[发明专利]一种基于人脸识别的教学考勤方法及其装置

说明书

技术领域

本发明涉及人脸识别技术领域，提供了一种基于人脸识别的教学考勤方法及其装置。

背景技术

传统的教学考勤通常需要通过点名答到的方式进行。这样的方式即浪费时间，又无法避免学生间代答。本发明使用图像技术自动地对教室中的学生身份进行识别，有效地克服了传统考勤系统的缺点，并节约了宝贵的教学时间。

发明内容

本发明的目的在于提供一种通过人脸识别技术对学生进行考勤的一种基于人脸识别的教学考勤方法及其装置。

本发明为了实现上述目的采用以下技术方案：

如图１所示，本发明实现一种基于人脸识别的教学考勤方法，其运行包括以下步骤：

1）对课堂情况进行拍照；

2）使用学生轮廓检测器从照片中分割出每个学生的轮廓；

3）使用人脸识别算法识别出每个轮廓对应的学生身份，并计入考勤；

4）识别到的考勤结果将公布在课程的教学网站上，学生登陆网站后可以对错误的识别结果进行纠正从而提高考勤的准确率。

如图2所示，上述方案中所述步骤2中学生轮廓检测器的训练和识别采用的步骤为：

21）训练过程：

a．提取训练数据集中所有的学生轮廓中包含的细节，使用AdaBoost算法对各细节的显著性进行评估并选出具有代表性的细节作为轮廓的识别标志；

b．使用步骤21挑选出的识别标志构建轮廓检测器；

22）识别过程：当一定数量的显著标志出现在照片中时，步骤21中b构建的轮廓检测器输出高响应值报告学生轮廓的出现和出现位置。

上述方案中，所述步骤3中人脸识别算法中训练和识别采用的步骤为：

31）训练过程：

a. 提取训练数据集中每个学生轮廓的特征脸（Eigenface）特征向量；

b. 使用每个学生M对应的多张照片中的多个轮廓的特征向量做为正样本，其他学生的特征向量做为负样本，输入支持向量机（SVM）并训练出一个简单人脸识别器，该人脸识别器会对每张未标示学生身份的轮廓x输出一个概率p(M|x)表达该轮廓属于学生M的概率。将所有学生的简单人脸识别器集合输出的概率组合在一起，可以产生一个概率矢量p(x)用于表达对x的识别结果；

c. 根据训练数据集中学生之间的长期位置选择关系学习出一张学生关系网，该网的节点为学生，学生节点间使用加权的边进行两两连接，每条边的权重为其连接的两学生坐在相邻位置的概率，例如：连接学生M和P的边权重为联合概率为

该网络可表示为一个矩阵R, R的i行第j列等于，即第i个学生和第j个学生的关系；

d. 对每张未标示学生身份的轮廓x，根据步骤31中b和c的结果构建一个全局人脸识别器。该识别器利用c中所学习到的学生关系辅助b中的简单人脸识别器进行学生身份的识别。该识别过程可表示为一个迭代过程：

其中上标(i+1)代表第(i+1)轮的识别结果，N(x)为一个自动查找函数用于返回当前照片中与x相邻的轮廓。该迭代过程一直进行到在临接两轮的变化趋于零时收敛，即：。

32) 识别过程：将步骤31中所述全局人脸识别器应用于所有的轮廓即可识别出当前课堂中所有学生的身份并计入考勤记录。

本发明还提供了一种基于人脸识别的教学考勤装置，其特征在于包括：

图像采集模块：对课堂情况进行拍照；

轮廓检测器：用于提取学生轮廓的细节，输出高响应值报告学生轮廓的出现和出现位置；

人脸识别器：用于表达对未标识学生的身份轮廓x的识别结果，并根据轮廓检测器响应的学生之间的长期位置选择关系学习出一张学生关系网；

身份识别器：通过人脸识别器应用于轮廓检测器识别出当前课堂中所有学生的身份并计入考勤记录。

上述方案中，所述轮廓检测器包括训练子模块和识别子模块，

训练子模块：用于提取训练数据集中所有的学生轮廓中包含的细节，使用AdaBoost算法对各细节的显著性进行评估并选出具有代表性的细节作为轮廓的识别标志；

识别子模块：用于当一定数量的识别标志出现在照片中时，输出高响应值报告学生轮廓的出现和出现位置。

上述方案中，所述人脸识别器包括人脸特征向量提取模块，简单人脸识别子模块，学生关系网子模块和全局人脸识别子模块；

人脸特征向量提取模块：提取训练数据集中每个学生轮廓的特征脸（Eigenface）特征向量；