[发明专利]一种基于人工智能的跨校区联动考勤方法和系统

说明书

本发明公开了一种基于人工智能的跨校区联动考勤方法和系统，属于大学生考勤技术领域，包括服务器、人数识别模块、点名模块；所述人数识别模块用于识别教室内的人数，计算出勤率，获取当前学校具有的上课教室，根据上课教室建立识别库，识别当前上课教室的编号，根据上课教室编号在识别库中匹配到对应的识别模型，当开始上课后，采集当前上课教室的监控图像，将采集的监控图像发送到识别模型中，获得当前上课教室内的学生数量，获取当前课程应到学生数量，根据采集学生数量和应到学生数量计算当前课程的出勤率，并将计算的出勤率发送给显示端进行显示；所述点名模块用于老师进行点名，获取当前课程的出勤率。

技术领域

本发明属于大学生考勤技术领域，具体是一种基于人工智能的跨校区联动考勤方法和系统。

背景技术

随着信息化的发展，各学校招生规模的不断扩大，众多学生的考勤管理越来越复杂，而考勤管理在学校中有着举足轻重的作用，关系到学分增减、期末考评和对学生学习情况的了解。传统的考勤工作通常采用人工点名的方式，由老师或学生干部记录学生上课出勤情况及留宿情况，这不仅浪费人力物力，而且也无法保证准确性和透明性，给管理带来了许多不便，尤其是对于因为特殊情况而选择跨校区选课的学生，进一步的增加考勤的难度；因此，目前需要一种基于人工智能的跨校区联动考勤方法和系统，用于解决大学生上课考勤的问题。

发明内容

为了解决上述方案存在的问题，本发明提供了一种基于人工智能的跨校区联动考勤方法和系统。

本发明的目的可以通过以下技术方案实现：

一种基于人工智能的跨校区联动考勤系统，包括服务器、人数识别模块、点名模块；

所述人数识别模块用于识别教室内的人数，计算出勤率，获取当前学校具有的上课教室，根据上课教室建立识别库，识别当前上课教室的编号，根据上课教室编号在识别库中匹配到对应的识别模型，当开始上课后，采集当前上课教室的监控图像，将采集的监控图像发送到识别模型中，获得当前上课教室内的学生数量，获取当前课程应到学生数量，根据采集学生数量和应到学生数量计算当前课程的出勤率，并将计算的出勤率发送给显示端进行显示；

所述点名模块用于老师进行点名，获取当前课程的出勤率，根据出勤率向老师推荐点名人数，由老师人工选择需要点名的人数，获取当前课程的学生信息，对获得的学生信息进行更新，获得点名信息，识别点名信息中的跨校区上课学生信息，将跨校区上课学生信息列为必点名信息，将剩余的点名信息标记为随机信息，设置优先值公式，根据优先值公式进行排序，获取老师选择的点名数量，设置排序值，根据排序值选择对应数量的排序后随机信息用于点名，在将剩余的点名数量在剩余的随机信息中随机选择，完成点名学生的设置，进行点名。

进一步地，根据上课教室建立识别库的方法包括：

获取所有上课教室的平面图，将相同的上课教室平面图进行标记，获取具有标记的平面图对应的上课教室内历史监控录像，根据监控录像将识别当前教室的监控数据采集是否相同，将监控数据相同的上课教室标记为相同教室，将未被标记的上课教室平面图标记为建模教室，从相同教室平面图中任选一个标记为建模教室；

建立训练模型，训练模型根据历史监控录像建立若干组训练集，构建人工智能模型；通过训练集对人工智能模型进行训练，将训练成功的人工智能模型标记为识别模型，并打上对应的建模教室标签，建立数据库，将识别模型储存到数据库，将当前的数据库标记为识别库。

进一步地，建立训练模型的方法包括：

设置图像识别单元，获取上课教室的监控图像，通过图像识别单元识别监控图像中具有的座位数，计算座位数具有的排列数，建立模拟模型，模拟模型根据排列数和对应的排列方式进行监控图像模拟，获得对应的模拟图像和学生人数，将一组模拟图像和学生人数作为一个训练集；将图像识别单元和模拟模型整合为训练模型。

进一步地，对获得的学生信息进行更新的方法包括：