CN110827432B - 一种基于人脸识别的课堂考勤方法及系统 - Google Patents

一种基于人脸识别的课堂考勤方法及系统 Download PDF

Info

Publication number
CN110827432B
CN110827432B CN201911094479.9A CN201911094479A CN110827432B CN 110827432 B CN110827432 B CN 110827432B CN 201911094479 A CN201911094479 A CN 201911094479A CN 110827432 B CN110827432 B CN 110827432B
Authority
CN
China
Prior art keywords
face
attendance
identity information
database
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
Application number
CN201911094479.9A
Other languages
English (en)
Other versions
CN110827432A (zh
Inventor
戴其进
倪亚宇
唐良文
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.)
Shenzhen Operator Technology Co ltd
Original Assignee
Shenzhen Operator Technology Co ltd
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 Shenzhen Operator Technology Co ltd filed Critical Shenzhen Operator Technology Co ltd
Priority to CN201911094479.9A priority Critical patent/CN110827432B/zh
Publication of CN110827432A publication Critical patent/CN110827432A/zh
Application granted granted Critical
Publication of CN110827432B publication Critical patent/CN110827432B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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)
  • Image Analysis (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明公开了一种基于人脸识别的课堂考勤方法及系统，包含以下步骤：S1、摄像头连续采集视频图像，并将所述视频图像传送至服务器；S2、利用人脸检测算法对S1中获取的教室图像帧进行人脸对齐和坐标信息求取；S3、针对每一图像帧，对检测到的人脸进行特征点提取，将提取后的特征向量与数据库中的人脸特征进行对比，判定检测到的人脸与数据库中的人脸是否为相同。本发明的有益效果是：通过多帧图像的人脸识别结果，计算每个人脸在平面中的二维概率分布，得到人脸的位置分布概率极大值点，再通过阈值筛选确定最终考勤结果。该方法相比单帧图像识别结果准确率更高，避免了因为系统单帧图像识别错误而导致学生考勤结果的判断错误。

