基于图像识别的考试签到系统开题报告

1. 研究目的与意义

考试是最好的复习。因为考试的存在，会督促学生进行高效率的复习。考试是最好的查漏补缺。考试可以将近期一阶段的学习问题都暴露出来，学生可针对考试结果进行查漏补缺，解决问题。考试是对最近学习状态的一次最佳反馈。考试的成绩在一定程度上可以反映出学生在近期一段时间内的学习状态，从而为学生自己、老师、家长等人提供定量的反馈。考试是对心理状态的一次磨练。考试难免会发生发挥失常的意外，考试就是对学生心理状态的多次磨练，从而使学生形成良好的意识，以至于面对大型考试如中考、高考时能够从容面对。考试主要有两种目的：一是检测考试者对某方面知识或技能的掌握程度；二是检验考试者是否已经具备获得某种资格的基本能力。从这两种目的看，考试可以分为效果考试和资格考试。考试的意义就是让社会中来自不同社会地位的人拥有改变自己的机会。因此必须保证考试的公平公正，考试签到便是一种防止替考等作弊行为的有效手段。因此需要确定考试人员，以此为需求点设计通过拍摄图片——Ocr图像识别——文本的内容识别和提取—文档转换的流程以实现识别身份证，校园卡和人脸，最后导出签到表的功能。从而在保证准确率的情况下大大节约核实身份所需时间，提高效率。

本课题拟完成基于图像识别的考试签到系统的设计与实现 ，以保证考试的公平公正，选拔出所需要的人才。考试签到系统拟采用CRNN OCR算法对进行文本内容提取，支持考生信息记录。该签到系统将带来如下好处：1.节约签到时间成本。2.有利于保持考场良好秩序，避免同时有大量考生进入时的拥挤。3.签到系统能够一定程度上提高签到信息统计的准确率。

2. 课题关键问题和重难点

基于图像识别的考试签到系统分为四个大模块：基于图像识别的身份证、校园卡识别及人脸识别、将签到信息导出为签到表、基于图像识别的考试签到系统后台实现、基于图像识别的考试签到系统前端实现。本课题拟完成基于图像识别的考试签到系统后台的设计与实现 。

本课题的关键：

3. 国内外研究现状（文献综述）

信息时代，人们越来越依赖电脑、平板和手机等智能设备，每天都要接触各种各样的数据信息，这些信息包含了巨大的经济价值和使用价值，但有的则是无用的垃圾信息。计算机图像处理与识别技术可以快速甄别出特定的数据信息，在信息处理中发挥着至关重要的作用。近些年，计算机软硬件更新换代不断加快，计算机图像处理和识别技术的运算能力得到大幅度提升，促进了其在各行各业中的广泛应用。计算机图像处理与识别技术具有识别速度快、识别精准度高等特点，具有广阔的应用空间。图像识别考试签到系统由于快速、便捷以及准确率较高等优势，使得其在考试中有着广泛应用，在一定程度上弥补了传统签到的缺陷^[1]，相信这项技术在高校教育中也将大有用武之地^[2]。

针对图像识别这一需求，国内外都对此进行了大量研究。

图像获取系统在整个图像处理系统中具有重要的作用。它负责将现实中的物体图像通过输入设备采集下来，将图像的模拟信号转换为数字信号，最终输入计算机，为计算机处理程序库提供准备处理的现场采集的实时数据，并在输出设备中显示出来。图像获取系统直接影响采集到的图像品质和后续的图像处理效果。目前，有很多传感技术已经运用到该领域中，如光学传感器、固态传感器、超声波传感器。光学传感器是用的最普遍的传感器，光学传感器采集的图像质量好、成本低，比较耐用;缺点是采集设备体积大，图像的质量容易受到影响。固态传感器体积小，耗电量低，但容易受到静电的影响，容易破坏，成本比光学传感器高。超声波传感器利用超声波扫描图像表面并获取反射信号，根据反射信号绘制指纹图像，采集的图像质量较好，但成本很高。目前，随着数码相机和ccd技术的成熟和价格的下降，已经被广泛应用在图像获取方面。而基于dsp的嵌入式高速数字图像获取技术，因其体积小、处理速度快、精度高，具有广泛的应用前景。数据降维技术高速发展的的阶段处于21世纪初，在该阶段提出了很多优秀的降维算法，国外学者针对线性降维技术的最早研究是1958年togerson所提出的多维尺度分析(multidimensional scaling,mds)方法，该方法在降维的同时又保留了数据的原始关系^[3]。细粒度图像中不同类别的差别往往存在于一些微小的局部区域中，这就对模型是否能捕捉到关键的局部区域提出了一定的要求。根据是否使用数据集中除类别标签外的标注信息（如对局部特征的标注框、关键点信息或者属性标签），可分为强监督的细粒度图像识别和弱监督的细粒度图像识别，前者是利用了除类别标签以外的标签信息用于指导模型的训练，而后者则只是利用基本的类别标签信息。^[4]

4. 研究方案

1. 系统功能结构

系统总体功能结构如图1所示

5. 工作计划

2022-2022-1学期：

第15-16周：完成选题，查阅相关中英文资料。

第17周：与导师沟通进行课题总体规划。