智慧教室视觉系统产品系统

针对高校大课堂教师人工点名耗时太久的问题，开发一款自动点名系统。
利用人物跟随、人脸识别技术自动统计学生在课堂上课听课时长，到教室的时间，离教室的时间都统计出来，并有截屏证据。

一、课前身份核验与到课统计功能​
人脸识别快速签到：系统接入教室摄像头，学生进入拍摄范围后，自动触发人脸识别，与教务系统导入的学生人脸库进行比对（支持正脸、侧脸等多姿态识别，适配课堂动态场景），1 秒内完成身份核验，无需学生主动操作。​
精准到课时间记录：核验通过后，系统自动记录学生实际进入教室的时间（精确到分钟），同步标记 “已到课” 状态，生成初始签到数据，避免人工点名漏记、错记问题。​
异常情况提醒：对于人脸比对失败（如未录入人脸、遮挡面部）或未识别到的学生，系统实时推送提醒至教师端，支持教师手动补录或引导学生重新完成人脸识别，确保签到全覆盖。​
二、课中人物跟随与听课时长统计功能​
实时人物跟踪定位：借助人物跟随技术，系统持续追踪已签到学生的课堂位置，动态标记学生在教室中的活动轨迹（如座位区域、是否长时间离开拍摄范围），避免 “代签到”“签到后离场” 等情况。​
听课时长自动累计：以学生到课时间为起点，实时统计其在课堂内的有效听课时长 —— 若学生持续处于摄像头拍摄范围且面部可识别（允许正常低头记笔记、短暂侧身交流等合理动作），则累计时长；若长时间离开拍摄范围（超过设定阈值，如 15 分钟），则暂停时长累计，直至学生返回并重新识别。​
课堂状态实时监测：系统自动识别学生是否处于 “有效听课状态”，排除趴在桌面、全程遮挡面部等无效场景，确保时长统计的真实性；同时向教师端实时同步课堂到课人数、缺勤人数、平均听课时长等核心数据，辅助教师掌握课堂动态。​
三、截屏证据留存功能​
关键节点自动截屏：在三个核心场景自动生成截屏并存储：①学生签到成功时（记录签到瞬间人脸、时间）；②课堂中随机时段（每 15-30 分钟触发一次，记录学生在位状态）；③学生离开教室时（识别到学生长时间脱离拍摄范围，记录离场时间）。​
截屏可追溯关联：所有截屏均关联学生姓名、学号、课程名称、时间戳等。

1. 计算机视觉与 AI 算法层​
人脸识别核心：基于 TensorFlow/PyTorch 框架训练的轻量化人脸识别模型（如 MobileFaceNet、ArcFace），适配课堂复杂光线（逆光、弱光）和多姿态场景，确保 1 秒内比对成功率≥98%。​
人物跟随技术：融合 YOLOv8 目标检测算法与 KCF/SORT 多目标跟踪算法，实现对动态学生的实时定位与轨迹追踪，支持同时跟踪 50-100 人（适配大课堂场景）。​
状态识别辅助：轻量级 CNN 模型用于判断学生 “有效听课状态”（排除趴桌、遮挡面部等），模型参数量控制在 500 万以内，降低实时计算压力。​
2. 后端开发层​
开发语言与框架：Python（核心算法实现）+ Java/SpringBoot（业务逻辑、接口服务），兼顾算法灵活性与系统稳定性。​
数据存储：​
关系型数据库：MySQL（存储学生信息、课程信息、考勤统计数据、权限配置）；​
非关系型数据库：MongoDB（存储截屏图片、学生轨迹数据等非结构化 / 半结构化数据）；​
缓存：Redis（缓存人脸特征向量、实时考勤状态，提升查询与比对效率）。​
消息队列：RabbitMQ（处理异步任务，如截屏生成、报表导出、异常提醒推送，避免同步操作阻塞）。​
3. 前端与交互层​
Web 前端：Vue3 + Element Plus（教师端 / 管理员端后台管理系统，支持数据可视化、报表查看、系统配置）；​
移动端适配：响应式设计（支持教师通过手机端接收异常提醒、查看实时考勤数据）；​
视频流处理：FFmpeg（摄像头视频流解码、格式转换）+ WebRTC（实时视频流推送至前端，供教师查看课堂实时状态）。​
4. 集成与部署层​
接口集成：RESTful API（对接高校教务系统，实现学生信息 / 课程信息同步、考勤数据回传）；​
部署环境：Docker