摘要
随着计算机技术的不断发展，很多类型的学生管理系统在学生管理管理中得到推广，而高校学生的学生管理管理更是当今教育的管理重点。以前是使用的的学生管理方式会造成学校管理成本的提高，也可能影响任课教师的教学状况，并且会出现学生替签的情况，一方面，这种学生管理系统需要一定的技术来实现可识别性；另一方面，我们必须使用一种适合学生智能参与的呈现技术。
本文的主体部分由算法研究、系统设计、系统实现和测试三部分组成，通过介绍成熟的人脸识别算法和人脸识别算法，实现了人脸识别的功能，并开发了逻辑存在函数。与此同时，根据选择的算法开始设计系统，然后分析系统需求。系统设计要确定框架与整体构想，首先进行了功能模块设计，包括图像处理、人脸识别、呈现的学生管理功
能，然后建立了人脸图像数据库，最后做GUI界面设计代码；该系统设计完之后，简单介绍了相应的开发环境和运行环境。利用Matlab开发工具编写了关键程序代码，利用函数功能和其它功能建立了相应的程序接口，并对系统进行了整体测试，根据测试结果对系统的性能进行了评价。最后，总结全文，该系统能识别学生的面部表情，使学生充分参与。它对遮挡、表情、姿态等具有很好的鲁棒性，性能方面也较传统方法有所提升的空间。
关键词：图像处理；目标识别；人脸检测；人脸识别；学生管理系统
1绪论
1.1课题背景与意义
人脸识别技术作为一种新兴的生物识别技术，在各个领域、各个行业以及生活的方方面面都得到了广泛的应用，很大程度上便利了人们的生活。随着现代科技水平的提升，该技术也逐渐应用到学生管理管理中，而高校学生的课堂学生管理更是亟待解决的问题。
在大学的学习生活中，课堂学生管理与管理是很重要的一环。现如今仍有大部分高校采用教室点名或者学生交纸条的方式进行课堂学生管理，但传统的学生管理方法存在两个方面的弊端，一来会占用一部分上课时间，影响老师的教学进度，但也会出现学生签到后逃课的情况：二来会出现他人替课的现象，所以传统的学生管理方法并不可取。也有一些高校采用其他的学生管理方法如指纹学生管理等，这些方法都存在一定的局限性，如语音识别技术在感冒或者嗓子痛时无法准确识别；指纹识别由于手指表皮脱落或手指受伤而无法识别。因此，识别图像人脸的学生管理技术被人重点研究，部分地区高校已经开始使用，效果良好。
图1-1刷卡、指纹学生管理示例图
利用现代计算机技术并结合相关算法，设计一种识别人脸图像的系统，该系统能够快速对待识别的图像按照逻辑开始处理识别，从而完成识别打卡工作，教师可以智能高效地查询学生某节课的出勤情况，对高校学生管理而言是一突破。
1.2国内外研究现状
1.2.1国内研究现状
国家对于人脸识别领域的技术投入较晚，但是投入的力度很大，许多的科技单位都进行识别人脸的研究，并取得了良好的效果。我国人脸识别技术的研究主要集中在三类方法上：基于几何特征的人脸自动识别方法、基于代数特征的人脸自动识别方法和基于连接机构的人脸自动识别方法。
周杰，卢春雨等人提出并设计了人脸自动识别系统。该系统包括两个主要过程：一是人脸检测和定位，二是提取特征并识别人脸。然后又分别对两个主要过程的常用方法进行了简介，分析了各个方法的好处与弊端。尹飞和冯大政提出基于PCA算法进行人脸识别。首先介绍了PCA方法的原理，对于传统PCA的不足进行改进，对原始数据变换完成后，进行平均处理，然后提取特征向量。而且此种方法对识别率没有影响，能量利用率几乎达到百分百。
马博宇和尉寅玮提出了一种基于AdaBoost算法的人脸识别方法，通过对图像特征的提取和去除进行预处理，提高了图像质量、分辨率和运算速度；特征分类选用头发特征分类器；SIFT特征提取算法作为对比度算法。何光辉和张太平提出了一种基于Adaboost算法的局部匹配人脸识别方法。对面部饰物遮挡、表情和位置变化等情况下的识别，把人脸看做一个整体进行处理识别时，会导致识别结果不准确。此时，提取人脸的主要特征进行识别可能效果更好。人脸被切成许多小块，每个小块都可以当作弱分类器，使用该算法将这些小块训练成强分类器。
