導語：幼教大數據綜合系統設計研究一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

當今社會，人臉識別技術日趨完善且臻于完善，愈來愈受到人們的普遍關注。人臉識別技術最大的優點是可以有效防止個人信息的泄漏，很好地保護了個人隱私。并且，人臉識別技術能夠實現不用接觸任何東西來進行識別，對于在當今疫情下的防控也是大有裨益。因此，將其引入幼教體系中來具有較高的使用價值。

1.基于人臉識別的大數據綜合系統設計

從圖1中不難發現，該系統主要分為人臉識別部分及數據挖掘部分。其中人臉識別部分主要需要完成對人臉圖像的獲取、檢測、處理及匹配分析。通過該過程可以得到何時、何人出現在目標區域。數據挖掘部分則主要針對人臉識別輸出的數據與數據庫內的已有信息進行匹配分析進而獲得更進一步的應用情景。獲取人臉圖像：在獲取人臉圖像的時候，可以用攝像頭攝取，也可以是直接給定要識別的圖像。在本設計中，是使用人臉庫中直接給定要識別的圖像。這可以為以后的識別提供可實用性的資料。定位檢測人臉：對圖像進行掃描，可以掃描出圖像中是否出現人臉，若成功識別出人臉，接下來便會對人臉進行定位，然后進行下一步驟的處理圖像的預處理：在檢測并且定位到人臉后，接下來就需要進行一定的處理過程。這個處理過程便是圖像的預處理。圖像（1）圖像灰度變換圖像的灰度變換，指為達到一定目的，需要改變原圖像中的像素灰度值的方法。其目的是為了改善畫質，讓得到的圖像更加清楚。圖像的灰度變換處理是圖像增強處理技術中的一種非常基礎、直接的空間域圖像處理方法。最司空見慣的便是使用rgb2gray（）函數來轉換RGB圖像為灰度圖像。程序如下：i=imread（‘*.JPG’）；j=rgb2gray（i）；imshow（j）；imwrite（j，’*.tif’）（2）圖像增強圖像增強是指提高圖像的美觀性，提高圖像的清晰度和技術的適應性，促進人機之間的分析和處理。例如：去除噪聲等。圖像灰度變換的實現方式，直方圖均衡化是比較常見的一類，因此可以使用histeq（）函數和imhisr（）函數來計算和顯示圖像的直方圖。在Matlab環境中，濾波都是使用不同的濾波算子來實現的。通過fspecial函數創建濾波算子，然后用imfilter（）函數對圖像進行濾波。（3）尺寸歸一化在MATLAB語言環境中，歸一化是指要把所用的數據用某種算法，達到所需要的目的。尺寸歸一化，減輕了后續數據處理的繁重，提高了程序代碼的運行速度。在MATLAB圖像處理過程中，想要把圖像調整到相同大小，就需要用到resize（）函數。人臉識別，是在輸入的圖像中進行檢測，若檢測到人臉，則對人臉進行人臉特征的分析對照，以此來完成人臉特征的提取。然后，與庫中的已知人臉進行比對，識別出個人信息的一項計算機技術。毋庸置疑，人臉識別是在近年來，相比而言，較能得到大眾認同的一項技術。人臉識別的實現算法在國內外有很多種，例如：基于模板匹配的方法、基于奇異值特征的方法、子空間分析法、主成分分析法等，在本設計中，選取了主成分分析法PCA算法對人臉信息進行識別并與數據庫進行匹配，從而獲得較好的識別效果，在具體實現層面上需要完成如下步驟。

2. 人臉識別的大數據系統實現

2.2.1人臉檢測人臉檢測可以說是人臉識別系統的起點。雖說是第一步，卻有著舉足輕重的位置，直接影響著整個系統能否順利進行。在人臉識別領域，經過近幾年的研究，人臉檢測的方法也是不計其數，方法難易程度參差不齊。經過科學家的細致比較，得出較常用的幾種方法有：模板匹配法、特征空間法、人臉規則法和膚色模型法等。總而言之，人臉檢測，就是為了檢測在一張靜態圖像中是否出現人臉，若是出現人臉，便會順利進行下一步驟。2.2.2圖像預處理根據上述人臉檢測的結果，接下來便需要對人臉提取出人臉特征。在獲取人臉原始數據時，由于各種干擾條件和限制，系統必須進行一定的圖像預處理。正是因為有外界因素的一些干擾，所以需要圖像預處理來以此消除因為圖像所帶來的一系列干擾信息，并且對圖像原來的數據特征繼續保持。在識別中，采用的圖像預處理方法有以下幾種，比如：去噪、圖像平滑、銳化、尺寸歸一化等。有了圖像預處理，就能更好地體現圖像自身具有的一系列特征。例如，除噪。與此同時，利用了圖像二值化的功能，它大大減少了計算工作量，便于提取特征值，提高了工作效率，因為所選樣本中各人本身的臉部膚色都差不多，并且與背景顏色有比較大的差距。所以為了把人臉顏色與背景顏色區分開，這樣方便更好精確地識別人臉。因此人臉圖像的識別是有必要進行圖像的二值化，即將原圖像轉換為黑白兩個灰度級別的圖像。對于人的面部識別的特征非常多，顏色特征便是其中一種。因為膚色在YCbCr空間受外部客觀因素的影響較小，所以，在本設計中，選擇使用YCbCr空間中的Cb和Cr分量建立二值膚色統計圖像。膚色具有類聚特性，而在YCbCr的色彩空間下，膚色類聚性能優良，所以選用人工閾值法將膚色與非膚色區域區分開來，形成二值圖像。非膚色區域中依然有可能有部分區域顏色與膚色相近，所以閾值分割后的圖像依然存有部分“假膚色”區域，經過形態學處理和限制長寬比之后，可得到人臉區域。在確定人臉區域后，與身份庫中的人臉進行比較，識別出來，則做出矩形框標記人臉區域。上述提到形態學處理，在本設計中，利用到的形態學處理有：腐蝕和膨脹操作。即使用strel（）函數和imerode（）函數進行以上操作，腐蝕可以使圖像區域變小，膨脹使圖像區域擴大。2.2.3人臉篩選與標記由于可能會存在“假人臉”的問題，即類膚色區域，所以需要進行后續處理。首先，對預處理后的圖像，對連通域區間進行標記，即標記出連通區域。接下來，篩選掉尺寸比例不合格的區域。2.2.4基于PCA的人臉識別算法利用PCA對數據進行降維。它通過線性變換把原來的數據轉換成一組各維度線性無關的數據，也就是可以用于提取數據的一類特征分量，從眾多特征中提取出主要成分，在不損失模型質量的前提下提高模型的訓練速度，有效降低了人臉識別的難度，改良了人臉識別的漏洞。即使訓練樣本較大時，PCA的人臉識別算法也擁有更好的多變性。PCA實際上是一個投影矩陣，它可以將數據特征從高維變為低維。將原有的坐標系高維特征數據乘以此投影矩陣，就可以得到新的坐標系低維特征數據，從而降低維數。

3.系統應用及可能拓展

在完成了識別底層代碼設計的基礎上，需要將人臉識別的數據整合到大數據系統中去。從具體的數據結構中不難發現人臉識別所能夠提供的數據類型及形式主要為“誰”和“何時”出現在特定的區域，如果不經過進一步的深度挖掘，該數據不具備大數據特征，其應用價值也將受到嚴重的局限。從這一角度出發，在實現人臉識別的大數據體系建設后，在幼教系統中至少具有如下幾方面功能：（1）能夠完成教師及學生的考勤。該功能屬于人臉識別的基礎性應用，可以直接輸出何人在何時出現在何地。通過對這一信息的匯總可以對教師及學生考勤情況進行分析。如教師何時入園，學生入園的總數，哪個學生并沒有入園等。以周或月為考勤周期向學校及家長提供教師及學生的考勤情況，有助于學校強化教師管理，也有助于學校及家長對于學生的入園學習情況進行動態掌握。（2）能夠完成學生學習軌跡的跟蹤與分析。在不同的授課環節中引入人臉識別的大數據系統有助于形成學生的學習軌跡，如何時進入教師開展特定課程的學習。在大數據應用過程中以具體的學生為評價單元合集能夠清晰地描繪出該學生在幼兒園中的全部行為軌跡，有助于家長實時了解學生的動態。（3）能夠對學生的學習行為進行評估。通過人臉識別技術能夠形成對教室內學生進行全程跟蹤與標注，并通過場景對比的方式對學生的學習行為進行評估。如在幼小銜接過程中，教師重點對學生的課堂紀律要求進行教學，在此教學過程中如果學生離開座位的次數明顯高于班級平均值則可以認定學生的課堂紀律較差；如果學生頻繁出現起立、交頭接耳等情況也可以認定其課堂紀律較差。系統將這一分析結果匯總到課堂教師手中有助于其有重點的規劃后續的教學內容，并重點關注該學生對其行為進行及時糾正。（4）對學生離校安全進行輔助。幼兒出園需要由家長進行接送，尤其是出園階段中容易產生“錯接”等風險，讓不法分子有機可乘。在基于人臉識別的大數據系統應用中，系統可以預先對學生家長信息進行人臉采集，通過動態分析的方式對應學生與家長之間的關系。如果出現接送家長人臉識別不通過的情況則可以實時發出預警，并傳送到教師或安保人員的終端上，由教師及安保人員進行現場確認后才予以放行。一方面能夠有效地降低現場工作人員的工作強度，提高準確性；另一方面還能夠避免類似的風險發生，保證將每一名學生安全的交到家長手中，杜絕不法分子利用接送時混亂現場進行行為的可能。除了上述的四方面基本應用之外，通過大數據系統將人臉識別技術對接到更為龐大與立體的數據體系中去還能夠獲得更為深入的數據挖掘效果。如通過對接送家長的頻次進行深度對應挖掘可以評價學生所在家庭的家庭關系，進一步對學生的家庭教育水平進行評估。如父母接送為主要行為方式則可以認為父母對于學生的家庭教育較為重視，反之如果是隔輩親屬為主（爺爺，姥姥等）則可以判斷學生父母對于日常照顧及家庭教育時間較為緊張。從這一思路進行延伸可以進一步探索基于人臉識別的大數據系統在幼教過程中的積極作用，為數字化幼教體系貢獻出應有力量。

4.總結

幼教階段需要提高對幼兒學生的保護，利用人臉識別對其進行考勤及行為軌跡的分析有助于落實幼教體系中的各項基本要求。在此基礎上，本文探討了人臉識別大數據系統的構建要求與實現方式并重點探討了其在幼教系統中的可能應用模式與貢獻，希望為后續建設提供必要參考。

作者：費弘 單位：澳門科技大學