基于视频的智能考勤系统

基于视频的智能考勤系统
一、概述
由于目前高校对到课率抓的比较严，而传统的考勤方法具有滞后性和低效性，所以我们开发了《基于视频的智能考勤系统》。

《基于视频的智能考勤系统》的创意是来自与开发人员自己的学习体会和老师的启发。

作者最初的想法是做一个自习教室的自动管理系统，主要功能有防止恶意占座和空位提示等功能，但是在和老师交流过程中发现难度较大，并且市场前景比较小，于是就改成了《基于视频的智能考勤系统》。

《基于视频的智能考勤系统》的主要思想是利用摄像头采集图像，通过数字图像处理，检测人头的个数，从而实现对每个班的到课率的考勤。

由于在大部分教室中，摄像头都是安装在教室的后部，所以我们只能实现对人的头发的检测，而不能进行通常的人脸检测。

在这个系统中，主要的核心部分就是人头的检测。

主要难点也在于此。

具体的来说，主要是以下几个方面：1、由于很多教室是阶梯教室，所以如果从后面拍摄照片的话会造成很多人头重合在一起（如图1）；2、有的同学穿的黑色衣服会对检测造成很大的干扰（如图2）。

图1 图2
对于以上两点，经过研究和讨论，我们决定采用基于特征的检测和adaboost算法两种算法的综合，对人头实施检测。

基于特征的检测主要是针对人头的形状、灰度、面积等特征进行提取检测，主要优点是速度快，便于理解和实现，但是主要缺点是抗干扰性差。

Adaboost 算法主要是根据Paul Viola和Michael J.Jones的在《Robust Real-Time Face Detection》中所提到的adaboost算法对人头实行检测，唯一所不同的是此处的训练样本是人头的后部，而不是人脸。

这种方法的好处是速度快，精确率较高，但是对于我们几位大二的同学来说难度有些大。

最后根据adaboost算法中的级联思想，将二者级联，取最后的结果作为检测结果。

具体的做法就是要求两个分类器具有低去真错误率（把对的判断成错的）和一定的存伪错误率（把错的判断成对的），然后对一副图像进行检测时，先用基于特征的分类器进行检测，然后用adaboost分类器进行检测，只要有一个分类器判断为否，就将该图像判断为否。

在工程部分，我们采用的是用VC++将核心算法做成dll，然后用vb来实现界面和数据库。

由于这是我们第一次做项目，并且以前没有接触过任何有关图像处理的知识，所以我们在做项目的过程中都是摸着石头过河，而且这学期的课程较多，所以此次工程中我们只实现了核心算法中的第一个部分，就是基于特征的检测部分。

第二个部分目前正在开发之中，预计能在下个学期之前完成。

二、工程（1.0版本）
此次出炉的《基于视频监控的智能考勤系统》1.0版本主要有主程序、dll部分和数据库三部分组成。

他们的关系如下图所示：
1、主程序：dll和数据库的桥梁，通过他可以实现数据在dll和数据库之间的交换。

同时，它也是用户的接口，用户可以操作他得到自己想要的信息。

2、Dll：包含了该工程的整个图像处理部分，包括图像预处理部分和模式识别部分。

接口：Int initialclassdata(int);
参数为班级号码，从.txt文件导入班级座位信息。

返回TRUE
Int loaddib(int,int,int);
参数依次为日期、时间、教室编号，返回教室人数。

a、预处理部分：将彩色图像转换为灰度图像。

b、模式识别部分：对每个座位进行判定，然后累加。

对于每个座位，首先计算人
头部分占当前座位框的比值，当然，这里会有黑色衣服对比值的影响。

当发现
当前比值高于我们给定值的时候，再通过判断宽度的方法判断是否有头存在，
因为衣服的宽度是远远大于人头宽度的。

此种方法最后对多幅图片进行测试，
准确率在90%左右。

首先，为了能够开始识别，程序需要一些教室的信息。

1、教室中每个学生的人头可能会出现的大概位置（seat[][]二维数组存储）。

当我们得到一幅教
室图片，我们应该对每个座位上的学生的人头可能出现的位置进行判断，然后
确定一个任意四边形，将这个位置框出来。

确定位置的标准是：只考虑学生坐
姿端正时候的人头位置，不考虑学生人头侧移的情况。

这个位置框还要在人头
的四周留有一定的空间，给学生头部运动留有一定的空间。

2、对与每个人头，
我们还要确认一个人头宽度的大概范围（headlength[][]存储）。

即，图片中横
向看到的人头宽度。

由于透视原理，教室前、后排的学生人头宽度肯定有较大
的差别。

这两个部分的手工录入在实际当中是很繁琐的，但是一但录入完毕，
数据对于当前教室就可以在摄像头位置、角度不变的情况下永久使用。

以上部
分的单位均为像素。

3、对于每个人头，还需要一个灰度比值，即符合要求的
灰度较小部分面积占总框面积的比值下限（ratio[]）。

这个值的设置比较灵活，
即可以对每个座位逐个设置，也可以全部座位只采用一个值。

下面，还有3个应用于全图像的值：允许判断的灰度最大值（grademax），灰度误差范围（graderange）和座位个数（numofseat）。

程序从用户给的头部
框中选取中间点，取它的灰度，如果这个灰度值太高，就表明它不是头，直接
返回假。

而这个灰度是否太高的判断标准就是灰度最大值。

灰度误差范围就是
在当前选取灰度值的一个范围当中的灰度全部判断为人头。

比如当前选定灰度
为30，那么在30±灰度误差范围中的灰度都被计算。

座位个数记录总共要
被判断的座位个数。

以上的所有数据为简单起见，被存储在一个.txt文件中。

格式：
允许判断的灰度最大值灰度误差范围座位个数
人头位置框的4点坐标（左上，右上，右下，坐下）灰度比值人头宽度下
限人头宽度上限
……（根据座位个数输入相应数据）
3、数据库：
数据主要提供数据的存储和查询用途，由于本项目主要是研究性质的，尚处在实验室阶段，所以，本部分重视的是查询。

a)数据库的存储：存储应包含时间、教室、课程、课程代码、上课教师、学院、
上课的年级、教学班、教学班号、备注等。

能详细的记录每日各个教室的上课
考勤情况，在备注内还可以记录一些附加信息，比如某班的请假信息等等。

b)数据库的查询：通过多重查询方式查询和统计各种数据。

如1、查询某门课某
段时间的到课情况查询。

2、某个教师的上课考勤情况。

3、查询某个教师某门
课的考勤情况。

4、查询某个教师的某个班的某门课的考勤情况等查询情况。

6、应用程序提供的操作：应用程序提供了多种管理和查询模式，方便学校管理和对
教师、班级的评估。

大多数查询方式或管理方式通过子窗口来操作，简洁明了，易于操作。

其他的各种查询方式仍在设计中。

a)当前时刻对教室的考勤情况的实时查询：只需输入教室的号码即可查询教室
的考勤情况，并更新数据库。

b)查询某门课某段时间的到课情况查询：可以通过选择课程名称或课程代码，
选择上课的时间，即可查询当次课的考勤情况。

c)某个教师的上课考勤情况：通过输入教师的名字或者教工号，即可查询该教
师所任的每门课的平均考勤情况
d)查询某个教师某门课的考勤情况：通过输入教师的名字或者教工号，选择该
教师所任的一门课，即可查询该教师的该门课的每个教学班每周的平均到课
率
e)查询某个教师的某个班的某门课程的考勤情况等查询情况：通过确定教师、
该教师担任的课程和教学班号，即可查询该教师担任的该门课的某个班级的
详细考勤情况。

f)数据库的后台管理：通过password既可进入后台，在学期初做数据库的初
始化、对数据内容的修改、删除等。

示例数据库的各项数据名称：
1、班级名称课程名称1-课程名称5
2、学院学院1-学院5
3、年级年级1-年级5
4、教师名称教师名字1-教师名字5
5、教师工号11-15
6、教学班号21-25
7、实时查询时，示例的教室号为1.。