CN107481343A - 一种基于人脸识别技术的课堂考勤签到系统及其工作方法 - Google Patents
一种基于人脸识别技术的课堂考勤签到系统及其工作方法 Download PDFInfo
- Publication number
- CN107481343A CN107481343A CN201710603419.XA CN201710603419A CN107481343A CN 107481343 A CN107481343 A CN 107481343A CN 201710603419 A CN201710603419 A CN 201710603419A CN 107481343 A CN107481343 A CN 107481343A
- Authority
- CN
- China
- Prior art keywords
- image
- attendance
- student
- mrow
- work
- 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
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
- G06V40/161—Detection; Localisation; Normalisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于考勤签到技术领域，提供一种基于图像识别技术的人脸识别课堂考勤签到系统及其工作方法，该系统包括学生自主考勤装置、服务器自动考勤装置、人脸识别考勤装置。本发明操作简单、准确度高，利用摄像机定时拍照结合人脸识别技术，通过服务器自动签到实现了对学生课堂考勤的实时监控，能够准确处理课堂中发生的代课、迟到、早退等现象；教师无需管理学生课堂考勤，课程结束后服务器会自动计算全部学生的课堂考勤分数。
Description
技术领域
本发明属于考勤签到技术领域，具体涉及一种基于图像识别技术的人脸识别课堂考勤签到系统及其工作方法。
技术背景
课堂考勤是用来衡量学生课堂出勤情况的指标，是学生平时成绩分数的来源。传统的课堂管理都是采取人工管理方式，对于学生的出勤情况，一般采取人工点名随机抽查的方式。
传统的人工管理方式存在以下弊端：
(1)效率低：学生课堂考勤通过教师或班委随机点名来抽查，占用教师上课时间，且只能判断点名时间学生是否到课。而且这种方式只能在某几节课抽查，无法做到学习过程全面监督，无法形成统计数据。
(2)出错率高：通过人工点名的方式，存在一定的随机性，无法检测代签现象的发生，无法记录学生的迟到和早退行为。
(3)操作繁琐：教师需要通过对随机抽查的学生考勤进行统计才能得到学生的平时成绩，操作太繁琐，耗费人力和时间。
综上所述，鉴于传统的人工考勤管理存在的缺陷，开发半自动课堂考勤签到系统具有重要的意义和推广应用价值。
发明内容
本发明的目的就是为了克服现有技术中的不足，提出一种基于图像识别技术的人脸识别课堂考勤签到系统及其工作方法，该系统能够实现对学生课堂考勤的实时检测，能够对考勤情况进行全面、自动化记录。
本发明的目的是通过以下技术方案实现的。
一种基于人脸识别技术的课堂考勤签到系统，该系统包括学生自主考勤装置、服务器自动考勤装置、人脸识别考勤装置；
所述学生自主考勤装置，用于获取学生自主签到图像；学生自主考勤装置包括摄像机、路由器及移动设备，使用时将摄像机通过固定装置固定于教室内，摄像机通过无线网络将拍摄的教室图像传至移动设备，学生在移动设备上进行自主签到后，将自主签到图像上传至人脸识别考勤装置；
所述服务器自动考勤装置，用于获取自动考勤签到图像；服务器自动考勤装置包括摄像机、路由器及服务器设备，使用时摄像机将拍摄的教室图像上传服务器，服务器定时对教室图像进行截图处理，并将图像上传至人脸识别考勤装置；
所述人脸识别考勤装置，用于对学生考勤图像进行识别并进行考勤打分，其中学生考勤图像包括学生自主签到图像和服务器自动考勤签到图像；人脸识别考勤装置包括人脸检测模块、人脸图像预处理模块、人脸识别及考勤打分模块，使用时对学生考勤图像进行处理，根据考勤机制得到学生考勤分数。
本发明还提供了一种如上述的基于人脸识别技术的课堂考勤签到系统的工作方法，包括以下步骤：
(1)学生进入教室后，服务器进行路由出入检测信息的验证，判断学生是否在指定时间内处于教室里，验证成功则进行学生自主签到，验证失败则直接将考勤分置为0；
(2)学生在移动设备接收到最新的课堂图像后,将图像中学生人脸位置区域截图进行自主签到，学生利用矩形框将自己的人脸图像标记后，将矩形框的坐标信息上传服务器，服务器将得到的学生自主签到图像与学生登记信息表中的个人图像发送到人脸考勤识别装置进行识别，判断学生身份，如果识别失败则直接将考勤分数置为0；
