一种学情和考勤的智能分析方法及系统技术方案

本发明专利技术提出了一种学情和考勤的智能分析方法及系统，涉及教学技术领域

【技术实现步骤摘要】
一种学情和考勤的智能分析方法及系统


[0001]本专利技术涉及教学
，具体而言，涉及一种学情和考勤的智能分析方法及系统
。

技术介绍

[0002]随着经济的发展和科技的进步，传统的授课方式也在不断的发生改变，多媒体教学已经成为了主流教学模式，在教学过程中，根据教学目标和教学对象的特点，通过教学设计，合理选择和运用现代教学媒体，并与传统教学手段有机组合，共同参与教学全过程，以多种媒体信息作用于学生，形成合理的教学过程结构，达到最优化的教学效果
。
但是，目前的多媒体教学也存在着诸多不足之处，教务管理者难以知晓学生或老师实际到课情况，且无法及时对教学质量
、
教学安排的管控，导致教学质量下降等问题
。

技术实现思路

[0003]本专利技术的目的在于提供一种学情和考勤的智能分析方法及系统，其能够其能够可有效计算当前教室学生的出勤人数，可全面反映常态化教学质量，其所搜集的数据为教务处统筹课程安排和学生学习行为管理提供有效决策支撑
。
[0004]为解决上述技术问题，本专利技术采用的技术方案为：
[0005]第一方面，本申请提供一种学情和考勤的智能分析方法，包括以下步骤：
[0006]基于
yolov5
算法检测人头数量，并实时抓拍人物图像；通过人脸检测算法截取人物图像的人脸区域，并根据人脸区域提取待识别人脸特征向量；将待识别人脸特征向量与数据库中的人员头像人脸特征向量进行特征值比对分析，获得人脸识别结果；将人脸识别结果和人头数量数据上报给统计终端
。
[0007]基于第一方面，上述基于
yolov5
算法的检测人头数量的步骤包括：
[0008]获取待检测图像，并确定与待检测图像对应的预设尺寸；将待检测图像和预设尺寸输入到预设的多尺寸头肩检测模型中进行检测，获得人头数量数据
。
[0009]基于第一方面，上述多尺寸头肩检测模型通过获取的样本图像以及随机选取的多个训练尺寸对初始头肩检测模型进行训练获得的模型，上述初始头肩检测模型通过
yolov5
算法构建
。
[0010]基于第一方面，上述人脸检测算法的步骤包括：
[0011]通过搜集的人脸和非人脸的图像构建人脸正
、
负样本库，并采用统计方法进行强化训练
。
[0012]第二方面，本申请提供一种学情和考勤的智能分析系统，其包括：
[0013]获取模块，用于基于
yolov5
算法检测人头数量，并实时抓拍人物图像；提取模块，用于通过人脸检测算法截取人物图像的人脸区域，并根据人脸区域提取待识别人脸特征向量；分析模块，用于将待识别人脸特征向量与数据库中的人员头像人脸特征向量进行特征值比对分析，获得人脸识别结果；上报模块，用于将人脸识别结果和人头数量数据上报给统
计终端
。
[0014]第三方面，本申请提供一种电子设备，其包括至少一个处理器
、
至少一个存储器和数据总线；其中：上述处理器与上述存储器通过上述数据总线完成相互间的通信；上述存储器存储有被上述处理器执行的程序指令，上述处理器调用上述程序指令以执行如上述第一方面中任一项上述的方法
。
[0015]第四方面，本申请提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述第一方面中任一项上述的方法
。
[0016]相对于现有技术，本专利技术至少具有如下优点或有益效果：
[0017]本专利技术提出了一种学情和考勤的智能分析方法，通过对教室内的人头进行检测，可有效计算当前教室学生的出勤人数，且可划分教室前后排，智能计算前排就座率，更好的反应当前教室教学质量或内容的受欢迎程度
。
在上课期间，设置在班级内的摄像头还将实时抓取教室内的人物图像，再截取人物图像中的人脸区域图像，进一步再从人脸区域图像中提取待识别人脸特征向量与数据库中的人脸特征向量进行匹配比对分析，得到对应学生信息结果
。
其中在对教室内的学生均进行人脸识别后，可以判断未到教室学生的信息，可以有效精准的识别老师或学生不同角色，且具有非强制性的人脸识别效果，用户无需专门配合人脸设备进行信息采集和识别，在无意识状态下即可获完成考勤统计，十分方便，其中系统还将人脸识别结果和考勤情况实时上报给统计终端，保证数据的真实性和实时性
。
这样的一种学情和考勤的智能分析方法可全面反映常态化教学质量，其所搜集的数据为教务处统筹课程安排和学生学习行为管理提供有效决策支撑，供教务管理部门参考分析本校的教学质量情况，为教学中存在的问题提供预警机制，为课堂教学的改进以及课程的设置提供相关决策依据
。
附图说明
[0018]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图
。
[0019]图1为本专利技术一种学情和考勤的智能分析方法一实施例的流程图；
[0020]图2为本专利技术一种学情和考勤的智能分析系统一实施例的结构框图；
[0021]图3为本专利技术实施例提供的一种电子设备的结构框图
。
[0022]图标：
1、
获取模块；
2、
提取模块；
3、
分析模块；
4、
上报模块；
5、
处理器；
6、
存储器；
7、
数据总线
。
具体实施方式
[0023]为使本申请实施例的目的
、
技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚
、
完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例
。
通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计
。
[0024]下面结合附图，对本申请的一些实施方式作详细说明
。
在不冲突的情况下，下述的
各个实施例及实施例中的各个特征可以相互组合
。
[0025]实施例1[0026]请参阅图1，本申请实施例提供了一种学情和考勤的智能分析方法，其能够可有效计算当前教室学生的出勤人数，可全面反映常态化教学质量，其所搜集的数据为教务处统筹课程安排和学生学习行为管理提供有效决策支撑
。
该一种学情和考勤的智能分析方法包括以下步骤：
[0027]步骤
S101
：基于
yolov5
算法检测人头数量，并实时抓拍人物图像
。
[0028]在上述步骤中，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种学情和考勤的智能分析方法，其特征在于，包括以下步骤：基于
yolov5
算法检测人头数量，并实时抓拍人物图像；通过人脸检测算法截取人物图像的人脸区域，并根据人脸区域提取待识别人脸特征向量；将待识别人脸特征向量与数据库中的人员头像人脸特征向量进行特征值比对分析，获得人脸识别结果；将人脸识别结果和人头数量数据上报给统计终端
。2.
根据权利要求1所述的一种学情和考勤的智能分析方法，其特征在于，所述基于
yolov5
算法的检测人头数量的步骤包括：获取待检测图像，并确定与待检测图像对应的预设尺寸；将待检测图像和预设尺寸输入到预设的多尺寸头肩检测模型中进行检测，获得人头数量数据
。3.
根据权利要求2所述的一种学情和考勤的智能分析方法，其特征在于，所述多尺寸头肩检测模型通过获取的样本图像以及随机选取的多个训练尺寸对初始头肩检测模型进行训练获得的模型，所述初始头肩检测模型通过
yolov5
算法构建
。4.
根据权利要求1所述的一种学情和考勤的智能分析方法，其特征在于，所述人...

【专利技术属性】
技术研发人员：居安康，
申请(专利权)人：北京翰博尔信息技术股份有限公司，
类型：发明
国别省市：