【技术实现步骤摘要】
本专利技术属于教室智能管理领域，特别涉及基于人工智能的多场景智慧教室监察系统。
技术介绍
1、目前，在当今的教育环境中，教室管理和监察是一个重要的环节，它直接影响到教学质量和学生的学习效果。传统的教室监察方式主要依赖于人工进行，这种方式不仅工作量大，效率低，而且容易出现疏漏，无法做到全面、准确的监察。随着科技的发展，人工智能技术的应用为教室监察带来了新的可能。
2、人工智能是一种模拟和扩展人的智能的技术，它可以通过学习和理解环境，做出符合预设目标的决策和行动。在教室监察中，人工智能可以通过分析教室中的各种数据，如学生的出勤情况、行为表现、学习效果等，实现对教室的智能监察。
3、然而，现有的基于人工智能的教室监察系统大多只能应用于特定的场景，如只能监察学生的出勤情况，或者只能监察学生的行为表现，无法满足多场景的监察需求。此外，现有的系统大多只能提供静态的监察结果，无法实现动态的、实时的监察。
4、因此，开发一种基于人工智能的多场景智慧教室监察系统是非常必要的。这种系统应该能够适应各种教室场景，如常规课堂、实验课、体育课等，实现对学生出勤、行为表现、学习效果等多方面的监察。同时，系统应该能够提供动态的、实时的监察结果，以便教师和管理人员能够及时了解教室的情况，做出相应的决策。
5、此外，这种系统还应该具有良好的用户体验和易用性。教师和管理人员应该能够通过简单的操作，就能够使用系统进行教室监察。系统应该提供直观的界面和丰富的数据展示，使得用户能够轻松地理解和分析监察结果。
6
技术实现思路
1、本专利技术提出基于人工智能的多场景智慧教室监察系统，解决了传统教室管理中的多个技术问题。首先，通过空间扫描和模型搭建，实现了对教室环境的精确理解和模拟。其次，通过人脸识别技术，实现了自动化的考勤签到，提高了考勤效率和准确性。再次，通过语音播报单元，实现了自动化的信息发布，提高了信息传递的效率。最后，通过人数监测和作弊行为检测，实现了对教室行为的实时监控，提高了教室管理的效果。。
2、本专利技术的技术方案是这样实现的：基于人工智能的多场景智慧教室监察系统，包括教室模型搭建单元、考勤签到单元、语音播报单元、监察单元和中央控制器，所述教室模型搭建单元在待搭建房间内进行空间扫描，通过将空间扫描数据进行空间模型搭建，在空间模型的任意侧边上构建阵列点，阵列点之间的间隔距离为固定值，通过设定比例间距将考勤签到单元和语音播报单元的布设位置在空间模型中进行确定，考勤签到单元在预设位置进行布设后，通过使用motion开源库读取并且传输摄像头捕获的视频信息，使得本地摄像头能够在同一局域网内访问，将获取到的数据传输到服务器端通过facenet进行人脸关键点定位，提取人脸区域的特征向量，利用训练好的人脸识别模型通过对比人脸数据库的信息进行人脸识别，得到识别出的身份信息，通过识别信息比对进行考勤签到；所述语音播报单元与中央控制器进行数据交互，通过接收中央控制器的控制指令，将控制信息进行语音播报，所述监察单元内置有人数监测模块和作弊行为监测模块，通过两个模块分别对教室内的人数和作弊行为进行监控判定，并将判定结果反馈至中央控制器内；所述中央控制器分别与考勤签到单元、语音播报单元和监察单元连接，用户通过在向中央控制器输入指令，通过mqtt协议发送相应指令至mqtt服务器，接收mqtt服务器反馈指令，并通过串口传输给考勤签到单元、语音播报单元和监察单元。
3、基于人工智能的多场景智慧教室监察系统，与现有技术相比，主要区别和创新点在于：教室模型搭建单元：现有技术中教室监控系统通常没有对教室空间进行三维建模。本系统通过空间扫描和构建阵列点，形成一个精确的三维空间模型，使得设备布局和监控更加精确和高效，能够根据教室的具体结构和特点优化设备布置。
4、集成的考勤签到单元：传统的考勤系统通常是基于卡片刷卡或者签到表，而本系统利用motion库和facenet进行人脸识别，实现自动化、无接触的考勤过程，提高了考勤速度和准确性，同时减少了人为操作的繁琐性。
