CN105825189B - 一种用于大学生到课率及上课专注度自动分析的装置 - Google Patents

一种用于大学生到课率及上课专注度自动分析的装置 Download PDF

Info

Publication number
CN105825189B
CN105825189B CN201610161746.XA CN201610161746A CN105825189B CN 105825189 B CN105825189 B CN 105825189B CN 201610161746 A CN201610161746 A CN 201610161746A CN 105825189 B CN105825189 B CN 105825189B
Authority
CN
China
Prior art keywords
circle
class
image
student
faces
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.)
Active
Application number
CN201610161746.XA
Other languages
English (en)
Other versions
CN105825189A (zh
Inventor
余长宏
江志鹏
段巨力
王效灵
蔡海燕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Gongshang University
Original Assignee
Zhejiang Gongshang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Gongshang University filed Critical Zhejiang Gongshang University
Priority to CN201610161746.XA priority Critical patent/CN105825189B/zh
Publication of CN105825189A publication Critical patent/CN105825189A/zh
Application granted granted Critical
Publication of CN105825189B publication Critical patent/CN105825189B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G06Q50/205—Education administration or guidance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Educational Technology (AREA)
  • Educational Administration (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种用于大学生到课率及上课专注度自动分析的装置。本发明主要利用置于教室前后的两个摄像头采集学生上课情况图像，利用置于教室的计算机对采集图像进行分析，实时检测并记录学生到课率和上课专注度。采用本装置，授课教师能够随时了解班级学生的到课率和上课专注度情况，及时对教学方案作出修改，并且能更好地督促听课学生的学习，有利于促进学风建设。

Description

一种用于大学生到课率及上课专注度自动分析的装置
技术领域
本发明属于图像处理技术领域，涉及一种用于大学生到课率及上课专注度自动分析的装置。
背景技术
在学校教学过程中，学生到课率以及上课的专注度是影响大学教学质量的重要因素，因而是众多高校关注的问题。目前绝大部分高校是通过教师点名或者打卡的方式来检查学生到课情况。这种传统方式不仅费时，准确率低，而且对于学生的上课效果的测评效果欠佳，特别是，无法做到上课学生专注度的实时统计和分析，从而产生相当的滞后性，对上课过程中出现的问题不能及时纠正，严重影响教师的授课效果。因而，一套能够自动统计学生到课率情况，并实时跟踪评测学生上课专注度的设备显得非常重要和迫切。
2.现有技术缺陷:
a)到课率统计费时且数据不准确；
b)学生上课专注度靠教师肉眼判断，凭感觉评估；
c)记录过程具有滞后性，无法及时纠正授课存在问题；
d)记录及评估过程受主观因素较多。
发明内容
本发明针对现有技术的不足，提出了一种用于大学生到课率及上课专注度自动分析的装置。
本发明解决技术问题所采取的技术方案如下：
该装置主要利用置于教室前后的两个摄像头采集学生上课情况图像，利用置于教室的计算机对采集图像进行分析，实时检测并记录学生到课率和上课专注度。
所述前置摄像头主要实现人脸数量检测，设定前置摄像头高度hf的范围为2.5m～3m，其安装角度介于arc tan(hf/lf)-25°～arc tan(hf/(lf+L))+25°之间，其中lf为前置摄像头与最前排学生的水平距离；L为学生座位的总长度。
所述后置摄像头主要实现人头数量检测，设后置摄像头的高度hb，其高度设定为屋顶的高度，其安装角度介于arctan(hb/lb)-25°～arc tan(hb/(lb+L))+25°之间，其中lb为后置摄像头与最后排学生的水平距离。
所述计算机对采集图像进行分析具体过程是：
步骤一：样本训练，得到人脸模型。
通过事先采集大量的图片，对于正样本，直接提取特征；对于负样本，多尺度遍历整幅图像，进行特征提取。然后进行特征选择，选出最好的特征建立模型。
步骤二：分别通过前后摄像头采集图片，通过前后摄像头分别采集一张教室无人时的照片作为模板图。
步骤三：分别进行人头识别和人脸识别。
在人脸识别中，首先通过读取前置摄像头采集到的任意一帧上课期间的照片，将读取的图片和模板图进行差分，由于事先已经进行了样本训练，得到了人脸模型，通过多尺度遍历图像提取特征，将特征输入训练得到的模型中，对人脸进行定位标记，初步得到了人脸数量n。然后将标记在差分图中的人脸删掉，并将删掉后的图转为灰度图。接着描出灰度图中的轮廓，并通过Hough变换寻找图中的圆。判断图中是否存在圆，若存在则确定灰度图中与头发相近部分在整个圆中的比例η，若η小于设定的阈值η1，则保留该圆，并获取每个圆的面积S’，当S’在设定的面积S3和S4之间时认为该区域为一个有效人脸，否则删去该圆。
在人头识别中，首先通过读取后置摄像头采集到的任意一帧上课期间的照片，将读取的图片和模板图转为灰度图并进行差分，然后去除差分图中和头发灰度值相差较大的部分，接着获取处理图后的轮廓并利用Hough变换寻找圆，判断图中是否存在圆，若存在则计算每一个圆内的平均灰度值，若灰度值小于阈值T1则保留该圆，并计算每一个圆的面积，若圆的面积在设定的面积S1和S2之间证明该区域只有一个人头，若大于S2证明该区域有两个人头，统计人头的数量。否则删掉该圆。
步骤四：通过得到的人头数量和人脸数量分别计算出到课率和听讲率。到课率＝人头数/总人数，听讲率＝人脸数/人头数。
步骤五：间隔一段时间后重复步骤三，并将几次得到的到课率和听讲率进行对比。
本发明的有益效果：采用本装置，授课教师能够随时了解班级学生的到课率和上课专注度情况，及时对教学方案作出修改，并且能更好地督促听课学生的学习，有利于促进学风建设。同时能够将数据分析结果作为对授课教师教学水平考核的依据。采用本发明不仅可以极大提高教学效率，有效避免教学质量弄虚作假的情况，而且可以督促学生的学习，提高学生到课率及上课专注度，实现了双赢的目的。
附图说明
图1为装置示意图；
图2为装置硬件模块示意图；
图3为摄像头安装位置示意图；
图4为前置摄像头最小安装角度示意图；
图5为前置摄像头最大安装角度示意图；
图6为后置摄像头最小安装角度示意图；
图7为后置摄像头最大安装角度示意图；
图8为软件模块框图；
图9为算法主流程图；
图10为确定人脸数量的子流程图；
图11为确定人头数量的子流程图。
具体的实施方式
以下结合附图对本发明作进一步的描述。
本发明的发明点描述：
a)利用摄像头和电脑实时监测；
b)实时了解学生到课率以及上课专注度情况。
本发明主要是针对现有教师人工操作的弊端而提供的一种设备。通过摄像头采集图像，经过本发明提供的方法在终端上能实时了解学生到课及上课专注度情况。
如图1所示，该装置主要利用置于教室前后的两个摄像机采集学生上课情况图像，利用置于教室的计算机对采集图像进行分析，实时检测并记录学生到课率，上课专注度。进而达到帮助学生提高学习动力，帮助教师提高教学质量的目的。
如图2所示，装置主要有硬件模块和软件模块两个部分，硬件模块主要由置于教室前后的两个摄像机和计算机构成；软件模块主要是存储于计算机的图像处理算法。
硬件模块由监控设备和终端设备两部分组成。监控设备主要是前后两个摄像头，通过摄像头采集图片，将图片传输给终端设备。终端设备主要是PC机，对接收到的图片进行处理。
摄像头安装角度及高度的确定对于该装置的检测效果非常重要，其需要配合算法实施，保证采集的图像适用于本装置提出的算法计算。
如图3所示，设定学生座位的总长度L，前后摄像机与学生的距离分别为lf，lb，前后置摄像机高度分别为hf，hb，前后置摄像机与水平面的角度(即安装角度)分别为αf，αb，为能达到最佳图像采集效果，需使用2.5mm～6mm的镜头，以6mm镜头进行采图为例，设定其摄角为50°，则本装置可通过遵循下述方法来确定前后摄像机的安装角度，以配合算法达到最佳检测效果。
如图4和图5所示，前摄像头主要实现人脸数量检测，摄像头的位置过高会对人脸的识别产生干扰。为了增加算法的效率，需设定前置摄像头的高度hf的范围为2.5m—3m，其安装角度的确定方法如下。由于摄像机摄角为50°，而其镜头类似一个等腰三角形，即两侧角如图4中∠2的度数为65°，在边长为lf，hf组成的直角三角形中，tan1＝hf/lf,即∠1＝arctan(hf/lf)。由于∠2，∠3在一个直角内，即∠3＝25°。由两直线的平行定理，则∠4＝∠1。则∠3+∠αf＝∠4，即∠αf＝∠4-∠3＝arctan(hf/lf)-25°。
由于摄像机摄角为50°，而其镜头可视为等腰三角形，即两侧角如图5中∠2的为65°。在边长为lf+L，hf组成的直角三角形中，由于镜头较小，则∠5，∠6在直角三角形内，∠6≈50°。则可得tan5＝hf/(lf+L),即∠5＝arctan(hf/(lf+L))。同时可计算得到∠1＝∠5+∠6。由于∠2，∠3在一个直角内，即∠3＝25°。由两直线的平行定理，∠4＝∠1。由图可知，∠3+∠αf＝∠4， 即∠αf＝∠4-∠3＝arctan(hf/(lf+L))+25°。
为使学生座位始终在摄像机的监控范围内，本装置规定安装角度位于arc tan(hf/lf)-25°～arc tan(hf/(lf+L))+25°之间。
后置摄像头主要实现人头数量检测，为更好的配合检测算法，在一定范围内，摄像头越高，检测的结果也越精确。设定后置摄像头的高度hb，其高度设定为屋顶的高度，安装角度的确定方法如下
如图6和图7所示，由于摄像机摄角为50°，而其镜头类似一个等腰三角形，即两侧角中如图6中的∠2的度数为65°。在边长为lb，hb组成的直角三角形中，tan1＝hb/lb,即∠1＝arctan(hb/lb)。由于∠2，∠3在一个直角内，即∠3＝25°。由两直线的平行定理，∠4＝∠1。而由图可知，∠3+∠αb＝∠4，即∠αb＝∠4-∠3＝arctan(hb/b)-25°。
由于摄像机摄角为50°，而其镜头类似一个等腰三角形，即两侧角如图7中的∠3度数为65°，在边长为lb+L，hb组成的直角三角形中，由于镜头较小，则∠4，∠5在直角三角形内，∠4≈50°。则可得tan5＝arctan(hb/(lb+L)),即∠5＝arctan(hb/(lb+L))。同时，∠1＝∠4+∠5。由于∠2，∠3在一个直角内，即∠2＝25°°。由两直线的平行定理，∠6＝∠1。而由图可知，∠2+∠αb＝∠6，即∠αb＝∠6-∠2＝arctan(hb/(lb+L))+25°
为了让学生座位始终在摄像机的监控范围内，本装置规定安装角度在arctan(hb/lb)-25°～arc tan(hb/(lb+L))+25°之间。
如图8所示，本装置的软件模块主要由图像采集，人头识别和人脸识别三部分组成。其中核心部分是人头识别和人脸识别。
如图9所示，在软件模块中，通过人头识别部分来确定上课人数，人脸识别部分来确定上课听讲人数。
对于上课是否听讲采用常规的判别方法，即是否抬头看黑板。在本装置的算法中，通过计算学生的抬头率来间接的判断他们的专注度。
该流程的主要目的是分别检测出人头数量和人脸数量来确定到课率和听讲率。
步骤一：样本训练，得到人脸模型。通过事先采集大量的图片，对于正样本，直接提取特征；对于负样本，多尺度遍历整幅图像，进行特征提取。然后进行特征选择，选出最好的特征建立模型。
步骤二：分别通过前后摄像头来采集图片,通过前后摄像头分别采集一张教室无人时的照片作为模板图。
步骤三：分别进行人头识别和人脸识别。
如图10所示，在人脸识别中，首先通过读取前置摄像头采集到的任意一帧上课期间的照片，将读取的图片和模板图进行差分，由于事先已经进行了样本训练，得到了人脸模型，通过多尺度遍历图像提取特征，将特征输入训练得到的模型中，对人脸进行定位标记，初步得到了人脸数量n。然后将标记在差分图中的人脸删掉，并将删掉后的图转为灰度图。接着描出灰度图中的轮廓，并通过Hough变换寻找图中的圆。判断图中是否存在圆，若存在则确定灰度图中与头发相近部分在整个圆中的比例η，若η小于设定的阈值η1，则保留该圆，并获取每个圆的面积S’，当S’在S3和S4之间时认为该区域为一个有效人脸，否则删去该圆。
如图11所示，在人头识别中，首先通过读取后置摄像头采集到的任意一帧上课期间的照片，将读取的图片和模板图转为灰度图并进行差分，然后去除差分图中和头发灰度值相差较大的部分，接着获取处理图后的轮廓并利用Hough变换寻找圆，判断图中是否存在圆，若存在则计算每一个圆内的平均灰度值，若灰度值小于阈值T1则保留该圆，并计算每一个圆的面积，若圆的面积在S1和S2之间证明该区域只有一个人头，若大于S2证明该区域有两个人头，统计人头的数量。否则删掉该圆。
步骤四：通过得到的人头数量和人脸数量分别计算出到课率和听讲率。到课率＝人头数/总人数，听讲率＝人脸数/人头数。
步骤五：间隔一段时间后重复步骤三。并将几次得到的到课率和听讲率进行对比。

