如何讓學(xué)生保持高效率的學(xué)習(xí)狀態(tài)一直都是各領(lǐng)域尤其是教育界的研究熱點(diǎn),為了確保課堂上學(xué)生的學(xué)習(xí)效率,盡可能早的發(fā)現(xiàn)學(xué)生在課堂進(jìn)入疲勞狀態(tài)并及時(shí)提醒學(xué)生就顯得尤為重要。隨著教育體系、教育設(shè)備的不斷完善和優(yōu)化,將疲勞檢測(cè)的方法引入學(xué)生的課堂已是必然趨勢(shì),學(xué)生疲勞檢測(cè)理論與方法的研究在學(xué)術(shù)領(lǐng)域和實(shí)際應(yīng)用上都具有重要的研究?jī)r(jià)值和實(shí)際意義。為了克服目前主流檢測(cè)方法特征檢測(cè)率較低、對(duì)疲勞判斷的指標(biāo)單一等問(wèn)題,本文結(jié)合深度學(xué)習(xí)當(dāng)中的卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練出網(wǎng)絡(luò)模型,提高了對(duì)臉部特征檢測(cè)的準(zhǔn)確率,并且在目前PERCLOS疲勞判斷的基礎(chǔ)上引入新的變量,將嘴部的張合狀態(tài)是否過(guò)大作為判斷疲勞的另一指標(biāo)。通過(guò)在課堂上對(duì)學(xué)生的眼部、嘴部等區(qū)域進(jìn)行采樣與分析,結(jié)合更新后的疲勞判斷指標(biāo)與方法進(jìn)而給出疲勞與否的判斷。從實(shí)驗(yàn)結(jié)果來(lái)看,證明了網(wǎng)絡(luò)模型的必要性、引入新的評(píng)價(jià)指標(biāo)的有效性以及本文的應(yīng)用價(jià)值。本文所完成的主要工作內(nèi)容如下:(1)實(shí)現(xiàn)了基于深度學(xué)習(xí)中卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測(cè)與身份識(shí)別的功能,完成了數(shù)據(jù)庫(kù)的構(gòu)建。但在實(shí)際教學(xué)課堂當(dāng)中會(huì)學(xué)生會(huì)出現(xiàn)大量肢體動(dòng)作遮擋臉部區(qū)域,因此,采用三個(gè)方向?qū)W(xué)生進(jìn)行人臉視頻流的獲取,選擇三個(gè)視...

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1.1體系結(jié)構(gòu)圖

重慶師范大學(xué)碩士學(xué)位論文1緒論損失。江小涓、張文生等教授提出稀疏堆疊編碼器，其本質(zhì)是在堆疊編碼器的損失函數(shù)項(xiàng)的結(jié)構(gòu)上引入稀疏懲罰值的深度學(xué)習(xí)網(wǎng)絡(luò)，但梯度稀釋的問(wèn)題沒(méi)有得到解決。牛津大學(xué)提出的VGG深度學(xué)習(xí)模型[9]目前已被廣泛應(yīng)用。不僅如此，F(xiàn)acebook的人臉檢測(cè)的系....

圖2.1最大下采樣與平均下采樣3全連接層

圖2.1最大下采樣與平均下采樣3全連接層通常情況下，卷積神經(jīng)網(wǎng)絡(luò)的輸出層對(duì)應(yīng)分類(lèi)器，其全連接層的本質(zhì)是對(duì)一層所得到的輸出信息進(jìn)行高度概括，連接所有特征后將輸出值傳遞給后一層分類(lèi)器[30]。所進(jìn)行的操作仍是卷積操作，卷積操作后的結(jié)果為一個(gè)節(jié)點(diǎn)，然后特征組合起來(lái)進(jìn)行分類(lèi)計(jì)算，得....

圖2.2梯度下降算法

使損失函數(shù)朝著梯度改變最快的方向進(jìn)行更新[32]，盡量在實(shí)驗(yàn)中減少陷入局部最優(yōu)的可能。如圖2.2所示。圖2.2梯度下降算法定義整個(gè)代價(jià)損失函數(shù)，再定義參與一組訓(xùn)練的數(shù)據(jù)量，若批次為1，則為隨機(jī)梯度下降；若需要的是批梯度下降，則一批次數(shù)據(jù)量為進(jìn)行訓(xùn)練時(shí)的每批的樣本數(shù)據(jù)選取量....

圖3.1身份識(shí)別功能流程圖

測(cè)與身份識(shí)別的功能。主要包括圖像數(shù)據(jù)獲取與處理、環(huán)境及結(jié)果分析為后續(xù)對(duì)學(xué)生進(jìn)行疲勞狀態(tài)的研究與分份識(shí)別功能設(shè)計(jì)流程與身份識(shí)別功能的設(shè)計(jì)從整體而言，可分為五個(gè)步驟：通過(guò)攝像頭獲取相關(guān)的人臉視頻流，將視頻流轉(zhuǎn)化成幀地的圖像數(shù)據(jù)庫(kù)。利用分類(lèi)器檢測(cè)出本地圖像庫(kù)中每張幀圖像人臉區(qū)域的取，補(bǔ)....

本文編號(hào)：3966052