CN111582143A - 基于图像识别的学生课堂签到方法、装置及存储介质 - Google Patents
基于图像识别的学生课堂签到方法、装置及存储介质 Download PDFInfo
- Publication number
- CN111582143A CN111582143A CN202010371761.3A CN202010371761A CN111582143A CN 111582143 A CN111582143 A CN 111582143A CN 202010371761 A CN202010371761 A CN 202010371761A CN 111582143 A CN111582143 A CN 111582143A
- Authority
- CN
- China
- Prior art keywords
- image
- information
- student
- acquiring
- characteristic
- 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
Images
Classifications
-
- 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
- G06V40/168—Feature extraction; Face representation
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例公开了一种基于图像识别的学生课堂签到方法、装置、设备及存储介质,属于数据服务技术领域,该方法包括:获取学生用户的若干面部图像信息和学生标识信息,并生成图片集;对图片集每一张面部图像信息进行预处理;预先录入教学课程信息,并对课程信息进行分段处理,获取分段信息;每次课前,获取当前分段信息,并对学生用户进行面部图像采集,基于预设的算法模型对新采集的面部图像进行特征值获取,并与图片集中所获取的特征值进行比对;若特征值满足预设的阈值,获取学生标识信息,则用户匹配成功,签到成功,本申请方便学生用户在上课前进行课前签到,节省了大量时间。
Description
技术领域
本申请涉及数据服务技术领域,尤其涉及一种基于图像识别的学生课堂签到方法、装置、设备及存储介质。
背景技术
学生课前签到是上课前确定学生是否来到授课地点的一种传统方法,目前,生活中最常用的签到方法分别为教师进行课前点名的方式。
近几年,由于互联网技术的快速发展,各大公司常用的签到打卡方法主流的方法转变为了指纹验证进行打卡。但是,这种指纹打卡的方式,又不适用学生课前打卡操作,大学班级的人数或者同时听讲一节课的人数可能会达到60人到200人不等,显然,学生依次进行指纹打卡进行签到,不能满足实际的需求。由此可知,现有技术中教师上课时依靠传统的签到方法进行点名签到,消耗大量时间的问题。
发明内容
本申请实施例的目的在于提出一种基于图像识别的学生课堂签到方法、装置、设备及存储介质,以解决现有技术中教师上课时依靠传统的签到方法进行点名签到,消耗大量时间的问题。
为了解决上述技术问题,本申请实施例提供一种基于图像识别的学生课堂签到方法,采用了如下所述的技术方案:
一种基于图像识别的学生课堂签到方法,包括:
获取学生用户的若干面部图像信息和学生标识信息,并生成图片集;
对图片集每一张面部图像信息进行预处理,所述预处理包括:基于预设的预处理模型对图像黑白化处理和图像特征点提取,并基于预设的算法模型获取特征值;
预先录入教学课程信息,并对课程信息进行分段处理,获取分段信息,所述分段处理包括:基于预设的课时时间对课程信息进行分段或者基于预设的章节信息对课程信息进行分段;
每次课前,获取当前分段信息,并对学生用户进行面部图像采集,基于预设的算法模型对新采集的面部图像进行特征值获取,并与图片集中所获取的特征值进行比对;
若特征值满足预设的阈值,获取学生标识信息,则用户匹配成功,签到成功。
进一步的,所述基于图像识别的学生课堂签到方法,所述获取学生用户的若干面部图像信息和学生标识信息,并生成图片集包括:
获取n张面部正面图像和m张面部侧面图像,其中,n和m分别为正整数,且n与m的和值为图片集中面部图像的总张数;
获取用户的姓名信息,并将所述姓名信息作为图片集的名称。
进一步的,所述基于图像识别的学生课堂签到方法,所述基于预设的预处理模型对图像黑白化处理和图像特征点提取包括:
通过加权的方式先对图像进行黑白化处理,再对经过黑白化处理后的图像获取若干特征点;
所述的特征点在正面面部图像上使用(X、Y)坐标进行表示,在侧面面部图像上使用(Y、Z)坐标进行表示,对不同的特征点进行标识区别,确定不同的特征点的(X、Y、Z)坐标,其中,在进行坐标表示时,以像素单位作为坐标的1个坐标单位。
进一步的,所述基于图像识别的学生课堂签到方法,所述基于预设的算法模型获取特征值包括:
预设特定的特征点作为原特征点,分别获取其他不同特征点与原特征点的向量值,生成向量值集,作为特征值。
进一步的,所述基于图像识别的学生课堂签到方法,所述对学生用户进行面部图像采集包括:
基于预设的拍照方式获取学生用户的面部图像信息,所述预设的拍照方式包括:正面和侧面同时拍照,并分别获取一张正面面部图像和一张侧面面部图像。
进一步的,所述基于图像识别的学生课堂签到方法,所述基于预设的算法模型对新采集的面部图像进行特征值获取,并与图片集中所获取的特征值进行比对包括:
通过加权的方式先对新获取的正面图像和侧面图像分别进行黑白化处理,再对经过黑白化处理后的正面图像和侧面图像分别获取若干特征点;
对正面图像上的若干特征点使用(X、Y)坐标进行表示,对侧面图像上的若干特征点使用(Y、Z)坐标进行表示,确定不同的特征点的(X、Y、Z)坐标,其中,在进行坐标表示时,以像素单位作为坐标的1个坐标单位;
预设特定的特征点作为原特征点,分别获取其他不同特征点与原特征点的向量值,生成向量值集,作为新面部图像的特征值;
将新面部图像的特征值与图片集中获取的特征值进行对比。
进一步的,所述基于图像识别的学生课堂签到方法,所述若特征值满足预设的阈值,获取学生标识信息,则用户匹配成功,签到成功包括:
将新面部图像的特征值与图片集中获取的特征值的对比结果,使用百分比的方式进行表示,若满足预设的百分比,则基于图片集的名称,获取学生的姓名信息,进行签到。
为了解决上述技术问题,本申请实施例还提供了一种基于图像识别的学生课堂签到装置,采用了如下所述的技术方案:
一种基于图像识别的学生课堂签到装置,包括:
图片集获取模块,用于获取学生用户的若干面部图像信息和学生标识信息,并生成图片集;
图片处理模块,用于对图片集每一张面部图像信息进行预处理,所述预处理包括:基于预设的预处理模型对图像黑白化处理和图像特征点提取,并基于预设的算法模型获取特征值;
课程信息处理模块,用于预先录入教学课程信息,并对课程信息进行分段处理,获取分段信息,所述分段处理包括:基于预设的课时时间对课程信息进行分段或者基于预设的章节信息对课程信息进行分段;
图片采集模块,用于每次课前,获取当前分段信息,并对学生用户进行面部图像采集,基于预设的算法模型对新采集的面部图像进行特征值获取,并与图片集中所获取的特征值进行比对;
匹配签到模块,用于若特征值满足预设的阈值,获取学生标识信息,则用户匹配成功,签到成功。
为了解决上述技术问题,本申请实施例还提供一种计算机设备,采用了如下所述的技术方案:
一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时实现本申请实施例中提出的一种基于图像识别的学生课堂签到方法的步骤。
为了解决上述技术问题,本申请实施例还提供一种非易失性计算机可读存储介质,采用了如下所述的技术方案:
一种非易失性计算机可读存储介质,计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现本申请实施例中提出的一种基于图像识别的学生课堂签到方法的步骤。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请实施例公开了基于图像识别的学生课堂签到方法、装置、设备及存储介质,通过获取学生用户的若干面部图像信息和学生标识信息,并生成图片集;对图片集每一张面部图像信息进行预处理,所述预处理包括:基于预设的预处理模型对图像黑白化处理和图像特征点提取,并基于预设的算法模型获取特征值;预先录入教学课程信息,并对课程信息进行分段处理,获取分段信息,所述分段处理包括:基于预设的课时时间对课程信息进行分段或者基于预设的章节信息对课程信息进行分段;每次课前,获取当前分段信息,并对学生用户进行面部图像采集,基于预设的算法模型对新采集的面部图像进行特征值获取,并与图片集中所获取的特征值进行比对;若特征值满足预设的阈值,获取学生标识信息,则用户匹配成功,签到成功。既方便学生用户在上课前进行网上签到,也节省了大量时间。
