CN112734966B - 一种融合WiFi数据与人脸识别的课堂点名方法 - Google Patents
一种融合WiFi数据与人脸识别的课堂点名方法 Download PDFInfo
- Publication number
- CN112734966B CN112734966B CN202011636588.1A CN202011636588A CN112734966B CN 112734966 B CN112734966 B CN 112734966B CN 202011636588 A CN202011636588 A CN 202011636588A CN 112734966 B CN112734966 B CN 112734966B
- Authority
- CN
- China
- Prior art keywords
- wifi
- classroom
- face
- student
- wireless router
- 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
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
- 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
-
- 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—Systems or methods specially adapted for 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/32—Normalisation of the pattern dimensions
-
- 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
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本发明公开了一种融合WiFi数据与人脸识别的课堂点名方法,当学生手持WiFi终端进入某个教室上课时,WiFi无线路由器能获取该WiFi终端的物理地址及与WiFi终端之间的信号强度;最终根据信号强度确定当前WiFi终端所处的教室编号,并根据获取的物理地址在学生信息原始数据库中找出其对应的学生信息,初步确定该学生处于当前教室编号内;接着通过该教室内的摄像头进行拍摄,获取教室实时图像并采用MTCNN神经网络和深度网络进行人脸识别比对,若比对成功,则最终确定该学生处于当前教室编号内,接着再次进行拍摄及人脸识别,直至比对不成功,获取该学生在当前教室内的停留时间,完成点名过程,从而不仅能快捷完成点名工作,又能监控到代人签到及中途离开的情况。
Description
技术领域
本发明涉及一种自动课堂点名方法,具体是一种融合WiFi数据与人脸识别的课堂点名方法。
背景技术
在大学课堂中,最原始的点名方式是打印一份课堂学生名单,然后老师将名单中所有学生读一遍,从而确认是否来上课。这种方式,可以获得出勤表,但是会耗费人力和宝贵的课堂时间,效率低下,除此之外,还有可能出现代人签到的现象。
随着智能手机的普及,目前已经出现了使用手机连接WiFi的签到方式。其工作原理是通过上传签到用户的ID与签到使用的智能手持设备的IMEI号进行签到,但是这种方法的不足是会出现用户A带着用户B的智能手持设备代人签到的现象,无法准确判断签到人员的真实性。另外现在学校在每个学生入学时,均会采集学生的照片,用做档案或毕业等用途。一般都会将这些学生的人脸照片和对应的身份信息(姓名、学号、性别、学院、专业、班级、手机号码、手机的物理地址、电子邮件、即时通讯工具账号)存入数据数据库,称为学生信息原始数据库。如果学生信息发生变更,应第一时间申请更新。
因此如何能有效利用学生信息原始数据库实现既能方便的、快捷的点名流程,又能防止代人签到的情况发生,是所需研究的方向。
发明内容
针对上述现有技术存在的问题,本发明提供一种融合WiFi数据与人脸识别的课堂点名方法,通过利用学生信息原始数据进行WiFi数据与人脸识别双重验证,从而不仅能快捷的实现点名工作,又能监控到代人签到及中途离开情况。
为了实现上述目的,本发明采用的技术方案是:一种融合WiFi数据与人脸识别的课堂点名方法,具体步骤为:
A、确定初始数据:在每个教室中均设有一个WiFi无线路由器和一个摄像头,并将各个WiFi无线路由器通过网络连接存储学生信息原始数据库的服务器;同时对各个WiFi无线路由器进行标记确定其对应的教室编号;同时将学生信息原始数据库中各个学生的人脸照片分别利用深度网络进行处理,从而得到提取特征后的人脸特征距离,这些人脸特征距离构成人脸特征库;
