CN116362707A - 一种基于信息识别的智慧校园考勤数据分析系统及方法 - Google Patents

Abstract

本发明涉及智慧校园技术领域，具体为一种基于信息识别的智慧校园考勤数据分析系统及方法，包括：考勤数据采集模块、数据管理中心、目标筛选模块、设备状态监测模块和考勤方式管理模块，通过考勤数据采集模块采集学生的历史考勤数据，通过数据管理中心存储并管理采集到的全部数据，通过目标筛选模块筛选出当前需要在上课期间通过人脸识别来考勤的识别目标，通过设备状态监测模块监测除识别目标外剩余学生的考勤设备运行状态，预测考勤设备停止运行的时间，通过考勤方式管理模块依据预测结果选择不同的考勤方式对剩余学生进行考勤，避免了他人佩戴学生手环上课导致出现代考勤的问题，预防了学生早退行为，灵活转换考勤方式节省了考勤资源成本。

Description

一种基于信息识别的智慧校园考勤数据分析系统及方法

技术领域

本发明涉及智慧校园技术领域，具体为一种基于信息识别的智慧校园考勤数据分析系统及方法。

背景技术

随着信息化的发展，校园内众多学生的考勤管理越来越复杂，而考勤管理有着举足轻重的作用，关系到学生的期末考评和对学生学习情况的了解；

然而，现有的考勤管理方式仍存在一些问题：校园内的考勤管理方式包括有利用定位手环定位上课期间学生的位置、利用人脸识别设备在上课期间对学生进行考勤等，然而，单独利用定位手环定位学生位置来对学生进行考勤考核时，无法有效避免代考勤问题；其次，若出现定位手环在上课期间没电情况，则无法通过位置数据来获取学生的上课考勤情况，容易出现考勤信息获取失败或错误的现象。

所以，人们需要一种基于信息识别的智慧校园考勤数据分析系统及方法来解决上述问题。

发明内容

本发明的目的在于提供一种基于信息识别的智慧校园考勤数据分析系统及方法，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：一种基于信息识别的智慧校园考勤数据分析系统，所述系统包括：考勤数据采集模块、数据管理中心、目标筛选模块、设备状态监测模块和考勤方式管理模块；

所述考勤数据采集模块的输出端连接所述数据管理中心的输入端，所述数据管理中心的输出端连接所述目标筛选模块的输入端，所述目标筛选模块的输出端连接所述设备状态监测模块的输入端，所述设备状态监测模块的输出端连接所述考勤方式管理模块的输入端；

通过所述考勤数据采集模块采集学生的历史考勤数据和考勤设备的运行数据，将采集到的全部数据传输到所述数据管理中心；

通过所述数据管理中心存储并管理采集到的全部数据；

通过所述目标筛选模块筛选出当前需要在上课期间通过人脸识别来考勤的识别目标；

通过所述设备状态监测模块实时监测除识别目标外剩余学生的考勤设备运行状态，预测考勤设备停止运行的时间；

通过所述考勤方式管理模块依据预测结果选择不同的考勤方式对剩余学生进行考勤。

进一步的，所述考勤数据采集模块包括定位信息采集单元和监控信息采集单元；

所述定位信息采集单元和监控信息采集单元的输出端连接所述数据管理中心的输入端；

所述定位信息采集单元用于利用定位手环在上课期间对学生进行定位，采集学生以往在上课期间的位置信息；

所述监控信息采集单元用于利用监控摄像头对教室内的学生进行人脸识别，采集以往在上课期间教室内的监控信息。

进一步的，所述目标筛选模块包括考勤数据调取单元、识别必要分析单元和识别目标筛选单元；

所述考勤数据调取单元的输入端连接所述数据管理中心的输出端，所述考勤数据调取单元的输出端连接所述识别必要分析单元的输入端，所述识别必要分析单元的输出端连接所述识别目标筛选单元的输入端；

所述考勤数据调取单元用于调取历史考勤数据，统计不同学生在上课期间的实际出勤次数和未出勤次数；

所述识别必要分析单元用于依据历史考勤数据分析在上课期间对不同学生进行人脸识别的必要程度；

所述识别目标筛选单元用于比较对不同学生进行人脸识别的必要程度，依据比较结果筛选出当前需要在上课期间进行人脸识别考勤的识别目标。

进一步的，所述设备状态监测模块包括考勤设备监测单元和无效时间预测单元；

所述考勤设备监测单元的输入端连接所述识别目标筛选单元的输出端，所述考勤设备监测单元的输出端连接所述无效时间预测单元的输入端；

所述考勤设备监测单元用于在上课期间实时监测筛选后剩余学生的定位手环的剩余电量；

所述无效时间预测单元用于预测定位手环在上课期间不同时间段的剩余电量，判断定位手环是否会在上课期间耗尽电量，定位手环电量耗尽会导致定位无效。

进一步的，所述考勤方式管理模块包括转换对象筛选单元和考勤方式转换单元；

所述转换对象筛选单元的输入端连接所述无效时间预测单元的输出端，所述转换对象筛选单元的输出端连接所述考勤方式转换单元的输入端；

所述转换对象筛选单元用于筛选出佩戴会在下课前电量耗尽的定位手环的学生作为转换对象，在定位手环电量耗尽前将对应学生的考勤设备转换为监控摄像头；

所述考勤方式转换单元用于转换筛选出的转换对象的考勤方式：利用监控摄像头对转换对象进行人脸识别。

一种基于信息识别的智慧校园考勤数据分析方法，包括以下步骤：

Z1：采集学生的历史考勤数据和考勤设备的运行数据；

Z2：筛选出当前需要在上课期间通过人脸识别来考勤的识别目标；

Z3：实时监测除识别目标外剩余学生的考勤设备运行状态，预测考勤设备停止运行的时间；

Z4：依据预测结果选择不同的考勤方式对剩余学生进行考勤。

进一步的，在步骤Z1中：利用定位手环在上课期间对学生进行定位，利用监控摄像头对教室内的学生进行人脸识别，结合定位数据和人脸识别数据判断学生的实际出勤次数，若定位到学生在上课期间在所在教室范围内且人脸识别到该学生在教室内，记为实际出勤一次，采集到课程相同且在同一教室上课的学生以往的实际出勤次数集合为D＝{D₁，D₂，...，D_f}，未出勤次数集合为d＝{d₁，d₂，...，d_f}，其中，f表示课程相同且在同一教室上课的学生数量。

进一步的，在步骤Z2中：调取学生的历史考勤数据，根据公式Q_i＝(D_i+d_i)/D_i计算在上课期间对随机一个学生进行人脸识别考勤的必要程度Q_i，得到在上课期间对不同学生进行人脸识别考勤的必要程度集合为Q＝{Q₁，

Q₂，…，Q_i，…，Q_f}，将学生按必要程度从大到小的顺序进行排列并分为m组，其中，对第m-1组中每一个学生进行人脸识别考勤的必要程度都大于第m组，根据公式

选择最佳的分组结果，其中，W_v表示随机一种分组结果的优度，j＝1，2，…，m，j表示第j个组，共有m个组，Q_j ^’表示随机一种分组结果中m组中的第j组学生对应的必要程度均值，v表示第v种分组结果，v＝1，2，…，p，共有p种分组结果，通过相同计算方式得到p种分组结果的优度，比较p种分组结果的优度，选择优度最高的分组结果作为最佳的分组结果，得到最佳的分组结果中每组学生对应的必要程度均值集合为w＝{w₁，w₂，…，w_m}，设置必要程度阈值为w^’，w^’＝(∑^m _e＝1(w_e))/m，比较每组学生对应的必要程度均值与必要程度阈值，筛选出必要程度均值大于必要程度阈值的学生作为当前需要在上课期间进行人脸识别考勤的识别目标，在识别目标上课期间利用监控摄像头对其进行人脸识别，通过人脸识别的方式对识别目标进行考勤；

结合人脸识别和定位手环对学生进行考勤考核，能够有效避免他人佩戴学生手环上课导致出现代考勤的问题，通过大数据技术采集并分析学生的历史考勤数据，分析对不同学生通过人脸识别进行考勤的必要程度，目的在于筛选出需要通过人脸识别的方式进行考勤的学生，为不同的学生选择合适的考勤方式进行考勤，不必在利用定位手环进行考勤时同时通过人脸识别的方式进行考勤，在有效避免代考勤问题的同时节省了考勤资源成本。

进一步的，在步骤Z3中：获取到当前上课总时长为t，将总时长分为n段，监测到当前时间前除识别目标外剩余的随机一个学生的定位手环在每个时间段结束时间的剩余电量集合为B＝{B₁，B₂，…，B_k}，其中，k表示当前时间所在时间段的前一个时间段结束时间定位手环的剩余电量，根据下列公式预测学生的定位手环在第k+1个时间段结束时间的剩余电量S_k+1：

S_k+1＝μ*B_k+(1-μ)*S_k；

其中，μ表示加权系数，0<μ<1，S_k表示在第k个时间段结束时间学生的定位手环剩余电量指数平滑值，根据公式S₁＝μ*B₁+(1-μ)*[(B₁+B₂+B₃)/3]计算得到第1个时间段结束时间学生的定位手环剩余电量指数平滑值，根据公式S₂＝μ*B₁+(1-μ)*S₁计算得到第2个时间段结束时间学生的定位手环剩余电量指数平滑值，根据公式S₃＝μ*B₂+(1-μ)*S₂计算得到第3个时间段结束时间学生的定位手环剩余电量指数平滑值，依此类推计算得到S_k+1。

进一步的，在步骤Z4中：判断S_k+1是否等于0：若S_k+1＝0，预测对应学生的定位手环会在当前时间所在时间段结束时耗尽电量，在当前时间直接利用监控摄像头对对应学生进行人脸识别考勤；若S_k+1≠0，继续预测从第k+2个时间段到第n个时间段结束时间定位手环的剩余电量，直至预测到剩余电量为0为止：若预测到第k+2个时间段到第n个时间段中的随机一个时间段结束时，定位手环的剩余电量为0，在对应时间段内的随机一个时间，利用监控摄像头对对应学生进行人脸识别考勤；若预测到第n个时间段定位手环电量未耗尽，在上课期间利用定位手环对对应学生进行考勤，从除识别目标外的剩余学生中筛选出定位手环电量是否会在上课期间耗尽的学生作为转换对象，在电量耗尽前将对应学生的考勤设备转换为监控摄像头，利用监控摄像头对转换对象进行人脸识别考勤；

在对剩余学生利用定位手环定位的方式进行考勤时，考虑到定位手环可能在上课期间出现电量耗尽的情况，根据指数平滑法预测定位手环的电量消耗情况，在预测到电量会在上课期间耗尽时及时利用监控摄像头对对应学生进行人脸识别，转换考勤方式，有利于避免原本正常考勤上课的学生被误判为出现早退行为的情况，也有效避免了定位手环因断电识别不到对应学生出现早退的问题，减少了考勤信息获取失败或错误的现象；

上述采集到的全部信息已获得涉及人员的授权，经涉及人员授权后采集学生信息。

与现有技术相比，本发明所达到的有益效果是：

本发明通过结合人脸识别和定位手环对学生进行考勤考核，有效避免了他人佩戴学生手环上课导致出现代考勤的问题；通过大数据技术采集并分析学生的历史考勤数据，分析对不同学生通过人脸识别进行考勤的必要程度，目的在于筛选出需要通过人脸识别的方式进行考勤的学生，为不同的学生选择合适的考勤方式进行考勤，不必在利用定位手环进行考勤时同时通过人脸识别的方式进行考勤，在有效避免代考勤问题的同时灵活转换考勤方式、节省了考勤资源成本；

在对剩余学生利用定位手环定位的方式进行考勤时，考虑到定位手环可能在上课期间出现电量耗尽的情况，根据指数平滑法预测定位手环的电量消耗情况，在预测到电量会在上课期间耗尽时及时利用监控摄像头对对应学生进行人脸识别，转换考勤方式，有利于避免原本正常考勤上课的学生被误判为出现早退行为的情况，也有效避免了定位手环因断电识别不到对应学生出现早退的问题，减少了考勤信息获取失败或错误的现象。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明一种基于信息识别的智慧校园考勤数据分析系统的结构图；

图2是本发明一种基于信息识别的智慧校园考勤数据分析方法的流程图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

下面结合图1-图2和具体实施例对本发明作进一步的说明。

实施例1：如图1所示，本实施例提供了一种基于信息识别的智慧校园考勤数据分析系统，系统包括：考勤数据采集模块、数据管理中心、目标筛选模块、设备状态监测模块和考勤方式管理模块；

考勤数据采集模块的输出端连接数据管理中心的输入端，数据管理中心的输出端连接目标筛选模块的输入端，目标筛选模块的输出端连接设备状态监测模块的输入端，设备状态监测模块的输出端连接考勤方式管理模块的输入端；

通过考勤数据采集模块采集学生的历史考勤数据和考勤设备的运行数据，将采集到的全部数据传输到数据管理中心；

通过数据管理中心存储并管理采集到的全部数据；

通过目标筛选模块筛选出当前需要在上课期间通过人脸识别来考勤的识别目标；

通过设备状态监测模块实时监测除识别目标外剩余学生的考勤设备运行状态，预测考勤设备停止运行的时间；

通过考勤方式管理模块依据预测结果选择不同的考勤方式对剩余学生进行考勤。

考勤数据采集模块包括定位信息采集单元和监控信息采集单元；

定位信息采集单元和监控信息采集单元的输出端连接数据管理中心的输入端；

定位信息采集单元用于利用定位手环在上课期间对学生进行定位，采集学生以往在上课期间的位置信息；

监控信息采集单元用于利用监控摄像头对教室内的学生进行人脸识别，采集以往在上课期间教室内的监控信息。

目标筛选模块包括考勤数据调取单元、识别必要分析单元和识别目标筛选单元；

考勤数据调取单元的输入端连接数据管理中心的输出端，考勤数据调取单元的输出端连接识别必要分析单元的输入端，识别必要分析单元的输出端连接识别目标筛选单元的输入端；

考勤数据调取单元用于调取历史考勤数据，统计不同学生在上课期间的实际出勤次数和未出勤次数；

识别必要分析单元用于依据历史考勤数据分析在上课期间对不同学生进行人脸识别的必要程度；

识别目标筛选单元用于比较对不同学生进行人脸识别的必要程度，依据比较结果筛选出当前需要在上课期间进行人脸识别考勤的识别目标。

设备状态监测模块包括考勤设备监测单元和无效时间预测单元；

考勤设备监测单元的输入端连接识别目标筛选单元的输出端，考勤设备监测单元的输出端连接无效时间预测单元的输入端；

考勤设备监测单元用于在上课期间实时监测筛选后剩余学生的定位手环的剩余电量；

无效时间预测单元用于预测定位手环在上课期间不同时间段的剩余电量，判断定位手环是否会在上课期间耗尽电量，定位手环电量耗尽会导致定位无效。

考勤方式管理模块包括转换对象筛选单元和考勤方式转换单元；

转换对象筛选单元的输入端连接无效时间预测单元的输出端，转换对象筛选单元的输出端连接考勤方式转换单元的输入端；

转换对象筛选单元用于筛选出佩戴会在下课前电量耗尽的定位手环的学生作为转换对象，在定位手环电量耗尽前将对应学生的考勤设备转换为监控摄像头；

考勤方式转换单元用于转换筛选出的转换对象的考勤方式：利用监控摄像头对转换对象进行人脸识别。

实施例2：如图2所示，本实施例提供了一种基于信息识别的智慧校园考勤数据分析方法，其基于实施例中的数据分析系统实现，具体包括以下步骤：

Z1：采集学生的历史考勤数据和考勤设备的运行数据，利用定位手环在上课期间对学生进行定位，利用监控摄像头对教室内的学生进行人脸识别，结合定位数据和人脸识别数据判断学生的实际出勤次数，若定位到学生在上课期间在所在教室范围内且人脸识别到该学生在教室内，记为实际出勤一次，采集到课程相同且在同一教室上课的学生以往的实际出勤次数集合为D＝{D₁，

D₂，...，D_f}，未出勤次数集合为d＝{d₁，d₂，...，d_f}，其中，f表示课程相同且在同一教室上课的学生数量；

例如：采集到课程相同且在同一教室上课的学生以往的实际出勤次数集合为D＝{D₁，D₂，D₃，D₄，D₅，D₆，D₇}＝{8，7，9，5，10，12，3}，未出勤次数集合为d＝{d₁，d₂，d₃，d₄，d₅，d₆，d₇}＝{4，5，3，7，2，0，9}；

Z2：筛选出当前需要在上课期间通过人脸识别来考勤的识别目标，调取学生的历史考勤数据，根据公式Q_i＝(D_i+d_i)/D_i计算在上课期间对随机一个学生进行人脸识别考勤的必要程度Q_i，得到在上课期间对不同学生进行人脸识别考勤的必要程度集合为Q＝{Q₁，Q₂，Q₃，Q₄，Q₅，Q₆，Q₇}＝{1.49，1.72，1.33，2.38，1.20，1，4}，将学生按必要程度从大到小的顺序进行排列并分为m＝3组，其中，对第m-1组中每一个学生进行人脸识别考勤的必要程度都大于第m组，根据公式

选择最佳的分组结果，其中，W_v表示随机一种分组结果的优度，j＝1，2，…，m，j表示第j个组，共有m个组，Q_j ^’表示随机一种分组结果中m组中的第j组学生对应的必要程度均值，v表示第v种分组结果，v＝1，2，…，p，共有p种分组结果，通过相同计算方式得到p种分组结果的优度，比较p种分组结果的优度，选择优度最高的分组结果作为最佳的分组结果，得到最佳的分组结果中每组学生对应的必要程度均值集合为w＝{w₁，w₂，w₃}＝{3.19，1.605，1.18}，设置必要程度阈值为w^’，w^’＝(∑^m _e＝1(w_e))/m＝1.99，比较每组学生对应的必要程度均值与必要程度阈值，筛选出必要程度均值大于必要程度阈值的学生：Q₄、Q₇对应的学生作为当前需要在上课期间进行人脸识别考勤的识别目标，在识别目标上课期间利用监控摄像头对其进行人脸识别，通过人脸识别的方式对识别目标进行考勤；

Z3：实时监测除识别目标外剩余学生的考勤设备运行状态，预测考勤设备停止运行的时间，获取到当前上课总时长为t＝40，单位为：分钟，将总时长平均分为n＝8段，当前时间所在时间段为第5段，监测到当前时间前除识别目标外剩余的随机一个学生的定位手环在每个时间段结束时间的剩余电量集合为B＝{B₁，B₂，B₃，B₄}＝{0.8，0.72，0.50，0.45}，其中，k表示当前时间所在时间段的前一个时间段结束时间定位手环的剩余电量，设置μ＝0.4，根据公式S_k+1＝μ*B_k+(1-μ)*S_k预测学生的定位手环在第k+1个时间段结束时间的剩余电量S_k+1，其中，μ表示加权系数，0<μ<1，S_k表示在第k个时间段结束时间学生的定位手环剩余电量指数平滑值，根据公式S₁＝μ*B₁+(1-μ)*[(B₁+B₂+B₃)/3]计算得到第1个时间段结束时间学生的定位手环剩余电量指数平滑值：

S₁＝0.722，根据公式S₂＝μ*B₁+(1-μ)*S₁计算得到第2个时间段结束时间学生的定位手环剩余电量指数平滑值：S₂＝0.7532，根据公式S₃＝μ*B₂+(1-μ)*S₂计算得到第3个时间段结束时间学生的定位手环剩余电量指数平滑值：S₃＝0.74，依此类推计算得到S_k+1＝S₅＝0.41；

Z4：依据预测结果选择不同的考勤方式对剩余学生进行考勤，判断S_k+1是否等于0：若S_k+1＝0，预测对应学生的定位手环会在当前时间所在时间段结束时耗尽电量，在当前时间直接利用监控摄像头对对应学生进行人脸识别考勤；若S_k+1≠0，继续预测从第k+2个时间段到第n个时间段结束时间定位手环的剩余电量，直至预测到剩余电量为0为止：若预测到第k+2个时间段到第n个时间段中的随机一个时间段结束时，定位手环的剩余电量为0，在对应时间段内的随机一个时间，利用监控摄像头对对应学生进行人脸识别考勤；若预测到第n个时间段定位手环电量未耗尽，在上课期间利用定位手环对对应学生进行考勤，从除识别目标外的剩余学生中筛选出定位手环电量是否会在上课期间耗尽的学生作为转换对象，在电量耗尽前将对应学生的考勤设备转换为监控摄像头，利用监控摄像头对转换对象进行人脸识别考勤；

例如：预测到S_k+1＝S₅＝0.41≠0，继续预测从第6个时间段到第8个时间段结束时间定位手环的剩余电量，直至预测到剩余电量为0为止。

最后应说明的是：以上所述仅为本发明的优选实例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例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同替换。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。

Claims (10)

1.一种基于信息识别的智慧校园考勤数据分析方法，其特征在于：包括以下步骤：

Z1：采集学生的历史考勤数据和考勤设备的运行数据；

Z2：筛选出当前需要在上课期间通过人脸识别来考勤的识别目标；

Z3：实时监测除识别目标外剩余学生的考勤设备运行状态，预测考勤设备停止运行的时间；

Z4：依据预测结果选择不同的考勤方式对剩余学生进行考勤。

2.根据权利要求1所述的一种基于信息识别的智慧校园考勤数据分析方法，其特征在于：在步骤Z1中：利用定位手环在上课期间对学生进行定位，利用监控摄像头对教室内的学生进行人脸识别，结合定位数据和人脸识别数据判断学生的实际出勤次数，若定位到学生在上课期间在所在教室范围内且人脸识别到该学生在教室内，记为实际出勤一次，采集到课程相同且在同一教室上课的学生以往的实际出勤次数集合为D={D₁，D₂，...，D_f}，未出勤次数集合为d={d₁，d₂，...，d_f}，其中，f表示课程相同且在同一教室上课的学生数量。

3.根据权利要求2所述的一种基于信息识别的智慧校园考勤数据分析方法，其特征在于：在步骤Z2中：调取学生的历史考勤数据，根据公式Q_i=(D_i+d_i)/D_i计算在上课期间对随机一个学生进行人脸识别考勤的必要程度Q_i，得到在上课期间对不同学生进行人脸识别考勤的必要程度集合为Q={Q₁，Q₂，…，Q_i，…，Q_f}，将学生按必要程度从大到小的顺序进行排列并分为m组，其中，对第m-1组中每一个学生进行人脸识别考勤的必要程度都大于第m组，根据公式

选择最佳的分组结果，其中，W_v表示随机一种分组结果的优度，j=1，2，…，m，j表示第j个组，共有m个组，Q_j ^’表示随机一种分组结果中m组中的第j组学生对应的必要程度均值，v表示第v种分组结果，v=1，2，…，p，共有p种分组结果，通过相同计算方式得到p种分组结果的优度，比较p种分组结果的优度，选择优度最高的分组结果作为最佳的分组结果，得到最佳的分组结果中每组学生对应的必要程度均值集合为w={w₁，w₂，…，w_m}，设置必要程度阈值为w^’，/>

，比较每组学生对应的必要程度均值与必要程度阈值，筛选出必要程度均值大于必要程度阈值的学生作为当前需要在上课期间进行人脸识别考勤的识别目标，在识别目标上课期间利用监控摄像头对其进行人脸识别，通过人脸识别的方式对识别目标进行考勤。

4.根据权利要求1所述的一种基于信息识别的智慧校园考勤数据分析方法，其特征在于：在步骤Z3中：获取到当前上课总时长为t，将总时长分为n段，监测到当前时间前除识别目标外剩余的随机一个学生的定位手环在每个时间段结束时间的剩余电量集合为B={B₁，B₂，…，B_k}，其中，k表示当前时间所在时间段的前一个时间段结束时间定位手环的剩余电量，根据下列公式预测学生的定位手环在第k+1个时间段结束时间的剩余电量S_k+1：

S_k+1=μ*B_k+(1-μ)*S_k；

其中，μ表示加权系数，0<μ<1，S_k表示在第k个时间段结束时间学生的定位手环剩余电量指数平滑值，根据公式S₁=μ*B₁+(1-μ)*[(B₁+B₂+B₃)/3]计算得到第1个时间段结束时间学生的定位手环剩余电量指数平滑值，根据公式S₂=μ*B₁+(1-μ)*S₁计算得到第2个时间段结束时间学生的定位手环剩余电量指数平滑值，根据公式S₃=μ*B₂+(1-μ)*S₂计算得到第3个时间段结束时间学生的定位手环剩余电量指数平滑值，依此类推计算得到S_k+1。

5.根据权利要求4所述的一种基于信息识别的智慧校园考勤数据分析方法，其特征在于：在步骤Z4中：判断S_k+1是否等于0：若S_k+1=0，预测对应学生的定位手环会在当前时间所在时间段结束时耗尽电量，在当前时间直接利用监控摄像头对对应学生进行人脸识别考勤；若S_k+1≠0，继续预测从第k+2个时间段到第n个时间段结束时间定位手环的剩余电量，直至预测到剩余电量为0为止：若预测到第k+2个时间段到第n个时间段中的随机一个时间段结束时，定位手环的剩余电量为0，在对应时间段内的随机一个时间，利用监控摄像头对对应学生进行人脸识别考勤；若预测到第n个时间段定位手环电量未耗尽，在上课期间利用定位手环对对应学生进行考勤，从除识别目标外的剩余学生中筛选出定位手环电量是否会在上课期间耗尽的学生作为转换对象，在电量耗尽前将对应学生的考勤设备转换为监控摄像头，利用监控摄像头对转换对象进行人脸识别考勤。

6.一种基于信息识别的智慧校园考勤数据分析系统，应用于如权利要求1所述的一种基于信息识别的智慧校园考勤数据分析方法，其特征在于：所述系统包括：考勤数据采集模块、数据管理中心、目标筛选模块、设备状态监测模块和考勤方式管理模块；

所述考勤数据采集模块的输出端连接所述数据管理中心的输入端，所述数据管理中心的输出端连接所述目标筛选模块的输入端，所述目标筛选模块的输出端连接所述设备状态监测模块的输入端，所述设备状态监测模块的输出端连接所述考勤方式管理模块的输入端；

通过所述考勤数据采集模块采集学生的历史考勤数据和考勤设备的运行数据，将采集到的全部数据传输到所述数据管理中心；

通过所述数据管理中心存储并管理采集到的全部数据；

通过所述目标筛选模块筛选出当前需要在上课期间通过人脸识别来考勤的识别目标；

通过所述设备状态监测模块实时监测除识别目标外剩余学生的考勤设备运行状态，预测考勤设备停止运行的时间；

通过所述考勤方式管理模块依据预测结果选择不同的考勤方式对剩余学生进行考勤。

7.根据权利要求6所述的一种基于信息识别的智慧校园考勤数据分析系统，其特征在于：所述考勤数据采集模块包括定位信息采集单元和监控信息采集单元；

所述定位信息采集单元和监控信息采集单元的输出端连接所述数据管理中心的输入端；

所述定位信息采集单元用于利用定位手环在上课期间对学生进行定位，采集学生以往在上课期间的位置信息；

所述监控信息采集单元用于利用监控摄像头对教室内的学生进行人脸识别，采集以往在上课期间教室内的监控信息。

8.根据权利要求6所述的一种基于信息识别的智慧校园考勤数据分析系统，其特征在于：所述目标筛选模块包括考勤数据调取单元、识别必要分析单元和识别目标筛选单元；

所述考勤数据调取单元的输入端连接所述数据管理中心的输出端，所述考勤数据调取单元的输出端连接所述识别必要分析单元的输入端，所述识别必要分析单元的输出端连接所述识别目标筛选单元的输入端；

所述考勤数据调取单元用于调取历史考勤数据，统计不同学生在上课期间的实际出勤次数和未出勤次数；

所述识别必要分析单元用于依据历史考勤数据分析在上课期间对不同学生进行人脸识别的必要程度；

所述识别目标筛选单元用于比较对不同学生进行人脸识别的必要程度，依据比较结果筛选出当前需要在上课期间进行人脸识别考勤的识别目标。

9.根据权利要求8所述的一种基于信息识别的智慧校园考勤数据分析系统，其特征在于：所述设备状态监测模块包括考勤设备监测单元和无效时间预测单元；

所述考勤设备监测单元的输入端连接所述识别目标筛选单元的输出端，所述考勤设备监测单元的输出端连接所述无效时间预测单元的输入端；

所述考勤设备监测单元用于在上课期间实时监测筛选后剩余学生的定位手环的剩余电量；

所述无效时间预测单元用于预测定位手环在上课期间不同时间段的剩余电量，判断定位手环是否会在上课期间耗尽电量。

10.根据权利要求9所述的一种基于信息识别的智慧校园考勤数据分析系统，其特征在于：所述考勤方式管理模块包括转换对象筛选单元和考勤方式转换单元；

所述转换对象筛选单元的输入端连接所述无效时间预测单元的输出端，所述转换对象筛选单元的输出端连接所述考勤方式转换单元的输入端；

所述转换对象筛选单元用于筛选出佩戴会在下课前电量耗尽的定位手环的学生作为转换对象，在定位手环电量耗尽前将对应学生的考勤设备转换为监控摄像头；

所述考勤方式转换单元用于转换筛选出的转换对象的考勤方式：利用监控摄像头对转换对象进行人脸识别。

Images