一种基于卷积神经网络和多人脸识别的课堂考勤方法技术

本发明专利技术公开了一种基于卷积神经网络和多人脸识别的课堂考勤方法，包括步骤：S01、通过手机采集全班正脸清晰合照，并将采集的全班正脸清晰合照上传至云端服务器；S02、通过YOLOv3对全班正脸清晰合照进行人脸识别和人脸分割，得到分割后的全部正脸小照片；S03、通过InsightFace将全班正脸小照片与学生人脸数据库进行比对，分别得到全班每个学生的考勤情况；S04、再将全班每个学生的考勤情况发送至学生考勤系统，得到全班考勤结果。本发明专利技术的有益效果是：引入了卷积神经网络YOLOv3和InsightFace，仅使用手机拍摄一张全班合照，便可高质量地完成课堂考勤。该方法相比单人脸考勤，或者视频多帧考勤，都具有相对优势，避免了系统的时效性差、复杂性高、准确率等问题。

【技术实现步骤摘要】
一种基于卷积神经网络和多人脸识别的课堂考勤方法
本专利技术涉及一种基于多人脸识别的课堂考勤方法，特别是一种基于卷积神经网络和多人脸识别的课堂考勤方法。
技术介绍
中国大学生的课堂考勤一直是一个未能真正解决的问题，课堂人工考勤的方式耗时多，还很难避免代人考勤等问题。此外，使用额外设备考勤的方式，例如：指纹考勤，手机考勤，扫二维码考勤，摄像头自动捕捉考勤等，它们都或多或少的衍生出一些问题，例如：时耗长、准确度不高、或者价格不菲，效率低下。目前，最有希望的方向是使用人工智能来辅助课堂考勤。文献“基于人脸识别的移动课堂考勤系统的设计与实现[J].软件，2018，39(01)：5-8.”公开了一种基于多人脸识别的考勤方法。该方法拍摄一张全班合照，上传到其自建系统，进行人脸识别，得出考勤结果。其自建系统需要提前进行人脸图像采集与预处理，检测与定位，特征提取，最后才可以实现人脸图像匹配与识别。其中利用了主成分分析技术PCA，测量人脸图像中眼睛、颧骨、嘴巴、下巴等之间的间距来进行身份认证。该方法的主要问题是实现过程复杂，算法过时，效果不佳，准确率仅有75％，而且其严重缺乏相关的实验数据样本，仅有的数据样本只有一个25人的班级，无法达到真正的实用价值。一种基于卷积神经网络和多人脸识别的课堂考勤方法能够有效的解决此类课堂考勤的问题。
技术实现思路
为了解决现有的基于人脸识别的课堂考勤系统的问题，如：设备昂贵，考勤速度慢，准确率低，容易受环境光照，照片噪点、姿态和表情等的影响。本专利技术提供了一种基于卷积神经网络和多人脸识别的课堂考勤方法。本方法基于解决人脸检测和人脸识别两个大模块，分别使用基于卷积神经网络的YOLOv3算法，和用于深度人脸识别的ArcFace算法也称InsightFace算法。YOLOv3网络和InsightFace网络使用公开的海量数据集提前训练好，然后用来检测和识别课堂考勤情况。本方法不需要训练目标系统中的数据，使用开源的人脸数据集WIDERFace训练即可，训练好的网络可以直接使用。此方法的特点是速度极快，准确率极高，额外成本几乎为0。YOLOv3一秒可以检测30张照片并切割出人脸图像，InsightFace的识别速度同样是毫秒级别，准确率都存99％以上，远大于人眼的97％。并且可以不受光照、噪点、姿态和表情等的影响。可以很好的解决大学课堂考勤耗时多又缺乏准确率的问题。为了解决上述技术问题，如图2所示，本专利技术采用的技术方案为：一种基于卷积神经网络和多人脸识别的课堂考勤方法，包括步骤，S01通过手机采集全班正脸清晰合照，并将采集的全班正脸清晰合照上传至云端服务器；S02通过卷积神经网络YOLOv3对全班正脸清晰合照进行人脸识别和人脸分割，得到分割后的全部正脸小照片；S03通过卷积神经网络InsightFace将全班正脸小照片与学生人脸数据库进行比对，分别得到全班每个学生的考勤情况，学生人脸数据库，由两部分构成，分别是学校教务系统已有的人脸照片或者是学生自己上传的正脸人像照片；S04再将全班每个学生的考勤情况发送至学生考勤系统，得到全班考勤结果；S05将全班考勤结果发送至手机客户端供老师和学生查看，手机客户端可以是APP或者微信小程序。步骤S01中，所述由手机采集全班正脸清晰合照无需使用额外设备。步骤S02中，所述YOLOv3是一种基于卷积神经网络的目标检测分割网络，该网络可高效地检测和分割人脸合照，并得到分割后的小照片。步骤S03中，InsightFace是一种基于卷积神经网络的人脸识别网络，其可与已有的学生人脸数据库进行高效的人脸比对和识别。步骤S04中，学生考勤系统获取InsightFace处理后的人脸比对和识别结果，得到全班考勤结果。步骤S05中，拥有可以实时查看结果的APP或者微信小程序手机客户端，可以与学生及时反馈更正，保证时效性。一种基于卷积神经网络和多人脸识别的课堂考勤方法，包括手机客户端、云端服务器、人脸检测分割卷积神经网络YOLOv3、人脸比对识别卷积神经网络InsightFace、学生考勤模块、学生人脸数据库。附图说明图1为本专利技术的原理框图。图2为本专利技术的流程示意图。图3为本专利技术的人脸数据库组成程流程图。具体实施方式为详细说明本专利技术的
技术实现思路
、构造特征、所实现目的及效果，以下结合实施方式并配合附图予以详细说明。本专利技术最关键的构思在于：课堂多人脸考勤无需额外的图像采集设备亦或是云端上传的设备，普通的个人手机就可以办到，只需要上课前使用手机随手拍摄一张全班正脸合照，上传到云端服务器，利用卷积神经网络YOLOv3和InsightFace处理后得到每个学生的正脸小照片，与学生人脸数据库比对识别后即可得到考勤结果。之所以采用手机替代复杂的外设，主要是基于现有的卷积神经网络的飞速发展，其精度和效率已经远远超出课堂多人脸考勤的需求。采用手机拍摄合照的方式可以有效的避免学生代替点到，极大地节约上课点到的时间和精确度。本专利技术提供了一种基于卷积神经网络和多人脸识别的课堂考勤方法，包括学生人脸数据库的建立流程和考勤系统工作流程；所述学生人脸数据库的建立流程，如图3所示，包括步骤，S1)云端服务器直接获取学校教务系统已有的学生人脸数据库；S2)当学校人脸数据库无法满足要求时，学生自行注册进行人脸数据采集，更新到云端服务器的人脸数据库；所述考勤系统工作流程包括将采集的全班正脸合照通过卷积神经网络YOLOv3和InsightFace处理后，得到每个学生的正脸小照片与云端服务器的人脸数据库进行比对，并得到考勤结果的过程。从上述描述可知，本专利技术的有益效果在于：只需要上课前使用手机随手拍摄一张全班正脸合照，上传云端服务器后即可得到考勤结果。该方法简单且可以有效的避免学生代替点到，极大地节约上课点到的时间和精确度。此方法的特点是速度快，准确率高，额外成本几乎为0。YOLOv3一秒可以检测30张照片并切割出人脸图像，InsightFace的识别速度同样是毫秒级别，准确率都在99％以上，远大于人眼的97％，并且可以不受光照、噪点、姿态和表情等的影响，可以很好的解决大学课堂考勤耗时多又缺乏准确率的问题。实施例1：上述考勤系统工作流程还包括手机移动端更正考勤结果，如图1所示，手机移动端更正考勤结果包括以下步骤：S11)教师课前使用手机随手拍摄一张全班正脸合照，上传云端服务器；S12)云端服务器通过卷积神经网络处理合照；S13)自动考勤系统接收合照处理结果并得到考勤结果；S14)教师或学生手机移动端获取考勤结果；S15)教师或学生对考勤结果有异议，可重新拍摄合照并重复上面的步骤，或者教师手动更正考勤结果；S16)结果无异议，输出最终考勤结果供教师和学生查看。实施例2：进一步的，上述手机移动端更正考勤结果中通过卷积神经网络YOLOv3和卷积神本文档来自技高网...

