CN106940905B - 基于wifi和智能手机的课堂自动点名系统 - Google Patents
基于wifi和智能手机的课堂自动点名系统 Download PDFInfo
- Publication number
- CN106940905B CN106940905B CN201710154961.1A CN201710154961A CN106940905B CN 106940905 B CN106940905 B CN 106940905B CN 201710154961 A CN201710154961 A CN 201710154961A CN 106940905 B CN106940905 B CN 106940905B
- Authority
- CN
- China
- Prior art keywords
- student
- face
- roll
- face images
- recognition
- 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
Links
- 238000012549 training Methods 0.000 claims description 47
- 238000012360 testing method Methods 0.000 claims description 20
- 238000000034 method Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims 1
- 230000001815 facial effect Effects 0.000 abstract 2
- 230000000903 blocking effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
- G07C1/10—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people together with the recording, indicating or registering of other data, e.g. of signs of identity
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
- H04M1/724—User interfaces specially adapted for cordless or mobile telephones
- H04M1/72403—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了基于WIFI和智能手机的课堂自动点名系统,包括智能手机点名控制终端、WIFI无线路由器、基于人脸识别的签名子系统,智能手机点名控制终端通过WIFI无线路由器与基于人脸识别的签名子系统连接,所述基于人脸识别的签名子系统用于对基于智能手机点名控制终端发送的点名指令现场采集学生的学生人脸图像,完成学生人脸图像的识别,并向智能手机点名控制终端发送人脸识别成功所对应的学生身份认证信息。本发明能够让老师使用智能手机点名控制终端快速地采集所有学生的签到信息,在课堂上实现自动多次点名,提高点名效率,节省教学时间。
Description
技术领域
本发明涉及物联网智能控制技术领域,具体涉及基于WIFI和智能手机的课堂自动点名系统。
背景技术
在教学过程中,通过课堂点名能够防止学生逃课,确保学生的上课学习时间,能够在一定程度上保证教学效果。但传统的人工点名方式存在花费时间较长的缺陷,而且也不能每节课都花费大量的时间去点名,因此,也会导致定名的效果被大打折扣。
发明内容
针对上述问题,本发明提供基于WIFI和智能手机的课堂自动点名系统。
本发明的目的采用以下技术方案来实现:
提供了基于WIFI和智能手机的课堂自动点名系统,包括智能手机点名控制终端、WIFI无线路由器、基于人脸识别的签名子系统,智能手机点名控制终端通过WIFI无线路由器与基于人脸识别的签名子系统连接,所述基于人脸识别的签名子系统用于对基于智能手机点名控制终端发送的点名指令现场采集学生的学生人脸图像,完成学生人脸图像的识别,并向智能手机点名控制终端发送人脸识别成功所对应的学生身份认证信息。
本发明的有益效果为:能够让老师使用智能手机点名控制终端快速地采集所有学生的签到信息,在课堂上实现自动多次点名,提高点名效率,节省教学时间。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1本发明的结构连接框图;
图2是本发明基于人脸识别的签名子系统的结构连接框图。
附图标记:
智能手机点名控制终端1、WIFI无线路由器2、基于人脸识别的签名子系统3、数据库10、学生人脸图像采集模块20、学生人脸图像识别模块30。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1,本实施例提供了基于WIFI和智能手机的课堂自动点名系统,该系统包括智能手机点名控制终端1、WIFI无线路由器2、基于人脸识别的签名子系统3,智能手机点名控制终端1通过WIFI无线路由器2与基于人脸识别的签名子系统3连接,所述基于人脸识别的签名子系统3用于对基于智能手机点名控制终端1发送的点名指令现场采集学生的学生人脸图像,完成学生人脸图像的识别,并向智能手机点名控制终端1发送人脸识别成功所对应的学生身份认证信息。
优选地,所述基于人脸识别的签名子系统3包括存储有学生身份认证信息的数据库10。
优选地,所述学生身份认证信息包括学生人脸标准图像、学号、姓名。
