CN110097283A - 基于人脸识别的教学管理系统及方法 - Google Patents
基于人脸识别的教学管理系统及方法 Download PDFInfo
- Publication number
- CN110097283A CN110097283A CN201910362922.XA CN201910362922A CN110097283A CN 110097283 A CN110097283 A CN 110097283A CN 201910362922 A CN201910362922 A CN 201910362922A CN 110097283 A CN110097283 A CN 110097283A
- Authority
- CN
- China
- Prior art keywords
- student
- class
- face
- rate
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000011156 evaluation Methods 0.000 claims abstract description 57
- 238000004458 analytical method Methods 0.000 claims abstract description 22
- 238000001514 detection method Methods 0.000 claims description 13
- 238000007726 management method Methods 0.000 claims description 11
- 239000000178 monomer Substances 0.000 claims description 7
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims description 6
- 230000003442 weekly effect Effects 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 5
- 230000006399 behavior Effects 0.000 description 8
- 238000012790 confirmation Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- G06V40/172—Classification, e.g. identification
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Educational Technology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Primary Health Care (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明涉及校园教学管理技术领域，特别涉及一种基于人脸识别的教学管理系统及方法，该方法包括服务器和摄像装置，服务器包括数据库，服务器用于录取全校学生的人脸信息，并存储到数据库中；服务器用于调取数据库中全校学生的人脸信息，并通过摄像装置对教室中的所有学生进行人脸识别；服务器用于对通过人脸识别的学生进行标记，并将标记的学生记为签到成功；服务器用于通过人脸识别对教室中的学生的到课率、听课率和活跃度进行统计。该系统包括以下步骤：人脸信息录入步骤、人脸识别步骤、自动签到步骤、上课情况分析步骤和上课情况评价步骤。本发明解决了传统考勤方式的考勤时间长和代替答到等弊端。
Description
技术领域
本发明涉及校园教学管理技术领域，特别涉及一种基于人脸识别的教学管理系统及方法。
背景技术
目前高教等学校的课堂考勤方式仍旧大多采用人工点到方式，即任课教师对学生进行点到。存在着考勤时间长，已占用上课时间，代替答到等弊端。随着技术的进步，IC卡考勤设备、指纹考勤设备越来越普及，但是这些方式在商业公司里应用较多，而且考勤范围也仅限于公司的办公场所内的人员，而且考勤也需进行排队，占用时间长。学校课堂考勤的使用方式和部署方式具有范围广、人员多、流动性大的特点，因此传统的考勤设备或系统不适合在校园内课堂考勤的应用。
发明内容
本发明主要目的之一在于提供一种基于人脸识别的教学管理系统，解决了传统考勤方式的考勤时间长和代替答到等弊端。
为达到上述目的，本发明提供了一种基于人脸识别的教学管理系统，包括服务器和摄像装置，所述服务器包括数据库，
所述服务器用于录取全校学生的人脸信息，并存储到数据库中；
所述服务器用于调取数据库中全校学生的人脸信息，并通过摄像装置对教室中的所有学生进行人脸识别；
所述服务器用于对通过人脸识别的学生进行标记，并将标记的学生记为签到成功；
所述服务器用于通过人脸识别对教室中的学生的到课率、听课率和活跃度进行统计。
本发明的工作原理及优点在于：
