一种基于人脸识别技术的课堂分析系统及方法技术方案

本发明专利技术公开了一种基于人脸识别技术的课堂分析系统及方法，该系统包括：图像采集单元，利用设置于教室内摄像装置采集用于课堂分析的图像；图像预处理单元，对所述图像进行预处理；人脸检测定位单元，采用高斯肤色模型分割出图像中的肤色区域，并利用训练好的级联结构人脸分类器在分割出的肤色区域中准确检测人脸；考勤单元，在接收到考勤请求时根据人脸识别结果，将人脸识别结果与与后台服务器中各学生的人脸特征进行比对，识别出缺勤学生予以反馈；上课状态监控单元，在接收到监控请求时根据人脸识别结果监控各学生的上课状态，当根据人脸识别结果判断出学生出现消极状态时，对其进行相应的提示，并从后台服务器获取相应学生信息予以反馈。信息予以反馈。信息予以反馈。

【技术实现步骤摘要】
一种基于人脸识别技术的课堂分析系统及方法


[0001]本专利技术涉及人工智能
，特别是涉及一种基于人脸识别技术的课堂分析系统及方法。

技术介绍

[0002]随着人工智能应用逐渐兴起，如何将人工智能应用到课堂，逐渐成为了教育行业中所关注的焦点，在教学过程中，教师工作中的重复性劳动占用了教师大部分的工作时间，如何让学生在课堂上高效的学习也是许多教师头疼的烦恼，而基于人工智能的课堂分析系统能更好的帮助教师更好的管理课堂，更加高效的教学，引起了人们广泛的关注。
[0003]在现有技术中，将人脸图像识别系统与课堂分析设备结合在一起，课堂分析设备以人脸识别技术为基础，在上课期间对学生进行扫描抓拍，课堂人脸比对服务器将扫描抓拍的图片与人脸库中的图片进行比对分析，自动得出考勤结果，整个过程无须人工参与，给学生考勤工作带来了许多的方便，但是现有的课堂分析设备在使用的时候一般不便于进行调节，存在着一定的局限性，使用起来具有一定的不便。

