教室智能考勤方法及系统技术方案

本申请涉及考勤技术，公开了一种教室智能考勤方法及系统，能够准确地判断学生的考勤情况。该方法包括：预先构建人脸库，包括每个学生的人脸图像；触发考勤教室内的电子班牌和摄像机进入考勤模式；确定该考勤教室对应的考勤学生集合；通过该电子班牌对学生进行打卡考勤，得到第一考勤数据；通过该摄像机周期性地采集学生图像，得到学生图像集合，基于该人脸库对该学生图像集合中的每张图像进行人脸识别，得到第二考勤数据；根据该第一考勤数据和该第二考勤数据确定该考勤学生集合中每个学生的考勤情况。勤情况。勤情况。

【技术实现步骤摘要】
教室智能考勤方法及系统


[0001]本申请涉及考勤技术，特别涉及教室智能考勤技术。

技术介绍

[0002]目前，学校课堂的考勤方式仍然是教师对照学生信息表进行人工点名的方式。这种考勤方式不仅占用了大量的教学时间，而且严重耗费教师的精力。有些教师为了缩短点名时间，通常只进行一次或者多次随机抽查点名，并不能准确地判断学生在整个课堂时段的考勤情况，导致考勤误差较大，一定程度上助长了逃课、旷课等行为。

