[發明專利]基于區塊鏈的智慧教育學生出勤大數據統計方法及系統

在審

• 申請號: 202210357538.2
• 申請日: 2022-04-07
• 公開（公告）號: CN114445052A
• 公開（公告）日: 2022-05-06
• 發明（設計）人: 于水娜
• 申請（專利權）人: 北京吉道爾科技有限公司
• 主分類號: G06Q10/10
• 分類號: G06Q10/10;G06Q50/20;G06V40/12;G06V40/16;G06V10/80;G06K9/62;G07C1/10;G10L17/00;G06V10/74
• 代理公司: 成都魚爪智云知識產權代理有限公司 51308
• 代理人: 谷科均

1.一種基于區塊鏈的智慧教育學生出勤大數據統計方法，其特征在于，包括：

獲取課堂圖像，并利用多尺度圖像加強技術對課堂圖像進行優化處理；

利用多人臉識別方法交叉互驗的方式對人臉進行第一次識別；

利用聲紋識別方法對課堂發言的學生進行第二次判別，檢測到學生發言并計入學生實際出勤；

當人臉識別及聲紋識別均未能識別出的情形，則利用基于多邊緣檢測算子的相似度檢測方式對學生指紋進行第三次識別；

將識別出來的出勤學生名單，分別上傳至班級內部的網絡系統及區塊鏈中。

2.如權利要求1所述的一種基于區塊鏈的智慧教育學生出勤大數據統計方法，其特征在于，所述獲取課堂圖像，并利用多尺度圖像加強技術對課堂圖像進行優化處理包括：

對圖像進行3個不同尺度的高斯模糊，然后將模糊后的圖像分別和原圖做減法，得到不同程度的細節信息，將不同程度的細節信息加權到原圖中，得到含有豐富細節信息的加強圖像。

3.如權利要求1所述的一種基于區塊鏈的智慧教育學生出勤大數據統計方法，其特征在于，所述利用基于多邊緣檢測算子的相似度檢測方式對學生指紋進行第三次識別包括：

選擇學生的任一檔案指紋作為當前檔案指紋，對當前檔案指紋與待識別指紋分別進行細節點特征劃分，并構建細節點對，計算當前檔案指紋和待識別指紋的第一相似度和第二相似度；

其中，第一相似度通過對細節點對進行柱形編碼計算而得，第二相似度通過對細節點對進行帶權值的柱形編碼計算而得；

將第一相似度和第二相似度進行融合，得出當前檔案指紋與待識別指紋的最終相似度。

4.如權利要求3所述的一種基于區塊鏈的智慧教育學生出勤大數據統計方法，其特征在于，還包括：

對當前檔案指紋的細節點和待識別指紋的細節點分別進行柱形編碼，將柱形編碼二值化，得到二進制串，分別對細節點對的二進制串異或后求1的個數，得到局部第一相似度，基于細節點對的兼容性修改局部第一相似度，從而計算出第一相似度；

對當前檔案指紋的細節點和待識別指紋的細節點分別進行柱形編碼，將柱形編碼二值化，得到二進制串，分別對細節點對的二進制串賦予特定的權值，然后對二進制串異或后求1的個數，得到局部第二相似度，基于上述細節點對的兼容性修改局部第二相似度，從而計算出第二相似度；

其中，權值通過在進行柱形編碼時對細節點對建立的柱形結構中的單元格所在的位置確定。

5.如權利要求2所述的一種基于區塊鏈的智慧教育學生出勤大數據統計方法，其特征在于，所述利用基于多邊緣檢測算子的相似度檢測方式對學生指紋進行識別包括：

利用Canny算子對任一同學新錄入指紋圖像和所有同學的基準指紋圖像進行過濾，對過濾的結果分別進行哈希編碼，然后進行相似度計算，判定具體出勤情況。

6.如權利要求5所述的一種基于區塊鏈的智慧教育學生出勤大數據統計方法，其特征在于，還包括：

利用Prewitt算子對任一同學的新錄入指紋圖像和所有同學的基準指紋圖像進行過濾，對過濾的結果分別進行哈希編碼，然后進行相似度計算，判定具體出勤情況。

7.如權利要求5所述的一種基于區塊鏈的智慧教育學生出勤大數據統計方法，其特征在于，還包括：

利用Sobel算子對某位同學的新錄入指紋圖像和所有同學的基準指紋圖像進行過濾，對過濾的結果分別進行哈希編碼，然后進行相似度計算，判定具體出勤情況。