1.2.2国外研究现状
国外在人脸识别方面的技术研究比较先进，而且起步也比国内早。当前以X、日本、欧洲等国家为首，在该技术领域取得了重大的进步，遥遥领先其他的国家。他们已经把该技术应用在很多的领域当中，并且取得的效果很好，他们对该技术的研究主要是以下几个方面：
1）几何特征，运用特征提取的相关技术，采集人体面部器官的特征点并进行距离识别，再将特征向量矩阵之间进行匹配，完成识别；
2)子空间分析，利用线性或非线性变换，将人脸投影映射到特定的空间，对该人人体面部进行特征提取和降维；
3)模板匹配，对待识别的图像进行处理，得到相关特征，并与库的人体面部特征进行比较，计算欧式距离，判定所属类别；
4)神经网络，基于神经网络的人脸识别分类器设计，当训练向量的平方误差之和小于目标误差时，停止训练；
国外其它人也多该技术有所投入。如S.Sumathi和P.Marasamy研究基于小波变换的线性判别分析（LDA）。首先，他们分析了现有的方法并指出了它们的优缺点。后来，为了弥补LDA方法的缺陷，他们对LDA方法进行了推广和改进，其核心是发展小波变换的概念，利用Haar小波的优点与LDA融合。然而，合并后的人脸识别方法在性能和效率上都有了很大的提高，但它更为复杂，需要更多的处理。
1.3人脸识别技术在学生管理系统中的应用
近年来，对人脸识别技术研究投入巨大，也取得了不错的进展和突破，识别准确度和速度也得到提升。人脸识别系统是人脸识别与存在性系统的结合，人脸识别结果作为存在性评价的基础，其主要特点是零接触、远程操作、人脸的特殊性、杜绝代刷和代签的行为、识别率相对较高、识别速度也很快且准确可靠。
人脸识别学生管理系统，能加强公司和高校的管理，规范员工及学生的出勤，防止代刷、代签、弄虚作假的行为，也极大地提高学生管理效率。借助于现代计算机技术和算法，将人脸识别技术作为一种手段，管理人员能通过软件查询学生或员工的出勤情况。
1.3.1出入校园、课堂学生管理
采用人脸识别学生管理系统，可以有效地管理学生离校或者进入学校的时间，可以随时掌握学生的位置信息。但是出入校园的人脸识别是基于动态人脸的识别技术，因此对服务器和平台的要求较高，基于云端的教学管理可以解决传统刷卡识别手段不具备的安全性和真实性。
人脸识别学生管理可以实时统计学生的课堂出勤情况，高校学生管理系统以人脸识别技术为基础，首先对采集到的人脸图像进行处理，然后选用常用的人脸检测算法与人脸识别算法进行人脸检测与人脸识别，最后完成学生管理。该系统能提高老师的教学效率，降低管理的成本。
1.3.2上下班学生管理
企业利用人脸识别系统作为学生管理有诸多好处，主要有两点，一是不用担心多人需要打卡时拥堵的现象，二是不用担心员工之间的代打卡现象。识别人脸时，我只需在镜头前露一下脸，就可以轻松地识别出人脸，这样既提高了参与公司的效率，又弥补了读卡等方法的不足。而且可在后台随时查看学生管理数据，做到真实学生管理。
1.4本文的主要研究内容
本文主要设计了一个基于人体面部的系统，使用Matlab开发，进行程序代码设计和人机交互GUI代码界面设计。首先对摄像机拍到的图像进行了处理：检测人脸区域、找出特征和识别人体面部，并与人脸数据库中的人脸图像进行比较，以检查对象和完成匹配。本文研究了不同的人脸识别算法和人脸识别算法，选择了合适的算法，结合需求分析设计了人脸识别系统，并对系统的功能进行了测试和实现。
2人脸识别算法研究
2.1人脸识别的基本原理与一般流程
