一种针对班级学生人脸模型的训练方法技术

本发明专利技术公开了一种针对班级学生人脸模型的训练方法，首先导入指定的某一班级的座次表和该班级中每个学生的学籍照；利用人脸检测技术Mtcnn识别出每个学生的人脸活动区域框；建立所述人脸活动区域框与座次表中位置序列之间的映射关系，形成带有坐标映射的人脸活动区域框；通过人工辅助手段对位置错误和不符合要求的人脸活动区域框进行手动调整；利用人脸检测技术从学生全景视频的截图中生成批量的学生人脸照片样本，并将其归档到每个学生的姓名和学籍照下；剔除错误检测和错误归档的学生人脸照片样本；再利用校验好的学生人脸照片样本进行人脸模型的训练。上述方法可以将人从繁琐的劳动中解放出来，提高班级学生人脸模型训练的效率。

A training method for face model of class students

The invention discloses a training method for class students'face model. Firstly, it imports the designated class seating table and the student's school record of each student in the class; uses face detection technology Mtcnn to identify the face activity area frame of each student; establishes the face activity area frame and the position sequence in the seat order table. The mapping relationship between them forms a face active area frame with coordinate mapping; the human assistant method is used to manually adjust the face active area frame with position errors and non-conformity requirements; the face detection technology is used to generate a large number of student face photo samples from the screenshots of student panoramic video and file them to each one. Students'names and school records are taken; students' face photo samples are removed from error detection and misfiling; and then the calibrated students'face photo samples are used for face model training. The above methods can liberate people from the tedious work and improve the efficiency of face model training for class students.

【技术实现步骤摘要】
一种针对班级学生人脸模型的训练方法
本专利技术涉及人脸模型训练
，尤其涉及一种针对班级学生人脸模型的训练方法。
技术介绍
在人工智能领域，当网络模型建立后往往需要大量数据样本进行训练，才能达到理想的效果。同理，当人工智能技术应用在课堂教学时，也往往需要大量班级数据样本进行训练，才能较为准确的识别出每个学生的姿态行为和面部特征。在人脸模型训练的初期，通常需要对识别出来的学生样本数据进行人工标定，以此来增加识别精度。而班级中的学生模型训练具有不同一般场景中的人脸模型训练的特点，一是学生距离摄像头的位置远近不一，教室前排学生和教室后排学生的图像大小和清晰度不一致，有时甚至会出现后排学生只漏出半个头的情形；二是同一个班级内的学生属于生理发育上的同龄群体，其发型、肤色、衣着、神情具有较强的近似性，不容易提供背景信息的支持。精确的人脸识别需要大量的人脸样本照片，如果采取人工手动标定学生样本来进行模型训练的方法，不仅工作繁琐枯燥，训练起来也会耗费较多的时间和精力。
技术实现思路
本专利技术的目的是提供一种针对班级学生人脸模型的训练方法，该方法可以快速标定每个学生的位置坐标，在短时间内产生大量数据样本为模型训练所使用，从而把人从繁琐的劳动中解放出来，提高班级学生人脸模型训练的效率。本专利技术的目的是通过以下技术方案实现的：一种针对班级学生人脸模型的训练方法，所述方法包括：步骤1、导入指定的某一班级的座次表和该班级中每个学生的学籍照；步骤2、基于该班级的学生全景视频，利用人脸检测技术Mtcnn识别出每个学生的人脸活动区域框；步骤3、根据事先导入的座次表和识别出的人脸活动区域框，建立所述人脸活动区域框与座次表中位置序列之间的映射关系，形成带有坐标映射的人脸活动区域框；步骤4、通过人工辅助手段对位置错误和不符合要求的人脸活动区域框进行手动调整；步骤5、根据调整好的带有坐标映射的人脸活动区域框，利用人脸检测技术从学生全景视频的截图中生成批量的学生人脸照片样本，并将其归档到每个学生的姓名和学籍照下；步骤6、通过人工校验并结合步骤1导入的学籍照，剔除错误检测和错误归档的学生人脸照片样本；步骤7、再利用校验好的学生人脸照片样本进行人脸模型的训练。在步骤1中，导入座次表的过程具体为：按照给定的座次表模板，填写指定的某一班级的座次表信息，其中以面向讲台第一排左手边为第一排第一列，定义坐标为(1,1)；再依次填入该班级中每个学生的学号信息，并基于座次表建立学生个人信息与班级座次序列的映射表。在步骤1导入每个学生的学籍照过程中：所述学籍照的命名为学生的学号信息，学籍照的照片尺寸不能大于1M；且导入之后会显示遵循班级座次序列的学生照片和姓名。在步骤4进行手动调整的过程中：通过修改人脸活动区域框的大小、添加新的人脸活动区域框以及删除重复的人脸活动区域框的手段，使所有人脸活动区域框的坐标与座次表位置序列完全一致。由上述本专利技术提供的技术方案可以看出，上述方法可以快速标定每个学生的位置坐标，在短时间内产生大量数据样本为模型训练所使用，从而把人从繁琐的劳动中解放出来，提高班级学生人脸模型训练的效率。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。图1为本专利技术实施例提供的针对班级学生人脸模型的训练方法流程示意图；图2为本专利技术实施例所举出的某一班级座次表分布次序的示意图。具体实施方式下面结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术的保护范围。下面将结合附图对本专利技术实施例作进一步地详细描述，如图1所示为本专利技术实施例提供的针对班级学生人脸模型的训练方法流程示意图，所述方法包括：步骤1、导入指定的某一班级的座次表和该班级中每个学生的学籍照；在该步骤中，导入座次表的过程具体为：首先按照给定的座次表模板，填写指定的某一班级的座次表信息，其中以面向讲台第一排左手边为第一排第一列，定义坐标为(1,1)；再依次填入该班级中每个学生的学号信息，并基于座次表建立学生个人信息与班级座次序列的映射表。这样，当系统读取某一学生的学号信息时，可以显示带有该学生姓名的班级座次序列。举例来说，如图2所示为本专利技术实施例所举出的某一班级座次表分布次序的示意图，导入一个五排七列的班级学生座次表，在相应的各排各列的每个座次中填写对应学生的学号。另外，在导入每个学生的学籍照过程中：所述学籍照的命名为学生的学号信息，学籍照的照片尺寸不能大于1M；且导入之后会显示遵循班级座次序列的学生照片和姓名。步骤2、基于该班级的学生全景视频，利用人脸检测技术Mtcnn识别出每个学生的人脸活动区域框；在该步骤中，首先上传该班级的学生全景视频，然后利用人脸检测技术Mtcnn识别出每个学生的人脸活动区域框，这里的人脸检测技术Mtcnn(Multi-taskCascadedConvolutionalNetworks)是目前主流的人脸检测手段。具体实现中，当视频上传过一次之后，不用再重复上传。步骤3、根据事先导入的座次表和识别出的人脸活动区域框，建立所述人脸活动区域框与座次表中位置序列之间的映射关系，形成带有坐标映射的人脸活动区域框；步骤4、通过人工辅助手段对位置错误和不符合要求的人脸活动区域框进行手动调整；这里在进行手动调整的过程中：具体可以通过修改人脸活动区域框的大小、添加新的人脸活动区域框以及删除重复的人脸活动区域框的手段，使所有人脸活动区域框的坐标与座次表位置序列完全一致。步骤5、根据调整好的带有坐标映射的人脸活动区域框，利用人脸检测技术从学生全景视频的截图中生成批量的学生人脸照片样本，并将其归档到每个学生的姓名和学籍照下；步骤6、通过人工校验并结合步骤1导入的学籍照，剔除错误检测和错误归档的学生人脸照片样本；步骤7、再利用校验好的学生人脸照片样本进行人脸模型的训练。这里，在一轮训练完成之后，还可以进行再一轮的增强训练或重新训练。值得注意的是，本专利技术实施例中未作详细描述的内容属于本领域专业技术人员公知的现有技术。综上所述，本专利技术实施例所提供的方法可以快速标定每个学生的位置坐标，在短时间内产生大量数据样本为模型训练所使用，从而把人从繁琐的劳动中解放出来，提高班级学生人脸模型训练的效率。以上所述，仅为本专利技术较佳的具体实施方式，但本专利技术的保护范围并不局限于此，任何熟悉本
的技术人员在本专利技术披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本专利技术的保护范围之内。因此，本专利技术的保护范围应该以权利要求书的保护范围为准。本文档来自技高网...

