一种基于人脸识别的学生行为自动分析方法及系统技术方案

本发明专利技术公开了智慧校园技术领域的一种基于人脸识别的学生行为自动分析方法及系统，其中分析方法的步骤包括：S1，获取学生在学校内各个场所的识别事件数据；S2，根据所述识别事件数据和预设的学生行为分类表，给每一个学生的识别事件数据增添行为分类信息，建立识别事件分类信息数据库；分析系统包括摄像机、局域网、数据服务器和数据读取装置。本发明专利技术可以自动获取学生在校的海量行为数据，通过对其行为数据进行分析，可以帮助老师了解学生的行为习惯和兴趣爱好。

An automatic analysis method and system of student behavior based on face recognition

【技术实现步骤摘要】
一种基于人脸识别的学生行为自动分析方法及系统
本专利技术涉及智慧校园
，特别涉及一种基于人脸识别的学生行为自动分析方法及系统。
技术介绍
根据学生性格、兴趣爱好、特长的不同进行施教，是现代教育的基本要求。而在现阶段，老师一般只能通过与学生或学生家长交谈、在课堂上与学生的互动、在学校观察学生行为、批改学生的作业等活动了解学生的性格、兴趣爱好和特长，这样的方式周期长，效率低下，并且由于老师人数较少，学生人数较多，所以老师没有精力对学生在校的活动进行较为仔细地观察和分析，对学生性格、兴趣爱好和特长等情况的了解往往是很有限的。如果仅仅采用老师观察和沟通方式来了解学生状况，那么所掌握学生具体情况就会比较少；如果仅仅依靠老师的分析和总结，那么对学生行为进行分析将会占用老师太多的时间和精力。这种问题某种程度上是因为缺乏对学生行为进行自动化收集和分析的手段引起的。
技术实现思路
随着网络通信的日益发达，人工智能技术的不断进步，如今的校园信息化和智能化程度越来越高，在校园内部署大量的、具备人脸和动作模式识别的摄像头已经成为可能。本专利技术的目的在于克服现有技术中所存在的上述不足，提供一种利用这些设施和数据分析技术对学生的行为状况进行自动采集，对其兴趣爱好进行自动化分析的方法及系统。为了实现上述专利技术目的，本专利技术提供了以下技术方案：一种基于人脸识别的学生行为自动分析方法，包括以下步骤：S1，获取学生在学校内各个场所的识别事件数据，所述识别事件数据包括学生的人脸图像、拍摄时间和摄像机编号，所述摄像机编号与所述各个场所成对应关系；S2，根据所述识别事件数据和预设的学生行为分类表，给每一个所述人脸图像对应的学生增添行为分类信息，建立识别事件分类信息数据库。进一步的，步骤S2的具体步骤包括：获取人脸图像对应的身份信息；根据摄像机编号与各个场所成对应关系，得到场所信息；根据身份信息和场所信息，从预设的学生行为分类表中得到身份信息对应的行为分类；给每一个身份信息对应的学生建立识别事件分类信息数据库，识别事件分类信息数据库中每一条信息包括学生的身份信息、拍摄时间、场所信息和行为分类信息。进一步的，一种基于人脸识别的学生行为自动分析方法的步骤还包括：步骤S3，根据识别事件分类信息数据库，对学生的性格和兴趣爱好进行分析。作为优选方案，对学生的性格和兴趣爱好进行分析的方法为：根据识别事件分类信息数据库中的数据，计算每个分类对应的时间比重。进一步的，每个分类对应的时间比重按照行为分类的等级进行计算。进一步的，预设的学生行为分类表包括等级：大类、小类和大组，大类包括但不限于：学习、文体活动、就餐、伤病和自由时间；每一个大类下分为多个小类，每一个小类下分为多个大组，每一个大组相应的场所与摄像机编号成对应关系。作为优选方案，大类还包括进出校，进出校的小类包括：返校、离校和临时外出，返校的大组包括正常返校和迟到；离校的大组包括正常离校和早退；临时外出的大组包括上课时间临时出校和休息时间临时出校。进一步的，对正常返校、迟到、正常离校、早退、上课时间临时出校和休息时间临时出校进行分类的步骤包括：通过学校校门入口处的摄像机获取学生的人脸图像、学生的人脸图像对应的学生身份信息和对应的返校时刻；通过学校校门出口处的摄像机获取同一学生的人脸图像、学生的人脸图像对应的学生身份信息和对应的离校时刻；当返校时刻早于或等于预设的作息时间表的入校时间，则判定学生身份信息对应学生为正常返校，否则为迟到；当离校时间晚于或等于预设的作息时间表的离校时间，判定为学生身份信息对应学生为正常离校，否则为早退；当离校时刻和返校时刻出现在预设的上课时间，则判定学生身份信息对应学生上课时间临时出校；当离校时刻和返校时刻出现在预设的休息时间，则判定学生身份信息对应学生休息时间临时出校。基于相同的构思提出了一种基于人脸识别的学生行为自动分析系统，系统包括：摄像机、局域网、数据服务器和数据读取装置；数据服务器中预存了学生身份信息，学生身份信息包括：学生姓名、ID、和面部照片；数据服务器中预存了学生行为分类表；数据服务器通过局域网接收识别事件数据；数据服务器还根据学生行为分类表给每一个人脸图像对应的学生增添行为分类信息，建立识别事件分类信息数据库；摄像机安装于学校内各个场所并进行编号，摄像机编号与各个场所成对应关系，用于获取学生在学校内各个场所的识别事件数据，识别事件数据包括学生的人脸图像、拍摄时间和摄像机编号，将识别事件数据通过局域网发送到数据服务器；摄像机还从数据服务器读取预存的学生身份信息，根据学生身份信息，采用人脸识别算法获取人脸图像对应的学生姓名、ID；数据读取装置用于读取和显示数据服务器中的数据。作为优选方案，数据服务器还可以根据识别事件分类信息数据库，对学生的性格和兴趣爱好进行分析，并将分析结果通过局域网发送到数据读取装置。与现有技术相比，本专利技术的有益效果：实施本专利技术后，可以自动获取学生在校的海量行为数据并对其行为进行分析，数据和分析结论可以帮助老师了解学生的行为习惯和兴趣爱好。这样可以大大提升老师的工作效率，帮助老师针对不同学生的行为习惯和兴趣爱好实施不同的教育方法，以达到提升教学质量、发挥学生特长的目的。附图说明图1为实施例1中一种基于人脸识别的学生行为自动分析方法流程图；图2为实施例1中一种基于人脸识别的学生行为自动分析系统框图。具体实施方式下面结合试验例及具体实施方式对本专利技术作进一步的详细描述。但不应将此理解为本专利技术上述主题的范围仅限于以下的实施例，凡基于本
技术实现思路
所实现的技术均属于本专利技术的范围。实施例1如图1所示，一种基于人脸识别的学生行为自动分析方法，包括以下步骤：S1，获取学生在学校内各个场所的识别事件数据，识别事件数据包括学生的人脸图像、拍摄时间和摄像机编号，摄像机编号与各个场所成对应关系；S2，根据识别事件数据和预设的学生行为分类表，给每一个人脸图像对应的学生增添行为分类信息，建立识别事件分类信息数据库，学生行为分类表按照学生在学校的行为进行多级分类。作为一种具体的实施例，步骤S2中摄像机编号与各个场所成对应关系是指，设置学校内各个场所的功能，并将各个场所按照功能进行多级分类，比如，有“学习场所”大类，该大类之下，还有“教室”、“阅览室”等小类；有“运动场所”大类，该大类之下，还有“足球场”、“篮球场”、“乒乓球场”、“健身设施”等小类等。场所的功能分类的层级数量，与场所的具体功能相关，并且与预设的学生行为分类表的大类、小类和大组的分类相对应。将摄像机安装在各功能分类的场所，给摄像机编号，则各摄像机编号对应各个场所成对应关系，通过识别摄像机编号和采集的人脸图像，就能判断该人脸图像对应的学生所在的场所的功能，以便对其行为按照预设的学生行为分类表分类提供数据支持。本文档来自技高网...

【技术保护点】
1.一种基于人脸识别的学生行为自动分析方法，其特征在于，包括以下步骤：/nS1，获取学生在学校内各个场所的识别事件数据，所述识别事件数据包括学生的人脸图像、拍摄时间和摄像机编号，所述摄像机编号与所述各个场所成对应关系；/nS2，根据所述识别事件数据和预设的学生行为分类表，给每一个所述人脸图像对应的学生增添行为分类信息，建立识别事件分类信息数据库。/n

【技术特征摘要】
1.一种基于人脸识别的学生行为自动分析方法，其特征在于，包括以下步骤：
S1，获取学生在学校内各个场所的识别事件数据，所述识别事件数据包括学生的人脸图像、拍摄时间和摄像机编号，所述摄像机编号与所述各个场所成对应关系；
S2，根据所述识别事件数据和预设的学生行为分类表，给每一个所述人脸图像对应的学生增添行为分类信息，建立识别事件分类信息数据库。


2.如权利要求1所述的一种基于人脸识别的学生行为自动分析方法，其特征在于，步骤S2的具体步骤包括：
获取所述人脸图像对应的身份信息；
根据所述摄像机编号与所述各个场所成对应关系，得到场所信息；
根据所述身份信息和场所信息，从所述预设的学生行为分类表中得到所述身份信息对应的行为分类；
给每一个所述身份信息对应的学生建立识别事件分类信息数据库，所述识别事件分类信息数据库中每一条信息包括所述学生的身份信息、拍摄时间、场所信息和行为分类信息。


3.如权利要求1所述的一种基于人脸识别的学生行为自动分析方法，其特征在于，还包括步骤S3，根据所述识别事件分类信息数据库，对学生的性格和兴趣爱好进行分析。


4.如权利要求3所述的一种基于人脸识别的学生行为自动分析方法，其特征在于，所述对学生的性格和兴趣爱好进行分析的方法为：根据所述识别事件分类信息数据库中的数据，计算每个分类对应的时间比重。


5.如权利要求4所述的一种基于人脸识别的学生行为自动分析方法，其特征在于，所述每个分类对应的时间比重按照行为分类的等级进行计算。


6.如权利要求1-5任一所述的一种基于人脸识别的学生行为自动分析方法，其特征在于，所述预设的学生行为分类表包括等级：大类、小类和大组，
所述大类包括但不限于：学习、文体活动、就餐、伤病和自由时间；
每一个所述大类下分为多个小类，每一个所述小类下分为多个大组，每一个所述大组相应的场所与所述摄像机编号成对应关系。


7.如权利要求6所述的一种基于人脸识别的学生行为自动分析方法，其特征在于，所述大类还包括进出校，所述进出校的小类包括返校、离校和临时外出，所述返校的大组包括正常返校和迟到；所述离校的大组包括正常离校和早退；所述...

【专利技术属性】
技术研发人员：李洪钧，方林，鲍辉，邓永生，
申请(专利权)人：成都驰通数码系统有限公司，
类型：发明
国别省市：四川;51