人脸识别：识别人体面部的过程相较而言不复杂，对检测到的图像人脸，首先要确定所用的具体识别算法，然后要进行提取人体面部特征，并且与已有的库内人脸的特征进行匹配，识别出待检测图像。
图2-1人脸识别系统流程图
在图像中识别人脸时，首先对人脸进行定位，并给出相关的人体面部特征，然后把图像分割，找到人体面部所在的区域。该步骤对整个过程而言很关键，它直接影响到识别效果。但是，由于光线、表情、位置和遮挡等因素，人脸识别存在一定的困难，难以对图像中的人脸进行识别，因此，应根据实际应用和要求选择不同的人脸识别方法。
2.2人脸检测算法
2.2.1常用人脸检测算法概述
人脸检测是目标检测，顾名思义就是检测人体面部，将人脸部分和其它区分。自上世纪七十年代开始至今，很多的科学家和学者对其投入研究，涉及到方方面面，而研究出的方法也有很多，但是主要有下面三种方法：特征检测法、模板匹配检测法和统计学习检测法。下面对上述三种方法进行细致的分析：
（1）特征检测方法：是根据人脸图像面部特征之间的位置几何分布以及个特征点位置之间的联系进行检测。这般的方法又分为：
1）知识检测方法：是人们根据人体面部特征的的关系整理出来的。再将这些方法融合形成了一种检测人体面部的规则，并且应用到实际检测中。该方法使用过程简单，但是缺少准则限制，容易出现混乱。
2）局部特征检测方法：是当整体识别出现困难或者待检测图像出现部分缺失、模糊时所用的方法，要将能识别的部分特征运用一定的手段进行提取，然后对他们进行组合来检测。该方法缺点也很明显，缺失或者过于模糊会导致识别失败。
（2）模板匹配检测方法：首先要确定一个模板，把待检测的图片与该模板进行相似比对，确定相似度，找到人脸所在的位置。该方法又分为：
1）预定义模板匹配检测法：也称局部匹配检测法，检测之前就把一些模板准备好，模板中含有一些人体面部信息，然后对待检测图片与模板进行比对，确定相似度，找到人脸位置。该方法使用简易，但适应性较差，动态图很难检测。
2）弹性目标匹配的检测法：也称整体检测法，利用人体面部的全部信息进行量化检测，准确度很高，但是过于耗时。
（3）统计学习检测方法：用统计原理进行分析和机器手段来学习达到以人脸部分的特征信息来构建模板，可以基于此模板进行检测图片人脸面部。而且有很好的稳定性，对于位置变化的图片识别性能也较好。该方法有两个用途，一是可以用来提取特征，二是可以用来进行分类处理。
2.3人脸识别算法
2.3.1常用人脸识别算法概述
人脸识别自古至今就是一个难题，从古代的悬赏和追捕告示，到现在生活中的各个方面，人脸识别的应用越来越广泛。而人脸识别的方法也不计其数，对其投入的研究力度也逐渐加大，但是都离不开人脸的特征这个关键信息，诸多的方法都是研究“特征”这个关键词，但是缺各有千秋，主要有以下三种方法：几何特征识别法、子空间分析识别法和模板匹配识别法，下面对各个方法做具体分析：
（1）几何特征识别的方法：人体面部的五官存在结构性的差别，根据他们之间的空间几何分布及各分布之间的相关性描述人脸。根据人们普遍认知的人脸结构，找出人脸面部相关的特征信息，计算出距离，组成几何特征向量，与库内图片的特征相匹配，识别图像人脸。该方法通俗易懂、不占存储空间，对光照的鲁棒性较好。但是某些图片的特征提取较难，位置和表情可能造成提取不成功，性能不稳定。
（2）子空间分析识别的方法：对待识别的图像信息进行线性或非线性空间变换，将人体面部数据投射到某个空间，即子空间中。可以降低面部数据的维数，再对数据分类。子空间分析识别的方法主要有两种，主成分分析法和线性判别分析法。
（3）模板匹配识别的方法：是把待识别的面部样本与库内所有的图片进行比较，找到与待识别面部最接近的原图人脸图像，也可以用拓扑图表示人脸。