1.人脸识别技术的对人的身份识别精度更高，在应用于教学考勤时，使用设备简单，仅通过摄像装置和服务器就能精准完成对学生的考勤签到，避免了代替答到的问题；而且使用方便,在学生不接触的情况下就能完成识别，整个过程学生不需要任何动作，极大节约了考勤时间。
2.评价整堂课上课情况的好坏不仅取决于学生的考勤情况，还取决于学生在本堂课中的学生到课率的大小，本堂课中所有学生中在认真听课的学生的听课率的大小，以及本堂课中学生的活跃度的大小，而本系统不仅能够通过人脸识别进行考勤，还能对学生的到课率和听课率进行分析统计，并且还能够得知学生在课堂中的活跃度，便于管理者对该堂课进行评价和对课堂的后续管理。
进一步，服务器包括人脸信息录入模块，所述人脸信息录入模块包括以下两个子模块：
批量录入子模块：用于一次性录入学生的大量人脸图片，并存储到数据库中，以供人脸识别比较；
单体录入子模块：用于一次录入学生的单张人脸图片，并存储到数据库中，以供人脸识别比较。
批量录入子模块能够一次性录入学生的大量人脸图片，使得人脸识别精度更高，单体录入子模块能够一次录入学生的单张人脸图片，节约了人脸图像的采集的时间。
进一步，服务器包括到课率统计子模块，所述到课率统计子模块用于分析本堂课学生的到课率，包括以下四个子模块：
正常人数统计子模块：用于统计在正式下课前教室内的被标记签到成功的学生数量；
旷课人数统计模块：用于对正式上课后中途进来的学生进行人脸识别，判断学生的迟到时长是否超过预设时长，超过预设时长的学生标记为旷课，还用于对上课途中进出教室的学生进行人脸识别，在规定时长内进出教室的学生不做标记，长时间未进教室的学生记为旷课，还用于统计旷课的学生人数；
迟到人数统计模块：用于对正式上课后中途进来的学生进行人脸识别，并将未超过预设时长的学生标记为迟到，还用于统计迟到的学生人数；
到课率计算子模块：用于根据迟到的学生人数、旷课的学生人数和下课前的学生数量计算学生到课率，所述到课率包括学生的到场率、旷课率和迟到率。
统计迟到、旷课的学生以及学生的到课率，便于管理者对该堂课进行评价和对迟到、旷课的学生进行后续管理。
进一步，服务器还包括听课率统计子模块，所述听课率统计子模块用于统计本堂课学生的听课率，包括以下两个模块：
学生行为分析模块：用于通过摄像装置对学生的上课行为进行分析，所述上课行为包括认真上课、打游戏、交头接耳和打瞌睡；
听课率计算子模块：用于统计认真上课的学生人数，还用于根据认真上课的学生人数和正常人数统计子模块统计的学生人数计算学生的听课率。
统计学生的听课率，便于管理者根据学生的听课率的高低了解教师的教学能力，以及了解教师是否具有能吸引学生认真上课的魅力，还方便对教师的教学能力进行评价。
进一步，还包括音量检测装置，所述服务器还包括活跃度统计子模块，所述活跃度统计子模块用于通过音量检测装置检测分析本堂课学生的音量强度，并根据人脸识别和音量强度分析本堂课学生的活跃度。
活跃度的高低代表教师教的内容对学生的吸引力，活跃度越高也表示教师受欢迎的程度，因此通过对活跃度的统计分析能够方便管理者了解到最受欢迎的老师或科目。
进一步，服务器还包括上课评价模块：用于对上课情况进行评价，包括以下四个子模块：
教师评价模块：用于在每节课结束时，获取教师对本节上课情况的评价；
学生评价模块：用于在每节课结束时，获取学生对本节上课情况的评价；
系统评价模块：用于在每节课结束时，系统根据本节的上课情况进行评价；
系统评价季度统计模块：用于在每周、月、学期，系统根据当段时间的所有课程的到课率、听课率活跃度进行分析，分析出最受欢迎的老师、到课率最高的班级、活跃度最高的科目。
通过多方面的评价能够方便管理者得知这堂课的具体情况。
本发明主要目的之二在于提供一种基于人脸识别的教学管理方法，包括以下步骤：
人脸信息录入步骤：录取全校学生的人脸信息，并存储到数据库中；
人脸识别步骤：调取数据库中全校学生的人脸信息，并通过摄像装置对教室中的所有学生进行人脸识别；
自动签到步骤：对通过人脸识别的学生进行标记，并将标记的学生记为签到成功；
上课情况分析步骤：通过人脸识别对教室中的学生的到课率、听课率和活跃度进行统计；
上课情况评价步骤：分别获取教师、学生和系统对上课情况的评价。
进一步，批量录入子步骤：一次性录入学生的大量人脸图片，并存储到数据库中，以供人脸识别比较；
单体录入子步骤：一次录入学生的单张人脸图片，并存储到数据库中，以供人脸识别比较。
进一步，上课情况分析步骤包括：
到课率分析步骤：分析每节课的学生的上课总人数、旷课人数和迟到人数，并根据上课总人数、旷课人数和迟到人数统计学生的到课率；
听课率分析步骤：通过摄像装置对学生的上课行为进行分析，统计认真上课的学生人数，并根据认真上课的学生人数和正常人数统计子模块统计的学生人数计算学生的听课率；
活跃度分析步骤：通过音量检测装置检测分析本堂课学生的音量强度，并根据音量强度分析本堂课学生的活跃度。
进一步，上课情况评价步骤包括以下四个步骤：
教师评价步骤：在每节课结束时，获取教师对本节上课情况的评价；
学生评价步骤：在每节课结束时，获取学生对本节上课情况的评价；
系统评价步骤：在每节课结束时，系统根据本节的上课情况进行评价；
系统评价季度统计步骤：在每周、月、学期，系统根据当段时间的所有课程的到课率、听课率活跃度进行分析，分析出最受欢迎的老师、到课率最高的班级、活跃度最高的科目。
附图说明
图1为本发明实施例一基于人脸识别的教学管理系统的逻辑框图；
图2为本发明实施例二基于人脸识别的教学管理系统的逻辑框图。
具体实施方式
下面通过具体实施方式进一步详细说明：
实施例一
一种基于人脸识别的教学管理系统，包括服务器、摄像装置和音量检测装置，摄像装置采用摄像头，音量检测装置采用声音传感器；如图1所示，服务器包括以下模块：
人脸信息录入模块：用于录取全校学生的人脸信息，并存储到数据库中；
人脸识别模块：用于调取数据库中全校学生的人脸信息，并通过摄像装置对教室中的所有学生进行人脸识别；人脸识别作为一种现有技术，被广泛应用于各种领域，其人脸识别的算法种类很多，包括特征脸方法、基于弹性模型的方法、基于神经网络的方法等，其中特征脸方法是90年代初期由Turk和Pentland提出的，作为目前最流行、最经典的算法之一，具有简单有效的特点,也称为基于主成分分析(principal component analysis,简称PCA)的人脸识别方法。随着人脸识别的发展与应用，人脸识别包括了人脸的定位、追踪、识别，目前被广泛应用于智能手机上，因此人脸识别技术作为现有技术，在本方案中不做具体描述。
自动签到模块：用于对通过人脸识别的学生进行标记，并将标记的学生记为签到成功；
上课情况分析模块：用于通过人脸识别对教室中的学生的到课率、听课率和活跃度进行统计。
上课情况评价模块：用于对上课情况进行评价。
人脸信息录入模块包括以下两个模块：
批量录入子模块：用于一次性录入学生的大量人脸图片，并存储到数据库中，以供人脸识别比较；
单体录入子模块：用于一次录入学生的单张人脸图片，并存储到数据库中，以供人脸识别比较。
上课情况分析模块包括以下三个模块：
到课率统计子模块：用于通过人脸识别分析本堂课学生的到课率；
听课率统计子模块：用于通过人脸识别统计本堂课学生的听课率；
活跃度统计子模块：用于通过音量检测装置检测分析本堂课学生的音量强度，并根据人脸识别和音量强度分析本堂课学生的活跃度。
到课率统计子模块包括以下四个模块：
正常人数统计子模块：用于统计在正式下课前教室内的被标记签到成功的学生数量；
旷课人数统计模块：用于对正式上课后中途进来的学生进行人脸识别，判断学生的迟到时长是否超过预设时长，超过预设时长的学生标记为旷课，还用于对上课途中进出教室的学生进行人脸识别，在规定时长内进出教室的学生不做标记，长时间未进教室的学生记为旷课，还用于统计旷课的学生人数；例如早上第一节课上课时间为08:30，判断迟到与旷课的预设时长为15分钟，超过15分钟才进入教室的，记为旷课，未超过15分钟才进入教室的，记为迟到，规定时长设为10分钟，用于学生在上课途中上厕所等事项。
迟到人数统计模块：用于对正式上课后中途进来的学生进行人脸识别，并将未超过预设时长的学生标记为迟到，还用于统计迟到的学生人数；
到课率计算子模块：用于根据迟到的学生人数、旷课的学生人数和下课前的学生数量计算学生到课率，到课率包括学生的到场率、旷课率和迟到率。
听课率统计子模块包括以下两个模块：
学生行为分析模块：用于通过摄像装置对学生的上课行为进行分析，所述上课行为包括认真上课、打游戏、交头接耳和打瞌睡；
听课率计算子模块：用于统计认真上课的学生人数，还用于根据认真上课的学生人数和正常人数统计子模块统计的学生人数计算学生的听课率。
上课评价模块：用于对上课情况进行评价，包括以下四个子模块：
教师评价模块：用于在每节课结束时，获取教师对本节上课情况的评价；评价包括对学生听课学习的专注程度、活跃程度等进行等级评价，等级包括优、中、差。
学生评价模块：用于在每节课结束时，获取学生对本节上课情况的评价；评价包括对上课学习氛围、教师教学内容的吸引度等进行等级评价、教师的受欢迎等级评价等，等级包括优、中、差。
系统评价模块：用于在每节课结束时，系统根据本节的上课情况进行评价；评价包括根据学生的到课率、听课率对班级的学生进行整体学习情况进行等级评价，再根据学生的学习活跃度对教师的教学吸引度进行等级评价，等级包括优、中、差。
系统评价季度统计模块：用于在每周、月、学期，系统根据当段时间的所有课程的到课率、听课率活跃度进行分析，分析出最受欢迎的老师、到课率最高的班级、活跃度最高的科目。
一种基于人脸识别的教学管理方法，包括以下步骤：
人脸信息录入步骤：录取全校学生的人脸信息，并存储到数据库中；
人脸识别步骤：调取数据库中全校学生的人脸信息，并通过摄像装置对教室中的所有学生进行人脸识别；
自动签到步骤：对通过人脸识别的学生进行标记，并将标记的学生记为签到成功；
上课情况分析步骤：通过人脸识别对教室中的学生的到课率、听课率和活跃度进行统计。
上课情况评价步骤：获取教师、学生以及系统对上课情况的评价。
人脸信息录入步骤包括以下两个步骤：
批量录入子步骤：一次性录入学生的大量人脸图片，并存储到数据库中，以供人脸识别比较；
单体录入子步骤：一次录入学生的单张人脸图片，并存储到数据库中，以供人脸识别比较。
上课情况分析步骤包括以下三个步骤：
到课率统计子步骤：通过人脸识别分析本堂课学生的到课率；