附图说明
为了更清楚地说明本申请中的方案,下面将对本申请实施例描述中所需要使用的附图作一个简单介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例可以应用于其中的示例性系统架构图;
图2为本申请实施例中所述基于图像识别的学生课堂签到方法的一个实施例的流程图;
图3为本申请实施例中所述基于图像识别的学生课堂签到装置的一个实施例的结构示意图;
图4为本申请实施例中图片集获取模块的结构示意图;
图5为本申请实施例中图片处理模块的结构示意图;
图6为本申请实施例中计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是,本申请实施例所提供的基于图像识别的学生课堂签到方法一般由服务器/终端设备执行,相应地,基于图像识别的学生课堂签到装置一般设置于服务器/终端设备中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,图中示出了本申请的基于图像识别的学生课堂签到方法的一个实施例的流程图,所述的基于图像识别的学生课堂签到方法包括以下步骤:
步骤201,获取学生用户的若干面部图像信息和学生标识信息,并生成图片集。
在本实施例中,所述获取学生用户的若干面部图像信息和学生标识信息,并生成图片集包括:获取n张面部正面图像和m张面部侧面图像,其中,n和m分别为正整数,且n与m的和值为图片集中面部图像的总张数;获取用户的姓名信息,并将所述姓名信息作为图片集的名称。
步骤202,对图片集每一张面部图像信息进行预处理,所述预处理包括:基于预设的预处理模型对图像黑白化处理和图像特征点提取,并基于预设的算法模型获取特征值。
在本实施例中,所述基于预设的预处理模型对图像黑白化处理和图像特征点提取包括:通过加权的方式先对图像进行黑白化处理,再对经过黑白化处理后的图像获取若干特征点;所述的特征点在正面面部图像上使用(X、Y)坐标进行表示,在侧面面部图像上使用(Y、Z)坐标进行表示,对不同的特征点进行标识区别,确定不同的特征点的(X、Y、Z)坐标,其中,在进行坐标表示时,以像素单位作为坐标的1个坐标单位。
在本申请的一些实施例中,所述步骤202中的通过加权的方式先对图像进行黑白化处理具体的实现方式包括:例如,图像的色彩使用RGB的方式进行表示,用三个分量亮度、、分别代表RGB三者的分量值,使用加权平均值的方式,获取到平均值作为三者分量值,例如,,则将图片处理为RGB(66.6,66.6,66.6)的格式,进行黑白化处理。
在本申请的一些实施例中,所述步骤202中的对经过黑白化处理后的图像获取若干特征点具体的实现方式如下:经过黑白化处理后的图像信息,会显示出线条,将线条中的“拐点”,例如上唇的左右嘴角、上唇的唇峰和唇谷分别作为特征点,同理,将鼻子的鼻尖、鼻根、鼻中隔和两侧鼻翼分别作为特征点,眼睛的内外眼角、上眼睑的峰值和下眼睑谷值作为特征点。
在本申请的一些实施例中,所述步骤202中的特征点在正面面部图像上使用(X、Y)坐标进行表示,在侧面面部图像上使用(Y、Z)坐标进行表示具体的表示方式如下:将经过黑白化处理的正面面部图像以左下角作为坐标原点,以一像素作为坐标单位,假设鼻尖位置左边和下面分别有8000和9600个像素,则鼻尖在正面面部图像上对应的特征点的坐标为(8000,9600),侧面面部图像时,鼻尖位置的左边和下面分别有9600和10000个像素,则鼻尖在侧面面部图像上对应的特征点的坐标为(9600,10000),转化为三维立体坐标,则鼻尖的特征点的三维坐标为(8000,9600,10000)。
在本实施例中,所述基于预设的算法模型获取特征值包括:预设特定的特征点作为原特征点,分别获取其他不同特征点与原特征点的向量值,生成向量值集,作为特征值。
例如:假设将鼻尖作为原特征点,唇谷的特征点坐标为(8000,4500,8000),鼻尖的特征点坐标为(8000,9600,10000),则唇谷与鼻尖间的向量值为,同理,获取每一个特征点与原特征点间的向量值,将向量值集作为特征值。
步骤203,预先录入教学课程信息,并对课程信息进行分段处理,获取分段信息,所述分段处理包括:基于预设的课时时间对课程信息进行分段或者基于预设的章节信息对课程信息进行分段。