而可供选择的人脸模板总的来说有两种：一种简单的模板，将人体面部看成椭圆，因此可以将识别图像人脸问题转化成识别人体面部的椭圆问题；一种复杂的模板，把人体面部的五官特征看成小块，使用弹性模板来提取这些特征，从而利用这些特征的罗阔提取小块。
2.4本章小结
本章主要介绍了识别人体面部的一般过程，该识别过程有两部分：检测人体面部和识别图像人脸，根据系统的准确性、快速性和鲁棒性等要求，识别图像人脸时，选用基于主成分分析（PCA）的特征脸法，PCA则提供一个可以由协方差矩阵的特征向量求取的线性变换矩阵，为了使各维欧氏距离处的重建误差之和最小，对各维进行了等价处理，再用PCA进行降维处理，提取主要的特征，选择那些较大特征值对应的特征矢量用于识别，把次要的特征去除，达到降维的目的。
3基于人脸识别的学生学生管理系统设计
3.1引言
选择合适的人脸检测和人脸识别算法，系统的理论部分大致完成，然后要考虑系统的需求，根据功能需求来设计系统。
3.2需求分析
3.2.1系统功能需求
考虑到高校学生管理的情况，本系设计了一个基于人脸识别技术的课程参与系统，不仅满足了高校教师对学生参与上课的需求，设计系统以人脸为识别目的，解决了以往的学生管理中的疏忽和记忆问题，同时，由于可以远程非接触式操作，节省了传统方式花费的时间，一定程度上提升了课堂效率。
既然是人脸识别学生管理系统，最基本要完成的就是准确识别待检测的人脸图像。该系统要面对的是广大高校的学生，人脸图像数据是很关键的一项数据，系统必须能检测并识别给定任意的人体面部数据，然后在人脸库中进行匹配，匹配成功则确定身份。
然而，采集到的人脸数据仅包含人脸图像，教师在识别成功后无法区分谁是某学生。因此，系统必须提供识别功能来识别数字ID，形成特征面部数据库，为面部识别提供必要的条件。待任课教师需要学生管理时直接输入编号ID即可查询该学生的打卡状况。
3.2.2系统非功能性需求
人脸识别学生学生管理系统在系统安全性、系统性能、人脸数据库等各个方面都有独特的要求
（1）安全性需求：安全要求是指人脸图像数据和访客信息的基本安全，个人信息和访客结果可以在有权限的情况下存储在数据服务器上。此外，这些数据在传输前应通过加密程序进行加密，这样能够预防在应用互联网传输时让学生管理信息被修改或者个人敏感信息被泄露。
（2）性能需求：要人脸识别系统是识别所有瞳孔和提高识别准确率的必要手段，识别准确率要尽可能无限接近百分之百。并且在对每张图片进行检测并且识别时，要求每张人脸图像的识别时间保证在两秒内完成。
（3）数据库需求：该系统要求具有较高的安全性。检查是否参与工作只需要很短的时间，但是要求人脸图像能保存一段时间。
3.3系统总体设计
（1）系统目标
系统的总体目标是，基于人脸识别的这一贡献，利用人脸识别完成学生参与功能，建立一个完整、稳定、高效的系统，为高校学生学生管理提供良好的支持。通过系统整体结构设计、系统模块化设计、系统数据库设计和GUI界面设计为人脸识别学生管理系统的实现做好方案。还要方便教师进行学生管理管理，对疑似替课的人脸图像首先由系统进行判断，任课教师输入编号查询查询即可。
（2）系统总体设计
系统功能结构如下图所示：
图3-1人脸识别学生管理系统功能结构图
图像采集及预处理模块主要是对学生进行人脸注册，把注册学生的人脸数据存放放到原始人脸库中。
人脸识别模块对利用Matlab开发工具编写了关键代码，测试图像中的人脸，提取人体面部特征，然后进行识别。人脸识别来完成对测试人脸的是否为库内学生的判断。
学生学生管理模块则主要是对识别成功的人脸进行标记，若为人脸库内学生，则打卡成功；否则，打卡失败。该模块方便老师再次查询时可以直接输入人脸图像编号进行查询。
（3）系统工作流程
该系统主要工作流程如下：
1）教室内监控摄像头拍摄照片，并存储所有人的人体面部图像。
