【技术实现步骤摘要】
基于深度学习的考勤管理系统及方法
本专利技术涉及数据处理
，具体是指一种基于深度学习的考勤管理系统及方法。
技术介绍
随着信息化社会的不断发展，人们越来越倾向于采用各种电子信息化数据处理手段来进行数据采集、数据记录和数据分析，并且可以结合大数据来对各种数据进行综合性地分析。随着科技的进步，智慧校园的概念也在近年来被提出。通过物联网、互联网等多种技术的结合，节省了管理的成本。现有技术中为了避免学生考勤时出现冒名顶替或者代打卡的情况，越来越多地采用图像识别的方式对学生进行考勤管理。然而，现有技术中的考勤管理，往往需要采集学生照片，并且跟全校学生的照片进行比对，或者采用训练好的卷积神经网络模型识别学生的身份。然而，采用这两种算法都带来了学生身份识别的巨大计算量，给学校的数据处理系统带来了很大的系统负担。其中，采用跟全校学生的照片进行比对的方法，如果学校内的学生数量很多，则需要进行大量的图像比对，采用训练好的卷积神经网络模型识别学生的身份，需要在每个学生到校时均运行一次卷积神经网络模型的算法，对系统的负担很大。...
【技术保护点】
1.一种基于深度学习的考勤管理系统，其特征在于，所述系统包括：/n学生照片采集模块，设置于学校门口，用于采集到校学生的照片；/n学生身份识别模块，用于根据所述到校学生的照片识别到校学生的学号；/n考勤时间记录模块，用于根据所述学生身份识别模块识别到的到校学生的学号和识别时间，记录各个学生的学号所对应的每天的到校时间，生成各个学生每天的到校时间记录；/n考勤时间预测模块，用于将学校的设定到校时间范围划分为多个时间段并基于深度学习的存储训练好的考勤时间预测模型，所述考勤时间预测模型的输入为学生在预设天数内的到校时间整合得到的到校时间数组，输出为预测时间段，所述考勤时间预测模块还...
【技术特征摘要】
1.一种基于深度学习的考勤管理系统，其特征在于，所述系统包括：
学生照片采集模块，设置于学校门口，用于采集到校学生的照片；
学生身份识别模块，用于根据所述到校学生的照片识别到校学生的学号；
考勤时间记录模块，用于根据所述学生身份识别模块识别到的到校学生的学号和识别时间，记录各个学生的学号所对应的每天的到校时间，生成各个学生每天的到校时间记录；
考勤时间预测模块，用于将学校的设定到校时间范围划分为多个时间段并基于深度学习的存储训练好的考勤时间预测模型，所述考勤时间预测模型的输入为学生在预设天数内的到校时间整合得到的到校时间数组，输出为预测时间段，所述考勤时间预测模块还用于将各个学生的预设天数内的到校时间整合为到校时间数组，将所述到校时间数组输入至训练好的考勤时间预测模型，得到所述考勤时间预测模型输出的预测时间段；以及
考勤时间分段模块，用于根据各个学生的预测时间段对学生进行分类，得到每个时间段内预测到校的学生的学号；
其中，所述学生身份识别模块在从所述学生照片采集模块中获取到校学生的照片时，判断识别时间所属的时间段，选择所述识别时间所属的时间段以及该时间段前后的两个时间段预测到校的学生的照片作为比对照片，将所述到校学生的照片与各个所述比对照片进行比对，选择相似度最大的比对照片所对应的学号作为所述到校学生的学号。
2.根据权利要求1所述的基于深度学习的考勤管理系统，其特征在于，一个学生的到校时间数组包括该学生五个工作日的到校时间数组：周一的到校时间数组、周二的到校时间数组、周三的到校时间数组、周四的到校时间数组和周五的到校时间数组；
所述考勤时间预测模块将所述到校时间数组输入至训练好的考勤时间预测模型，得到所述考勤时间预测模型输出的预测时间段，包括所述考勤时间预测模块将一个学生的五个工作日的到校时间数组分别输入至训练好的考勤时间预测模型，得到该学生的五个工作日的预测时间段。
3.根据权利要求2所述的基于深度学习的考勤管理系统，其特征在于，所述考勤时间分段模块根据各个学生的预测时间段对学生进行分类，得到每个时间段内预测到校的学生的学号，包括所述考勤时间分段对每个工作日根据各个学生的预测时间段对学生进行分类，得到每个工作日每个时间段内预测到校的学生的学号；
所述学生身份识别模块在从所述学生照片采集模块中获取到校学生的照片时，判断当前所属的工作日，判断识别时间所属的时间段，选择当前所属的工作日中所述识别时间所属的时间段以及该时间段前后的两个时间段预测到校的学生的照片作为比对照片。
4.根据权利要求2所述的基于深度学习的考勤管理系统，其特征在于，所述考勤时间预测模块将一学生的预设天数内的到校时间整合为到校时间数组时，判断该学生在各个工作日的到校时间记录条数是否大于等于第一阈值，如果该学生在各个工作日的到校时间记录条数均大于第一阈值，则分别将一个学生的各个工作日的到校时间记录中随机选择第一阈值数量的到校时间整合成五个工作日的到校时间数组：周一的到校时间数组、周二的到校时间数组、周三的到校时间数组、周四的到校时间数组和周五的到校时间数组。
5.根据权利要求2所述的基于深度学习的考勤管理系统，其特征在于，所述考勤时间预测模块将一学生的预设天数内的到校时间整合为到校时间数组时，如果该学生存在到校记录条数小于第一阈值的工作日时，将该学生的到校记录条数大于第一阈值的工作日的到校时间记录中随机选择第一阈值数量的到校时间整合为对应工作日的到校时间数组，而将该学生的所有工...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。