课堂一体化管理系统的设计

摘 要：随着教育技术的进步，课堂小助手作为一种现代化的教学辅助工具，在课堂管理方面逐渐展现出其重要性。传统的课堂管理常常依赖于纸质记录或复杂的教学管理软件，这样就导致了效率低下，并且难以实现实时的互动与数据更新。因此，开发和应用课堂小助手成为迫切需要的标语。

关键词：人脸识别 红外检测体温 计算机视觉技术 课堂管理

基金项目：2024年沈阳城市建设学院大学生创新创业训练计划资助项目（202413208131）。

0引言

随着教育信息化2.0行动的开展，教育界正在走向一个由传统课堂向数字化和智能化的新模式的转变。这种转变不仅体现在教学资源的数字转化，还涵盖了教学方式和评估体系的全面改革。本研究方案设计了一套名为“课堂一体化管理系统”的智能监控平台，融合了面部识别考勤、课堂状态跟踪以及学生体温监测等功能。提升在校大学生的学习风气，并在日常生活中降低疾病传播的可能性。

1 设计要求

信息化在教育领域中，作为现代教育的重要组成部分，标志着教育发展进入新阶段，是适应信息社会改革与发展的重要路径。

当代学习者日益喜爱技术为学习提供支持，而智慧教育作为数字化时代的新型教育模式，旨在借助科技的力量和数据分析，为每一位学习者量身定制相应的教学方案。为学习者创造更加灵活与互动的学习环境，激励他们主动探索与学习。

2 系统总体设计

2.1设计思路

①通过人脸识别监测学生出勤率

②红外检测体温进行实时监测学生体温

③人机互动，及时反应

2.2总体设计方案

课堂一体化管理系统工作流程如图1所示。该项目利用STM32为主板，集成使用红外热成像，人脸识别签到系统，计算机视觉技术。通过系统及时记录，并与教师的电子设备相连。出现特殊状况时及时反映，提醒教师。

图1 课堂一体化管理系统工作流程

3 硬件设计

3.1总体硬件设计

该系统主要依托于微控制器，通过软硬件的配合来监测学生在课堂上的注意力、出席情况以及测量他们的体温。最终利用计算机视觉技术来识别学生的行为，将结果传输至教师的终端，以便于进行有效的管理。主要通过3个部分设计红外热成像人脸识别计算机视觉技术

3.2红外热成像技术

该产品采用聚焦平面阵列（FPA）技术。该系统的工作机制是：发射的红外线从远处经过光学设备，形成在特定敏感元件上的图像，接着探测器把接收到的光信号转换为电流，并进行增幅与保持处理，经过多通道传输系统，最终将处理后的数据送往监控系统以形成可视化图像。

3.3人脸签到技术

使用海康威视人脸识别模块利用算法分析图像或视频，从而识别出人脸的存在，并获取其尺寸与位置。这通常涉及分析一些特征，例如肤色、纹理、轮廓等。

3.4计算机视觉系统

YOLO系列中的YOLOv5模型在进行实时目标识别时展现了优异的性能，能够迅速且精确地识别出学生的面部特征及其行为表现。该模型实现了一种一体化的检测机制，能够在单张图像中同时识别多个对象。通过训练YOLO模型，系统可以识别学生易有的分心行为，例如低头、玩手机和私下交谈等。

4 各模块介绍

4.1红外检测学生体温

通过捕捉物体发射的红外线并转换为相应的热成像，可以体现出物体表面的温度分布状况。不同类型的物品，甚至是同一物体的不同部位，辐射红外线的能量和对其的反射程度都存在差异。红外热像图通过比较物体与其周围环境之间的辐射差异，以及景物不同部分的辐射变化，可以有效呈现出景物特征的多样性。

4.2人脸签到系统

通常情况下，面部签到系统的构成由摄像装置、面部识别技术、数据存储系统以及用户交互界面等重要组成部分所组成。摄像机用于捕捉参与者的面部。面部识别算法用于分析和比较面部特征。参与者的面部信息和相关资料会被系统存储于一个数据管理平台中；用户界面显示了入住状态和操作界面。

4.3 YOLO模型监测学生动态习过程

1.YOLO 系列算法的核心思想是将目标检测问题视为一个统一的回归任务，直接推测物体的分类及其位置信息（即边界框）。通过监控录像构建一个关于学生课堂异常行为的图像数据集合：利用视频编辑软件提取出明显的异常行为片段，并按每秒25帧的速度逐帧进行裁剪，从而形成一个图像数据库；

2. 利用 LabelImg 对学生课堂异常行为的图像数据集进行标注：借助 LabelImg 工具完成目标框的真实标注，生成相应的 xml 文件，随后转化为可供 YOLOv5 训练的 txt 格式，并依据 8：1：1 的比例将数据集划分为训练集、验证集与测试集；

3. 利用学生课堂异常行为的数据集对经过改进的YOLOv5网络进行模型训练。

5 结语

通过采用人脸识别、红外温度监测和计算机视觉技术的课堂管理系统，其设计与实施为课堂管理带来了显著的创新与演变。这一系统不仅在提升课堂管理的精准度和效率方面表现出色，还为学生创造了一个更加安全与舒适的学习氛围。

参考文献

[1]骆祖莹，赵琦琦，段福庆;基于教师近场语音的课堂教学过程自动分析[J].现代教育技术，2021，（8）：76-84.

[2]蔡慧英，卢琳萌，顾小清;人机协同教研会促进教师教学反思能力的发展吗？——基于课堂视频智能分析技术的实证研究[J]. 现代远距离教育，2023（1）：40-49.

[3]杨晓哲;基于人工智能的课堂分析架构：一种智能的课堂教学研究 [J]. 全球教育展望，2021（12）：55-65.

[4]胡俊；如何运用职教智慧云平台评价系统提升教学质量[J].贵州教育展望，2021（22）.

作者简介：曹泽田（2004—3），男，满族，辽宁抚顺人，沈阳城市建设学院信息与控制工程学院电气工程及其自动化22级学生（在读）；

许伟靖（1987—10），女，汉族，辽宁沈阳人，硕士，讲师，从事智能建筑技术、现代电视技术、建筑电气设计等理论研究；

李佳倪（2004—4），女，满族，辽宁凤城人，沈阳城市建设学院信息与控制工程学院数据科学与大数据技术22级学生（在读）；

关琳琳（2004—8），女，满族，辽宁沈阳人，沈阳城市建设学院信息与控制工程学院计算机科学与技术22级学生（在读）；

贲雨婷（2003—11），女，汉族，黑龙江绥化人，沈阳城市建设学院信息与控制工程学院数据科学与大数据技术22级学生（在读）；

杨茗皓（2005—2），男，汉族，黑龙江佳木斯人，沈阳城市建设学院信息与控制工程学院电气工程及其自动化23级学生（在读）；