CN111753798A - 一种基于图像处理的教学辅助系统及其方法 - Google Patents
一种基于图像处理的教学辅助系统及其方法 Download PDFInfo
- Publication number
- CN111753798A CN111753798A CN202010630395.9A CN202010630395A CN111753798A CN 111753798 A CN111753798 A CN 111753798A CN 202010630395 A CN202010630395 A CN 202010630395A CN 111753798 A CN111753798 A CN 111753798A
- Authority
- CN
- China
- Prior art keywords
- shot
- attendance
- original
- vectors
- server
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 239000013598 vector Substances 0.000 claims description 32
- 238000013527 convolutional neural network Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000009223 counseling Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005206 flow analysis Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- 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
Abstract
本发明涉及教学领域,具体而言,涉及一种基于图像处理的教学辅助系统及其方法,其包括上传正脸照,上课期间拍照,比对得到考勤情况,传至辅导员。本发明能够帮助辅导员更方便,准确地打考勤,同时能检查上课睡觉和早退的情况。
Description
技术领域
本发明涉及教学领域,具体而言,涉及一种基于图像处理的教学辅助系统及其方法。
背景技术
学校可以通过查考勤来获得学生上课的出勤次数,某种程度上反映了学生的态度,提升校园管理。现阶段学生越来越多,每个班的学生都不少,尤其是外面辅导班的学生,一个大班能有好几百人,目前大都采用辅导员在门口登记的情况来打考勤,但该种方式很容易被一人演多角的方式蒙混过关,同时辅导员大多做门外,并不能管理上课睡觉和早退的情况。
发明内容
本发明提供了一种基于图像处理的教学辅助系统及其方法。
本发明的一些实施例是这样实现的:
一种基于图像处理的教学辅助方法,包括:
S01:全班同学各自上传正脸照给服务器,服务器通过CNN卷积神经网络对各自正脸照进行图像特征提取得到原件向量,将提取的原件向量保存至服务器中;
S02:通过分布在教室不同位置的摄像头对教室内学生的正面进行不同角度地拍照得到照片,所述拍照每隔一段时间进行一次;
S03:对得到的照片进行区域选择,从而完成每个人的分割,通过SIFT特征检测对进行处理从而提取图像特征得到拍摄件向量;
S04:将同一时间不同角度拍摄得到的拍摄件向量各自与服务器中的原件向量进行对比,得到考勤情况;
S05:将考勤情况上传。
本发明的一种实施例中:
所述S01中全班同学通过手机移动网、电脑网络等手段上传各自正脸照。
本发明的一种实施例中:
所述S02中的摄像头分布在教室前方的两侧,任意所述摄像头均面向自身所在地方的教室对角方向。
本发明的一种实施例中:
所述S04步骤中同一时间不同角度拍摄得到的影片提取出来的拍摄见向量均与原件向量相对应,则在考勤中为通过。
本发明的一种实施例中:
所述S05步骤中服务器通过移动网将考勤情况传输至辅导员的移动端app上。
本发明的一些实施例是这样实现的,包括:
原件存储模块:用于存储全班学生上传的正脸照;
原件分析模块:用于将全班学生上传的正脸照进行特征提取得到原件向量;
拍摄件存储模块:用于存储摄像头拍摄得到的照片;
拍摄件分析模块:将得到的照片进行区域选择和SIFT特征检测得到拍摄件向量;
考勤判断模块:将摄件向量与原件向量相比对,判断是否为本人,并以此进行考勤判断;
摄像头:用于在教室内拍照;
客户端:用于接收考勤情况。
进一步的,还包括处理器以及存储介质,所述存储介质用于存储计算机指令,所述处理器用于执行所述计算机指令中的至少一部分以实现如上述任一项所述的方法。
本发明的技术方案至少具备以下有益效果:
通过每隔一段时间的拍摄,保证了上课期间不会有人长时间缺勤或者早退,且不需要人力去清点,省时省力;通过摄像头拍照进行比对,防止有人上课睡觉,因这样就拍不到脸;通过多个摄像头多角度拍照进行比对,防止有人拿打印好的带有头像的纸张进行蒙混过关,提升考勤准确率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请一些实施例所示的一种基于图像处理的教学辅助系统。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作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。
实施例
图1为本申请一些实施例所示的一种基于可信执行环境的客流分析系统。
图中包括学生端110、多个拍照方111、112、网络120、用于运行图像处理和判断的服务端130和辅导员端140。
学生端110可以是指包括一方的用户终端或属于一方的用户终端设备集群并通过网络接口与接入网相连的节点,此外,其也可以是单个服务器或拥有计算资源的计算机、移动端等。
拍照方111、112为设置在教室内不同地方的摄像头。
网络120可以是有线网络、无线网络或移动网络等。
服务端130包含一个或多个子处理设备(如CPU、GPU)。
移动端140为辅导员持有的装有客户端的移动端。
一种基于图像处理的教学辅助系统及其方法,该方法包括:
S01:全班同学各自上传正脸照给服务器,服务器通过CNN卷积神经网络对各自正脸照进行图像特征提取得到原件向量,将提取的原件向量保存至服务器中;
所述S01中全班同学通过手机移动网、电脑网络等手段上传各自正脸照。
卷积神经网络CNN本质为一个特征提取器,卷积神经网络的输入层可以处理多维数据,常见地,一维卷积神经网络的输入层接收一维或二维数组,其中一维数组通常为时间或频谱采样;二维数组可能包含多个通道;二维卷积神经网络的输入层接收二维或三维数组;三维卷积神经网络的输入层接收四维数组。由于卷积神经网络在计算机视觉领域应用较广,因此许多研究在介绍其结构时预先假设了三维输入数据,即平面上的二维像素点和RGB通道。
与其它神经网络算法类似,由于使用梯度下降算法进行学习,卷积神经网络的输入特征需要进行标准化处理。具体地,在将学习数据输入卷积神经网络前,需在通道或时间/频率维对输入数据进行归一化,若输入数据为像素,也可将分布于[0,255]的原始像素值归一化至[0,1]区间。输入特征的标准化有利于提升卷积神经网络的学习效率和表现。
S02:通过分布在教室不同位置的摄像头对教室内学生的正面进行不同角度地拍照得到照片,所述拍照每隔一段时间进行一次;
所述S02中的摄像头分布在教室前方的两侧,任意所述摄像头均面向自身所在地方的教室对角方向。拍照相隔时间可以为3-10分钟,也可为一段时间范围内随机。
S03:对得到的照片进行区域选择,从而完成每个人的分割,通过SIFT特征检测对进行处理从而提取图像特征得到拍摄件向量;
图像匹配的核心问题是将同一目标在不同时间、不同分辨率、不同光照、不同位姿情况下所成的像相对应,传统的匹配算法往往是直接提取角点或边缘,对环境的适应能力较差。
SIFT(Scale-invariant feature transform)是一种基于尺度空间的,对图像缩放、旋转甚至仿射变换保持不变性的图像局部特征提取算法,其主要有三大工序:1、提取关键点;2、对关键点附加详细的信息(局部特征)也就是所谓的描述器;3、通过两方特征点(附带上特征向量的关键点)的两两比较找出相互匹配的若干对特征点,也就建立了景物间的对应关系。
S04:将同一时间不同角度拍摄得到的拍摄件向量各自与服务器中的原件向量进行对比,得到考勤情况;
所述S04步骤中同一时间不同角度拍摄得到的影片提取出来的拍摄见向量均与原件向量相对应,则在考勤中为通过。
S05:将考勤情况上传。
所述S05步骤中服务器通过移动网将考勤情况传输至辅导员的移动端app上。
本申请至少具备以下有益效果:
通过每隔一段时间的拍摄,保证了上课期间不会有人长时间缺勤或者早退,且不需要人力去清点,省时省力;通过摄像头拍照进行比对,防止有人上课睡觉,因这样就拍不到脸;通过多个摄像头多角度拍照进行比对,防止有人拿打印好的带有头像的纸张进行蒙混过关,提升考勤准确率。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
需要说明的是,不同实施例可能产生的有益效果不同,在不同的实施例里,可能产生的有益效果可以是以上任意一种或几种的组合,也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,本领域技术人员可以理解,本说明书的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的工序、机器、产品或物质的组合,或对他们的任何新的和有用的改进。相应地,本说明书的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外,本说明书的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。
Claims (7)
1.一种基于图像处理的教学辅助方法,其特征在于,包括:
S01:全班同学各自上传正脸照给服务器,服务器通过CNN卷积神经网络对各自正脸照进行图像特征提取得到原件向量,将提取的原件向量保存至服务器中;
S02:通过分布在教室不同位置的摄像头对教室内学生的正面进行不同角度地拍照得到照片,所述拍照每隔一段时间进行一次;
S03:对得到的照片进行区域选择,从而完成每个人的分割,通过SIFT特征检测对进行处理从而提取图像特征得到拍摄件向量;
S04:将同一时间不同角度拍摄得到的拍摄件向量各自与服务器中的原件向量进行对比,得到考勤情况;
S05:将考勤情况上传。
2.根据权利要求1所述的一种方法,其特征在于:
所述S01中全班同学通过手机移动网、电脑网络等手段上传各自正脸照。
3.根据权利要求1所述的一种方法,其特征在于:
所述S02中的摄像头分布在教室前方的两侧,任意所述摄像头均面向自身所在地方的教室对角方向。
4.根据权利要求1所述的一种方法,其特征在于:
所述S04步骤中同一时间不同角度拍摄得到的影片提取出来的拍摄见向量均与原件向量相对应,则在考勤中为通过。
5.根据权利要求1所述的一种方法,其特征在于:
所述S05步骤中服务器通过移动网将考勤情况传输至辅导员的移动端app上。
6.一种基于图像处理的教学辅助系统,其特征在于,包括:
原件存储模块:用于存储全班学生上传的正脸照;
原件分析模块:用于将全班学生上传的正脸照进行特征提取得到原件向量;
拍摄件存储模块:用于存储摄像头拍摄得到的照片;
拍摄件分析模块:将得到的照片进行区域选择和SIFT特征检测得到拍摄件向量;
考勤判断模块:将摄件向量与原件向量相比对,判断是否为本人,并以此进行考勤判断;
摄像头:用于在教室内拍照;
客户端:用于接收考勤情况。
7.根据权利要求6所述的一种系统,其特征在于:
还包括处理器以及存储介质,所述存储介质用于存储计算机指令,所述处理器用于执行所述计算机指令中的至少一部分以实现如权利要求1~5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010630395.9A CN111753798A (zh) | 2020-07-03 | 2020-07-03 | 一种基于图像处理的教学辅助系统及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010630395.9A CN111753798A (zh) | 2020-07-03 | 2020-07-03 | 一种基于图像处理的教学辅助系统及其方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111753798A true CN111753798A (zh) | 2020-10-09 |
Family
ID=72678905
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010630395.9A Pending CN111753798A (zh) | 2020-07-03 | 2020-07-03 | 一种基于图像处理的教学辅助系统及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111753798A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107392179A (zh) * | 2017-08-11 | 2017-11-24 | 安徽辉墨教学仪器有限公司 | 一种基于人脸识别的教学考勤方法 |
CN107423707A (zh) * | 2017-07-25 | 2017-12-01 | 深圳帕罗人工智能科技有限公司 | 一种基于复杂环境下的人脸情绪识别方法 |
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 |
CN109741477A (zh) * | 2018-12-27 | 2019-05-10 | 深圳市商汤科技有限公司 | 考勤管理系统、方法及电子设备 |
CN110543867A (zh) * | 2019-09-09 | 2019-12-06 | 北京航空航天大学 | 一种多摄像头条件下的人群密度估测系统及方法 |
KR20190137384A (ko) * | 2018-06-01 | 2019-12-11 | 서울대학교산학협력단 | 출석 확인 시스템 및 방법 |
-
2020
- 2020-07-03 CN CN202010630395.9A patent/CN111753798A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107423707A (zh) * | 2017-07-25 | 2017-12-01 | 深圳帕罗人工智能科技有限公司 | 一种基于复杂环境下的人脸情绪识别方法 |
CN107392179A (zh) * | 2017-08-11 | 2017-11-24 | 安徽辉墨教学仪器有限公司 | 一种基于人脸识别的教学考勤方法 |
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 |
KR20190137384A (ko) * | 2018-06-01 | 2019-12-11 | 서울대학교산학협력단 | 출석 확인 시스템 및 방법 |
CN109741477A (zh) * | 2018-12-27 | 2019-05-10 | 深圳市商汤科技有限公司 | 考勤管理系统、方法及电子设备 |
CN110543867A (zh) * | 2019-09-09 | 2019-12-06 | 北京航空航天大学 | 一种多摄像头条件下的人群密度估测系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Swaminathan et al. | Digital image forensics via intrinsic fingerprints | |
US9652663B2 (en) | Using facial data for device authentication or subject identification | |
Hsu et al. | Camera response functions for image forensics: an automatic algorithm for splicing detection | |
Zhang et al. | Detecting and extracting the photo composites using planar homography and graph cut | |
US20230316444A1 (en) | High definition camera and image recognition system for criminal identification | |
Galdi et al. | SOCRatES: A Database of Realistic Data for SOurce Camera REcognition on Smartphones. | |
WO2019137178A1 (zh) | 人脸活体检测 | |
US20110142299A1 (en) | Recognition of faces using prior behavior | |
KR20200116138A (ko) | 안면 인식을 위한 방법 및 시스템 | |
CN109871845B (zh) | 证件图像提取方法及终端设备 | |
CN109377494B (zh) | 一种用于图像的语义分割方法和装置 | |
Taspinar et al. | Camera fingerprint extraction via spatial domain averaged frames | |
US20130070115A1 (en) | Feature Data Compression Device, Multi-Directional Face Detection System and Detection Method Thereof | |
WO2023098045A1 (zh) | 图像对齐方法、装置、计算机设备和存储介质 | |
Zhao et al. | Computationally efficient demosaicing filter estimation for forensic camera model identification | |
CN110674800A (zh) | 一种人脸活体检测方法、装置、电子设备及存储介质 | |
Bellavia et al. | Experiencing with electronic image stabilization and PRNU through scene content image registration | |
Chen et al. | Detecting anti-forensic attacks on demosaicing-based camera model identification | |
CN110766077A (zh) | 证据链图像中特写图筛选方法、装置和设备 | |
US11176363B2 (en) | System and method of training a classifier for determining the category of a document | |
Rodriguez et al. | Covering the space of tilts. application to affine invariant image comparison | |
CN112348008A (zh) | 证件信息的识别方法、装置、终端设备及存储介质 | |
Ni et al. | Recaptured Images Forensics Based On Color Moments and DCT Coefficients Features. | |
CN111753798A (zh) | 一种基于图像处理的教学辅助系统及其方法 | |
CN111428740A (zh) | 网络翻拍照片的检测方法、装置、计算机设备及存储介质 |
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 |