CN114445052A - 基于区块链的智慧教育学生出勤大数据统计方法及系统 - Google Patents
基于区块链的智慧教育学生出勤大数据统计方法及系统 Download PDFInfo
- Publication number
- CN114445052A CN114445052A CN202210357538.2A CN202210357538A CN114445052A CN 114445052 A CN114445052 A CN 114445052A CN 202210357538 A CN202210357538 A CN 202210357538A CN 114445052 A CN114445052 A CN 114445052A
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- attendance
- similarity
- students
- carrying
- 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
- 238000007619 statistical method Methods 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 54
- 238000001514 detection method Methods 0.000 claims abstract description 21
- 238000003708 edge detection Methods 0.000 claims abstract description 15
- 238000005516 engineering process Methods 0.000 claims abstract description 11
- 238000007689 inspection Methods 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000003068 static effect Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 235000021167 banquet Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- 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
- 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
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明提出了一种基于区块链的智慧教育学生出勤大数据统计方法及系统,涉及生物识别算法领域。一种基于区块链的智慧教育学生出勤大数据统计方法包括:获取课堂图像,并利用多尺度图像加强技术对课堂图像进行优化处理;利用多人脸识别方法交叉互验的方式对人脸进行第一次识别;利用声纹识别方法对课堂发言的学生进行第二次判别,检测到学生发言并计入学生实际出勤;当人脸识别及声纹识别均未能识别出的情形,则利用基于多边缘检测算子的相似度检测方式对学生指纹进行第三次识别,将识别出来的出勤学生名单上传。其能够在出勤统计的过程中利用了区块链的思想,让教师、学生共同作为见证人,更深层次的确保了出勤结果的可靠性。
Description
技术领域
本发明涉及生物识别算法领域,具体而言,涉及一种基于区块链的智慧教育学生出勤大数据统计方法及系统。
背景技术
课堂考勤是高校教学活动中一项重要任务,是保证高校教学质量的重要举措。目前,高校课堂考勤主要包括教师或班委人工考勤、接触式设备考勤、微信面对面签到、手机APP签到、二维码签到等方式,但是存在一定的局限性:占用课堂时间长,考勤效率低;学生代签情况普遍存在,无法真实反应学生出勤情况;考勤结果无法实时共享和反馈。
因此,学生出勤情况一直是智慧教育中的重点关注问题,如果能够有效地对学生出勤情况进行统计,就可以更好地对学生的学习情况进行监督。传统的出勤检测往往通过课堂点名、签到等方式来完成,需要占用较多的课堂时间,而且代签、代答到等情况时有出现、
目前的学生识别的考勤方法主要为采用传统的分析法对检测到的人脸进行识别。然而实际情况中,考勤人员数量较多,在进行人脸识别时的背景简单、光照稳定、人脸表情单一,然而在实际考勤中,考勤人员较多,背景、光照、姿态和表情等变化非常复杂,传统的基于主成分分析的人脸识别方法在实际复杂情况下识别率较差。且仅采用人脸识别进行出勤检测的话也会存在一定的检测误差。
因此,提出一种多层次识别检测的智慧教育学生出勤大数据统计方法有非常重要的价值和意义。
发明内容
本发明的目的在于提供一种基于区块链的智慧教育学生出勤大数据统计方法,其能够在出勤统计的过程中利用了区块链的思想,让教师、学生共同作为见证人,更深层次的确保了出勤结果的可靠性。
本发明的另一目的在于提供一种基于区块链的智慧教育学生出勤大数据统计系统,其能够运行一种基于区块链的智慧教育学生出勤大数据统计方法。
本发明的实施例是这样实现的:
第一方面,本申请实施例提供一种基于区块链的智慧教育学生出勤大数据统计方法,其包括获取课堂图像,并利用多尺度图像加强技术对课堂图像进行优化处理;利用多人脸识别方法交叉互验的方式对人脸进行第一次识别;利用声纹识别方法对课堂发言的学生进行第二次判别,检测到学生发言并计入学生实际出勤;当人脸识别及声纹识别均未能识别出的情形,则利用基于多边缘检测算子的相似度检测方式对学生指纹进行第三次识别;将识别出来的出勤学生名单,分别上传至班级内部的网络系统及区块链中。
在本发明的一些实施例中,上述获取课堂图像,并利用多尺度图像加强技术对课堂图像进行优化处理包括:对图像进行3个不同尺度的高斯模糊,然后将模糊后的图像分别和原图做减法,得到不同程度的细节信息,将不同程度的细节信息加权到原图中,得到含有丰富细节信息的加强图像。
在本发明的一些实施例中,上述利用基于多边缘检测算子的相似度检测方式对学生指纹进行第三次识别包括:选择学生的任一档案指纹作为当前档案指纹,对当前档案指纹与待识别指纹分别进行细节点特征划分,并构建细节点对,计算当前档案指纹和待识别指纹的第一相似度和第二相似度,其中,第一相似度通过对细节点对进行柱形编码计算而得,第二相似度通过对细节点对进行带权值的柱形编码计算而得;将第一相似度和第二相似度进行融合,得出当前档案指纹与待识别指纹的最终相似度。
在本发明的一些实施例中,上述还包括:对当前档案指纹的细节点和待识别指纹的细节点分别进行柱形编码,将柱形编码二值化,得到二进制串,分别对细节点对的二进制串异或后求1的个数,得到局部第一相似度,基于细节点对的兼容性修改局部第一相似度,从而计算出第一相似度;对当前档案指纹的细节点和待识别指纹的细节点分别进行柱形编码,将柱形编码二值化,得到二进制串,分别对细节点对的二进制串赋予特定的权值,然后对二进制串异或后求1的个数,得到局部第二相似度,基于上述细节点对的兼容性修改局部第二相似度,从而计算出第二相似度;其中,权值通过在进行柱形编码时对细节点对建立的柱形结构中的单元格所在的位置确定。
在本发明的一些实施例中,上述利用基于多边缘检测算子的相似度检测方式对学生指纹进行识别包括:利用Canny算子对任一同学新录入指纹图像和所有同学的基准指纹图像进行过滤,对过滤的结果分别进行哈希编码,然后进行相似度计算,判定具体出勤情况。
在本发明的一些实施例中,上述还包括:利用Prewitt算子对任一同学的新录入指纹图像和所有同学的基准指纹图像进行过滤,对过滤的结果分别进行哈希编码,然后进行相似度计算,判定具体出勤情况。
在本发明的一些实施例中,上述还包括:利用Sobel算子对某位同学的新录入指纹图像和所有同学的基准指纹图像进行过滤,对过滤的结果分别进行哈希编码,然后进行相似度计算,判定具体出勤情况。
第二方面,本申请实施例提供一种基于区块链的智慧教育学生出勤大数据统计系统,其包括图像采集模块,用于获取课堂图像,并利用多尺度图像加强技术对课堂图像进行优化处理;
人脸识别模块,用于利用多人脸识别方法交叉互验的方式对人脸进行第一次识别;
声纹识别模块,用于利用声纹识别方法对课堂发言的学生进行第二次判别,检测到学生发言并计入学生实际出勤;
指纹识别模块,用于当人脸识别及声纹识别均未能识别出的情形,则利用基于多边缘检测算子的相似度检测方式对学生指纹进行第三次识别;
传输模块,用于将识别出来的出勤学生名单,分别上传至班级内部的网络系统及区块链中。
在本发明的一些实施例中,上述包括:用于存储计算机指令的至少一个存储器;与上述存储器通讯的至少一个处理器,其中当上述至少一个处理器执行上述计算机指令时,上述至少一个处理器使上述系统执行:图像采集模块、人脸识别模块、声纹识别模块、指纹识别模块及传输模块。
第三方面,本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如一种基于区块链的智慧教育学生出勤大数据统计方法中任一项的方法。
相对于现有技术,本发明的实施例至少具有如下优点或有益效果:
用多人脸识别方法交叉互验的方式对学生人脸进行识别,显著地提升了人脸识别的精准度;利用了基于多边缘检测算子的相似度检测方式对指纹进行识别,显著地提升了指纹识别的精准度;利用了人脸识别、声纹识别、指纹识别相结合的方式,确保了出勤统计的准确性;在出勤统计的过程中利用了区块链的思想,让教师、学生共同作为见证人,更深层次的确保了出勤结果的可靠性。
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为本发明实施例提供的一种基于区块链的智慧教育学生出勤大数据统计方法步骤示意图;
图2为本发明实施例提供的一种基于区块链的智慧教育学生出勤大数据统计系统模块示意图;
图3为本发明实施例提供的一种电子设备。
图标:10-图像采集模块;20-人脸识别模块;30-声纹识别模块;40-指纹识别模块;50-传输模块;101-存储器;102-处理器;103-通信接口。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
需要说明的是,术语“包括”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
下面结合附图,对本申请的一些实施方式作详细说明。在不冲突的情况下,下述的各个实施例及实施例中的各个特征可以相互组合。
实施例1
请参阅图1,图1为本发明实施例提供的一种基于区块链的智慧教育学生出勤大数据统计方法步骤示意图,其如下所示:
学生的基准人脸图像、基准音频信号、基准指纹图像早期就提前收集或者录入。
步骤S100,获取课堂图像,并利用多尺度图像加强技术对课堂图像进行优化处理;
在一些实施方式中,开始上课后,利用摄像设备正面拍摄课堂中的一幅图像,利用多尺度图像加强技术对该图像进行优化处理;
利用多尺度图像加强技术对该图像进行优化处理的具体操作步骤如下:
A1.对图像进行 3 个不同尺度的高斯模糊;
A2.将模糊后的图像分别和原图做减法,得到不同程度的细节信息;
A3.将不同程度的细节信息加权到原图中,得到含有丰富细节信息的加强图像。
步骤S110,利用多人脸识别方法交叉互验的方式对人脸进行第一次识别;
在一些实施方式中,利用多人脸识别方法交叉互验的方式对人脸进行识别。例如,利用Deepface人脸识别模型和FaceNet模型(至少两种方法,更多也可以)分别对该图像进行人脸识别。如果学生的人脸被任意一个方法识别出来,都可以计为该学生实际出勤。
在一些实施方式中,过教室内视频监控获取视频流数据,并发送至所述静态图像生成模块;静态图像生成模块对接收到的视频流数据进行提取得到静态图像,并发送至人脸检测模块;人脸检测模块根据接收到的静态图像检测生成所有的人脸信息,并发送至人脸识别模块进行多人脸识别方法交叉互验。
步骤S120,利用声纹识别方法对课堂发言的学生进行第二次判别,检测到学生发言并计入学生实际出勤;
在一些实施方式中,利用声纹识别方法对课堂发言的学生进行判别,检测到某些学生发言(重点检测上个步骤中没有识别出来的同学),直接计入某些学生实际出勤。
在一些实施方式中,为了提升声纹的识别效果,可以从模型中的某一个模块,或多个模块着手,进行各种策略的优化,尝试获得提升声纹识别的准确性。针对辨识矢量特征提取模块提取得到的辨识矢量特征,包含了一些冗余的信息(如语速、音量、情绪、信道、设备等),影响了说话人特征(如性别、口音、生理结构、发音习惯等)的纯度。因此可以去除辨识矢量特征中的冗余信息,以提升声纹识别的准确性。
在一些实施方式中,原始说话人特征可以是通过说话人特征提取方法提取的原始说话人特征,原始说话人特征,例如i-vector(identifying vector,识别矢量)特征包括一些冗余的信息(如语速、音量、情绪、不同拾音设备的信道),上述标注在原始说话人特征上的标注信息用于表明说话人身份,例如张三、李四等。通过本公开提供的声纹识别模型可以将原始说话人特征中的说话人特征从冗余的信息中提取出来,以保证说话人特征的纯净度,即使辨识矢量特征尽可能最大的表征说话人特征。
步骤S130,当人脸识别及声纹识别均未能识别出的情形,则利用基于多边缘检测算子的相似度检测方式对学生指纹进行第三次识别;
在一些实施方式中,对于步骤S110和S120都未能识别出的学生,利用基于多边缘检测算子的相似度检测方式对学生指纹进行识别(每个学生分别进行指纹识别比对,最后再汇总在一起)。依据指纹识别的结果,可以计某些学生实际出勤;有条件的学校每个桌子上就有指纹录入系统,没条件的学校可以让学生将指纹录入设备传递使用。
在一些实施方式中,对所有的细节点对的第一相似度进行排序,选择前N对细节点对作为匹配细节点对;选取N对细节点对中的任一细节点对作为当前细节点对,依照当前细节点对N对细节点对进行平移,使得当前细节点对重合;
以当前细节点对为中心,将N对细节点对进行旋转,选择特定角度使得N对细节点对之间的距离最小;基于当前细节点对,将N对细节点对平移特定距离,使得N对细节点对之间的距离最小;依据特定角度和特定距离,计算当前细节点对的匹配分数;依次将N对细节点对的每对细节点对进行上述过程;选择匹配分数最高的细节点对作为最后的配准;使用最后的配准的细节对的变换参数,计算所有细节点对的匹配分数,然后将所有细节点对的匹配分数相加,从而得出最终相似度。
权值通过在进行柱形编码时对细节点对建立的柱形结构中的单元格所在的位置确定。通过在进行柱形编码计算时,可以根据细节点周围不同单元格距离细节点中心的距离进行赋值计算,从而提高了指纹识别的准确度,同时,通过可以对细节点对进行配准计算,可以找回在柱形编码中丢失的细节点对,从而提高了整体的指纹识别能力。
在一些实施方式中,利用基于多边缘检测算子的相似度检测方式对学生指纹进行识别的步骤如下:
B1.利用Canny算子对某位同学的新录入指纹图像和所有同学的基准指纹图像进行过滤,对过滤的结果分别进行哈希编码,计算‘某位同学指纹对应的哈希编码’和‘所有同学基准指纹对应的哈希编码’的相似度,来判定具体是哪位同学出勤。如果‘该同学指纹对应的哈希编码’和‘张三同学的基准指纹对应的哈希编码’相似度最高,认定张三出勤;
B2.利用Prewitt算子对某位同学的新录入指纹图像和所有同学的基准指纹图像进行过滤,对过滤的结果分别进行哈希编码,计算‘某位同学指纹对应的哈希编码’和‘所有同学基准指纹对应的哈希编码’的相似度,来判定具体是哪位同学出勤。如果‘该同学指纹对应的哈希编码’和‘张三同学的基准指纹对应的哈希编码’相似度最高,认定张三出勤;
B3.利用Sobel算子对某位同学的新录入指纹图像和所有同学的基准指纹图像进行过滤,对过滤的结果分别进行哈希编码,计算‘某位同学指纹对应的哈希编码’和‘所有同学基准指纹对应的哈希编码’的相似度,来判定具体是哪位同学出勤。如果‘该同学指纹对应的哈希编码’和‘张三同学的基准指纹对应的哈希编码’相似度最高,认定张三出勤;
如果步骤B1、B2、B3中都认定张三出勤,才最终记录张三实际出勤。
步骤S140,将识别出来的出勤学生名单,分别上传至班级内部的网络系统及区块链中。
在一些实施方式中,对于上述步骤识别出来的出勤学生名单,上传到班级内部的网络系统中,班级教师、所有同学都记录下班此课堂出勤的名单,并作为证人证明此课堂有哪些同学完成了出勤,到期末核算成绩、评定优秀个人等使用。
在一些实施方式中,根据人脸识别结果、声纹识别结果以及指纹识别结果,向区块链系统中写入签到记录。在本步骤中,会将人脸识别结果、声纹识别结果以及指纹识别结果和签到时间一起生成区块数据,写入区块链系统。所述区块链系统包括若干个分布式节点,这些节点可能由不同的单位管理的多个服务器组成。
实施例2
请参阅图2,图2为本发明实施例提供的一种基于区块链的智慧教育学生出勤大数据统计系统模块示意图,其如下所示:
图像采集模块10,用于获取课堂图像,并利用多尺度图像加强技术对课堂图像进行优化处理;
人脸识别模块20,用于利用多人脸识别方法交叉互验的方式对人脸进行识别;
声纹识别模块30,用于利用声纹识别方法对课堂发言的学生进行判别,检测到学生发言并计入学生实际出勤;
指纹识别模块40,用于当人脸识别及声纹识别均未能识别出的情形,则利用基于多边缘检测算子的相似度检测方式对学生指纹进行第三次识别;
传输模块50,用于将识别出来的出勤学生名单,分别上传至班级内部的网络系统及区块链中。
如图3所示,本申请实施例提供一种电子设备,其包括存储器101,用于存储一个或多个程序;处理器102。当一个或多个程序被处理器102执行时,实现如上述第一方面中任一项的方法。
还包括通信接口103,该存储器101、处理器102和通信接口103相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器101可用于存储软件程序及模块,处理器102通过执行存储在存储器101内的软件程序及模块,从而执行各种功能应用以及数据处理。该通信接口103可用于与其他节点设备进行信令或数据的通信。
其中,存储器101可以是但不限于,随机存取存储器101(Random Access Memory,RAM),只读存储器101(Read Only Memory,ROM),可编程只读存储器101(ProgrammableRead-Only Memory,PROM),可擦除只读存储器101(Erasable Programmable Read-OnlyMemory,EPROM),电可擦除只读存储器101(Electric Erasable Programmable Read-OnlyMemory,EEPROM)等。
处理器102可以是一种集成电路芯片,具有信号处理能力。该处理器102可以是通用处理器102,包括中央处理器102(Central Processing Unit,CPU)、网络处理器102(Network Processor,NP)等;还可以是数字信号处理器102(Digital Signal Processing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本申请所提供的实施例中,应该理解到,所揭露的方法及系统,也可以通过其它的方式实现。以上所描述的方法及系统实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的方法及系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
另一方面,本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器102执行时实现如上述第一方面中任一项的方法。所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案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中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器101(ROM,Read-Only Memory)、随机存取存储器101(RAM,RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
综上所述,本申请实施例提供的一种基于区块链的智慧教育学生出勤大数据统计方法及系统,用多人脸识别方法交叉互验的方式对学生人脸进行识别,显著地提升了人脸识别的精准度;利用了基于多边缘检测算子的相似度检测方式对指纹进行识别,显著地提升了指纹识别的精准度;利用了人脸识别、声纹识别、指纹识别相结合的方式,确保了出勤统计的准确性;在出勤统计的过程中利用了区块链的思想,让教师、学生共同作为见证人,更深层次的确保了出勤结果的可靠性。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其它的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (10)
1.一种基于区块链的智慧教育学生出勤大数据统计方法,其特征在于,包括:
获取课堂图像,并利用多尺度图像加强技术对课堂图像进行优化处理;
利用多人脸识别方法交叉互验的方式对人脸进行第一次识别;
利用声纹识别方法对课堂发言的学生进行第二次判别,检测到学生发言并计入学生实际出勤;
当人脸识别及声纹识别均未能识别出的情形,则利用基于多边缘检测算子的相似度检测方式对学生指纹进行第三次识别;
将识别出来的出勤学生名单,分别上传至班级内部的网络系统及区块链中。
2.如权利要求1所述的一种基于区块链的智慧教育学生出勤大数据统计方法,其特征在于,所述获取课堂图像,并利用多尺度图像加强技术对课堂图像进行优化处理包括:
对图像进行3个不同尺度的高斯模糊,然后将模糊后的图像分别和原图做减法,得到不同程度的细节信息,将不同程度的细节信息加权到原图中,得到含有丰富细节信息的加强图像。
3.如权利要求1所述的一种基于区块链的智慧教育学生出勤大数据统计方法,其特征在于,所述利用基于多边缘检测算子的相似度检测方式对学生指纹进行第三次识别包括:
选择学生的任一档案指纹作为当前档案指纹,对当前档案指纹与待识别指纹分别进行细节点特征划分,并构建细节点对,计算当前档案指纹和待识别指纹的第一相似度和第二相似度;
其中,第一相似度通过对细节点对进行柱形编码计算而得,第二相似度通过对细节点对进行带权值的柱形编码计算而得;
将第一相似度和第二相似度进行融合,得出当前档案指纹与待识别指纹的最终相似度。
4.如权利要求3所述的一种基于区块链的智慧教育学生出勤大数据统计方法,其特征在于,还包括:
对当前档案指纹的细节点和待识别指纹的细节点分别进行柱形编码,将柱形编码二值化,得到二进制串,分别对细节点对的二进制串异或后求1的个数,得到局部第一相似度,基于细节点对的兼容性修改局部第一相似度,从而计算出第一相似度;
对当前档案指纹的细节点和待识别指纹的细节点分别进行柱形编码,将柱形编码二值化,得到二进制串,分别对细节点对的二进制串赋予特定的权值,然后对二进制串异或后求1的个数,得到局部第二相似度,基于上述细节点对的兼容性修改局部第二相似度,从而计算出第二相似度;
其中,权值通过在进行柱形编码时对细节点对建立的柱形结构中的单元格所在的位置确定。
5.如权利要求2所述的一种基于区块链的智慧教育学生出勤大数据统计方法,其特征在于,所述利用基于多边缘检测算子的相似度检测方式对学生指纹进行识别包括:
利用Canny算子对任一同学新录入指纹图像和所有同学的基准指纹图像进行过滤,对过滤的结果分别进行哈希编码,然后进行相似度计算,判定具体出勤情况。
6.如权利要求5所述的一种基于区块链的智慧教育学生出勤大数据统计方法,其特征在于,还包括:
利用Prewitt算子对任一同学的新录入指纹图像和所有同学的基准指纹图像进行过滤,对过滤的结果分别进行哈希编码,然后进行相似度计算,判定具体出勤情况。
7.如权利要求5所述的一种基于区块链的智慧教育学生出勤大数据统计方法,其特征在于,还包括:
利用Sobel算子对某位同学的新录入指纹图像和所有同学的基准指纹图像进行过滤,对过滤的结果分别进行哈希编码,然后进行相似度计算,判定具体出勤情况。
8.一种基于区块链的智慧教育学生出勤大数据统计系统,其特征在于,包括:
图像采集模块,用于获取课堂图像,并利用多尺度图像加强技术对课堂图像进行优化处理;
人脸识别模块,用于利用多人脸识别方法交叉互验的方式对人脸进行第一次识别;
声纹识别模块,用于利用声纹识别方法对课堂发言的学生进行第二次判别,检测到学生发言并计入学生实际出勤;
指纹识别模块,用于当人脸识别及声纹识别均未能识别出的情形,则利用基于多边缘检测算子的相似度检测方式对学生指纹进行第三次识别;
传输模块,用于将识别出来的出勤学生名单,分别上传至班级内部的网络系统及区块链中。
9.如权利要求8所述的一种基于区块链的智慧教育学生出勤大数据统计系统,其特征在于,包括:
用于存储计算机指令的至少一个存储器;
与所述存储器通讯的至少一个处理器,其中当所述至少一个处理器执行所述计算机指令时,所述至少一个处理器使所述系统执行:图像采集模块、人脸识别模块、声纹识别模块、指纹识别模块及传输模块。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210357538.2A CN114445052A (zh) | 2022-04-07 | 2022-04-07 | 基于区块链的智慧教育学生出勤大数据统计方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210357538.2A CN114445052A (zh) | 2022-04-07 | 2022-04-07 | 基于区块链的智慧教育学生出勤大数据统计方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114445052A true CN114445052A (zh) | 2022-05-06 |
Family
ID=81359858
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210357538.2A Pending CN114445052A (zh) | 2022-04-07 | 2022-04-07 | 基于区块链的智慧教育学生出勤大数据统计方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114445052A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115131110A (zh) * | 2022-08-30 | 2022-09-30 | 北京海上升科技有限公司 | 一种基于区块链的智慧交通共享汽车智能应用方法及系统 |
CN115147253A (zh) * | 2022-09-01 | 2022-10-04 | 北京吉道尔科技有限公司 | 基于区块链的智慧校园图书大数据借阅管理方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2504325A (en) * | 2012-07-26 | 2014-01-29 | Zaid Nazzal Al-Shammari | A system and method for monitoring students attendance |
CN103793696A (zh) * | 2014-02-12 | 2014-05-14 | 北京海鑫科金高科技股份有限公司 | 指纹识别方法及其系统 |
CN111915755A (zh) * | 2020-08-13 | 2020-11-10 | 安徽天达网络科技有限公司 | 一种基于人工智能的图像预判的快捷课堂考勤方法和系统 |
CN113469002A (zh) * | 2021-06-24 | 2021-10-01 | 淮阴工学院 | 基于区块链互证和生物多特征识别及多源数据融合的身份识别方法 |
CN113656761A (zh) * | 2021-08-10 | 2021-11-16 | 深圳壹账通智能科技有限公司 | 基于生物识别技术的业务处理方法、装置和计算机设备 |
-
2022
- 2022-04-07 CN CN202210357538.2A patent/CN114445052A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2504325A (en) * | 2012-07-26 | 2014-01-29 | Zaid Nazzal Al-Shammari | A system and method for monitoring students attendance |
CN103793696A (zh) * | 2014-02-12 | 2014-05-14 | 北京海鑫科金高科技股份有限公司 | 指纹识别方法及其系统 |
CN111915755A (zh) * | 2020-08-13 | 2020-11-10 | 安徽天达网络科技有限公司 | 一种基于人工智能的图像预判的快捷课堂考勤方法和系统 |
CN113469002A (zh) * | 2021-06-24 | 2021-10-01 | 淮阴工学院 | 基于区块链互证和生物多特征识别及多源数据融合的身份识别方法 |
CN113656761A (zh) * | 2021-08-10 | 2021-11-16 | 深圳壹账通智能科技有限公司 | 基于生物识别技术的业务处理方法、装置和计算机设备 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115131110A (zh) * | 2022-08-30 | 2022-09-30 | 北京海上升科技有限公司 | 一种基于区块链的智慧交通共享汽车智能应用方法及系统 |
CN115131110B (zh) * | 2022-08-30 | 2023-12-05 | 北京海上升科技有限公司 | 一种基于区块链的智慧交通共享汽车智能应用方法及系统 |
CN115147253A (zh) * | 2022-09-01 | 2022-10-04 | 北京吉道尔科技有限公司 | 基于区块链的智慧校园图书大数据借阅管理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3471023B1 (en) | Offline identity authentication method and apparatus | |
CN111046819B (zh) | 一种行为识别处理方法及装置 | |
Cote et al. | Video summarization for remote invigilation of online exams | |
CN114445052A (zh) | 基于区块链的智慧教育学生出勤大数据统计方法及系统 | |
WO2014068567A1 (en) | Method and system for predicting personality traits, capabilities and suggested interactions from images of a person | |
US20190147218A1 (en) | User specific classifiers for biometric liveness detection | |
US10423817B2 (en) | Latent fingerprint ridge flow map improvement | |
Chandran et al. | Missing child identification system using deep learning and multiclass SVM | |
CN111738199A (zh) | 图像信息验证方法、装置、计算装置和介质 | |
Soltane et al. | A smart system to detect cheating in the online exam | |
CN115798020A (zh) | 一种基于人工智能的中小学生学习投入度检测方法与系统 | |
CN114443898B (zh) | 一种面向互联网智慧教育的视频大数据推送方法 | |
CN112215076B (zh) | 一种基于双塔网络的深度笔迹鉴定方法及装置 | |
CN115862638A (zh) | 基于区块链的金融交易操作及大数据安全存储方法和系统 | |
Dang et al. | Development of facial expression recognition for training video customer service representatives | |
Liu et al. | Composite face sketch recognition based on components | |
Pradeesh et al. | Fast and reliable group attendance marking system using face recognition in classrooms | |
Liu | Fingerprint analysis and singular point definition by deep neural network | |
Madake et al. | Vision-based Monitoring of Student Attentiveness in an E-Learning Environment | |
JP7420578B2 (ja) | 帳票仕分システム、帳票仕分方法、及びプログラム | |
Ahlawat et al. | Online invigilation: A holistic approach | |
CN109190556B (zh) | 一种公证意愿真实性鉴别方法 | |
Nabi et al. | A Comprehensive Face Recognition Solution for Attendance and Social Security System Using CNN | |
CN118071551A (zh) | 基于人工智能的智慧课堂学生参与度多维评估方法及系统 | |
Pandey et al. | Smart system for attendance |
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 |
Application publication date: 20220506 |
|
RJ01 | Rejection of invention patent application after publication |