5、语音播报单元：相较于传统的手动或文本通知方式，本系统的语音播报单元可以自动将中央控制器的控制信息转化为语音播报，提高了信息传递的效率和及时性，同时也增强了信息的接收效果。
6、监察单元的多功能集成：本系统的监察单元不单单进行传统的视频监控，还集成了人数监测模块和作弊行为检测模块，使得系统能够更全面地进行教室管理，实现对学生出勤和诚信考试等多方面的智能监察。
7、中央控制器与mqtt协议的应用：现有系统可能使用各种通信方式，而本系统采用mqtt协议进行指令的发送和接收，这是一种轻量级的、高效的发布/订阅网络协议，具有高传输效率和低带宽占用的特点，非常适合于物联网通信和智慧教室这样的场景。
8、综上所述，本系统相较于现有技术，具有空间模型搭建的先进性、考勤签到的自动化和无接触性、语音播报的直观性和便捷性、监察单元的多功能性以及中央控制器与mqtt协议的高效性，展现了在智慧教室领域新一代技术的应用潜力和优势。
9、作为一优选的实施方式，所述人数监测模块预先从网络上下载好训练用的coco数据集并拍摄200张教室图片作为训练的数据集，使用labelme进行数据集标注并且训练，通过不断改进标注的方法提高识别精度，通过在教室内搭载tp-link高清摄像头对教室内画面进行实时捕捉，将视频流传输给中央处理器，并通过中央处理器反馈至mqtt服务器中。
10、作为一优选的实施方式，mqtt服务器对上传的视频数据的视频流进行等间隔采样，并对采样图片裁剪至640*640大小，传输给训练好的基于yolov5的神经网络模型，通过识别出的人的数目，获得教室内人数。
11、作为一优选的实施方式，所述作弊行为监测模块预先拍摄好教室场景下，学生作弊嫌疑行为以及学生正常行为图片，预先训练好的模型对拍摄好的图片进行预测得出人体关键点数据保存至csv文件中，并针对特定行为设计knn姿态分类算法进行预测，通过在教室内搭载tp-link高清摄像头对教室内画面进行实时捕捉，将视频流传输给中央处理器，并通过中央处理器反馈至mqtt服务器中。
12、作为一优选的实施方式，mqtt服务器对上传的视频数据的视频流进行等间隔采样，并对采样图片高度裁剪至256px，将图片传入训练好的openpose模型进行人体关键点检测，将得出的人体关键点，通过knn算法与数据库中的数据进行比较得出最接近的动作，完成动作识别。
13、作为一优选的实施方式，所述监察单元内还设置有违禁监察模块，预先从网络上下载好需要识别的违禁物品图片或者违禁行为图片作为训练集，同时将违禁物的六视图作为附件训练集，提高违禁监察模块识别精度，通过在教室内搭载tp-link高清本文档来自技高网...
【技术保护点】
1.基于人工智能的多场景智慧教室监察系统，其特征在于，包括教室模型搭建单元、考勤签到单元、语音播报单元、监察单元和中央控制器，所述教室模型搭建单元在待搭建房间内进行空间扫描，通过将空间扫描数据进行空间模型搭建，在空间模型的任意侧边上构建阵列点，阵列点之间的间隔距离为固定值，通过设定比例间距将考勤签到单元和语音播报单元的布设位置在空间模型中进行确定，考勤签到单元在预设位置进行布设后，通过使用Motion开源库读取并且传输摄像头捕获的视频信息，使得本地摄像头能够在同一局域网内访问，将获取到的数据传输到服务器端通过FaceNet进行人脸关键点定位，提取人脸区域的特征向量，利用训练好的人脸识别模型通过对比人脸数据库的信息进行人脸识别，得到识别出的身份信息，通过识别信息比对进行考勤签到；所述语音播报单元与中央控制器进行数据交互，通过接收中央控制器的控制指令，将控制信息进行语音播报，所述监察单元内置有人数监测模块和作弊行为监测模块，通过两个模块分别对教室内的人数和作弊行为进行监控判定，并将判定结果反馈至中央控制器内；所述中央控制器分别与考勤签到单元、语音播报单元和监察单元连接，用户通过在向中
2.如权利要求1所述的基于人工智能的多场景智慧教室监察系统，其特征在于：所述人数监测模块预先从网络上下载好训练用的COCO数据集并拍摄200张教室图片作为训练的数据集，使用Labelme进行数据集标注并且训练，通过不断改进标注的方法提高识别精度，通过在教室内搭载TP-Link高清摄像头对教室内画面进行实时捕捉，将视频流传输给中央处理器，并通过中央处理器反馈至MQTT服务器中。
3.如权利要求2所述的基于人工智能的多场景智慧教室监察系统，其特征在于：MQTT服务器对上传的视频数据的视频流进行等间隔采样，并对采样图片裁剪至640*640大小，传输给训练好的基于YOLOV5的神经网络模型，通过识别出的人的数目，获得教室内人数。
4.如权利要求1所述的基于人工智能的多场景智慧教室监察系统，其特征在于：所述作弊行为监测模块预先拍摄好教室场景下，学生作弊嫌疑行为以及学生正常行为图片，预先训练好的模型对拍摄好的图片进行预测得出人体关键点数据保存至csv文件中，并针对特定行为设计KNN姿态分类算法进行预测，通过在教室内搭载TP-Link高清摄像头对教室内画面进行实时捕捉，将视频流传输给中央处理器，并通过中央处理器反馈至MQTT服务器中。
5.如权利要求4所述的基于人工智能的多场景智慧教室监察系统，其特征在于：MQTT服务器对上传的视频数据的视频流进行等间隔采样，并对采样图片高度裁剪至256px，将图片传入训练好的Openpose模型进行人体关键点检测，将得出的人体关键点，通过KNN算法与数据库中的数据进行比较得出最接近的动作，完成动作识别。
6.如权利要求1所述的基于人工智能的多场景智慧教室监察系统，其特征在于：所述监察单元内还设置有违禁监察模块，预先从网络上下载好需要识别的违禁物品图片或者违禁行为图片作为训练集，同时将违禁物的六视图作为附件训练集，提高违禁监察模块识别精度，通过在教室内搭载TP-Link高清摄像头对教室内画面进行实时捕捉，将采集的违禁信息反馈至中央处理器。
7.如权利要求1所述的基于人工智能的多场景智慧教室监察系统，其特征在于：所述MQTT服务器将接收数据进行可视化处理后在网页上进行展示，用户登录网页在网页上对教室内的设备状态和人员情况进行监察。
...【技术特征摘要】
1.基于人工智能的多场景智慧教室监察系统，其特征在于，包括教室模型搭建单元、考勤签到单元、语音播报单元、监察单元和中央控制器，所述教室模型搭建单元在待搭建房间内进行空间扫描，通过将空间扫描数据进行空间模型搭建，在空间模型的任意侧边上构建阵列点，阵列点之间的间隔距离为固定值，通过设定比例间距将考勤签到单元和语音播报单元的布设位置在空间模型中进行确定，考勤签到单元在预设位置进行布设后，通过使用motion开源库读取并且传输摄像头捕获的视频信息，使得本地摄像头能够在同一局域网内访问，将获取到的数据传输到服务器端通过facenet进行人脸关键点定位，提取人脸区域的特征向量，利用训练好的人脸识别模型通过对比人脸数据库的信息进行人脸识别，得到识别出的身份信息，通过识别信息比对进行考勤签到；所述语音播报单元与中央控制器进行数据交互，通过接收中央控制器的控制指令，将控制信息进行语音播报，所述监察单元内置有人数监测模块和作弊行为监测模块，通过两个模块分别对教室内的人数和作弊行为进行监控判定，并将判定结果反馈至中央控制器内；所述中央控制器分别与考勤签到单元、语音播报单元和监察单元连接，用户通过在向中央控制器输入指令，通过mqtt协议发送相应指令至mqtt服务器，接收mqtt服务器反馈指令，并通过串口传输给考勤签到单元、语音播报单元和监察单元。
2.如权利要求1所述的基于人工智能的多场景智慧教室监察系统，其特征在于：所述人数监测模块预先从网络上下载好训练用的coco数据集并拍摄200张教室图片作为训练的数据集，使用labelme进行数据集标注并且训练，通过不断改进标注的方法提高识别精度，通过在教室内搭载tp-link高清摄像头对教室内画面进行实时捕捉，将视频流传输给中央处理器，并通过中央处理器反馈至mqtt服务器中。
3...
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。