一种课堂实时考勤方法及系统与流程

本发明涉及课堂考勤系统技术领域，尤其涉及一种课堂实时考勤方法及系统。

背景技术：

随着国家标准《智慧校园总体框架》的发布，智慧校园的规划与设计成为了校园建设的重点项目。而课堂考勤作为学校教学管理、学生评价的重要组成部分，随着物联网技术、人工智能和移动通信技术的水平的提高与发展，更应该向着智能化、准确化的方向发展。

目前校园中主要的课堂考勤方式存在为两种，分别是传统的考勤方式和生物识别的考勤方式。其中传统的考勤方式包括点名考勤和通过校园卡进行考勤，点名考勤的方式仍然是高校中最常用的考勤手段，因它不受场地的限制，可以根据点名册直接核对现场的学生信息，但这种方式存在的缺点就是花费时间，影响上课效率，为此有些教师不进行点名，因此影响了考勤的效果。校园卡考勤解决了点名占用课堂时间的问题，但这种方式具有学生代考勤的漏洞，因为学生可以拿着别人的校园卡进行考勤。生物识别的考勤方式包括指纹考勤和人脸识别考勤，这些方式有效解决了传统考勤方式代考勤的弊端，但这种方式受设备硬件的影响，识别能力太慢，尤其是在下课后学生较多，考勤签退时容易发生拥挤等现象，具有安全隐患因此。

技术实现要素：

有鉴于此，本发明的目的在于提出一种课堂实时考勤方法及系统，以解决的上述背景技术中的全部问题或之一。

基于上述目的，本发明提供了一种课堂实时考勤方法，包括如下步骤：

创建考勤表；

读取考勤表中的考勤信息；

依据考勤信息进行考勤，得出考勤结果。

可选的，所述读取考勤表中的考勤信息包括：

读取考勤表中的学生-班级关系表、班级-课程关系表、学生信息、班级信息和课程信息。

可选的，所述依据考勤信息进行考勤，得出考勤结果包括：

获取教室内的人脸信息；

将考勤信息和人脸信息进行比对，得到考勤结果。

可选的，所述获取教室内的人脸信息包括：

采集教室内的人脸照片；

识别人脸照片所对应的学生信息。

可选的，所述获取教室内的人脸信息基于深度学习卷积神经网络实现。

一种课堂实时考勤系统，包括：

创建模块，用于创建考勤表；

读取模块，用于读取考勤表中的考勤信息；

考勤模块，用于依据考勤信息进行考勤，得出考勤结果。

可选的，所述考勤模块包括：

获取单元，用于获取教室内的人脸信息；

比对单元，用于将考勤信息和人脸信息进行比对，得到考勤结果。

可选的，所述获取单元包括：

采集子单元，用于采集教室内的人脸照片；

识别子单元，用于识别人脸照片所对应的学生信息。

从上面所述可以看出，本发明提供的课堂实时考勤方法及系统，通过依据考勤表中的考勤信息对教室内的学生进行考勤，考勤效率高，减少课堂时间的占用，考勤准确度高，避免造成学生拥堵。

附图说明

为了更清楚地说明本说明书一个或多个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说明书一个或多个实施例，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为本发明的课堂实时考勤的流程示意图；

图2为发明的依据考勤信息进行考勤，得出考勤结果的流程示意图；

图3为本发明的获取教室内的人脸信息的流程示意图；

图4为本发明的课堂实时考勤系统的结构示意图；

图5为本发明的考勤模块的结构示意图；

图6为本发明的获取单元的结构示意图。

其中100、创建模块；200、读取模块；300、考勤模块；310、获取单元；320、比对单元；311、采集子单元；312、识别子单元。

具体实施方式

为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，对本公开进一步详细说明。

需要说明的是，除非另外定义，本说明书一个或多个实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本说明书一个或多个实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。

本发明提供了一种课堂实时考勤方法，包括如下步骤：

s100、创建考勤表。

用户在数据库中建立考勤表，其中，考勤表的信息可以包括课程信息，学生信息，上课时间，所在教室等等。

s200、读取考勤表中的考勤信息。

考勤表中包含考勤的相关信息，用户在创建完考勤表后，系统读取考勤表中所包含的信息，考勤信息中可以包括上课时间信息，当到了预设的上课时间，则开始进行考勤。

s300、依据考勤信息进行考勤，得出考勤结果。

考勤信息中包含学生信息，依据学生信息对教室内的学生一一进行考勤判断，并将考勤数据存储在数据库中，便于后台查看。

举例来说，可在一个课程的开始和结束的时间点进行考勤，同时，在课程之中任意选取若干个时间点进行考勤，这样可准确得出学生的考勤结果，避免学生中途离开课程而造成考勤结果不准确。

综上所述，本发明的一种课堂实时考勤方法，通过依据考勤表中的考勤信息对教室内的学生进行考勤，考勤效率高，减少课堂时间的占用，考勤准确度高，避免造成学生拥堵。

在一些可选实施例中，所述步骤s200包括：

读取考勤表中的学生-班级关系表、班级-课程关系表、学生信息、班级信息和课程信息。

考勤表中可以包括学生-班级关系表、班级-课程关系表、学生信息、班级信息和课程信息，每个班级具有多名不同的学生，学生信息与班级信息相对应，每个班级的课程排布信息独立，课程信息与班级信息相对应，学生信息包括学生的姓名、照片、学生卡、联系方式等信息，班级信息可以包括任课老师、辅导员、所属学院等信息，课程信息可以包括课程的时间信息、任课老师、地点、班级等信息。

在一些可选实施例中，所述步骤s300包括：

s310、获取教室内的人脸信息。

对教室内学生的人脸信息进行获取，可采用摄像头采集学生的人脸照片。

s320、将考勤信息和人脸信息进行比对，得到考勤结果。

在考勤信息中，包含应到席学生的信息，将获取到的人脸信息与考勤信息进行一一比对，判断人脸信息是否与考勤信息相匹配，若全部学生到席，则获取的人脸信息与考勤信息相匹配，若部分学生缺席，则考勤信息中的缺席学生的信息不能匹配到所获取的人脸信息。

在一些可选实施例中，所述获取教室内的人脸信息包括：

s311、采集教室内的人脸照片。

通过摄像头采集教室内的人脸照片，举例来说，人脸照片可分多次采集，选择其中最容易识别的照片进行识别。

s312、识别人脸照片所对应的学生信息。

根据采集到的人脸照片，识别该照片所对应的学生信息，这样方便与考勤表中的考勤信息进行一一比对。

在一些可选实施例中，所述获取教室内的人脸信息基于深度学习卷积神经网络实现。

与上述方法实施例相对应的是，本发明还提供了一种课堂实时考勤系统，包括：

创建模块100，用于创建考勤表；

读取模块200，用于读取考勤表中的考勤信息；

考勤模块300，用于依据考勤信息进行考勤，得出考勤结果。

举例来说，本系统可采用python开发语言，python主要应用于web服务设计、大数据、人工智能等领域，它的主要优点是开发效率高、可扩展性强、跨平台和具有可移植性等，满足了本系统的设计要求。另外，在开发过程还用到了基于python的第三方软件开发包，包括flask用于搭建系统的web服务器；pyqt5用于搭建系统的客户端；opencv用于系统中对图像视频的处理；tensoflow用于开发计算机视觉模型，搭建深度学习模型，完成人脸检测和识别任务；mysqlclient用于管理、访问、查询和更新mysql数据库。

举例来说，本系统可设置模型层、控制器层、视图层和网络通信层，模型层主要是本系统的数据库，用来存放、更新考勤信息。

控制器层主要包括服务器应用软件和目标检测和识别模型，服务器应用软件的功能包括系统通信配置、数据业务处理和系统各模块间的调度。目标检测和识别模型是实时课堂考勤系统的核心模块，基于深度学习卷积神经网络实现，主要作用是进行人脸检测和识别两个部分。通过检测识别本堂课是否有学生缺勤。

视图层主要包括图像采集系统和客户端，采用教室内的监控设备作为图像采集系统，客户端设计采用应用程序接口，然后在教学管理系统中设计图形化用户界面，通过应用程序接口调用本系统的功能。

网络通信层主要包括通信单元，用来对数据进行保存，上传云数据，后台调控等。

在一些可选实施例中，所述考勤模块300包括：

获取单元310，用于获取教室内的人脸信息；

比对单元320，用于将考勤信息和人脸信息进行比对，得到考勤结果。

在一些可选实施例中，所述获取单元310包括：

采集子单元311，用于采集教室内的人脸照片；

识别子单元312，用于识别人脸照片所对应的学生信息。

需要说明的是，本说明书一个或多个实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本说明书一个或多个实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书一个或多个实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现。

上述实施例的装置用于实现前述实施例中相应的方法，并且具有相应的方法实施例的有益效果，在此不再赘述。

所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本公开的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本说明书一个或多个实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。

另外，为简化说明和讨论，并且为了不会使本说明书一个或多个实施例难以理解，在所提供的附图中可以示出或可以不示出与集成电路(ic)芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本说明书一个或多个实施例难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本说明书一个或多个实施例的平台的(即，这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如，电路)以描述本公开的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本说明书一个或多个实施例。因此，这些描述应被认为是说明性的而不是限制性的。

尽管已经结合了本公开的具体实施例对本公开进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态ram(dram))可以使用所讨论的实施例。

本说明书一个或多个实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本说明书一个或多个实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本公开的保护范围之内。