2）对采集到的照片开始检测人体面部。
3）在检测到人体面部之后，利用知识提取特征，识别图像人脸，以判断是否为人脸库中的人。
4）步骤3）后，若为同一人，则显示改学生的名字，打卡成功；若不是同一人，则结果显示为“null”，打卡失败。
5）教师通过输入学生学号进行查询某学生的学生管理情况
3.4模块化详细设计
3.4.1图像处理模块设计
图像处理模块主要完成对学生人脸的注册工作，对摄像机拍摄的图像进行预处理，包括图像灰度变换、图像滤波、直方图均衡化和图像归一化，其实现过程较为简单，本系统所用的预处理步骤较少，只是简单的进行灰度变换，在此不多加介绍了。最后，将处理后的图像用于人脸识别。
3.4.2人脸识别模块设计
该模块是系统的核心模块，主要有检测人体面部和识别图像人脸两个过程。这两部分使用MATLAB编写的程序代码，然后打包为系统程序调用。实现对采集的照片中检测人体面部、提取面部特征和与人脸库内图像进行比对，最后识别待检测图像中人脸的身份，录入数据。
该算法的实现过程与第二章提出的理论相吻合，首先对采集到的图像利用Adaboost算法做检测图像人体面部并进行人脸区域分割，快速准确地从图像中分离出人脸部分，然后提取面部特征，然后使用特征脸方法进行识别图像人脸，最后与数据库中的人脸进行比较，判断其是否为学生，得出课程参与结果。
3.4.3学生学生管理模块设计
学生学生管理模块实现了管理数据的功能，存储的数据包括学生姓名、学生照片、学生人脸特征以及识别学生管理结果。如果人脸识别模块中最终识别的结果为匹配成功，则该学生打卡成功；若识别结果为“null”，则该学生打卡失败。
通过对系统需求的分析可以看出，学生学生管理模块应可以存储和管理数据，具体管理的数据包括：学生的姓名、面部图像以及图像信息的录入、和删除。而学生参与课程的情况要由任课教师统计，根据识别结果总结所有上课学生的出勤情况。
3.4.4数据库的设计
数据库中设计主要是包含人脸样本信息和学生信息。本系统主要有两个人脸库，一个是测试人脸库，即把需要检测识别的人脸放到该库中，另一个是训练人脸库，即人脸图像的样本，是最初采集用于比对识别的人脸库。这两个数据库是本人从网络上随机选取的图片，也有几张外国人的人脸图片，包含了人脸识别中所面临的挑战性问题。因此，该系统识别结果具有普遍性和代表性。
图3-2测试人脸库图像
图3-3训练人脸库建立
3.5 GUI界面设计
图形用户界面（GUI）是实现操作者与计算机等电子设备的人机交互接口。操作者通过GUI与其下属的各个模块进行交流，其中图像处理模块负责对图像采集到的人脸数据进行提取，并进行雕刻、直方图方程和图像归一化处理。人脸识别模块负责人脸图像的识别和识别，并将数据与数据库进行传输，进行比对和识别。学生模块管理已有的数据，包括特征数据、学生信息和学生管理信息，数据管理流程应能实现添加、删除、和测试功能。
设计GUI的方法为：
（1）命令行窗口输入guide，回车后打开的图界如下图：
图3-4新建界面
（2）上图中有四种GUI可以选择，本文采用的是第一个“Blank GUI(Default)”，空白的GUI。确定后显示如下图：
图3-5空白GUI界面
3.6本章小结
本章详细介绍了人脸识别学生学生管理系统的设计。根据选择的算法开始设计系统，然后分析系统需求。系统设计要确定框架与整体构想，首先进行了功能模块设计，包括图像处理、人脸识别、呈现的学生管理功能，然后建立了人脸图像数据库，最后在系统开发工具上进行了系统实现界面的设计——GUI界面设计。
4基于人脸识别的学生学生管理系统实现与测试
4.1引言
人脸识别学生学生管理系统设计完成后，就要具体做该系统的实现。系统的实现包括很多内容，如系统的运行环境、数据库的实现、模块功能的实现和调试运行界面等，每个要点都要细致分析以达到系统需求。