【技术保护点】
1.一种针对班级学生人脸模型的训练方法，其特征在于，所述方法包括：步骤1、导入指定的某一班级的座次表和该班级中每个学生的学籍照；步骤2、基于该班级的学生全景视频，利用人脸检测技术Mtcnn识别出每个学生的人脸活动区域框；步骤3、根据事先导入的座次表和识别出的人脸活动区域框，建立所述人脸活动区域框与座次表中位置序列之间的映射关系，形成带有坐标映射的人脸活动区域框；步骤4、通过人工辅助手段对位置错误和不符合要求的人脸活动区域框进行手动调整；步骤5、根据调整好的带有坐标映射的人脸活动区域框，利用人脸检测技术从学生全景视频的截图中生成批量的学生人脸照片样本，并将其归档到每个学生的姓名和学籍照下；步骤6、通过人工校验并结合步骤1导入的学籍照，剔除错误检测和错误归档的学生人脸照片样本；步骤7、再利用校验好的学生人脸照片样本进行人脸模型的训练。

【技术特征摘要】
1.一种针对班级学生人脸模型的训练方法，其特征在于，所述方法包括：步骤1、导入指定的某一班级的座次表和该班级中每个学生的学籍照；步骤2、基于该班级的学生全景视频，利用人脸检测技术Mtcnn识别出每个学生的人脸活动区域框；步骤3、根据事先导入的座次表和识别出的人脸活动区域框，建立所述人脸活动区域框与座次表中位置序列之间的映射关系，形成带有坐标映射的人脸活动区域框；步骤4、通过人工辅助手段对位置错误和不符合要求的人脸活动区域框进行手动调整；步骤5、根据调整好的带有坐标映射的人脸活动区域框，利用人脸检测技术从学生全景视频的截图中生成批量的学生人脸照片样本，并将其归档到每个学生的姓名和学籍照下；步骤6、通过人工校验并结合步骤1导入的学籍照，剔除错误检测和错误归档的学生人脸照片样本；步骤7、再利用校验好的学生人脸照片样本进行人脸模型的训练。2.根据权...

【专利技术属性】
技术研发人员：王为之，孙玮，孙德宇，宁驰，李应，
申请(专利权)人：北京中庆现代技术股份有限公司，
类型：发明
国别省市：北京,11