技术实现思路

[0004]为克服上述现有技术存在的不足，本专利技术之目的在于提供一种基于人脸识别技术的课堂分析系统及方法，通过将人脸识别技术与课堂分析系统结合在一起，将教师在课堂上要重复进行的工作内容大大减少，极大的提高教师在课堂上的教学质量，提高了学生在课堂上的学习效率，减少了教师课堂上重复考勤和关注提醒学生学习状态的时间。
[0005]为达上述目的，本专利技术提出一种基于人脸识别技术的课堂分析系统，包括：
[0006]图像采集单元，用于利用设置于教室内摄像装置采集用于课堂分析的图像；
[0007]图像预处理单元，用于对所述图像进行预处理；
[0008]人脸检测定位单元，用于采用高斯肤色模型分割出图像中的肤色区域，并利用训练好的级联结构人脸分类器在分割出的肤色区域中准确检测人脸；
[0009]考勤单元，用于在接收到考勤请求时根据所述人脸检测定位单元的人脸识别结果，将人脸识别结果与后台服务器中各学生的人脸特征进行比对，识别出缺勤学生予以反馈；
[0010]上课状态监控单元，用于在接收到监控请求时根据所述人脸检测定位单元的人脸识别结果监控各学生的上课状态，当根据人脸识别结果判断出学生出现消极状态时，对其进行相应的提示，并从后台服务器获取相应学生信息予以反馈。
[0011]优选地，所述人脸检测定位单元进一步包括：
[0012]图像分割模块，用于采用高斯肤色模型分割出预处理后的图像中的肤色区域，从而使得背景图像与人脸图像分割开来；
[0013]人脸检测模块，用于利用Adaboost算法训练分类器并构建级联结构模型，利用级联结构的人脸分类器在分割出的肤色区域中准确检测人脸。
[0014]优选地，所述人脸检测模块包括：
[0015]矩形特征提取模块，用于根据高斯肤色模型分割出的肤色区域，采用SIFT 特征法得到人脸图像的矩形特征，从而对人脸区域确定眼睛位置；
[0016]分类器训练模块，用于通过Adaboost算法训练分类器，通过从已有的特征中选出提取的一个特征以及其对应的阈值使样本分类的错误率最低，从而训练成为弱分类器，并通过将弱分类器组合形成强分类器以筛选出人脸和非人脸。
[0017]优选地，所述矩形特征提取模块具体用于
[0018]输入原始的人脸图片库；
[0019]从人脸图片库中提取SIFT特征集；
[0020]用PCA算法进行降维；
[0021]利用K均值聚类方法对SIFT特征集离散化；
[0022]生成邻域矩阵特征。
[0023]优选地，所述图像分割模块首先将所述图像从规范化的rgb肤色转化到 HSV、YCgCr颜色空间，对向量(H，Cg，Cr)T进行统计，得到肤色的三维高斯概率模型，然后，根据该三维高斯概率模型计算所述图像的肤色相似概率，采用最大类间方差的方法计算二值化阈值，根据阈值将相似度图像二值化，从而分割出所述图像中的肤色区域。
[0024]优选地，所述分类器训练模块利用Adaboost算法训练分类器的过程如下：
[0025]·
给定样本(x1；y1),...,(xn；yn)；其中yi＝0表示负样本，yi＝1表示正样本；
[0026]·
初始化权重：负样本权重W0i＝1/2m，正样本权重W1i＝1/2l，其中 m为负样本总数，l为正样本总数；
[0027]·
对于t＝1,...T(T为训练次数):
[0028]1.权重归一化，简单说就是使本轮所有样本的权重的和为 1；
[0029]2.根据每一个特征训练简单分类器，仅使用一个特征；
[0030]3.从所有简单分类器中选出一个分错率最低的分类器，为弱分类器；
[0031]4.更新权重
[0032]·
最后组合T个弱分类器为强分类器。
[0033]为达到上述目的，本专利技术还提供一种基于人脸识别技术的课堂分析方法，包括如下步骤：
[0034]步骤S1，利用设置于教室内摄像装置采集用于课堂分析的图像；
[0035]步骤S2，对图像进行预处理；
[0036]步骤S3，采用高斯肤色模型分割出图像中的肤色区域，并利用训练好的级联结构的人脸分类器在分割出的肤色区域里准确检测人脸；
[0037]步骤S4，在接收到考勤请求时根据所述人脸检测定位单元的人脸识别结果，将人脸识别结果与后台服务器中各学生的人脸特征进行比对，识别出缺勤学生予以反馈；
[0038]步骤S5，在接收到监控请求时根据所述人脸检测定位单元的人脸识别结果监控各学生的上课状态，当根据人脸识别结果判断出学生出现消极状态时，对其进行相应的提示，并从后台服务器获取相应学生信息予以反馈。
[0039]优选地，步骤S3进一步包括：
[0040]步骤S300，采用高斯肤色模型分割出预处理后的图像中的肤色区域；
[0041]步骤S301，利用Adaboost算法训练分类器并构建级联结构模型，利用级联结构的人脸分类器在分割出的肤色区域中准确检测人脸。
[0042]优选地，步骤S301进一步包括：
[0043]步骤S301a，根据高斯肤色模型分割出的肤色区域，采用SIFT特征法得到人脸图像的矩形特征，从而对人脸区域确定眼睛位置；
[0044]步骤S301b，通过Adaboost算法训练分类器，通过从已有的特征中选出提取的一个特征以及其对应的阈值使样本分类的错误率最低，从而训练成为弱分类器，并通过将弱分类器组合形成强分类器以筛选出人脸和非人脸。
[0045]优选地，于步骤S300，首先将所述图像从规范化的rgb肤色转化到HSV、 YCgCr颜色空间，对向量(H，Cg，Cr)T进行统计，得到肤色的三维高斯概率模型，然后，根据该三维高斯概率模型计算所述图像的肤色相似概率，采用最大类间方差的方法计算二值化阈值，根据阈值将相似度图像二值化，从而分割出所述图像中的肤色区域。
[0046]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人脸识别技术的课堂分析系统，包括：图像采集单元，用于利用设置于教室内摄像装置采集用于课堂分析的图像；图像预处理单元，用于对所述图像进行预处理；人脸检测定位单元，用于采用高斯肤色模型分割出图像中的肤色区域，并利用训练好的级联结构人脸分类器在分割出的肤色区域中准确检测人脸；考勤单元，用于在接收到考勤请求时根据所述人脸检测定位单元的人脸识别结果，将人脸识别结果与后台服务器中各学生的人脸特征进行比对，识别出缺勤学生予以反馈；上课状态监控单元，用于在接收到监控请求时根据所述人脸检测定位单元的人脸识别结果监控各学生的上课状态，当根据人脸识别结果判断出学生出现消极状态时，对其进行相应的提示，并从后台服务器获取相应学生信息予以反馈。2.如权利要求1所述的一种基于人脸识别技术的课堂分析系统，其特征在于，所述人脸检测定位单元进一步包括：图像分割模块，用于采用高斯肤色模型分割出预处理后的图像中的肤色区域，从而使得背景图像与人脸图像分割开来；人脸检测模块，用于利用Adaboost算法训练分类器并构建级联结构模型，利用级联结构的人脸分类器在分割出的肤色区域中准确检测人脸。3.如权利要求2所述的一种基于人脸识别技术的课堂分析系统，其特征在于，所述人脸检测模块包括：矩形特征提取模块，用于根据高斯肤色模型分割出的肤色区域，采用SIFT特征法得到人脸图像的矩形特征，从而对人脸区域确定眼睛位置；分类器训练模块，用于通过Adaboost算法训练分类器，通过从已有的特征中选出提取的一个特征以及其对应的阈值使样本分类的错误率最低，从而训练成为弱分类器，并通过将弱分类器组合形成强分类器以筛选出人脸和非人脸。4.如权利要求3所述的一种基于人脸识别技术的课堂分析系统，其特征在于，所述矩形特征提取模块具体用于输入原始的人脸图片库；从人脸图片库中提取SIFT特征集；用PCA算法进行降维；利用K均值聚类方法对SIFT特征集离散化；生成邻域矩阵特征。5.如权利要求4所述的一种基于人脸识别技术的课堂分析系统，其特征在于，所述图像分割模块首先将所述图像从规范化的rgb肤色转化到HSV、YCgCr颜色空间，对向量(H，Cg，Cr)T进行统计，得到肤色的三维高斯概率模型，然后，根据该三维高斯概率模型计算所述图像的肤色相似概率，采用最大类间方差的方法计算二值化阈值，根据阈值将相似度图像二值化，从而分割出所述图像中的肤色区域。6.如权利要求5所述的一种基于人脸识别技术的课堂分析系统，其特征在于，所述分类器训练模块利用Adaboost算法训练分类器的过程如下：
·
给定样本(x1；y1),...,...

【专利技术属性】
技术研发人员：江跃龙，马金香，黄震，
申请(专利权)人：广州铁路职业技术学院广州铁路机械学校，
类型：发明
国别省市：