4.2系统开发和运行环境
本系统采用的开发软件为Matlab 2018，采用的是自选人脸库，系统主要运行在可以关联高校教师摄像头的计算机即可，所以更加注重电脑的硬件配置。结合Matlab对电脑的需求以及实际测试等，系统软件运行的需求如下：CPU：Intel第三代i3以上,内存：4G以上,系统：Windows7 SP1及以上
在Matlab上进行系统实现有诸多优势，第一，Matlab的数据结构的基础是矩阵，因此可以直接针对矩阵进行运算；第二，Matlab是集编程、计算和数据可视化为一体的软件系统；第三，Matlab包括很多工具箱，每个工具箱集合若干函数，专门针对一个具体的问题，而且性能和质量都有保障。
使用Matlab进行程序代码编写具有灵敏、快捷和操作简单等优点，调试代码的过程没有十分冗杂，简单易懂。而且该软件集编辑、编译、连接和执行调试四个步为一体，可在同一屏幕上灵活操作，加快用户编程、修改和调试的速度。
4.3系统功能实现
人脸检测的实现：所设计的人脸识别系统首先是检测人体面部的相关信息，对采集到的照片进行处理，然后用AdaBoost算法对静态照片进行人体面部检测，把图像进行分割，然后提取出人脸部分。部分代码如下：
[L3 num3]=bwlabel(B2,8);%连通区域标记for i=1:num3
[r,c]=find(L3==i);
left(i)=min(c);
right(i)=max(c);
up(i)=min(r);
down(i)=max(r);end
hold on;
for i=1:num3
if(down(i)>(up(i)+(right(i)-left(i))*1.2))%人脸长宽比限制
down(i)=up(i)+(right(i)-left(i))*1.2;end
x=[left(i);left(i);right(i);right(i);left(i)];
y=[up(i);down(i);down(i);up(i);up(i)];plot(x,y);%画框
end
hold off;
人脸识别功能的实现：在对人脸图像进行人脸检测之后，就要对分割出来的图像人脸部分提取特征信息，之后将该特征与人脸数据库中的人脸图像进行比较，以检查对象和完成匹配，确定该检测图像中人的身份。在对每张人脸图像进行分类器训练时，要使用一些样本作为训练集进行训练。训练之后，对人脸图像进行特征提取利用主成分分析法(PCA)选择某些特征值对应的特征向量进行识别，并与已知人脸的位置比较，准确识别人体面部。
4.4系统运行界面
（1）初始界面
当老师需要查询学生的学生管理情况时，登录该系统，初始界面如下：
图4-1系统初始界面
（2）输入信息界面
进入系统后，要选选择所要测试的人脸库即测试人脸库文件所在位置，然再选择需要进行匹配识别的人脸库即训练人脸库。
图4-2选择人脸库
（3）识别学生管理界面
选择完测试人脸库和训练人脸库后，就要进行对人脸图像进行检测识别和学生管理了。首先要确定待检测人脸图像的编号ID，然后输入某图像编号，最后点击“开始匹配”，系统就会对测试图像进行特征提取和识别，并且与训练人脸库内的人脸图像做比对识别。若该待检测人脸与训练库内某人脸匹配成功，则显示待检测图像的身份名字，打卡成功；否则，显示“null”，打卡失败。例如，点击开始匹配后，输入数字“1”，则显示“库内匹配结果：成龙”；输入数字“3”，则显示“库内匹配结果：张子枫”；若输入数字“21”，则显示“null”，因为训练人脸库内不存在胡歌的人脸图像，识别失败。但是也可能发生测试人脸图像在训练库内有待比对的人脸图像，但是识别失败。
图4-3人脸识别学生管理结果
