0
近日，新京報拍攝的一段視頻在微博上引發網友轉發討論，中國傳媒大學一位老師在課堂上用ipad進行刷臉簽到，學生們排隊站在終端前一秒鐘左右就可識別通行。
該老師名叫沈浩，是中國傳媒大學新聞學院教授、大數據挖掘與社會計算實驗室主任。沈浩教授表示該系統主要是借助了百度的技術，然后開發出了這個適用于課堂的作業模式，從目前的使用效果來看，成功率非常高，如今他所帶的六個班級都采用了刷臉簽到。
沈浩老師說，“在通過系統刷臉識別之前，學生們必須提交個人照片進行人臉圖像采集。在這個過程中，很多學生提交的都是生活照、美顏照，也會存在少數學生刷臉失敗（太過于模糊），后來改進之后，在一百多個同學中只有一位同學沒有刷臉成功，化妝、換發型在技術上來說對識別效果沒有任何影響。”
最讓人意外的是，這套“人臉簽到機”，完全是由沈老師自己開發的。據他介紹，他大概花了兩個星期完成這套上課簽到系統，目前不僅能準確識別人臉信息，還能對比兩張人臉的像判斷是否是同一個人，防止代簽到。
從以上來看，沈浩老師所開發的人臉識別簽到系統是通過1：1的人臉認證技術進行身份比對，確認學生信息，并將學生的圖像信息錄入到數據庫中；課堂上刷臉時，通過1：N的人臉識別技術（N不大），將學生信息與庫中的信息進行核對，確認簽到信息。
雷鋒網了解到，這其中有幾個關鍵步驟：
人臉檢測，系統根據眼睛、眉毛、嘴巴、鼻子等器官的特征以及相互之間的幾何位置關系來檢測人臉，即在在一副圖像或一序列圖像（比如視頻）中判斷是否有人臉,若有則返回人臉的大小、位置等信息。
人臉圖像預處理，然后系統獲取的原始圖像由于受到各種條件的限制和隨機干擾，往往不能直接使用，必須在圖像處理的早期階段對它進行灰度校正、噪聲過濾等圖像預處理；人臉圖像的預處理主要包括人臉對準，人臉圖像的增強，以及歸一化等工作。人臉對準是為了得到人臉位置端正的人臉圖像；圖像增強是為了改善人臉圖像的質量，不僅在視覺上更加清晰圖像，而且使圖像更利于計算機的處理與識別；歸一化工作的目標是取得尺寸一致，灰度取值范圍相同的標準化人臉圖像。
人臉圖像特征提取，人臉特征提取就是針對人臉的某些特征進行的。人臉特征提取，也稱人臉表征，它是對人臉進行特征建模的過程。
人臉圖像匹配與識別，人臉識別就是將待識別的人臉特征與已得到的人臉特征模板進行比較，根據相似程度對人臉的身份信息進行判斷。這一過程又分為兩類：一類是人臉確認，是一對一進行圖像比較的過程，將某人面像與指定人員面像進行一對一的比對，根據其相似程度(一般以是否達到或超過某一量化的可信度指標/閥值為依據)來判斷二者是否是同一人；另一類是人臉辨認，是一對多進行圖像匹配對比的過程。將某人面像與數據庫中的多人的人臉進行比對(有時也稱“一對多”比對)，并根據比對結果來鑒定此人身份，或找到其中最相似的人臉，并按相似程度的大小輸出檢索結果。
之所以會開發這個系統，沈浩老師表示，這學期自己的課程很多，數量最多的班有140多人。“點名”成為一件令他糾結的事，如果認真點名，就會耽誤很多時間。如果草草點名，又不夠公平。更尷尬的一次是，到了期末，紙質的點名冊不知去向了。
而作為技術發燒友，綜合考慮之下，他想到了運用人臉識別技術來“刷臉”簽到。利用這個系統就可以自動記錄學生的簽到次數，也能提前預警學生因簽到不足而無法結課，提升上課效率和學習積極性。
雷鋒網了解到，自在沈浩老師的課堂上試行之后，目前該技術已經在中傳所有課堂應用，未來還有望在宿舍、水房等場景全面鋪開。沈浩老師說，這就是人工智能帶來的變化，他也希望同學們能時刻感受到這種變化，感受到未來技術發展的趨勢。
人臉簽到得益于百度AI開發平臺
雷鋒網了解到，沈浩老師之所以花了極短時間就可開發出這個系統，是得益于百度人工智能技術全面開放。
百度AI技術生態部總經理喻友平介紹說，“百度開放了一系列基于深度學習的能力，包括但不限于語音、人臉識別、自然語言理解、知識圖譜、數據智能等，幾乎涵蓋目前已知人工智能的所有技術領域。我們提供的不僅是API接口，而是綜合的、解決場景化需求的一體化解決方案，可以讓開發者、合作伙伴快速加入。”
除了課堂簽到以外，當下以All in AI為轉型方向的百度已取得初步成效，人臉識別等技術也深入到了各個角落，包括利用人臉識別尋找丟失兒童、用于機場刷臉登機、用于藥房會員識別、用于烏鎮互聯網大會刷臉入場等等。
百度的AI開放平臺讓很多開發者都能免費地用到一系列成熟資源，包括像沈浩老師這樣的高校教師，但并非人人都愿意一試。
華南理工大學軟件學校黃翰教授表示，從教學層面來看：如果是教學管理人員，需要這樣的技術及設備去快速、準確地了解整個學校的學生出勤情況；但作為老師來說，可以不需要這些，教師應該把工作重心放在如何提升教學質量上，而不是把重點放在治理手段上。
從技術層面來說， 單從算法出發，高校的技術儲備也很雄厚，如果要做這些設備也不會用到百度的技術。他認為，這些技術太過于簡單，從專業的角度出發，如果要做也不會做這樣的設備，從視頻中來看是一個一個地排隊檢測（1：N），而在人數不多的集體中，完全可以做到不用一個一個人地去排隊，只需要拍張照片就可快速識別（M:N）。
在黃翰教授看來，百度開放相關技術是為了普惠到各行各業，各個單位也需根據自身需求去合理使用。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
