[發(fā)明專利]一種基于全局人臉識別的課堂考勤方法及系統(tǒng)在審
| 申請?zhí)枺?/td> | 201810333715.7 | 申請日: | 2018-04-13 |
| 公開(公告)號: | CN108564673A | 公開(公告)日: | 2018-09-21 |
| 發(fā)明(設(shè)計)人: | 何珺;孫波;余樂軍;戎博杰 | 申請(專利權(quán))人: | 北京師范大學(xué) |
| 主分類號: | G07C1/10 | 分類號: | G07C1/10;G06K9/00;G06Q50/20 |
| 代理公司: | 北京路浩知識產(chǎn)權(quán)代理有限公司 11002 | 代理人: | 王瑩;吳歡燕 |
| 地址: | 100875 北*** | 國省代碼: | 北京;11 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 人臉 人臉圖像 課堂 考勤 匹配 人臉識別 人臉追蹤 標(biāo)準(zhǔn)照 視頻流 一次性 全局 出勤 學(xué)生 人臉圖像序列 考勤數(shù)據(jù) 主動配合 輸出 幀圖像 追蹤 | ||
1.一種基于全局人臉識別的課堂考勤方法,其特征在于,包括:
S1,從視頻流的每一幀圖像中提取出人臉圖像,得到所述視頻流中所有的人臉圖像,并對所有的人臉圖像進行人臉追蹤,得到多條人臉軌跡,其中,所述視頻流為拍攝課堂場景獲得;
S2,將所述多條人臉軌跡與選課名單中所有學(xué)生對應(yīng)的標(biāo)準(zhǔn)照進行全局人臉匹配,得到與每一條人臉軌跡匹配的一張標(biāo)準(zhǔn)照,根據(jù)每一張標(biāo)準(zhǔn)照對應(yīng)的學(xué)生,輸出課堂出勤名單。
2.根據(jù)權(quán)利要求1所述的課堂考勤方法,其特征在于,所述步驟S1具體包括:
S11,對視頻流的每一幀圖像進行人臉檢測,從每一幀圖像中提取出人臉圖像,得到整個視頻流的所有人臉圖像,并獲取每一張人臉圖像在對應(yīng)幀圖像中的位置信息、所在幀圖像的幀數(shù)信息和尺寸信息;
S12,根據(jù)每一張人臉圖像的位置信息、幀數(shù)信息和尺寸信息,確定每一張人臉圖像所屬的人臉軌跡。
3.根據(jù)權(quán)利要求2所述的課堂考勤方法,其特征在于,所述S12具體包括:
a,針對每一張人臉圖像,基于當(dāng)前人臉圖像的位置信息、幀數(shù)信息和尺寸信息與已經(jīng)存在的每一條人臉軌跡的最后一張人臉圖像的位置信息、幀數(shù)信息和尺寸信息,判斷當(dāng)前人臉圖像能否與已經(jīng)存在的每一條人臉軌跡的最后一張人臉圖像銜接,若能,執(zhí)行步驟b;若否,執(zhí)行步驟c;
b,將當(dāng)前人臉圖像鏈接到已經(jīng)存在的人臉軌跡中的其中一條人臉軌跡上,其中,所述當(dāng)前人臉圖像能夠與該人臉軌跡上的最后一張人臉圖像銜接;
c,基于當(dāng)前人臉圖像創(chuàng)建一條新的人臉軌跡,返回步驟a。
4.根據(jù)權(quán)利要求3所述的課堂考勤方法,其特征在于,所述步驟a具體包括:
a1,基于當(dāng)前人臉圖像的位置信息、幀數(shù)信息和尺寸信息與已經(jīng)存在的每一條人臉軌跡的最后一張人臉圖像的位置信息、幀數(shù)信息和尺寸信息,計算當(dāng)前人臉圖像鏈接到每一條已經(jīng)存在的人臉軌跡的代價值,得到當(dāng)前人臉圖像對應(yīng)的多個代價值;
a2,判斷所述多個代價值中最小的代價值是否低于預(yù)設(shè)閾值,若否,則執(zhí)行步驟c;若是,則將當(dāng)前人臉圖像鏈接到所述最小的代價值對應(yīng)的人臉軌跡上。
5.根據(jù)權(quán)利要求1所述的課堂考勤方法,其特征在于,所述步驟S2具體包括:
S21,提取每一條所述人臉軌跡的人臉特征;
S22,計算每一條人臉軌跡的人臉特征與選課名單中每一個學(xué)生的標(biāo)準(zhǔn)照的人臉特征之間的相似度,得到多條人臉軌跡與多個學(xué)生的標(biāo)準(zhǔn)照之間的相似度矩陣;
S23,根據(jù)所述相似度矩陣,設(shè)定全局人臉匹配的約束條件,根據(jù)所述約束條件求解得到多條人臉軌跡與多個學(xué)生的標(biāo)準(zhǔn)照之間的匹配結(jié)果;其中,所述約束條件確保每一條人臉軌跡只能匹配一個學(xué)生的標(biāo)準(zhǔn)照,以及一個學(xué)生的標(biāo)準(zhǔn)照不能被匹配給時間上存在交集的兩個人臉軌跡。
6.如權(quán)利要求5所述的課堂考勤方法,其特征在于,每一條人臉軌跡對應(yīng)有多張人臉圖像,所述步驟S21具體包括:
S211,對于任意一條人臉軌跡對應(yīng)的多張人臉圖像,基于深度卷積神經(jīng)網(wǎng)絡(luò)提取該張人臉圖像的人臉特征;以及基于深度卷積神經(jīng)網(wǎng)絡(luò)提取選課名單中每一名學(xué)生的標(biāo)準(zhǔn)照的人臉特征;
S212,計算所述人臉軌跡對應(yīng)的每一張人臉圖像的人臉特征與每一名學(xué)生的標(biāo)準(zhǔn)照人臉特征之間的相似度,將與所有學(xué)生標(biāo)準(zhǔn)照人臉特征相似度最大的人臉特征作為對應(yīng)人臉軌跡的人臉特征。
7.根據(jù)權(quán)利要求6所述的課堂考勤方法,其特征在于,所述基于深度卷積神經(jīng)網(wǎng)絡(luò)提取每一張人臉圖像或每一個學(xué)生的標(biāo)準(zhǔn)照的人臉特征具體包括:
將人臉圖像或者學(xué)生的標(biāo)準(zhǔn)照輸入訓(xùn)練后的深度卷積神經(jīng)網(wǎng)絡(luò)中,輸出人臉圖像或?qū)W生標(biāo)準(zhǔn)照的人臉特征,其中,所述人臉特征為多維特征向量。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于北京師范大學(xué),未經(jīng)北京師范大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810333715.7/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類





