一种残膜回收机防缠绕挑膜装置的制 一种秧草收获机用电力驱动行走机构

人脸识别课堂考勤系统的制作方法

2021-08-17 13:38:00 来源:中国专利 TAG:考勤 识别 课堂 系统
人脸识别课堂考勤系统的制作方法

本发明涉及一种人脸识别课堂考勤系统。



背景技术:

课堂是一个人在作为学生期间学习专业知识,培养个人技能,提高个人综合素质能力的最重要的场所。随着高等教育的普及,学生群体的数量急剧上升,教学管理难度大大上升。传统考勤采用人工管理方式不仅耗费大量的人力和时间,而且效率低、出错率高、有偏向性,无法实时检测迟到、早退、代课和旷课现象,无法对学生考勤做到全面监督。近年来电子化考勤逐渐发展,通过校园卡刷卡形式签到,通过读卡器读取记录存储在教学系统中。此方法相比人工更加自动化,但是代签早退的问题依然没有办法解决。

在智能化考勤技术的基础上采用人脸识别考勤技术将上可以提高管理效率,提升教学质量。但是,校园人脸考勤中依然存在多目标考勤,目标背景杂乱,干扰物较多,识别准确率不理想等问题。



技术实现要素:

本发明的目的在于提供一种人脸识别课堂考勤系统。

为解决上述问题,本发明提供一种人脸识别课堂考勤系统,包括:

人脸考勤系统登录模块,用于供用户通过输入登录信息,进入与用户权限对应的操作界面;

人脸数据采集模块,用于采集用户基本信息与人脸信息并保存至人脸信息数据集;

人脸数据训练模块,用于根据收集到的人脸数据集信息训练模型;

人脸识别考勤模块,用于根据摄像头采集到用户的人脸信息进行识别,显示用户对应的基本信息,以及显示所有已签到的人数与基本信息;

数据库设计模块,用于存储用户的基本信息与考勤信息。

进一步的,在上述系统中,所述用户权限包括人脸数据采集及训练、进入考勤系统、考勤结果查询和退出考勤系统。

进一步的,在上述系统中,还包括:

显著性检测子系统,用于根据一个端到端的深度学习网络,以实现解决人体建模系统采集图像中人体前景自动抠图问题,去除背景的影响。

进一步的,在上述系统中,还包括:

人脸特征提取模块,用于使用卷积神经网络的方法,根据由显著性检测子系统显著检测抠出的人体部分进行人脸区域的定位,并将人脸部分的特征点找出。

进一步的,在上述系统中,还包括:

人脸信息识别模块,用于根据检测出的人脸区域,对人脸区域进行一个特征的提取以及识别,最终得到预测的人脸信息。

进一步的,在上述系统中,还包括:

人脸考勤模块,用于根据所述人脸特征提取模块所检测出的人脸部分与特征信息,计算每张人脸的特征值,将人脸图片一级特征存入数据库,每次考勤则根据提取的特征进行数据库查找,并将每次考勤计入考勤日志表。

进一步的,在上述系统中,所述人脸考勤模块,还用于获取各个人脸数据后,使用孪生神经网络进行考勤人脸与数据库信息之前的相似度计算,最终得到考勤详细数据。

与现有技术相比,本发明人脸识别课堂考勤系统包括:人脸考勤系统登录模块、人脸数据采集模块、人脸数据训练模块、人脸识别考勤模块、数据库设计模块。本系统通过卷积神经网络实现人脸区域显著性检测,并加入长短期记忆人工神经网络lstm读取时序信息,准确提取学生人脸区域以便后续人脸识别,可以准确并快速检测识别人脸信息。获取各个人脸数据后,使用孪生神经网络进行考勤人脸与数据库信息之前的相似度计算,并最终得到考勤详细数据,可以准确判断学生是否缺席、在席时间,避免出现学生打完卡就走的情况,可以实时监控考勤情况。相较于传统考勤与电子化考勤来说,基于显著性检测的人脸识别课堂考勤系统效率高、更加智能化。

附图说明

图1为本发明实施例提供的课堂考勤系统结构示意图;

图2为本发明实施例提供的显著性检测子系统示意图;

图3为本发明实施例提供的人脸信息识别子系统示意图;

图4为本发明实施例提供的人脸考勤子系统流程图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。

如图1所示,本发明提供一种人脸识别课堂考勤系统,包括:

人脸考勤系统登录模块,用于供用户通过输入登录信息,进入与用户权限对应的操作界面;

人脸数据采集模块,用于采集用户基本信息与人脸信息并保存至人脸信息数据集;

人脸数据训练模块,用于根据收集到的人脸数据集信息训练模型;

人脸识别考勤模块,用于根据摄像头采集到用户的人脸信息进行识别,显示用户对应的基本信息,以及显示所有已签到的人数与基本信息;

数据库设计模块,用于存储用户的基本信息与考勤信息。

本发明的人脸识别课堂考勤系统一实施例中,所述用户权限包括人脸数据采集及训练、进入考勤系统、考勤结果查询和退出考勤系统。

本发明的人脸识别课堂考勤系统一实施例中,还包括:

显著性检测子系统,用于根据一个端到端的深度学习网络,以实现解决人体建模系统采集图像中人体前景自动抠图问题,去除背景的影响。

本发明的人脸识别课堂考勤系统一实施例中,还包括:

人脸特征提取模块,用于使用卷积神经网络的方法,根据由显著性检测子系统显著检测抠出的人体部分进行人脸区域的定位,并将人脸部分的特征点找出。

本发明的人脸识别课堂考勤系统一实施例中,还包括:

人脸信息识别模块,用于根据检测出的人脸区域,对人脸区域进行一个特征的提取以及识别,最终得到预测的人脸信息。

本发明的人脸识别课堂考勤系统一实施例中,还包括:

人脸考勤模块,用于根据所述人脸特征提取模块所检测出的人脸部分与特征信息,计算每张人脸的特征值,将人脸图片一级特征存入数据库,每次考勤则根据提取的特征进行数据库查找,并将每次考勤计入考勤日志表。

本发明的人脸识别课堂考勤系统一实施例中,所述人脸考勤模块,还用于获取各个人脸数据后,使用孪生神经网络进行考勤人脸与数据库信息之前的相似度计算,最终得到考勤详细数据。

具体的,图1为本发明实施例提供的课堂考勤系统结构示意图,如图1所示,本实施例中的系统可以包括:

人脸数据库的建立:系统通过摄像头采集学生用户的人脸图像,并将人脸信息分类标注保存;

图像采集:通过摄像头采集人脸图像,前期用于训练模型,后期用于采集实时人脸信息进行预测;

图像预处理:由于摄像头设备存在采集图像方法、提取人脸角度、图像背景以及光照变化等干扰信号,使得识别正确率出现不同程度的降低。所以,采用显著性检测技术将采集到的图片中人体部分作为前景先行抠出,其他背景干扰物则丢弃,从而去除背景的影响。

人脸特征提取与模型训练:使用卷积神经网络的方法,将上一步显著检测抠出来的人体部分进行人脸区域的定位,并将人脸部分的特征点找出来。

人脸识别:对之前检测出来的人脸部分以及特征信息,计算每张人脸的特征值,将人脸图片以及特征存入数据库。考勤实时获取各个人脸数据后,使用孪生神经网络进行考勤人脸与数据库信息之前的相似度计算,并最终得到考勤详细数据,可以准确判断学生是否缺席、在席时间,实时监控考勤情况。

显示签到结果:每次考勤则根据提取的特征进行数据库查找,并将每次考勤计入考勤表,显示具体的学生姓名与学号。

图2为本发明实施例提供的显著性检测子系统示意图;如同2所示,本实施例模块可分为两个阶段。第一阶段使用maskr-cnn框架,裁剪掉多目标分类负载,并使用训练数据对该网络模型进行微调,以获得适应于人体前景二值分割的网络模型。第二阶段使用encoder-decoder架构,以训练数据和trimap为输入,计算alpha预测损失函数和组合损失函数作为损失函数,通过迭代训练,得到适用于人体前景alpha抠图的模型网络。其中,trimap输入由第一阶段的二值分割结果通过trimap卷积层自动生成。

图3为本发明实施例提供的人脸信息识别子系统示意图;如同3所示,本模块对上一个模块检测到的人脸进行信息识别,以此来得到更加真实以及准确的人脸信息,该模块使用卷积神经网络模型进行人脸图片的特征提取,最终得到人脸的年龄,性别等信息,以此来为接下来的人脸考勤的特征录入提供数据支持。

具体地,本实施例中建立的人脸信息识别网络模型采用4层卷积层,前两层放在一起是为了能提取更多的特征,后两层为了提取更多高层次的特征。首层卷积核数量设为32,卷积核大小设为3×3,在感受野大小一样时,小尺寸的卷积核,能减小训练过程中的计算量和参数,所以选择本文选择小尺寸的卷积核。

图4为本发明实施例提供的人脸考勤子系统流程图;如图4所示,本模块包括:调用摄像头进行人脸识别、加载人脸信息进行人脸识别、预测读取人脸信息获得label、根据label返回学生基本信息、人脸考勤。

综上所述,本发明人脸识别课堂考勤系统包括:人脸考勤系统登录模块、人脸数据采集模块、人脸数据训练模块、人脸识别考勤模块、数据库设计模块。本系统通过卷积神经网络实现人脸区域显著性检测,并加入长短期记忆人工神经网络lstm读取时序信息,准确提取学生人脸区域以便后续人脸识别,可以准确并快速检测识别人脸信息。获取各个人脸数据后,使用孪生神经网络进行考勤人脸与数据库信息之前的相似度计算,并最终得到考勤详细数据,可以准确判断学生是否缺席、在席时间,避免出现学生打完卡就走的情况,可以实时监控考勤情况。相较于传统考勤与电子化考勤来说,基于显著性检测的人脸识别课堂考勤系统效率高、更加智能化。

本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。

专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。

显然,本领域的技术人员可以对发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包括这些改动和变型在内。

再多了解一些

本文用于企业家、创业者技术爱好者查询,结果仅供参考。

发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表

相关文献

  • 日榜
  • 周榜
  • 月榜