【技术保护点】
1.一种基于卷积神经网络和多人脸识别的课堂考勤方法，其特征在于，包括步骤：/nS01：通过手机采集全班正脸清晰合照，并将采集的全班正脸清晰合照上传至云端服务器；/nS02：通过卷积神经网络YOLO v3对全班正脸清晰合照进行人脸识别和人脸分割，得到分割后的全部正脸小照片；/nS03：通过卷积神经网络InsightFace将全班正脸小照片与学生人脸数据库进行比对，分别得到全班每个学生的考勤情况，学生人脸数据库，由两部分构成，分别是学校教务系统已有的人脸照片或者是学生自己上传的正脸人像照片；/nS04：再将全班每个学生的考勤情况发送至学生考勤系统，得到全班考勤结果；/nS05：将全班考勤结果发送至手机客户端供老师和学生查看，手机客户端可以是APP或者微信小程序。/n

【技术特征摘要】
1.一种基于卷积神经网络和多人脸识别的课堂考勤方法，其特征在于，包括步骤：
S01：通过手机采集全班正脸清晰合照，并将采集的全班正脸清晰合照上传至云端服务器；
S02：通过卷积神经网络YOLOv3对全班正脸清晰合照进行人脸识别和人脸分割，得到分割后的全部正脸小照片；
S03：通过卷积神经网络InsightFace将全班正脸小照片与学生人脸数据库进行比对，分别得到全班每个学生的考勤情况，学生人脸数据库，由两部分构成，分别是学校教务系统已有的人脸照片或者是学生自己上传的正脸人像照片；
S04：再将全班每个学生的考勤情况发送至学生考勤系统，得到全班考勤结果；
S05：将全班考勤结果发送至手机客户端供老师和学生查看，手机客户端可以是APP或者微信小程序。


2.根据权利要求1所述的一种基于卷积神经网络和多人脸识别的课堂考勤方法，其特征在于，步骤S01中，所述由手机采集全班正脸清晰合照无需使用额外设备。


3.根据权利要求1所述的一种基于卷积神经网络和多人脸识别的课堂考勤方法，其特征在于，步骤S02中，所述YOLOv3是一...

【专利技术属性】
技术研发人员：蒋过，陈星宇，卜磊，
申请(专利权)人：成都理工大学，
类型：发明
国别省市：四川;51