(3)如果识别成功，课程开始后服务器会查询学生的签到坐标信息，对课堂图像进行时间间隔为5分钟的定时自动签到，利用人脸检测技术检测自动考勤签到图像中是否有人脸存在，若未检测到人脸则直接记录识别结果为失败；
(4)如果检测到人脸，服务器会将学生自主签到图像和服务器自动考勤签到图像发送至人脸考勤识别装置进行人脸识别，根据识别结果利用考勤机制将学生课堂有效时间转化为考勤分数。
在上述技术方案中，人脸识别的具体流程如下：
第一步，对图像进行人脸检测，利用haarcascade分类器实现人脸检测功能；
第二步，对检测到人脸的自主签到图像和自动考勤签到图像进行预处理，首先将彩色图像灰度化，然后对图像进行直方图均衡化操作，其过程为先计算输入图像的直方图，统计直方图每个灰度级出现的次数，归一化直方图并计算直方图积分，根据映射函数计算新的像素值；映射函数如下：
其中M是图像中像素的总和，mj是当前灰度级的像素个数，L是图像中的灰度级总数；
第三步，对图像进行大小校正，具体方法是先得到人眼坐标，根据坐标计算两眼之间的距离，将距离扩大或者缩小到指定长度，并保持图像的其他比例不变；
第四步，利用基于LBP的方法进行识别；首先将图像分块，计算第n领域对应像素偏移坐标(x,y)n，公式如下：
其中，radius表示LBP算子的半径，n表示第n个采样点，neighbors表示采样点个数；
利用双线性差值计算所有像素坐标的(x,y)第n领域的灰度值gray(x,y)n，并计算每个分模块中所有像素的LBP编码值，计算公式如下
得到图像的直方图后利用卡方法计算两直方图之间相似度，公式如下：
其中H1、H2分别表示两图像的直方图。
在上述技术方案中，考勤机制的具体流程如下：
第一步，根据自主签到图像与学生登记信息表中的个人图像的人脸识别结果，判定自主签到图像中学生的真实身份，如果图像不匹配，则代表学生存在代课现象，直接记当堂考勤分数为0；
第二步，根据自动签到图像的识别，考勤机制计算得到学生的上课有效时间；考勤机制如下：取两次自动考勤签到图像识别结果，如果两次都识别为同一个人即考勤识别信息表中记录都为1，则表示该时间段有效；学生的课堂考勤分数是按照公式：score＝result*5/45*100来计算，这里每堂课程按照45分钟计算，用有效时间除以课堂总时间得到课堂考勤分数，将考勤分数记入数据库考勤分数表中；
第三步，在课程结束后，服务器会查询选修该课程的学生名单，对比路由出入检测中的学生名单，得到未到达课堂的学生名单，直接记考勤分数为0。
本发明提供的技术方案与现有技术相比具有以下有益效果：
(1)操作简单：教师无需管理学生课堂考勤，课程结束后服务器会自动计算全部学生的课堂考勤分数，教师只需在移动设备端点击查询便可获得学生课堂考勤情况。
(2)准确度高：利用摄像机定时拍照结合人脸识别技术，通过服务器自动签到实现了对学生课堂考勤的实时监控，能够准确处理课堂中发生的代课、迟到、早退等现象。
(3)效率高：人脸识别考勤装置对学生的考勤图像识别速度快，能够及时对课堂中出现的状况进行处理。课程结束后，立即统计出选课学生的课堂考勤分数。
附图说明
图1是本发明基于人脸识别技术的课堂考勤签到系统的结构示意图及工作方法流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
如图1所示，本发明实施例提供了一种基于人脸识别技术的课堂考勤签到系统，该系统包括学生自主考勤装置、服务器自动考勤装置、人脸识别考勤装置；
所述学生自主考勤装置，用于获取学生自主签到图像；学生自主考勤装置包括摄像机、路由器及移动设备，使用时将摄像机通过固定装置固定于教室内，摄像机通过无线网络将拍摄的教室图像传至移动设备，学生在移动设备上进行自主签到后，将自主签到图像上传至人脸识别考勤装置；
所述服务器自动考勤装置，用于获取自动考勤签到图像；服务器自动考勤装置包括摄像机、路由器及服务器设备，使用时摄像机将拍摄的教室图像上传服务器，服务器定时对教室图像进行截图处理，并将图像上传至人脸识别考勤装置；
所述人脸识别考勤装置，用于对学生自主考勤图像和自动考勤签到图像进行识别并进行考勤打分；人脸识别考勤装置包括人脸检测模块、人脸图像预处理模块、人脸识别及考勤打分模块，使用时对学生考勤图像进行处理，根据考勤机制得到学生考勤分数。
本实施例还提供了一种如上述的基于人脸识别技术的课堂考勤签到系统的工作方法，包括以下步骤：
(1)学生携带移动设备进入教室后，教室路由器对已连接的移动设备进行MAC匹配，匹配完成后将信息上传服务器，服务器进行路由出入检测信息的验证，判断学生是否在指定时间内处于教室里，验证成功则进行学生自主签到，验证失败则直接将考勤分置为0；