听课率统计子步骤：通过人脸识别统计本堂课学生的听课率；
活跃度统计子步骤：通过音量检测装置检测分析本堂课学生的音量强度，并根据人脸识别和音量强度分析本堂课学生的活跃度。
到课率统计子步骤包括以下四个步骤：
正常人数统计子步骤：统计在正式下课前教室内的被标记签到成功的学生数量；
旷课人数统计步骤：对正式上课后中途进来的学生进行人脸识别，并将超过规定时间的所述学生标记旷课，对上课途中进出教室的学生进行人脸识别，在短时间内进出教室的学生不做标记，长时间未进教室的学生记为旷课，统计旷课的学生人数；
迟到人数统计步骤：对正式上课后中途进来的学生进行人脸识别，并将未超过规定时间的所述学生标记为迟到，统计迟到的学生人数；
到课率计算子步骤：根据迟到的学生人数、旷课的学生人数和下课前的学生数量计算学生到课率。
听课率统计子步骤包括以下两个步骤：
学生行为分析步骤：通过摄像装置对学生的上课行为进行分析；
听课率计算子步骤：统计认真上课的学生人数，根据认真上课的学生人数和正常人数统计子步骤统计的学生人数计算学生的听课率。
上课评价步骤：对上课情况进行评价，包括以下四个子步骤：
教师评价步骤：在每节课结束时，获取教师对本节上课情况的评价；
学生评价步骤：在每节课结束时，获取学生对本节上课情况的评价；
系统评价步骤：在每节课结束时，系统根据本节的上课情况进行评价；
系统评价季度统计步骤：在每周、月、学期，系统根据当段时间的所有课程的到课率、听课率活跃度进行分析，分析出最受欢迎的老师、到课率最高的班级、活跃度最高的科目。
具体实施过程如下：
正式上课后，服务器通过摄像装置对教室中的所有学生进行人脸识别考勤；也对上课中途进来的学生进行人脸识别，并将超过规定时间的所述学生标记旷课，对上课途中进出教室的学生进行人脸识别，在短时间内进出教室的学生不做标记，例如上厕所等，而长时间未进教室的学生记为旷课，例如逃课等，然后统计所有旷课的学生人数；也对上课中途进来的学生进行人脸识别，并将超过规定时间的所述学生标记旷课。
在正式下课后，再统计教室内的被标记签到成功的学生数量。再根据迟到的学生人数、旷课的学生人数和下课前的学生数量计算学生到课率。根据迟到的学生人数和该堂课的总人数得到学生的迟到率，根据旷课的学生人数和该堂课的总人数得到学生的旷课率，根据正式下课前教室内的被标记签到成功的学生数量和该堂课的总人数得到学生的到场率。再根据迟到率、旷课率和到场率得知学生的到课率。通过到课率能够方便管理者得知这堂课的学生的上课情况。
在上课中，通过摄像装置对学生的上课行为进行分析，分析出那些学生在认真上课、打游戏、交头接耳或打瞌睡；并根据认真上课的学生人数和正常人数统计子模块统计的学生人数计算学生的听课率。听课率方便管理者得知认真学习的学生和不认真学习的学生的占比，便于后续的管理。
在上课中通过音量检测装置检测分析本堂课学生的音量强度，并根据人脸识别和音量强度分析本堂课学生的活跃度。活跃度越高，表示学生在这堂课中认真听课的人数就越多，是教师能力优异的体现。
在正式下课后，获取课堂中教师对学生上课情况的评价，获取学生对老师教学能力、课堂氛围的评价，以及系统根据该堂课的到课率、听课率及活跃度对课程进行整体评价，三者均能对本节课堂的上课情况进行评价，方便管理者对这堂课进行了解分析。
实施例二：
实施例二与实施例一的不同之处在于：基于人脸识别的教学管理系统还包括：设置在座位上的桌子表面中心的光线传感器，设置在座位凳子上的压力传感器，以及广播音响，如图2所示，服务器还包括以下模块：
手动考勤模块：用于通过指纹识别或二维码识别对学生进行手动考勤。
考勤对比模块：用于将手动考勤结果与自动考勤结果进行对比，并将考勤结果存在差异的学生通过广播音响进行语音点名确认。
识物模块：用于在下课后，并且检测到座位上的压力传感器和光线传感器采集的数据发生变化时，通过摄像装置对座位上桌子表面进行检测识别。
通知模块：用于在检测到并识别出物品后，根据人脸识别考勤获取当前座位的学生的信息，并通过广播音响通知所述学生返回收取物品。
基于人脸识别的教学管理方法还包括以下步骤：
手动考勤步骤：通过指纹识别或二维码识别对学生进行手动考勤。
考勤对比步骤：将手动考勤结果与自动考勤结果进行对比，并将考勤结果存在差异的学生通过广播音响进行语音点名确认。
识物步骤：在下课后，并且检测到座位上的压力传感器和光线传感器采集的数据发生变化时，通过摄像装置对座位上桌子表面进行检测识别。物体识别被大量运用于各个领域，从烤箱对食物的识别需求，汽车对人、车、路的识别需求，机器人对房间摆设的识别需求，到AR/VR对眼前物体的识别，目前百度搜索中具有物体识别功能，能够通过摄像头获取被识别的图像，再进行识别。因此人脸物体识别技术作为现有技术，在本方案中不做具体描述。
通知步骤：在检测到并识别出物品后，根据人脸识别考勤获取当前座位的学生的信息，并通过广播音响通知所述学生返回收取物品。
在人脸识别考勤时，由于头发的遮挡，特别是头发长的学生，人脸识别可能识别不出该学生是哪个，而手动考勤的设置加上人脸识别的设置，对学生的身份进行双重识别，能够精准识别出所有的学生，解决了一些学生通过一定的手段代为答到的问题，提高了考勤的质量。
