基于动态图像识别的高校顶岗实习管理系统设计与实现

发布时间：2020-05-11 16:39

【摘要】：随着时代的发展,社会对毕业生提出更高的要求,只有采取工学结合及校企合作的方式,高职院校才能更好的为社会输送人才。顶岗实习是在校学生实习的一种重要形式,是培养实用型人才的关键,是职业人才培养过程中的关键环节。本文设计并实现了一个建立在B/S和HTML5综合模式下的学生顶岗实习管理信息系统。本文首先对目前的学生顶岗实习管理方式现状进行了调研,分析了学生顶岗实习的工作流程及新需求,对应用信息化技术来改进学生顶岗管理工作的效率进行了分析;其次针对学生顶岗管理工作中的关键问题,提出了一种基于动态图像分析与深度神经网络的识别算法,能够对工厂等顶岗实习单位提供的视频进行动态分析,对学生的实习情况进行自动识别与整理,实现高效智能的学生顶岗出勤统计,提高了整个顶岗实习工作管理的效率;然后根据软件工程规范,对顶岗实习工作管理系统进行了需求分析,进行而在此基础上详细描述了系统的结构设计、功能设计及数据库模式等过程,同时也说明了系统的实现方案及部分界面;而在本文的最后,对系统的测试情况进行了阐述,主要是包括项目的功能测试与性能测试等内容。本文学生顶岗实习管理系统的研发,综合采用了ASP.net技术、HTML5技术及动态图像识别技术等多种框架,包括WEB端及移动端等多种界面。系统的测试结果与实际运行情况都表明,本项目的实现符合预期需求,提高了学生顶岗实习管理工作的效率。
【图文】：

差分图像,差分图像,行人,二值化

图 3.2 行人轮廓二值化差分图像得到行人轮廓信息后，就可以通过组合不同时间段的行人轮廓而生在本项目中，从连续的 3 秒视频中获取图像，每秒取 3 帧图像，即的视频文件，3 秒共 72 帧图像，从中取第 1，9，17，25，33，4 帧共 9 帧图像按上述方法得到行人轮廓信息后，，按 3*3 的方式组合值化差分图像，这也就是本项目中用于描述步态信息的图像。于 Tensorflow 的步态信息图像识别方案本项目中，采用 Tensorflow 来进行步态信息图像的识别。如上节所视频，可以通过行人轮廓抽取及步态信息生成算法，来得到 3*3 的像，对于不同的行人，步态信息二值化差分图像也会有所不同flow 的训练与学习后，可以获得分类器的参数，在输入新的二值化即可给出分类结果，完成识别过程。 3.3 为 Tensorflow 的实现过程图。

动态图像,实现过程

基于动态图像识别的高校顶岗实习管理系统设计与实现个学生需要有 3~5 条训练数据，对于一个班级而言，其人工标注时间需要一个小时左右，而如果有多人并行进行人工标注，则时间还可以进一步减少。在实际操作时，一般采用视频分割后分配给多个学生进行标注，利用并行化的思想来加快标注过程，同时每个视频至少保证有两名以上的学生进行观看与标注，如果有标注结果不一样，则需要教师界入进行最终的核定，对于明显有冲突或者图像质量不佳的数据，则需要剔除。
【学位授予单位】：湖南大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.41;TP311.52

【参考文献】