买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国矿业大学

摘要：本发明公开了一种基于机器视觉的课堂迟到早退检测方法，检测方法：S1、计算机通过导入数据库中教室课表信息循环判断该教室是否处于课堂阶段；S2、若该教室处于课堂阶段，计算机通过教室的监控摄像头获取课堂阶段内进出教室前后门的视频，分割视频图像并进行运动目标跟踪检测；S3、对于被跟踪检测到的运动目标，依据运动方向判断是迟到还是早退，并截留捕捉有运动目标的运动视频；S4、将跟踪检测到的运动目标的信息通过短信、邮箱或网络链接发送给任课老师或管理人员。本发明利用机器视觉实现课堂迟到或早退检测，做到实时监控，适时监控，为管理课堂纪律提供便利，且利用已有的校园监控系统设施，大大节约了资金投入。

主权项：1.一种基于机器视觉的课堂迟到早退检测方法，其特征在于：检测方法：S1、计算机通过导入数据库中教室课表信息循环判断该教室是否处于课堂阶段；S2、若该教室处于课堂阶段，计算机通过教室的监控摄像头获取课堂阶段内进出教室前后门的视频，分割视频图像并进行运动目标跟踪检测；S3、对于被跟踪检测到的运动目标，依据运动方向判断是迟到还是早退，并截留捕捉有运动目标的运动视频；S4、将跟踪检测到的运动目标的信息通过短信、邮箱或网络链接发送给任课老师或管理人员，发送内容包括事件时间、事件内容和事件截图；其中：在步骤S3中，使用Blob分析寻找连通域，依据连通域面积的大小判断是否为人为运动，判断阈值即最小连通域面积由操作人员依据选取检测图像的分辨率预设；在步骤S3之前，由操作人员依据拍摄画面预设迟到和早退的运动方向向量分别为和，运动检测时对被检测到的人员进行跟踪来获得其运动方向向量，并将获得的运动方向向量与预设的运动方向向量和进行匹配以判断迟到或早退；计算公式为：当所得值满足时匹配成功，即匹配成功将判断为迟到，匹配成功则判断为早退。

全文数据：一种基于机器视觉的课堂迟到早退检测方法技术领域本发明涉及教务系统技术领域，特别是涉及一种基于机器视觉的课堂迟到早退检测方法。背景技术课堂纪律监管是学校提高校风学风的重点。许多学校尤其是高等院校在大教室上课，学生众多，班级混杂，因此任课老师很难管理课堂纪律；又有部分学生的自律能力较差，无心学习，纵是课堂点名也无法阻止学生迟到、早退等现象时常发生；而任课老师在授课时不是一直注意着课堂状况，一些学生经常趁任课老师疏忽时离开课堂，影响课堂纪律和学习氛围，任课老师也因不知事由无法对这些学生做出管理；已有的各类课堂考勤无法做到实时考查，亦或存在各种缺点无法检测迟到早退状况。鉴于上述问题，寻求一种实时监管考勤或检测课堂迟到早退状况的方法十分必要。目前校园教室的视频监控的到广泛运用，但校园视频监控系统多用于监考和防盗，功能单一，造成设备资源的浪费。现阶段监控设备的性能有了很大提高，如计算机计算性能、摄像机拍摄视频性能、无线数据传输等。计算机视觉处理技术发展迅猛，已在交通、医学、军事和工业等领域得到广泛应用。这些都为实现基于机器视觉的课堂迟到早退检测方法提供良好的支持。发明内容为了克服上述现有技术的不足，本发明提供了提供一种基于机器视觉的课堂迟到早退检测方法，以教室已有的视频监控设备为基础，不仅使得校园视频监控系统功能更加多样化，而且对课堂迟到早退问题提供良好的检测方法。本发明所采用的技术方案是：一种基于机器视觉的课堂迟到早退检测方法，检测方法：S1、计算机通过导入数据库中教室课表信息循环判断该教室是否处于课堂阶段；S2、若该教室处于课堂阶段，计算机通过教室的监控摄像头获取课堂阶段内进出教室前后门的视频，分割视频图像并进行运动目标跟踪检测；S3、对于被跟踪检测到的运动目标，依据运动方向判断是迟到还是早退，并截留捕捉有运动目标的运动视频；S4、将跟踪检测到的运动目标的信息通过短信、邮箱或网络链接发送给任课老师或管理人员，发送内容包括事件时间、事件内容和事件截图。进一步地，在步骤S2中，运动目标跟踪检测采用基于混合高斯背景模型的背景差分法。进一步地，在步骤S3中，使用Blob分析寻找连通域，依据连通域面积的大小判断是否为人为运动，判断阈值即最小连通域面积由操作人员依据选取检测图像的分辨率预设。进一步地，在步骤S3之前，由操作人员依据拍摄画面预设迟到和早退的运动方向向量分别为和，运动检测时对被检测到的人员进行跟踪来获得其运动方向向量，并将获得的运动方向向量与预设的运动方向向量和进行匹配以判断迟到或早退。计算公式为：当所得值满足时匹配成功，即匹配成功将判断为迟到，匹配成功则判断为早退。进一步地，在步骤S3中，计算机在检测到运动目标时截留捕捉有运动目标的运动视频，截取捕捉有运动目标的视频图片，获取人员面部图像，进行人脸识别，匹配学生信息数据库，获得运动目标信息。进一步地，检测方法所需硬件设备包括：计算机和监控摄像头。进一步地，所述计算机接收监控摄像头的监控数据进行迟到或早退分析，并且将分析数据进行存储上传到教务平台。与现有技术相比，本发明的有益效果是：1、本发明利用实时时间与教室课表信息对比结果和视频图像采集与处理技术获取合理正确的视频，通过机器视觉技术对视频进行检测以监控迟到早退现象，做到实时监控，适时监控，为管理课堂纪律提供便利。2、检测设备为校园已有的监控系统，无需投入大量资金购买设备，降低成本。附图说明图1为本发明一个实施例的课堂迟到早退检测方法的流程图。具体实施方式为了加深对本发明的理解，下面结合附图和实施例对本发明进一步说明，该实施例仅用于解释本发明，并不对本发明的保护范围构成限定。如图1所示，一种基于机器视觉的课堂迟到早退检测方法，检测方法：S1、计算机通过导入数据库中教室课表信息循环判断该教室是否处于课堂阶段；S2、若该教室处于课堂阶段，计算机通过教室的监控摄像头获取课堂阶段内进出教室前后门的视频，分割视频图像并进行运动目标跟踪检测；S3、对于被跟踪检测到的运动目标，依据运动方向判断是迟到还是早退，并截留捕捉有运动目标的运动视频；S4、将跟踪检测到的运动目标的信息通过短信、邮箱或网络链接发送给任课老师或管理人员，发送内容包括事件时间、事件内容和事件截图。在上述实施例中，步骤S1中计算机先利用实时日期访问数据库中课表信息，再通过实时时间与各教室课堂时间段进行对比，以此判断是否处于上课阶段，若处于上课阶段，将获取任课老师或管理人员的联系方式。整个步骤S1是一个循环过程，计算机每隔1s会对教室是否处于课堂阶段进行一次判断，并及时更新判断结果和联系方式等信息，并连接学生信息数据库。在上述实施例中，步骤S2中获取的视频图像易出现许多不确定因素，从而影响检测结果，计算机操作人员依据拍摄画面对监控摄像头采集的视频图像自行选取进行区域分割处理，再对分割后的视频图像进行运动目标跟踪检测。运动目标跟踪检测采用基于混合高斯背景模型的背景差分法，并且使用Blob分析寻找连通域，依据连通域面积的大小判断是否为人为运动，判断阈值，此处表示最小连通域面积，即获得的连通域的面积小于该值则判断其不是人为运动，由操作人员依据选取检测图像的分辨率设定。在上述实施例中，步骤S3之前由操作人员依据拍摄画面预设迟到和早退的运动方向向量分别为和，运动检测时对被检测到的人员进行跟踪来获得其运动方向向量，并将获得的运动方向向量与预设的运动方向向量和进行匹配以判断迟到或早退。计算公式为：，当所得值满足时匹配成功，即匹配成功将判断为迟到，匹配成功则判断为早退。计算机在检测到人员运动时会截取视频图片，获取人员面部图像，进行人脸识别，匹配学生信息数据库，获得运动目标信息。在上述实施例中，当计算机循环步骤S1判断课堂结束时，将整合该节课内的所有检测结果，包括未检测到迟到或早退现象的结果，统一发送给任课老师或管理人员做进一步处理。在上述实施例中，检测方法所需硬件设备包括：计算机和监控摄像头。计算机接收监控摄像头的监控数据进行迟到或早退分析，并且将分析数据进行存储上传到教务平台；监控摄像头是校园监控系统中用于教室监考和防盗等功能的监控摄像头，以上所述硬件设备，校园监控系统中的此类设备均满足要求，所以无需投入大量资金购买设备，节省成本。本发明的实施例公布的是较佳的实施例，但并不局限于此，本领域的普通技术人员，极易根据上述实施例，领会本发明的精神，并做出不同的引申和变化，但只要不脱离本发明的精神，都在本发明的保护范围内。

权利要求：1.一种基于机器视觉的课堂迟到早退检测方法，其特征在于：检测方法：S1、计算机通过导入数据库中教室课表信息循环判断该教室是否处于课堂阶段；S2、若该教室处于课堂阶段，计算机通过教室的监控摄像头获取课堂阶段内进出教室前后门的视频，分割视频图像并进行运动目标跟踪检测；S3、对于被跟踪检测到的运动目标，依据运动方向判断是迟到还是早退，并截留捕捉有运动目标的运动视频；S4、将跟踪检测到的运动目标的信息通过短信、邮箱或网络链接发送给任课老师或管理人员，发送内容包括事件时间、事件内容和事件截图。2.根据权利要求1所述的基于机器视觉的课堂迟到早退检测方法，其特征在于：在步骤S2中，运动目标跟踪检测采用基于混合高斯背景模型的背景差分法。3.根据权利要求1所述的基于机器视觉的课堂迟到早退检测方法，其特征在于：在步骤S3中，使用Blob分析寻找连通域，依据连通域面积的大小判断是否为人为运动，判断阈值即最小连通域面积由操作人员依据选取检测图像的分辨率预设。4.根据权利要求1所述的基于机器视觉的课堂迟到早退检测方法，其特征在于：在步骤S3之前，由操作人员依据拍摄画面预设迟到和早退的运动方向向量分别为和，运动检测时对被检测到的人员进行跟踪来获得其运动方向向量，并将获得的运动方向向量与预设的运动方向向量和进行匹配以判断迟到或早退；计算公式为：当所得值满足时匹配成功，即匹配成功将判断为迟到，匹配成功则判断为早退。5.根据权利要求1所述的基于机器视觉的课堂迟到早退检测方法，其特征在于：在步骤S3中，计算机在检测到运动目标时截留捕捉有运动目标的运动视频，截取捕捉有运动目标的视频图片，获取人员面部图像，进行人脸识别，匹配学生信息数据库，获得运动目标信息。6.根据权利要求1所述的基于机器视觉的课堂迟到早退检测方法，其特征在于：检测方法所需硬件设备包括：计算机和监控摄像头。7.根据权利要求1或6所述的基于机器视觉的课堂迟到早退检测方法，其特征在于：所述计算机接收监控摄像头的监控数据进行迟到或早退分析，并且将分析数据进行存储上传到教务平台。

百度查询： 中国矿业大学 一种基于机器视觉的课堂迟到早退检测方法