0 、引言

论文提出了一个使用面部识别、允许实时监控考勤的考勤系统， 可以检查由于欺骗和遗漏造成的欺诈。
论文地址：https://arxiv.org/abs/2211.07582v1

1. 概述

在大学和其他机构的课堂上，通常会进行考勤。然而，这种方式往往很原始，有改进的余地。实行叫学生的名字或在考勤本上写下他们的名字，但这很费时间和精力。这些方法也容易出现作弊行为，如替代出勤或在核实出勤后离开教室。和学生不必手动回复出勤情况。由于摄像头一直在记录，因此也很容易确定学生在课堂上停留的时间，只有超过负责该班的教授确定的阈值的学生才能最终得到考勤。此外，该系统还提供了一个管理屏幕，学生可以在这里检查他们的课堂出勤情况，教授们可以为他们的班级设置出勤门槛。这是使用面部识别的一个例子。

因此，本文提出了AttenFace，一个使用面部识别的系统，以节省检查出勤率的时间和精力并防止欺诈。用相机拍摄课堂，通过面部识别从定期拍摄的快照中识别学生，并存储在数据库中。教师

2.AttenFace系统概述

AttenFace可以利用面部识别自动处理学生考勤。一般过程如下：首先，当一堂课开始时，摄像机开始记录，每10分钟拍摄一张快照。接下来，对获得的快照进行面部识别，以识别学生；每10分钟，确定学生是否在场。最后，对于所有的快照，如果有一定数量的快照被认为是在场的，那么该班级就被认为是出席了。请注意，这个 "一定数量 "是一个规范，可以由班级的教授来设定。每10分钟的出席人数被称为bu “锁定数”。

3. AttenFace系统要求

列出了功能和非功能的要求。四个功能要求是：（1）与学生/教授/管理员机构的登录信息相联系的登录门户（2）显示学生/教授所选课程出勤情况的管理屏幕（3）教授能够改变课程的出勤标准（4）管理员能够手动推翻错误的出勤结果。非功能要求是：（1）系统能从其机构的数据库中获取必要的学生/班级信息（2）显示出勤情况的管理屏幕是跨平台的，强调移动的兼容性，以方便用户（3）面部识别算法有一个计算开销(4) 面部识别算法可以在多个实例上并行运行，以便在多个班级进行平行处理。

4. AttenFace的使用案例

该文件列出了以下十个用例。
(1)学生/教授/管理员使用他/她的时期登录信息登录管理屏幕
(2)学生显示他/她参加的所有课程的出勤率
(3)学生在一节课结束后立即显示出勤率（0或1）
(4)学生每10分钟参加的课程的出勤率，这由教授设定检查是否超过了教授设定的阈值
(5)到目前为止，学生参加的课程总数，显示他/她可以缺席的课程数量，直到该课程要求的总缺勤数
(6)该课程的总缺勤数，在教授结束课程后立即进行
(7)教授设定的作为出勤标准的块数，每堂课/改变（教授可以在某些日子里宽松地或随意地出勤，不需要大学管理部门）
(8)教授在开课前改变上课的房间号，以确保在新的房间里启动摄像头，在发生突发事件时进行考勤
(9)管理员在必要时，可以(10) 允许管理员改变上课本身的房间号，以防与另一门课重合
(10)允许管理员改变上课本身的房间号，以防与另一门课重合。

下图是论文中提出的UML用例图。

5. AttenFace系统配置。

系统配置包括四个（前端、后端服务器、人脸识别服务器和数据库），如下图所示。

首先，用户（User）通过管理屏幕（Frontend）进入系统。下图是显示给学生的屏幕样本。在这里，用户可以查看某个班级的出勤、缺勤和可能缺勤的人数，以及每10分钟的出勤决定状态。

此外，下图显示了显示给教师的一个样本屏幕。在这里，教师可以看到他/她所负责的班级的听课人数和听课名单（总听课人数），以及确定听课的阈值（所需的最小块数）。请注意，阈值是可以编辑的。