在本申请的一些实施例中,所述步骤203中的对课程信息进行分段处理,获取分段信息包括:一种可能的实现方式为基于预设的课时时间对课程信息进行分段,将课程时间2个小时作为分段依据,提前预估课程信息有多少时间,假设有120个小时,则将每两个小时作为一个课时,则分为60个课时,即为60个分段信息;另一种可能的实现方式为基于预设的章节信息对课程信息进行分段,将课程按照每一个章节信息分为不同的分段,若课程中存在30个章节,则基于章节将课程信息分为30个分段。
步骤204,每次课前,获取当前分段信息,并对学生用户进行面部图像采集,基于预设的算法模型对新采集的面部图像进行特征值获取,并与图片集中所获取的特征值进行比对。
在本申请实施例中,所述所述步骤204中对学生用户进行面部图像采集包括:基于预设的拍照方式获取学生用户的面部图像信息,所述预设的拍照方式包括:正面和侧面同时拍照,并分别获取一张正面面部图像和一张侧面面部图像。
其中,具体的实现方式如下:在教室安装图像采集摄像头,所述摄像头会在上课时,对不同的学生进行正面拍照和侧面拍照,获取学生用户的面部图像信息。
在本申请实施例中,所述所述步骤204中基于预设的算法模型对新采集的面部图像进行特征值获取,并与图片集中所获取的特征值进行比对包括:通过加权的方式先对新获取的正面图像和侧面图像分别进行黑白化处理,再对经过黑白化处理后的正面图像和侧面图像分别获取若干特征点;对正面图像上的若干特征点使用(X、Y)坐标进行表示,对侧面图像上的若干特征点使用(Y、Z)坐标进行表示,确定不同的特征点的(X、Y、Z)坐标,其中,在进行坐标表示时,以像素单位作为坐标的1个坐标单位;预设特定的特征点作为原特征点,分别获取其他不同特征点与原特征点的向量值,生成向量值集,作为新面部图像的特征值;将新面部图像的特征值与图片集中获取的特征值进行对比。
其中,所述通过加权的方式先对新获取的正面图像和侧面图像分别进行黑白化处理,再对经过黑白化处理后的正面图像和侧面图像分别获取若干特征点;对正面图像上的若干特征点使用(X、Y)坐标进行表示,对侧面图像上的若干特征点使用(Y、Z)坐标进行表示,确定不同的特征点的(X、Y、Z)坐标,其中,在进行坐标表示时,以像素单位作为坐标的1个坐标单位;预设特定的特征点作为原特征点,分别获取其他不同特征点与原特征点的向量值,生成向量值集,作为新面部图像的特征值的步骤和方式与图片集中图片特征值的提取方式一致。
在本申请实施例中,所述步骤204中将新面部图像的特征值与图片集中获取的特征值进行对比,所述的对比方式采用杰卡德距离对比的方式,例如:图片集中获取的特征值为(1552,3369,3201,3107,3005),新面部图像的特征值为(1552,3369,3200,3107,3005),则比较这两个集合的相似度,将相似度值作为对比值,即计算两个集合交集个数在两个集合并集个数中所占的比例,则上述对比值为80%。
步骤205,若特征值满足预设的阈值,获取学生标识信息,则用户匹配成功,签到成功。
在本申请的一些实施例中,所述步骤205中将所述若特征值满足预设的阈值,获取学生标识信息,则用户匹配成功,签到成功包括:将新面部图像的特征值与图片集中获取的特征值的对比结果,使用百分比的方式进行表示,若满足预设的百分比,则基于图片集的名称,获取学生的姓名信息,进行签到。
本申请实施例中所述的基于图像识别的学生课堂签到方法,可以通过获取学生用户的若干面部图像信息和学生标识信息,并生成图片集;对图片集每一张面部图像信息进行预处理,所述预处理包括:基于预设的预处理模型对图像黑白化处理和图像特征点提取,并基于预设的算法模型获取特征值;预先录入教学课程信息,并对课程信息进行分段处理,获取分段信息,所述分段处理包括:基于预设的课时时间对课程信息进行分段或者基于预设的章节信息对课程信息进行分段;每次课前,获取当前分段信息,并对学生用户进行面部图像采集,基于预设的算法模型对新采集的面部图像进行特征值获取,并与图片集中所获取的特征值进行比对;若特征值满足预设的阈值,获取学生标识信息,则用户匹配成功,签到成功。既方便学生用户在上课前进行网上签到,也节省了大量时间。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