技术实现思路

[0003]本申请的目的在于提供一种教室智能考勤方法及系统，能够准确地判断每个学生在整个上课时段的考勤情况。
[0004]本申请公开了一种教室智能考勤方法，包括：
[0005]预先构建人脸库，包括每个学生的人脸图像；
[0006]触发考勤教室内的电子班牌和摄像机进入考勤模式；
[0007]确定所述考勤教室对应的考勤学生集合；
[0008]通过所述电子班牌对学生进行打卡考勤，得到第一考勤数据；
[0009]通过所述摄像机周期性地采集学生图像，得到学生图像集合，基于所述人脸库对所述学生图像集合中的每张图像进行人脸识别，得到第二考勤数据；
[0010]根据所述第一考勤数据和所述第二考勤数据确定所述考勤学生集合中每个学生的考勤情况。
[0011]在一个优选例中，所述预先构建人脸库，包括每个学生的人脸图像进一步包括：
[0012]获取每个学生的多张人脸图像；
[0013]根据公式根据公式对所述每个学生的每张人脸图像的ROI区域进行评分，其中，且有且只有一个为1，只有一个为1，为人脸图像ROI区域分辨率，为人脸图像分辨率，f()表示目标检测模型，p表示输入的人脸图像，y为人脸图像ROI区域的中心点距离人脸图像中心点的距离且u为人脸图像的拉普拉斯算子检测值且u∈(0,+∞)，
[0014]选择所述每个学生的评分最优的人脸图像构建所述人脸库。
[0015]在一个优选例中，α＝0.25，β＝0.05，γ＝0.25，μ＝0.25；
[0016]所述公式满足以下约束条件：
[0017][0018]在一个优选例中，所述触发考勤教室内的电子班牌和摄像机进入考勤模式之前，还包括：
[0019]预先存储教室课程进程表，所述教室课程进程表包括考勤教室、上课时段和考勤学生集合的对应关系；
[0020]所述触发考勤教室内的电子班牌和摄像机进入考勤模式进一步包括：
[0021]根据所述教室课程进程表确定目标上课时段对应的考勤教室，触发所述考勤教室内的电子班牌和摄像机进入考勤模式；
[0022]所述确定所述考勤教室对应的考勤学生集合进一步包括：
[0023]根据所述教室课程进程表确定所述考勤教室对应的考勤学生集合。
[0024]在一个优选例中，所述通过所述电子班牌对学生进行打卡，得到第一考勤数据进一步包括：
[0025]通过所述电子班牌识别打卡学生并记录打卡时间，得到包括打卡学生及其打卡时间的第一考勤数据；
[0026]所述基于所述人脸库对所述学生图像集合中的每张图像进行人脸识别，得到第二考勤数据进一步包括：
[0027]基于所述人脸库对所述学生图像集合中的每张图像进行人脸识别；
[0028]根据人脸识别结果计算所述考勤学生集合中每个学生被识别次数和频次，得到包括每个学生被识别次数和频次的第二考勤数据。
[0029]在一个优选例中，所述根据所述第一考勤数据和所述第二考勤数据确定所述考勤学生集合中每个学生的考勤情况，进一步包括：
[0030]将所述打卡学生的打卡时间与目标上课时段进行比对，确定所述考勤学生集合中每个学生的迟到、早退或缺勤情况；
[0031]根据所述每个学生被识别次数和频次确定每个学生的课中异常情况，其中，被识别次数大于第一预设阈值且被识别频次小于第二预设阈值的学生被确定为课中异常情况；
[0032]根据所述每个学生的迟到、早退或缺勤情况和每个学生的课中异常情况确定所述考勤学生集合中每个学生的考勤情况。
[0033]在一个优选例中，所述通过所述摄像机周期性地采集学生图像，得到学生图像集合之前还包括：
[0034]预先将所述考勤教室内的听课区域划分为多个子区域；
[0035]所述通过所述摄像机周期性地采集学生图像，得到学生图像集合进一步包括：
[0036]通过所述摄像机周期性地扫描拍摄所述听课区域的学生图像，在每个采集周期，所述摄像机先顺时针扫描拍摄再逆时针扫描拍摄所述多个子区域，在扫描到每个子区域时
停留预设时长拍摄预设张图像，得到所述学生图像集合。
[0037]本申请公开了一种教室智能考勤系统，包括：
[0038]设于各教室内的电子班牌和摄像机，所述电子班牌用于对学生进行打卡得到第一考勤数据，所述摄像机用于周期性地采集学生图像得到学生图像集合；
[0039]构建模块，用于构建包括每个学生的人脸图像人脸库；
[0040]触发模块，用于触发考勤教室内的电子班牌和摄像机进入考勤模式；
[0041]获取模块，用于从所述电子班牌获取所述第一考勤数据和从所述摄像机获取所述学生图像集合；
[0042]人脸识别模块，用于基于所述人脸库对所述学生图像集合中的每张图像进行人脸识别，得到第二考勤数据；
[0043]确定模块，用于确定所述考勤教室对应的考勤学生集合，根据所述第一考勤数据和所述第二考勤数据确定所述考勤学生集合中每个学生的考勤情况。
[0044]本申请还公开了一种教室智能考勤系统，包括设于教室内的电子班牌和摄像机；以及服务器，所述服务器还包括：
[0045]存储器，用于存储计算机可执行指令；以及，
[0046]处理器，用于在执行所述计算机可执行指令时实现如前文描述的方法中的步骤。
[0047]本申请还公开了一种计算机可读存储介质所述计算机可读存储介质中存储有计算机可执行指令，所述计算机可执行指令被处理器执行时实现如前文描述的方法中的步骤。
[0048]本申请实施方式中，与现有技术相比，至少包括以下有益效果：
[0049]将电子班牌和摄像机无感考勤相结合，从而更准确地判断学生的考勤情况(例如，缺勤、迟到、早退、中途逃课、趴桌睡觉等)。
[0050]进一步地，在摄像机考勤时，基于大规模的学生人脸图像，从人脸ROI图像人脸占比、人脸置信度、人脸位置、图像清晰度、人脸位置分辨率等多个方面，根据人脸图像评分公式筛选出每个学生满足条件最优评分的人脸图像组成本申请的人脸库，与传统人脸识别相比，采用本申请的人脸库进行人脸识别的准确性和速度都有显著的提升。
[0051]本申请的说明书中记载了大量的技术特征，分布在各个技术方案中，如果要罗列出本申请所有可能的技术特征的组合(即技术方案)的话，会使得说明书过于冗长。为了避免这个问题，本申请上述
技术实现思路
中公开的各个技术特征、在下文各个实施方式和例子中公开的各技术特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种教室智能考勤方法，其特征在于，包括：预先构建人脸库，包括每个学生的人脸图像；触发考勤教室内的电子班牌和摄像机进入考勤模式；确定所述考勤教室对应的考勤学生集合；通过所述电子班牌对学生进行打卡考勤，得到第一考勤数据；通过所述摄像机周期性地采集学生图像，得到学生图像集合，基于所述人脸库对所述学生图像集合中的每张图像进行人脸识别，得到第二考勤数据；根据所述第一考勤数据和所述第二考勤数据确定所述考勤学生集合中每个学生的考勤情况。2.如权利要求1所述的教室智能考勤方法，其特征在于，所述预先构建人脸库，包括每个学生的人脸图像进一步包括：获取每个学生的多张人脸图像；根据公式根据公式对所述每个学生的每张人脸图像的ROI区域进行评分，其中，m、n∈{0,1}且有且只有一个为1，一个为1，为人脸图像ROI区域分辨率，为人脸图像分辨率，f()表示目标检测模型，p表示输入的人脸图像，y为人脸图像ROI区域的中心点距离人脸图像中心点的距离且u为人脸图像的拉普拉斯算子检测值且u∈(0,+∞)，选择所述每个学生的评分最优的人脸图像构建所述人脸库。3.如权利要求2所述的教室智能考勤方法，其特征在于，α＝0.25，β＝0.05，γ＝0.25，μ＝0.25；所述公式满足以下约束条件：4.如权利要求1所述的教室智能考勤方法，其特征在于，所述触发考勤教室内的电子班牌和摄像机进入考勤模式之前，还包括：预先存储教室课程进程表，所述教室课程进程表包括考勤教室、上课时段和考勤学生集合的对应关系；所述触发考勤教室内的电子班牌和摄像机进入考勤模式进一步包括：
根据所述教室课程进程表确定目标上课时段对应的考勤教室，触发所述考勤教室内的电子班牌和摄像机进入考勤模式；所述确定所述考勤教室对应的考勤学生集合进一步包括：根据所述教室课程进程表确定所述考勤教室对应的考勤学生集合。5.如权利要求1所述的教室智能考勤方法，其特征在于，所述通过所述电子班牌对学生进行打卡，得到第一考勤数据进一步包括：通过所述电子班牌识别打卡学生并记录打卡时间，得到包括打卡学生及其打卡时间的第一考勤数据；所述基于所述人脸库对所述学生图像集合中的每张图像进行人脸识别，得到第二考勤数据进一步包括：基于所述人脸库对所述学生图像集合中的每张图像进行人脸识别；根据人脸识别结果计算所述考勤学生集合中每个学生被识别次数和频次，得到包括每个学生...

【专利技术属性】
技术研发人员：张新华，李琳璐，司俊，陈诚，
申请(专利权)人：浙江蓝鸽科技有限公司，
类型：发明
国别省市：