人脸识别技术在智慧校园中的安全应用分析.pdf

数据要素DataElements

人脸识别技术在

数据要素智慧校园中的安全应用分析

DataElements

文◆厦门海洋职业技术学院 安 博 陈宏伟

引言图像按照模板的方式进行处理，使图像灰度、尺度统一，再将处理好的

近年来，人脸识别技术快速图像与人脸库进行比对，找出相似的图像，从而识别人物身份[1]。这种

发展成熟，应用范围不断扩大，人脸识别技术的原理相对简单，识别的精准度不足，面部遮挡、年龄变

在社会各领域得到普及，在智慧化、角度变化和光线变化等因素都会导致被识别图像与人脸模板的匹配

校园中的应用也越来越广泛。人度下降，导致无法识别。为了优化模板匹配人脸识别的精准度，相关研

脸识别技术为学校的教学管理、究人员提出了弹性匹配模式，同样需要提前收集人脸信息建立模板库，

门禁管理和行政管理等方面提升但弹性匹配模式下需要检测人脸特征，并在各项特征参数上设置弹性

了便捷性，也带来了应用安全方区间，给出可变化范围，降低其他干扰因素的影响，确保人脸特征在光

面的挑战，包括人脸信息数据的影和时间等因素影响下出现轻微变化时，也能从库中匹配到对应的人

安全防护、人脸识别应用的合法脸模型[2]。

合规性等。本文针对人脸识别技1.2基于面部几何特征的人脸识别

术类型以及在智慧校园中的应用利用面部几何特征进行人脸识别的方法具有操作简单、识别速度快

场景进行分析，探讨人脸识别技等优势，其应用原理是通过对比面部器官的基本特征及各个器官之间的

术的安全应用要点，以期提高人几何联系，有效识别出人物身份，其计算量低，识别效率高。但该方法

脸识别技术在校园中的应用质量，也极容易受到光影变化、面部遮挡等因素的干扰，导致无法有效提取

促进智慧校园安全、健康发展。面部器官的特征细节和几何关系，导致识别效果下降，识别结果和实际

情况存在较大的误差。例如，当被识别对象的面部处于强光状态下，或

1人脸识别技术类型是通过口罩、眼镜等工具遮挡面部时，则难以识别出面部几何特征，

1.1基于模板匹配的人脸识别甚至与其他人物面部几何特征发生混淆，导致识别错误，实际应用效果

模板匹配是指通过计算机不理想。

建立人脸模板，利用图像灰度自1.3三维人脸识别

相关性判断功能，进行人脸面部为了进一步提高人脸识别的效率、灵活性和精准度，使其能够在实

识别与对比。属于比较早期的一际场景中得到有效应用，研究人员积极探索研发集成式人脸数据识别技

种人脸识别技术，主要可分为静术。三维人脸识别技术与模板匹配、面部几何特征识别等二维图像识别

态匹配和弹性匹配两种类型。静方法相比，具有更好的识别效果，能够立体地分析人脸结构和特征，提

态匹配形式下，通常需要建立人高识别精准度，降低误差。三维人脸识别技术是目前研究重点和热点，

脸模板库，把被识别对象的人脸在许多实际场景中展现出良好的应用价值。

【作者简介】安博（1985—），女，福建厦门人，本科，助理研究员，研究方向：高校安全、学生管理。

135|2024.04

中国信息界 | Information China

2人脸识别技术在智慧校园中的应用场景传输、使用等操作。而人脸信息

2.1考勤系统数据是高敏感生物特征数据，很