进一步参考图3,作为对上述图2所示方法的实现,本申请提供了一种基于图像识别的学生课堂签到装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图3所示,本实施例所述的基于图像识别的学生课堂签到装置3包括:图片集获取模块301、图片处理模块302、课程信息处理模块303、图片采集模块304和匹配签到模块305。其中:
图片集获取模块301,用于获取学生用户的若干面部图像信息和学生标识信息,并生成图片集;
图片处理模块302,用于对图片集每一张面部图像信息进行预处理,所述预处理包括:基于预设的预处理模型对图像黑白化处理和图像特征点提取,并基于预设的算法模型获取特征值;
课程信息处理模块303,用于预先录入教学课程信息,并对课程信息进行分段处理,获取分段信息,所述分段处理包括:基于预设的课时时间对课程信息进行分段或者基于预设的章节信息对课程信息进行分段;
图片采集模块304,用于每次课前,获取当前分段信息,并对学生用户进行面部图像采集,基于预设的算法模型对新采集的面部图像进行特征值获取,并与图片集中所获取的特征值进行比对;
匹配签到模块305,用于若特征值满足预设的阈值,获取学生标识信息,则用户匹配成功,签到成功。
在本申请的一些实施例中,如图4,图4为本申请实施例中图片集获取模块的结构示意图,所述图片集获取模块301包括面部图像信息获取单元301a和学生标识信息获取单元301b。
在本申请的一些实施例中,所述面部图像信息获取单元301a用于基于预先设定的图片获取方式,对学生用户进行若干正面面部图像信息和若干侧面面部图像信息获取。
在本申请的一些实施例中,所述学生标识信息获取单元301b用于基于预先配置的数据表获取学生的姓名信息。
在本申请的一些实施例中,如图5,图5为本申请实施例中图片处理模块的结构示意图,所述图片处理模块302包括图像黑白化处理单元302a、图像特征点提取单元302b和图像特征值获取单元302c。
在本申请的一些实施例中,所述图像黑白化处理单元302a用于通过加权的方式先对图像进行黑白化处理,再对经过黑白化处理后的图像获取若干特征点。
在本申请的一些实施例中,所述图像特征点提取单元302b用于在正面面部图像上使用(X、Y)坐标进行表示,在侧面面部图像上使用(Y、Z)坐标进行表示,对不同的特征点进行标识区别,确定不同的特征点的(X、Y、Z)坐标。
在本申请的一些实施例中,所述图像特征值获取单元302c用于预设特定的特征点作为原特征点,分别获取其他不同特征点与原特征点的向量值,生成向量值集,作为特征值。
本申请实施例所述的基于图像识别的学生课堂签到装置,通过通过获取学生用户的若干面部图像信息和学生标识信息,并生成图片集;对图片集每一张面部图像信息进行预处理,所述预处理包括:基于预设的预处理模型对图像黑白化处理和图像特征点提取,并基于预设的算法模型获取特征值;预先录入教学课程信息,并对课程信息进行分段处理,获取分段信息,所述分段处理包括:基于预设的课时时间对课程信息进行分段或者基于预设的章节信息对课程信息进行分段;每次课前,获取当前分段信息,并对学生用户进行面部图像采集,基于预设的算法模型对新采集的面部图像进行特征值获取,并与图片集中所获取的特征值进行比对;若特征值满足预设的阈值,获取学生标识信息,则用户匹配成功,签到成功。既方便学生用户在上课前进行网上签到,也节省了大量时间。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图6,图6为本实施例计算机设备基本结构框图。
所述计算机设备6包括通过系统总线相互通信连接存储器6a、处理器6b、网络接口6c。需要指出的是,图中仅示出了具有组件6a-6c的计算机设备6,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器6a至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器6a可以是所述计算机设备6的内部存储单元,例如该计算机设备6的硬盘或内存。在另一些实施例中,所述存储器6a也可以是所述计算机设备6的外部存储设备,例如该计算机设备6上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(FlashCard)等。当然,所述存储器6a还可以既包括所述计算机设备6的内部存储单元也包括其外部存储设备。本实施例中,所述存储器6a通常用于存储安装于所述计算机设备6的操作系统和各类应用软件,例如基于图像识别的学生课堂签到方法的程序代码等。此外,所述存储器6a还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器6b在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器6b通常用于控制所述计算机设备6的总体操作。本实施例中,所述处理器6b用于运行所述存储器6a中存储的程序代码或者处理数据,例如运行所述基于图像识别的学生课堂签到方法的程序代码。