(2)学生在移动设备接收到最新的课堂图像后进行自主签到，学生在图像中找到自己的人脸图像，并将其用矩形框表示出来，将矩形签到坐标信息上传服务器，服务器将得到的学生自主签到图像与学生登记信息表中的个人图像发送到人脸考勤识别装置进行识别，判断学生身份，如果识别失败则直接将考勤分数置为0；
(3)如果识别成功，则进入服务器自动签到；自动签到是指课程开始后，摄像机每隔10秒拍照并上传图像，服务器查询学生的签到坐标信息，对课堂图像进行时间间隔为5分钟的定时自动签到，利用人脸检测技术检测自动考勤签到图像中是否有人脸存在，若未检测到人脸则直接记录识别结果为失败；
(4)如果检测到人脸，服务器会将自动考勤签到图像与自主签到图像发送至人脸考勤识别装置进行人脸识别，根据识别结果利用考勤机制将学生课堂有效时间转化为考勤分数。
在上述实施例中，人脸识别的具体流程如下：
第一步，对图像进行人脸检测，系统利用OpenCV训练好的haarcascade分类器来进行人脸检测，该分类器是利用扩展的Haar特征来表示人脸，然后训练分类器得到级联分类器，系统中可直接调用该分类器信息，实现人脸检测功能；
第二步，对检测到人脸的学生考勤图像进行预处理，首先将彩色图像灰度化，然后对图像进行直方图均衡化操作，其过程为先计算输入图像的直方图，统计直方图每个灰度级出现的次数，归一化直方图并计算直方图积分，根据映射函数计算新的像素值；映射函数如下：
其中M是图像中像素的总和，mj是当前灰度级的像素个数，L是图像中的灰度级总数；
第三步，对图像进行大小校正，具体方法是先得到人眼坐标，根据坐标计算两眼之间的距离，将距离扩大或者缩小到指定长度，并保持图像的其他比例不变；
第四步，利用基于LBP的方法进行识别；首先将图像分块，计算第n领域对应像素偏移坐标(x,y)n，公式如下：
其中，radius表示LBP算子的半径，n表示第n个采样点，neighbors表示采样点个数；
利用双线性差值计算所有像素坐标的(x,y)第n领域的灰度值gray(x,y)n，计算公式如下
其中gray(x,y)n表示第n领域内的灰度值，gray(x,y)表示中心像素点灰度值；
并计算每个分模块中所有像素的LBP编码值，计算公式如下
其中neighbors表示采样点的个数；
第五步，按照行序统计每个格子内直方图各值的高度，并依次将结果存储在HISTi的每一行；并对直方图高度归一化，即所有直方图高度除以w_grad*h_grad。spatial_histogram函数计算各LBPi图像对应直方图矩阵，方便识别相似度计算；
第六步，得到图像的直方图后利用卡方法计算两直方图之间相似度，公式如下：
其中H1、H2分别表示两图像的直方图。
在上述实施例中，考勤机制对课堂考勤中的不同情况处理如下：
1、迟到。对于迟到的学生，在进入教室后路由进出检测上传验证，验证通过后可进行自主签到。由于进入教室时间在上课时间开始之后，自动签到和识别次数会相应减少，所以考勤分数会相应减少。
2、早退。系统根据服务器的定时自动签到实现对学生的上课情况的实时检测。对服务器自动考勤签到图像进行人脸检测，若无人脸存在，即判断该学生不在教室内，则直接记识别结果为匹配失败。
3、代课。根据自主签到图像与学生登记信息表中的个人图像的人脸识别结果，判定自主签到图像的学生的真实身份。如果图像不匹配，则代表学生存在代课现象，直接记当堂考勤分数为0。
4、旷课。在课程结束后，服务器会查询选修该课程的学生名单，对比路由出入检测中的学生名单，得到未到达课堂的学生名单，直接记考勤分数为0。
5、正常。对于正常上课学生，服务器会对学生的考勤图像进行识别，并对识别结果进行记录和处理，最后得到学生考勤分数。
下面进一步介绍考勤机制，其具体流程如下：
第一步，根据自主签到图像与学生登记信息表中的个人图像的人脸识别结果，判定自主签到图像中学生的真实身份，如果图像不匹配，则代表学生存在代课现象，直接记当堂考勤分数为0；
第二步，根据自动考勤签到图像的识别，考勤机制计算得到学生的上课有效时间；考勤机制如下：取两次自动签到图像识别结果，如果两次都识别为同一个人即考勤识别信息表中记录都为1，则表示该时间段有效，学生的课堂考勤分数是按照公式：score＝result*5/45*100来计算，这里每堂课程按照45分钟计算，用有效时间除以课堂总时间得到课堂考勤分数，将考勤分数记入数据库考勤分数表中；
第三步，在课程结束后，服务器会查询选修该课程的学生名单，对比路由出入检测中的学生名单，得到未到达课堂的学生名单，直接记考勤分数为0。
本说明书中未作详细描述的内容，属于本专业技术人员公知的现有技术。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于人脸识别技术的课堂考勤签到系统，其特征在于：该系统包括学生自主考勤装置、服务器自动考勤装置、人脸识别考勤装置；
