The invention discloses a method for measuring the head up rate of teaching based on the face recognition technology, which is composed of face acquisition, face detection, feature extraction, feature matching, face tracking, matching between video groups and calculation of the head up rate. The video stream data collected by the classroom camera is used for face recognition and analysis, and according to the head posture changes of middle school students in the teaching process, the head up is judged and the corresponding head up rate chart is generated. Using face recognition technology to measure the head up rate of teaching the invention provides an objective evaluation method for the head up rate index in teaching evaluation; introducing the idea of statistics to calculate the head up rate of teaching, and further accurate calculation of the head up rate of teaching is achieved by verifying the identity of the detected face. Teachers and students can adjust the corresponding teaching mode according to the rise rate change in the teaching process, provide effective data for the establishment of teaching research database, and be able to obtain the rise rate change in teaching without interfering with normal teaching.
【技术实现步骤摘要】
一种基于人脸识别技术的教学抬头率测量方法
本专利技术属于现代教育或教学评估领域,主要是一种基于人脸识别技术的教学抬头率测量方法。
技术介绍
人脸识别是一种生物识别技术,描述了人脸的整体特征和轮廓,是一种通过模式识别来对人的身份进行识别的技术。然而对静态图像的人脸识别往往难以满足需求,因此研究重心慢慢转向视频这种动态图像的识别跟踪。基于视频流人脸识别的流程主要分为分为4个步骤即人脸采集、人脸检测、特征提取以及人脸匹配。首先通过摄像源采集到视频流资源,在采集的过程中要确保采集到的视频资源像素要高这样才能更好的提高识别的精度。然后,将视频流资源分为帧图像并作为样本输入,通过对帧图像的轮廓进行特定算法从而判断有无人脸。最后,提取帧图像的人脸深层次特征并通过计算机代码表示出来,将提取出来的特征与数据库中的人脸进行比对来确定是否为同一人。这种基于视频流的人脸识别方法易受图像清晰度、人脸转动以及背景等因素的影响,仅仅通过单一的特征提取网络难以保证识别的精度。采用本专利技术的人脸识别技术方案能够达到教学评估过程中所需要的识别精度,也为教学领域的教学评估提供了一种客观的评价手段。使得教学评估不在依赖人们的主观评价。
技术实现思路
本专利技术针对教学评估中的抬头率这一指标缺少客观评价手段以及现有技术的不足,给出了一种基于人脸识别技术的教学抬头率测量方法。本专利技术包括如下步骤:首先将视频流帧序列划分为人脸识别帧与人脸跟踪帧,将最优样本数据划分为i组,每组N帧。分组后的视频帧包括第一帧的人脸识别 ...
【技术保护点】
1.一种基于人脸识别技术的教学抬头率测量方法,其特征在于:包括如下步骤:首先将视频流帧序列划分为人脸识别帧与人脸跟踪帧,将最优样本数据划分为i组,每组N帧;分组后的视频帧包括第一帧的人脸识别帧以及2~N帧的人脸跟踪帧;人脸识别帧进行人脸的识别与匹配,然后人脸跟踪帧中对匹配成功的人脸进行跟踪;在整个跟踪过程中以在视频流数据中得到的人脸信息与数据库中的人脸身份信息验证成功作为抬头的依据,并且引入统计的思想,以时间为节点计算抬头率;/n具体需要执行以下步骤:/n步骤A1、人脸采集:通过教师录播系统,利用教室前后安置的摄像头采集教学视频,并将采集到的视频资源作为样本输入;/n步骤A2、人脸检测:通过人脸识别帧图像的处理从而输出人脸建议框;由于人脸检测易受图像清晰度、人脸转动的影响,为了提高人脸识别的精度,引入了双层网络级联的人脸检测算法;/n步骤A3、特征提取:在步骤A2输出人脸建议框的基础上进行深层次处理;人脸的特性需要深层次的特征提取才能将其有效地区分出来;构造一个包含多个卷积层、采样层以及全连接层的模型,对每个网络层的输入、输出尺寸和滤波器的个数进行重新设计;/n步骤A4、特征匹配:依据 ...
【技术特征摘要】
1.一种基于人脸识别技术的教学抬头率测量方法,其特征在于:包括如下步骤:首先将视频流帧序列划分为人脸识别帧与人脸跟踪帧,将最优样本数据划分为i组,每组N帧;分组后的视频帧包括第一帧的人脸识别帧以及2~N帧的人脸跟踪帧;人脸识别帧进行人脸的识别与匹配,然后人脸跟踪帧中对匹配成功的人脸进行跟踪;在整个跟踪过程中以在视频流数据中得到的人脸信息与数据库中的人脸身份信息验证成功作为抬头的依据,并且引入统计的思想,以时间为节点计算抬头率;
具体需要执行以下步骤:
步骤A1、人脸采集:通过教师录播系统,利用教室前后安置的摄像头采集教学视频,并将采集到的视频资源作为样本输入;
步骤A2、人脸检测:通过人脸识别帧图像的处理从而输出人脸建议框;由于人脸检测易受图像清晰度、人脸转动的影响,为了提高人脸识别的精度,引入了双层网络级联的人脸检测算法;
步骤A3、特征提取:在步骤A2输出人脸建议框的基础上进行深层次处理;人脸的特性需要深层次的特征提取才能将其有效地区分出来;构造一个包含多个卷积层、采样层以及全连接层的模型,对每个网络层的输入、输出尺寸和滤波器的个数进行重新设计;
步骤A4、特征匹配:依据全连接层的输出的特征向量匹配;从用以匹配的人脸中分别提取128维特征向量,通过计算特征向量的余弦距离来判断是否为同一人脸;余弦距离所反映的是两人的相似程度,当余弦距离超过限定阈值就认为匹配成功;如果是一对多的匹配且有多数超过阈值,则取阈值最高即相识度最高的作为匹配结果;
步骤A5、人脸跟踪:人脸跟踪帧使用的是核相关滤波的高速跟踪方法;该方法把跟踪问题简化为个二分类问题,从而找到目标与背景的边界;人脸跟踪帧在第i帧中检测到人脸位置并记录其坐标M,将其作为正样本,在此标记样本附近采集负样本,训练一个目标采集器将图像样本输入获取响应值;接着在i+1帧中的坐标M处采集样本,将样本输入目标检测模型取得响应值,响应值最大的地方即i+1帧中目标人脸所在的位置;
步骤A6、视频组间的匹配:相邻的视频组间使用双重匹配;取出两组中前一组的最后一帧与后一组的第一帧进行匹对,过程中保存图像中所有人脸框的位置,计算两帧中每个人脸间的欧式距离,根据距离与阈值的大小判定是否为同一人脸;在完成人脸识别后比较两帧中相对应的人脸身份信息,取相识度大的为最终结果;双重匹配机制不仅连接了相邻的视频组序列,也了识别的精度;
步骤A7、抬头率的计算:通过步骤A1~A6实时得到人脸信息,并且该人脸与数据库中的人脸身份信息匹配成功作为抬头的依据,并且考虑到学生上课做笔记等情况并非处于抬头状态以时间段为统计节点判断该时间段内是否抬头。时间段内抬头率的统计方法:以5分钟为一时间节点,该时间段内学生抬头的时间大于4分钟则认为该学生在此时间段内抬头。
2.如权利要求1所述的一种基于人脸识别技术的教学抬头率测量方法,其特征在于:步骤A2所述的双层联级网络呈现出金字塔结构,金字塔结构的第一级网络结合...
【专利技术属性】
技术研发人员:姜周曙,邓小海,
申请(专利权)人:杭州电子科技大学,
类型:发明
国别省市:浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。