何 源

（黃岡師范學(xué)院，湖北 黃岡 438000）

近幾年來(lái)，人工智能、大數(shù)據(jù)、云計(jì)算、網(wǎng)絡(luò)建設(shè)等新技術(shù)、新產(chǎn)業(yè)的迅速發(fā)展，給我們的生活帶來(lái)了巨大的變化，作為當(dāng)代中國(guó)學(xué)生的基本形式，課堂教學(xué)對(duì)學(xué)生知識(shí)和技能結(jié)構(gòu)的形成有著深遠(yuǎn)的影響，在教學(xué)過(guò)程中，控制學(xué)生的課堂教學(xué)，改善教學(xué)方法是一個(gè)重要問(wèn)題。傳統(tǒng)課堂控制方法包括現(xiàn)場(chǎng)錄制、課堂教學(xué)、課堂教學(xué)和課堂教學(xué)，而采用普通的手工監(jiān)控方式，需要大量的人力資源，班級(jí)點(diǎn)名系統(tǒng)、智能控制系統(tǒng)等應(yīng)用于課堂教學(xué)質(zhì)量控制系統(tǒng)的設(shè)計(jì)與開(kāi)發(fā)，該系統(tǒng)利用教室內(nèi)的通用攝像設(shè)備，采集課時(shí)的圖像，分析學(xué)生的學(xué)習(xí)成績(jī)，提出學(xué)生的綜合學(xué)習(xí)評(píng)價(jià)結(jié)果[1]。

一、系統(tǒng)架構(gòu)

本系統(tǒng)利用教室內(nèi)部署的視頻監(jiān)控設(shè)備，為學(xué)生采集視頻數(shù)據(jù)，識(shí)別界面，并統(tǒng)計(jì)識(shí)別出視頻中的人臉和情緒，系統(tǒng)應(yīng)用可以更好地跟蹤學(xué)生的變化，通過(guò)課堂視頻監(jiān)控滿(mǎn)足學(xué)生的需要，限制了部分學(xué)生不積極參與課堂或制造騷亂的機(jī)會(huì)，并通過(guò)手機(jī)圖像評(píng)價(jià)教學(xué)質(zhì)量；視頻采集、人臉檢測(cè)、人臉識(shí)別和統(tǒng)計(jì)反饋的子系統(tǒng)。

視頻采集存儲(chǔ)模塊主要用于學(xué)生課堂視頻的采集和保存，圖像預(yù)處理功能是對(duì)圖像進(jìn)行相應(yīng)的處理和校正，為了更好地識(shí)別圖像中的人臉，人臉檢測(cè)子系統(tǒng)由圖像分割、人臉檢測(cè)和人臉去重三個(gè)要素構(gòu)成，從而更好地對(duì)學(xué)生面部表情進(jìn)行切割、校正，人臉檢測(cè)子系統(tǒng)由圖像分割、人臉檢測(cè)和人臉權(quán)重?fù)p失三個(gè)要素構(gòu)成，從而更好地對(duì)學(xué)生面部表情進(jìn)行檢測(cè)，將人臉檢測(cè)結(jié)果傳送到子系統(tǒng)，對(duì)學(xué)生面部進(jìn)行人臉識(shí)別、人臉情感的分析，從而更好地對(duì)學(xué)生面部表情進(jìn)行分析、觀察等。

二、系統(tǒng)關(guān)鍵技術(shù)

1.圖像分割

設(shè)計(jì)了一個(gè)人臉識(shí)別系統(tǒng)，能夠更好、更全面地識(shí)別所有學(xué)生的面部。但是人臉子系統(tǒng)有它的缺點(diǎn)。這一模塊的設(shè)計(jì)難點(diǎn)在于如何進(jìn)行回收系數(shù)的驗(yàn)證，即在教學(xué)中任何一個(gè)學(xué)生都不可錯(cuò)過(guò)。由于人臉識(shí)別技術(shù)在數(shù)量龐大的情況下不能保證撤銷(xiāo)率，所以這些方法不能直接應(yīng)用到課堂上。本文介紹了一種基于遞歸裁剪的人臉識(shí)別方法。

根據(jù)部分匹配原理，將圖像沿長(zhǎng)邊切割成三幅子圖像，保證圖像切割后不破壞長(zhǎng)寬平衡，部分重疊保護(hù)，剪切后的子空間盡可能完整。剪影過(guò)程實(shí)際上創(chuàng)建了一棵有三個(gè)分支的樹(shù)，每個(gè)節(jié)點(diǎn)代表一幅剪切圖像。樹(shù)深表示剪切量，其大小取決于圖片中的數(shù)量。對(duì)多個(gè)面的圖像，n可以設(shè)置成較高的值，這樣就可以使原始圖像中較小的人臉在子圖像中以較高比例出現(xiàn)，從而提高了反饋驗(yàn)證的水平[2]。

2.人臉識(shí)別

這套系統(tǒng)采用了交互式人臉識(shí)別界面，與其他開(kāi)放式人臉識(shí)別界面相比，可以識(shí)別具有高度認(rèn)同感的人。確認(rèn)身份前，將所有學(xué)生面部資料上傳至開(kāi)放平臺(tái)，建立學(xué)生身份數(shù)據(jù)庫(kù)，平臺(tái)返回最像人臉的學(xué)生ID，以及情緒、焦點(diǎn)等信息，系統(tǒng)將個(gè)人信息帶回?cái)?shù)據(jù)庫(kù)，分析學(xué)生的學(xué)習(xí)質(zhì)量（詳見(jiàn)表1）。資料庫(kù)中的每一項(xiàng)都包含個(gè)人信息，其中包括人名、三維空間的面部角度、面部表情圖像的采集時(shí)間、識(shí)別可靠性等。

表1 人臉信息數(shù)據(jù)表

人臉檢測(cè)不僅是人臉識(shí)別技術(shù)中的第一步，也是最困難的一步，它直接影響到后續(xù)人臉檢測(cè)過(guò)程中人臉檢測(cè)中涉及人臉定位、物體防護(hù)、光線變化等問(wèn)題，目前的研究主要是克服這些干擾。以知識(shí)為基礎(chǔ)的方法主要是基于人臉鼻、口、眼的數(shù)量等形狀特性，用Boost算法對(duì)灰度特征進(jìn)行分類(lèi)，并結(jié)合膚色特征，提高了控制速度和控制效率，減小了不同空間和光線變化對(duì)人臉的影響。因?yàn)楣舛扔绊懩w色而非面部行為的性質(zhì)，使得基于知識(shí)的人臉識(shí)別方法的有效性有限。

通過(guò)建立神經(jīng)網(wǎng)絡(luò)來(lái)區(qū)分個(gè)體區(qū)域和非個(gè)體區(qū)域，對(duì)難以表達(dá)的規(guī)則有很好的處理能力，訓(xùn)練樣本越多，發(fā)現(xiàn)效果越好，但是運(yùn)行速度卻變慢。應(yīng)用最廣泛的是AdaBoost模型，它由多個(gè)弱分類(lèi)器組成，其錯(cuò)誤率低，效率高，且基于SVM方法分辨率高，但在對(duì)人臉進(jìn)行保護(hù)時(shí)，SVM比神經(jīng)網(wǎng)絡(luò)模型具有更好的泛化能力，能更好地表達(dá)復(fù)雜特征。

3.課堂教學(xué)分析

通過(guò)提取課程中所有學(xué)生的個(gè)人信息，并以網(wǎng)頁(yè)和手機(jī)應(yīng)用終端的形式提供統(tǒng)計(jì)數(shù)據(jù)來(lái)評(píng)估學(xué)生的學(xué)習(xí)狀況。其中包括入學(xué)動(dòng)態(tài)、所有學(xué)生分布情況和趨勢(shì)測(cè)試率、每個(gè)學(xué)生的個(gè)人觀點(diǎn)、情緒分布和面部變化趨勢(shì)以及無(wú)焦慮人群。

對(duì)全部學(xué)生成績(jī)指標(biāo)進(jìn)行動(dòng)態(tài)統(tǒng)計(jì)，主要用來(lái)分析課堂教學(xué)中學(xué)生的比例。不同年級(jí)的及格學(xué)生比例各不相同。如果發(fā)現(xiàn)，則可以通過(guò)面部表情視圖的分布和變化趨勢(shì)來(lái)分析其面部表情的高低。通過(guò)學(xué)生的表情分布和變化，分析學(xué)生的笑臉，從而確定活動(dòng)的活躍程度。在此提醒下，教師可以檢查他是否早退或有沒(méi)有認(rèn)真聽(tīng)講。

4.人臉預(yù)處理

由于網(wǎng)絡(luò)攝像機(jī)等圖像采集工具獲得的圖像中含有人像、背景等信息，影響了網(wǎng)絡(luò)面部的識(shí)別，增加了識(shí)別時(shí)間。圖像輸入網(wǎng)絡(luò)前需先進(jìn)行預(yù)處理。圖像預(yù)處理主要包括光照、直方圖對(duì)齊、人臉檢測(cè)和人臉比對(duì)。本文提出了圖像處理的一個(gè)重要環(huán)節(jié)，有待進(jìn)一步完善。經(jīng)過(guò)處理的圖像能最大限度地反映出人臉的共有特征，并利用人臉識(shí)別圖像中某些區(qū)域的特征。但是事實(shí)是，聚集在一起的人往往會(huì)水平和垂直的移動(dòng)，導(dǎo)致面部不能持久保持，這就產(chǎn)生了一些困難。利用簡(jiǎn)單的圖像中心對(duì)人臉圖像進(jìn)行旋轉(zhuǎn)，就可以將人臉圖像轉(zhuǎn)換成人臉圖像，以下是關(guān)于人臉識(shí)別前圖像的預(yù)處理步驟。第一，要對(duì)人進(jìn)行人臉檢測(cè)，即對(duì)人進(jìn)行檢測(cè)。在此基礎(chǔ)上，通過(guò)68點(diǎn)的面形特征檢測(cè)點(diǎn)對(duì)人臉進(jìn)行展平，獲得水平旋轉(zhuǎn)和垂直旋轉(zhuǎn)的描述，利用旋轉(zhuǎn)圖像來(lái)垂直對(duì)齊人臉，利用水平旋轉(zhuǎn)角度計(jì)算出人臉的水平旋轉(zhuǎn)角度，對(duì)訓(xùn)練和存儲(chǔ)模型進(jìn)行分類(lèi)，以實(shí)現(xiàn)特征固定，在圖像區(qū)域固定一些人臉特征可以加快模型收斂速度。

三、系統(tǒng)性能分析

1.系統(tǒng)運(yùn)行效果

現(xiàn)在，該系統(tǒng)已經(jīng)在一些高校的軟件教育機(jī)構(gòu)試用，大多數(shù)教室可以容納50名學(xué)生，其中每班30-40名學(xué)生，視頻采集設(shè)備的設(shè)置見(jiàn)表2。

表2 攝像頭主要參數(shù)

本研究采用人臉?lè)答佅禂?shù)測(cè)驗(yàn)方法，針對(duì)各班座位分配不同的情況，針對(duì)學(xué)生成績(jī)不高且無(wú)法核實(shí)的特殊情況，對(duì)100張圖像進(jìn)行人臉檢測(cè)，如圖1所示。

圖1 不同圖像切割深度時(shí)人臉召回率

正如圖1所示，當(dāng)剪切深度急劇增加時(shí)，人臉召回率顯著提高，當(dāng)剪切深度為5時(shí)，反饋分?jǐn)?shù)可達(dá)99.8%，完全能滿(mǎn)足課堂控制的要求。

2.系統(tǒng)性能分析

需要檢測(cè)人臉的圖像數(shù)量隨著圖像裁剪次數(shù)的增加呈指數(shù)增長(zhǎng)。如果切割深度是5時(shí)，則需要檢測(cè)364個(gè)圖像。根結(jié)點(diǎn)的尺寸在這些圖像中是最大的。用OpenCV進(jìn)行人臉識(shí)別需要80ms左右，隨著切片深度的增加，圖像尺寸的減小，人臉檢測(cè)時(shí)間大大減少，第五部分后葉節(jié)圖像檢測(cè)時(shí)間減少到4ms，單圖像人臉識(shí)別總時(shí)間不到4S。通過(guò)人臉檢測(cè)，通過(guò)使用“百度”軟件中的在線人臉識(shí)別界面進(jìn)行，在帶寬較好的情況下穩(wěn)定地實(shí)現(xiàn)每秒9—10次調(diào)用，對(duì)于約40人的班級(jí)，人臉識(shí)別所需的總時(shí)間不到6S，時(shí)間的消耗完全符合課堂教學(xué)控制系統(tǒng)的要求。

結(jié)語(yǔ)

伴隨著我國(guó)經(jīng)濟(jì)的發(fā)展和綜合實(shí)力的提高，我國(guó)在計(jì)算機(jī)領(lǐng)域取得了重大突破。本文設(shè)計(jì)并開(kāi)發(fā)了課堂教學(xué)人臉識(shí)別監(jiān)控系統(tǒng)，該系統(tǒng)將作為課堂教學(xué)的一部分在將來(lái)逐步推廣，由于學(xué)生人數(shù)眾多，現(xiàn)場(chǎng)人員大量地檢查自己的臉，反饋率較低，這已成為一個(gè)主要問(wèn)題。針對(duì)多人場(chǎng)景識(shí)別中可見(jiàn)性不強(qiáng)的問(wèn)題，提出了一種基于圖像的遞歸剪裁與opencv人臉識(shí)別方法，通過(guò)對(duì)學(xué)生表情的識(shí)別，對(duì)課堂情況進(jìn)行分析。介紹了確定召回率的試驗(yàn)結(jié)果，并對(duì)人臉檢測(cè)與識(shí)別時(shí)間進(jìn)行了分析。經(jīng)過(guò)對(duì)系統(tǒng)的檢查，發(fā)現(xiàn)了一些有待改進(jìn)的地方。第一，如何感知學(xué)生在課堂上的分布，并對(duì)學(xué)生多的領(lǐng)域進(jìn)行更深層次的回歸，是一個(gè)值得研究的問(wèn)題。第二，場(chǎng)地的分布、照明等因素會(huì)對(duì)環(huán)境產(chǎn)生影響。