CN117058737A - 一种基于人脸识别的智能课堂考勤*** - Google Patents
一种基于人脸识别的智能课堂考勤*** Download PDFInfo
- Publication number
- CN117058737A CN117058737A CN202310969637.0A CN202310969637A CN117058737A CN 117058737 A CN117058737 A CN 117058737A CN 202310969637 A CN202310969637 A CN 202310969637A CN 117058737 A CN117058737 A CN 117058737A
- Authority
- CN
- China
- Prior art keywords
- module
- face
- attendance
- class
- students
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012549 training Methods 0.000 claims abstract description 27
- 238000013135 deep learning Methods 0.000 claims abstract description 12
- 238000001514 detection method Methods 0.000 claims abstract description 9
- 238000012544 monitoring process Methods 0.000 claims description 33
- 230000006870 function Effects 0.000 claims description 10
- 238000000034 method Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于人脸识别的智能课堂考勤***,包括:学生人脸图像采集模块,用于建立人脸特征数据库,根据学生上传的图片建立人脸特征数据库,并对环境内的人脸进行检测和识别;框架训练匹配模块,根据课堂考勤的特点,构建深度学习训练网络框架用于提取学生人脸特征信息;学生考勤结果检测输出模块,用于对考勤记录进行保存,并对考勤数据进行统计和分析;用户功能模块,用于不同用户进行注册和使用,同时完成对考勤信息的接收,该***将人脸识别技术应用到学校课堂考勤中,利用教室固有的设备采集学生人脸图像进行人脸自动检测和识别实现课堂签到,这种无接触,无感知,快捷方便的签到方式可以极大地提高学校统计学生出勤情况的效率。
Description
技术领域
本发明主要涉及人脸识别技术领域,具体涉及一种基于人脸识别的智能课堂考勤***。
背景技术
随着我国对教育的重视和支持,高校招生规模逐步扩大,接受高等教育的学生也越来越多,这对于高校的学生教学管理来说是一个重大的挑战。当下国内高校教学环境相对来说比较自由宽松,这也导致一些在校大学生逃课成为了较为普遍的现象,为了提高学校的教学管理水准,进行课堂考勤是一项必要也很重要的工作,课堂考勤也是老师考察学生进行成绩评定的重要参考依据。
目前学校普遍采用人工点名的方式进行课堂出勤统计,但是随着在校学生人数的不断增长,在进行考勤时这种方式所花费的时间越来越多,大量占用了老师的教学时间。其次学生人数众多,任课老师也不可能认识全部的学生,因此在课堂中还会出现代签、多签等情况。此外在完成人工课堂考勤之后,课后老师还需要手动整理和统计课堂考勤信息,这样也会浪费老师的时间和精力,给老师的工作又增添了许多负担。由此可见,现在传统的手工考勤方式已经难以满足课堂管理的客观高效性,学校非常需要一种可靠高效的自动身份验证技术来管理学生课堂出勤问题。
发明内容
本发明主要提供了一种基于人脸识别的智能课堂考勤***用以解决上述背景技术中提出的技术问题。
本发明解决上述技术问题采用的技术方案为:
一种基于人脸识别的智能课堂考勤***,包括:
学生人脸图像采集模块,用于建立人脸特征数据库,根据学生上传的图片建立人脸特征数据库,并对检测环境内的人脸进行检测和识别;
框架训练匹配模块,根据课堂考勤的特点,构建深度学习训练网络框架用于提取学生人脸特征信息;
学生考勤结果检测输出模块,用于对考勤记录进行保存,并对考勤数据进行统计和分析;
用户功能模块,用于不同用户进行注册和使用,同时完成对考勤信息的接收和查看。
进一步的,所述学生人脸图像采集模块由监测采集模块和数据库模块以及特征对比模块所组成;
所述监测采集模块用于对班级学生的人脸进行图像采集以及用于对监测区域内的人脸进行采集识别;
所述数据库模块用于建立多个班级数据库,通过框架训练匹配模块构建的深度学习训练网络框架对监测采集模块所采集的图像进行人脸特征提取,并将该人脸特征录入对应的班级数据库;
所述特征对比模块用于将监测采集模块所监测到的图像人脸信息与数据库模块对应的班级数据库中的人脸特征进行对比,做出学生的考勤情况数据。
进一步的,所述监测采集模块对班级学生的人脸进行图像采集时,会根据上传的图像质量决定是否需要进行适当的图像预处理,继而进行特征提取,且所述监测采集模块对监测区域内的人脸进行采集识别时,可在检测到人脸时,根据当前环境影响以及采集到的图像质量进行高级处理,得到较为清晰的图像。
进一步的,所述监测采集模块对图像质量进行高级处理的方法为:
当输入的学生人脸图像不清晰时,进行图像重建;
当输入的学生人脸图像破损时,进行图像修复。
进一步的,所述学生人脸图像采集模块和框架训练匹配模块对学生人脸特征生成的方法为:
步骤一,数据库模块建立各个班级的人脸数据库;
步骤二,监测采集模块对班级学生的人脸进行图像采集,通过框架训练匹配模块的深度学习训练网络框架对该图像数据进行特征提取;
步骤三,将该人脸特征数据输送至数据库模块内部。
进一步的,所述用户功能模块由管理员使用模块和教师使用模块以及学生使用模块三大模块所组成,所述管理员使用模块和教师使用模块以及学生使用模块分别用于管理员、教师、学生注册和实用***内部功能。
进一步的,所述管理员使用模块用于管理员对基础信息数据的管理,基本信息管理又包含对学生信息数据、班级信息数据、课程信息数据以及***各种用户角色信息的管理。
进一步的,所述教师使用模块用于教师对学生考勤信息的查看和对自身信息的查看和修改,所述学生使用模块用于学生进行自身考勤信息的查看和对自己信息的修改。
与现有技术相比,本发明的有益效果为:
本***可实现人脸实名制身份识别,采用人脸识别进行考勤无需干扰学生们的正常行为就能较好地达到识别效果,无需担心被学生是否愿意将手放在指纹采集设备上,他们的眼睛是否能够对准虹膜扫描装置等等。不会出现学生忘带手机就没法考勤打卡等特殊情况,只要在教室里被摄像头扫描识别,用户的身份就会被正确识别。使用人脸识别代替传统点名方式,提高点名效率,建立良好的课堂秩序,减少迟到早退现象,提高考勤效率和考勤效果。
本***根据课堂考勤的特点,构建深度学习训练网络框架作为提取学生人脸特征信息,需提取具有代表性且冗余性较少的特征信息,然后对人脸图像的特征的有效策略重组,剔除多余无效特征信息获得更具代表性的学生人脸图像特征,进一步减少学生人脸匹配时间,避免代替考勤,虚假考勤等情况。该考勤***融合图像采集、图像检测、图像融合、图像修复、图像重建等多种技术,避免了指纹信息的采集需要用手指接触到采集设备,也可在强光、背光等多种环境下实现无接触,无感知,快捷方便的智能课堂的考勤,识别准确率和识别数量大大提升
以下将结合附图与具体的实施例对本发明进行详细的解释说明。
附图说明
图1为本发明的考勤***模块示意图;
图2为本发明的用户功能模块示意图;
图3为本发明的考勤***技术路线图;
图4为本发明的学生人脸特征生成流程图。
具体实施方式
为了便于理解本发明,下面将参照相关附图对本发明进行更加全面的描述,附图中给出了本发明的若干实施例,但是本发明可以通过不同的形式来实现,并不限于文本所描述的实施例,相反的,提供这些实施例是为了使对本发明公开的内容更加透彻全面。
需要说明的是,当元件被称为“固设于”另一个元件,它可以直接在另一个元件上也可以存在居中的元件,当一个元件被认为是“连接”另一个元件,它可以是直接连接到另一个元件或者可能同时存在居中元件,本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同,本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明,本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
实施例,请参照附图1-4,一种基于人脸识别的智能课堂考勤***,包括:
学生人脸图像采集模块,用于建立人脸特征数据库,根据学生上传的图片建立人脸特征数据库,并对检测环境内的人脸进行检测和识别;
框架训练匹配模块,根据课堂考勤的特点,构建深度学习训练网络框架用于提取学生人脸特征信息;
学生考勤结果检测输出模块,用于对考勤记录进行保存,并对考勤数据进行统计和分析;
用户功能模块,用于不同用户进行注册和使用,同时完成对考勤信息的接收和查看。
具体的,请着重参照附图1,所述学生人脸图像采集模块由监测采集模块和数据库模块以及特征对比模块所组成;
所述监测采集模块用于对班级学生的人脸进行图像采集以及用于对监测区域内的人脸进行采集识别;
所述数据库模块用于建立多个班级数据库,通过框架训练匹配模块构建的深度学习训练网络框架对监测采集模块所采集的图像进行人脸特征提取,并将该人脸特征录入对应的班级数据库;
所述特征对比模块用于将监测采集模块所监测到的图像人脸信息与数据库模块对应的班级数据库中的人脸特征进行对比,做出学生的考勤情况数据。
需要说明的是,在本实施例中,监测采集模块配合框架训练匹配模块需构建深度学习训练网络框架作为提取学生人脸特征信息,需提取具有代表性且冗余性较少的特征信息。
具体的,请着重参照附图3,所述监测采集模块对班级学生的人脸进行图像采集时,会根据上传的图像质量决定是否需要进行适当的图像预处理,继而进行特征提取,且所述监测采集模块对监测区域内的人脸进行采集识别时,可在检测到人脸时,根据当前环境影响以及采集到的图像质量进行高级处理,得到较为清晰的图像。
需要说明的是,在本实施例中,监测采集模块在得到清晰图像后,需要对人脸图像的特征进行有效策略重组,剔除多余无效特征信息获得更具代表性的学生人脸图像特征,进一步减少学生人脸匹配时间。
进一步的,所述监测采集模块对图像质量进行高级处理的方法为:
当输入的学生人脸图像不清晰时,进行图像重建;
当输入的学生人脸图像破损时,进行图像修复。
需要说明的是,在本实施例中,图像重建需要学生重新录入,而图像修复可对图像进行高效修复,当修复失败时,需要学生重新录入。
进一步的,所述学生人脸图像采集模块和框架训练匹配模块对学生人脸特征生成的方法为:
步骤一,数据库模块建立各个班级的人脸数据库;
步骤二,监测采集模块对班级学生的人脸进行图像采集,通过框架训练匹配模块的深度学习训练网络框架对该图像数据进行特征提取;
步骤三,将该人脸特征数据输送至数据库模块内部。
需要说明的是,在本实施例中,特征对比模块利用聚类的分类算法综合人脸特征信息的检测与匹配提高学生考勤速度,且框架训练匹配模块能获得更具代表性的学生人脸图像特征,进一步减少学生人脸匹配时间,避免代替考勤,虚假考勤等情况。
具体的,请着重参照附图2,所述用户功能模块由管理员使用模块和教师使用模块以及学生使用模块三大模块所组成,所述管理员使用模块和教师使用模块以及学生使用模块分别用于管理员、教师、学生注册和实用***内部功能;
所述管理员使用模块用于管理员对基础信息数据的管理,基本信息管理又包含对学生信息数据、班级信息数据、课程信息数据以及***各种用户角色信息的管理;
所述教师使用模块用于教师对学生考勤信息的查看和对自身信息的查看和修改,所述学生使用模块用于学生进行自身考勤信息的查看和对自己信息的修改;
需要说明的是,本***基于人脸识别的智能课堂考勤***,应当可以实现对基本信息的管理,可以实现自动考勤,可以保存考勤记录并对考勤记录进行统计分析、打印分析结果。课堂考勤***应当尽可能提高***的安全性,保障考勤数据的安全,保障学生以及教师信息资料的安全;
且将人脸识别技术应用到学校课堂考勤中,利用教室固有的设备采集学生人脸图像进行人脸自动检测和识别实现课堂签到,这种无接触,无感知,快捷方便的签到方式可以极大地提高学校统计学生出勤情况的效率,满足课堂可靠高效签到的需求。
上述结合附图对本发明进行了示例性描述,显然本发明具体实现并不受上述方式的限制,只要采用了本发明的方法构思和技术方案进行的这种非实质改进,或未经改进将本发明的构思和技术方案直接应用于其他场合的,均在本发明的保护范围之内。
Claims (8)
1.一种基于人脸识别的智能课堂考勤***,其特征在于,包括:
学生人脸图像采集模块,用于建立人脸特征数据库,根据学生上传的图片建立人脸特征数据库,并对检测环境内的人脸进行检测和识别;
框架训练匹配模块,根据课堂考勤的特点,构建深度学习训练网络框架用于提取学生人脸特征信息;
学生考勤结果检测输出模块,用于对考勤记录进行保存,并对考勤数据进行统计和分析;
用户功能模块,用于不同用户进行注册和使用,同时完成对考勤信息的接收和查看。
2.根据权利要求1所述的一种基于人脸识别的智能课堂考勤***,其特征在于,所述学生人脸图像采集模块由监测采集模块和数据库模块以及特征对比模块所组成;
所述监测采集模块用于对班级学生的人脸进行图像采集以及用于对监测区域内的人脸进行采集识别;
所述数据库模块用于建立多个班级数据库,通过框架训练匹配模块构建的深度学习训练网络框架对监测采集模块所采集的图像进行人脸特征提取,并将该人脸特征录入对应的班级数据库;
所述特征对比模块用于将监测采集模块所监测到的图像人脸信息与数据库模块对应的班级数据库中的人脸特征进行对比,做出学生的考勤情况数据。
3.根据权利要求2所述的一种基于人脸识别的智能课堂考勤***,其特征在于,所述监测采集模块对班级学生的人脸进行图像采集时,会根据上传的图像质量决定是否需要进行适当的图像预处理,继而进行特征提取,且所述监测采集模块对监测区域内的人脸进行采集识别时,可在检测到人脸时,根据当前环境影响以及采集到的图像质量进行高级处理,得到较为清晰的图像。
4.根据权利要求3所述的一种基于人脸识别的智能课堂考勤***,其特征在于,所述监测采集模块对图像质量进行高级处理的方法为:
当输入的学生人脸图像不清晰时,进行图像重建;
当输入的学生人脸图像破损时,进行图像修复。
5.根据权利要求2所述的一种基于人脸识别的智能课堂考勤***,其特征在于,所述学生人脸图像采集模块和框架训练匹配模块对学生人脸特征生成的方法为:
步骤一,数据库模块建立各个班级的人脸数据库;
步骤二,监测采集模块对班级学生的人脸进行图像采集,通过框架训练匹配模块的深度学习训练网络框架对该图像数据进行特征提取;
步骤三,将该人脸特征数据输送至数据库模块内部。
6.根据权利要求1所述的一种基于人脸识别的智能课堂考勤***,其特征在于,所述用户功能模块由管理员使用模块和教师使用模块以及学生使用模块三大模块所组成,所述管理员使用模块和教师使用模块以及学生使用模块分别用于管理员、教师、学生注册和实用***内部功能。
7.根据权利要求6所述的一种基于人脸识别的智能课堂考勤***,其特征在于,所述管理员使用模块用于管理员对基础信息数据的管理,基本信息管理又包含对学生信息数据、班级信息数据、课程信息数据以及***各种用户角色信息的管理。
8.根据权利要求6所述的一种基于人脸识别的智能课堂考勤***,其特征在于,所述教师使用模块用于教师对学生考勤信息的查看和对自身信息的查看和修改,所述学生使用模块用于学生进行自身考勤信息的查看和对自己信息的修改。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310969637.0A CN117058737A (zh) | 2023-08-03 | 2023-08-03 | 一种基于人脸识别的智能课堂考勤*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310969637.0A CN117058737A (zh) | 2023-08-03 | 2023-08-03 | 一种基于人脸识别的智能课堂考勤*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117058737A true CN117058737A (zh) | 2023-11-14 |
Family
ID=88660063
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310969637.0A Pending CN117058737A (zh) | 2023-08-03 | 2023-08-03 | 一种基于人脸识别的智能课堂考勤*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117058737A (zh) |
-
2023
- 2023-08-03 CN CN202310969637.0A patent/CN117058737A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105551104B (zh) | 一种基于监控图像座位判别的中小学课堂自动考勤*** | |
CN109902628B (zh) | 一种基于视觉物联网的图书馆座位管理*** | |
CN110543811B (zh) | 一种基于深度学习的非配合式考试人员管理方法及其*** | |
CN110097283B (zh) | 基于人脸识别的教学管理***及方法 | |
CN110502999B (zh) | 校园管理***及方法 | |
CN106897698A (zh) | 基于机器视觉与双目协同技术的教室人数检测方法及*** | |
CN106250825A (zh) | 一种在医保应用中场景自适应的人脸识别*** | |
CN108921038A (zh) | 一种基于深度学习人脸识别技术的课堂快速点名签到方法 | |
CN109903412A (zh) | 一种基于人脸识别技术的智能课堂考勤*** | |
CN104183029A (zh) | 一种便携式快速人群考勤方法 | |
CN107527394A (zh) | 基于成员聚合判断逻辑的智能签到考勤***及方法 | |
CN109829995A (zh) | 一种人脸识别课堂签到*** | |
CN108766075A (zh) | 一种基于视频分析的个性化教育分析***及方法 | |
Chakraborty et al. | Automatic student attendance system using face recognition | |
CN115719516A (zh) | 一种基于多通道的课堂教学行为识别方法及*** | |
CN109271896B (zh) | 一种基于图像识别的学生测评***及方法 | |
CN111523445A (zh) | 一种基于改进的Openpose模型和面部微表情的考试行为检测方法 | |
CN109461223A (zh) | 一种基于人脸识别的教室点名***及方法 | |
CN112734966B (zh) | 一种融合WiFi数据与人脸识别的课堂点名方法 | |
CN117058737A (zh) | 一种基于人脸识别的智能课堂考勤*** | |
CN113705438A (zh) | 一种基于多种数据采集形式的考评、阅卷方法及*** | |
CN111160211B (zh) | 一种基于人脸识别的教育培训*** | |
CN112907775A (zh) | 一种基于人脸识别的考勤*** | |
CN110309745A (zh) | 一种用于新生入学迎新的人脸识别*** | |
CN111611911A (zh) | 一种基于卷积神经网络和多人脸识别的课堂考勤方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |