一個人臉模型，二者對此，相似度的多少便代表了匹配程度的高低。而系統(tǒng)管理模塊設計除了需要管理人員的信息還需要管理考勤模塊。人臉識別系統(tǒng)還應該和學校的課程表相結(jié)合，如此才能按照課程表的信息更好地開展課堂點名活動。人臉識別信息以后，所有的結(jié)果都會上傳到考勤系統(tǒng)中。在課堂上，教師可以向?qū)W生展示考勤情況。此時，若是有同學因為各種因素未能被系統(tǒng)識別，則可以進行補簽。這個可以放到課堂結(jié)束后進行，根據(jù)考勤結(jié)果確定學生是否又到現(xiàn)場，是否需要補簽，為信息化的人工技術(shù)手段增添了人性化的特征。同時，考勤的統(tǒng)計情況也可以幫助教師減少時間的消耗，教師可以輸入各種因素進行分類別的考勤信息查詢，比如按照班級進行信息查詢，或者按照教學專業(yè)進行查詢。

三、總結(jié)

人工智能的發(fā)展已經(jīng)成為社會共識，越來越多的資源和資本開始涌入人工智能領域。深度學習無疑是人工智能發(fā)展中較為出色的一項技術(shù)，能夠應用到各種領域，為行業(yè)的發(fā)展帶來的新的動力。現(xiàn)如今，深度學習在人臉識別技術(shù)中取得了良好的發(fā)展，各大高校都開始利用人臉識別技術(shù)進行課堂的點名。利用人臉識別技術(shù)對課堂上的教師和學生進行識別，將識別的圖像和視頻傳到后端，經(jīng)過后端的信息識別和匹配確定相似度，以此達到點名的效果。但是，不可否認的是人臉識別技術(shù)也會有疏漏的時候，可能因為一些因素的干擾導致識別或匹配的失敗。此時，就需要學校進行靈活性的變通，根據(jù)實際情況給予補簽等機會，以此完善人臉識別技術(shù)的不足之處。本篇論文就是立足于探究深度學習人臉識別技術(shù)在高校課堂點名中的應用，以此了解人臉識別技術(shù)在課堂點名中的運營機理，從而讓人臉識別技術(shù)的結(jié)果更加準確有效，為高校帶來更多的價值。

作者單位：山西大同大學