SCI论文（www.lunwensci.com）:
摘 要：能够实时、便利地获得准确的教学活动出勤信息是高等院校教学管理工作顺利运行的基础。本文综合分析了当前常见的出勤统计方法的优势与劣势，指出开发以移动通信工具拍照功能为基础的便携式出勤统计系统的优势及设计此类系统的需求。
论文基于LabVIEW平台设计和实现了便携、快速、即时统计学生出勤情况的系统，并对其进行了参数的优化和测试。这一系统利用移动设备的通信和拍照功能即可实现对教室学生人数的记录和统计，是一种全新的实现思路，同时也是以往各种出勤统计方法的有益补充。
关键词：LabVIEW；教学管理；出勤统计
本文引用格式：刘桐芬, 张嘉琪, 王雯. 基于L a bV IE W 的便携式高校出勤统计系统的设计与开发[ J ]. 教育现代化,2020,7(101):140-143.
Design And Development Of Portable Attendance Statistics System For Colleges And Universities Based On LabviewLIU Tong-fen, ZHANG Jia-qi, WANG Wen(School Of Environmental Science And Safety Engineering, Tianjin University Of Technology, Tianjin)
ABSRTACT：It is basis for smooth operation of teaching management in colleges and universities to have accurate attendance information of teaching activities in real time and conveniently. The paper analyzes advantages and disadvantages of current common attendance statistics methods comprehensively, and points out advantages of portable attendance statistics system based on photo taking function of mobile communication tools and requirements of the system design.
Based on LabVIEW platform, the paper designs and portable, fast and real-time statistics system of attendance of students, optimizes and tests its parameters. The system can record and count number of students in class with communication and photo functions of mobile devices, which is new idea and useful supplement to previous attendance statistics methods.
KEYWORDS：LabVIEW; Teaching management; Attendance statistics
当前高校的教学管理工作要求精细化、人性化和高效率，在传统教学管理的基础上，结合新技术，平台化管理，借助移动设备来实现指定到人的管理效果是大趋势[1]。而在教学管理的各个方面中，课堂管理是核心内容之一。特别是在本科生阶段，课堂授课是学生获得专业知识，掌握学科框架，锻炼逻辑思维的重要渠道， 直接关系到学生的学习效果[2]。而在一般本科院校中， 保证出勤率是课堂管理的重要手段。
一 出勤率常见统计方法及利弊
常见的课堂出勤统计方法可以分为两大类，一种是被动统计式，即由课堂管理人员以传统的方法，或是软硬件结合互联网的手段，清点到教室的学生人数；另一种是自主签到式，学生主动以实体的方式或在网络上签到。下面列出了当前常用的出勤率统计方法，并尝试分析了各种方法的优势与缺陷。
（一） 教师课上点名
这种传统的课堂出勤率统计方法准确性高，同时还有教师与学生沟通的效果，另外，对学生来说有较好的威慑力。缺点是一方面占用授课时间，另一方面教学班学生人数的多少直接影响这种方法的操作性。学生人数较多则点名占用时间太多，教师往往不会经常点名，或者不全面点名，同时教师无法确保认识教学班内的所有学生，因而点名对于出勤的威慑力会受到很大影响。
（二） 学生或助教点名记录
作为教师点名的替代方案，由学生干部或者助教来统计学生出勤可以避免上面提及的教师点名占用教学时间的问题。但这样的统计方式同样占用大量时间。除此之外，教师与学生之间没有沟通，查考勤对学生的威慑力也明显下降。另外，如果是学生统计，还很有可能出现瞒报虚报出勤人数的情况。
（三） 人脸识别系统进行出勤统计