Claims (1)

1.一种用于大学生到课率及上课专注度自动分析的装置，其特征在于：
该装置利用置于教室前后的两个摄像头采集学生上课情况图像，利用置于教室的计算机对采集图像进行分析，实时检测并记录学生到课率和上课专注度；
其中前置摄像头实现人脸数量检测，设定前置摄像头高度hf的范围为2.5m～3m，其安装角度介于arctan(hf/lf)-25°～arctan(hf/(lf+L))+25°之间，其中lf为前置摄像头与最前排学生的水平距离；L为学生座位的总长度；
其中后置摄像头实现人头数量检测，设后置摄像头的高度hb，其高度设定为屋顶的高度，其安装角度介于arctan(hb/lb)-25°～arctan(hb/(lb+L))+25°之间，其中lb为后置摄像头与最后排学生的水平距离；
所述计算机对采集图像进行分析具体过程是：
步骤一：样本训练，得到人脸模型；
通过事先采集大量的图片，对于正样本，直接提取特征；对于负样本，多尺度遍历整幅图像，进行特征提取；然后进行特征选择，选出最好的特征建立模型；
步骤二：分别通过前后摄像头采集图片，通过前后摄像头分别采集一张教室无人时的照片作为模板图；
步骤三：分别进行人头识别和人脸识别；
在人脸识别中，首先通过读取前置摄像头采集到的任意一帧上课期间的照片，将读取的图片和模板图进行差分，由于事先已经进行了样本训练，得到了人脸模型，通过多尺度遍历图像提取特征，将特征输入训练得到的模型中，对人脸进行定位标记，初步得到了人脸数量n；然后将标记在差分图中的人脸删掉，并将删掉后的图转为灰度图；接着描出灰度图中的轮廓，并通过Hough变换寻找图中的圆；判断图中是否存在圆，若存在则确定灰度图中与头发相近部分在整个圆中的比例η，若η小于设定的阈值η1，则保留该圆，并获取每个圆的面积S’，当S’在设定的面积S3和S4之间时认为该圆为一个有效人脸，否则删去该圆；
在人头识别中，首先通过读取后置摄像头采集到的任意一帧上课期间的照片，将读取的图片和模板图转为灰度图并进行差分，然后去除差分图中和头发灰度值相差较大的部分，接着获取处理图后的轮廓并利用Hough变换寻找圆，判断图中是否存在圆，若存在则计算每一个圆内的平均灰度值，若灰度值小于阈值T1则保留该圆，并计算每一个圆的面积，若圆的面积在设定的面积S1和S2之间，证明该圆只有一个人头，若大于S2证明该圆有两个人头，统计人头的数量；否则删掉该圆；
步骤四：通过得到的人头数量和人脸数量分别计算出到课率和听讲率；到课率＝人头数/总人数，听讲率＝人脸数/人头数；
步骤五：间隔一段时间后重复步骤三，并将几次得到的到课率和听讲率进行对比。
CN201610161746.XA 2016-03-21 2016-03-21 一种用于大学生到课率及上课专注度自动分析的装置 Active CN105825189B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610161746.XA CN105825189B (zh) 2016-03-21 2016-03-21 一种用于大学生到课率及上课专注度自动分析的装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610161746.XA CN105825189B (zh) 2016-03-21 2016-03-21 一种用于大学生到课率及上课专注度自动分析的装置

