CN108492392A - 一种基于人工智能的智能课堂点名系统 - Google Patents

一种基于人工智能的智能课堂点名系统 Download PDF

Info

Publication number
CN108492392A
CN108492392A CN201810184005.2A CN201810184005A CN108492392A CN 108492392 A CN108492392 A CN 108492392A CN 201810184005 A CN201810184005 A CN 201810184005A CN 108492392 A CN108492392 A CN 108492392A
Authority
CN
China
Prior art keywords
student
microstrip line
information
photo
artificial intelligence
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
Application number
CN201810184005.2A
Other languages
English (en)
Inventor
邢宇轩
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN201810184005.2A priority Critical patent/CN108492392A/zh
Publication of CN108492392A publication Critical patent/CN108492392A/zh
Pending legal-status Critical Current

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
    • 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
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01Q—ANTENNAS, i.e. RADIO AERIALS
    • H01Q1/00—Details of, or arrangements associated with, antennas
    • H01Q1/36—Structural form of radiating elements, e.g. cone, spiral, umbrella; Particular materials used therewith
    • H01Q1/38—Structural form of radiating elements, e.g. cone, spiral, umbrella; Particular materials used therewith formed by a conductive layer on an insulating support
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01Q—ANTENNAS, i.e. RADIO AERIALS
    • H01Q1/00—Details of, or arrangements associated with, antennas
    • H01Q1/50—Structural association of antennas with earthing switches, lead-in devices or lightning protectors
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01Q—ANTENNAS, i.e. RADIO AERIALS
    • H01Q1/00—Details of, or arrangements associated with, antennas
    • H01Q1/52—Means for reducing coupling between antennas; Means for reducing coupling between an antenna and another structure
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01Q—ANTENNAS, i.e. RADIO AERIALS
    • H01Q13/00—Waveguide horns or mouths; Slot antennas; Leaky-waveguide antennas; Equivalent structures causing radiation along the transmission path of a guided wave
    • H01Q13/10—Resonant slot antennas
    • H01Q13/106—Microstrip slot antennas
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01Q—ANTENNAS, i.e. RADIO AERIALS
    • H01Q19/00—Combinations of primary active antenna elements and units with secondary devices, e.g. with quasi-optical devices, for giving the antenna a desired directional characteristic
    • H01Q19/10—Combinations of primary active antenna elements and units with secondary devices, e.g. with quasi-optical devices, for giving the antenna a desired directional characteristic using reflecting surfaces

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于通信技术领域，公开了一种基于人工智能的智能课堂点名系统，照片采集单元，用于由任课教师直接采集照片，并将照片直接传送至学校中央服务器；还用于教师在上课过程中和下课前进行照片取样；学生特征信息提取单元，提取照片的特征信息，并建立初始数据库，并与学号、姓名的信息进行关联；人工智能深度学习单元，等。本发明易于与教务信息，学工信息等其他系统对接；大数据处理综合反映学生学习质量，教师课堂评价，学工考评等；本发明运用人工智能深度学习的技术手段，通过一张照片反映上课过程中的综合信息，并结合大数据分析教与学的课堂效果，从而给教师，教务，家长等提供科学的决策依据。

