基于移动端的学生报到注册系统的设计与实现文献综述

 2022-08-19 14:20:38

一、文献综述

(一)国内外研究现状

随着近年来我国电子技术的不断发展,软件水平的普及率不断提高。我国已经逐渐迈入信息化的高速通道,网络涉及了生活的各个方面。大部分高校已经逐渐进入数字化校园,除了使用移动端的校园导航向来访者和新生开放外[1][2],很多高校也开始尝试将学校部门和软件管理系统集中与一个平台上,极大程度的加大了各个部门的管理效率,大大节约了人力资源。

以前高校的报到注册的信息大多是手工填写,在报到过程中经常会出现误填、漏填现象,甚至有学生采用同音字替换姓名,导致新生信息不一致现象[3]。除此之外,由于我国高校学生人数逐渐增多,校园人数密度变大,而校园报到注册时间往往是集中在一个小时甚至半小时的时间范围内,这就造成了学校教务人员时间紧张,各个部门对学生的注册情况不能及时的整合在一起,即使整合,也得靠人工来整理,对学生信息及时、准确的收集和掌握造成较大的困难[4]。以上的种种问题给学校教职人员的日后工作带来了诸多不便。很明显,传统的纸质学生报道系统已经无法满足各大高校的管理现状。

而随着智能手机,4G的普及,现在国内外已经基本上实现了人手一部智能手机。毫无疑问,借着这股智能手机的热潮下,国内外教育工作者已经开始使用移动端进行学习和各种教育活动。让学生可以随时随地的享受上课服务。而由于国内外的校园资源不对外或者极少对外开放,因此相关的移动统一客户端非常少。而类似国内的易班,今日校园等面对大学生的app,也遭受到了学生极大的诟病,往往是因为功能复杂,且无法满足学生的要求而饱受差评。另一方面,如果不采取信息化和基于移动端的报道注册流程,教职员工会受到极大的工作压力和繁重的查重工作中。因此,为了实现信息资源共享,节省人力、物力方面的投资,缓解报名工作人员的工作压力,提高工作效率[5],一个简单高效的注册报道的校园服务的app开发刻不容缓。

(二)研究主要成果

国内外主要移动端操作系统是安卓和iOS。安卓系统是由谷歌公司开发的基于Linux的自由开放源码的面向移动设备的小型系统平台,包括操作系统、中间件、用户界面和应用软件。Android 的系统架构和其操作系统一样,采用了分层的架构。Android 结构分为四个层,从高层到低层分别是应用程序层、应用程序框架层、系统运行库层和Linux 内核层[6]。借助自身的平台开放性、卓越的硬件支持、完善的开发环境和丰富的应用程序,安卓系统一经推出迅速风靡全球,成为安装量最大、系统更新最快、支持设备最多的主流操作系统平台[7]。而iOS是由苹果公司开发的由Mac OS X衍生的类Unix移动操作系统,界面和应用软件更加精简,用于苹果公司的iPhone,iPad等设备[8]。最为重要的是苹果公司有着官方的应用市场,来提供给客户通过安全检测的软件产品。这无疑吸引了相当多的客户。

目前由于高校学生对于手机的频繁使用,国内外众多高校的教育工作者开始尝试使用移动系统平台来进行日常授课签到。而目前市场主要app的签到与考勤模块主要是对学生的到课情况进行收录和统计,学生注册后无需登录,可定时完成指定课程的签到信息的提交。 教师和年级辅导员可通过登录,在软件中查看相关签到数据和具体学生信息,这样教师和教务管理者可以通过这些信息来了解当前学生的到课情况,并做出相应的处理,保证教学质量。

由于人们对手机的依赖程度越来越高,很多人出门需要查看自己当前的位置,这样的需求促使市场上出现了各种手机定位软件,其中大部分校园签到考勤软件基于 GPS定位。这是由于目前的硬件以及技术所限,相当一部分手机校园应用并不能提供人脸识别的服务,只能通过GPS或者人工审核的方式进行对学生进行识别,这无疑存在着一定程度的定位误差或者身份验证错误。于是,具有安全性和可靠性的人脸识别就备受关注。随着人脸识别算法的改进与完善,人脸识别技术在国内外已获得重大突破,其应用价值和应用领域正处于不断扩大之势[9]。传统的人脸识别方法对光照、姿态等因素比较敏感,验证容易受到环境的影响。基于深度学习的识别算法则很大程度上克服了环境因素的影响。此类方法也可以分为两类。一种是利用多分类网络提取到人脸特征,然后使用其他分类器对人脸特征进行匹配。另一种是旨在增强验证监督信号,增强辨认同类或不同类人脸对的能力。国内在20世纪90年代开始进行人脸识别研究,中科院计算机所联合哈尔滨工业大学成立了图像实验室。苏煜等人提出了先采用全局特征进行粗略匹配,再联合使用全局特征和局部特征进行精确匹配。程永清教授提出基于统计的方法使用奇异值分解进行人脸识别。2014年6月,香港中文大学汤晓鸥教授团队提出了人脸识别新技术DeepID。在开放环境下收集的LFW人脸数据集上,DeepID2算法的人脸验证准确率达到了99.15%,首次达到和人的肉眼识别准确率99.2%相当的水平,而DeepID3算法在LFW数据集上的人脸验证准确率达到99.53%,超过了肉眼识别的准确率。之后商汤科技、旷视科技等创业公司的快速崛起,证明了人脸识别技术具有重要的研究和应用价值[10]。

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

以上是毕业论文文献综述,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。