[发明专利]基于神经网络的课堂考勤方法、设备、存储介质及装置

说明书

本发明公开了一种基于神经网络的课堂考勤方法、设备、存储介质及装置，该方法包括：获取目标课堂的上课图像，利用K均值聚类算法对传统的候选区域的深度学习算法进行改进，获得基于候选区域的深度学习目标检测算法模型，通过改进的基于候选区域的深度学习目标检测算法模型对上课图像进行人脸检测，获得目标学生人脸图像，提高人脸检测效率和准确性；通过对卷积神经网络进行改进获得识别模型，通过改进的识别模型对目标学生人脸图像进行身份识别，提高识别速度和准确度，基于识别结果生成课堂考勤记录，从而提高考勤效率。

技术领域

本发明涉及神经网络技术领域，尤其涉及一种基于神经网络的课堂考勤方法、设备、存储介质及装置。

背景技术

随着我国对教育的重视和支持，高校招生规模逐步扩大，接受高等教育的学生也越来越多，这对于高校的学生教学管理来说是一个重大的挑战。当下国内高校教学环境相对来说比较自由宽松，这也导致一些在校大学生逃课成为了较为普遍的现象。为了提高学校的教学管理水准，进行课堂考勤是一项必要也很重要的工作。课堂考勤也是老师考察学生进行成绩评定的重要参考依据。目前学校普遍采用人工点名的方式进行课堂出勤统计，但是随着在校学生人数的不断增长，在进行考勤时这种方式所花费的时间越来越多，大量占用了老师的教学时间。其次学生人数众多，任课老师也不可能认识全部的学生，因此在课堂中还会出现代签和多签等情况。此外在完成人工课堂考勤之后，课后老师还需要手动整理和统计课堂考勤信息，这样也会浪费老师的时间和精力，给老师的工作又增添了许多负担。由此可见，现在传统的手工考勤方式已经难以满足课堂管理的客观高效性，如何提高高校的学生课堂考勤效率是亟待解决的技术问题。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种基于神经网络的课堂考勤方法、设备、存储介质及装置，旨在解决现有技术中高校的学生课堂考勤效率低的技术问题。

为实现上述目的，本发明提供一种基于神经网络的课堂考勤方法，所述基于神经网络的课堂考勤方法包括以下步骤：

获取目标课堂的上课图像；

获取K均值聚类算法聚类获得的样本人脸包围框的典型特征值和对应的样本候选区域；

通过所述样本人脸包围框的典型特征值和对应的所述样本候选区域对基于快速候选区域的卷积神经网络Faster R-CNN模型进行训练，获得基于候选区域的深度学习目标检测算法模型；

通过基于候选区域的深度学习目标检测算法模型对所述目标课堂的上课图像进行人脸检测，获得目标学生人脸图像；

通过识别模型对所述目标学生人脸图像进行身份识别，获得目标识别结果；

根据所述目标识别结果生成所述目标课堂的考勤记录。

优选地，所述通过基于候选区域的深度学习目标检测算法模型对所述目标课堂的上课图像进行人脸检测，获得目标学生人脸图像，具体包括：

通过基于候选区域的深度学习目标检测算法模型中的卷积层对所述目标课堂的上课图像进行特征提取，获得人脸特征图；

根据所述人脸特征图通过区域建议网络生成候选区域；

根据所述候选区域及基于候选区域的深度学习目标检测算法模型中的分类网络对所述目标课堂的上课图像进行人脸检测，获得目标学生人脸图像。

优选地，所述根据所述人脸特征图通过区域建议网络生成候选区域，具体包括：

通过滑动窗口对所述人脸特征图进行扫描，并将所述人脸特征图迭入卷积层，获得卷积特征图；

根据K均值聚类算法对标注样本人脸图像进行聚类，获得推荐区域的典型特征值；