基于人脸识别的智能教育管理平台的设计与实现

发布时间：2020-07-04 21:38

【摘要】：近年来,人工智能的发展极大的改变了人们的工作生活方式,智能化在各个领域纷纷出现,为人们带来了极大的便利。而教育被认为是一个家庭最重要的课题之一,随着国家和家庭对教育的重视,学生的数量在逐年上升,随之而来的是教师数量和学生数量的严重不均衡,教师无法在保证教育质量的同时兼顾到所有学生的课堂状态,通过人工智能辅助教育有助于实现教育的公平化。近年来,人脸识别技术在安保、考勤等领域都取得了显著的成效,为智能化教育提供了思路。本文所描述的基于人脸识别的智能教育管理系统的设计原则就是人工智能与教师协同,将人脸识别技术应用于课堂考勤以及学生状态监测来提高学生学习质量,形成人机协同的决策模式。作者参与设计与实现的基于人脸识别的智能教育管理系统包括课前考勤、课中状态监测、课堂报告分析、后台管理四个主模块,系统中课前考勤模块主要功能是上课开始前半小时,摄像头开始30s捕捉一次学生视频信息并传回算法所在服务器,使用多任务卷积神经网络对图像进行人脸检测,之后将图片送入FaceNet模型中进行人脸识别处理,对识别到的学生信息进行入库处理;课中状态检测模块主要基于表情识别和人脸识别同时进行分析,表情识别模块摄像头30s捕捉一次学生视频信息,进行表情识别,对学生两次抓拍的表情进行对比,判断学生状态;并通过人脸识别检测学生人脸信息,如果长期未发现学生人脸,则设置其专注度为非专注,并向系统发送通知,提示教师查看;课堂报告分析模块则是对学生整个课堂的考勤、表情以及课前测评信息整体分析,绘制学生课堂学习报告并发送至家长短信或者邮箱,并对班级、教师每日的课堂情况进行统计,为学校提供教学参考。后台管理模块则是对系统中的学生、班级、教师以及课程的基本信息进行管理维护。本系统在人脸识别的基础上进行表情的识别,并实现了对学生教育质量的监测,并通过了功能测试以及性能测试,在一定程度上可提升学生课堂学习质量以及教师对学生课堂质量的监测。
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP311.52
【图文】：

图像金字塔,训练数据

Ｐｒｏｐｏｓａｌ邋Ｎｅｔｗｏｒｋ（Ｐ－Ｎｅｔ）、Ｒｅｆｉｎｅ邋Ｎｅｔｗｏｒｋ（Ｒ－Ｎｅｔ）、Ｏｕｔｐｕｔ邋Ｎｅｔｗｏｒｋ（Ｏ－Ｎｅｔ），每个多逡逑任务卷积神经网络均有三个学习任务，分别是人脸分类、边框回归和关键点定位。逡逑如图２－１所示，在网络构造开始之前，会对图像进行不同尺度的变换，构建图逡逑像金字塔，以适应不同大小的人脸。逡逑Ｔｅｓｔ邋ｉｍａｇｅ逦Ｉｍａ＾ｃ邋ｐ＞ｍｍ？ｄ逡逑图２－１构建图像金字塔逡逑Ｆｉｇｕｒｅ邋２－１邋Ｃｏｎｓｔｒｕｃｔｉｎｇ邋Ｉｍａｇｅ邋Ｐｙｒａｍｉｄ逡逑Ｐ－Ｎｅｔ的结构如图２－２所示，该训练网络的输入是一个１２＊１２大小的图片，所逡逑以训练前需要生成ＰＮｅｔ网络的训练数据。训练数据可以通过和Ｇｕａｒａｎｔｅｅ邋Ｔｒｕｅ邋Ｂｏｘ逡逑的ＩＯＵ邋（Ｉｎｔｅｒｓｅｃｔｉｏｎ邋ｏｖｅｒ邋Ｕｎｉｏｎ）的计算生成一系列的ｂｏｕｎｄｉｎｇ邋ｂｏｘ。可以通过滑逡逑动窗口或者随机懫样的方法获取训练数据，训练数据分为三种正样本，负样本，中逡逑９逡逑

模型结构,向量,人脸特征

类来训练整个神经网络，最终输出的是１２８维的人脸特征向量，并计算向量直接逡逑的欧氏距离，以此判断人脸的相似性。丨ｏｓｓ函数目标是通过距离边界区分正负类，逡逑如图２－６所示。逡逑￣＾￣￣逡逑ＤＥＥＰ邋ＡＲＣＨＩＴＥＣＴＵＲＥ邋ｃ＞邋Ｌ２邋ｃ＞邋＾邋ｃ＞邋＾ｒ，ｐｌｅｔ逡逑：：~|二。：逦，逦ＬＯＳＳ逡逑ＩＨＨＭＨＨＭＨＭＭＫ逦．．．．．．逦逦邋……邋Ｌ逦ｗ逦－逦－－逡逑Ｂａｔｃｈ逡逑图２－６模型结构逡逑Ｆｉｇｕｒｅ邋２－６邋Ｍｏｄｅｌ邋Ｓｔｒｕｃｔｕｒｅ逡逑图中步骤可以依次描述为：逡逑（１）

【参考文献】