[发明专利]一种基于人脸识别的课堂考勤方法及系统在审

专利信息
申请号: 202011055994.9 申请日: 2020-09-30
公开(公告)号: CN112200924A 公开(公告)日: 2021-01-08
发明(设计)人: 陈荣军;于永兴;王宣二;黄宏兴;黄岳;吕巨建;王磊军;赵慧民 申请(专利权)人: 广东技术师范大学
主分类号: G07C1/10 分类号: G07C1/10;H04L29/06;G06Q50/20;G06K9/00;G06F21/31
代理公司: 广州粤高专利商标代理有限公司 44102 代理人: 张金福
地址: 510631 广东*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 识别 课堂 考勤 方法 系统
【权利要求书】:

1.一种基于人脸识别的课堂考勤系统,其特征在于,包括登录验证模块、信息录入模块、人脸采集模块、人脸识别模块、可视化分析模块、信息显示模块、数据库和控制终端;所述登录验证模块、信息录入模块、人脸采集模块、人脸识别模块、可视化分析模块、信息显示模块、数据库分别与所述控制终端连接;

所述登录验证模块用于进行登录验证;

所述信息录入模块用于录入包括姓名、学号、班级和人脸图像的学生个人信息,并对录入的人脸图像进行检测;

所述人脸采集模块用于采集实时图像;

所述人脸识别模块用于提取人脸特征数据,并进行人脸识别;

所述可视化分析模块用于查询考勤情况,并预测出勤率;

所述信息显示模块用于显示学生的个人信息;

所述数据库用于存储用户的用户名、用户的密码、课程名称、学生的个人信息和考勤数据;

所述控制终端用于接收和发送指令,控制各个模块工作。

2.一种基于人脸识别的课堂考勤方法,其特征在于,包括以下两种方式中的一种或多种:

方式一:

A1:学生在登录验证模块进行登录验证;

若验证通过,则执行步骤A2;若验证不通过,则重新执行步骤A1;

A2:学生通过人脸识别进行个人考勤,并更新考勤数据,完成个人考勤;

方式二:

B1:教师在登录验证模块进行登录验证;

若验证通过,则执行步骤B2;若验证不通过,则重新执行步骤B1;

B2:教师通过人脸识别模块对全班学生进行人脸识别从而实现全班考勤,并更新考勤数据,完成全班考勤。

3.根据权利要求2所述的一种基于人脸识别的课堂考勤方法,其特征在于,人脸识别包括以下步骤:

S1:获取实时图像,并利用人脸检测算法进行识别,得到人脸位置信息;

S2:根据人脸位置信息,利用人脸识别模块提取人脸特征数据;

S3:根据人脸特征数据,进行脸部匹配,得到人脸识别结果。

4.根据权利要求2所述的一种基于人脸识别的课堂考勤方法,其特征在于,登录验证的内容包括用户名、密码和课程名称。

5.根据权利要求3所述的一种基于人脸识别的课堂考勤方法,其特征在于,在步骤S3中,采用K最近邻算法进行脸部匹配,具体包括以下步骤:

S3.1:将人脸特征数据进行编码,构建待检测人脸编码列表;

S3.2:计算待检测人脸编码列表和候选人脸编码列表的欧氏距离d;其中,欧氏距离d的计算公式为:

其中,x1i为待检测人脸编码列表在N维欧氏空间中的第i维坐标,x2i为候选人脸编码列表在N维欧氏空间中的第i维坐标,i=1,2,...,N;

S3.3:计算待检测人脸编码列表与候选人脸编码列表的相似度;其中,相似度的计算公式为:

S3.4:将相似度最高的候选人脸编码列表作为人脸识别结果,完成脸部匹配。

6.根据权利要求5所述的一种基于人脸识别的课堂考勤方法,其特征在于,候选人脸编码列表通过将包含每个学生的名称和人脸特征数据的训练目录输入到K最近邻分类器中进行训练得到。

7.根据权利要求2所述的一种基于人脸识别的课堂考勤方法,其特征在于,还包括个人信息录入环节,具体为:

学生登录验证通过之后,在信息录入模块录入个人信息;其中,个人信息包括姓名、学号、班级和人脸图像;

当录入的人脸图像中只有一个人脸数据时,个人信息录入成功,完成个人信息录入;

当录入的人脸图像中有多个人脸数据或没有人脸数据时,个人信息录入失败,提示学生重新录入人脸图像。

8.根据权利要求7所述的一种基于人脸识别的课堂考勤方法,其特征在于,还包括个人信息显示环节,具体为:

学生通过人脸识别后,由信息显示模块根据人脸识别结果,显示相应学生的个人信息。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东技术师范大学,未经广东技术师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011055994.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top