基于深度学习的人脸识别技术在教学管理中的应用研究

发布时间：2023-10-21 09:32

　　本论文主要探讨如何使用深度学习神经网络中的卷积神经网络通过实时摄像的方式持续性的观察学生的学习状态,用以提供给教师进行教学管理。以往传统的人脸识别是通过几何的方式去锁定人脸五官的位置,容易受到遮蔽而造成识别效果不佳。传统的人脸识别除了需要正面面对摄像头外,还必须清楚呈现五官的位置。而在实际课堂上,学生的脸部可能会因各种原因造成遮蔽,无法准确地进行持续性的识别。因此,本研究使用一种通过提取影像特征用于图像识别的卷积神经网络,进行学生人脸的识别。但由于通过单一摄像头拍摄,难以识别所有的学生,且容易把背景的特征也识别进去而造成误判。因此本研究使用Faster R-CNN对画面中的人脸影像进行截取,再通过人脸识别模型进行训练。除了可以让一张画面中的多位学生进行身份识别,更能够排除掉不必要的背景。本研究所训练的人脸身份识别模型经测试后准确率高达99%,测试损失值为0.0278137。而除了画面中的学生身份识别外,本研究更通过情绪识别模型去分析其上课时的情绪并记录进行统计,从而了解学生上课时的心情。最终,通过WebSocket传递参数驱动识别,并以FLUX架构建立一套在线教学管理系统。本论文的研究...

【文章页数】：61 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景和动机
    1.2 研究目的
    1.3 国内外研究现状
        1.3.1 人脸识别技术
        1.3.2 人脸识别技术在教学管理中的应用
    1.4 研究内容
    1.5 论文组织与结构
第2章 相关基础理论
    2.1 教学管理
    2.2 人脸识别
    2.3 个案研究
    2.4 深度学习
        2.4.1 卷积神经网络
        2.4.2 梯度下降算法
        2.4.3 反向传播算法
        2.4.4 人脸识别模型
        2.4.5 情绪分析模型
        2.4.6 区域建议网络
    2.5 本章小结
第3章 系统需求与设计
    3.1 系统需求
    3.2 研究框架
    3.3 使用FASTER R-CNN基于区域建议网络的人脸识别模型
        3.3.1 人脸识别模型训练
        3.3.2 人脸识别模型测试
    3.4 情绪分析
    3.5 学习状况判断规则
    3.6 在线教学管理系统的设计
    3.7 本章小结
第4章 系统实现与测试
    4.1 开发环境
        4.1.1 软件
        4.1.2 硬件
        4.1.3 程序语言
    4.2 跨平台系统建置
        4.2.1 模型视图控制器架构
        4.2.2 Flux架构
        4.2.3 异步的JavaScript与XML技术
        4.2.4 WebSocket
    4.3 研究数据
        4.3.1 参数设定
        4.3.2 样本采集
        4.3.3 样本处理
    4.4 训练结果
    4.5 系统参数设置及结果展示
    4.6 本章小结
结论
参考文献
致谢



本文编号：3855582