所述网络接口6c可包括无线网络接口或有线网络接口,该网络接口6c通常用于在所述计算机设备6与其他电子设备之间建立通信连接。
本申请还提供了另一种实施方式,即提供一种非易失性计算机可读存储介质,所述非易失性计算机可读存储介质存储有基于图像识别的学生课堂签到程序,所述基于图像识别的学生课堂签到程序可被至少一个处理器执行,以使所述至少一个处理器执行如上述的基于图像识别的学生课堂签到方法的步骤。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
显然,以上所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。
Claims (10)
1.一种基于图像识别的学生课堂签到方法,其特征在于,包括下述步骤:
获取学生用户的若干面部图像信息和学生标识信息,并生成图片集;
对图片集每一张面部图像信息进行预处理,所述预处理包括:基于预设的预处理模型对图像黑白化处理和图像特征点提取,并基于预设的算法模型获取特征值;
预先录入教学课程信息,并对课程信息进行分段处理,获取分段信息,所述分段处理包括:基于预设的课时时间对课程信息进行分段或者基于预设的章节信息对课程信息进行分段;
每次课前,获取当前分段信息,并对学生用户进行面部图像采集,基于预设的算法模型对新采集的面部图像进行特征值获取,并与图片集中所获取的特征值进行比对;
若特征值满足预设的阈值,获取学生标识信息,则用户匹配成功,签到成功。
2.根据权利要求1所述的基于图像识别的学生课堂签到方法,其特征在于,所述获取学生用户的若干面部图像信息和学生标识信息,并生成图片集包括:
获取n张面部正面图像和m张面部侧面图像,其中,n和m分别为正整数,且n与m的和值为图片集中面部图像的总张数;
获取用户的姓名信息,并将所述姓名信息作为图片集的名称。
3.根据权利要求2所述的基于图像识别的学生课堂签到方法,其特征在于,所述基于预设的预处理模型对图像黑白化处理和图像特征点提取包括:
通过加权的方式先对图像进行黑白化处理,再对经过黑白化处理后的图像获取若干特征点;
所述的特征点在正面面部图像上使用(X、Y)坐标进行表示,在侧面面部图像上使用(Y、Z)坐标进行表示,对不同的特征点进行标识区别,确定不同的特征点的(X、Y、Z)坐标,其中,在进行坐标表示时,以像素单位作为坐标的1个坐标单位。
4.根据权利要求3所述的基于图像识别的学生课堂签到方法,其特征在于,所述基于预设的算法模型获取特征值包括:
预设特定的特征点作为原特征点,分别获取其他不同特征点与原特征点的向量值,生成向量值集,作为特征值。
5.根据权利要求4所述的基于图像识别的学生课堂签到方法,其特征在于,所述对学生用户进行面部图像采集包括:
基于预设的拍照方式获取学生用户的面部图像信息,所述预设的拍照方式包括:正面和侧面同时拍照,并分别获取一张正面面部图像和一张侧面面部图像。
6.根据权利要求5所述的基于图像识别的学生课堂签到方法,其特征在于,所述基于预设的算法模型对新采集的面部图像进行特征值获取,并与图片集中所获取的特征值进行比对包括:
通过加权的方式先对新获取的正面图像和侧面图像分别进行黑白化处理,再对经过黑白化处理后的正面图像和侧面图像分别获取若干特征点;
对正面图像上的若干特征点使用(X、Y)坐标进行表示,对侧面图像上的若干特征点使用(Y、Z)坐标进行表示,确定不同的特征点的(X、Y、Z)坐标,其中,在进行坐标表示时,以像素单位作为坐标的1个坐标单位;
预设特定的特征点作为原特征点,分别获取其他不同特征点与原特征点的向量值,生成向量值集,作为新面部图像的特征值;
将新面部图像的特征值与图片集中获取的特征值进行对比。
7.根据权利要求6所述的基于图像识别的学生课堂签到方法,其特征在于,所述若特征值满足预设的阈值,获取学生标识信息,则用户匹配成功,签到成功包括:
将新面部图像的特征值与图片集中获取的特征值的对比结果,使用百分比的方式进行表示,若满足预设的百分比,则基于图片集的名称,获取学生的姓名信息,进行签到。
8.一种基于图像识别的学生课堂签到装置,其特征在于,包括:
图片集获取模块,用于获取学生用户的若干面部图像信息和学生标识信息,并生成图片集;
图片处理模块,用于对图片集每一张面部图像信息进行预处理,所述预处理包括:基于预设的预处理模型对图像黑白化处理和图像特征点提取,并基于预设的算法模型获取特征值;
课程信息处理模块,用于预先录入教学课程信息,并对课程信息进行分段处理,获取分段信息,所述分段处理包括:基于预设的课时时间对课程信息进行分段或者基于预设的章节信息对课程信息进行分段;
图片采集模块,用于每次课前,获取当前分段信息,并对学生用户进行面部图像采集,基于预设的算法模型对新采集的面部图像进行特征值获取,并与图片集中所获取的特征值进行比对;
匹配签到模块,用于若特征值满足预设的阈值,获取学生标识信息,则用户匹配成功,签到成功。
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的基于图像识别的学生课堂签到方法的步骤。
10.种非易失性计算机可读存储介质,其特征在于,所述非易失性计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的基于图像识别的学生课堂签到方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010371761.3A CN111582143A (zh) | 2020-05-06 | 2020-05-06 | 基于图像识别的学生课堂签到方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010371761.3A CN111582143A (zh) | 2020-05-06 | 2020-05-06 | 基于图像识别的学生课堂签到方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111582143A true CN111582143A (zh) | 2020-08-25 |
Family
ID=72111944
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010371761.3A Pending CN111582143A (zh) | 2020-05-06 | 2020-05-06 | 基于图像识别的学生课堂签到方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111582143A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112699263A (zh) * | 2021-01-08 | 2021-04-23 | 郑州科技学院 | 基于ai的二维美术图像动态展示方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101593365A (zh) * | 2009-06-19 | 2009-12-02 | 电子科技大学 | 一种通用三维人脸模型的调整方法 |
CN108830559A (zh) * | 2018-06-01 | 2018-11-16 | 广东蔚海数问大数据科技有限公司 | 一种基于人脸识别的考勤方法及装置 |
CN109697388A (zh) * | 2017-10-23 | 2019-04-30 | 北京京东尚科信息技术有限公司 | 人脸识别方法和装置 |
US10489912B1 (en) * | 2013-12-20 | 2019-11-26 | Amazon Technologies, Inc. | Automated rectification of stereo cameras |
-
2020
- 2020-05-06 CN CN202010371761.3A patent/CN111582143A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101593365A (zh) * | 2009-06-19 | 2009-12-02 | 电子科技大学 | 一种通用三维人脸模型的调整方法 |
US10489912B1 (en) * | 2013-12-20 | 2019-11-26 | Amazon Technologies, Inc. | Automated rectification of stereo cameras |
CN109697388A (zh) * | 2017-10-23 | 2019-04-30 | 北京京东尚科信息技术有限公司 | 人脸识别方法和装置 |
CN108830559A (zh) * | 2018-06-01 | 2018-11-16 | 广东蔚海数问大数据科技有限公司 | 一种基于人脸识别的考勤方法及装置 |
Non-Patent Citations (1)
Title |
---|
林扬扬 等: "基于人脸识别技术的人流智能分析系统", 《信息与电脑(理论版)》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112699263A (zh) * | 2021-01-08 | 2021-04-23 | 郑州科技学院 | 基于ai的二维美术图像动态展示方法及装置 |
CN112699263B (zh) * | 2021-01-08 | 2023-05-23 | 郑州科技学院 | 基于ai的二维美术图像动态展示方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111985306A (zh) | 一种应用于医疗领域文档的ocr和信息抽取方法 | |
WO2023035531A1 (zh) | 文本图像超分辨率重建方法及其相关设备 | |
CN112650875A (zh) | 房产图片验证方法、装置、计算机设备及存储介质 | |
CN111222433B (zh) | 自动人脸稽核方法、系统、设备及可读存储介质 | |
CN112330331A (zh) | 基于人脸识别的身份验证方法、装置、设备及存储介质 | |
CN112686243A (zh) | 智能识别图片文字的方法、装置、计算机设备及存储介质 | |
CN110795714A (zh) | 一种身份验证方法、装置、计算机设备及存储介质 | |
CN110266994A (zh) | 一种视频通话方法、视频通话装置及终端 | |
CN115758451A (zh) | 基于人工智能的数据标注方法、装置、设备及存储介质 | |
CN114861241A (zh) | 基于智能检测的防窥屏方法及其相关设备 | |
CN112651399B (zh) | 检测倾斜图像中同行文字的方法及其相关设备 | |
CN111192312A (zh) | 基于深度学习的深度图像获取方法、装置、设备及介质 | |
CN112381118B (zh) | 一种大学舞蹈考试测评方法及装置 | |
CN111582143A (zh) | 基于图像识别的学生课堂签到方法、装置及存储介质 | |
CN112419257A (zh) | 文本录制视频清晰度检测方法、装置、计算机设备及存储介质 | |
CN112581344A (zh) | 一种图像处理方法、装置、计算机设备及存储介质 | |
CN111709851A (zh) | 基于rfid及面部识别的酒店安全入住的方法、装置及设备 | |
CN115700845A (zh) | 人脸识别模型训练方法、人脸识别方法、装置及相关设备 | |
CN112395450B (zh) | 图片文字检测方法、装置、计算机设备及存储介质 | |
CN115424335A (zh) | 活体识别模型训练方法、活体识别方法及相关设备 | |
CN113362249B (zh) | 文字图像合成方法、装置、计算机设备及存储介质 | |
CN112822393B (zh) | 图像处理方法、装置及电子设备 | |
CN112560705A (zh) | 人脸检测方法和装置,电子设备 | |
CN112036501A (zh) | 基于卷积神经网络的图片的相似度检测方法及其相关设备 | |
CN112699263B (zh) | 基于ai的二维美术图像动态展示方法及装置 |
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: 20200825 |