以高清摄像头、面孔识别系统、和眼球追踪系统为基础搭建的学习监测系统可以实现面孔识别并进行统计的效果，当前在某些中学有试点应用，高校较少引进这类系统。
此类系统进行出勤统计非常方便，既节省时间，还可保证准确性，因为进行人脸识别，甚至解决了某些大班课中其他学生替课，教师或助教无法正确识别的问题[3]。这套系统的不足在于，一方面搭建成本高，无论硬件设备还是软件开发，在当前仍旧成本很高，不利于推广；另外，通过面孔识别和眼球追踪对学生学习过程进行全方位监控不利于学生养成自主学习的习惯，从长期看与教育的初衷背道而驰；而且，该系统在某些中学运行后收到的负面评价较多，公众普遍质疑这样的监控系统涉嫌侵犯隐私。上述问题导致这样的监控系统实际上很难在高等院校普及。
（四） 商业教学平台内嵌的签到系统
目前有一些网络教学平台和教学评估平台可以实现在线签到的功能，如雨课堂、智慧树、麦可思等。另外，学校自行开发的教务管理系统也常常内置点名系统。此类系统多属于自主签到模式，课程开始后，或由教师开启点名功能后，学生在手机端自行签到，系统自动统计和上报数据。这样的系统可以极大地减少老师点名及后期统计的工作量。
但在实际使用中经常因为网络信号问题造成签到不成功[4]，特别是班级人数较多时， 这样的误差对统计结果造成的影响很大，如果人为进行修正又需要占用老师的时间，从一定程度上抵消了此类方法的优势。另外，不同的系统签到时的一些设置导致存在有各种漏洞，如某些系统只要学生在网，无论是否在教室都可以签到[5]；某些扫二维码签到的系统，缺勤学生可以扫描同学传的二维码签到；甚至可能出现以其他手机登陆学生系统替签到的行为。
二 基于移动端拍照的出勤统计系统的优势
通过分析上述可以看出，出勤统计系统设计的目的是减少教师工作量，提高课堂效率。但因为其功能单一，往往被深度整合在某个软硬件平台之中，只是平台综合教学服务中的一个环节。这样的平台化深度整合虽然对调用学生信息有利，但高大全的平台缺乏灵活度与便携性，无法细化兼顾出勤统计的一些特殊需求。而且整个系统缺乏灵活性，后期难以根据不同学校学生的具体情况进行有针对性地开发或优化。
而利用手机等移动便携设备即时拍照，对图形进行分析计数，则是完全不同于目前的各种出勤统计系统的一个新思路。教师或教辅人员可以在课前或课中的任何时候对教室进行简单拍照，只要图像范围覆盖到所有在教室的学生即可进行后续数据分析。对照片进行图形分析即可统计出照片中的人数，实现统计出勤的效果。
另外，拍照后计数的方法具有可回溯的优势。如果对出勤统计的结果有疑问或者质疑，可以从教学管理系统重新调用当时拍摄的图像，无论是再进行计数或者专门针对某人进行检查都很方便。相比于传统的人为计数，这种方法保存了计数过程的影响；相比于更加复杂的以视频或人脸识别进行计数，这种方法在调用过程中不需要浏览大量的影像资料，更加方便快捷。
因此，基于拍照和图形分析进行出勤统计的优势是操作简单、设备便携、可随时进行及结果准确。唯一的缺陷是图像质量可能导致面孔识别效果差，不能解决他人替课的识别问题。这样的系统基本可以完全替代教师点名的功能，同时也可以作为目前各种出勤统计系统的有益补充。
三 移动端拍照出勤统计系统设计
本论文设计的出勤统计系统主要是通过接收教师端发送的图片来获得图形信息；通过对调用的图片进行分析，分离出照片内的学生；如果图片质量存在严重问题，图像分离结果不理想时，通过人工干预的方式微调图形分离结果；对分离出的人像进行计数；将统计结果输出至教师端。具体每个功能组块的功能与设计如下。
（一） 信息接收与图形调用
系统接收图片后将其存储并调用至后续系统，以便进行分析与计数。系统通过移动信号接收教师发送来的图片信息，识别确认信号源身份后对图片进行存储。图1显示了用LabVIEW对图片进行调用的程序。首先，将收到并存储好的教师拍摄的图片存储文件夹调用至主程序中，然后为其指定名称，如是提前拍摄的教室空白图片则定名为“空白图片”，如是教师发送的有学生的图片则命名为“识别图片”。系统在计数开始前将“空白图片”与“识别图片”同时调用，用于对比计算。
（二） 图像比较实现人像与背景的分离
利用两张图片中同一位置像素数字的差值将学生与教室背景分离开。调用“空白图片”和“识别图片” 后，分别将两张图片数字化，然后对两图的数字化结果中的同一位置进行像素比较，程序由图2的a部分实现。两张图片像素相减的矩阵再返回为图形形式，即形成了扣除了教室背景后的差值图形。图2中的b部分为LabVIEW中实现这步操作的程序。
（三） 参数设置实现单个人像的图形分离
通过设置“取差值范围”和“侵蚀数值”实现剔除背景后的人像逐一分开。首先对像素数值的差异值设置合理的响应下限，当某位置两图的像素数值差异大于响应下限时，即意味着该点落在了“取差值范围”内，该位置的像素差是由人的出现造成的，而不是背景剔除中产生的误差。将此类像素点在图上标记为红色。随后通过设置合理的侵蚀值上限，将像素面积值小于侵蚀值的红色区域侵蚀掉，从而实现了图形中噪音的去除和标红的人像间粘连部分的分离。图2中的c部分为LabVIEW中实现这一操作的程序。
（四） 对图形计数及输出结果
对图形识别的结果或图形识别后人工干预的结果进行计数并输出结果。标红的学生人像在图形中被分离成功，即可用计数程序对标红位置进行搜索和计数。如果对图像识别的结果有怀疑，可以进行人工干预，调整图形识别的结果用于计数。计数的结果报“分析结果” 显示，同时将其以原路径发回给发送图片的老师，报告计数结果。如果是通过人工干预调整过识别结果的技术结果，在发送移动终端的时候进行标注。图2中的d部分为LabVIEW中实现这一操作的程序。
四 系统的调试与测试
在LabVIEW平台搭建好系统后，先在虚拟仪器界面中进行调试及优化。然后完成后联机测试，特别是针对识别的相关参数和结果输出的模块进行调整与优化。图3显示了参数优化完成后，系统结合空白教室的图像（图3a）和教师拍摄的学生图像（图3b），分离出用于计数的单个学生人像图像（图3c），以及本次分离中所运用的参数及计数结果（图3d）。
在程序运行中需要调试的主要是会影响学生人像分离效果的参数：“取差值范围”和“侵蚀数值”。
“取差值范围”设定的是识别图片与空白图片相减时认定为具有差异的差值范围。以空白教室的图片作为背景，当教室的某一位置出现学生时，相应位置的空白与识别图片像素数值的差将不为0，差值最大可达到255。但在没有学生的空位，两张图像相减时仍可能因细微的差异而差值非0，因此需要设置一个合理的“取差值范围”的“下限值”来保留实际差异，同时剔除细微差异。经多种场景测试，软件选定“下限值”为图中所示的5。
为“侵蚀数值”设定一个合理的下限，有助于准确分离出人形并将噪点剔除。当“空白图片”与“识别图片”相减后，差值落在在“取差值范围”5-255之间的位置将被标红，其他位置被标黑，人形即可显现，但此时不能直接计数。一方面，仍存在一些未被“取差值范围”的“下限值”扣除的背景轻微差异噪点；同时，分离出的人形也可能因为学生坐位相近而形成粘连，因此需要设置一定的“侵蚀数值”来优化图形剔除这些干扰。另一方面，如果“侵蚀数值”的下限设置的过高，侵蚀过于严重，则有可能将形状较小的人形当做噪点去除掉。因此，合理的设置“侵蚀数值”是系统测试中的一个重要参数。经多场景测试，软件选定“侵蚀数值”为图中所示的20。
系统调试完成后，选取了两种教室背景进行了测试，结果较理想。两种教室背景分别是最多可容纳48人的小教室，和最多可容纳142人的大教室。每种场景设计了少量，适中和较多的学生人数进行测试，每种教室每种人数下分别测试了5种学生位置的组合。
考虑到现实的教学管理中，教室的最大容量远大于课程的学生人数，因此在测试中，最大容量48人的教室内少量、适中和较多的学生人数分别是10人、20人、和30人三种场景；而最大容量142人的教室内少量、适中和较多的学生人数分别是20人、35人、和50人三种场景。
测试时首先在两间教室内，拍摄空白背景图片，然后分别拍摄了学生人数少量、适中和较多时，学生按5 种不同方式就坐后的识别图片，用系统软件进行计数， 将每种学生人数下，5个位置组合时系统计数得到的数值取平均值，将其与实际人数进行比较即可得到计数准确率的百分比。如某照片的测试结果与实际人数不符， 则运行“对图形计数及输出结果”功能组块中的“人工干预”流程，再输出计数结果，计算准确率百分比。测试的准确率，是否需要人工干预，及人工干预后的准确率如表1所示。
五 系统在未来的开发方向
经过测试，该系统已经可以较成功地实现准确的出勤统计。相比于传统点名，系统明显具有便捷、快速的优势，而相比于较复杂的、基于大型教学管理平台运行的签到系统，系统又具有便携、灵活和对网络稳定性需求低等优势。同时，该系统的开发也是一种新颖的尝试，利用手机等移动设备，简单的拍照功能和简单的计算机程序实现统计出勤。通过这一思路，还可以开发同类的其他相关功能。
六 结 语
目前该系统之所以人多时需要调用人工干预组件， 是因为现有的图形分离算法在面对学生分布特别密集， 图形重叠较多的情况时，还不能很好地分离图像。这一缺陷一定程度上影响了系统的使用范围和使用便捷度。未来的系统优化中，可考虑以其他算法替换现在使用的算法，不再以扣除识别图片背景图片的差异分离人像来进行计数，从而规避人群密集时人像分离效果不佳的问题。如可使用简单的图形分析识别出面孔，再计数识别出的人脸来进行出勤统计。甚至通过简单的图形分析可以进行粗略的面孔识别，则可更进一步确定大部分人的身份，进行更精细地出勤统计。上述两种思路都优化了分离计数的算法，同时还保持了系统的便携、小平台和可溯源等优势，都可以作为未来开发的思路。
参考文献
[1]宋焦朋.基于Webgis的教学过程管理系统设计与开发[D].浙江工业大学,2019.
[2]唐玉仙.高校教学及教学设施管理系统设计[D].哈尔滨理工大学,2019.
[3]吴芯怡,陈龙,鲍承转,等.高校课堂管理平台设计实现[J].价值工程,2019(35):245-248.
[4]罗丹.基于微信小程序的大学选修课考勤签到系统设计与开发[J]. 电子基础,2020(01):71-72.
[5]刘班.基于LBS的学生课堂签到系统开发[J].信息通信,2019(10)： 96-98.
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jiaoyulunwen/32336.html