B、进行WiFi数据验证:当学生持有WiFi终端进入任意一个教室时,WiFi终端会与当前教室内WiFi无线路由器及周围教室内的WiFi无线路由器进行通信连接,各个WiFi无线路由器均能获取该WiFi终端的物理地址及各自与WiFi终端之间的信号强度;将各个WiFi无线路由器获取的同一WiFi终端的信号强度进行比较,确定信号强度最大的WiFi无线路由器所对应的教室编号为该WiFi终端所处的教室编号;然后通过读取学生信息原始数据库确定该WiFi终端的物理地址对应的学生姓名及该学生在人脸特征库内的人脸特征距离,初步确定该学生处于获取的教室编号内,接着进入步骤C;
C、进行人脸识别再验证:通过步骤B获取的教室编号,控制其内部的摄像头进行拍摄,从而获取当前教室内各个学生的人脸图片,通过深度网络将获取的人脸图片与步骤B确定的该学生在人脸特征库内的人脸特征距离进行识别比对,若首次比对成功,则最终确定该学生处于当前教室内,并间隔一定时间后再次通过摄像头拍摄图片进行比对,直至比对不成功,获取该学生在当前教室内的停留时间,完成点名过程;若首次比对不成功,则确定该学生未处于当前教室内,说明存在代替签到,将该情况记录后完成点名过程。
进一步,所述WiFi终端与WiFi无线路由器进行通信连接的具体过程为:
(1)若WiFi无线路由器工作在被动扫描模式,则当学生持有WiFi终端进入教室时,WiFi终端将周期性发出WiFi无线路由器探寻帧;WiFi无线路由器接收到WiFi终端的探寻帧后,向WiFi终端回应一个响应帧,根据WiFi标准,探寻帧和响应帧均为管理帧,其帧格式中将会携带各自的物理地址,此时WiFi无线路由器接收到WiFi终端的探寻帧后,能从探寻帧中提取出WiFi终端的物理地址,并测得WiFi信号强度;
(2)若WiFi无线路由器工作在主动扫描模式,则当学生持有WiFi终端进入教室时,WiFi无线路由器将周期性发出WiFi终端探寻帧;WiFi终端接收到WiFi无线路由器的探寻帧后,向WiFi无线路由器回应一个响应帧,根据WiFi标准,探寻帧和响应帧均为管理帧,其帧格式中将会携带各自的物理地址,此时WiFi无线路由器接收到WiFi终端的响应帧后,能从响应帧中提取出WiFi终端的物理地址,并测得WiFi信号强度。
进一步,所述步骤C的具体过程为:
①图像采集及预处理:先设定拍摄间隔时间,然后使当前教室内摄像头按照设定的间隔时间进行周期性拍摄,将每次拍摄的图片采用已知的预处理方法进行初步处理,并将初步处理后的照片进行特征金字塔变换,完成预处理工作;这样为后续人脸检测能获取不同大小的人脸数据,并方便后续提供足够多的不同尺寸的图片;
②人脸检测:将经过预处理后的照片送入到MTCNN神经网络中的Pnet网络,生成若干人脸候选框,这些人脸候选框的坐标都是相对于原图的;将人脸候选框截出来的图片传入到MTCNN神经网络中的Rnet网络,对图片中是否真实存在人脸进行判断和评分,并对原有人脸候选框进行修正,获得相对正确的人脸候选框;最后,将修正后的人脸候选框截取出来送入到MTCNN神经网络中的Onet网络,对图片中是否真实存在人脸进行精细判断和评分,同时对人脸候选框进行修正,从而输出可用于识别人脸的图片;
③图片裁剪:将步骤②处理后的图片标注出各个学生面部信息的预测框,将标注出来的部分进行裁剪,获得每个裁剪后的学生面部图像;
④将裁剪后各个学生面部图像经过特征归一化处理后输入到深度网络(深度网络为已知的Inception-ResNet-v1)中,深度网络将人脸映射到欧式空间的特征向量上,计算获得各个学生面部图像的人脸特征距离,最后将步骤B确定的该学生在人脸特征库内的人脸特征距离依次与计算获得的各个学生面部图像的人脸特征距离进行首次比对,若其中任意一个比对成功,则最终确定该学生处于当前教室内,并等待设定的拍摄间隔时间后,再次重复步骤①至④进行再次比对,直至比对不成功,获取该学生在当前教室内的停留时间,完成点名过程;若首次比对不成功,则确定该学生未处于当前教室内,说明存在代替签到,将该情况记录后完成点名过程。
