您好, 访客   登录/注册

大数据支撑的人脸识别技术在高校校园安全管理中的应用研究

来源:用户上传      作者:

  摘 要:随着新一代信息技术的发展与应用,给予高校校园安全管理很大的启发和研究空间。本文根据当前高校所面临的校园安全管理的问题所带来的挑战,探讨运用大数据及人脸识别技术在高校校园安全管理中的应用,提出了学生不安全行为监控数据指标,设计与构建了高校校园安全预警系统模型,以期为高校校园安全管理工作提供支持服务,为教育决策提供更加科学的参考依据。
  关键词:大数据;人脸识别;校园安全管理;预警
  前言
  本文以解决当前高校校园安全问题为出发点,运用人脸识别技术并有机融合大数据技术研究高校校园安全预警系统,尝试通过对在校学生的疑似不在校行为等主要核心数据指标进行实时跟踪和监测,运用人脸识别技术采集、识别、分析与建模等方法,为高校校园安全建立预警体系,为学校安全管理提供科学有力的决策依据。
  一、问题的提出及趋势
  近年来,我国高等教育的普及高校招生规模不断扩大,伴随着学生人数的增长与高校所面临的安全管理之间的矛盾也逐渐显露,如:学生失联、夜不归宿等现象频发。然而,如何及时、准确地掌握学生在校情况等问题给高校安全管理提出了新的挑战。面对当前普遍依靠传统的人工管理已经无法满足现阶段需要,这就需要高校在原来安全管理方面积极大胆创新管理模式。
  二、大数据支撑的人脸识别技术在高校安全管理的应用
  (一)对人脸识别及大数据技术的认识与分析
  随着人工智能在各领域的广泛应用,“人脸识别”作为人工智能重要的应用方向之一,也不例外。它是基于生物特征中的人脸生理特征,运用算法对人的脸部器官及形状距离等进行特征分析与识别,从而进行身份识别的技术,一般包括人像采集、人脸检测、人脸预处理、人脸特征提取、人脸比对识别等[1]。“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产[2]。大数据处理与分析技术则是对这些信息资产进行深度地挖掘与分析其价值的新手段,它的战略意义不在于掌握庞大的数据信息,而在于对这些含有意义的数据进行更为专业化的处理。
  由此可见,通过大数据技术对海量相关性数据资源的科学治理、管理、挖掘、分析等综合运用,从各个维度、各个层面,对数据进行深度挖掘与分析,形成高质量的数据管理与智能服务,从而提升高校校园安全管理服务的水平,建立高校校园安全预警体系,为学校安全管理提供科学有力的决策依据,促使高校校园安全管理。
  (二)高校校园安全预警系统模型设计与构建
  经过上述相关技术分析,我们可以有机地综合运用大数据和人脸识别技术手段打造高校校园安全预警系统模型。结合前人相关研究和调研需求及自身的工作管理经验,本文分别从以下几个方面设计与构建预警系统模型。
  1.数据的采集
  数据的采集主要通过两种方式。一是根据选取和制定好的监控预警指标数据,利用相关智能设备进行数据采集。通过人脸识别技术我们可以在校园关键位置部署高清智能摄像设备用来采集学生人脸图像信息。二是通过大数据技术对已有的各业务系统中涉及与学生校园安全相关性的数据进行挖掘采集与抽取。由于采集到的海量数据来自不同的业务系统和智能感知设备(包括非结构性和结构性的),经过大数据处理和人工智能算法把数据统一结构化后,统一集成到数据中心,便于统一分析、管理与运维。
  2.数据分析与判断依据
  经过人脸识别技术对数据的海量采集与挖掘后,首先我们可以根据学生疑似不在校行为数据指标进行筛选、归类处理与分析,形成有效的信息用于判断学生连续未打卡(刷脸)的天数,如把天数设为“d”,可依据如下步骤设计:
  1)关联学生课程表及所有刷卡记录,定义学生是否有课:
  K={1,有/0,无}
  2)分别将疑似不在校的因素:门禁卡的刷卡记录、图书馆进出记录、上课签到记录、校园卡刷卡消费记录、上网记录分别设为Di(i=1,2,3,4,5),规定若存在两项及两项以上打卡记录的则认为该生在校,否则,反之;
  3)定义:
  Di={1,有记录/0,无记录}
  D=5∑i=1 Di
  若D≥2则表示该学生可能在校,若K=1∪D<2则表示该生疑似不在校;
  4)记录一段时间内学生在有课的情况下连续未打卡天数d,即K=1∪D<2的天數d;
  在有课情况下,可判断若有两项及两项以上打卡记录,则认为“在校”;若有一项或0项打卡记录,则认为“不在校”。
  4.确定预警级别阀值
  根据实际监控的需要,我们分别从如下两种情况分别作出预警并设置级别阀值:
  1)针对某一天,考查所有学生连续未打卡天数d和学生总量N。
  若d>a的学生数n<=2%×N,a设置为高危阈值;若d>b的学生数n<=5%×N,b设置为中危阈值;若d>c的学生数n<=10%×N,c设置为低危阈值。
  2)考查一个学生,若d>a,高危预警;若b<d<a,中危预警;若d<c,低危预警。
  三、建议与展望
  对于学生校园安全的管控数据指标需要根据每个学校建设基础和实际需要进行选取,进一步完善预警指标体系,保证管理的科学性和合理性。期望本文探讨的大数据支撑的人脸识别技术在高校安全管理的应用,能够进一步提高校园安全信息化管理水平,从而更为科学和精准的做出预警,为学校提供决策与服务的依据,同时也期望能为各兄弟院校提供参考。
  参考文献:
  [1]苏楠,吴冰,徐伟等.人脸识别综合技术的发展[J].信息安全研究,2016(1):33-39.
  [2]陶雪娇,胡晓峰,刘洋.大数据研究综述[J].系统仿真学报,2013,25(S1):142-146.
  作者简介:
  刘 刚(1980—),男,河北保定人,硕士,南宁职业技术学院现代教育技术中心高级实验师,主要从事教育信息化研究;
  梁家军(1985—),男,广西北流人,硕士,南宁职业技术学院现代教育技术中心讲师,主要从事现代教育技术研究。
  本文系:“基金项目:2020年度广西高校中青年教师科研基础能力提升项目,立项代码(2020KY30009)”的研究成果。
转载注明来源:https://www.xzbu.com/1/view-15223001.htm