4.5系统整体测试
采用Matlab完成人脸识别学生学生管理系统设计后，需要对系统的功能、性能和算法等方面做测试，找出系统各个部分之中可能存在的问题并加以改正。首先要测试的就是在Matlab中设计程序的语法和逻辑。通过输入不同的信息，按照所设计算法的流程，查看系统是否能正确运行。实际测试结果：所涉及程序无误，可以准确识别。
然后就要要测试系统功能实现的各个模块，包括图像处理模块、人脸识别模块和学生学生管理模块。
（1）图像处理模块测试：对摄像头拍摄的照片进行存储，存放到测试人脸库中，并对人脸图像进行预处理。实际测试结果为：测试结果与预期相符。
（2）人脸识别模块测试：从两个库中任意取出一个人的几张照片，并进行人脸识别结果检测，实际测试结果为：测试结果与设计要求相符合。
（3）学生学生管理模块：对人脸识别的结果进行判断，识别出人脸和名字即视为学生管理成功，实际测试结果：与预期相一致。
4.6系统性能评价
在对系统进行整体测试后，还要进行性能测试并且对测试结果做出评价。进行测试的人脸图像一共是十一张，十张是测试识别人脸，一张是测试无法识别的人脸。对十一张图片逐一进行识别，识别结果为：在正常条件下，识别率接近百分之百，识别时间为1-2秒，可以满足人脸识别学生管理系统的需求。以下为部分的识别结果
图4-4人脸识别的部分结果
4.7本章小结
本章描述了在人脸识别领域引入和测试系统的过程，首先介绍了系统实现的开发平台和运行环境，即采用Matlab为开发工具，利用Matlab编程语言进行代码设计。其次，根据系统功能需求，对最重要的人脸检测与人脸识别功能进行了部分代码编写。然后对系统运行界面做了详细的介绍，从初始界面到选择人脸库再到如何使用都细细说明。再然后对系统做了整体测试，包括系统设计的程序算法和功能模块的测试。最后对测试的结果进行了分析，并添加了识别的结果，证明所设计实现的系统能达到预期要求。
结论
学生管理已经成为了高校工作很重要的一个环节，但是至今很过高校受到技术和资金等多方面限制还使用传统的方式。本文针对以前学生管理的弊端设计了基于人脸识别的学生学生管理系统，包括正文中所谈到的几个主要过程，并用MATLAB进行了设计和实现。该系统的重点是怎样识别并且准确识别人体面部，所提取的面部信息如何与系统数据库匹配以及识别身份等。正常的系统是如火车站进站或者人脸支付时那样，对动态的图像进行识别，但是由于能力原因，本人只能对采集到的静态图片进行识别。具体设计步骤为：选择常用的算法，并根据选择的算法开始设计系统，然后分析系统需求。系统设计要确定框架与整体构想，首先进行了功能模块设计，包括图像处理、人脸识别、呈现的学生管理功能，然后建立了人脸图像数据库，在系统开发工具上进行了系统实现界面的设计——GUI界面设计。最后是对具体做该系统的实现。系统的实现包括很多内容，如系统的运行环境、数据库的实现、模块功能的实现和调试运行界面等，每个要点都要细致分析以达到系统需求。
虽然本文设计的人脸识别系统已经有所改进，但是只对表情和姿态对识别的影响做出了优化，并且把负面效果降到最低。但是对以下几方面还有待提升：
（1）光照影响：图像采集时人脸所处的环境背景不同，图像的光照强度也不同。光照过强的图片可能识别会有问题，会影响人脸的检测。
（2）遮挡问题：当被采集的对象戴着帽子或者其他饰物时，可能会遮挡部分人脸特征，导致识别结果错误。
（3）特征提取：采用主成分分析法（PCA）提取人脸特征，但是该方法有一些限制条件，而且主成分的含义带有一些模糊性。结合以上不足，该系统的设计还有待加强，性能有待提升。
参考文献
[1]王琨,朱勇建,黄荟霖,等.人脸识别技术的应用与发展现状研究[J].科技创新导报,2020,17(10):128-129.