所述学生自主考勤装置，用于获取学生自主签到图像；学生自主考勤装置包括摄像机、路由器及移动设备，使用时将摄像机通过固定装置固定于教室内，摄像机通过无线网络将拍摄的教室图像传至移动设备，学生在移动设备上进行自主签到后，将自主签到图像上传至人脸识别考勤装置；
所述服务器自动考勤装置，用于获取自动考勤签到图像；服务器自动考勤装置包括摄像机、路由器及服务器设备，使用时摄像机将拍摄的教室图像上传服务器，服务器定时对教室图像进行截图处理，并将图像上传至人脸识别考勤装置；
所述人脸识别考勤装置，用于对学生考勤图像进行识别并进行考勤打分，其中学生考勤图像包括学生自主签到图像和服务器自动考勤签到图像；人脸识别考勤装置包括人脸检测模块、人脸图像预处理模块、人脸识别及考勤打分模块，使用时对学生考勤图像进行处理，根据考勤机制得到学生考勤分数。
2.一种如权利要求1所述的基于人脸识别技术的课堂考勤签到系统的工作方法，其特征在于该方法包括以下步骤：
(1)学生进入教室后，服务器进行路由出入检测信息的验证，判断学生是否在指定时间内处于教室里，验证成功则进行学生自主签到，验证失败则直接将考勤分置为0；
(2)学生在移动设备接收到最新的课堂图像后,将图像中学生人脸位置区域截图进行自主签到，学生利用矩形框将自己的人脸图像标记后，将矩形框的坐标信息上传服务器，服务器将得到的学生自主签到图像与学生登记信息表中的个人图像发送到人脸考勤识别装置进行识别，判断学生身份，如果识别失败则直接将考勤分数置为0；
(3)如果识别成功，课程开始后服务器会查询学生的签到坐标信息，对课堂图像进行时间间隔为5分钟的定时自动签到，利用人脸检测技术检测自动考勤签到图像中是否有人脸存在，若未检测到人脸则直接记录识别结果为失败；
(4)如果检测到人脸，服务器会将学生自主签到图像和服务器自动考勤签到图像发送至人脸考勤识别装置进行人脸识别，根据识别结果利用考勤机制将学生课堂有效时间转化为考勤分数。
3.根据权利要求2所述的基于人脸识别技术的课堂考勤签到系统的工作方法，其特征在于步骤(4)中人脸识别的具体流程如下：
第一步，对图像进行人脸检测，利用haarcascade分类器实现人脸检测功能；
第二步，对检测到人脸的自主签到图像和自动考勤签到图像进行预处理，首先将彩色图像灰度化，然后对图像进行直方图均衡化操作，其过程为先计算输入图像的直方图，统计直方图每个灰度级出现的次数，归一化直方图并计算直方图积分，根据映射函数计算新的像素值；映射函数如下：
<mrow>
<msub>
<mi>s</mi>
<mi>k</mi>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>k</mi>
</munderover>
<mfrac>
<msub>
<mi>m</mi>
<mi>j</mi>
</msub>
<mi>M</mi>
</mfrac>
<mo>,</mo>
<mi>k</mi>
<mo>=</mo>
<mn>0</mn>
<mo>,</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>L</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
其中M是图像中像素的总和，mj是当前灰度级的像素个数，L是图像中的灰度级总数；
第三步，对图像进行大小校正，具体方法是先得到人眼坐标，根据坐标计算两眼之间的距离，将距离扩大或者缩小到指定长度，并保持图像的其他比例不变；
第四步，利用基于LBP的方法进行识别；首先将图像分块，计算第n领域对应像素偏移坐标(x,y)n，公式如下：
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>x</mi>
<mi>n</mi>
</msub>
<mo>=</mo>
<mo>-</mo>
<mi>r</mi>
<mi>a</mi>
<mi>d</mi>
<mi>i</mi>
<mi>u</mi>
<mi>s</mi>
<mo>&times;</mo>
<mi>sin</mi>
<mrow>
<mo>(</mo>
<mn>2.0</mn>
<mo>&times;</mo>
<mi>&pi;</mi>
<mo>&times;</mo>
<mi>n</mi>
<mo>/</mo>
<mi>n</mi>
<mi>e</mi>
<mi>i</mi>
<mi>g</mi>
<mi>h</mi>
<mi>b</mi>
<mi>o</mi>
<mi>r</mi>
<mi>s</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>y</mi>
<mi>n</mi>
</msub>
<mo>=</mo>
<mo>-</mo>
<mi>r</mi>
<mi>a</mi>
<mi>d</mi>
<mi>i</mi>
<mi>u</mi>
<mi>s</mi>
<mo>&times;</mo>
<mi>cos</mi>
<mrow>
<mo>(</mo>
<mn>2.0</mn>
<mo>&times;</mo>
<mi>&pi;</mi>
<mo>&times;</mo>
<mi>n</mi>
<mo>/</mo>
<mi>n</mi>
<mi>e</mi>
<mi>i</mi>
<mi>g</mi>
<mi>h</mi>
<mi>b</mi>
<mi>o</mi>
<mi>r</mi>
<mi>s</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中，radius表示LBP算子的半径，n表示第n个采样点，neighbors表示采样点个数；
利用双线性差值计算所有像素坐标的(x,y)第n领域的灰度值gray(x,y)n，并计算每个分模块中所有像素的LBP编码值，计算公式如下
<mrow>
<mi>l</mi>
<mi>b</mi>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>n</mi>
<mi>e</mi>
<mi>i</mi>
<mi>g</mi>
<mi>h</mi>
<mi>b</mi>
<mi>o</mi>
<mi>r</mi>
<mi>s</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<mi>l</mi>
<mi>b</mi>
<mi>p</mi>
<msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mi>n</mi>
</msub>
<mo>&times;</mo>
<msup>
<mn>2</mn>
<mi>n</mi>
</msup>
</mrow>
得到图像的直方图后利用卡方法计算两直方图之间相似度，公式如下：
<mrow>
<mi>d</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>H</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<msub>
<mi>H</mi>
<mn>2</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>H</mi>
<mn>1</mn>
</msub>
<mo>-</mo>
<msub>
<mi>H</mi>
<mn>2</mn>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mrow>
<msub>
<mi>H</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<msub>
<mi>H</mi>
<mn>2</mn>
</msub>
</mrow>
</mfrac>
</mrow>
其中H1、H2分别表示两图像的直方图。
4.根据权利2所述的基于人脸识别技术的课堂考勤签到系统的工作方法，其特征在于步骤(4)中考勤机制的具体流程如下：
第一步，根据自主签到图像与学生登记信息表中的个人图像的人脸识别结果，判定自主签到图像中学生的真实身份，如果图像不匹配，则代表学生存在代课现象，直接记当堂考勤分数为0；
第二步，根据自动考勤签到图像的识别，考勤机制计算得到学生的上课有效时间；考勤机制如下：取两次自动考勤签到图像识别结果，如果两次都识别为同一个人即考勤识别信息表中记录都为1，则表示该时间段有效；学生的课堂考勤分数是按照公式：score＝result*5/45*100来计算，这里每堂课程按照45分钟计算，用有效时间除以课堂总时间得到课堂考勤分数，将考勤分数记入数据库考勤分数表中；
第三步，在课程结束后，服务器会查询选修该课程的学生名单，对比路由出入检测中的学生名单，得到未到达课堂的学生名单，直接记考勤分数为0。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710603419.XA CN107481343A (zh) | 2017-07-22 | 2017-07-22 | 一种基于人脸识别技术的课堂考勤签到系统及其工作方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710603419.XA CN107481343A (zh) | 2017-07-22 | 2017-07-22 | 一种基于人脸识别技术的课堂考勤签到系统及其工作方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107481343A true CN107481343A (zh) | 2017-12-15 |
Family
ID=60595204
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710603419.XA Pending CN107481343A (zh) | 2017-07-22 | 2017-07-22 | 一种基于人脸识别技术的课堂考勤签到系统及其工作方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107481343A (zh) |
Cited By (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108171414A (zh) * | 2017-12-26 | 2018-06-15 | 重庆大争科技有限公司 | 教学质量评估系统 |
| CN108550023A (zh) * | 2018-03-30 | 2018-09-18 | 东南大学 | 一种学生签到管理系统 |
| CN108711200A (zh) * | 2018-06-08 | 2018-10-26 | 成都睿沿科技有限公司 | 出勤状态检测方法及装置 |
| CN108932783A (zh) * | 2018-09-19 | 2018-12-04 | 南京邮电大学 | 一种基于二维人脸识别的面向大流量场景的门禁系统 |
| CN109191611A (zh) * | 2018-10-30 | 2019-01-11 | 惠州学院 | 一种基于人脸识别的考勤设备及方法 |
| CN109308452A (zh) * | 2018-08-10 | 2019-02-05 | 中山全播网络科技有限公司 | 一种基于人脸识别的课堂考勤图像处理方法 |
| CN109461221A (zh) * | 2018-10-20 | 2019-03-12 | 河南汇纳科技有限公司 | 一种上课考勤系统 |
| CN109840963A (zh) * | 2018-12-28 | 2019-06-04 | 微医美南京信息技术股份有限公司 | 一种课程签到协同管理系统及其使用方法 |
| 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 |
| CN109903410A (zh) * | 2019-01-23 | 2019-06-18 | 深圳壹账通智能科技有限公司 | 基于人脸识别的点名签到方法、装置、设备和存储介质 |
| CN110533788A (zh) * | 2019-08-14 | 2019-12-03 | 合肥智圣新创信息技术有限公司 | 一种基于人脸识别和在线实时数据的高校学生考勤系统 |
| CN110930533A (zh) * | 2019-11-15 | 2020-03-27 | 成都天纹科技有限公司 | 签到系统及电子设备 |
| CN111339939A (zh) * | 2020-02-26 | 2020-06-26 | 中国工商银行股份有限公司 | 基于图像识别的考勤方法及装置 |
| CN111354096A (zh) * | 2019-08-19 | 2020-06-30 | 深圳市鸿合创新信息技术有限责任公司 | 一种智能考勤方法及装置、电子设备 |
| CN111382633A (zh) * | 2018-12-29 | 2020-07-07 | 中国科学院长春光学精密机械与物理研究所 | 课堂出勤管理方法、装置、终端及计算机可读存储介质 |
| CN111510664A (zh) * | 2019-01-30 | 2020-08-07 | 武汉景思睿创新科技有限公司 | 一种基于视频图像识别的考场监控系统 |
| CN112200924A (zh) * | 2020-09-30 | 2021-01-08 | 广东技术师范大学 | 一种基于人脸识别的课堂考勤方法及系统 |
| CN112232219A (zh) * | 2020-10-19 | 2021-01-15 | 武汉理工大学 | 一种基于lbp特征算法的人脸识别签到系统 |
| CN112418814A (zh) * | 2020-12-02 | 2021-02-26 | 杭州吉光文化创意有限公司 | 无人化模式的教学培训、训练考核的系统及方法 |
| CN112782987A (zh) * | 2020-12-28 | 2021-05-11 | 合肥怡创信息技术有限公司 | 一种多功能智慧教室控制系统及其控制方法 |
| CN112967411A (zh) * | 2021-01-28 | 2021-06-15 | 新疆爱华盈通信息技术有限公司 | 基于人脸识别的学生考勤系统及方法 |
| CN114157837A (zh) * | 2021-11-29 | 2022-03-08 | 杭州登虹科技有限公司 | 基于视频监控云平台的安全考勤联动系统 |
| CN114581994A (zh) * | 2022-03-09 | 2022-06-03 | 南京邮电大学 | 一种课堂考勤管理方法和系统 |
| CN116611968A (zh) * | 2023-06-02 | 2023-08-18 | 湖南中医药高等专科学校 | 一种基于数据关联的教学管理系统 |
-
2017
- 2017-07-22 CN CN201710603419.XA patent/CN107481343A/zh active Pending
Cited By (28)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108171414A (zh) * | 2017-12-26 | 2018-06-15 | 重庆大争科技有限公司 | 教学质量评估系统 |
| CN108550023A (zh) * | 2018-03-30 | 2018-09-18 | 东南大学 | 一种学生签到管理系统 |
| CN108711200A (zh) * | 2018-06-08 | 2018-10-26 | 成都睿沿科技有限公司 | 出勤状态检测方法及装置 |
| CN109308452B (zh) * | 2018-08-10 | 2021-10-01 | 全播教育科技(广东)有限公司 | 一种基于人脸识别的课堂考勤图像处理方法 |
| CN109308452A (zh) * | 2018-08-10 | 2019-02-05 | 中山全播网络科技有限公司 | 一种基于人脸识别的课堂考勤图像处理方法 |
| CN108932783A (zh) * | 2018-09-19 | 2018-12-04 | 南京邮电大学 | 一种基于二维人脸识别的面向大流量场景的门禁系统 |
| CN109461221A (zh) * | 2018-10-20 | 2019-03-12 | 河南汇纳科技有限公司 | 一种上课考勤系统 |
| CN109191611A (zh) * | 2018-10-30 | 2019-01-11 | 惠州学院 | 一种基于人脸识别的考勤设备及方法 |
| 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 |
| CN109840963A (zh) * | 2018-12-28 | 2019-06-04 | 微医美南京信息技术股份有限公司 | 一种课程签到协同管理系统及其使用方法 |
| CN111382633A (zh) * | 2018-12-29 | 2020-07-07 | 中国科学院长春光学精密机械与物理研究所 | 课堂出勤管理方法、装置、终端及计算机可读存储介质 |
| CN109903410A (zh) * | 2019-01-23 | 2019-06-18 | 深圳壹账通智能科技有限公司 | 基于人脸识别的点名签到方法、装置、设备和存储介质 |
| CN111510664A (zh) * | 2019-01-30 | 2020-08-07 | 武汉景思睿创新科技有限公司 | 一种基于视频图像识别的考场监控系统 |
| CN110533788B (zh) * | 2019-08-14 | 2021-12-24 | 合肥智圣新创信息技术有限公司 | 一种基于人脸识别和在线实时数据的高校学生考勤系统 |
| CN110533788A (zh) * | 2019-08-14 | 2019-12-03 | 合肥智圣新创信息技术有限公司 | 一种基于人脸识别和在线实时数据的高校学生考勤系统 |
| CN111354096A (zh) * | 2019-08-19 | 2020-06-30 | 深圳市鸿合创新信息技术有限责任公司 | 一种智能考勤方法及装置、电子设备 |
| CN110930533A (zh) * | 2019-11-15 | 2020-03-27 | 成都天纹科技有限公司 | 签到系统及电子设备 |
| CN111339939B (zh) * | 2020-02-26 | 2023-09-26 | 中国工商银行股份有限公司 | 基于图像识别的考勤方法及装置 |
| CN111339939A (zh) * | 2020-02-26 | 2020-06-26 | 中国工商银行股份有限公司 | 基于图像识别的考勤方法及装置 |
| CN112200924A (zh) * | 2020-09-30 | 2021-01-08 | 广东技术师范大学 | 一种基于人脸识别的课堂考勤方法及系统 |
| CN112232219A (zh) * | 2020-10-19 | 2021-01-15 | 武汉理工大学 | 一种基于lbp特征算法的人脸识别签到系统 |
| CN112418814A (zh) * | 2020-12-02 | 2021-02-26 | 杭州吉光文化创意有限公司 | 无人化模式的教学培训、训练考核的系统及方法 |
| CN112782987A (zh) * | 2020-12-28 | 2021-05-11 | 合肥怡创信息技术有限公司 | 一种多功能智慧教室控制系统及其控制方法 |
| CN112967411A (zh) * | 2021-01-28 | 2021-06-15 | 新疆爱华盈通信息技术有限公司 | 基于人脸识别的学生考勤系统及方法 |
| CN114157837A (zh) * | 2021-11-29 | 2022-03-08 | 杭州登虹科技有限公司 | 基于视频监控云平台的安全考勤联动系统 |
| CN114581994A (zh) * | 2022-03-09 | 2022-06-03 | 南京邮电大学 | 一种课堂考勤管理方法和系统 |
| CN116611968A (zh) * | 2023-06-02 | 2023-08-18 | 湖南中医药高等专科学校 | 一种基于数据关联的教学管理系统 |
| CN116611968B (zh) * | 2023-06-02 | 2024-02-13 | 湖南中医药高等专科学校 | 一种基于数据关联的教学管理系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107481343A (zh) | 一种基于人脸识别技术的课堂考勤签到系统及其工作方法 | |
| CN111507283B (zh) | 基于课堂场景的学生行为识别方法及系统 | |
| CN108022318A (zh) | 多人人脸识别考勤系统及其考勤方法 | |
| CN108229352B (zh) | 一种基于深度学习的站立检测方法 | |
| CN105869085A (zh) | 一种成绩录入系统及图像处理的方法 | |
| CN106845432A (zh) | 一种人脸与人体共同检测的方法和设备 | |
| WO2019105131A1 (zh) | 用于监控的图像识别方法及系统、计算设备以及可读存储介质 | |
| CN111914761A (zh) | 一种热红外人脸识别的方法及系统 | |
| CN107194396A (zh) | 国土资源视频监控系统中基于特定违章建筑识别预警方法 | |
| CN107527394A (zh) | 基于成员聚合判断逻辑的智能签到考勤系统及方法 | |
| CN110287862B (zh) | 基于深度学习的防偷拍检测方法 | |
| 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 | |
| CN105930798A (zh) | 基于学习的面向手机应用的舌像快速检测分割方法 | |
| CN110766243B (zh) | 一种景区厕所推荐方法、装置及系统 | |
| CN112487894B (zh) | 基于人工智能的轨道交通保护区自动巡查方法及装置 | |
| CN110827432B (zh) | 一种基于人脸识别的课堂考勤方法及系统 | |
| CN107170064A (zh) | 基于位置分布的课堂考勤方法及系统 | |
| CN111931634A (zh) | 一种基于深度学习的校园防护方法和系统 | |
| CN110378261B (zh) | 一种学生识别方法及装置 | |
| CN112734966B (zh) | 一种融合WiFi数据与人脸识别的课堂点名方法 | |
| 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 | |
| CN109191341B (zh) | 一种基于人脸识别和贝叶斯学习的教室视频点到方法 | |
| CN108154199B (zh) | 一种基于深度学习的高精度快速单类目标检测方法 | |
| TWI733616B (zh) | 人體姿勢辨識系統、人體姿勢辨識方法以及非暫態電腦可讀取儲存媒體 | |
| CN109903410A (zh) | 基于人脸识别的点名签到方法、装置、设备和存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171215 |