Publications (2)

Publication Number Publication Date
CN105825189A CN105825189A (zh) 2016-08-03
CN105825189B true CN105825189B (zh) 2019-03-01

Family

ID=56524194

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610161746.XA Active CN105825189B (zh) 2016-03-21 2016-03-21 一种用于大学生到课率及上课专注度自动分析的装置

Country Status (1)

Country Link
CN (1) CN105825189B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3826293A1 (en) * 2019-11-21 2021-05-26 Canon Kabushiki Kaisha Detection of head and face separately and selection of result for use in detection of facial features

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106128188A (zh) * 2016-08-31 2016-11-16 华南理工大学 桌面教育专注度分析系统及其分析方法
CN106709438A (zh) * 2016-12-14 2017-05-24 贵州电网有限责任公司电力调度控制中心 一种基于视频会议的人数统计方法
CN107918755A (zh) * 2017-03-29 2018-04-17 广州思涵信息科技有限公司 一种基于人脸识别技术的实时专注度分析方法及系统
CN107145864A (zh) * 2017-05-08 2017-09-08 湖南科乐坊教育科技股份有限公司 一种专注力评估方法及系统
CN107145863A (zh) * 2017-05-08 2017-09-08 湖南科乐坊教育科技股份有限公司 一种人脸定位方法及系统
CN107169900A (zh) * 2017-05-19 2017-09-15 南京信息工程大学 一种学生听课率检测方法
CN107392179A (zh) * 2017-08-11 2017-11-24 安徽辉墨教学仪器有限公司 一种基于人脸识别的教学考勤方法
CN108304779B (zh) * 2017-12-28 2021-11-26 合肥智权信息科技有限公司 一种学生教育管理的智能化调控方法
CN108257056A (zh) * 2018-01-23 2018-07-06 余绍志 一种应用于教学行业的大数据的课堂辅助教学系统
CN108256490A (zh) * 2018-01-25 2018-07-06 上海交通大学 人脸检测方法及基于人脸检测的听课率评估方法、系统
CN108564495A (zh) * 2018-03-08 2018-09-21 深圳市鹰硕技术有限公司 网络教学关注度评估方法以及装置
CN108881462B (zh) * 2018-07-03 2020-10-23 刘彪 一种基于班班通的教学功能室使用情况监控系统
CN108848366B (zh) * 2018-07-05 2020-12-18 盎锐（上海）信息科技有限公司 基于3d摄像机的信息获取装置及方法
CN109522815B (zh) * 2018-10-26 2021-01-15 深圳博为教育科技有限公司 一种专注度评估方法、装置及电子设备
CN109492594A (zh) * 2018-11-16 2019-03-19 西安电子科技大学 基于深度学习网络的课堂听课者抬头率检测方法
CN109583351B (zh) * 2018-11-22 2023-04-07 广州市保伦电子有限公司 基于视频分析的课堂学生注意力获取方法、装置及介质
CN109583354B (zh) * 2018-11-23 2023-05-05 南京极域信息科技有限公司 基于机器学习的学生注意力检测系统
CN109345156A (zh) * 2018-12-12 2019-02-15 范例 一种基于机器视觉的课堂教学质量评价系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101819687A (zh) * 2010-04-16 2010-09-01 阜新力兴科技有限责任公司 一种人脸识别学生考勤装置及方法
CN104732219A (zh) * 2015-03-31 2015-06-24 合肥美诚创新培训学校 一种基于图像识别的自习室空位查询方法及装置
CN105117998A (zh) * 2015-08-11 2015-12-02 南京信息工程大学 一种教室空余度计算方法以及教室分配方法、装置
CN105205646A (zh) * 2015-08-07 2015-12-30 江苏诚创信息技术研发有限公司 自动点名系统及实现自动点名系统的方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101819687A (zh) * 2010-04-16 2010-09-01 阜新力兴科技有限责任公司 一种人脸识别学生考勤装置及方法
CN104732219A (zh) * 2015-03-31 2015-06-24 合肥美诚创新培训学校 一种基于图像识别的自习室空位查询方法及装置
CN105205646A (zh) * 2015-08-07 2015-12-30 江苏诚创信息技术研发有限公司 自动点名系统及实现自动点名系统的方法
CN105117998A (zh) * 2015-08-11 2015-12-02 南京信息工程大学 一种教室空余度计算方法以及教室分配方法、装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于信息技术FPGA和人脸识别技术的智能考勤系统设计;胡迎刚等;《网络安全技术与应用》;20150331;全文 *
基于帧间差分与静态特征相结合的人脸跟踪方法;杨强等;《苏州科技学院学报》;20060630;全文 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3826293A1 (en) * 2019-11-21 2021-05-26 Canon Kabushiki Kaisha Detection of head and face separately and selection of result for use in detection of facial features

Also Published As

Publication number Publication date
CN105825189A (zh) 2016-08-03

Similar Documents

Publication Publication Date Title
CN105825189B (zh) 一种用于大学生到课率及上课专注度自动分析的装置
CN102176228B (zh) 一种用于识别多个指针式仪表表盘信息的机器视觉方法
CN105869085A (zh) 一种成绩录入系统及图像处理的方法
CN110210448B (zh) 一种智能人脸皮肤老化程度的识别与评估方法
CN102637258B (zh) 一种建立在线表面质量检测系统缺陷库的方法
CN111091538A (zh) 一种管道焊缝自动识别、缺陷检测方法及装置
CN107103298A (zh) 基于图像处理的引体向上计数系统及计数方法
CN108647708A (zh) 驾驶员评估方法、装置、设备和存储介质
CN107368770B (zh) 一种回头客自动识别方法及系统
CN107169960A (zh) 一种基于图像颜色空间的皮肤表面毛孔大小检测方法
CN105224921A (zh) 一种人脸图像择优系统和处理方法
Reddy et al. A counterpart approach to attendance and feedback system using machine learning techniques
CN113378804A (zh) 一种自助采样的检测方法、装置、终端设备和存储介质
CN108647657A (zh) 一种基于多元行为数据的云端教学过程评价方法
CN111523445A (zh) 一种基于改进的Openpose模型和面部微表情的考试行为检测方法
CN111680569B (zh) 基于图像分析的出勤率检测方法、装置、设备及存储介质
WO2022267300A1 (zh) 用于自动提取图像中目标区域的方法、系统及存储介质
CN111768439A (zh) 一种确定实验评分的方法、装置、电子设备及介质
CN112926412A (zh) 自适应教学课堂监控方法及系统
CN116311060A (zh) 一种基于计算机视觉的学生课堂学习投入度自动评价方法及系统
CN108109220A (zh) 一种基于监控摄像头的教室考勤统计系统
CN106971150B (zh) 基于逻辑回归的排队异常检测方法及装置
CN114299606A (zh) 一种基于前端相机的睡觉检测方法及装置
TW202219494A (zh) 缺陷檢測方法及檢測裝置
CN107545590A (zh) 一种识别人像身高的方法及系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant