一种智慧校园考勤数据管理系统

本发明涉及校园管理，更具体地说，本发明涉及一种智慧校园考勤数据管理系统。

背景技术：

1、在校园中，课堂教学作为校园最重要的部分，需要确保学生按时上课，以提高课堂教学的教育质量，但是根据调查，大学课程缺席已经成为一种普遍现象，不仅影响了学校的教学秩序，也阻碍了大学生获得专业知识和技能以及提高综合能力的途径，课堂考勤制度是一种有效制约学生按时上课学习、完成学业要求的管理方法，在许多的高校管理中，将学生的课堂考勤表现与课程成绩挂钩，随着物联网技术、人工智能和移动通信技术水平的提高与发展，智慧校园朝着智能化、准确化的方向发展，基于计算机视觉的人脸识别实时考勤系统能够自动完成课堂考勤任务，生成课堂考勤信息表，其考勤信息表具有实时性和准确性，有利于督促学生遵守教学管理制度，并客观对学生的在校表现进行评价，解决了教师点名、刷卡考勤、指纹考勤等常用考勤方式占用课堂时间、影响上课效率、容易发生考勤作弊行为，且实时性低、缺乏监督的缺点，在大规模智慧校园环境下，基于人脸识别的课堂考勤系统每天产生大量的考勤数据，如何基于当前获取的考勤数据优化当前考勤分数加入课程成绩的方式，以督促学生减少缺勤次数，同时高效存储并支持快速检索，以满足查询和统计分析的需求，在高密课堂环境中，确保考勤数据的准确性，防止学生通过照片、视频等手段进行考勤作弊，已经成为当前课堂考勤系统需要解决的问题。

技术实现思路

1、为了克服现有技术的上述缺陷，本发明提供一种智慧校园考勤数据管理系统，是通过嵌入式视频采集设备和计算机视觉模块，基于yolo算法和深度学习进行人脸检测和识别，实现自动化考勤数据采集。数据融合模块整合多源数据，确保数据一致性和准确性，引入多种考勤得分计算方式，利用请假修正系数和拉盖尔多项式平滑处理，确保考勤评分的公平性和真实性，数据安全模块加密传输和存储考勤数据，确保安全性，系统设有实时处理时间约束，关系型数据库支持高效查询和分析，为学校管理提供数据支持。

2、为实现上述目的，本发明提供如下技术方案：

3、一种智慧校园考勤数据管理系统，包括嵌入式视频采集设备、计算机视觉模块、数据存储模块、客户端、服务器、数据安全模块、数据融合模块、考勤数据优化管理模块，嵌入式视频采集设备实时捕捉课堂场景中的视频，获取学生的面部图像，通过网络接口将实时视频流发送至计算机视觉模块进行处理，计算机视觉模块基于yolo算法进行人脸检测，基于深度学习算法进行人脸识别，提取学生id，将处理后生成的学生id和考勤数据通过api接口发送至数据存储模块进行存储，数据存储模块通过关系型数据库存储和管理考勤数据、学生信息、课程信息，计算考勤得分，支持高效的信息查询和分析，提供api接口供客户端和服务器查询和更新数据，请求数据安全模块进行数据加密和解密，将需要融合的数据发送到数据融合模块进行数据融合处理，并存储数据融合模块融合后的数据，客户端用于提供用户界面，供教师和管理员查看和管理考勤数据，与服务器进行交互，从数据存储模块获取数据进行展示和管理，请求数据安全模块进行数据加密和解密，服务器用于处理客户端请求，与数据存储模块交互，执行数据查询、更新操作，提供api接口供客户端调用，将查询结果返回给客户端，请求数据安全模块进行数据加密和解密，数据安全模块对数据进行加密传输和存储，提供解密服务供授权用户访问数据，确保数据在传输和存储过程中的安全性和隐私保护，数据融合模块从数据存储模块和其他数据源获取数据，进行数据融合处理，并将融合后的数据存储回数据存储模块，考勤数据优化管理模块从数据存储模块获取考勤得分数据，使用拉盖尔多项式对考勤得分数据进行平滑处理，计算优化后的考勤得分，并将其融入课程成绩，将结果更新回数据存储模块。

4、作为本发明进一步的方案，在数据融合模块中，需要融合的数据包括多源考勤数据、位置数据和学生信息，其中多源考勤数据包括数据存储模块存储的计算机视觉模块的考勤数据和rfid打卡数据，位置数据包括计算机视觉模块检测到的人脸坐标和rfid打卡设备获取的学生位置数据，学生信息包括学生信息系统获取的学生信息、数据存储模块存储的学生信息及学生成绩管理系统获取的学生信息。

5、在进行计算机视觉模块的考勤数据和rfid打卡数据进行融合时，首先清洗无效或重复的考勤记录，统一时间戳格式，再根据时间戳和学生id进行数据匹配，使用贝叶斯推理进行数据融合，再将融合后的考勤数据存储到数据存储模块的关系型数据库中。在进行位置数据融合时，首先清洗无效或异常的位置信息，统一时间戳和坐标格式，根据时间戳和学生id进行位置数据匹配，使用多源高斯滤波进行位置数据融合，将融合后的位置信息存储到关系型数据库中，更新位置记录。为了提供全面的学生信息，辅助考勤管理和成绩评估，确保学生信息的一致性和完整性，首先清洗无效或重复的学生信息，统一数据格式，根据学生id进行信息匹配，使用主成分分析法进行数据融合，再将融合后的学生信息存储到关系型数据库中，更新学生记录。

6、对于系统中存在的数据，进行数据存储完整性约束、数据融合一致性约束、数据安全性约束和实时处理时间约束，确保每个学生在每门课程中的每次出勤都记录在案，确保从数据存储模块和其他数据源获取的数据在融合后保持一致，确保所有传输和存储的数据均达到设定的安全级别，确保每次视频帧的处理时间不超过设定的最大时间阈值。

7、作为本发明进一步的方案，嵌入式视频采集设备每隔固定时间间隔捕捉一次图像，图像采集表达式为：

8、

9、式中：为采集图像的时间，为在时间捕捉的图像，为图像采集算法。

10、作为本发明进一步的方案，在计算机视觉模块中，基于yolo人脸检测算法检测人脸区域坐标的表达式为：

11、

12、式中：为检测到的人脸区域的坐标，为输入的图像，为yolo人脸检测算法；

13、基于深度学习人脸识别算法识别学生id的表达式为：

14、

15、式中：为识别到的学生id，为深度学习人脸识别算法。

16、为了结构化数据库的存储，提供灵活的考勤评分机制，确保考勤评分的公平性、真实性、准确性和合理性，并对考勤作假行为做出惩罚，提出以下方案：

17、作为本发明进一步的方案，在数据存储模块中，应用关系型数据库存储学生考勤记录的数据形式为：

18、

19、式中：为学生的考勤记录存储数据，为学生id，为课程id，为考勤时间，为考勤得分，缺勤时，准时出勤时，迟到半小时以内，迟到半小时以上，满足，由教师根据课程重要程度预设；

20、出勤得分计算公式为：

21、

22、式中：为id为的学生在id为的课程的考勤得分，为课程节数索引，为id为的课程的总节数，为第节课的考勤得分，为请假修正系数，在请假的课程总节数小于等于缺勤总节数时，请假修正系数为请假的课程总节数占缺勤总节数的比率，在请假的课程总节数大于缺勤总节数时，请假修正系数为0.5。

23、考勤数据中的不规则缺勤和突发出勤是指在学生出勤记录中出现的异常和非正常模式，这些情况会对考勤评分和课程成绩的计算产生影响。对于频繁的随机缺勤，学生在没有明显规律的情况下缺席，是由于个人原因、健康问题或突发事件，这种缺勤难以预测和处理；对于长期缺勤，学生在一个较长时间内持续缺席，例如连续几周或一个学期的大部分时间，这是由于严重的健康问题、家庭紧急情况或其他个人问题；对于间歇性缺勤，学生以不规则的间隔缺席，例如每隔几天或每周缺席一两次，这种缺勤模式是由于课外活动、兼职工作或其他责任；对于群体性缺勤，多名学生在同一时间缺席，是由于课程安排冲突、集体活动或考试等原因。拉盖尔多项式通过其递归性质对数据进行平滑处理，减少数据中的尖锐波动和噪声，使得数据更加连续和平滑，这种平滑处理可以有效减少因不规则缺勤和突发出勤引起的异常波动，在考勤数据中，不规则缺勤和突发出勤会引入异常值和噪声，拉盖尔多项式在处理这些数据时，通过平滑处理，可以将异常值的影响分散到整个数据集中，从而减小其对整体评分的影响，不规则缺勤和突发出勤会导致考勤记录中出现较多的异常值，如突然多次缺勤或突然多次出勤，拉盖尔多项式的平滑处理将这些异常值的影响分散到整个数据集中，使得某一个异常值不会对整体评分产生过大的影响，通过平滑处理，考勤数据变得更加连续和平滑，这样可以更真实地反映学生的整体出勤情况，而不是被个别异常值所左右。

24、作为本发明进一步的方案，在考勤数据优化管理模块中，利用3阶拉盖尔多项式平滑化考勤得分的公式为：

25、

26、式中：为id为的学生在id为的课程平滑化后的考勤得分，为三阶拉盖尔多项式。

27、作为本发明进一步的方案，在考勤数据优化管理模块中，最终的考勤得分为平滑化后的考勤得分与完美出勤奖励之和，最终的考勤得分公式为：

28、

29、式中：为id为的学生在id为的最终考勤得分，为完美出勤奖励，在准时出勤次数等于课程总节数时，，否则。

30、作为本发明进一步的方案，在考勤数据优化管理模块中，最终课程成绩为学生在课程中的其他成绩得分与最终考勤得分的加权之和，学生在课程中的其他成绩得分的权重为0.85，最终考勤得分的权重为0.15，最终课程成绩的公式为：

31、

32、式中：为id为的学生在id为的最终课程成绩，为id为的学生在id为的其他成绩得分。

33、作为本发明进一步的方案，在计算机视觉模块中，人脸检测基于yolo算法的检测，引入残差网络提高模型的训练速度和稳定性，引入特征金字塔网络，提高卷积层的感受野，同时在特征金字塔网络中引入注意力机制，提高网络的特征提取能力，引入特征融合模块，通过学习不同尺度的特征，提高监测效果的鲁棒性，建立多任务联合损失函数，在人脸识别方面，在卷积层中涉及了基于l1范数的主成分分析深度学习网络，在非线性层引入局部二进制模式对人脸特征进行编码描述，在池化层采用空间金字塔池化，合并人脸在不同层次的结构特征，使用岭回归分类器进行人脸匹配。

34、作为本发明进一步的方案，在计算机视觉模块中，卷积层的数量为10，li-pac过滤器的尺寸为4×4，非线性层lbp领域大小为（8,1），池化层金字塔的级别为5个，分别为{1、3、7、10、16}。

35、本发明相比于现有技术的技术效果和优点：本发明通过嵌入式视频采集设备和计算机视觉模块，实时捕捉课堂视频，并基于yolo算法和深度学习进行人脸检测和识别，实现自动化考勤数据采集，减少了传统考勤的时间消耗和人工干预，通过数据融合模块整合多源考勤数据、位置数据和学生信息，确保数据一致性和完整性，提高准确性，引入多种考勤得分计算方式，并通过请假修正系数和拉盖尔多项式平滑处理，确保考勤评分的公平性和真实性，数据安全模块加密传输和存储考勤数据，确保安全性，系统设有实时处理时间约束，关系型数据库支持高效查询和分析，为学校管理提供数据支持。