【技术实现步骤摘要】
一种基于人脸识别听课质量检测方法
本专利技术涉及一种听课质量检测方法，尤其涉及一种基于人脸识别听课质量检测方法。
技术介绍
近年来人工智能的发展已经渗透到教育生活的很多方面，比如指纹签到、虹膜识别、人脸识别等技术在课堂考勤体系中得到了广泛应用，同样，人脸识别检测技术也为我们分析学生课堂行为提供了强有力的工具。本专利技术提出的基于人脸识别的学生课堂抬头率研究，通过检测认真听课的人数来分析学生的听课效率，为课堂评价提供依据，实现更有针对性的教学。卷积神经网络(ConvolutionalNeuralNetwork，CNN)是一种带有卷积结构的深度神经网络，卷积结构可以减少深层网络占用的内存量，也可以减少网络的参数个数，缓解模型的过拟合问题。卷积神经网络作为深度学习的代表算法之一，长期以来一直被广泛运用在各个方面，尤其是图像识别、人脸识别方面。与DNN全连接神经网络相比，CNN的输入是一个图像，通过参数共享、局部感受利用了图像的局部信息通过卷积和池化提取图像特征，使神经网络需要训练的参数大大减少，但是却并没有降低准确率。
【技术保护点】
1.一种基于人脸识别听课质量检测方法，其特征是，包括如下步骤：/n步骤一：运用Python算法将上课的视频按所选取的固定时间段进行视频截取获得未处理的图像，重复上述操作，再通过卷积神经网络下的人脸识别初步得到上课抬头的学生；/n步骤二：对全体学生进行划区域分析，采用将图像转化为二维数组形式分为三个区域进行研究，在每个区域中使用人脸68个关键点提取检测方法，找到虹膜所处的位置，再根据区域的划分规定虹膜位置范围，得到专注度高的学生；/n步骤三：同时满足上课抬头和专注度高两个条件的学生人数与全体学生人数的比率是需要的课堂抬头率，从而完成率对听课质量的检测。/n
【技术特征摘要】
1.一种基于人脸识别听课质量检测方法，其特征是，包括如下步骤：
步骤一：运用Python算法将上课的视频按所选取的固定时间段进行视频截取获得未处理的图像，重复上述操作，再通过卷积神经网络下的人脸识别初步得到上课抬头的学生；
步骤二：对全体学生进行划区域分析，采用将图像转化...
【专利技术属性】
技术研发人员：杨丽宏，张珺勃，柴睿鸽，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江;23
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。