与现有技术相比,本发明采用WiFi数据与人脸识别双重验证的方式,利用学校服务器已经存储的学生信息原始数据库,当学生手持WiFi终端进入某个教室上课时,WiFi终端与该教室内及周围教室内的WiFi无线路由器进行通信连接,使各个WiFi无线路由器均能自动获取该WiFi终端的物理地址及各自与WiFi终端之间的信号强度;最终根据信号强度确定当前WiFi终端所处的教室编号,并根据获取的物理地址在学生信息原始数据库中找出其对应的学生姓名及该学生在人脸特征库内的人脸特征距离,完成WiFi数据验证,初步确定该学生处于当前教室编号内;接着通过该教室内的摄像头进行拍摄,获取教室实时图像,然后进行图像预处理并采用MTCNN神经网络进行人脸检测,将图像中的人脸图像提取并进行裁剪,最后将各个学生面部信息图像通过深度网络与该学生在人脸特征库内的人脸特征距离进行比对,若首次比对成功,则最终确定该学生处于当前教室编号内,接着等待设定的拍摄间隔时间后,再次进行拍摄及人脸识别,直至比对不成功,获取该学生在当前教室内的停留时间,完成点名过程;若首次比对不成功,则确定该学生未处于当前教室内,说明存在代替签到,将该情况记录后完成点名过程。因此本发明通过利用学生信息原始数据进行WiFi数据与人脸识别双重验证,从而不仅能快捷的实现点名工作,又能监控到代人签到及中途离开的情况。
附图说明
图1是本发明的整体流程示意图;
图2是本发明中MTCNN神经网络的网络结构示意图;
图3是本发明中人脸识别的网络结构示意图。
具体实施方式
下面将对本发明作进一步说明。
如图1所示,本发明摆脱了传统的费时费力的点名方法,将定位技术与面部识别技术进行结合,有效解决了定位点名一人携带多部手机代替出勤和面部识别点名摄像头拍摄不清,识别度不高等问题,具体步骤为:
A、确定初始数据:在每个教室中均设有一个WiFi无线路由器和一个摄像头,并将各个WiFi无线路由器通过网络连接存储学生信息原始数据库的服务器;同时对各个WiFi无线路由器进行标记确定其对应的教室编号;同时将学生信息原始数据库中各个学生的人脸照片分别利用深度网络进行处理,从而得到提取特征后的人脸特征距离,这些人脸特征距离构成人脸特征库;
B、进行WiFi数据验证:当学生持有WiFi终端(即智能手机)进入任意一个教室时,WiFi终端会与当前教室内WiFi无线路由器及周围教室内的WiFi无线路由器进行通信连接,各个WiFi无线路由器均能获取该WiFi终端的物理地址及各自与WiFi终端之间的信号强度;将各个WiFi无线路由器获取的同一WiFi终端的信号强度进行比较,确定信号强度最大的WiFi无线路由器所对应的教室编号为该WiFi终端所处的教室编号;然后通过读取学生信息原始数据库确定该WiFi终端的物理地址对应的学生姓名及该学生在人脸特征库内的人脸特征距离,初步确定该学生处于获取的教室编号内,接着进入步骤C;其中WiFi终端与WiFi无线路由器进行通信连接的具体过程为:
(1)若WiFi无线路由器工作在被动扫描模式,则当学生持有WiFi终端进入教室时,WiFi终端将周期性发出WiFi无线路由器探寻帧;WiFi无线路由器接收到WiFi终端的探寻帧后,向WiFi终端回应一个响应帧,根据WiFi标准,探寻帧和响应帧均为管理帧,其帧格式中将会携带各自的物理地址,此时WiFi无线路由器接收到WiFi终端的探寻帧后,能从探寻帧中提取出WiFi终端的物理地址,并测得WiFi信号强度;
(2)若WiFi无线路由器工作在主动扫描模式,则当学生持有WiFi终端进入教室时,WiFi无线路由器将周期性发出WiFi终端探寻帧;WiFi终端接收到WiFi无线路由器的探寻帧后,向WiFi无线路由器回应一个响应帧,根据WiFi标准,探寻帧和响应帧均为管理帧,其帧格式中将会携带各自的物理地址和WiFi信号强度,此时WiFi无线路由器接收到WiFi终端的响应帧后,能从响应帧中提取出WiFi终端的物理地址,并测得WiFi信号强度。
C、进行人脸识别再验证:通过步骤B获取的教室编号,控制其内部的摄像头进行拍摄,从而获取当前教室内各个学生的人脸图片,通过深度网络将获取的人脸图片与步骤B确定的该学生在人脸特征库内的人脸特征距离进行识别比对,若首次比对成功,则最终确定该学生处于当前教室内,并间隔一定时间后再次通过摄像头拍摄图片进行比对,直至比对不成功,获取该学生在当前教室内的停留时间,完成点名过程;若首次比对不成功,则确定该学生未处于当前教室内,说明存在代替签到,将该情况记录后完成点名过程,具体过程为:
①图像采集及预处理:先设定拍摄间隔时间,然后使当前教室内摄像头按照设定的间隔时间进行周期性拍摄,将每次拍摄的图片采用已知的预处理方法进行初步处理后,并将初步处理后照片进行金字塔变换,完成预处理工作;这样为后续人脸检测能获取不同大小的人脸数据,并方便后续提供足够多的不同尺寸的图片;
②人脸检测:如图2所示,将经过预处理后的照片送入到MTCNN神经网络中的Pnet网络,生成若干人脸候选框,这些人脸候选框的坐标都是相对于原图的;将人脸候选框截出来的图片传入到MTCNN神经网络中的Rnet网络,对图片中是否真实存在人脸进行判断和评分,并对原有人脸候选框进行修正,获得相对正确的人脸候选框;最后,将修正后的人脸候选框截取出来送入到MTCNN神经网络中的Onet网络,对图片中是否真实存在人脸进行精细判断和评分,同时对人脸候选框进行修正,从而输出可用于识别人脸的图片;
③图片裁剪:将步骤②处理后的图片标注出各个学生面部信息的预测框,将标注出来的部分进行裁剪,获得每个裁剪后的学生面部图像;
④如图3所示,将裁剪后各个学生面部图像经过特征归一化处理后输入到深度网络(深度网络为已知的Inception-ResNet-v1)中,深度网络将人脸映射到欧式空间的特征向量上,计算获得各个学生面部图像的人脸特征距离,最后将步骤B确定的该学生在人脸特征库内的人脸特征距离依次与计算获得的各个学生面部图像的人脸特征距离进行首次比对,若其中任意一个比对成功,则最终确定该学生处于当前教室内,并等待设定的拍摄间隔时间后,再次重复步骤①至④进行再次比对,直至比对不成功,获取该学生在当前教室内的停留时间,完成点名过程;若首次比对不成功,则确定该学生未处于当前教室内,说明存在代替签到,将该情况记录后完成点名过程。
Claims (3)
1.一种融合WiFi数据与人脸识别的课堂点名方法,其特征在于,具体步骤为:
A、确定初始数据:在每个教室中均设有一个WiFi无线路由器和一个摄像头,并将各个WiFi无线路由器通过网络连接存储学生信息原始数据库的服务器;同时对各个WiFi无线路由器进行标记确定其对应的教室编号;同时将学生信息原始数据库中各个学生的人脸照片分别利用深度网络进行处理,从而得到提取特征后的人脸特征距离,这些人脸特征距离构成人脸特征库;
B、进行WiFi数据验证:当学生持有WiFi终端进入任意一个教室时,WiFi终端会与当前教室内WiFi无线路由器及周围教室内的WiFi无线路由器进行通信连接,各个WiFi无线路由器均能获取该WiFi终端的物理地址及各自与WiFi终端之间的信号强度;将各个WiFi无线路由器获取的同一WiFi终端的信号强度进行比较,确定信号强度最大的WiFi无线路由器所对应的教室编号为该WiFi终端所处的教室编号;然后通过读取学生信息原始数据库确定该WiFi终端的物理地址对应的学生姓名及该学生在人脸特征库内的人脸特征距离,初步确定该学生处于获取的教室编号内,接着进入步骤C;
C、进行人脸识别再验证:通过步骤B获取的教室编号,控制其内部的摄像头进行拍摄,从而获取当前教室内各个学生的人脸图片,通过深度网络将获取的人脸图片与步骤B确定的该学生在人脸特征库内的人脸特征距离进行识别比对,若首次比对成功,则最终确定该学生处于当前教室内,并间隔一定时间后再次通过摄像头拍摄图片进行比对,直至比对不成功,获取该学生在当前教室内的停留时间,完成点名过程;若首次比对不成功,则确定该学生未处于当前教室内,说明存在代替签到,将该情况记录后完成点名过程。
2.根据权利要求1所述的一种融合WiFi数据与人脸识别的课堂点名方法,其特征在于,所述WiFi终端与WiFi无线路由器进行通信连接的具体过程为:
(1)若WiFi无线路由器工作在被动扫描模式,则当学生持有WiFi终端进入教室时,WiFi终端将周期性发出WiFi无线路由器探寻帧;WiFi无线路由器接收到WiFi终端的探寻帧后,向WiFi终端回应一个响应帧,根据WiFi标准,探寻帧和响应帧均为管理帧,其帧格式中将会携带各自的物理地址,此时WiFi无线路由器接收到WiFi终端的探寻帧后,能从探寻帧中提取出WiFi终端的物理地址,并测得WiFi信号强度;
(2)若WiFi无线路由器工作在主动扫描模式,则当学生持有WiFi终端进入教室时,WiFi无线路由器将周期性发出WiFi终端探寻帧;WiFi终端接收到WiFi无线路由器的探寻帧后,向WiFi无线路由器回应一个响应帧,根据WiFi标准,探寻帧和响应帧均为管理帧,其帧格式中将会携带各自的物理地址,此时WiFi无线路由器接收到WiFi终端的响应帧后,能从响应帧中提取出WiFi终端的物理地址,并测得WiFi信号强度。
3.根据权利要求1所述的一种融合WiFi数据与人脸识别的课堂点名方法,其特征在于,所述步骤C的具体过程为:
①图像采集及预处理:先设定拍摄间隔时间,然后使当前教室内摄像头按照设定的间隔时间进行周期性拍摄,将每次拍摄的图片采用已知的预处理方法进行初步处理,并将初步处理后的照片进行特征金字塔变换,完成预处理工作;
②人脸检测:将经过预处理后的照片送入到MTCNN神经网络中的Pnet网络,生成若干人脸候选框,这些人脸候选框的坐标都是相对于原图的;将人脸候选框截出来的图片传入到MTCNN神经网络中的Rnet网络,对图片中是否真实存在人脸进行判断和评分,并对原有人脸候选框进行修正,获得相对正确的人脸候选框;最后,将修正后的人脸候选框截取出来送入到MTCNN神经网络中的Onet网络,对图片中是否真实存在人脸进行精细判断和评分,同时对人脸候选框进行修正,从而输出可用于识别人脸的图片;
③图片裁剪:将步骤②处理后的图片标注出各个学生面部信息的预测框,将标注出来的部分进行裁剪,获得每个裁剪后的学生面部图像;
④将裁剪后各个学生面部图像经过特征归一化处理后输入到深度网络中,深度网络将人脸映射到欧式空间的特征向量上,计算获得各个学生面部图像的人脸特征距离,最后将步骤B确定的该学生在人脸特征库内的人脸特征距离依次与计算获得的各个学生面部图像的人脸特征距离进行首次比对,若其中任意一个比对成功,则最终确定该学生处于当前教室内,并等待设定的拍摄间隔时间后,再次重复步骤①至④进行再次比对,直至比对不成功,获取该学生在当前教室内的停留时间,完成点名过程;若首次比对不成功,则确定该学生未处于当前教室内,说明存在代替签到,将该情况记录后完成点名过程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011636588.1A CN112734966B (zh) | 2020-12-31 | 2020-12-31 | 一种融合WiFi数据与人脸识别的课堂点名方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011636588.1A CN112734966B (zh) | 2020-12-31 | 2020-12-31 | 一种融合WiFi数据与人脸识别的课堂点名方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112734966A CN112734966A (zh) | 2021-04-30 |
CN112734966B true CN112734966B (zh) | 2022-07-05 |
Family
ID=75608648
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011636588.1A Active CN112734966B (zh) | 2020-12-31 | 2020-12-31 | 一种融合WiFi数据与人脸识别的课堂点名方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112734966B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113256834B (zh) * | 2021-06-01 | 2021-09-14 | 杭州魔点科技有限公司 | 高校点名方法和系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105184880A (zh) * | 2015-08-17 | 2015-12-23 | 武汉理工大学 | 一种基于WiFi的签到系统与方法 |
CN105513151A (zh) * | 2015-12-21 | 2016-04-20 | 深圳大学 | 一种课堂考勤方法及系统 |
CN105894414A (zh) * | 2016-05-12 | 2016-08-24 | 重庆大学 | 一种基于wifi 和人脸识别技术的课堂点名方法 |
CN106028467A (zh) * | 2016-07-28 | 2016-10-12 | 张维秀 | 计算机控制方法及系统及移动终端 |
CN107492154A (zh) * | 2017-07-22 | 2017-12-19 | 华中师范大学 | 一种课堂考勤系统及其工作方法 |
CN108428259A (zh) * | 2017-02-13 | 2018-08-21 | 天津市盈飞信息技术有限公司 | 一种考勤方法及其设备 |
CN110163567A (zh) * | 2019-05-08 | 2019-08-23 | 长春师范大学 | 基于多任务级联卷积神经网络的课堂点名系统 |
-
2020
- 2020-12-31 CN CN202011636588.1A patent/CN112734966B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105184880A (zh) * | 2015-08-17 | 2015-12-23 | 武汉理工大学 | 一种基于WiFi的签到系统与方法 |
CN105513151A (zh) * | 2015-12-21 | 2016-04-20 | 深圳大学 | 一种课堂考勤方法及系统 |
CN105894414A (zh) * | 2016-05-12 | 2016-08-24 | 重庆大学 | 一种基于wifi 和人脸识别技术的课堂点名方法 |
CN106028467A (zh) * | 2016-07-28 | 2016-10-12 | 张维秀 | 计算机控制方法及系统及移动终端 |
CN108428259A (zh) * | 2017-02-13 | 2018-08-21 | 天津市盈飞信息技术有限公司 | 一种考勤方法及其设备 |
CN107492154A (zh) * | 2017-07-22 | 2017-12-19 | 华中师范大学 | 一种课堂考勤系统及其工作方法 |
CN110163567A (zh) * | 2019-05-08 | 2019-08-23 | 长春师范大学 | 基于多任务级联卷积神经网络的课堂点名系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112734966A (zh) | 2021-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108885698B (zh) | 人脸识别方法、装置和服务器 | |
CN110443110B (zh) | 基于多路摄像的人脸识别方法、装置、终端及存储介质 | |
JP5873236B2 (ja) | 出席管理方法およびシステム | |
CN107481343A (zh) | 一种基于人脸识别技术的课堂考勤签到系统及其工作方法 | |
CN110348444A (zh) | 基于深度学习的错题收集方法、装置及设备 | |
CN111639629B (zh) | 一种基于图像处理的猪只体重测量方法、装置及存储介质 | |
CN108830559A (zh) | 一种基于人脸识别的考勤方法及装置 | |
CN112487928B (zh) | 基于特征模型的课堂学情实时监测方法与系统 | |
CN112100431B (zh) | Ocr系统的评估方法、装置、设备及可读存储介质 | |
CN108921038A (zh) | 一种基于深度学习人脸识别技术的课堂快速点名签到方法 | |
CN110941992B (zh) | 微笑表情检测方法、装置、计算机设备及存储介质 | |
WO2019210575A1 (zh) | 不动产信息查询方法、装置、计算机设备和存储介质 | |
CN109829995A (zh) | 一种人脸识别课堂签到系统 | |
CN113677409A (zh) | 寻宝游戏引导技术 | |
CN112734966B (zh) | 一种融合WiFi数据与人脸识别的课堂点名方法 | |
CN111325082A (zh) | 一种人员专注度分析方法及装置 | |
CN111738199A (zh) | 图像信息验证方法、装置、计算装置和介质 | |
CN107516285A (zh) | 一种基于蓝牙定位和活体监测的课堂签到方法 | |
CN108446688B (zh) | 人脸图像性别判断方法、装置、计算机设备及存储介质 | |
CN112631333B (zh) | 无人机的目标跟踪方法、装置及图像处理芯片 | |
CN108647613B (zh) | 一种应用于考场的考生查验方法 | |
CN113516167A (zh) | 生物特征识别方法及装置 | |
CN110969715A (zh) | 一种基于动态二维码和gps定位的课堂考勤系统 | |
CN116206373A (zh) | 活体检测方法、电子设备及存储介质 | |
CN112819984B (zh) | 一种基于人脸识别的课堂多人点名签到方法 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220822 Address after: Room 2-1028, Building 2, Sanpower Plaza, No. 26-8, Jiefang South Road, Taishan Street, Quanshan District, Xuzhou City, Jiangsu Province, 221008 Patentee after: Jiangsu Fuyoute Information Technology Co.,Ltd. Address before: 221000 Room 601, unit 2, building 5, Cuihu Xinyu community, Quanshan District, Xuzhou City, Jiangsu Province Patentee before: Hu Qingsong |
|
TR01 | Transfer of patent right |