基于视频图像视角下教室考勤系统设计分析

沈廷 王丹 谭福奎

摘  要：教室考勤系统是课堂管理的有效手段之一，能够对学生学习情况进行有效的监督和管理，确保课堂教学质量。在教育信息化背景环境下，加强信息技术与教室考勤系统的有效结合，借助于智能化、信息化管理手段做好课堂管理，有助于提升教育教学质量。该文在对教室考勤系统设计问题分析过程中，结合视频图像视角，探讨了教室考勤系统设计的有效策略，希望能够为教室考勤系统设计提供一些参考及借鉴。

关键词：视频图像  特征提取  教室考勤系统  系统设计

中图分类号：G647.23                       文献标识码：A文章编号：1672-3791（2021）04（b）-0016-04

Design Analysis of Classroom Attendance System Based on Video Image Perspective

SHEN Ting  WANG Dan  TAN Fukui*

（School of Physics and Engineeriny， Xingyi Normal University for Nationalities， Xingyi， Guizhou Province， 562400  China）

Absrtact： Classroom attendance system is one of the effective means of classroom management， which can effectively supervise and manage the learning situation of students and ensure the quality of classroom teaching. Under the background of education informatization， strengthening the effective combination of information technology and classroom attendance system， with the help of intelligent， information management means to do a good job in classroom management， will help to improve the quality of education and teaching. In the process of analyzing the problems of classroom attendance system design， this paper discusses the effective strategies of classroom attendance system design from the perspective of video image， hoping to provide some reference for classroom attendance system design.

Key Words： Video image; Feature extraction; Classroom attendance system; System design

智慧校园背景环境下，课堂管理工作的开展，要注重联系信息化发展形势，使信息技术在课堂管理中有效融入，以提升课堂管理的效果及质量，对学生学习情况进行有效监督，为学生更好地成长及发展打下良好基础。“十二五”规划中提出了“智慧校园”建设这一理念，注重将网络信息技术与教育教学管理工作进行有效结合，对学生的学习情况进行有效监督和管理，为学生的发展及进步打下良好基礎。通过联系智慧校园背景，构建教室考勤系统，对学生进行智能化、信息化管理，实现对学生进行有效管理、有效引导的目标，以促进学生更好地发展及进步。

1  图像特征提取方法

随着社会经济的快速发展及信息技术的进步，在对图像特征提取过程中，主要借助于计算机进行图像信息的处理和分析。关于图像特征提取方法，主要内容如下。

1.1 Haar特征提取

Haar特征提取方法的应用，主要对人脸情况进行描述，对人脸数据信息进行提取和分析。Haar特征提取过程中，对特征值的获取，主要借助于特征模板对人脸和非人脸进行有效区分[1]。

1.2 深度学习的特征提取

深度学习技术在特征提取过程中，结合人脸检测算法，借助于三级网络结构，依次为P-Net、R-Net、O-Net实现对人脸的检测。深度学习应用于人脸检测过程中，通过对人脸数量及所处位置进行检测，实现对课堂上学生情况的有效监测[2]。

1.3 Face Net的人脸特征提取

Face Net人脸特征检测是一种基于深度学习模型视角下的人脸特征提取方法，在对人脸特征进行提取时，结合深层卷积神经网络对损失函数进行计算，并对模型进行获取，对人脸特征的单一性和一致性做好把握，从而实现人脸识别目标[3]。

2  基于视频图像视角下教室考勤系统设计分析

在对教室考勤系统设计过程中，联系视频图像视角，注重对课堂环境进行有效的把握，并实现对数据信息的获取。关于教室考勤系统的设计方法，具体内容如下。

2.1 系统整体框架设计

围绕视频图像视角开展教室考勤系统设计，要注重对教室学生情况进行有效监测。在进行系统设计时，借助于PTZ摄像机进行视频监控，并联系VISCA控制协议，实现对摄像机的控制操作，对教室内的情况进行有效把握[4]。关于系统整体框架设计，具体内容如图1所示。

在系统整体框架设计过程中，注重对服务端和PTZ摄像机控制端模块进行有效衔接，能够对PTZ摄像机控制模块获取的数据信息进行有效处理，从而对学生的情况进行有效把握，实现对学生的有效监测[5]。

2.2 PTZ摄像机视频图像设计

在设计教室考勤系统过程中，PTZ摄像机是主要的监控设备。PTZ摄像机具有监控视角范围大、转动灵活、图像分辨率高等优势。在整个考勤系统设计过程中，将PTZ摄像机作为前置装置，从而对视频信息进行有效的获取。联系视频图像视角进行教室考勤系统设计过程中，PTZ摄像机视频流接入方式主要包括了以下几种。

（1）网络协议视频流。这一视频流协议的制定，通常包括了HTTP、RTMP和RTSP这3种，该协议的实现，主要借助于网络连接实现视频数据的有效传输。

（2）数字信号输出视频流。在利用数字信号进行视频信息传递过程中，主要借助于3G/HD-SDI协议或是HDMI协议实现。

（3）针对已存视频文件处理过程中，主要借助于avi、mp4、rmvb等格式，从而实现对视频数据信息的有效输入或是输出，实现对教室情况的有效监控目标[6-7]。

此次研究工作开展过程中，在对教师考勤系统设计时，主要应用了网络高清智能机作为视频流获取的主要设备，在进行设计时，具体步骤如下。

第一步，下载OpenCV3.2解码解压，之后对获取的数据信息进行编译，利用import cv2对opencv的库函数进行应用。

第二步，在对视频流获取过程中，借助于rtsp网络地址协议进行获取。

第三步，利用cv2对象的Video Capture函数对视频流对象进行获取。

第四步，利用cam对象的isOpened（）函数对摄像头是否开启进行判断。

第五步，借助cam.release（）函数对视频流资源内存进行释放，并利用cv2的destoryA11Windows函数对视频播放窗口进行关闭。

关于PTZ摄像机的连接情况，具体如图2所示。

2.3 人脸目标搜索模块设计

此次教室考勤系统的设计，主要针对于人脸、头部识别对学生的情况进行监控。在进行人脸目标搜索模块设计时，借助于PTZ数字摄像机对教室的情况进行把握，并对图像信息进行获取和处理，对教室内学生学习情况进行有效把握[8]。人脸目标搜索模块设计时，利用MTCNN多人脸检测算法，结合全景帧中人脸检测位置情况进行配置，并联系控制库对获取的数据信息进行处理。具体的模块设计方法如下。

（1）利用camera.D100对cam摄像机对象进行初始化。

（2）利用camera对象的int（）进行上电应答。

（3）结合cam对象的save preset（）函数对课堂环境的预置点进行存储。

（4）通过利用cv2对象的Video Capture（“0”）函数对视频流进行获取，并在人脸进入预置点后进行扫描，对人脸数据信息进行获取，将其反馈给系统。

通过对人脸目标搜索模块进行有效设计，借助于PTZ摄像机控制端对视频流进行采样，并实现对人脸的有效监测，获取有效帧。

2.4 系统服务端的设计

在系统服务端设计过程中，主要采用了MTCNN多人脸检测方法，借助于Python和Tensor Flow平台对人脸数据信息进行获取。在开展多人脸检测过程中，主要在GPU服务器上实现功能[9]。关于系统服务端的设计，具体内容如下。

（1）结合create_mtcnn（）函数方法，实现对数据库训练，对PNet、RNet、ONet训练模型对象进行获取，对数据信息进行有效的处理。

（2）利用opencv中的cv2对象Video Capture（）函数对视频采样帧数据进行获取。

（3）利用多维数据解析方法对人脸区域位置及数量进行处理。

（4）结合misc.imresize（）函数对人脸图像进行归一化处理，并做好图像质量的评估，对获取的数据信息进行反馈。

2.5 Web服务器构建

在对课堂考勤系统设计过程中，结合Web服务器的搭建，对获取的数据信息进行处理，并确保系统的稳定运行。在Web服务器搭建过程中，主要依赖于Thinkphp3.2.3框架，借助于Nginx高性能HTTP代理服务器，确保系统功能的实现[10]。关于系统实现的具体流程如下。

（1）联系应用服务器对Nginx代理服务器搜索指引进行设计，保证Nginx代理服务器的功能得到有效发挥。

（2）利用Think/Controller中的控制器，对Face Controller、Out Come Controller类进行优化。

（3）借助于star Recognition函数（）对Web页面数据进行处理，并发出人脸识别的请求。

（4）在对获取的人脸数据信息处理时，結合Shell（）函数启动Shell脚本，实现人脸识别考勤服务。

（5）在对Web页面结果进行处理时，主要利用了output（）函数方法，向Web页面发出结果请求，并对识别结果进行反馈。

（6）为了确保Web页面的正常显示，利用Index Controller进行Web模板渲染，保证Web页面能够有效显示数据信息。

3  人脸检测及对齐处理

结合视频图像进行教师考勤系统设计过程中，要确保系统对人脸数据信息的获取及有效处理。在对人脸检测及对齐处理时，主要采用了深度学习的MTCNN神经网络人脸检测方法[11]。在人脸检测及对齐处理时，具体从以下几个方面进行把握。

3.1 人脸分类任务

在对人脸分类任务处理时，具体目标函数式如下：

公式中，Pt代表了人脸概率，代表标签。

3.2 平预设区分布设计

在对考勤系统设计过程中，需要对水平预设区分布情况做好把握。在进行设计时，联系PTZ数字摄像机以及考勤系统整体设计需要，水平预设区分布设计具体见图3。

4  结语

综合上述分析来看，结合视频图像视角对教室考勤系统设计过程中，要注重联系系统需要，借助于PTZ数字摄像机对教室学生的情况进行把握，對学生的情况进行有效获取，从而实现对学生情况的有效监控。此次研究工作提出了一种基于人脸、人头识别的教室考勤系统，注重利用深度学习理论提升图像获取质量，并对单人脸、人头图像做好识别，加强对教室内学生的有效监督和管理工作，为建立科学的教室考勤制度提供参考及指引。

参考文献

[1] 邢仪.基于智能手机的高校课堂考勤系统设计[J].建材技术与应用，2020（3）：23-25.

[2] 巫春玲，冯志文，钟沈豪，等.基于人脸识别技术的高校课堂自动考勤管理系统[J].智能建筑与智慧城市，2020（5）：20-24.

[3] 牛作东，李捍东.基于计算机视觉的课堂实时考勤系统设计[J].电子测试，2020（4）：60-62.

[4] 吴新华.面向智慧课堂过程评价的微信考勤系统设计[J].电脑知识与技术，2019，15（27）：58-60.

[5] 赵子民，明阳，刘卓，等.校园智能考勤系统设计与实现[J].物联网技术，2019，9（9）：52-53.

[6] 陈颖.基于人脸识别技术的课堂考勤系统设计与研究[J].现代信息科技，2019，3（13）：118-119.

[7] 方冠男.基于视频流人脸识别的课堂考勤系统的设计与实现[D].华中师范大学，2018.

[8] 吴宗胜.基于人脸识别的课堂视频考勤系统设计[J].物联网技术，2019，9（6）：87-89.

[9] 曹润强.基于互联网的校园考勤系统在智慧教室中的应用[J].攀枝花学院学报，2019，36（2）：57-62.

[10] 李新龙，周振涛，周婷婷.基于ZigBee技术的智能教室考勤系统设计[J].电子技术与软件工程，2017（8）：109-110.

[11] 叶长亮，林金珠，李世强，等.基于RFID的教室考勤系统设计与实现[J].电脑编程技巧与维护，2017（8）：36-37.