本发明上述实施例,能够让老师使用智能手机点名控制终端1快速地采集所有学生的签到信息,在课堂上实现自动多次点名,提高点名效率,节省教学时间。
优选地,所述数据库10在存储学生人脸标准图像时,预先采集该学生的多张人脸图像,对采集的人脸图像进行筛选,从中筛选出图像质量度大于设定图像质量度阈值的人脸图像作为该学生的学生人脸标准图像,将该学生的学生人脸标准图像存入数据库10,其中定义图像质量度的计算公式为:
式中,Ai为某学生第i张学生人脸图像的图像质量度,gi为第i张学生人脸图像的设定区域的平均灰度值,g为根据实际情况设定的灰度值阈值,hi为多张学生人脸图像中第i张学生人脸图像的边缘锐度,h为根据实际情况设定的边缘锐度阈值,m为从摄像系统采集的多张学生人脸图像的数量;fi为第i张学生人脸图像中人脸所占该张学生人脸图像的比例,f为设定的比例阈值,当fi-f≥0时,W(fi-f)=1,fi-f<0时,W(fi-f)=0。
本优选实施例中,按照自定义的图像质量度计算公式筛选出最合适的学生人脸图像作为该学生的学生人脸标准图像,考虑了人脸图像所占比例、边缘锐度和灰度值因素,避免通过单一特征进行图像质量评价的局限性,能够较为准确地筛选出质量最高的图像,从而为学生人脸图像的识别奠定了良好的基础,相对提高了人脸识别的精度。
优选地,如图2所示,所述基于人脸识别的签名子系统3还包括相连接的学生人脸图像采集模块20和学生人脸图像识别模块30;所述学生人脸图像采集模块20用于采集参与点名的学生的待识别的学生人脸图像;所述学生人脸图像识别模块30用于对待识别的学生人脸图像进行识别,并输出人脸识别结果;其中,
优选地,所述对待识别的学生人脸图像进行识别,包括:
(1)在数据库10中选取N张学生人脸标准图像构建训练样本集X=[X1,X2,…,XN],将待识别的学生人脸图像作为测试样本Y,对训练样本集进行过滤预处理,保留对测试样本的表示及分类影响较大的训练样本,并利用保留的训练样本构建最优训练样本集;
(2)将最优训练样本集中的每副学生人脸图像平均分割成R个块,则该最优训练样本集被分割成R个子样本集Zq,q=1,…,R,每个子样本集由每副学生人脸图像的第q个块构成;
(3)将测试样本平均分成R个块,即Y=[Yq,q=1,…,R],对最优训练样本集和测试样本按照下述公式进行块加权:
式中,Bq为最优训练样本集中所有学生人脸图像的第q个块的稀疏残差均值,B1、B2为设定的残差阈值,B1<B2,W(Bq)为判定函数,当Bq<B1时,W(Bq)=1,当Bq>B2时,W(Bq)=0;μq为最优训练样本集中的类间距离方差和类内距离方差的比值,μ1、μ2为设定的判别度阈值,μ1<μ2,W(μq)为判定函数,当μq<μ2时,W(μq)=0,当μq>μ1时,W(μq)=1;
其中,Bq的求取过程为:对于最优训练样本集中的任意一副学生人脸图像,用该学生人脸图像以外的剩余图像对该样本进行稀疏表示,得到该学生人脸图像的各块的稀疏残差,然后计算出所有学生人脸图像的第q个块的稀疏残差均值;
(4)用加权后的最优训练样本集对加权后的测试样本进行稀疏表示,计算其中每个类的重构残差,最终将测试样本分类为最小重构残差对应的类。
本优选实施例中,一方面,将测试样本和最优训练样本集中的学生人脸图像分割成相同大小的块,可以更好地在识别检测过程中捕捉到更具判别性的信息;
另一方面对最优训练样本集和测试样本按照上述公式进行块加权,能够更准确地选择出遮挡块和判别性块,降低遮挡部位对人脸识别性能的影响,从而能够提高学生人脸图像的识别率,提高课堂自动点名系统的精度。
优选地,所述学生人脸图像识别模块30对训练样本集进行过滤预处理,保留对测试样本的表示及分类影响较大的训练样本,并利用保留的训练样本构建最优训练样本集,具体包括:
(1)利用训练样本集X对测试样本Y进行线性表示,计算训练样本集X中各训练样本向量的表示系数P=[P1,P2,…,PN]T,其中,表示系数P的计算公式为:
P=(XTX+ξI)-1XTY
式中,I为单位矩阵,ξ为设定的系数;
(2)设训练样本集X中共有M个类,第j个类中有nj个训练样本,计算每个类的重构残差为:
式中,Uj为第j个类的重构残差,Xj表示第j个类的训练样本集,Pk表示第j个类中第k个训练样本对应的表示系数;
(3)选取前m个最小重构残差对应的类作为备选类,用该m个备选类构建近邻字典Z=[Z1,Z2,…,Zm],Zj(j=1,…,m)表示备选类中第j个类的训练样本集,用该备选类对测试样本Y进行线性表示,计算近邻字典Z中各备选类对应的表示系数:
P′=(ZTZ+ξI)-1ZTY
式中,P′表示备选类对应的表示系数,P′=[P1′,P2′,…,Pm′],Pj(j=1,…,m)表示备选类中第j个类对应的表示系数;
(4)利用保留的训练样本构建最优训练样本集为:
式中,表示第j个类的训练样本集中的第k个训练样本。
本优选实施例,采用备选类对应的表示系数对该备选类的训练样本进行加权,权值越大则对应训练样本对测试样本的表示能力越强,因此构建的最优训练样本集能够更好地近似测试样本;另外采用上述方式保留对测试样本的表示及分类影响较大的训练样本,减少了训练样本量,降低了计算复杂度,从而缩短了学生人脸图像识别的时间,提高了课堂自动点名系统的效率。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (3)
1.基于WIFI和智能手机的课堂自动点名系统,其特征是,包括智能手机点名控制终端、WIFI无线路由器、基于人脸识别的签名子系统,智能手机点名控制终端通过WIFI无线路由器与基于人脸识别的签名子系统连接,所述基于人脸识别的签名子系统用于对基于智能手机点名控制终端发送的点名指令现场采集学生的学生人脸图像,完成学生人脸图像的识别,并向智能手机点名控制终端发送人脸识别成功所对应的学生身份认证信息;所述基于人脸识别的签名子系统包括存储有学生身份认证信息的数据库;所述学生身份认证信息包括学生人脸标准图像、学号、姓名;所述基于人脸识别的签名子系统包括相连接的学生人脸图像采集模块和学生人脸图像识别模块;所述数据库在存储学生人脸标准图像时,预先采集该学生的多张人脸图像,对采集的人脸图像进行筛选,从中筛选出图像质量度大于设定图像质量度阈值的人脸图像作为该学生的学生人脸标准图像,将该学生的学生人脸标准图像存入数据库,其中定义图像质量度的计算公式为:
式中,Ai为某学生第i张学生人脸图像的图像质量度,gi为第i张学生人脸图像的设定区域的平均灰度值,g为根据实际情况设定的灰度值阈值,hi为多张学生人脸图像中第i张学生人脸图像的边缘锐度,h为根据实际情况设定的边缘锐度阈值,m为从摄像系统采集的多张学生人脸图像的数量;fi为第i张学生人脸图像中人脸所占该张学生人脸图像的比例,f为设定的比例阈值,当fi-f≥0时,W(fi-f)=1,fi-f<0时,W(fi-f)=0。
2.根据权利要求1所述的基于WIFI和智能手机的课堂自动点名系统,其特征是,所述基于人脸识别的签名子系统包括相连接的学生人脸图像采集模块和学生人脸图像识别模块;所述学生人脸图像采集模块用于采集多张待识别的学生人脸图像,并从采集的学生人脸图像中筛选出图像质量度最大的学生人脸图像作为用于人脸识别的待识别的学生人脸图像;所述学生人脸图像识别模块用于对待识别的学生人脸图像进行识别,并向输出人脸识别结果。
3.根据权利要求2所述的基于WIFI和智能手机的课堂自动点名系统,其特征是,所述对待识别的学生人脸图像进行识别,包括:
(1)在数据库中选取N张学生人脸标准图像构建训练样本集X=[X1,X2,…,XN],将待识别的学生人脸图像作为测试样本Y,对训练样本集进行过滤预处理,保留对测试样本的表示及分类影响较大的训练样本,并利用保留的训练样本构建最优训练样本集;
(2)将最优训练样本集中的每副学生人脸图像平均分割成R个块,则该最优训练样本集被分割成R个子样本集Zq,q=1,…,R,每个子样本集由每副学生人脸图像的第q个块构成;
(3)将测试样本平均分成R个块,即Y=[Yq,q=1,…,R],对最优训练样本集和测试样本按照下述公式进行块加权:
式中,Bq为最优训练样本集中所有学生人脸图像的第q个块的稀疏残差均值,B1、B2为设定的残差阈值,B1<B2,W(Bq)为判定函数,当Bq<B1时,W(Bq)=1,当Bq>B2时,W(Bq)=0;μq为最优训练样本集中的类间距离方差和类内距离方差的比值,μ1、μ2为设定的判别度阈值,μ1<μ2,W(μq)为判定函数,当μq<μ2时,W(μq)=0,当μq>μ1时,W(μq)=1;
其中,Bq的求取过程为:对于最优训练样本集中的任意一副学生人脸图像,用该学生人脸图像以外的剩余图像对该样本进行稀疏表示,得到该学生人脸图像的各块的稀疏残差,然后计算出所有学生人脸图像的第q个块的稀疏残差均值;
(4)用加权后的最优训练样本集对加权后的测试样本进行稀疏表示,计算其中每个类的重构残差,最终将测试样本分类为最小重构残差对应的类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710154961.1A CN106940905B (zh) | 2017-03-15 | 2017-03-15 | 基于wifi和智能手机的课堂自动点名系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710154961.1A CN106940905B (zh) | 2017-03-15 | 2017-03-15 | 基于wifi和智能手机的课堂自动点名系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106940905A CN106940905A (zh) | 2017-07-11 |
CN106940905B true CN106940905B (zh) | 2019-02-19 |
Family
ID=59468989
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710154961.1A Active CN106940905B (zh) | 2017-03-15 | 2017-03-15 | 基于wifi和智能手机的课堂自动点名系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106940905B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109635766A (zh) * | 2018-12-20 | 2019-04-16 | 中国地质大学(武汉) | 基于小样本的卷积神经网络的人脸拍照考勤方法及系统 |
CN112073676B (zh) * | 2019-06-11 | 2022-11-04 | 杭州海康威视数字技术股份有限公司 | 一种点名系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN105205876A (zh) * | 2015-08-27 | 2015-12-30 | 巧学(天津)教育科技有限公司 | 一种面部识别点名系统 |
CN105809415A (zh) * | 2016-03-04 | 2016-07-27 | 腾讯科技(深圳)有限公司 | 基于人脸识别的签到系统、方法和装置 |
