CN105205646A - 自动点名系统及实现自动点名系统的方法 - Google Patents
自动点名系统及实现自动点名系统的方法 Download PDFInfo
- Publication number
- CN105205646A CN105205646A CN201510484589.1A CN201510484589A CN105205646A CN 105205646 A CN105205646 A CN 105205646A CN 201510484589 A CN201510484589 A CN 201510484589A CN 105205646 A CN105205646 A CN 105205646A
- Authority
- CN
- China
- Prior art keywords
- face
- student
- recognition
- information
- teacher computer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Analysis (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明公开一种自动点名系统,包括:教师机、人脸检测模块和人脸识别服务器,人脸检测模块包括摄像装置和人脸获取单元,其中,摄像装置设置为接收教师机发送的控制信号,采集视频帧输入至人脸获取单元;人脸获取单元设置为对输入的视频帧进行预处理,从视频帧中提取人脸生物特征和非人脸Haar特征,用训练得到的分类器对视频帧进行分类,获取人脸信息,并通过“三庭五眼”人脸比例提取人脸边缘,将得到的人脸照片发送至教师机;教师机接收人脸照片,发送至人脸识别服务器进行人脸识别。基于人脸生物特征和三庭五眼人脸比例进行人脸检测,同时连接教务信息管理系统进行指定库的人脸识别,能够快速有效识别复杂人脸,提高识别率,实现有效管理。
Description
技术领域
本发明涉及计算机视觉和信息管理领域,特别涉及一种自动点名系统及其实现方法。
背景技术
学校的“逃课族”已经严重影响到了学校的学风。这里的“逃课族”包括没来上课的、上课睡觉的、上课玩手机的、前面有位置不坐而坐在后排的、迟到早退的等。目前,实行大学生上课点名制是避免上述现象的十分普遍的做法,但效果不佳。一是老师要拿出一定的时间点名,浪费资源和时间;二是对“出工不出力”的学生无法控制;三是学生普遍反感老师的点名;四是无法避免代答到的现象。尽管老师采用了变相点名的方法,或学校采用了门禁管理,而这些都属于被动点名,缺少人性化。
基于这种的需求,在充分综合高校自身特点的前提下,开发一套能够适应新的教学体制、且能够最大程度满足高校现代化管理要求的高校自动点名系统,成为必然。
申请号为“201220333752”的实用新型专利“教室点名系统”记载了一种能够实现自动点名的系统。该专利解决了手工点名浪费资源和时间的问题,通过自动化实现了主动点名,提高了学生的体验。但对“出工不出力”的学生依然无法有效监控,且无法避免代为签到的现象。而且,在上课的教室或学生规模较大时,需要安装多个监控单元,甚至需要在每个座位安装感测器,布线复杂且成本较高。
发明内容
根据本发明的一个方面,提供了一种自动点名系统,通过人脸识别实现自动点名,提高管理效率,有效监管学生学习状态和学校资源利用率。并且通过人脸生物特征点和三庭五眼人脸比例,能够实现对复杂人脸的有效检测。该系统包括:教师机、人脸检测模块和人脸识别服务器,所述人脸检测模块包括摄像装置和人脸获取单元,其中,
所述摄像装置设置为接收所述教师机发送的控制信号,采集视频帧输入至所述人脸获取单元;
所述人脸获取单元设置为对输入的视频帧进行预处理,从所述视频帧中提取所述人脸生物特征和所述非人脸Haar特征,用训练得到的分类器对所述视频帧进行分类,获取人脸信息,并通过“三庭五眼”人脸比例提取人脸边缘,将得到的人脸照片发送至所述教师机;
所述教师机接收所述人脸照片,发送至所述人脸识别服务器进行人脸识别。
在一些实施方式中,还包括教务信息管理系统,所述教务信息管理系统根据所述教师机的请求指令,生成临时学生信息列表,发送到所述教师机;所述教师机接收所述临时学生信息列表,发送至所述人脸识别服务器进行存储;其中,所述临时学生信息列表包括学生照片,所述人脸识别服务器根据所述人脸照片和所述学生照片进行人脸识别。由此,可以实现与教务信息管理系统的无缝对接,根据指定的教室和上课时间生成对应的学生信息列表,以指定的学生信息作为识别的样本库,提高识别效率和速度,便于有针对性的进行上课状态和效率分析。
在一些实施方式中,所述人脸识别服务器包括时间戳设定模块,设置为根据预设的时间间隔设定计时器和对每个学生设置一个识别到人脸次数的计数器,并在计时器设定的时间间隔内对每个学生进行识别到人脸次数的计数,当计时时间到,生成一条时间戳记录进行存储,并清零计数器;所述时间戳记录包括学生编号、时间戳及识别到人脸的次数。由此,可以根据学生上课状态和时间戳统计分析结果信息,提高管理效率。
在一些实施方式中,所述人脸识别服务器还包括分析统计模块,所述分析统计模块设置为根据存储的学生列表信息和时间戳记录进行上课状态分析,生成统计结果信息。根据时间戳和行为习惯分析学生上课状态,提高学校资源利用率及学生和教务管理效率。
在一些实施方式中,所述人脸识别服务器还包括信息推送模块,所述信息推送模块设置为根据用户权限设置,获取所述统计结果信息发送至用户客户端。由此,可以实现对学生学习状态的自动跟踪,以帮助提高学校管理水平。
在一些实施方式中,所述人脸识别服务器还包括上课状态获取单元,设置为接收所述教师机发送的请求信息,根据时间戳和识别到人脸的次数,获取学生上课状态信息,输出至所述教师机进行显示或/和语音播报。由此,老师可以实时的获取异常学生的学习状态,实现及时提醒和监管,有利于提高学生学习效率。
另外,本发明还公开了一种实现自动点名系统的方法,包括:
教师机发送控制信号启动摄像机进行人脸检测;
摄像机将检测到的人脸照片发送至所述教师机,由所述教师机转发至所述人脸识别服务器进行人脸识别;
其中,摄像机进行人脸检测包括:
获取视频帧进行预处理,从所述视频帧中提取所述人脸生物特征和所述非人脸矩形特征,用训练得到的分类器对所述视频帧进行分类,获取人脸信息;
对获取到的人脸信息,通过“三庭五眼”人脸比例提取人脸边缘,得到人脸照片。
通过该方法可以实现基于人脸识别自动点名,提高管理效率,有效监管学生学习状态和学校资源利用率。并且,基于人脸生物特征点和三庭五眼人脸比例进行人脸检测,能够提高识别率,有效识别复杂人脸。
在一些实施方式中,教务信息管理系统接收教师机的信息请求指令,生成临时学生信息列表,发送至教师机;所述教师机将所述临时学生信息列表发送到人脸识别服务器进行存储;所述人脸识别服务器根据存储的所述临时学生列表信息进行人脸识别。由此,可以实现与教务信息管理系统的无缝对接,有针对性的进行人脸识别和上课状态分析,提高识别效率和速率。
在一些实施方式中,所述人脸识别服务器根据预设时间间隔设定计时器,在预设时间间隔内对学生的人脸识别次数进行计数,当时间间隔计时到,生成时间戳记录并存储,所述时间戳记录包括学生编号、时间戳及人脸识别次数。由此,可以实现根据时间戳进行学生行为分析,让老师能够有效及时监控到学生上课状态。
在一些实施方式中,所述人脸识别服务器根据所述学生列表信息和所述时间戳记录进行学生上课状态分析,生成统计结果信息;所述人脸识别服务器根据设置的权限信息,将所述生成的统计结果信息推送至用户客户端。由此,可以实现对学生上课状态的实时跟踪,以及对学校资源的有效监控,提高管理效率和资源利用率。
附图说明
图1为本发明一实施方式的自动点名系统的系统框架图;
图2为图1所示实施方式中人脸生物特征点的示意图;
图3为图1所示实施方式中人脸三庭五眼的比例结构图;
图4为本发明一实施方式的实现自动点名系统的方法流程图;
图5为图4所示实施方式中进行人脸检测的方法流程图。
具体实施方式
下面结合附图对本发明作进一步详细的说明。
图1示意性地显示了根据本发明的一种实施方式的自动点名系统的系统框架图。如图1所示,该系统包括教师机2、人脸检测模块3和人脸识别服务器4。人脸检测模块3包括摄像装置31和人脸获取单元33。人脸检测模块3是嵌入人脸检测程序的摄像机,摄像装置31是照相机或摄像机,人脸检测程序由人脸获取单元33实现。当开始上课以后,人脸检测模块3通过摄像装置31拍摄上课学生的照片或视频帧,然后交由人脸获取单元33检测出学生的人脸照片发送至教师机2,由教师机2转发到人脸识别服务器4进行人脸识别。
如图1所示,教师机2上具有上课按键22,上课老师在开启教师机2后,通过按下上课按键22启动人脸检测模块3对学生进行人脸检测,并将检测到的人脸信息发送到人脸识别服务器4进行人脸识别,从而实现自动点名。具体为,当上课时,老师通过按下上课按键22,教师机2即接收到上课的指令,发送控制信号到人脸检测模块3。人脸检测模块3接收到控制信号后,启动摄像装置31进行视频帧的获取。获取后,将视频帧输入人脸检测程序入口,由人脸获取单元33对视频帧进行分类,检测出人脸。需要说明的是,人脸检测程序中包括分类器训练单元32,分类器训练单元32设置为根据Adabbost(自适应增强算法)算法对人脸样本和非人脸样本训练分类器。训练分类器主要包括对人脸样本提取人脸生物特征和对非人脸样本提取非人脸Haar(Haar-like特征,即常说的Haar特征,是计算机视觉领域一种常用的特征描述算子)特征,用自适应增强算法训练一个弱分类器,得到弱分类器集,将弱分类器级联组成一个强分类器。对分类器的训练是离线操作,在人脸获取单元33对视频帧进行分类时已经训练好,一般是在离线状态下,根据预先提供的人脸样本和非人脸样本进行训练,具体可以参照Adabbost算法进行实现。图2示意性地显示了人脸的生物特征点,如图2所示,人脸的生物特征点为六十七个。分类器训练单元通过这些人脸生物特征点提取出人脸检测的生物模板,通过非人脸样本提取出非人脸的Haar特征,并训练得到分类器,人脸获取单元33就可以通过训练得到的强分类器对视频帧进行分类,从视频帧中提取出符合人脸生物特征的人脸模块。如果强分类器区分出的是人脸,则通过“三庭五眼”的人脸比例从视频帧中获取人脸边缘,得到人脸照片,发送到教师机2。“三庭五眼”是人的脸长和脸宽的一般标准比例(即a/b=0.7,其中a为一个眼睛的长度,b为三庭的一个等分的长度),确定“三庭五眼”的过程为:首先,在面部正中作一条垂直的通过额部-鼻尖-人中-下巴的轴线;通过眉弓作一条水平线;通过鼻翼下缘作一条平行线。由此,两条平行线就将面部分为三个等分,分别为:第一等分,从发际线到眉间连线;第二等分,眉间到鼻翼下缘;第三等分,鼻翼下缘到下巴尖。由此分成的三等分,上中下各占三分之一,称为“三庭”。而“五眼”是指眼角外侧到同侧发际边缘刚好为一个眼睛的长度,两个眼睛之间也刚好是一个眼睛的长度,另一侧到发际边缘也是一个眼睛的长度。图3示意性到显示了“三庭五眼”的人脸结构。通过图2中的人脸生物特征点,计算两眼之间的距离,结合图3所示的“三庭五眼”结构,计算人脸的长和宽,即可获得当前检测到的人脸的脸型数据,从而确定人脸边缘,提取人脸照片,发送给教师机2。由于人脸生物特征点非常稳定,通过该方法进行进一步的人脸检测,能够识别出较为复杂的脸型(如非正脸、遮挡脸、情感脸等),提高识别率,从而有效避免代为签到的现象。
如图1所示,人脸识别服务器4包括时间戳设置单元41和存储单元42。存储单元42中存储有学生的人脸样本信息。时间戳设置单元41中设置有一个计时器,以对预定的时间间隔进行计时,如预定的时间间隔为五分钟,则设置一个五分钟的计时器,每隔五分钟进行一次时间戳记录的存储。当接收到教师机2发送到的人脸照片信息,人脸识别服务器4首先通过人脸识别软件(采用Verilook,具体实现可参照现有技术)的程序入口,将人脸照片输入给人脸识别软件,由人脸识别软件以存储的人脸样本信息为样本库,对人脸照片进行识别。如果识别到匹配的人脸,则将对应的学生的编号信息输出至时间戳设置单元41。时间戳设置单元41首先将对应学生的识别到人脸的次数的计数器加一,然后判断当前定时计时是否到,如果到,则获取当前时间,将学生编号、当前时间(即时间戳)和在定时时间内识别到人脸的次数作为一条时间戳记录存储,存储完之后,清零识别到人脸的次数的计数器。
如图1所示,该系统还包括教务信息管理系统1,其中,教务信息管理系统1是用于管理学校教务信息的电子信息管理系统,存储有学生信息、教室信息、课程表信息、教师信息以及学生成绩信息等。学生信息中包括学生的基本信息,如学生姓名、性别、学院、班级及学生照片等。教室信息和课程表信息通过教室编号相互关联,存储每个教室的上课信息,如教室编号、教室地点、上课科目、开始和结束时间、上课老师等。每个学生在选报课程时,也通过教室编号和课程表信息,绑定在每个教室上相应课程的学生。教师机2可以通过教务信息通讯程序与教务信息管理系统1进行通讯,获取实时的学生列表信息作为人脸识别的样本库。具体地,当老师按下教师机2上的上课按键2,教师机2上的教务信息通讯程序将当前的教室编号和上课时间发送到教务信息管理系统1。教务信息管理系统1根据接收到的教室编号和上课时间从课程表信息中查询到满足条件(即教室编号和上课时间都相同)的班级,并根据指定班级从学生信息中查询到满足条件的学生,并将满足条件(当前时间在当前教室上课的学生)的学生信息列表,如包括教室编号、学生姓名、班级、上课时间、课程、性别、照片等,返回给教师机2。教师机2的教务信息通讯程序接收到学生信息列表后,将学生列表信息发送到人脸识别服务器4的存储模块42进行存储。存储完成后,人脸识别服务器4返回存储成功的信息至教师机2。教师机2接收到存储成功的信息后,发送启动的控制信号到人脸检测模块3。由人脸检测模块3启动摄像装置31进行视频获取,并由嵌入的人脸检测软件程序进行人脸检测,以获得人脸照片,该检测过程参照前文叙述。如果检测单元32成功检测到人脸,则将检测到的人脸照片发送到教师机2。由教师机2将人脸照片发送到人脸识别服务器4进行人脸识别。人脸识别的过程,与前文所述相同,不同的是,识别所使用人脸样本库是存储模块42中存储的学生列表信息中的学生照片。在使用从教务信息管理系统1获取的学生列表信息作为人脸样本库进行人脸识别时,如果没有匹配到相同的人脸,则将人脸识别服务器4将该人脸信息发送至教务信息管理系统1,进行全校学生信息的人脸识别,如果识别到,则将学生编号和姓名发送至人脸识别服务器4,由人脸识别服务器4发送至教师机2,以进行“XXX,您走错教室”的语音播报。如果在全校学生信息中依然没有识别到匹配的人脸,则默认为是领导巡检,系统不做任何处理。
如图1所示,教师机1上还具有上课状态按键24,人脸识别服务器4中还包括上课状态获取模块45。在上课的过程中,当老师随时按下上课状态按键24,教师机2即发送获取上课状态指令至上课状态获取模块45。上课状态获取模块45接收到指令信息,判断当前时间所属的时间戳,根据所属的时间戳,读取每个学生在当前时间戳内识别到人脸的次数,将识别到人脸的次数为零的学生的姓名返回至教师机2,由教师机2输出至显示屏21进行显示。例如,如果计时器设置的时间间隔为五分钟获取一次时间戳,则0-5分为一个时间戳间隔,6-10分为一个时间戳间隔,如果当前时间是14:07,即第7分,则属于当前时间戳,获取当前的每个学生对于的识别到人脸的计数器值为零的学生,将学生姓名返回给教师机2显示即可;如果当前时间是14:05,即刚好时间戳计时到,此时由于时间戳设置模块41会生成时间戳记录进行存储,并将识别到人脸的计数器值清零,则当前时间属于上一个时间戳,需要从时间戳记录中获取当前时间为14:05的识别到人脸的次数,并返回识别到人脸此时为零的学生的姓名。其中,识别到人脸的次数为零,表示在该时间戳的时间间隔内都没有识别到相应的学生的人脸,属于可能为“出工不出力”的学生,在老师获取上课状态时,将其信息输出至教师机2显示,可以有效监管学生的学习状态,让老师实时及时了解异常学生信息,进行提醒,有助于提高学生学习效率。
如图1所示,教师机2上还具有下课按键23。下课以后,当老师按下下课按键23,教师机2即将关闭控制信号发送至人脸检测模块3,以关闭摄像装置31。同时,教师机2向人脸识别服务器4发送下课的信息,人脸识别服务器4包括分析统计模块43和信息推送模块44,当接收下课信息后,即可以起到分析统计模块43进行学生学习状态统计分析,并将生成的统计结果通过信息推送模块44发送到用户端。分析统计模块43根据存储模块42中存储的学生列表信息和时间戳记录进行分析,如果第一次识别到人脸次数大于零的时间戳个数n大于一时,则输出显示该学生的上课状态为“迟到”(即说明在第二个时间戳以后才识别到人脸,表示来上课的时间晚于上课时间的起始时间戳);如果连续N个(如8个)时间戳没有识别到人脸信息(即识别到人脸的次数在N个时间戳记录中都为零),则输出显示该学生的上课状态为“睡觉”;当连续M个(如3个)时间戳没有识别到人脸信息,则输出显示该学生的上课状态为“玩手机”;如果最后一次识别到人脸信息的时间戳距离下课时间的时差大于预设的分钟数(如20分钟),则输出显示该学生的上课状态为“早退”;如果从上课到下课的全部时间戳内都没有识别到人脸信息,则输出显示该学生的上课状态为“旷课”。由此,就可以通过时间戳设置和学生的上课习惯,进行判断分析,生成学生的学习状态统计结果。同样的,根据学生信息列表和时间戳记录,也可以进行计算分析生成学生出席率、听课情况、到课率、教室利用率、教学计划执行情况、听课率、在校情况等统计结果。生成统计结果之后,信息推送模块44就可以根据管理员设置的用户权限,将统计分析的结果信息通过手机短信或者通讯客户端软件推送到用户客户端(如用户手机)。其中,用户权限是管理员通过管理员平台在人脸识别服务器4上设置的信息推送权限,如学生的推送权限设置为“1”,表示仅推送“上课状态(即学习状态)”;教室的推送权限设置为“2”,表示需要推送“出席率”和“听课情况”;教务员的推送权限设置为“3”,表示需要推送“到课率”、“教室利用率”、“教学计划执行情况”和“听课率”;家长的推送权限设置为“4”,标识需要推送“在校情况”。信息推送可以通过手机短信的方式,也可以通过微信等客户端通讯软件的方式,具体的推送处理,可以参见推送手机短信的现有技术进行实现。由此,信息可以及时推送到相应的人员处,使家长、任课老师、班主任、学院及教务部门都能够及时了解和跟踪学生的学习状态,有助于提高学校的监管力度和学校资源利用率,同时,学生自己能够以可接受的方式,意识到自己上课状态,进行自我约束,对提高学习和听课效率有很大的帮助。
需要说明的是,本发明的人脸检测模块3是嵌入了人脸检测程序的摄像机,人脸识别服务器4上装载的人脸识别软件是Verilook识别算法。Verilook识别算法是一个基于生物信息特征开发的一款人脸识别系统,它实现了先进的人脸定位、注册和比对功能。传统的人脸识别是将Verilook识别算法部署到摄像机,由摄像机进行视频获取,并同时进行人脸检测和识别,但是一个Verilook最多负载两台摄像机,如果一个教室部署多台摄像机,如6台摄像机就需要三台计算机,在教室较多的情况下,无异造成部署成本过高的问题。而本发明突破传统Verilook识别算法的局限,将人脸检测和人脸识别分开,在人脸检测模块中采用在摄像机中嵌入本发明自主研发的人脸检测程序进行人脸检测,而把人脸识别(选用Verilook)放到远程服务器(即人脸识别服务器)。这样的部署,由人脸检测模块进行人脸检测后交由服务器统一进行人脸识别,只需要一台服务器即可负载三百台以上的摄像机,大大降低了部署成本,提高了识别效率(因Verilook将90%的时间花费到人脸检测上)。同时,本发明中人脸检测模块的人脸检测程序是基于人脸生物特征点训练分类器和基于三庭五眼人脸比例提取人脸照片,由于人脸生物特征稳定性高,有效提高了对复杂人脸的识别率和避免代签到的现象。另外,本发明实现与教务信息管理系统的对接,人脸识别程序使用教务信息管理系统的实时照片库作为识别的人脸样本库,能够提高识别速度和效率。
图4为本发明一种实施方式的实现自动点名系统的方法流程。如图4所示,该方法包括:
步骤S401:获取指定教室上课学生及课程的信息列表。
当上课时间到,用户通过按下教师机(也就是教师机)上的上课按键,教师机将当前教室编号和上课时间发送到教务信息管理系统。教务信息管理系统根据接收到的教室编号和上课时间进行数据库查询,获取在当前教室上课的学生基本信息(如姓名、班级、照片等)和课程信息,并生成指定教室上课学生及课程的临时学生信息列表,发送到教师机。
步骤S402:将临时学生信息列表发送到人脸识别服务器进行存储。
教师机接收到临时学生信息列表后,将临时学生信息列表发送到人脸识别服务器进行存储,人脸识别服务器存储后,返回存储成功的信息给教师机。
步骤S403:启动摄像机进行人脸检测。
教师机接收到人脸识别服务器存储成功的信息后,向摄像机发送启动的控制信号,启动摄像机进行人脸检测。其中,本发明中的摄像机为嵌入式人脸检测摄像机,包含摄像头部分和人脸检测部分,本发明中嵌入的人脸检测部分为基于人脸生物特征的人脸检测算法,其硬件部分使用DM642芯片,通过DSP(数字信号处理)实现,具体过程可参照现有技术。软件部分,基于人脸生物特征和“三庭五眼”人脸比例结构实现。其中,图5示意性地显示了本发明一种实施方式的进行人脸检测的方法,该方法包括:
步骤S501:用自适应增强算法训练人脸生物特征和非人脸Haar特征的分类器。
该步骤为离线操作,是基于人脸的六十七个生物特征点训练人脸生物特征的分类器,基于Haar特征训练非人脸Haar特征的分类器。分类器训练算法采用Adabbost自适应增强算法。
步骤S502:对输入视频帧进行预处理,根据训练得到的分类器对视频帧进行分类,从视频帧中提取人脸生物特征和非人脸Haar特征。
摄像机获取视频后,将视频帧输入人脸检测程序。人脸检测程序利用训练好的分类器,从视频帧中分类出人脸生物特征和非人脸Haar特征。
步骤S503:对分类出的人脸,根据“三庭五眼”的人脸比例,计算人脸的长和宽,提取人脸边缘,得到人脸照片。
对分类出的人脸生物特征,计算两眼之间的距离(即两眼生物特征点间的距离),并根据三庭五眼的人脸比例(即a/b=0.7),即横向为五个眼睛的宽度,竖向为三等分线的总高度,计算出人脸的长和宽,从而获取人脸边缘,得到人脸照片。其中,计算人脸的长和宽的具体方法为,宽为五个眼睛的宽度,即两眼距离的五倍,长为(两眼之间的距离/0.7)的三倍。
通过结合人脸生物特征点训练人脸生物特征分类器,进行人脸检测,对检测出的人脸结合三庭五眼人脸比例获取人脸边缘,提取出人脸照片,能够提高人脸检测的识别率,有效识别复杂人脸,相比传统人脸检测方法,更加稳定。
步骤S404:教师机接收人脸照片,发送至接收摄像机发送的人脸检测信息进行人脸比对和匹配,记录人脸识别结果和时间戳人脸识别服务器。
教师机接收摄像机发送来的人脸照片信息,发送至人脸识别服务器。
步骤S405:人脸识别服务器接收人脸照片,根据存储的学生信息列表中的学生照片进行人脸识别。
人脸识别服务器上装载有Verilook人脸识别软件,Verilook人脸识别软件具有照片入口和摄像入口,将接收到的人脸照片通过照片入口发送到Verilook人脸识别软件,以与学生信息列表中对应学生的照片信息进行人脸匹配,并返回识别结果,例如如果匹配到则返回识别到的学生的编号,如果没有匹配到则返回匹配失败的信息。当返回的是学生编号,则进行步骤S406,如果返回的是匹配失败的信息,则进行步骤S407。
步骤S406:进行时间戳判断,如果定时计时到则生成时间戳记录存储,如果定时计时未到则记录该时间戳内识别到人脸的次数。
人脸识别服务器上根据预定的时间间隔(即每隔多长时间记录一次时间戳,如五分钟),设置有定时计时器,当预定的时间间隔到,则记录为一个时间戳,需要生成时间戳记录进行存储,而在预定的时间间隔内,即计时时间内,根据识别到的人脸情况,记录识别到每个人脸的次数。具体为,当人脸识别软件返回识别到的学生编号后,首先将该学生编号对应的学生的识别到人脸的次数的计数器加一,然后人脸识别服务器获取定时计时器的值,判断是否定时计时到(如到则计时器的值为0),如果计时到,则生成一条时间戳记录进行存储,时间戳记录中包括学生编号、时间戳(即当前时间)和识别到人脸的次数。时间戳记录存储后,人脸识别服务器将识别到人脸的次数的计数器清零,并重新设置定时计时,继续进行识别。如果定时计时器的值不为零,即在时间戳内,则只将识别到人脸的次数的计数器加一,不再做其他处理,等待下一次人脸照片的识别。
步骤S407:将人脸照片发送至教务信息管理系统进行人脸识别。
如果在人脸识别服务器存储的学生信息列表中没有识别到匹配的人脸,则将人脸照片发送到教务信息管理系统,以教务信息管理系统中存储的全部学生信息为人脸库进一步进行识别,如果识别到,则返回对应的学生的学生编号和姓名至教师机,由教师机的语音系统进行“XXX,您走错教室了!”的语音播报,如果没有识别到,则默认是领导巡检,不做任何处理。
步骤S408:根据当前时间戳内识别到人脸的次数的值,获取异常学生的上课状态信息发送至教师机显示。
当老师通过上课状态按键查看学生的上课状态时,教师机将当前时间的上课状态请求发送至人脸识别服务器,人脸识别服务器根据当前时间,查询在该时间戳内的每个学生的识别到人脸的次数,并将识别到人脸的次数为零,即没识别到人脸的学生的学生编号和姓名返回给教师机,由教师机将异常的学生信息输出至显示屏显示。
步骤S409:根据学生信息列表和时间戳记录进行学生上课状态分析,生成统计结果信息。
当老师按下教师机上的下课按键后,教师机将关闭摄像机的控制信号发送至摄像机,同时将已下课的信号发送至人脸识别服务器。人脸识别服务器收到下课信号后,根据学生信息列表和时间戳记录进行分析统计,生成相应的统计分析结果信息,详细的统计分析项目和统计分析方法参照前文叙述(如包括学生的出席率、上课率、教室的利用率、上课状态、教学计划执行情况等)。
步骤S410:根据用户权限推送分析统计结果信息至相应用户的客户端。
分析完成后,人脸识别服务器根据管理员为每个用户设定的权限,将相应的统计分析结果通过手机短信或者通讯客户端软件发送到用户客户端。具体的实现方法,前文已叙述。
通过以上方法,即可实现对学生的自动点名。由此,能够提高学生的上课体验,同时能够更好的监管学生,提高学习效率和学校资源利用率。本发明在人脸识别服务器上选用的Verilook人脸识别算法平台,不仅能够独立实现人脸采集、人脸检测、人脸比对、人脸分析等多种功能,处理速度快。且摄像机中嵌入的检测算法是通过人脸生物特征点和“三庭五眼”人脸比例进行人脸检测,能够提高识别效率,有效识别复杂人脸。同时,本发明将教师机与教务信息管理系统相对接,使人脸匹配的样本库缩小到具体的学生人员范围,能够提高识别的效率。同时,通过引入教务信息管理系统的相关信息和时间戳,能够实现有效的学生行为分析,更加智能、合理,能够提高实时管理效率。
以上所述的仅是本发明的一些实施方式。对于本领域的普通技术人员来说,在不脱离本发明创造构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。
Claims (10)
1.自动点名系统,包括:教师机、人脸检测模块和人脸识别服务器,所述人脸检测模块包括摄像装置和人脸获取单元,其中,
所述摄像装置设置为接收所述教师机发送的控制信号,采集视频帧输入至所述人脸获取单元;
所述人脸获取单元设置为对输入的视频帧进行预处理,从所述视频帧中提取所述人脸生物特征和所述非人脸Haar特征,用训练得到的分类器对所述视频帧进行分类,获取人脸信息,并通过“三庭五眼”人脸比例提取人脸边缘,将得到的人脸照片发送至所述教师机;
所述教师机接收所述人脸照片,发送至所述人脸识别服务器进行人脸识别。
2.根据权利要求1所述的系统,还包括教务信息管理系统,所述教务信息管理系统根据所述教师机的请求指令,生成临时学生信息列表,发送到所述教师机;
所述教师机接收所述临时学生信息列表,发送至所述人脸识别服务器进行存储;
其中,所述临时学生信息列表包括学生照片,所述人脸识别服务器根据所述人脸照片和所述学生照片进行人脸识别。
3.根据权利要求2所述的系统,其中,所述人脸识别服务器包括时间戳设定模块,设置为根据预设的时间间隔设定计时器和对每个学生设置一个识别到人脸次数的计数器,并在所述计时器设定的时间间隔内对每个学生进行识别到人脸次数的计数,当计时时间到,生成一条时间戳记录进行存储,并清零所述计数器;
所述时间戳记录包括学生编号、时间戳及识别到人脸的次数。
4.根据权利要求3所述系统,其特征在于,所述人脸识别服务器还包括分析统计模块,所述分析统计模块设置为根据存储的临时学生列表信息和时间戳记录进行上课状态分析,生成统计结果信息。
5.根据权利要求4所述的系统,其特征在于,所述人脸识别服务器还包括信息推送模块,所述信息推送模块设置为根据用户权限设置,获取所述统计结果信息发送至用户客户端。
6.根据权利要求3所述的系统,其特征在于,所述人脸识别服务器还包括上课状态获取单元,设置为接收所述教师机发送的请求信息,根据时间戳和识别到人脸的次数,获取学生上课状态信息,输出至所述教师机进行显示或/和语音播报。
7.自动点名系统的实现方法,包括:
教师机发送控制信号启动摄像机进行人脸检测;
摄像机将检测到的人脸照片发送至所述教师机,由所述教师机转发至所述人脸识别服务器进行人脸识别;
其中,摄像机进行人脸检测包括:
获取视频帧进行预处理,从所述视频帧中提取所述人脸生物特征和所述非人脸Haar特征,用训练得到的分类器对所述视频帧进行分类,获取人脸信息;
对获取到的人脸信息,通过“三庭五眼”人脸比例提取人脸边缘,得到人脸照片。
8.根据权利要求7所述的方法,还包括:
教务信息管理系统接收教师机的信息请求指令,生成临时学生信息列表,发送至教师机;
所述教师机将所述临时学生信息列表发送到人脸识别服务器进行存储;
所述人脸识别服务器根据存储的所述临时学生列表信息进行人脸识别。
9.根据权利要求7所述的方法,还包括:
所述人脸识别服务器根据预设时间间隔设定计时器,在预设时间间隔内对学生的识别到人脸的次数进行计数,当时间间隔计时到,生成时间戳记录并存储,所述时间戳记录包括学生编号、时间戳及识别到人脸的次数。
10.根据权利要求9所述的方法,还包括:
所述人脸识别服务器根据所述临时学生列表信息和所述时间戳记录进行学生上课状态分析,生成统计结果信息;