在上课时，系统能够获取通过摄像装置获取座位上的每个学生的信息，而且在学生坐在凳子上时，座位上的压力传感器能够采集到压力数值，而在学生坐在凳子上时，并在学生翻开书本的情况下，光线传感器被遮挡，此时可以说明学生还在座位上；若压力传感器采集到的压力数值变化到0，且光线传感器未被遮挡，此时可以说明学生已经收拾书本离开座位。
由于学生在下课后，离开匆忙，可能会将眼镜、手机、水杯等遗留在座位上，而系统能够在确认学生离开座位后，对座位的桌面进行检测并识别，在检测到并识别出物品后，根据人脸识别考勤获取当前座位的学生的信息，并通过广播音响通知丢失物品的学生及时返回教室收取物品。有效避免学生丢失东西，浪费时间寻找。
以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (10)
1.基于人脸识别的教学管理系统，其特征在于：包括服务器和摄像装置，所述服务器包括数据库；
所述服务器用于录取全校学生的人脸信息，并存储到数据库中；
所述服务器用于调取数据库中全校学生的人脸信息，并通过摄像装置对教室中的所有学生进行人脸识别；
所述服务器用于对通过人脸识别的学生进行标记，并将标记的学生记为签到成功；
所述服务器用于通过人脸识别对教室中的学生的到课率、听课率和活跃度进行统计。
2.根据权利要求1所述的基于人脸识别的教学管理系统，其特征在于：所述服务器包括人脸信息录入模块，所述人脸信息录入模块包括以下两个子模块：
批量录入子模块：用于一次性录入学生的大量人脸图片，并存储到数据库中，以供人脸识别比较；
单体录入子模块：用于一次录入学生的单张人脸图片，并存储到数据库中，以供人脸识别比较。
3.根据权利要求1所述的基于人脸识别的教学管理系统，其特征在于：所述服务器包括到课率统计子模块，所述到课率统计子模块用于分析本堂课学生的到课率，包括以下四个子模块：
正常人数统计子模块：用于统计在正式下课前教室内的被标记签到成功的学生数量；
旷课人数统计模块：用于对正式上课后中途进来的学生进行人脸识别，判断学生的迟到时长是否超过预设时长，超过预设时长的学生标记为旷课，还用于对上课途中进出教室的学生进行人脸识别，在规定时长内进出教室的学生不做标记，长时间未进教室的学生记为旷课，还用于统计旷课的学生人数；
迟到人数统计模块：用于对正式上课后中途进来的学生进行人脸识别，并将未超过预设时长的学生标记为迟到，还用于统计迟到的学生人数；
到课率计算子模块：用于根据迟到的学生人数、旷课的学生人数和下课前的学生数量计算学生到课率，所述到课率包括学生的到场率、旷课率和迟到率。
4.根据权利要求3所述的基于人脸识别的教学管理系统，其特征在于：所述服务器还包括听课率统计子模块，所述听课率统计子模块用于统计本堂课学生的听课率，包括以下两个模块：
学生行为分析模块：用于通过摄像装置对学生的上课行为进行分析，所述上课行为包括认真上课、打游戏、交头接耳和打瞌睡；
听课率计算子模块：用于统计认真上课的学生人数，还用于根据认真上课的学生人数和正常人数统计子模块统计的学生人数计算学生的听课率。
5.根据权利要求1所述的基于人脸识别的教学管理系统，其特征在于：还包括音量检测装置，所述服务器还包括活跃度统计子模块，所述活跃度统计子模块用于通过音量检测装置检测分析本堂课学生的音量强度，并根据人脸识别和音量强度分析本堂课学生的活跃度。
6.根据权利要求1所述的基于人脸识别的教学管理系统及方法，其特征在于：所述服务器还包括上课评价模块：用于对上课情况进行评价，包括以下三个子模块：
教师评价模块：用于在每节课结束时，获取教师对本节上课情况的评价；
学生评价模块：用于在每节课结束时，获取学生对本节上课情况的评价；
系统评价模块：用于在每节课结束时，系统根据本节的上课情况进行评价；
系统评价季度统计模块：用于在每周、月、学期，系统根据当段时间的所有课程的到课率、听课率活跃度进行分析，分析出最受欢迎的老师、到课率最高的班级、活跃度最高的科目。
7.基于人脸识别的教学管理方法，其特征在于：包括以下步骤：
人脸信息录入步骤：录取全校学生的人脸信息，并存储到数据库中；
人脸识别步骤：调取数据库中全校学生的人脸信息，并通过摄像装置对教室中的所有学生进行人脸识别；
自动签到步骤：对通过人脸识别的学生进行标记，并将标记的学生记为签到成功；
上课情况分析步骤：通过人脸识别对教室中的学生的到课率、听课率和活跃度进行统计；
上课情况评价步骤：分别获取教师、学生和系统对上课情况的评价。
8.根据权利要求7所述的基于人脸识别的教学管理方法，其特征在于：所述人脸信息录入步骤还包括以下两个子步骤：
批量录入子步骤：一次性录入学生的大量人脸图片，并存储到数据库中，以供人脸识别比较；
单体录入子步骤：一次录入学生的单张人脸图片，并存储到数据库中，以供人脸识别比较。
9.根据权利要求7所述的基于人脸识别的教学管理方法，其特征在于：所述上课情况分析步骤包括：
到课率分析步骤：分析每节课的学生的上课总人数、旷课人数和迟到人数，并根据上课总人数、旷课人数和迟到人数统计学生的到课率；
听课率分析步骤：通过摄像装置对学生的上课行为进行分析，统计认真上课的学生人数，并根据认真上课的学生人数和正常人数统计子模块统计的学生人数计算学生的听课率；
活跃度分析步骤：通过音量检测装置检测分析本堂课学生的音量强度，并根据音量强度分析本堂课学生的活跃度。
10.根据权利要求7所述的基于人脸识别的教学管理方法，其特征在于：所述上课情况评价步骤包括以下四个步骤：
教师评价步骤：在每节课结束时，获取教师对本节上课情况的评价；
学生评价步骤：在每节课结束时，获取学生对本节上课情况的评价；
系统评价步骤：在每节课结束时，系统根据本节的上课情况进行评价；
系统评价季度统计步骤：在每周、月、学期，系统根据当段时间的所有课程的到课率、听课率活跃度进行分析，分析出最受欢迎的老师、到课率最高的班级、活跃度最高的科目。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910362922.XA CN110097283B (zh) | 2019-04-30 | 2019-04-30 | 基于人脸识别的教学管理系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910362922.XA CN110097283B (zh) | 2019-04-30 | 2019-04-30 | 基于人脸识别的教学管理系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110097283A true CN110097283A (zh) | 2019-08-06 |
| CN110097283B CN110097283B (zh) | 2023-02-28 |
Family
ID=67446727
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910362922.XA Active CN110097283B (zh) | 2019-04-30 | 2019-04-30 | 基于人脸识别的教学管理系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110097283B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110728601A (zh) * | 2019-10-22 | 2020-01-24 | 江苏齐龙电子科技有限公司 | 一种多功能云教室 |
| CN110851451A (zh) * | 2019-11-18 | 2020-02-28 | 南京邮电大学 | 一种基于学生签到数据度量小区域时间距离的方法 |
| CN112235546A (zh) * | 2020-10-20 | 2021-01-15 | 淮北市盛世昊明科技服务有限公司 | 一种基于大数据的人口监控报警方法 |
| CN112908048A (zh) * | 2021-01-22 | 2021-06-04 | 唐山职业技术学院 | 基于人工智能的旅游管理教学装置 |
| CN113470209A (zh) * | 2021-07-01 | 2021-10-01 | 厦门悦讯信息科技股份有限公司 | 一种人脸识别实现课堂点名的方法及系统 |
| CN116612575A (zh) * | 2023-05-22 | 2023-08-18 | 东莞市奔络科技有限公司 | 基于图像处理的智能卫生间占用率监测系统及其方法 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104068679A (zh) * | 2014-07-17 | 2014-10-01 | 陈华 | 一种可对灯光的开关进行控制的系统 |
| DE102014216937A1 (de) * | 2013-08-28 | 2015-03-05 | Harman International Industries, Incorporated | Bereitstellen von Alarmen für in einem Fahrzeug zurückgelassene Objekte |
| CN204292540U (zh) * | 2014-11-26 | 2015-04-29 | 国家电网公司 | 一种可调节灯光亮度的学生书桌 |
| US9165420B1 (en) * | 2007-11-13 | 2015-10-20 | Genesis Gaming Solutions, Inc. | Bet spot indicator on a gaming table |
| CN105809902A (zh) * | 2016-04-13 | 2016-07-27 | 京东方科技集团股份有限公司 | 一种出租车监控方法、装置及系统 |
| CN205737215U (zh) * | 2016-07-13 | 2016-11-30 | 黑龙江大学 | 出租车防物品遗忘提醒装置 |
| CN106780220A (zh) * | 2017-01-06 | 2017-05-31 | 湖南交通职业技术学院 | 思想政治课课堂教学质量评价装置及方法 |
| CN107621869A (zh) * | 2016-07-15 | 2018-01-23 | 深圳会当科技有限公司 | 一种智能座椅身份识别系统 |
| CN108162856A (zh) * | 2017-10-31 | 2018-06-15 | 刘红飞 | 车内物品防遗失装置 |
| CN207965910U (zh) * | 2018-01-25 | 2018-10-12 | 西安科技大学 | 基于人脸识别的教学管理系统 |
| CN108973853A (zh) * | 2018-06-15 | 2018-12-11 | 威马智慧出行科技（上海）有限公司 | 一种车辆警示装置及车辆警示方法 |
| CN109360284A (zh) * | 2018-10-16 | 2019-02-19 | 菏泽学院 | 一种学生智能考勤管理系统及方法 |
| CN109598809A (zh) * | 2018-12-05 | 2019-04-09 | 上海创视通软件技术有限公司 | 一种基于人脸识别的课堂考勤方法及系统 |
-
2019
- 2019-04-30 CN CN201910362922.XA patent/CN110097283B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9165420B1 (en) * | 2007-11-13 | 2015-10-20 | Genesis Gaming Solutions, Inc. | Bet spot indicator on a gaming table |
| DE102014216937A1 (de) * | 2013-08-28 | 2015-03-05 | Harman International Industries, Incorporated | Bereitstellen von Alarmen für in einem Fahrzeug zurückgelassene Objekte |
| CN104068679A (zh) * | 2014-07-17 | 2014-10-01 | 陈华 | 一种可对灯光的开关进行控制的系统 |
| CN204292540U (zh) * | 2014-11-26 | 2015-04-29 | 国家电网公司 | 一种可调节灯光亮度的学生书桌 |
| CN105809902A (zh) * | 2016-04-13 | 2016-07-27 | 京东方科技集团股份有限公司 | 一种出租车监控方法、装置及系统 |
| CN205737215U (zh) * | 2016-07-13 | 2016-11-30 | 黑龙江大学 | 出租车防物品遗忘提醒装置 |
| CN107621869A (zh) * | 2016-07-15 | 2018-01-23 | 深圳会当科技有限公司 | 一种智能座椅身份识别系统 |
| CN106780220A (zh) * | 2017-01-06 | 2017-05-31 | 湖南交通职业技术学院 | 思想政治课课堂教学质量评价装置及方法 |
| CN108162856A (zh) * | 2017-10-31 | 2018-06-15 | 刘红飞 | 车内物品防遗失装置 |
| CN207965910U (zh) * | 2018-01-25 | 2018-10-12 | 西安科技大学 | 基于人脸识别的教学管理系统 |
| CN108973853A (zh) * | 2018-06-15 | 2018-12-11 | 威马智慧出行科技（上海）有限公司 | 一种车辆警示装置及车辆警示方法 |
| CN109360284A (zh) * | 2018-10-16 | 2019-02-19 | 菏泽学院 | 一种学生智能考勤管理系统及方法 |
| CN109598809A (zh) * | 2018-12-05 | 2019-04-09 | 上海创视通软件技术有限公司 | 一种基于人脸识别的课堂考勤方法及系统 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110728601A (zh) * | 2019-10-22 | 2020-01-24 | 江苏齐龙电子科技有限公司 | 一种多功能云教室 |
| CN110851451A (zh) * | 2019-11-18 | 2020-02-28 | 南京邮电大学 | 一种基于学生签到数据度量小区域时间距离的方法 |
| CN110851451B (zh) * | 2019-11-18 | 2022-10-04 | 南京邮电大学 | 一种基于学生签到数据度量小区域时间距离的方法 |
| CN112235546A (zh) * | 2020-10-20 | 2021-01-15 | 淮北市盛世昊明科技服务有限公司 | 一种基于大数据的人口监控报警方法 |
| CN112235546B (zh) * | 2020-10-20 | 2022-08-19 | 淮北市盛世昊明科技服务有限公司 | 一种基于大数据的人口监控报警方法 |