后端（Backend Server）通过数据库处理，如访问图像进行面部识别，在管理屏幕上显示数据和基本的CRUD操作。它还根据逐个区块的信息来确定班级的出勤率。它还充当向人脸识别服务器发送数据的桥梁，该服务器不能直接访问数据库（数据库）。人脸识别服务器执行人脸识别的高负荷计算处理。在上课期间，它直接从安装在每个教室的摄像头中获取实时画面，并与后端（Backend Server）进行通信以确定出勤率，每个线程都有其相关的独立计算。人脸识别服务器（Face Recognition Server）的每个线程都从后端（Backend Server）接收 “所有上课学生的图像”、“上课时间”、"下课时间 "和 “该教室对应的摄像头ID”。下图是人脸识别服务器（Face Recognition Server）、后端服务器（Backend Server）和摄像头（Camera）的顺序图。

与现有的解决方案相比，后台（后台服务器）和摄像机（照相机）之间的直接通信是一个独立的、完全自动化的系统的重要组成部分。最后，数据库存储有关学生（如用于识别的图像和注册的班级）、班级（如房间号和相应的摄像机ID）和教授（如教授的课程）的信息。下图显示了数据库的简化模式。

6. 在大学教学中的具体用途

要在大学课堂上使用AttenFace，系统首先在课堂开始前5分钟与摄像机建立连接。接下来，教授按要求登录管理屏幕，并更改目标班级的出勤要求。从上课到下课，教室的快照被发送到后台，然后每10分钟发送到面部识别服务器。然后，每隔10分钟，学生被识别并记录为一个区块。最后，在课堂结束时，学生可以登录管理屏幕，立即看到他们在该班的出勤情况。

7. AttenFace的可扩展性和易集成性

AttenFace系统是模块化的。特别是，面部识别服务器（Face Recognition Server）是一个独立的模块。给出学生的照片作为输入，在人脸识别模块中进行计算，并将每个学生的识别结果（无论在该时间段是否在场）返回到后端（后台服务器）。后端（Backend Server）使用这些数据来计算出勤率。　由于其模块化的性质，AttenFace系统可以很容易地集成到现有的大学门户中。例如，很容易将AttenFace实时考勤系统整合到Moodle（*1）中。在本文的案例研究中，管理屏幕（Frontend）、登录机构和与机构数据库的互动都由Moodle处理。需要整合的组件是与人脸识别服务器互动并进行必要计算的后端（后端服务器）脚本，以及人脸识别服务器本身。集成后，考勤数据可以提供给Moodle并显示在前端。(*1) Moodle是一个开源的电子学习平台。它是免费的学习支持软件，可以在课堂上使用，也可以在互联网在线环境下随时随地使用。它允许教授在网上发布教学大纲和讲课材料，学生提交作业，教授对提交的作业进行评分。

8、总结

本文提出了一个名为AttenFace的系统，它使用面部识别来实时统计出勤率。到目前为止，检查课堂出勤率是一个费时费力的过程，但AttenFace成功地实现了这一过程的自动化。此外，AttenFace以区块为单位，每10分钟确定一个学生是否在场，依据的是区块整体的百分比是多少。因此，学生不能在上课时离开教室，必须在教室里停留一定的时间。可以自动确定出勤率，同时排除不正常的情况。本文没有提到所使用的面部识别算法或面部识别的准确性，但在实践中，曾出现过无法检测到学生或无法准确识别学生的情况。各种因素，如教室的照明环境，学生脸部的位置、方向和大小，以及图像质量，都可能影响到人脸识别的准确性。未来需要研究更加稳健并能适应不同情况的人脸识别算法。研究由于各种因素，如照明环境、学生脸部的位置、方向、大小和图像质量，以及由于人脸识别算法造成的准确性和偏差的差异，可能是很有意思的。然而，正如本文所述，人脸识别/认证的有用性和便利性可能会从班级考勤管理等休闲应用中实现，而社会实施可能会取得进展。