所述人脸识别服务器根据设置的权限信息,将所述生成的统计结果信息推送至用户客户端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510484589.1A CN105205646A (zh) | 2015-08-07 | 2015-08-07 | 自动点名系统及实现自动点名系统的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510484589.1A CN105205646A (zh) | 2015-08-07 | 2015-08-07 | 自动点名系统及实现自动点名系统的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105205646A true CN105205646A (zh) | 2015-12-30 |
Family
ID=54953313
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510484589.1A Pending CN105205646A (zh) | 2015-08-07 | 2015-08-07 | 自动点名系统及实现自动点名系统的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105205646A (zh) |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105684426A (zh) * | 2016-01-19 | 2016-06-15 | 王晓光 | 一种视频网络会议的人员统计方法及系统 |
CN105825189A (zh) * | 2016-03-21 | 2016-08-03 | 浙江工商大学 | 一种用于大学生到课率及上课专注度自动分析的装置 |
CN106204780A (zh) * | 2016-07-04 | 2016-12-07 | 武汉理工大学 | 一种基于深度学习和云服务的人脸识别考勤系统及方法 |
CN107241574A (zh) * | 2017-06-05 | 2017-10-10 | 广西犇云科技有限公司 | 一种多媒体监控系统 |
CN108010530A (zh) * | 2017-11-30 | 2018-05-08 | 武汉东信同邦信息技术有限公司 | 一种基于语音识别技术的学生发言检测跟踪装置 |
CN108022318A (zh) * | 2017-12-28 | 2018-05-11 | 上海享服信息技术有限公司 | 多人人脸识别考勤系统及其考勤方法 |
CN108198262A (zh) * | 2018-02-08 | 2018-06-22 | 南京信息工程大学 | 一种考勤系统及实现方法 |
CN108335374A (zh) * | 2018-01-29 | 2018-07-27 | 河南大学 | 一种自动点名方法 |
CN109040267A (zh) * | 2018-08-13 | 2018-12-18 | 河南亚视软件技术有限公司 | 一种基于视频的教学管理系统 |
CN109214373A (zh) * | 2018-11-05 | 2019-01-15 | 绍兴文理学院 | 一种用于考勤的人脸识别系统及方法 |
CN109215150A (zh) * | 2017-06-30 | 2019-01-15 | 上海弘视通信技术有限公司 | 人脸点名与计数方法及其系统 |
CN109360458A (zh) * | 2018-10-25 | 2019-02-19 | 重庆鲁班机器人技术研究院有限公司 | 趣味性辅助教学方法、装置及机器人 |
CN109447024A (zh) * | 2018-11-09 | 2019-03-08 | 广州长鹏光电科技有限公司 | 智能人物特写抓拍系统及其方法 |
CN109461220A (zh) * | 2018-10-22 | 2019-03-12 | 杭州闪宝科技有限公司 | 签到方法、装置及系统 |
CN109523435A (zh) * | 2018-10-12 | 2019-03-26 | 成都北科维拓科技有限公司 | 一种实名认证方法及系统 |
US20190130174A1 (en) * | 2016-06-12 | 2019-05-02 | Hangzhou Hikvision System Technology Co., Ltd. | Attendance Monitoring Method, System and Apparatus for Teacher During Class |
CN109872115A (zh) * | 2018-12-27 | 2019-06-11 | 浙江工商大学 | 一种基于人工智能的实验室人时数据处理方法及系统 |
CN110298295A (zh) * | 2019-06-26 | 2019-10-01 | 中国海洋大学 | 基于人脸识别的移动端在线学习监督方法 |
CN110378261A (zh) * | 2019-07-08 | 2019-10-25 | 湖北盟道信息科技有限公司 | 一种学生识别方法及装置 |
CN110399810A (zh) * | 2019-07-08 | 2019-11-01 | 湖北盟道信息科技有限公司 | 一种辅助点名方法及装置 |
CN110807450A (zh) * | 2020-01-08 | 2020-02-18 | 成都依能科技股份有限公司 | 基于mis系统和ptz摄像头的人脸考勤系统 |
JP6837697B1 (ja) * | 2020-07-31 | 2021-03-03 | アカメディア・ジャパン株式会社 | オンライン学習システム |
CN112487850A (zh) * | 2019-09-12 | 2021-03-12 | 山西长河科技股份有限公司 | 一种基于人工智能人脸识别的司法场所快速点名方法 |
