Automated Student Attendance Monitoring System in Classroom Based on Convolutional Neural Networks

Abstract

Attending classes by students is associated with the assimilation of educational material by students and the ability to plan and organize activities. However, at present in educational institutions, as a rule, student attendance is recorded manually. Activities are performed frequently and repeatedly, thus wasting instructors' study time. Additionally, the face is one of the most widely used biometric characteristics for personal identification so an automated attendance system using face recognition has been proposed. In recent years, convolutional neural networks (CNN) have become the dominant deep le11arning method for face recognition. In this article, the features of building an automated student attendance system by biometric face recognition using the convolution neural network model has been discussed. Analyzed and solved the main tasks that arise when building an automated student attendance monitoring system: creating a dataset of students' face images; building and training a biometric face recognition model; face recognition from the camera and registration in the database; extension to the face image dataset. The use of the capabilities of the Python and OpenCV libraries is shown. The conducted testing of the accuracy of the developed CNN model of biometric face recognition showed good results – the overall accuracy score is not less than 0.75. The developed automated student attendance monitoring system in classrooms can be used to determine student attendance in different forms of the educational process. Its implementation will significantly reduce the monitoring time and reduce the number of errors in maintaining attendance logs. The introduction of an automated attendance monitoring system will significantly improve the organization of the educational process to ensure its quality.

Відвідування занять студентами пов'язане з засвоєнням навчального матеріалу студентами та вмінням планувати і організовувати діяльність. Однак в даний час в освітніх закладах, як правило, облік відвідування студентів проводиться в ручну. Заходи виконуються часто і багаторазово, і таким чином, витрачають навчальний час викладачів. Крім того, обличчя є однією з найбільш широко використовуваних біометричних характеристик для ідентифікації особистості, тому була запропонована автоматизована система відвідуваності з використанням розпізнавання обличь. В останні роки згорткові нейронні мережі стали домінуючим методом глибокого навчання для розпізнавання осіб. У цій статті розглянуті особливості побудови системи автоматизованого обліку відвідуваності студентами шляхом біометричного розпізнавання обличь з використанням згорточної нейромережевої моделі. Проаналізовано та вирішені основні задачі, які виникають при побудові автоматизованого моніторингу відвідуваності студентам навчальних занять: створення набору даних, зображень обличь студентів; побудова і навчання моделі для біометричного розпізнавання особи; розпізнавання особи з камери і реєстрація в базі даних; розширення набору даних зображень обличь. Показано використання можливостей бібліотек Пітон і OpenCV. Проведене тестування точності розробленої згорточної нейромережевої моделі для біометричного розпізнавання осіб показало хороші результати – загальна оцінка точності не менше 0.75. Розроблена система автоматизованого моніторингу відвідуваності учнями навчальних занять може бути використана для визначення відвідуваності учнями при різних формах освітнього процесу. Її впровадження дозволить істотно скоротити час моніторингу і зменшити кількість помилок при веденні журналів відвідуваності. Впровадження системи автоматизованого моніторингу відвідуваності значно поліпшить організацію освітнього процесу щодо забезпечення його якості

Посещение занятий студентами связано с усвоением учебного материала студентами и умением планировать и организовывать деятельность. Однако в настоящее время в образовательных заведениях , как правило, учет посещения студентов проводится в ручную. Мероприятия выполняются часто и многократно, таким образом, тратят учебное время преподавателей. Кроме того, лицо является одной из наиболее широко используемых биометрических характеристик для идентификации личности, поэтому была предложена автоматизированная система посещаемости с использованием распознавания лиц. В последние годы сверточные нейронные сети стали доминирующим методом глубокого обучения для распознавания лиц. В статье рассмотрены особенности построения системы автоматизированного учета посещаемости студентами путем биометрического распознавании лиц с использованием сверточной нейросетевой модели. Проанализированы и решены основные задачи, которые возникают при построении автоматизированного мониторинга посещаемости учащимися учебных занятий: создание набора данных, изображений лиц студентов; построение и обучения модели для биометрического распознавания лица; распознавание лица с камеры и регистрация в базе данных; расширение набора данных изображений лиц. Показано использование возможностей библиотек Питон и OpenCV. Проведенное тестирование точности разработанной сверточной нейросетевой модели для биометрического распознавания лиц показало хорошие результаты – общая оценка точности не менее 0.75. Разработанная система автоматизированного мониторинга посещаемости учащимися учебных занятий может быть использована для определения посещаемости учащимися при разных формах образовательного процесса. Ее внедрение позволит существенно сократить время мониторинга и уменьшить количество ошибок при ведении журналов посещаемости. Внедрение системы автоматизированного мониторинга посещаемости значительно улучшит организацию образовательного процесса по обеспечению его качества.