CN105894414A (zh) * | 2016-05-12 | 2016-08-24 | 重庆大学 | 一种基于wifi 和人脸识别技术的课堂点名方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160042308A1 (en) * | 2014-08-07 | 2016-02-11 | Marc Aptakin | Timesly: A Mobile Solution for Attendance Verification Powered by Face Technology |
-
2017
- 2017-03-15 CN CN201710154961.1A patent/CN106940905B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN105205876A (zh) * | 2015-08-27 | 2015-12-30 | 巧学(天津)教育科技有限公司 | 一种面部识别点名系统 |
CN105809415A (zh) * | 2016-03-04 | 2016-07-27 | 腾讯科技(深圳)有限公司 | 基于人脸识别的签到系统、方法和装置 |
CN105894414A (zh) * | 2016-05-12 | 2016-08-24 | 重庆大学 | 一种基于wifi 和人脸识别技术的课堂点名方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106940905A (zh) | 2017-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108875821A (zh) | 分类模型的训练方法和装置、移动终端、可读存储介质 | |
CN110097003A (zh) | 基于神经网络的课堂考勤方法、设备、存储介质及装置 | |
EP2993616A1 (en) | Method and apparatus for generating facial feature verification model | |
CN106845460B (zh) | 一种基于人脸识别的智能家居系统 | |
CN106997475B (zh) | 一种基于并行卷积神经网络的害虫图像识别方法 | |
CN109872305B (zh) | 一种基于质量图生成网络的无参考立体图像质量评价方法 | |
CN110378232B (zh) | 改进的ssd双网络的考场考生位置快速检测方法 | |
CN111178120B (zh) | 一种基于作物识别级联技术的害虫图像检测方法 | |
CN110197116B (zh) | 一种人体行为识别方法、装置和计算机可读存储介质 | |
CN109145717A (zh) | 一种在线学习的人脸识别方法 | |
CN109344738A (zh) | 农作物病虫草害识别方法及装置 | |
CN108921038A (zh) | 一种基于深度学习人脸识别技术的课堂快速点名签到方法 | |
CN108052929A (zh) | 车位状态检测方法、系统、可读存储介质和计算机设备 | |
CN110348494A (zh) | 一种基于双通道残差神经网络的人体动作识别方法 | |
CN104077580A (zh) | 一种基于深信度网络的害虫图像自动识别方法 | |
CN109685106A (zh) | 一种图像识别方法、人脸考勤方法、装置以及系统 | |
CN106940905B (zh) | 基于wifi和智能手机的课堂自动点名系统 | |
CN116016869A (zh) | 一种基于人工智能以及物联网的校园安全监测系统 | |
CN111178263A (zh) | 一种实时表情分析方法及其装置 | |
CN112734966B (zh) | 一种融合WiFi数据与人脸识别的课堂点名方法 | |
CN110033052A (zh) | 一种ai识别手写字体的自训练方法及自训练平台 | |
CN111191027B (zh) | 一种基于高斯混合分布vae的广义零样本识别方法 | |
CN103268494A (zh) | 基于稀疏表示的寄生虫虫卵识别方法 | |
CN109271896A (zh) | 一种基于图像识别的学生测评系统及方法 | |
CN106845461B (zh) | 一种基于人脸识别和密码识别的电子商务交易系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20181228 Address after: 224005 The 10th Floor (CND) of No. 1 Building, Smart Valley Science and Technology Innovation Building, Xindu Street, South New District, Yancheng City, Jiangsu Province Applicant after: Jiangsu smiling Education Technology Co. Ltd. Address before: 200000 Shanghai Songjiang District Songjiang District Mun Road No. 1 Applicant before: Shanghai Xun Ye Computer Technology Co. Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |