一种基于视频照片的教室人数识别方法技术

本发明专利技术涉及信息技术领域和教育技术领域，具体涉及一种基于视频照片的教室人数识别方法，采用如下步骤：步骤一：学校排课数据采集，形成各类信息数据；步骤二：根据步骤一中的数据关联，建立关联关系为：学院‑专业‑班级，教师‑课程；步骤三：根据课室监控摄像头配置信息，通过工厂模式调用摄像头SDK，进行课室视频流对接和照片拍摄，采用各学生的图片信息，形成图片样本数据源；它采用提取多个特征，训练生成多种不同的检测器，可以分别针对人体不同的特征进行识别检测，提高对识别目标的表达能力，然后通过将不同检测器的检测结果进行去重，实现不同检测器检测结果的融合，从而提高了人体识别的精度，提高人数清点的精度。

【技术实现步骤摘要】
一种基于视频照片的教室人数识别方法
本专利技术涉及信息
和教育技术
，具体涉及一种基于视频照片的教室人数识别方法。
技术介绍
随着科学技术发展，当下时代已是互联网+时代，是一个大数据时代，是一个人工智能时代。针对于人工智能而言，人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。而大数据是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。人工智能以及大数据的使用，使得计算机的智能化程度越来高。利用神经网络来提供机器学习能，使得计算机的人工智能得到长足的进步。当本文档来自技高网...

【技术保护点】
1.一种基于视频照片的教室人数识别方法，采用如下步骤：/n步骤一：学校排课数据采集，形成各类信息数据；/n步骤二：根据步骤一中的数据关联，建立关联关系为：学院-专业-班级，教师-课程；/n步骤三：根据课室监控摄像头配置信息，通过工厂模式调用摄像头SDK，进行课室视频流对接和照片拍摄，采用各学生的图片信息，形成图片样本数据源；/n步骤四：加载预训练好的人数识别模型，采用目标检测算法Faster R-CNN进行人头检测；/n(1)目标区池化：收集输入的特征图和候选的目标区域，综合这些信息后提取目标区域的特征图，送入后续全连接层判定目标类别；/n(2)目标分类：利用目标区域特征图计算目标区域的类别，...

【技术特征摘要】
1.一种基于视频照片的教室人数识别方法，采用如下步骤：
步骤一：学校排课数据采集，形成各类信息数据；
步骤二：根据步骤一中的数据关联，建立关联关系为：学院-专业-班级，教师-课程；
步骤三：根据课室监控摄像头配置信息，通过工厂模式调用摄像头SDK，进行课室视频流对接和照片拍摄，采用各学生的图片信息，形成图片样本数据源；
步骤四：加载预训练好的人数识别模型，采用目标检测算法FasterR-CNN进行人头检测；
(1)目标区池化：收集输入的特征图和候选的目标区域，综合这些信息后提取目标区域的特征图，送入后续全连接层判定目标类别；
(2)目标分类：利用目标区域特征图计算目标区域的类别，同时再次边界框回归获得检测框最终的精确位置；
步骤五：进行人数识别，采用如下步骤：
(1)加载目标检测模型后，输入接收的课室图片；
(2)利用步骤四中的人数识别模型，对人员检测，模型会返回检测目标的类型、位置和置信值；
步骤六：系统对识别后图片进行处理，把识别出人员的区间人员图像，替换为背景图片；然后调整置信值，再进行二次识别；
步骤七：对模型中的置信值，设置优化区间为[0.6，0.82]；系统自动截取这个区间的识别图片，放入待训练图片数据集；
步骤八：系统通过参数配置，判断是否需要人工审核，如果配置需要人工审核，则待训练集图片经过审核后进入训练集，如果配置不需要，则自动进入训练集；
步骤九：所有的识别过程都记录识别图片，可以人工复审，对异常数据继续处理，并进行人工标识后进入训练集；
步骤十：设定周期时间，系统在原有的训练集中加入新的数据集，进行模型训练，优化算法模型；
步骤十一：数据分析统计：把人数识别的出勤人数跟课表对接，对明细数据进行统计分析，按课程、专业、老师及院系等输出考勤统计报表；设置到课率阈值，根据阈值进行到课率预警信息推送。


2.根据权利要求1所述的一种基于视频照片的教室人数识别方法，其特征在于：步骤一中的学校排课数据包括学院信息数据、专业信息数据、班级信息数据、课程信息数据、教师信...

【专利技术属性】
技术研发人员：谢建国，
申请(专利权)人：广东外语外贸大学，
类型：发明
国别省市：广东;44