[2]马博宇,尉寅玮.基于AdaBoost算法的人脸识别系统的研究与实现[J].仪器仪表学报,2016,37(S1):162-167.
[3]戴志远,闫克丁,杨树蔚,等.基于模板匹配的人脸识别跟踪方法研究[J].上海电力大学学报,2021,37(01):83-88+93.
[4]孙玥,杨国为.基于人脸识别的学生学生管理系统的研究[J].现代电子技术,2020,43(10):116-118+123.
[5]周杰,卢春雨,张长水,等.人脸自动识别方法综述[J].电子学报,2000(04):102-106.
[6]尹飞,冯大政.基于PCA算法的人脸识别[J].计算机技术与发展,2008,18(10):31-33.
[7]马博宇,尉寅玮.基于AdaBoost算法的人脸识别系统的研究与实现[J].仪器仪表学报,2016,37(S1):162-167.
[8]何光辉,张太平.局部匹配的人脸识别方法[J].重庆大学学报,2012,35(12):133-138.
[9]刘婷.基于局部特征分析的人脸识别方法[J].信息与电脑(理论版),2019,31(21):114-115+118.[10]C.Xin,Y.J.Li,Z.M.Tian.Face recognition technology based on image processing[C].
[10]Proceedings of 2016 4th International Conference on Machinery,Materials and Computing Technology(ICMMCT 2016),2016.
[11]刘新业.基于人脸识别的人脸图像预处理研究[J].电子测试,2008,(02):27-30+48.
[12]L.L.Wang.Face recognition technology based on kalman filter[C].Proceedings of 2019 9th International Conference on Management and Computer Science(ICMCS 2019),2019.
[13]姜贺.基于几何特征的人脸识别算法研究[D].大连:大连理工大学,2008.
[14]X.Z.Yan,J.J.Cui.Face recognition technology based on eigenface[C].Proceedings of 2011 2ND International Conference on Innovative Computing and Communication and 2011 Asia-Pacific Conference on Information Technology and Ocean Engineering(CICC-ITOE 2011 V1),2011.
[15]张翠平,苏光大.人脸识别技术综述[J].中国图象图形学报,2000,5(11):7-16.
[16]江华丽.基于子空间分析的人脸识别算法[J].计算机系统应用,2017,26(02):151-157.[17]S.Sumathi,P.Marasamy.Automatic recognition and analysis of human faces and facial
[17]expression by LDA using wavelet transform[J].European Journal of Scientific Research,2012,67(3):389-395.
[18]T.Min.Research on face recognition technology based on computer neural network[C].Proceedings of 2018 5th International Conference on Electrical&Electronics Engineering and Computer Science(ICEEECS 2018),2018.
[19]Q.Ma.Research on 3D face recognition technology[C].Proceedings of 2018 3rd International Conference on Mechatronics and Information Technology(ICMIT 2018),2018.
[20]何玲.基于人脸识别的高校学生管理系统研究[J].中小企业管理与科技(中旬刊),2020(12):86-87.
[21]王静.基于人脸识别的图像学生管理系统设计与实现[J].无线互联科技,2015(10):52-53.
[22]赵明华.人脸检测和识别技术的研究[D].成都:四川大学,2006.
[23]H.Y.Guo,X.Y.Cao.Study on face recognition technology applied in library access control system——taking the library of UESTC as an example[C].Proceedings of 2019 3rd International Conference on Computer Engineering,Information Science and Internet Technology(CII 2019),2019.
[24]朱靖娴,白文娟,张砺心,等.基于人脸识别的学生管理系统设计与实现[J].无线互联科技,2019,16(03):61-63.
1、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“文章版权申述”（推荐），也可以打举报电话：18735597641(电话支持时间：9:00-18:30)。
2、网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友投稿，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务。
原创文章，作者：1158，如若转载，请注明出处：https://www.447766.cn/chachong/174186.html,