CN113657302A (zh) * | 2021-08-20 | 2021-11-16 | 重庆电子工程职业学院 | 基于表情识别的状态分析系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110019801A (ko) * | 2009-08-21 | 2011-03-02 | 박중제 | 강의실 모니터링 시스템 |
CN102831412A (zh) * | 2012-09-11 | 2012-12-19 | 魏骁勇 | 一种基于人脸识别的教学考勤方法及其装置 |
CN103455958A (zh) * | 2013-09-17 | 2013-12-18 | 云南大学 | 一种基于手机平台的课堂考勤方法 |
CN104408784A (zh) * | 2014-12-04 | 2015-03-11 | 重庆晋才富熙科技有限公司 | 电子签到方法 |
CN104732601A (zh) * | 2014-11-19 | 2015-06-24 | 东北大学 | 一种基于人脸识别技术的高识别率自动考勤装置及方法 |
CN104794693A (zh) * | 2015-04-17 | 2015-07-22 | 浙江大学 | 一种人脸关键区域自动检测蒙版的人像优化方法 |
-
2015
- 2015-08-07 CN CN201510484589.1A patent/CN105205646A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110019801A (ko) * | 2009-08-21 | 2011-03-02 | 박중제 | 강의실 모니터링 시스템 |
CN102831412A (zh) * | 2012-09-11 | 2012-12-19 | 魏骁勇 | 一种基于人脸识别的教学考勤方法及其装置 |
CN103455958A (zh) * | 2013-09-17 | 2013-12-18 | 云南大学 | 一种基于手机平台的课堂考勤方法 |
CN104732601A (zh) * | 2014-11-19 | 2015-06-24 | 东北大学 | 一种基于人脸识别技术的高识别率自动考勤装置及方法 |
CN104408784A (zh) * | 2014-12-04 | 2015-03-11 | 重庆晋才富熙科技有限公司 | 电子签到方法 |
CN104794693A (zh) * | 2015-04-17 | 2015-07-22 | 浙江大学 | 一种人脸关键区域自动检测蒙版的人像优化方法 |
Cited By (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105684426A (zh) * | 2016-01-19 | 2016-06-15 | 王晓光 | 一种视频网络会议的人员统计方法及系统 |
WO2017124295A1 (zh) * | 2016-01-19 | 2017-07-27 | 王晓光 | 一种视频网络会议的人员统计方法及系统 |
CN105825189A (zh) * | 2016-03-21 | 2016-08-03 | 浙江工商大学 | 一种用于大学生到课率及上课专注度自动分析的装置 |
CN105825189B (zh) * | 2016-03-21 | 2019-03-01 | 浙江工商大学 | 一种用于大学生到课率及上课专注度自动分析的装置 |
US11113512B2 (en) | 2016-06-12 | 2021-09-07 | Hangzhou Hikvision System Technology Co., Ltd. | Attendance monitoring method, system and apparatus for teacher during class |
EP3471014A4 (en) * | 2016-06-12 | 2019-05-29 | Hangzhou Hikvision Digital Technology Co., Ltd. | METHOD, SYSTEM AND APPARATUS FOR PRESENCE MONITORING FOR A TEACHER DURING A COURSE |
US20190130174A1 (en) * | 2016-06-12 | 2019-05-02 | Hangzhou Hikvision System Technology Co., Ltd. | Attendance Monitoring Method, System and Apparatus for Teacher During Class |
CN106204780A (zh) * | 2016-07-04 | 2016-12-07 | 武汉理工大学 | 一种基于深度学习和云服务的人脸识别考勤系统及方法 |
CN107241574A (zh) * | 2017-06-05 | 2017-10-10 | 广西犇云科技有限公司 | 一种多媒体监控系统 |
CN109215150A (zh) * | 2017-06-30 | 2019-01-15 | 上海弘视通信技术有限公司 | 人脸点名与计数方法及其系统 |
CN108010530A (zh) * | 2017-11-30 | 2018-05-08 | 武汉东信同邦信息技术有限公司 | 一种基于语音识别技术的学生发言检测跟踪装置 |
CN108022318A (zh) * | 2017-12-28 | 2018-05-11 | 上海享服信息技术有限公司 | 多人人脸识别考勤系统及其考勤方法 |
CN108335374A (zh) * | 2018-01-29 | 2018-07-27 | 河南大学 | 一种自动点名方法 |
CN108198262B (zh) * | 2018-02-08 | 2020-05-15 | 南京信息工程大学 | 一种考勤系统及实现方法 |
CN108198262A (zh) * | 2018-02-08 | 2018-06-22 | 南京信息工程大学 | 一种考勤系统及实现方法 |
CN109040267A (zh) * | 2018-08-13 | 2018-12-18 | 河南亚视软件技术有限公司 | 一种基于视频的教学管理系统 |
CN109523435A (zh) * | 2018-10-12 | 2019-03-26 | 成都北科维拓科技有限公司 | 一种实名认证方法及系统 |
CN109461220A (zh) * | 2018-10-22 | 2019-03-12 | 杭州闪宝科技有限公司 | 签到方法、装置及系统 |
CN109360458A (zh) * | 2018-10-25 | 2019-02-19 | 重庆鲁班机器人技术研究院有限公司 | 趣味性辅助教学方法、装置及机器人 |
CN109214373A (zh) * | 2018-11-05 | 2019-01-15 | 绍兴文理学院 | 一种用于考勤的人脸识别系统及方法 |
CN109214373B (zh) * | 2018-11-05 | 2020-11-13 | 绍兴文理学院 | 一种用于考勤的人脸识别系统及方法 |
CN109447024A (zh) * | 2018-11-09 | 2019-03-08 | 广州长鹏光电科技有限公司 | 智能人物特写抓拍系统及其方法 |
CN109872115A (zh) * | 2018-12-27 | 2019-06-11 | 浙江工商大学 | 一种基于人工智能的实验室人时数据处理方法及系统 |
CN110298295A (zh) * | 2019-06-26 | 2019-10-01 | 中国海洋大学 | 基于人脸识别的移动端在线学习监督方法 |
CN110399810A (zh) * | 2019-07-08 | 2019-11-01 | 湖北盟道信息科技有限公司 | 一种辅助点名方法及装置 |
CN110378261A (zh) * | 2019-07-08 | 2019-10-25 | 湖北盟道信息科技有限公司 | 一种学生识别方法及装置 |
CN110399810B (zh) * | 2019-07-08 | 2022-12-27 | 湖北盟道信息科技有限公司 | 一种辅助点名方法及装置 |
CN110378261B (zh) * | 2019-07-08 | 2022-12-27 | 湖北盟道信息科技有限公司 | 一种学生识别方法及装置 |
CN112487850A (zh) * | 2019-09-12 | 2021-03-12 | 山西长河科技股份有限公司 | 一种基于人工智能人脸识别的司法场所快速点名方法 |
CN110807450A (zh) * | 2020-01-08 | 2020-02-18 | 成都依能科技股份有限公司 | 基于mis系统和ptz摄像头的人脸考勤系统 |
JP6837697B1 (ja) * | 2020-07-31 | 2021-03-03 | アカメディア・ジャパン株式会社 | オンライン学習システム |
CN113657302A (zh) * | 2021-08-20 | 2021-11-16 | 重庆电子工程职业学院 | 基于表情识别的状态分析系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105205646A (zh) | 自动点名系统及实现自动点名系统的方法 | |
CN110334697B (zh) | 具有状态监控功能的智能桌、监控系统服务器及监控方法 | |
CN109359521A (zh) | 基于深度学习的课堂质量双向评估系统 | |
CN102750539B (zh) | 一种对区域空间人群进行统计的装置及其统计方法 | |
CN110910549A (zh) | 基于深度学习和人脸识别特征的校园人员安全管理系统 | |
CN111507283A (zh) | 基于课堂场景的学生行为识别方法及系统 | |
CN106203458A (zh) | 人群视频分析方法及系统 | |
CN104299178A (zh) | 一种基于面部识别的网络教学方法及系统 | |
CN113411542A (zh) | 一种智能化的工作状况监测设备 | |
CN109784274A (zh) | 识别尾随的方法及相关产品 | |
CN110502999A (zh) | 校园管理系统及方法 | |
CN111970471B (zh) | 基于视频会议的参会人员评分方法、装置、设备及介质 | |
CN111144359B (zh) | 一种展品评价装置和方法及展品推送方法 | |
CN111931608A (zh) | 基于学生姿态以及学生人脸识别的操行管理的方法和系统 | |
CN105516652B (zh) | 一种智能化校园路灯照明系统 | |
CN110223540A (zh) | 一种学习机器人信息互动学习方法和系统,及存储介质 | |
CN109523852A (zh) | 基于视觉监控的学习交互系统及其交互方法 | |
CN110399810A (zh) | 一种辅助点名方法及装置 | |
CN111402096A (zh) | 一种在线授课质量管理方法、系统、设备和介质 | |
CN112085883A (zh) | 一种智慧监考反作弊系统 | |
CN112699328A (zh) | 网点服务数据处理方法、装置、系统、设备及存储介质 | |
CN109345427B (zh) | 一种结合人脸识别和行人识别技术的教室视频点到方法 | |
CN114420302A (zh) | 一种企事业单位智能防疫控制系统 | |
CN104408782B (zh) | 面视度考勤系统 | |
CN106951857A (zh) | 一种身份提醒方法、装置及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20151230 |
|
RJ01 | Rejection of invention patent application after publication |