摘" 要：随着人工智能技术的飞速发展，人脸活体检测技术在智能考勤系统中的应用成为学术和工业界的热点之一。该研究聚焦于基于人脸活体检测的智能考勤系统，旨在探索其在提高考勤效率和准确性方面的潜力。通过深入研究先进的人脸识别算法、卷积神经网络及支持向量机等深度学习模型，结合高精度和实时性的活体检测技术，系统能够准确地区分真实的人脸与其他形式的欺诈性行为，确保了考勤数据的可靠性和安全性。该系统不仅实现了考勤过程的自动化管理，同时还提供了实时监控和反馈功能，使得考勤记录更加全面和可追溯。最终，这一便捷、高效且安全的解决方案为高校及其他机构的考勤管理提供了有力支持，为教育和企业管理带来了新的可能性。
关键词：活体检测；人脸识别；卷积神经网络；智能考勤
中图分类号：TP311" 文献标识码：A" 文章编号：2096-4706（2024）19-0075-05
Design of Intelligent Attendance System Based on Face Liveness Detection
SUN Fang， WANG Huifang， CHEN Dipo， HUANG Pan， ZHENG Haoguang， ZOU Yuanhao
（Information Engineering Institute， Wuchang Institute of Technology， Wuhan" 430065， China）
Abstract： With the rapid development of Artificial Intelligence technology， the application of face liveness detection technology in intelligent attendance system has become one of the hot spots in the academic and industrial circles. This study focuses on an intelligent attendance system based on face liveness detection， and aims to explore its potential to improve attendance efficiency and accuracy. Through in-depth research on advanced face recognition algorithms， Convolutional Neural Networks and Support Vector Machine and other Deep Learning models， combined with high-precision and real-time liveness detection technology， the system can accurately distinguish real faces from other forms of fraudulent behavior， ensuring the reliability and security of attendance data. The system not only realizes the automatic management of the attendance process， but also provides real-time monitoring and feedback functions， making the attendance records more comprehensive and traceable. Ultimately， this convenient， efficient， and safe solution provides strong support for the attendance management of universities and other institutions， and brings new possibilities for education and enterprise management.
Keywords： liveness detection; face recognition; Convolutional Neural Networks; intelligent attendance
0" 引" 言
在企业及高校管理中，考勤是一项至关重要的任务。传统考勤系统存在一系列问题，如卡片丢失、代签、效率低、易伪造等问题等，因此需要一种更为安全和可靠的智能考勤解决方案。人脸活体检测技术作为一种先进的生物识别手段，是一种可以区分真人人脸和非真人人脸的技术，是保障人脸识别系统安全的主要方法[1]。它具有不可伪造性和高精度性，因而成为构建智能考勤系统的理想选择。
基于人脸活体检测的智能考勤系统是应用人工智能技术的现代化考勤管理解决方案。该系统采用Dlib库的深度学习模型对摄像头捕获的学生图像信息进行人脸特征提取与人脸对比[2]。使用先进的人脸识别算法和摄像设备，可以自动识别学生的面部特征，并将其与预先注册的学生信息进行比对和验证。通过摄像设备采集学生的人脸图像，并将其与学生的身份信息关联注册到系统数据库中，系统使用高效的人脸识别算法，提取学生人脸图像的特征信息，并将其与注册时保存的特征进行比对，以确认学生的身份。系统具有更高的准确性和安全性，能够提升考勤效率并减少人力成本。本项目以武昌工学院为研究对象，旨在开发一种智能考勤系统，利用人脸活体检测技术实现自动化考勤，提高学生出勤率，塑造更好的学习范围，帮助学校管理员更方便的去管理学生，了解学生的上课情况。如有缺勤、旷课、迟到等情况，管理员邮箱会及时收到相应的通知。系统还可以对考勤数据进行统计分析，生成相应的考勤报表，帮助老师及管理层了解学生的出勤情况，优化考勤管理流程。最终为学校提供便捷、高效的考勤解决方案。
1" 系统整体功能
基于人脸活体检测的智能考勤系统框架包括人脸注册、考勤记录、数据管理、设置和考勤统计与分析等模块。各模块协同工作，实现高效、稳定、可扩展的考勤管理。系统采用现代化软件架构，以数据库为基础，通过人脸识别技术实现考勤，大大提高上课点名的效率[3]。管理员可设置系统参数，生成考勤报表，便于管理层监控。用户界面友好，提供注册、查看等功能。系统设计确保稳定性、灵活性及可扩展性，为智能考勤提供坚实基础。系统整体功能图如图1所示。
智能考勤系统的业务数据流程涉及信息与操作的流动，涵盖人脸注册至考勤记录生成，以及数据管理与统计分析。
1.1" 人脸注册流程
1）用户通过人脸注册模块进行人脸图像采集与注册。
2）采集的人脸图像与用户身份信息一并存储于数据库中。
3）注册成功后，用户人脸信息与身份信息建立关联。
1.2" 考勤记录生成流程
1）系统通过摄像设备实时检测员工或学生的人脸。
2）检测到人脸后，系统运用人脸识别技术进行真实性与活体检测。
3）验证通过后，系统记录考勤时间、员工或学生身份信息等数据，并实时存储于数据库中。
考勤模块流程图如图2所示。
1.3" 数据管理流程
1）管理员通过数据管理模块对员工或学生信息进行增、删、改、查等操作。
2）考勤记录的管理涉及查询某时间段考勤记录、导出考勤报表等功能。
1.4" 系统设置流程
1）管理员通过设置模块配置系统参数，如活体检测阈值、考勤规则等。
2）系统根据管理员设置调整相应运行参数。
1.5" 考勤统计与分析流程
1）系统定期或按需对考勤记录进行统计与分析。
2）生成考勤报表，包括员工或学生出勤次数、出勤率等信息。
3）报表可通过用户界面模块展示给管理层。
1.6" 用户界面交互流程
1）用户通过用户界面模块进行人脸注册、查看考勤记录等操作。
2）用户界面与其他模块交互，提供友好的操作界面，确保用户能够便捷地使用系统功能。
系统人脸识别流程图如图3所示。
2" 关键技术
2.1" 人脸检测技术
人脸识别作为一种生物特征识别技术，是近年来模式识别、图像处理、机器视觉、神经网络以及认知科学等领域研究的热点课题之一[4]。人脸检测是该智能考勤系统的基础技术。通过使用计算机视觉技术，从摄像头捕捉到的图像或视频中自动识别出人脸的位置。本文主要使用OpenCV内置的基于Haar-Adaboost的人脸算法来实现人脸检测。该算法使用图像的哈尔特征做检测，过程中使用积分图（Integral Image）加快哈尔特征的求值，然后使用AdaBoost算法训练出多个不同的区分人脸和非人脸图像的分类器，最后使用筛选式级联法把强分类器级联到一起，从而提高准确率[5]。
2.2" 活体检测技术
为了防止考勤过程中的欺骗行为，需要对人脸进行活体检测，确保识别的人脸是真实的人脸。该项目中运用成熟的活体检测技术包括基于深度学习卷积神经网络的面部表情识别算法（如FER）、使用dlib库的眨眼检测算法等，最终提供了一种高效准确的人脸活体检测的系统，该系统结合深度学习和图像处理技术，实现对静态图像和动态视频中的人脸进行活体验证，通过判断人脸是否为真实活体，以防止面部欺骗攻击和非活体攻击。
2.3" 人脸识别技术
人脸识别的主要因素有人脸的角度、光照的强弱[6]。人脸识别技术是指在检测到人脸后，通过对比已有的人脸数据库，确定人脸的身份信息。本项目主要采用FaceNet人脸识别算法，它使用深度学习方法实现，在识别准确性和鲁棒性方面表现出色[7]，包括特征提取和特征匹配两个过程。
特征提取：本项目主要使用OpenCV提供的ResNet-SSD预训练模型，使用dlib库中的人脸特征点检测器来提取人脸特征点。具体方法是使用预训练好的人脸检测器对图像中的人脸进行检测，然后对每个人脸提取68个特征点的坐标信息。
特征匹配：将提取出的人脸特征与数据库中存储的特征进行比对，确定是否为同一人。本项目主要使用OpenCV库中的特征匹配器来实现特征匹配。具体方法是先对图像中的人脸提取特征点和描述符，然后将其与数据库中的特征点和描述符进行比对，找到相似度最高的人脸。
2.4" 数据加密技术
智能考勤系统中，人脸数据作为一种高度敏感的数据信息，需要采取严格、有效的加密保护措施，以防止人脸数据不会遭受被非法获取和滥用的风险。该项目系统加密技术一方面采用SSL/TLS协议，建立安全的通信通道，保障在人脸数据传输过程中的机密性和完整性。同时，我们还引入了AES（高级加密标准）加密算法，将人脸数据在存储和处理阶段进行加密，从而进一步提高了数据的安全性。
2.5" 大数据分析和可视化技术
智能考勤系统中会产生大量的考勤数据，项目中采用大数据分析技术对已有的考勤数据进行深入分析和挖掘，以实现更精准的考勤管理和预测分析。为了方便用户更加直观地查看和分析考勤数据，采用数据可视化技术，最终将数据以图表的形式直观形象化地展现出来。
3" 主要功能
3.1" 登录注册
本系统为用户提供基础的登录、注册功能。登录模块主要用于验证登录用户的身份并授予登录用户不同的访问权限[8]。用户在注册界面，填写个人相关信息，确保填写的用户名、密码、姓名、性别等信息准确。用户通过注册账号后才能使用登录及签到等功能。登录界面初次加载时，加载上次登录时的选框状态和用户信息。登录、注册页面输入框均设置提示信息，优化用户体验，如图4和图5所示。
3.2" 人脸信息采集
通过用户界面的个人信息采集功能实现，主要依据摄像头来进行人脸的特征采集以及人员相关信息的录入，如图6所示。首先开启摄像头，使用Dlib库中的人脸正向检测器get_frontal_face_detector（）判断是否包含人脸以及人脸存在的区域[9]。当人脸处于合适位置后，点击拍照按钮，人脸信息采集完成后，点击关闭摄像头按钮即可。完成建库后，为后续的考勤提供支撑。
3.3" 活体检测
选择人脸活体检测模块，根据系统设置的人脸活体检测的参数，包括检测阈值、活体检测模型路径等，开启活体检测功能。根据系统提示，将面部对准摄像头。当眨眼行为被识别出来就会完成活体检测，与之前训练好的模型进行对比，对比成功则签到确认[10]。活体检测功能以及系统识别功能，在检测到活体之间或者没有检测到活体就会显示No living body 的字样，当检测到真实的人脸后，系统将反馈检测到的结果，如图7所示。
3.4" 班级、课表管理
班级管理：进入管理员界面，选择班级管理，进行所带班级、班级编号、班级人数、签到开始时间和签到结束时间等信息的设置。信息保存时，会检索数据库是否存在lessontable字段，若不存在，则会进行正常新建该表单并完成初始化。同时，系统会检查是否存在同编号班级数据，如无（有）班级数据，新建（覆盖）表单数据。系统支持已保存的班级管理表单“导出表格”至本地Excel文件，如图8所示。
课表管理：进入管理员界面，选择课表管理，进行课程名称、开课班级、开课日期、结课日期、课程设置周课表和上课下课时间限制等信息的设置。信息保存时，会检索数据库是否存在lessontable字段，若不存在，则会进行正常新建该表单并完成初始化。同时，系统也会进行必要字段正则化检查。系统支持已保存的班级管理表单“导出表格”至本地Excel文件，如图9所示。
3.5" 考勤统计及分析
进入管理员界面，选择统计分析模块，查看所在班级某课程某天的出勤签到记录、迟到记录、请假记录等信息，也可以将班级出勤信息发送至指定邮箱或者导出为Excel记录进行进一步分析使用，如图10所示。
4" 结" 论
基于人脸活体检测的智能考勤系统为高校提供了更为安全、便捷、高效的考勤管理解决方案。通过利用先进的人脸识别算法和深度学习模型，系统确保只有真实的人脸才能通过考勤系统进行记录，从而保障了考勤数据的可信度和安全性。下一步，将深入利用考勤数据进行分析，以实现更精准的考勤管理和预测分析。采用数据可视化技术，以图表的方式进行展示分析结果，使管理者能够直观地了解考勤情况和趋势。这一全面而智能的解决方案为高校和其他机构的考勤管理提供了更加全面和可追索的手段。同时，也为生物识别技术在企业应用中的发展提供了有益的经验和启示，为未来的技术应用提供了可借鉴的方向。
参考文献：
[1] 黄俊.卷积神经网络在人脸活体检测中的应用研究 [D].上海：上海海洋大学，2021.
[2] 吕晓琪，李浩，谷宇.基于深度学习算法的人脸图像活体特征变换尺度提取 [J]. 吉林大学学报：工学版，2023，53（11）：3201-3206.
[3] 徐常惠，高艳平，王奥，等.基于OpenCV的人脸识别算法在智能学生签到系统中的应用 [J].无线互联科技，2022，19（16）：112-114.
[4] 冯友兵，陆轶秋，仲伟波.基于CNN和SVM的人脸识别系统的设计与实现 [J].计算机与数字工程，2021，49（2）：378-382+420.
[5] 陶灿.一种基于卷积神经网络和条件随机场的人脸检测方法 [D].武汉：华中科技大学，2016.
[6] 赵锋，张鹏，张冉.基于Ghostnet轻量级人脸识别算法研究 [J].电子测量技术，2022，45（16）：130-136.
[7] 汪涛.基于SpringBoot和人脸识别的企业考勤管理系统设计与实现 [D].安徽：阜阳师范大学，2023.
[8] 罗浩.基于人脸识别的考勤系统设计与实现 [D].重庆：西南大学，2020.
[9] 张中伟，陈浩.基于边缘计算的人脸识别模型研究 [J]. 中国电子科学研究院学报，2023，18（4）：363-371.
[10] 王维，杨路.基于人脸识别的考勤系统的设计与实现 [J].软件工程，2021，24（7）：46-48.
作者简介：孙方（1988—），女，汉族，湖北随州人，高级工程师，硕士研究生，研究方向：计算机应用。
基金项目：武昌工学院校级科研项目（2023KY07）