Description

一种基于人脸识别的课堂考勤方法及系统
技术领域
本发明涉及教学技术领域，特别涉及一种基于人脸识别的课堂考勤方法 及系统。
背景技术
目前学校使用的基于人脸识别的智慧课堂考勤系统中，有单帧图像人脸 识别和多帧图像人脸识别两种方式。但现有的两种方式均存在一定的不足， 使用单帧图像人脸识别来确定学生的考勤结果时，系统容易识别错误，导致 学生没来而误识别为到场或者学生来了而识别为未到场；在使用多帧图像人 脸识别时在连续跟踪的情况下，容易出现交叉错误。由此可见，目前的学校 中的智慧课堂考勤系统的误判率高，系统人脸识别的准确率低。
发明内容
为克服现有技术中学校采用的基于人脸识别的智慧课堂考勤系统误判率 高，人脸识别的准确率低的技术难题，本发明提供一种基于人脸识别的学生 课堂考勤系统及方法，通过多帧图像的人脸识别结果，计算每个学生在教室 中的二维概率分布，得到学生的位置分布概率极大值点，再通过阈值筛选确 定最终学生考勤结果。具体方案技术方案如下：
一种基于人脸识别的课堂考勤方法，包含以下步骤：S1、摄像头连续采 集视频图像，并将所述视频图像传送至服务器，服务器对所述视频图像进行 图像帧转换；S2、利用人脸检测算法对S1中获取的图像帧进行人脸对齐和坐 标信息求取；S3、针对每一图像帧，对检测到的人脸进行特征点提取，将提 取后的特征向量与数据库中的人脸特征进行对比，对检测到的人脸与数据库 中的人脸进行相似度匹配；S4、针对同一身份信息的多个连续图像帧，求取 空间位置分布概率，叠加同一身份信息的人脸的多个空间位置分布概率，并 计算极大值点，记录极大值点的坐标和身份信息；S5、设定第一阈值，对于 每个人脸的空间位置分布概率，记录超过第一阈值的极大值、超过第一阈值 的极大值对应的极值点坐标、对应的身份信息；S6、将考勤名单中的身份信 息与S5中记录的身份信息匹配是否一致，若是，则对应身份考勤成功；若否， 则对应身份缺勤。
进一步地，在S2中，所述人脸检测算法为基于神经网络模型的人脸 检测算法。
进一步地，在S3中，设置第二阈值，计算检测到的人脸与数据库中的人 脸的相似度，若相似度大于第二阈值，则判定检测到的人脸与数据库中对应 的人脸相同。
进一步地，在S4中，针对同一身份信息的多个连续图像帧，利用概率分 布函数求取空间位置分布概率。
进一步地，所述概率分布函数为正态分布函数。
一种基于人脸识别的课堂考勤系统，包括图像采集模块、图像识别模块、 识别统计模块、考勤结果模块、储存有身份信息的后台数据库；图像采集模 块包括摄像头，用于拍摄和采集视频图像，并将所述视频图像传送至图像识 别模块；图像识别模块包括人脸检测单元、人脸定位单元和人脸识别单元， 人脸检测单元用于检测视频图像中的人脸，人脸定位单元用于对检测到的人 脸进行处理，获取人脸大小、人脸特征向量以及坐标信息，人脸识别单元获 取人脸特征向量后与数据库中人脸进行相似度匹配；识别统计模块使用概率分布函数求得识别出的每个人脸的图像位置分布概率，设定阈值筛除掉错误 结果，求得最大概率坐标点，并将人脸对应的身份信息传送到考勤结果模块； 考勤结果模块将考勤名单与识别统计模块中传送的身份信息相匹配，输出最 终的考勤结果。
本发明的有益效果是：提供一种基于人脸识别的学生课堂考勤方法及系 统，通过多帧图像的人脸识别结果，计算每个人脸在平面中的二维概率分布， 得到人脸的位置分布概率极大值点，再通过阈值筛选确定最终考勤结果。该 方法相比单帧图像识别结果准确率更高，避免了因为系统单帧图像识别错误 而导致学生考勤结果的判断错误。
附图说明
图1是本发明基于人脸识别的课堂考勤方法的流程示意图。
图2是本发明基于人脸识别的课堂考勤系统的结构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行 清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而 不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做 出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
现有技术中的学校课堂考勤系统大多采用单帧图像的人脸识别，存在识 别误判高、准确率低的缺陷，而采用连续多帧图像的人脸识别在判断算法上 依然存在着部分不足，因此本发明针对以上缺陷，提出一种基于人脸识别的 课堂考勤方法及系统。
一种基于人脸识别的课堂考勤方法，方法流程如图1所示，包括
S1、摄像头连续采集视频图像，并将所述视频图像传送至服务器，服务 器对所述视频图像进行图像帧转换。摄像头安装于需系统考勤的教室内，对 教室内的人员进行持续的拍摄和录像，并将视频图像传送至服务器，由服务 器对视频图像进行图像帧转换。
S2、利用人脸检测算法对S1中获取的图像帧进行人脸对齐和坐标信息求 取。人脸检测算法包括但不限于各种的基于神经网络模型的人脸检测算法。 人脸对齐技术是根据输入的人脸图像，自动定位出面部关键特征点，如眼睛、 鼻尖、嘴角点、眉毛以及人脸各部件轮廓点等。坐标信息求取，是将S1中的 考勤教室的水平面置入笛卡尔坐标系中，选取坐标原点，并将考勤教室内的 各个位置以坐标(x,y)表示。
S3、针对每一图像帧，对检测到的人脸进行特征点提取，将提取后的特 征向量与数据库中的人脸特征进行对比，对检测到的人脸与数据库中的人脸 进行相似度匹配。在S2中利用人脸对齐技术已经识别出每帧图像中人脸图像 面部特征点，S3将面部特征点进行提取，并与数据库中的人脸进行相似度匹 配，此处可设置第二阈值，第二阈值用于判定相似度大小，过滤相似度较小 的帧图像，若相似度大于第二阈值，则判定检测到的人脸图像帧与数据库中 人脸为同一人；若相似度小于第二阈值，则将图像帧与数据库中剩余人脸继续匹配，若相似度依然小于第二阈值，则剔除相应的图像帧。
S4、针对同一身份信息的多个连续图像帧，求取空间位置分布概率，叠 加同一身份信息的人脸的多个空间位置分布概率，并计算极大值点，记录极 大值点的坐标和身份信息。在S3中已经剔除不符合要求的图像帧，剩余图像 帧均对应于数据库中的人脸，将同属于数据库中的一个人脸的多个连续图像 帧统计，由于在S2中已经将每个图像帧对应的坐标计算出来，使用概率分布 函数，优选为正态分布函数，求取空间位置分布概率，然后通过函数求导求 得极值点。代入原函数求得极大值点，记录极大值点的坐标和身份信息。
具体地，求极大值点的方式为：令
Figure RE-GDA0002305569490000041
求得极值点
(x1，y1)，(x2，y2)，…，(xn，yn),以及对应的极值F(x1，y1)，F(x2，y2)，…，F(xn，yn)，。对极 值进行排序，取最大的极大值Fmax(xm，ym)以及对应的极值点坐标 (xm，ym)。
S5、设定第一阈值，对于每个人脸的空间位置分布概率，记录超过第一 阈值的极大值、超过第一阈值的极大值对应的极值点坐标、对应的身份信息。 第一阈值用于判断学生是否真实出勤。针对每个人脸的空间位置分布概率， 记录超过所设定阈值的极大值Fmax(xm，ym)和极值点坐标(xm，ym)，以及 对应的学生身份信息。利用第一阈值筛除不符合要求的极大值。
S6、将考勤名单中的身份信息与S5中记录的身份信息匹配是否一致，若 是，则对应身份考勤成功；若否，则对应身份缺勤。S4和S5在于确定检测到 的人脸图像在教室内的二维坐标，在二维坐标确定后，将该考勤名单中的身 份信息与S5中得到的身份信息进行匹配，考勤完成。
本发明与现有技术相比，采用多帧连续图像识别，不仅将单帧图像与数 据库中的人脸图像进行对比，还确定了多帧图像对应的人员在教室中的二维 坐标，可以识别效率高，准确率高，有效增加了考勤系统的准确性。
一种基于人脸识别的课堂考勤系统，结构如图2所示，包括图像采集模 块、图像识别模块、识别统计模块、考勤结果模块、储存有身份信息的后台 数据库；图像采集模块包括摄像头，用于拍摄和采集视频图像，并将所述视 频图像传送至图像识别模块；图像识别模块包括人脸检测单元、人脸定位单 元和人脸识别单元，人脸检测单元用于检测视频图像中的人脸，人脸定位单 元用于对检测到的人脸进行处理，获取人脸大小、人脸特征向量以及坐标信 息，人脸识别单元获取人脸特征向量后与数据库中人脸进行相似度匹配；识 别统计模块使用概率分布函数求得识别出的每个人脸的图像位置分布概率， 设定阈值筛除掉错误结果，求得最大概率坐标点，并将人脸对应的身份信息 传送到考勤结果模块；考勤结果模块将考勤名单与识别统计模块中传送的身 份信息相匹配，输出最终的考勤结果。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而 言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行 多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限 定。

Claims (5)

1.一种基于人脸识别的课堂考勤方法，其特征在于，包含以下步骤：
S1、摄像头连续采集视频图像，并将所述视频图像传送至服务器，服务器对所述视频图像进行图像帧转换；
S2、利用人脸检测算法对S1中获取的图像帧进行人脸对齐和坐标信息求取，人脸对齐是根据输入的人脸图像，自动定位出面部关键特征点，坐标信息求取是将S1中的考勤教室的水平面置入笛卡尔坐标系中，选取坐标原点，并将考勤教室内的各个位置以坐标（x,y）表示；
S3、针对每一图像帧，对检测到的人脸进行特征点提取，将提取后的特征向量与数据库中的人脸特征进行对比，对检测到的人脸与数据库中的人脸进行相似度匹配；
S4、针对同一身份信息的多个连续图像帧，求取空间位置分布概率，叠加同一身份信息的人脸的多个空间位置分布概率，并计算极大值点，记录极大值点的坐标和身份信息；
S5、设定第一阈值，对于每个人脸的空间位置分布概率，记录超过第一阈值的极大值、超过第一阈值的极大值对应的极值点坐标、对应的身份信息；
S6、将考勤名单中的身份信息与S5中记录的身份信息匹配是否一致，若是，则对应身份考勤成功；若否，则对应身份缺勤。
2.根据权利要求1所述的基于人脸识别的课堂考勤方法，其特征在于，在S2中，所述人脸检测算法为基于神经网络模型的人脸检测算法。
3.根据权利要求1所述的基于人脸识别的课堂考勤方法，其特征在于，在S3中，设置第二阈值，计算检测到的人脸与数据库中的人脸的相似度，若相似度大于第二阈值，则判定检测到的人脸与数据库中对应的人脸相同。
4.根据权利要求1所述的基于人脸识别的课堂考勤方法，其特征在于，在S4中，针对同一身份信息的多个连续图像帧，利用概率分布函数求取空间位置分布概率。
5.根据权利要求4所述的基于人脸识别的课堂考勤方法，其特征在于，所述概率分布函数为正态分布函数。
CN201911094479.9A 2019-11-11 2019-11-11 一种基于人脸识别的课堂考勤方法及系统 Active CN110827432B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911094479.9A CN110827432B (zh) 2019-11-11 2019-11-11 一种基于人脸识别的课堂考勤方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911094479.9A CN110827432B (zh) 2019-11-11 2019-11-11 一种基于人脸识别的课堂考勤方法及系统

Publications (2)

Publication Number Publication Date
CN110827432A CN110827432A (zh) 2020-02-21
CN110827432B true CN110827432B (zh) 2021-12-28

Family

ID=69553894

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911094479.9A Active CN110827432B (zh) 2019-11-11 2019-11-11 一种基于人脸识别的课堂考勤方法及系统

Country Status (1)

Country Link
CN (1) CN110827432B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111428597A (zh) * 2020-03-04 2020-07-17 全通智汇(西安)教育科技有限公司 一种基于人脸识别的考勤管理方法
CN111414834A (zh) * 2020-03-16 2020-07-14 王思瀚 面部识别点名方法及面部识别点名系统
CN111524183A (zh) * 2020-04-07 2020-08-11 上海交通大学 一种基于透视投影变换的目标行列定位方法
CN112381016A (zh) * 2020-11-19 2021-02-19 山东海博科技信息系统股份有限公司 车载人脸识别算法优化方法及系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109886159A (zh) * 2019-01-30 2019-06-14 浙江工商大学 一种非限定条件下的人脸检测方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005116626A (ja) * 2003-10-03 2005-04-28 Canon Inc 位置検出装置及び位置検出方法、並びに露光装置
CN102831412B (zh) * 2012-09-11 2015-01-07 魏骁勇 一种基于人脸识别的教学考勤方法及其装置
KR20160086618A (ko) * 2015-01-12 2016-07-20 주식회사 아이티스테이션 온라인 강의 수강 확인, 몰입도 판별, 수강 평가 및 수강 피드백 시스템
CN105551104B (zh) * 2015-12-21 2017-12-26 电子科技大学 一种基于监控图像座位判别的中小学课堂自动考勤系统
CN108564673A (zh) * 2018-04-13 2018-09-21 北京师范大学 一种基于全局人脸识别的课堂考勤方法及系统
CN108830180B (zh) * 2018-05-25 2021-07-20 讯飞幻境(北京)科技有限公司 电子考勤方法、装置及电子设备
CN109191341B (zh) * 2018-08-29 2020-10-23 广州云从凯风科技有限公司 一种基于人脸识别和贝叶斯学习的教室视频点到方法
CN110378232B (zh) * 2019-06-20 2022-12-27 陕西师范大学 改进的ssd双网络的考场考生位置快速检测方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109886159A (zh) * 2019-01-30 2019-06-14 浙江工商大学 一种非限定条件下的人脸检测方法

Also Published As

Publication number Publication date
CN110827432A (zh) 2020-02-21

Similar Documents

Publication Publication Date Title
CN110827432B (zh) 一种基于人脸识别的课堂考勤方法及系统
CN109284733B (zh) 一种基于yolo和多任务卷积神经网络的导购消极行为监控方法
US10262190B2 (en) Method, system, and computer program product for recognizing face
CN110532970B (zh) 人脸2d图像的年龄性别属性分析方法、系统、设备和介质
US11804071B2 (en) Method for selecting images in video of faces in the wild
CN105335726B (zh) 人脸识别置信度获取方法和系统
CN108090406B (zh) 人脸识别方法及系统
CN109426785B (zh) 一种人体目标身份识别方法及装置
CN111325051B (zh) 一种基于人脸图像roi选取的人脸识别方法及装置
CN111985621A (zh) 口罩佩戴实时检测的神经网络模型的搭建方法及实施系统
KR20170006355A (ko) 모션벡터 및 특징벡터 기반 위조 얼굴 검출 방법 및 장치
CN111126122B (zh) 人脸识别算法评估方法及装置
CN106250825A (zh) 一种在医保应用中场景自适应的人脸识别系统
CN112287753A (zh) 一种基于机器学习提升人脸识别精度的系统及其算法
CN112215156A (zh) 一种视频监控中的人脸抓拍方法及系统
CN112200056A (zh) 人脸活体检测方法、装置、电子设备及存储介质
CN110889314A (zh) 图像处理方法、装置、电子设备、服务器及系统
CN111415339A (zh) 一种复杂纹理工业产品图像缺陷检测方法
CN108664886A (zh) 一种适应变电站进出监控需求的人脸快速识别方法
CN109146913B (zh) 一种人脸跟踪方法及装置
CN107480628B (zh) 一种人脸识别方法及装置
CN117475353A (zh) 基于视频的异常烟雾识别方法及系统
CN112001280A (zh) 一种实时、可在线优化的人脸识别系统和方法
CN112149517A (zh) 一种人脸考勤方法、系统、计算机设备及存储介质
CN111738059A (zh) 一种面向无感场景的人脸识别方法

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