【技术实现步骤摘要】
一种无接触的课堂自动签到方法及系统
[0001]本专利技术涉及图像处理
，更具体地说，涉及一种无接触的课堂自动签到方法及系统。
技术介绍
[0002]课堂签到，从学生角度来看可以起到约束的作用，尤其是对于那些自制力较差的学生，避免班级出现不良的学习氛围；从老师角度来看，课堂签到不仅可以维持正常的课堂秩序，而且可以帮助老师了解学生的学习态度，留意自制力较差和成绩不理想的学生，保证教学的质量。因此课堂签到对于教学来说是一个非常有意义的环节。
[0003]当前最常用的课堂签到方式大致可以分为两种：一种是传统课堂签到，即由老师为主导不通过线上进行签到的方式，如点名册点名、纸质签名等；另一种则是当下比较常用的线上签到，即通过手机app或网站进行签到，老师发布签到类型，如：位置签到、二维码签到等，然后学生借助手机进行签到。
[0004]传统签到方法费时费力，占用教学时间，且存在代签的可能；线上签到方法有时会受限于网络因素和手机因素，也会给学生带来玩手机的机会，且同样存在代签的可能，并且两种签到方式均需要老师组织开展...
【技术保护点】
【技术特征摘要】
1.一种无接触的课堂自动签到方法，其特征在于，包括以下步骤：步骤一、监控摄像捕捉教室画面，获取学生上课的教室图像；步骤二、构建基于S3fd的人脸检测模型，对图像进行人脸检测并截取图像中的人脸部分，得到学生的人脸图像；步骤三、使用基于稀疏表示的图像超分辨率重建模型，对学生人脸图像进行分辨率提升，得到高分辨率的学生人脸图像；步骤四、利用基于facenet的人脸识别模型对学生人脸图像进行检验，得到对应人脸图像的学生信息；步骤五、多次重复步骤一
‑
步骤四，整合得到学生信息，生成学生课堂签到和未签到名单，再由老师核实未签到名单的准确性。2.根据权利要求1所述的一种无接触的课堂自动签到方法，其特征在于：步骤二构建的基于S3fd的人脸检测模型，包括：基础卷积层：保留VGG16网络的Conv1_1到pool5层的结构，去除VGG16网络其余的结构；额外卷积层：对于VGG16的fc6和fc7层的参数进行二次采样并将其转化成卷积层，然后在fc6和fc7卷积层后面添加由大到小的额外卷积层Conv6_1、Conv6_2、Conv7_1和Conv7_2；检测卷积层：将基础卷积层中的Conv3_3、Conv4_3、Conv5_3和额外卷积层中的Conv_fc7、Conv6_2、Conv7_2层设置为检测卷积层，并设置相匹配的步长和anchor；正则化层：在检测卷积层中，Conv3_3、Conv4_3、Conv5_3具有不同的特征尺寸，通过L2归一化将这三个卷积层的范数重新约束到10、8和5；预测卷积层：在每一个检测卷积层后面添加一个大小为p*3*3*q的卷积层作为预测卷积层，其中p和q分别是输出和输入的通道数，3*3是卷积核的尺寸；多任务损失层：该层为损失函数层，其中对于分类损失使用交叉熵损失，回归损失则用Smooth L1损失。3.根据权利要求2所述的一种无接触的课堂自动签到方法，其特征在于：在检测卷积层中，设置anchor的尺寸与步长的大小比例始终保持在4：1。4.根据权利要求3所述的一种无接触的课堂自动签到方法，其特征在于：在Conv3_3检测层使用max
‑
out背景标签策略，将背景细分为N
m
类，人脸作为一类，对于小尺寸的anchor，预测N
m
类背景标签的概率，然后选择其中概率最高的作为最终分...
【专利技术属性】
技术研发人员：李嘉鑫，李霞，李文喜，吴东杰，聂问天，
申请(专利权)人：安徽工业大学，
类型：发明
国别省市：
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。