[发明专利]基于WIFI和智能手机的课堂自动点名系统

权利要求书

1.基于WIFI和智能手机的课堂自动点名系统，其特征是，包括智能手机点名控制终端、WIFI无线路由器、基于人脸识别的签名子系统，智能手机点名控制终端通过WIFI无线路由器与基于人脸识别的签名子系统连接，所述基于人脸识别的签名子系统用于对基于智能手机点名控制终端发送的点名指令现场采集学生的学生人脸图像，完成学生人脸图像的识别，并向智能手机点名控制终端发送人脸识别成功所对应的学生身份认证信息；所述基于人脸识别的签名子系统包括存储有学生身份认证信息的数据库；所述学生身份认证信息包括学生人脸标准图像、学号、姓名；所述基于人脸识别的签名子系统包括相连接的学生人脸图像采集模块和学生人脸图像识别模块；所述数据库在存储学生人脸标准图像时，预先采集该学生的多张人脸图像，对采集的人脸图像进行筛选，从中筛选出图像质量度大于设定图像质量度阈值的人脸图像作为该学生的学生人脸标准图像，将该学生的学生人脸标准图像存入数据库，其中定义图像质量度的计算公式为：

式中，A_i为某学生第i张学生人脸图像的图像质量度，g_i为第i张学生人脸图像的设定区域的平均灰度值，g为根据实际情况设定的灰度值阈值，h_i为多张学生人脸图像中第i张学生人脸图像的边缘锐度，h为根据实际情况设定的边缘锐度阈值，m为从摄像系统采集的多张学生人脸图像的数量；f_i为第i张学生人脸图像中人脸所占该张学生人脸图像的比例，f为设定的比例阈值，当f_i-f≥0时，W(f_i-f)＝1，f_i-f<0时，W(f_i-f)＝0。

2.根据权利要求1所述的基于WIFI和智能手机的课堂自动点名系统，其特征是，所述基于人脸识别的签名子系统包括相连接的学生人脸图像采集模块和学生人脸图像识别模块；所述学生人脸图像采集模块用于采集多张待识别的学生人脸图像，并从采集的学生人脸图像中筛选出图像质量度最大的学生人脸图像作为用于人脸识别的待识别的学生人脸图像；所述学生人脸图像识别模块用于对待识别的学生人脸图像进行识别，并向输出人脸识别结果。

3.根据权利要求2所述的基于WIFI和智能手机的课堂自动点名系统，其特征是，所述对待识别的学生人脸图像进行识别，包括：

(1)在数据库中选取N张学生人脸标准图像构建训练样本集X＝[X₁,X₂,…,X_N]，将待识别的学生人脸图像作为测试样本Y，对训练样本集进行过滤预处理，保留对测试样本的表示及分类影响较大的训练样本，并利用保留的训练样本构建最优训练样本集；

(2)将最优训练样本集中的每副学生人脸图像平均分割成R个块，则该最优训练样本集被分割成R个子样本集Z_q,q＝1,…,R，每个子样本集由每副学生人脸图像的第q个块构成；

(3)将测试样本平均分成R个块，即Y＝[Y_q,q＝1,…,R]，对最优训练样本集和测试样本按照下述公式进行块加权：

式中，B_q为最优训练样本集中所有学生人脸图像的第q个块的稀疏残差均值，B₁、B₂为设定的残差阈值，B₁<B₂，W(B_q)为判定函数，当B_q<B₁时，W(B_q)＝1，当B_q>B₂时，W(B_q)＝0；μ_q为最优训练样本集中的类间距离方差和类内距离方差的比值，μ₁、μ₂为设定的判别度阈值，μ₁<μ₂，W(μ_q)为判定函数，当μ_q<μ₂时，W(μ_q)＝0，当μ_q>μ₁时，W(μ_q)＝1；

其中，B_q的求取过程为：对于最优训练样本集中的任意一副学生人脸图像，用该学生人脸图像以外的剩余图像对该样本进行稀疏表示，得到该学生人脸图像的各块的稀疏残差，然后计算出所有学生人脸图像的第q个块的稀疏残差均值；

(4)用加权后的最优训练样本集对加权后的测试样本进行稀疏表示，计算其中每个类的重构残差，最终将测试样本分类为最小重构残差对应的类。