Description

一种基于人工智能的智能课堂点名系统
技术领域
本发明属于通信技术领域，尤其涉及一种基于人工智能的智能课堂点名系统。
背景技术
目前，业内常用的现有技术是这样的:课堂点名考勤是教育教学系统的关键环节，作为对学生平时成绩评定的重要依据。现有的点名方法和手段建立在传统的点名方法，或简单借助于wif、蓝牙，Android，刷一卡通等方式，另外对学生的综合评价也是通过抽样调查、访谈、考试测评等手段，投入大量的教辅人员以及财力物力等的基础上，其评价结果的准确性和可靠性受诸多外部环境制约，无法准确实时跟踪课堂实效，关键是忽略了学生学习过程中的动态变化，缺乏大量数据作为科学分析的依据。
传统的点名方式包括：电脑点名软件、Android端学生签到、校园一卡通刷卡、微信、短信签到、指纹识别签名、拍照鉴别点名。
电脑点名软件是集课堂教学提问、电脑随机点名及PPT课件播放的课堂教学辅助软件。软件运行时可显示各种试题(答案)同时进行语音朗读内容，点名时可显示学生照片及语音朗读学生姓名，PPT课件分类存放，可很方便的找到上课所需的PPT课件。主要功能三大块：课堂提问和语音点名(点名又分提问点名和考勤点名)及存储播放PPT课件。
Android端学生签到是通过Android平台和GPS定位系统设计实现了学生注册、登录，利用GPS定位发送位置进行签到的基本功能。这样开发完成的学生签到系统运行稳定，可用性好，方便快捷。
校园一卡通刷卡是手机一卡通和校园一卡通的结合，可以说是手机一卡通在校园领域拓展的一个应用，是对校园一卡通的重要补充。也可以说是随着移动支付技术的发展和支付手段的多样化，多卡功能结合与一体，校园一卡通纵深发展的必然趋势。在校园手机一卡通系统中，用户可以用RFID-SIM卡的手机进行刷手机消费、刷手机开门、刷手机打开水、刷手机出入图书馆、刷手机乘坐校园巴士等等，还可以通过校园手机一卡通的“空中补助”功能，实时将补助的金额充入电子消费钱包中。校园手机一卡通是将校园卡与手机卡集成于同一张卡，除实现传统校园一卡通功能以外，可以通过短信、WAP等方式实现排课、会议、图书借阅、消费情况、账户信息等各种信息的互动查询，可实现各种信息的指定下发，具有通知、提醒的功能，并可通过短信、UTK菜单等方式实现空中圈存，为师生对校园卡充值提供了极大的方便。通过“校园手机一卡通”系统的建设，首先在全校形成学校统一管理的信息平台，促进教育信息的标准化，构建起优良的数字空间和信息共享环境，让学校进一步实现教学资源数字化、数据传输网络化、用户终端智能化、结算管理集中化。其次，在全校实现统一的电子支付和费用收缴管理，彻底解决学校各类费用收缴难、管理乱的问题。
微信、短信签到的设置简单，操作方便，省时省力；适用于小型会议、活动、培训、分论坛签到；需要电子签到软件、iPad/手机、签到员、需要导入的名单
指纹识别签名是实现人、地、时三者合一，去除考勤虚假，为公司省去不必要的加班费用付出。对企业职员的人事出勤进行公正合理并有效、科学的管理已成为各单位面临的现实课题。
拍照鉴别点名适用于各大高端年会,只需一个普通摄像头，即可完成拍照签到，可以有效防止代刷卡，确保本人签到。
随着无线终端设备的快速发展和广泛应用，人们对无线通信的需求已不仅局限于简单的语音通讯，对流媒体数据信号的需求也变得越来越迫切，并对信号传输的速度和质量提出了更高要求。这就需要对天线不断优化升级，从而可以从整机层面有效地改善通信系统的容量和质量。由于许多无线通信设备工作的电磁环境较为复杂，极易受多径衰落效应的影响。而双极化天线采用极化分集可以明显地减弱多径衰落的影响，并且一副天线可以实现两副天线的功能，大大减少了所需天线的数量，有效降低了成本。因此，双极化天线近年来在工程和学术领域都受到了广泛的关注。为了服务多个无线通信系统，所设计的天线应该具有较宽的工作频带。同时，随着无线通信设备的小型化，为用于收发电磁波的天线所留的空间越来越小。因此，对于低剖面宽带双极化天线的需求越来越多。微带天线有着许多优点，比如重量轻、价格低、易共形、剖面低，成为一个实现双极化天线不错的选择。然而，微带天线的工作带宽窄以及端口隔离差限制了其应用。
近年来，天线设计人员提出了一系列的改善微带天线工作频带和端口隔离的馈电方法。提出了曲折型的馈电探针、T型馈电探针、L型探针和缝隙耦合的混合型馈电、差分馈电等。虽然这些馈电方式改善了双极化天线的工作带宽和端口隔离，但是却导致了天线较高的剖面，并且这些三维的馈电结构给加工以及安装造成了一定的困难。
相反地，缝隙天线具有平面馈电结构但具有较大的后向辐射。为了获得定向的辐射和较高的增益，一般将一块金属反射板放在缝隙天线的下方。然而，当缝隙天线离反射板太近时，由于镜像电流的出现会导致天线效率的降低，阻抗匹配带宽变窄等。为了解决这个问题，反射地板往往放置在距离天线四分之一波长处。这样，虽然可以使天线获得较高的增益，但同时将导致天线较高的剖面高度，无法满足现代天线小型化的需求。
近年来，人工磁导体由于具有同相反射和抑制表面波的特点而深受关注。人工磁导体在其反射相位为-90°～90°时可以代替金属地板成为天线的反射板，从而抑制后向辐射，提高天线的增益。此外，当天线离人工磁导体表面很近时，天线依然可以保持较好的工作特性。
图像的分辨率越高，提供的信息就越丰富。在各种各样的实际应用中，高分辨率图像都发挥着重要作用。由于受成像系统物理条件和天气影响，成像过程中往往存在运动模糊、下采样和噪声等退化过程，使得实际得到的图像分辨率低、质量差。要获得高分辨率图像，最直接的方法是采用高分辨率图像传感器，降低像素尺寸，提高单位面积的像素数量，但这种方法对图像传感器和光学器件的制造工艺和成本的要求很高，在很多场合中难以实现。图像超分辨重建技术可以从单帧或多帧低分辨率输入图像获得高分辨率图像，相比而言，使用超分辨重建技术成本更低，更容易实现。
目前，图像超分辨率重建技术可分为三类：基于插值、基于重建和基于学习的方法。
基于插值的方法是超分辨率研究中最直观的方法。常见的方法包括最近邻插值、双线性插值、双立方插值等。这类方法的优点是计算复杂度低，快速易行。但是引入的高频信息是基于预先假定的插值模板，当模板与实际情况不符时，可能导致重建图像质量不高。
基于重建的方法根据图像退化模型，结合图像先验知识构造相应的正则项以恢复丢失的高频信息。包括迭代反向投影方法、最大后验概率方法等。这类方法能在一定程度上缓解基于插值方法所产生的模糊效果。但当图像放大倍数较大时，重建效果通常也不太理想。
基于学习的方法是近年来超分辨率算法研究的热点方向。其基本思路是通过学习低分辨率图像和高分辨率图像之间的映射关系，将学好的映射关系用于低分辨率输入图像以获得高分辨率图像。假设高、低分辨率图像块在各自特征空间具有相似的局部结构，将低分辨率空间的权值用于高分辨率空间，提出了基于邻域嵌入的图像超分辨重建方法。但是当放大倍数较大时，高、低分辨率图像块在各自特征空间形成的局部结构不再相似，导致重建质量的下降。另一方面，当选取的近邻数K变化时，重建质量波动较大，因此，近邻数K的选取是一个亟待解决的问题。针对边缘检测和特征选择对邻域嵌入方法进行了改进，对边缘图像块和非边缘图像块进行不同的处理，同时对图像块选取了新的特征表示，从而提高了重建质量。然而，该方法依赖边缘检测，不正确的边缘检测会使结果图像中存在人工痕迹。
综上所述，现有技术存在的问题是：
(1)耗时多，耽误宝贵的课堂时间；
(2)消耗学生资源，比如学生短信/微信/蓝牙/wifi等资源；
(3)需要额外配件/硬件资源；
(4)不易于对接云计算；
(5)点名与其他教学管理环节脱节；
(6)只是为了点名而点名，反映信息不全面。
(7)现有的天线剖面过高的问题，天线剖面过高不仅造成视觉污染，同时也无法满足无线通信设备小型化发展的需求。
发明内容
针对现有技术存在的问题，本发明提供了一种基于人工智能的智能课堂点名系统。
本发明是这样实现的，一种基于人工智能的智能课堂点名系统，包括：
照片采集单元，与人工智能深度学习单元连接，用于由任课教师直接采集照片，并将照片直接传送至学校中央服务器；还用于教师在上课过程中和下课前进行照片取样；
照片采集单元通过影像录入设备进行影像采集，并生成照片；具体包括：
1)构建高分辨率训练图像集；
2)对高分辨率训练图像集进行模糊和下采样操作得到临时低分辨率图像集；
3)对临时低分辨率图像集预放大2倍得到低分辨率训练图像集；
4)构建低分辨率训练图像块集；
5)构建高分辨率训练图像块集；
6)读取低分辨率输入图像，设定需要放大的倍数为3倍，预先将其放大2 倍；
7)构建低分辨率输入图像块集；
8)根据低分辨率训练图像块集非负邻域嵌入表示输入图像块集，得到重建系数；
9)输出高分辨率图像；
照片采集单元通过双极化天线并将照片传送至学校中央服务器；双极化天线包括：方形天线、泡沫、人工磁导体；
方形天线放置在泡沫上方，所述泡沫填充在方形天线和人工磁导体中间，所述人工磁导体紧贴泡沫下表面放置；
所述方形天线包括：辐射贴片、方形介质板、第一馈电微带线、第二馈电微带线、用于连接馈电微带线和辐射贴片的第一金属柱和用于连接馈电微带线和辐射贴片的第二金属柱组成；
所述方形介质板上表面印制有金属辐射贴片，金属辐射贴片上蚀刻有4个相同的缝隙，在方形介质板的下表面印制有相互垂直的阶梯状的第一馈电微带线、第二馈电微带线；泡沫和方形介质板中间用粘合剂粘合；
所述缝隙由比较窄的长方形缝隙、三角形缝隙、较宽的长方形缝隙和位于较宽的长方形缝隙末端的第一圆形缝隙、第二圆形缝隙组成；
所述第一馈电微带线由长方形的第一微带线和第二微带线组成；
所述第二馈电微带线由长方形的第三微带线和第四微带线组成；
所述第一金属柱是用来连接第二微带线和第一金属条带，所述第二金属柱是用来连接第四微带线和第二金属条带。
进一步，所述基于人工智能的智能课堂点名系统还包括：
学生特征信息提取单元，与照片采集单元连接，用于结合学工部学生信息数据库，导入学生的姓名、学号、照片的信息；并结合教务系统，导入学生的课程系统、教师信息；还用于通过数据分析，并通过人工智能训练，提取照片的特征信息，并建立初始数据库，并与学号、姓名的信息进行关联；
人工智能深度学习单元，用于课堂目标自动识别；根据人工智能训练的结果，根据视频流信息实时进行课堂目标任务的自动识别与追踪；将每节课的开始和结束时的照片取样，通过目标识别后标注日期、识别目标的学号、姓名的信息，并存储于中央服务器，用于备份和取证。
进一步，所述步骤1)具体操作如下：
(a)搜集多幅彩色高分辨率自然图像；
(b)将高分辨率自然图像从红、绿、蓝RGB颜色空间转换到亮度、蓝色色度、红色色度YCbCr颜色空间；
(c)收集所有亮度图像作为高分辨率训练图像集；
所述步骤2)具体操作如下：
(a)对高分辨率训练图像集中的每幅图像，使用模糊核对其进行模糊操作；
(b)对图像隔点取像素得到下采样3倍后的临时低分辨率图像集；
所述步骤3)具体操作如下：
a)将临时低分辨率图像集中每幅图像用双立方插值方法预放大2倍得到图像集；
b)基于图像块的非局部相似性，计算预放大2倍得到图像集中每幅图像的相似像素矢量和相似性权值矢量，矢量变形后转化为非局部权值矩阵；
c)分别将预放大2倍得到图像集中每幅图像作为迭代初值进行迭代；逐步迭代更新，最终得到低分辨率训练图像集。
进一步，所述第三微带线的线宽与第一微带线的线宽相等，第四微带线的线宽与第二微带线的线宽相等；
所述第一金属柱和第二金属柱的位置设置有金属化过孔；
所述缝隙的长度是天线的工作波长的一半；
所述人工磁导体是由8×8的金属贴片、介质基板和金属地板组成；
所述介质基板的上表面印制了8×8带有切角的金属贴片，介质基板的下表面印制有与介质基板面积等大的金属地板；在介质基板的上面是泡沫，泡沫的下表面与介质基板的上表面通过粘合剂粘合；通过第一金属柱和第二金属柱分别将第一金属条带与第二微带线、第二金属条带与第四微带线相连接；在第一微带线和第三微带线的与介质板平齐的一端焊接两个50欧姆的第一SMA接头和第二SMA接头；
所述介质基板采用的是厚度为2mm，介电常数为4.5的FR4板材，金属贴片的边长Lp＝14.5mm，金属贴片之间的缝隙g＝0.8mm。
进一步，所述照片采集单元内部安装有座位位置信息采集装置，用于获取班级位置的分布；所述座位位置信息采集装置包括：
通过分析学生上课历史的课堂特点，以及任课教师历史上课特点，定性判断学生与教师的特点和行为的班级位置获取单元；
综合分析学生的个人座位喜好，通过对学生历史上该课程的座位情况，间接反映学生的学习习惯、生活习惯的学生位置信息获取单元；
通过多次数据统计反映学生的人际交往情况的学生附近人员位置信息获取单元。
进一步，所述人工智能深度学习单元内部安装有：
与历史数据的更新、关联与处理，实时处理与在线云处理结合，通过跟踪，更新，分析历史数据，反映教学课堂综合情况的课堂目标自动识别单元；
通过信息对接与融合分析，实时将处理结果与教务、学工信息的对接，综合输出结果，在课堂情况恶化或达到某一阈值时，启动课堂自动报警功能的报警单元；
综合分析结果信息输出单元，将数据实时反馈给教务、学工、家长信息；并评价学生的生活习惯、学习习惯、学习能力、课程的偏好、学习兴趣，并根据学生的评价结果对教师以及课程的综合评价。
综上所述，本发明的优点及积极效果为：
(1)实时拍照，基于人工智能实时分析反馈课堂考勤(学生座位位置信息，上课的情绪状态，同桌等朋友人际关系，生活习惯)；
(2)易于与教务信息，学工信息等其他系统对接；
(3)大数据处理综合反映学生学习质量，教师课堂评价，学工考评等；
(4)本发明运用人工智能深度学习的技术手段，通过一张照片反映上课过程中的综合信息，并结合大数据分析教与学的课堂效果，从而给教师，教务，家长等提供科学的决策依据；
(5)本发明通过一张照片，用人工智能方式获取考勤，位置分布，表情特征，通过大量数据获取，进行深度学习，全面系统反馈综合信息；
(6)实时拍照进行人工智能分析，用来反映课堂教学评价；
(7)通过综合教务、学工等信息，大数据评价学生学习质量，人际关系，教师课堂质量，学生心理生理评估。
本发明提供的双极化天线，通过使用设计的宽带人工磁导体作为缝隙天线的反射板，将其剖面高度从0.55λ降低至0.08λ(λ是低频的工作波长)；通过调整缝隙的宽度和长度，以及阶梯状馈电微带线的宽度，使得天线获得了 48.9％的工作带宽，具体的工作频带为1.97～2.92GHz，在整个工作频带内端口与端口之间的隔离度大于20dB、交叉极化比主极化小23dB并且增益在9dBi以上。可以应用于WLAN/WIMAX以及LTE的无线通信系统中。
与现有技术相比，本发明具有如下优点：
1、本发明由于馈电结构直接印制在介质板的背面，是简单的阶梯状的微带线结构，相对于三维的馈电结构来说，更加容易加工和焊接。
2、本发明在天线的辐射贴片上沿着对角线方向刻蚀了四条相同的箭头型的缝隙，并采用了垂直放置的阶梯状的微带线对天线进行馈电，改善了天线的阻抗匹配，从而获得了较宽的工作频带，可以满足不同的通信系统的需求。
3、本发明设计了具有宽带特性的人工磁导体材料，利用人工磁导体同相反射的特性，将天线的剖面高度从0.55λ降低到0.08λ(其中λ是指低频的工作波长)。与公开发表的同类型的天线相比，本发明所设计的天线剖面更低(发表的天线剖面高度一般为0.125λ)，实现的工作频带(38.9％)较宽(所发表的同类型的天线工作频带较宽的为26.6％)，端口之间的隔离度在整个工作频带内都大于20dB，交叉极化都比主极化小23dB。本发明所公布的天线在剖面高度和工作频带方面具有明显的优势。
本发明在训练阶段将临时低分辨率图像集预放大2倍得到低分辨率训练图像集，可保证当放大倍数较高时，高、低分辨率图像块在各自特征空间中也可形成相似的局部结构，从而提高重建质量。
本发明在求重建系数时使用非负邻域嵌入方法，保证当近邻数K逐渐增大时，重建质量也逐渐提高并且趋于稳定，从而解决了近邻数K难以选取的问题。从而可获得准确清晰的图片信息数据。
附图说明
图1是本发明实施例提供的基于人工智能的智能课堂点名系统的结构示意图；
图2是本发明实施例提供的学生特征信息提取单元原理图；
图3是本发明实施例提供的人工智能深度学习单元的原理图；
图4是本发明实施例提供的基于人工智能的智能课堂点名系统原理图。
图5是本发明实施例提供的双极化天线示意图。
图6是本发明实施例提供的人工磁导体(AMC)的结构示意图。
图7是本发明实施例提供的双极化天线结构侧视图。
图中：1、方形天线；2、泡沫；3、人工磁导体；4、方形辐射贴片；4-1、缝隙；4-2、方形缝隙；4-3、较窄的长方形缝隙；4-4、三角形缝隙；4-5、较宽的长方形缝隙；4-6、第一圆形缝隙；4-7、第二圆形缝隙；5、方形介质板； 6、第一馈电微带线；6-1、第一微带线；6-2、第二微带线；7、第二馈电微带线；7-1、第三微带线；7-2、第四微带线；8、第一SMA接头；9、第二SMA接头；10、第一金属柱；11、第二金属柱；12、第一金属条带；13、第二金属条带；14、金属贴片；15、方形介质基板；16、方形金属地板。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1至图4，本发明实施例提供的基于人工智能的智能课堂点名系,包括：
照片采集单元，与人工智能深度学习单元连接，用于由任课教师直接采集照片，并将照片直接传送至学校中央服务器；还用于教师在上课过程中和下课前进行照片取样；
照片采集单元通过影像录入设备进行影像采集，并生成照片；具体包括：
1)构建高分辨率训练图像集；
2)对高分辨率训练图像集进行模糊和下采样操作得到临时低分辨率图像集；
3)对临时低分辨率图像集预放大2倍得到低分辨率训练图像集；
4)构建低分辨率训练图像块集；
5)构建高分辨率训练图像块集；
6)读取低分辨率输入图像，设定需要放大的倍数为3倍，预先将其放大2 倍；
7)构建低分辨率输入图像块集；
8)根据低分辨率训练图像块集非负邻域嵌入表示输入图像块集，得到重建系数；
9)输出高分辨率图像；
学生特征信息提取单元，与照片采集单元连接，用于结合学工部学生信息数据库，导入学生的姓名、学号、照片的信息；并结合教务系统，导入学生的课程系统、教师信息；还用于通过数据分析，并通过人工智能训练，提取照片的特征信息，并建立初始数据库，并与学号、姓名的信息进行关联；
人工智能深度学习单元，用于课堂目标自动识别；根据人工智能训练的结果，根据视频流信息实时进行课堂目标任务的自动识别与追踪；将每节课的开始和结束时的照片取样，通过目标识别后标注日期、识别目标的学号、姓名的信息，并存储于中央服务器，用于备份和取证。
所述步骤1)具体操作如下：
(a)搜集多幅彩色高分辨率自然图像；
(b)将高分辨率自然图像从红、绿、蓝RGB颜色空间转换到亮度、蓝色色度、红色色度YCbCr颜色空间；
(c)收集所有亮度图像作为高分辨率训练图像集；
所述步骤2)具体操作如下：
(a)对高分辨率训练图像集中的每幅图像，使用模糊核对其进行模糊操作；
(b)对图像隔点取像素得到下采样3倍后的临时低分辨率图像集；
所述步骤3)具体操作如下：
a)将临时低分辨率图像集中每幅图像用双立方插值方法预放大2倍得到图像集；
b)基于图像块的非局部相似性，计算预放大2倍得到图像集中每幅图像的相似像素矢量和相似性权值矢量，矢量变形后转化为非局部权值矩阵；
c)分别将预放大2倍得到图像集中每幅图像作为迭代初值进行迭代；逐步迭代更新，最终得到低分辨率训练图像集。
所述照片采集单元内部安装有座位位置信息采集装置，用于获取班级位置的分布；所述座位位置信息采集装置包括：
通过分析学生上课历史的课堂特点，以及任课教师历史上课特点，定性判断学生与教师的特点和行为的班级位置获取单元；
综合分析学生的个人座位喜好，通过对学生历史上该课程的座位情况，间接反映学生的学习习惯、生活习惯的学生位置信息获取单元；
通过多次数据统计反映学生的人际交往情况的学生附近人员位置信息获取单元。
所述人工智能深度学习单元内部安装有：
与历史数据的更新、关联与处理，实时处理与在线云处理结合，通过跟踪，更新，分析历史数据，反映教学课堂综合情况的课堂目标自动识别单元；
通过信息对接与融合分析，实时将处理结果与教务、学工信息的对接，综合输出结果，在课堂情况恶化或达到某一阈值时，启动课堂自动报警功能的报警单元；
综合分析结果信息输出单元，将数据实时反馈给教务、学工、家长信息；并评价学生的生活习惯、学习习惯、学习能力、课程的偏好、学习兴趣，并根据学生的评价结果对教师以及课程的综合评价。
下面结合具体分析对本发明作进一步描述。
本发明的人工智能深度学习单元内部安装有：
与历史数据的更新、关联与处理，实时处理与在线云处理结合，通过跟踪，更新，分析历史数据，反映教学课堂综合情况的课堂目标自动识别单元；
与其他信息的对接与融合分析，实时将处理结果与教务、学工信息的对接，综合输出结果；在课堂情况恶化或达到某一阈值时，启动课堂自动报警功能的报警单元；
通过各种信息技术手段(短信，邮件，电话)，将数据实时反馈给教务，学工，家长等信息；为避免任何人为的干预，保证数据的真实性与可靠性，所有照片信息，和综合分析算法均公开；
综合分析结果用于评价学生的生活习惯，学习习惯，学习能力，课程的偏好，学习兴趣等，并根据上述结果做出指导与干预的综合分析结果用于评价教师的课程与课堂特点，并根据学生的分析结果做出对教师，以及课程的综合评价。
综合分析结果用于教务处，学工等部门的政策制定和修改依据；综合分析结果反馈给家长，在家长配合下，干预和参与学生教育的全过程输出综合分析结果信息输出单元。
本发明运用人工智能深度学习的技术手段，通过一张照片反映上课过程中的综合信息，并结合大数据分析教与学的课堂效果，从而给教师，教务，家长等提供科学的决策依据。
下面结合效果对本发明作进一步描述。
本发明通过照片能够反映以下信息：
(1)识别出照片中的人员信息；
(2)通过人工智能方式分析学生的情绪状态；
(3)反映班级学生整体的座位分布情况；
(4)反映学生个体的座位位置情况；
(5)反映学生与相邻位置的学生间的关系；
本发明通过以下方面改进传统或现有点名方式的不足之处：
(1)通过技术手段弥补“人”的不足，即通过技术手段加强教学环节监控，实现科学管理；
(2)运用人工智能手段实时动态获取“过程信息”；
(3)运用大数据手段，全面综合分析学生生活习惯、学习习惯、人际关系、课堂特点等全面信息；
(4)所谓的科学决策，应以最小的人力投入，最小化人的客观因素对决策的影响；
(6)科学决策及数据处理，充分运用，并且运用好；
(7)教学过程中真正用好互联网+的工具，重视开发，并且不断完善更新；
(8)真正贯彻国家互联网+政策，不防先从身边的本质工作做起。
本发明采用人工智能深度学习的方法，尊重学生个性与过程发展，通过课堂实时照片，实时动态捕获出勤情况，座位位置信息，人际关系等综合信息，通过对接教务信息，学工信息，心理健康中心等数据库，通过大数据处理反映出学生课堂效果，学生认知与心理状态，学生个人喜好，情绪与健康人际交往等，作为教师、教务、学工、家长等各方的重要科学分析与决策依据。
下面结合具体分析对本发明作进一步描述。
如图5，本发明实施例的双极化天线主要包括：方形天线1、泡沫2、人工磁导体3。
所述双极化缝隙天线是放置在泡沫上方的方形天线1，所述的泡沫2是填充在双极化缝隙天线和人工磁导体中间的泡沫2，所述的人工磁导体3是紧贴泡沫 2下表面放置的人工磁导体3；方形天线1是由方形辐射贴片4、方形介质板5、阶梯状的第一馈电微带线6、阶梯状的第二馈电微带线7、用于连接馈电微带线和辐射贴片的第一金属柱10和用于连接馈电微带线和辐射贴片的第二金属柱11 组成，所述的人工磁导体3是由8×8的金属贴片14、介质基板15和方形金属地板16组成；在方形介质板5上表面印制有金属辐射贴片4，该方形金属辐射贴片4上蚀刻有4个相同的缝隙4-1，在方形介质板5的下表面印制有相互垂直的阶梯状的第一馈电微带线6、第二馈电微带线7；所述的缝隙4-1是由比较窄的长方形缝隙4-3、三角形缝隙4-4、较宽的长方形缝隙4-5和位于长方形缝隙末端的第一圆形缝隙4-6、第二圆形缝隙4-7组成，所述第一馈电微带线6是由长方形的第一微带线6-1和第二微带线6-2组成，所述的第二馈电微带线7是由长方形的第三微带线7-1和第四微带线7-2组成；所述的第一金属柱10是用来连接第二微带线6-2和第一金属条带12，所述的第二金属柱11是用来连接第四微带线72和第二金属条带13的。
上述低剖面宽带双极化天线，中间用于填充和固定的泡沫2的厚度为H。
上述低剖面宽带双极化天线，在第一金属柱10和第二金属柱11的位置设置有金属化过孔。
上述低剖面宽带双极化天线，缝隙4-1的长度大约是天线的工作波长的一半。
上述低剖面宽带双极化天线，用于馈电的第一馈电微带线6、第二馈电微带线7以相互垂直的方式印制在介质板5的下表面，用于激励缝隙天线实现双极化的特性，第三微带线7-1的线宽与第一微带线6-1的线宽相等，第四微带线7-2的线宽与第二微带线6-2的线宽相等。
上述低剖面宽带双极化天线，长方形缝隙4-3的宽度Ws1、三角形缝隙4-4 的宽度Ws2、长方形缝隙4-5的宽度Ws3和第四微带线7-2和第二微带线6-2的宽度Wf1可以调节，使缝隙的阻抗和微带线的阻抗相匹配，从而实现天线较宽的工作频带。
上述低剖面宽带双极化天线，介质基板15的上表面印制的方形贴片14和贴片与贴片之间的缝隙g可以调节，从而保证人工磁导体的工作频带与双极化缝隙天线的工作频带相一致。
参照图7，方形介质基板15的上表面印制了8×8带有切角的金属贴片14，相邻贴片之间的间距为g，介质基板的下表面印制有与介质基板面积等大的金属地板16；在介质基板15的上面是厚度为H＝12mm的泡沫2，泡沫2的下表面与介质基板15的上表面通过粘合剂粘合；泡沫2的上面放置的是厚度为1mm的FR4 方形介质板5，方形介质板5的上表面印制着金属贴片4，方形介质板5的下表面印制的是阶梯状的馈电微带线6和7；金属贴片4上蚀刻了四个相同的缝隙 4-1，在金属贴片正中间蚀刻了一个方形缝隙4-2；第一馈电微带线6和第二馈电微带线7垂直放置，形成双极化天线；通过第一金属柱10和第二金属柱11 分别将第一金属条带12与第二微带线62、第二金属条带13与第四微带线72相连接。在第一微带线61和第三微带线71的末端焊接两个50欧姆的第一SMA接头8和第二SMA接头9；泡沫2和方形介质板5中间用粘合剂粘合。
参照图7，介质基板15采用的是厚度为2mm，介电常数为4.5的FR4板材，金属贴片14的边长Lp＝14.5mm，金属贴片与贴片之间的缝隙g＝0.08mm；
参照图6，缝隙43的宽度Ws1＝0.5mm，缝隙4-4的宽边宽度Ws2＝5mm，缝隙 4-5的宽度Ws3＝1mm，缝隙4-3、4-4和4-5的长度之和大约为天线工作波长的一半。
以上所述仅为本发明的较佳实施例而已，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、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于人工智能的智能课堂点名系统，其特征在于，所述基于人工智能的智能课堂点名系统包括：
照片采集单元，与人工智能深度学习单元连接，用于由任课教师直接采集照片，并将照片直接传送至学校中央服务器；还用于教师在上课过程中和下课前进行照片取样；
照片采集单元通过影像录入设备进行影像采集，并生成照片；具体包括：
1)构建高分辨率训练图像集；
2)对高分辨率训练图像集进行模糊和下采样操作得到临时低分辨率图像集；
3)对临时低分辨率图像集预放大2倍得到低分辨率训练图像集；
4)构建低分辨率训练图像块集；
5)构建高分辨率训练图像块集；
6)读取低分辨率输入图像，设定需要放大的倍数为3倍，预先将其放大2倍；
7)构建低分辨率输入图像块集；
8)根据低分辨率训练图像块集非负邻域嵌入表示输入图像块集，得到重建系数；
9)输出高分辨率图像；
照片采集单元通过双极化天线并将照片传送至学校中央服务器；双极化天线包括：方形天线、泡沫、人工磁导体；
方形天线放置在泡沫上方，所述泡沫填充在方形天线和人工磁导体中间，所述人工磁导体紧贴泡沫下表面放置；
所述方形天线包括：辐射贴片、方形介质板、第一馈电微带线、第二馈电微带线、用于连接馈电微带线和辐射贴片的第一金属柱和用于连接馈电微带线和辐射贴片的第二金属柱组成；
所述方形介质板上表面印制有金属辐射贴片，金属辐射贴片上蚀刻有4个相同的缝隙，在方形介质板的下表面印制有相互垂直的阶梯状的第一馈电微带线、第二馈电微带线；泡沫和方形介质板中间用粘合剂粘合；
所述缝隙由比较窄的长方形缝隙、三角形缝隙、较宽的长方形缝隙和位于较宽的长方形缝隙末端的第一圆形缝隙、第二圆形缝隙组成；
所述第一馈电微带线由长方形的第一微带线和第二微带线组成；
所述第二馈电微带线由长方形的第三微带线和第四微带线组成；
所述第一金属柱是用来连接第二微带线和第一金属条带，所述第二金属柱是用来连接第四微带线和第二金属条带。
2.如权利要求1所述的基于人工智能的智能课堂点名系统，其特征在于，所述基于人工智能的智能课堂点名系统还包括：
学生特征信息提取单元，与照片采集单元连接，用于结合学工部学生信息数据库，导入学生的姓名、学号、照片的信息；并结合教务系统，导入学生的课程系统、教师信息；还用于通过数据分析，并通过人工智能训练，提取照片的特征信息，并建立初始数据库，并与学号、姓名的信息进行关联；
人工智能深度学习单元，用于课堂目标自动识别；根据人工智能训练的结果，根据视频流信息实时进行课堂目标任务的自动识别与追踪；将每节课的开始和结束时的照片取样，通过目标识别后标注日期、识别目标的学号、姓名的信息，并存储于中央服务器，用于备份和取证。
3.如权利要求1所述的基于人工智能的智能课堂点名系统，其特征在于，所述步骤1)具体操作如下：
(a)搜集多幅彩色高分辨率自然图像；
(b)将高分辨率自然图像从红、绿、蓝RGB颜色空间转换到亮度、蓝色色度、红色色度YCbCr颜色空间；
(c)收集所有亮度图像作为高分辨率训练图像集；
所述步骤2)具体操作如下：
(a)对高分辨率训练图像集中的每幅图像，使用模糊核对其进行模糊操作；
(b)对图像隔点取像素得到下采样3倍后的临时低分辨率图像集；
所述步骤3)具体操作如下：
a)将临时低分辨率图像集中每幅图像用双立方插值方法预放大2倍得到图像集；
b)基于图像块的非局部相似性，计算预放大2倍得到图像集中每幅图像的相似像素矢量和相似性权值矢量，矢量变形后转化为非局部权值矩阵；
c)分别将预放大2倍得到图像集中每幅图像作为迭代初值进行迭代；逐步迭代更新，最终得到低分辨率训练图像集。
4.如权利要求1所述的基于人工智能的智能课堂点名系统，其特征在于，所述第三微带线的线宽与第一微带线的线宽相等，第四微带线的线宽与第二微带线的线宽相等；
所述第一金属柱和第二金属柱的位置设置有金属化过孔；
所述缝隙的长度是天线的工作波长的一半；
所述人工磁导体是由8×8的金属贴片、介质基板和金属地板组成；
所述介质基板的上表面印制了8×8带有切角的金属贴片，介质基板的下表面印制有与介质基板面积等大的金属地板；在介质基板的上面是泡沫，泡沫的下表面与介质基板的上表面通过粘合剂粘合；通过第一金属柱和第二金属柱分别将第一金属条带与第二微带线、第二金属条带与第四微带线相连接；在第一微带线和第三微带线的与介质板平齐的一端焊接两个50欧姆的第一SMA接头和第二SMA接头；
所述介质基板采用的是厚度为2mm，介电常数为4.5的FR4板材，金属贴片的边长Lp＝14.5mm，金属贴片之间的缝隙g＝0.8mm。
5.如权利要求1所述的基于人工智能的智能课堂点名系统，其特征在于，所述照片采集单元内部安装有座位位置信息采集装置，用于获取班级位置的分布；所述座位位置信息采集装置包括：
通过分析学生上课历史的课堂特点，以及任课教师历史上课特点，定性判断学生与教师的特点和行为的班级位置获取单元；
综合分析学生的个人座位喜好，通过对学生历史上该课程的座位情况，间接反映学生的学习习惯、生活习惯的学生位置信息获取单元；
通过多次数据统计反映学生的人际交往情况的学生附近人员位置信息获取单元。
6.如权利要求1所述的基于人工智能的智能课堂点名系统，其特征在于，所述人工智能深度学习单元内部安装有：
与历史数据的更新、关联与处理，实时处理与在线云处理结合，通过跟踪，更新，分析历史数据，反映教学课堂综合情况的课堂目标自动识别单元；
通过信息对接与融合分析，实时将处理结果与教务、学工信息的对接，综合输出结果，在课堂情况恶化或达到某一阈值时，启动课堂自动报警功能的报警单元；
综合分析结果信息输出单元，将数据实时反馈给教务、学工、家长信息；并评价学生的生活习惯、学习习惯、学习能力、课程的偏好、学习兴趣，并根据学生的评价结果对教师以及课程的综合评价。
CN201810184005.2A 2018-03-06 2018-03-06 一种基于人工智能的智能课堂点名系统 Pending CN108492392A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810184005.2A CN108492392A (zh) 2018-03-06 2018-03-06 一种基于人工智能的智能课堂点名系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810184005.2A CN108492392A (zh) 2018-03-06 2018-03-06 一种基于人工智能的智能课堂点名系统

Publications (1)

Publication Number Publication Date
CN108492392A true CN108492392A (zh) 2018-09-04

Family

ID=63341545

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810184005.2A Pending CN108492392A (zh) 2018-03-06 2018-03-06 一种基于人工智能的智能课堂点名系统

Country Status (1)

Country Link
CN (1) CN108492392A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104036468A (zh) * 2014-06-19 2014-09-10 西安电子科技大学 基于预放大非负邻域嵌入的单帧图像超分辨重建方法
CN105789875A (zh) * 2016-04-13 2016-07-20 西安电子科技大学 一种低剖面宽带双极化天线
CN107170069A (zh) * 2017-06-02 2017-09-15 武汉纺织大学 基于人工智能的智能课堂点名系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104036468A (zh) * 2014-06-19 2014-09-10 西安电子科技大学 基于预放大非负邻域嵌入的单帧图像超分辨重建方法
CN105789875A (zh) * 2016-04-13 2016-07-20 西安电子科技大学 一种低剖面宽带双极化天线
CN107170069A (zh) * 2017-06-02 2017-09-15 武汉纺织大学 基于人工智能的智能课堂点名系统

Similar Documents

Publication Publication Date Title
CN105825583A (zh) 一种智能自动贩卖机
CN110109922B (zh) 绩效数据获取方法、装置、计算机设备及存储介质
DE112012002357T5 (de) Auswählen drahtloser zugangspunkte für geofence-überwachung
CN103621131A (zh) 用于使用视听信息对设备进行空间准确定位的方法
CN106028262A (zh) 应用的近场服务获取方法和装置
CN105913377B (zh) 一种保留图片相关性信息的图片拼接方法
CN109920012A (zh) 基于卷积神经网络的图像着色系统及方法
CN109727057A (zh) 候选地点评价系统以及候选地点评价方法
CN108986110A (zh) 图像处理方法、装置、移动终端及存储介质
CN110503352A (zh) 一种确定交付点的方法、装置及计算机可读存储介质
CN108776846A (zh) 推荐方法、装置、计算机设备及存储介质
CN110135609A (zh) 一种基于大数据共建共享的智慧旅游系统及方法
CN107895339A (zh) 基于共治网格的政务信息处理方法和装置
CN107807922A (zh) 用于确定聚会地点的方法和装置
Li et al. CNN model for screen content image quality assessment based on region difference
CN208335287U (zh) 一种基于蓝牙与nb-iot的签到系统
Jaimes et al. A cooperative incentive mechanism for recurrent crowd sensing
CN108492392A (zh) 一种基于人工智能的智能课堂点名系统
Yu et al. Scale-aware frequency attention network for super-resolution
Norris et al. 11 A continental divide? Social capital in the US and Europe
Maclennan et al. Housing research: making the connections
Arenas et al. FabSpaces at ImageCLEF 2017-Population Estimation (Remote) Task
Almarabeh E-government in Jordan: Strengths, weakness, opportunities, and challenges
CN110060423A (zh) 一种基于人脸识别的学生服务系统
KR100780446B1 (ko) 유무선 연동 실시간 설문조사방법

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

Application publication date: 20180904

RJ01 Rejection of invention patent application after publication