一种基于人工智能的实验室人时数据处理方法及系统技术方案

本发明专利技术公开了一种基于人工智能的实验室人时数据处理方法、终端和系统，一种基于人工智能的实验室人时数据处理方法，利用深度学习摄像头采集人脸图像及当前实验室环境数据，并通过服务器进行解析，得到人脸数据；按照人时处理指令，对当前人脸数据进行计算及统计，所述人时处理指令包括：注册指令、签到指令、签退指令、人数统计指令及使用时间指令；生成处理结果并输出。本法民用以解决现有的学生点名通过教师人工进行，点名过程繁琐费时且约束力差的技术问题。

A Laboratory Time Data Processing Method and System Based on Artificial Intelligence

The invention discloses a laboratory human-time data processing method, terminal and system based on artificial intelligence, a laboratory human-time data processing method based on artificial intelligence, which collects face images and current laboratory environment data by depth learning camera, and obtains face data through server analysis; according to human-time processing instructions, the current face data is processed. Computation and statistics, the person-time processing instructions include: registration instructions, check-in instructions, check-back instructions, number statistics instructions and use time instructions; generation of processing results and output. This method is used to solve the technical problem that the existing student roll-call is carried out manually by teachers, and the process of roll-call is tedious, time-consuming and has poor binding force.

【技术实现步骤摘要】
一种基于人工智能的实验室人时数据处理方法及系统
本专利技术涉及实验室智能管理研究领域，具体涉及一种基于人脸和人像识别的实验室人时数据处理方法及系统。
技术介绍
在大学的日常教学和实验室工作管理过程中，点名是一项重要的内容。大学的点名方式虽层出不穷，但总是上有政策下有对策，一些学习积极性不高的学生经常利用点名系统的漏洞逃课。目前的教学教室和实验室的人时数据采集方案，仍然停留在教师人工点名的阶段，点名过程繁琐费时且对学生的约束力差。
技术实现思路
本专利技术目的在于提供基于人工智能的实验室人时数据处理方法及系统。用以解决现有的学生点名通过教师人工进行，点名过程繁琐费时且约束力差的技术问题。一种基于人工智能的实验室人时数据处理方法，利用深度学习摄像头采集人脸图像及当前实验室环境数据，并通过服务器进行解析，得到人脸数据；按照人时处理指令，对当前人脸数据进行计算及统计，所述人时处理指令包括:注册指令、签到指令、签退指令、人数统计指令及使用时间指令；生成处理结果并输出。优选地，采集人脸图像具体实现为：图像预处理、人脸检测、人脸截取；采集当前实验室环境数据具体实现为：依靠布置在各实验室中的摄像头实时获取当前实验室内的画面。优选地，如人时处理指令为注册指令时，将所述人脸数据补充入人脸库；如人时处理指令为签到指令时，若匹配失败，则生成提示该用户进行注册。优选地，如人时处理指令为签到指令时，将当前用户的所述人脸数匹配人脸库中的数据；若匹配成功，则检测签到表在检测签到表中是否有该用户人脸签到记录：若没有，输出为签到；若有，则输出为签退。优选地，还包括:根据当前实验室环境数据，利用人像检测监控各实验室内的实际人数。优选地，还包括:统计多个实验室所采集的数据并生成统计表。优选地，通过服务器对人脸图像进行解析，得到人脸数据，通过Haar分类器实现。优选地，利用人像检测监控各实验室内的实际人数采用基于Darknet框架的YOLO目标检测网络实现。一种基于人工智能的实验室人时数据处理系统，包括：数据采集模块、人脸识别模块和终端输出模块，其中：数据采集模块，利用深度学习摄像头采集人脸图像及当前实验室环境数据；人脸识别模块，设置于服务器对所述人脸图像进行解析，得到人脸数据；按照人时处理指令，对当前人脸数据进行计算及统计，所述人时处理指令包括:注册指令、签到指令、签退指令、人数统计指令及使用时间指令；以及，生成处理结果传输至所述终端输出模块输出。由上，本专利技术具有如下有益效果：根据基于人工智能针对实验室、教师等点名的方案，利用人脸和人像识别、计算及统计，对注册指令、签到指令、签退指令、人数统计指令及使用时间指令响应及处理，通过云端服务器对学生的签到情况、实验室当前人数、实验室用户的使用时间、实验室使用人时数等数据进行精准的检测和获取。该方案能够有效降低老师的工作量，约束学生，达到提高教学质量的目的。另一方面，统计获得的各式数据也能够为分析实验室使用效率提供有效数据。附图说明图1为本专利技术实施例的基于人工智能的实验室人时数据处理方法的一个流程图；图2为本专利技术实施例的基于人工智能的实验室人时数据处理方法的另一个流程图；图3为本专利技术实施例的基于人工智能的实验室人时数据处理方法的又一个流程图；图4为本专利技术实施例的基于人工智能的实验室人时数据处理方法的又一个流程图；图5为本专利技术实施例的基于人工智能的实验室人时数据处理系统的结构图。具体实施方式在大学的日常教学和实验室工作管理过程中，点名是一项重要的内容。大学的点名方式虽层出不穷，但总是上有政策下有对策，一些学习积极性不高的学生经常利用点名系统的漏洞逃课，由于教授时间有限，教师也难以每节课都拿出宝贵的时间用于点名，而且传统点名记录的数据不利于利用，况且还存在有些学生“点了名就走”、“叫人代签”等情况。随着人工智能的快速发展以及人脸识别技术的进步，利用人脸识别技术来辅助实验室或者课堂的管理对简化实验室管理流程、解放实验室人力物力，深化和促进当今的教育教学改革都有着巨大的推动作用。因此使用具备人工智能的人脸识别设备对实验室的学生进行识别与签到、以及统计人时数就有着重要的意义。有鉴于此：本专利技术披露了一种基于人工智能的实验室人时数据处理方法及系统。用以解决现有的学生点名通过教师人工进行，点名过程繁琐费时且约束力差的技术问题。图1示出了基于人工智能的实验室人时数据处理方法，S11：利用深度学习摄像头采集人脸图像及当前实验室环境数据，并通过服务器进行解析，得到人脸数据；所述摄像头无线传输模块与服务器进行通讯，可采用wifi模块作为无线通讯模块进行数据传输。通过服务器对人脸图像进行解析，得到人脸数据，通过Haar分类器实现。这种算法需要提前训练大量的图片来得到xml格式的人脸检测器，这里主要使用opencv已经训练好的人脸检测器来进行检测。采集人脸图像具体实现为：图像预处理、人脸检测、人脸截取；图像预处理主要是采用了灰度化处理和直方图均衡化。其中采用的灰度化处理公式如下：f(i，j)＝(R(i，j)+G(i，J)+B(i，j))/3其中，(I,j)是像素点的坐标，R,G,B分别代表了彩色图片像素的三个通道。采集当前实验室环境数据具体实现为：依靠布置在各实验室中的摄像头实时获取当前实验室内的画面。S12：按照人时处理指令，对当前人脸数据进行计算及统计，所述人时处理指令包括:注册指令、签到指令、签退指令、人数统计指令及使用时间指令；对当前人脸数据进行计算主要是涉及人脸识别及人脸匹配，其中，所述人脸识别可采用基于orb人脸识别算法的模式匹配，并不局限。如图2所示：S21:如人时处理指令为注册指令时，将所述人脸数据补充入人脸库；S22:如人时处理指令为签到指令时，若匹配失败，则生成提示该用户进行注册。如图3所示：S31：如人时处理指令为签到指令时，将当前用户的所述人脸数匹配人脸库中的数据；S32：若匹配成功，则检测签到表在检测签到表中是否有该用户人脸签到记录：S33：若没有，输出为签到；若有，则输出为签退。S11：生成处理结果并输出。图4示出了本专利技术中方法中所示出的:S41:根据当前实验室环境数据，利用人像检测监控各实验室内的实际人数；优选地，利用人像检测监控各实验室内的实际人数采用基于Darknet框架的YOLO目标检测网络实现。S42：统计多个实验室所采集的数据并生成统计表。以上实施例中基于人工智能的实验室人时数据处理方法，获取和利用深度学习摄像机的图像，实现脱离人工、解放人力，本专利技术提供了一种基于人脸和人像识别实验室人时数统计的方法，其实现成本不高，易于维护，可以有效实现课业签到以及人时数统计，可产生大量准确的实验室使用信息。图5示出了一种基于人工智能的实验室人时数据处理系统，包括：数据采集模块51、人脸识别模块52和终端输出模块53，其中：数据采集模块51，利用深度学习摄像头采集人脸图像及当前实验室环境数据；人脸识别模块52，设置于服务器对所述人脸图像进行解析，得到人脸数据；按照人时处理指令，对当前人脸数据进行计算及统计，所述人时处理指令包括:注册指令、签到指令、签退指令、人数统计指令及使用时间指令；以及，生成处理结果传输至所述终端输出模块53输出。综上所述：根据基于人工智能针对实验室、教师等点名的方案，利用人脸和人本文档来自技高网...

【技术保护点】
1.一种基于人工智能的实验室人时数据处理方法，其特征在于，利用深度学习摄像头采集人脸图像及当前实验室环境数据，并通过服务器进行解析，得到人脸数据；按照人时处理指令，对当前人脸数据进行计算及统计，所述人时处理指令包括:注册指令、签到指令、签退指令、人数统计指令及使用时间指令；生成处理结果并输出。

【技术特征摘要】
1.一种基于人工智能的实验室人时数据处理方法，其特征在于，利用深度学习摄像头采集人脸图像及当前实验室环境数据，并通过服务器进行解析，得到人脸数据；按照人时处理指令，对当前人脸数据进行计算及统计，所述人时处理指令包括:注册指令、签到指令、签退指令、人数统计指令及使用时间指令；生成处理结果并输出。2.根据权利要求1所述的基于人工智能的实验室人时数据处理方法，其特征在于，采集人脸图像具体实现为：图像预处理、人脸检测、人脸截取；采集当前实验室环境数据具体实现为：依靠布置在各实验室中的摄像头实时获取当前实验室内的画面。3.根据权利要求1所述的基于人工智能的实验室人时数据处理方法，其特征在于，如人时处理指令为注册指令时，将所述人脸数据补充入人脸库；如人时处理指令为签到指令时，若匹配失败，则生成提示该用户进行注册。4.根据权利要求1所述的基于人工智能的实验室人时数据处理方法，其特征在于，如人时处理指令为签到指令时，将当前用户的所述人脸数匹配人脸库中的数据；若匹配成功，则检测签到表在检测签到表中是否有该用户人脸签到记录：若没有，输出为签到；若有，则输出为签退。5.根据权利要...

【专利技术属性】
技术研发人员：蒋献，董黎刚，俞鉴珂，卢怀伟，潘鹏伟，赵洁，孔鲁超，
申请(专利权)人：浙江工商大学，
类型：发明
国别省市：浙江,33