| CN112908048A (zh) * | 2021-01-22 | 2021-06-04 | 唐山职业技术学院 | 基于人工智能的旅游管理教学装置 |
| CN112908048B (zh) * | 2021-01-22 | 2022-01-18 | 唐山职业技术学院 | 基于人工智能的旅游管理教学装置 |
| CN113470209A (zh) * | 2021-07-01 | 2021-10-01 | 厦门悦讯信息科技股份有限公司 | 一种人脸识别实现课堂点名的方法及系统 |
| CN116612575A (zh) * | 2023-05-22 | 2023-08-18 | 东莞市奔络科技有限公司 | 基于图像处理的智能卫生间占用率监测系统及其方法 |
| CN116612575B (zh) * | 2023-05-22 | 2023-11-14 | 东莞市奔络科技有限公司 | 基于图像处理的智能卫生间占用率监测系统及其方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110097283B (zh) | 2023-02-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110097283A (zh) | 基于人脸识别的教学管理系统及方法 | |
| Komaki et al. | Development of an operant-based taxonomy and observational index of supervisory behavior. | |
| CN107958351A (zh) | 教学质量评估云服务平台 | |
| Bender | Job satisfaction in student affairs | |
| CN108009754A (zh) | 教学质量评估方法 | |
| CN106228629B (zh) | 一种基于人脸识别的课堂签到系统 | |
| CN108154304A (zh) | 具有教学质量评估功能的服务器 | |
| Kleinmuntz | MMPI decision rules for the identification of college maladjustment: A digital computer approach. | |
| CN109657529A (zh) | 基于面部表情识别的课堂教学效果评价系统 | |
| CN108171414A (zh) | 教学质量评估系统 | |
| CN108182649A (zh) | 用于教学质量评估的智能机器人 | |
| CN110502999B (zh) | 校园管理系统及方法 | |
| Torstensson | Female delinquents in a birth cohort: Tests of some aspects of control theory | |
| CN110009210A (zh) | 一种基于关注度和专注度的学生听课水平综合评估方法 | |
| CN109685692A (zh) | 一种多维度学生学习行为的无感采集及分析系统 | |
| CN109255739B (zh) | 一种基于人脸表情和人体动作识别的课堂学习效率分析算法 | |
| CN110009539A (zh) | 一种学生在校学习状态智能档案系统及使用方法 | |
| Miller et al. | “... and Nothing but the Truth” How Well Can Observers Detect Deceptive Testimony? | |
| CN110837960A (zh) | 学生情感分析方法 | |
| Bender | Job satisfaction in student affairs | |
| Jacobsen et al. | The engaged citizen index: Examining the racial and ethnic civic and political engagement gaps of young adults | |
| Dakroub et al. | An Evaluation of Assessment Equity for Special Education Students in Texas. | |
| CN110544041B (zh) | 一种用于财务咨询公司的员工数据管理系统 | |
| Butler-Nalin | Dropouts: The relationship of student characteristics, behaviors, and performance for special education students | |
| CN111145059A (zh) | 一种学生学习态度评估方法与系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |