一种基于AI的课堂签到方法

技术领域

本发明涉及课堂人脸识别技术领域，具体是一种基于AI的课堂签到方法。

背景技术

现有技术(公开号为CN107578216B的发明专利)公开了一种课堂签到系统，包括内置电子地图的教师终端、学生终端以及由签到管理模块、课程管理模块和位置检测模块组成的服务器，还包括存储课程及签到信息的数据库，统计显示模块，所述的教师终端和学生终端分别与服务器连接，所述的数据库和统计显示模块分别与服务器连接；还公开了基于课堂签到系统进行签到的方法，本发明通过借助智能移动终端和指定软件，当签到功能开启之后，签到者参与签到时登录自己账号信息进行身份确认，并且需要提供自己所处位置的经纬度，服务器接收到信息之后进行数据计算处理，有效地控制了签到的位置，保证了签到的灵活性和准确性。使用本签到方法，操作简便、易于推广使用，节省了考勤签到整体所需要的时间，提高了效率。现有技术在进行签到时，无法保证签到的准确性和效率。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了一种基于AI的课堂签到方法，能够使得课堂签到过程的数据更具实时性，同时更便于教师管理，还能够将原先繁琐的人工签到任务智能化，减少人力资源，使得课堂签到任务更加高效和准确。

为实现上述目的，本发明的第一方面提供了一种基于AI的课堂签到方法，建立信息库，将学生信息与老师信息分别设定为集合S与集合T并构成信息库；

构建课堂签到模型，通过所述信息库中的学生信息与老师信息进行签到训练，获得课堂签到模型；

通过课堂签到模型对任意一课堂进行签到，并将签到结果上传存储模块保存，完成课堂签到。

优选地，所述学生信息包括学生学号、姓名、班级、人脸照片与联系方式；

所述老师信息包括老师编号、姓名、代课科目、人脸照片与联系方式。

优选地，所述学生信息与老师信息的人脸照片均通过手机、电脑、人脸采集设备等方式获取。

优选地，所述构建课堂签到模型，通过所述信息库中的学生信息与老师信息进行签到训练，获得课堂签到模型，包括：

将老师的请求签到指令发送至人脸采集设备；

通过所述人脸采集设备捕捉多个课堂中所有学生的脸部照片，获得采集结果，完成采集训练；

将采集结果与所述学生信息中的人脸照片进行比对训练，获取比对结果；

通过获取多个所述比对结果完成课堂签到模型。

优选地，所述通过所述人脸采集设备捕捉多个课堂中所有学生的脸部照片，获得采集结果，完成采集训练，包括：

提取所述脸部照片的关键点，通过所述脸部照片的中心侧影线提取鼻尖点，并所述鼻尖点作为基准点制定三维人脸图像的鼻翼点、内眼角点、外眼角点、嘴角点的相应窗口；

通过形状索引值在所述相应窗口内提取关键点，所述关键点包括鼻翼点、内眼角点、外眼角点与嘴角点；

通过多次提取关键点获得采集结果，完成采集训练。

优选地，所述通过所述脸部照片的中心侧影线提取鼻尖点，包括：

根据所述鼻尖点的几何形状提取所述脸部照片的人脸凸起的候选集；

根据所述脸部照片的人脸的对称性对所述候选集进行筛选，并建立对称平面；

将所述对称平面与脸部照片的人脸的交线记作为中心侧影线，将所述中心侧影线放到统一的坐标上，在所述中心侧影线提取鼻尖点。

优选地，所述制定三维人脸图像的鼻翼点、内眼角点、外眼角点、嘴角点的相应窗口，包括：

以所述鼻尖点为中心制定一个的窗口，获得鼻翼点窗口；

以所述鼻尖点为基准点，在坐标的垂直方向标记垂直方向范围，在坐标的水平方向标记水平方向范围，获得内眼角点窗口；

设定左右外眼角点的初始位置，根据所述外眼角点初始位置制定一个的窗口，获得外眼角点窗口；

以所述鼻翼点为基准点制定嘴角点窗口。

优选地，所述通过形状索引值在所述相应窗口内提取关键点，包括：

通过计算三维人脸图像的鼻翼点、内眼角点、外眼角点、嘴角点的相应窗口的形状索引值；

所述鼻翼点窗口、内眼角点窗口、外眼角点窗口与嘴角点窗口内的点形状索引值越小，则该点为相应窗口内的关键点。

优选地，所述将采集结果与所述学生信息中的人脸照片进行比对训练，获取比对结果，包括：

取鼻翼点、内眼角点、外眼角点与嘴角点的关键点，并以每个关键点作为中心，测地距离为半径提取关键点区域，计算每个关键点区域的特征向量，所述特征向量包括形状指数特征、曲率、体积特征、测地距离特征与法向量夹角；

将所述每个关键点区域的形状指数特征、曲率、体积特征、测地距离特征与法向量夹角融合为多特征向量，记为f

所述人脸照片特征向量为F＝[f

将采集结果与所述学生信息中的人脸照片进行比对，获得比对结果。

优选地，所述签到结果包括签到时间、课程、老师姓名、学生姓名与学生学号。

与现有技术相比，本发明的有益效果是：

本发明通过课堂签到模型对课堂实现签到，能够使得课堂签到过程的数据更具实时性，同时更便于教师管理，还能够将原先繁琐的人工签到任务智能化，减少人力资源，使得课堂签到任务更加高效和准确。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。

图1为本发明的方法流程示意图。

具体实施方式

下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1，本申请第一方面实施例提供了一种基于AI的课堂签到方法，

S1：建立信息库，将学生信息与老师信息分别设定为集合S与集合T并构成信息库；

进一步地，所述学生信息包括学生学号、姓名、班级、人脸照片与联系方式；所述老师信息包括老师编号、姓名、代课科目、人脸照片与联系方式；

具体地，所述学生信息与老师信息的人脸照片均通过手机、电脑、人脸采集设备等方式获取。

需要解释的是，课堂内安装有可以实时采集学生与老师人脸的人脸采集设备。

S2：构建课堂签到模型，通过所述信息库中的学生信息与老师信息进行签到训练，获得课堂签到模型；

进一步地，所述构建课堂签到模型，通过所述信息库中的学生信息与老师信息进行签到训练，获得课堂签到模型，包括：

将老师的请求签到指令发送至人脸采集设备；

通过所述人脸采集设备捕捉多个课堂中所有学生的脸部照片，获得采集结果，完成采集训练；

将采集结果与所述学生信息中的人脸照片进行比对训练，获取比对结果；

通过获取多个所述比对结果完成课堂签到模型。

具体地，所述通过所述人脸采集设备捕捉多个课堂中所有学生的脸部照片，获得采集结果，完成采集训练，包括：

提取所述脸部照片的关键点，通过所述脸部照片的中心侧影线提取鼻尖点，并所述鼻尖点作为基准点制定三维人脸图像的鼻翼点、内眼角点、外眼角点、嘴角点的相应窗口；

通过形状索引值在所述相应窗口内提取关键点，所述关键点包括鼻翼点、内眼角点、外眼角点与嘴角点；

通过多次提取关键点获得采集结果，完成采集训练。

具体地，所述通过所述脸部照片的中心侧影线提取鼻尖点，包括：

根据所述鼻尖点的几何形状提取所述脸部照片的人脸凸起的候选集；

根据所述脸部照片的人脸的对称性对所述候选集进行筛选，并建立对称平面；

将所述对称平面与脸部照片的人脸的交线记作为中心侧影线，将所述中心侧影线放到统一的坐标上，在所述中心侧影线提取鼻尖点。

具体地，所述制定三维人脸图像的鼻翼点、内眼角点、外眼角点、嘴角点的相应窗口，包括：

以所述鼻尖点为中心制定一个宽60mm、高25mm的窗口，获得鼻翼点窗口；

以所述鼻尖点为基准点，在坐标的垂直方向标记垂直方向范围，在坐标的水平方向标记水平方向范围，获得内眼角点窗口；

设定左右外眼角点的初始位置，根据所述外眼角点初始位置制定一个宽45mm、高45mm的窗口，获得外眼角点窗口；

以所述鼻翼点为基准点制定嘴角点窗口。

具体地，所述通过形状索引值在所述相应窗口内提取关键点，包括：

通过计算三维人脸图像的鼻翼点、内眼角点、外眼角点、嘴角点的相应窗口的形状索引值，形状索引值的表达式为：

其中，S(p

所述鼻翼点窗口、内眼角点窗口、外眼角点窗口与嘴角点窗口内的点形状索引值越小，则该点为相应窗口内的关键点。

需要解释的是，形状索引值越大表示关键点窗口内的每个点的曲面越凸，反之该点的曲面越凹。

具体地，所述将采集结果与所述学生信息中的人脸照片进行比对训练，获取比对结果，包括：

取鼻翼点、内眼角点、外眼角点与嘴角点的关键点，并以每个关键点作为中心，测地距离为半径提取关键点区域，计算每个关键点区域的特征向量，所述特征向量包括形状指数特征、曲率、体积特征、测地距离特征与法向量夹角；

将所述每个关键点区域的形状指数特征、曲率、体积特征、测地距离特征与法向量夹角融合为多特征向量，记为f

所述人脸照片特征向量为F＝[f

将采集结果与所述学生信息中的人脸照片进行比对，获得比对结果，表达式为：

其中，α表示为比对结果，F

S3：通过课堂签到模型对任意一课堂进行签到，并将签到结果上传存储模块保存，完成课堂签到。

进一步地，所述签到结果包括签到时间、课程、老师姓名、学生姓名与学生学号。

以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。