校园智能考勤系统设计与实现

引 言

如今，在高校里，课堂考勤已经成了学生管理层面不可缺少的一环，直接决定了学校教学质量的好坏 [1]。经过抽样调查统计，如今六成以上大学的课堂考勤方式依然为简单的人工考勤，耗时长、准确性低、统计信息分散易丢失，且存在代到情况。其他的一些电子考勤系统，例如教师考勤机以及指纹考勤系统等也都存在耗时长以及部署难、成本高等缺点。此种情况下，设计实现一个兼具快速性、准确性，利用已有硬件设施的低成本考勤系统很有必要。

1 课堂考勤系统的性能指标

衡量一个课堂考勤系统的优劣有三个关键维度 [2] ：准确性、快速性、部署难易程度。准确性是最关键、最基本的一个维度，它可分为三要素，即时间、地点、人物。只有保证这三者与课程表完全对应才能保证考勤系统是有价值的并且可以投入使用 ；快速性决定了完成课堂考勤工作的时间，快速性好的考勤系统可以省下更多的课堂时间用于授课。

2 现有考勤系统

(1) 人工考勤。此种考勤方式为上课的前几分钟教师或班长根据名单进行点名。缺点为耗费时间（平均 50个人的班级需要 2 min 结束考勤），并且准确性低，存在人为代到的情况，考勤信息分散不利于统计且不利于保存 ；优点为流程简单，成本低。

(2) 教师机考勤。此种方式逻辑简单，学生依次去老师的设备上通过人脸识别等方式进行考勤，属于串行考勤方式。优点为准确性好，不需要部署硬件且成本低。缺点为甚至比人工考勤还要耗时并且一定程度上容易引起课堂秩序的混乱。各个教师统计出来的信息是独立的，不利于发挥数据的价值。

(3) 指纹识别考勤系统 [3-6]。此种方式使用较广泛，但对考勤人员皮肤质量要求较高，皮肤出现蜕皮等情况将无法进行指纹识别，所以该方式准确性一般。指纹识别考勤机为串行考勤，考勤人员需排队，所以浪费时间，快速性差，且考勤需要额外部署考勤机等硬件，部署成本高。

(4) 人脸识别考勤系统 [6-7]。人脸识别考勤方式通过精确度较高的人脸识别技术，有效地解决了常规考勤方式人为代替考勤的问题，准确性高 ；但同指纹识别考勤系统一样， 存在快速性差及部署困难的缺点。

(5) 基于 WiFi 定位 + 人脸识别考勤系统。本文提出的此种考勤方式，通过学生手持设备的 WiFi定位结合人脸识别确定学生身份的唯一性，故保证了准确性高。考勤方式为并行考勤，所有人同时进行考勤工作，且服务器架构支持高并发，故快速性好。本文以西北大学为例，此系统建立在现有的校园 WiFi基站架构之上，通过算法使原本为通信设计的 WiFi热点也可用来进行精确定位，不需要额外硬件部署， 所以成本低，推广使用简单。

基于三种性能指标的几种考勤系统性能比较见表1 所列。

3 基于 WiFi 定位与人脸识别的考勤系统设计

3.1 系统组成

基于 WiFi 定位与人脸识别的考勤系统由考勤终端（智能手机）、人脸识别服务器、图片服务器、分流服务器、中间服务器、考勤服务器以及 WiFi 基站组成。人脸识别服务器进行实时学生人脸判别，图片服务器存放学生的人脸信息数据库，分流服务器和中间服务器起到高并发负载均衡作用。考勤服务器完成考勤工作并部署 MySQL 数据库存储学生考勤历史信息。考勤终端提供教师及学生登录，与服务间采用C/S 架构，学生登录可完成日常考勤及查询本人历史考勤信息，教师登录可以根据需求查询、修改、统计所辖班级所有学生的历史考勤信息。

3.2 系统功能

教师端 ：下达单次考勤命令 ；查询所辖班级历史考勤信息。

学生端 ：完成日常考勤 ；查看本人历史考勤信息。

4 系统实现

4.1 考勤流程及实现

一节课开始教师登录点击一键考勤，学生拿出手机，登录后点击签到，智能终端将打开前置摄像头拍摄学生实时人脸图片后发送到人脸识别服务器。人脸识别服务器根据学生登录信息以及实时拍摄的人脸图片向图片服务器请求学生人脸图片，并计算实时照片与存档图片的匹配度。若匹配度不符合要求，则签到失败并提示重新签到，若符合要求，终端将调用定位模块进行位置匹配。如位置符合要求则在考勤服务器数据库中添加此学生考勤成功信息，并同时将成功信息返回给终端，在终端显示考勤成功 ；否则返回失败信息显示签到失败。如果有学生迟到后考勤成功，数据库将记录学生迟到信息。具体逻辑流程如图 1 所示。

4.2 信息查询流程及实现

系统有独立的数据库应用系统，面向教师及学生，教师登录系统可查看所辖某班级的整体考勤历史信息、所辖某班级某个人的考勤历史信息，并且可以下载汇总 Excel 表格以便对平时成绩进行统计。学生登录系统可查看并核对自己本学期的历史考勤信息。

5 核心技术模块实现

5.1 人脸识别

调用百度人脸识别接口，此接口通过提取人脸的特征， 计算两张人脸的相似度，从而判断是否为同一个人，并给出相似度评分。在已知用户 ID 的情况下帮助确认是否为用户本人的对比操作，即 1∶1 身份验证。接口同时采取了活体检测技术，保证上传“照片的照片”会被检测到从而导致签到失败。

5.2 精确定位

本文提出的精确定位技术利用教室位置指纹信息 [8] 进行定位。以西北大学为例，因为每个教室已经部署了相同品牌的无线接入点（Access Point，AP）以达到 WiFi 覆盖及终端无缝漫游的效果，所以教学楼的每个教室都有唯一的位置指纹信息。无线 AP 周期性地发送一个 beacon 帧以告知周围无线设备自己的存在（通常每隔 100 ms 发送一次）。beacon 帧中包含无线 AP 的 MAC 地址，此 MAC 地址作为无线 AP 的身份标识，与帧中的 RSS（信号强度）一起组成“位置指纹信息”。本考勤系统设计的位置指纹信息结构如下 ：

R（P）={MAC1 ：RSS1}

式中：P 代表具体位置；大括号内为此位置的位置指纹信息； MAC1 代表此位置所能检测到的 RSS（信号强度）最强的无线 AP 的 MAC 地址；RSS1 代表此位置检测到的 RSS 最强的无线 AP 的 RSS 值。

本文提出的考勤系统中的精确定位不同于以往的 WiFi 精准定位，课堂考勤系统中的终端定位精度需求是定位到教室而非定位到室内特定位置。一般的 WiFi 精准定位技术 [9-10] 是获取实时位置指纹后，通过匹配数据库中预先存储好的最近邻位置指纹信息以获取当前位置 ；而本文的课堂考勤系统在获取终端实时位置指纹后，判别该终端是否在正确的位置上。具体方法如下。

(1) 离线阶段。在每个教室中心位置多次采集位置指纹信息后取平均值，作为此教室的位置指纹，并存入数据库。

(2) 定位阶段。根据学生移动终端上传的实时采集到的位置指纹信息的值以及学生的登录信息，在数据库中查询到学生上课的教室以及该教室对应的预先存入的位置指纹信息的值，并计算其与移动端实时上传位置指纹信息差值的绝对值，若在一阈值范围内，则判定考勤位置符合要求。

6 结 语

本文所提系统开发完成后，在西北大学多个教室测试了考勤系统的精准程度。实验结果表明，软件满足了考勤系统的基本需要。

相比传统考勤方式，该系统具有以下优点。

（1）准确性高。系统采取一个 55 人班级做实验，并事先安排 5 人用人脸照片进行人脸识别，另外 5 人在隔壁教室等非规定教室位置进行考勤。实验结果为预先安排的 10 人均未通过考勤，且其他人员全部通过考勤，结果表明系统的准确性很高。

（2）快速性好。实验结果表明平均 55 人的班级采用此系统考勤从考勤开始到考勤结束所需时间为 15 ～ 20 s，所以系统快速性良好。

（3）不需要额外部署硬件。实验环境的每个教室天花板的中心位置都已经安装了无线 AP，此配置符合教室定位的要求，所以不需要部署硬件。