班級課堂考勤是課堂管理的有效手段之一,可以有效地監(jiān)督學生按時上課,保證課堂的教學質量。近年來,深度學習在靜態(tài)圖像人臉識別方面已經取得較大進展。但在課堂環(huán)境下的視頻流中,課堂環(huán)境人臉位置不一、人體不停運動和姿態(tài)偏移較大等現(xiàn)象會導致關鍵幀中檢測到的部分人臉區(qū)域存在人臉尺寸較小、運動模糊與像素低等問題。在傳統(tǒng)人臉識別系統(tǒng)中引入人臉圖像質量評估方法。通過該評估方法自動篩選出關鍵幀中人臉特征明顯的圖像,以保證人臉識別系統(tǒng)在課堂環(huán)境中的有效性和魯棒性。實驗結果表明,該人臉質量評估方法可以準確地過濾人臉特征不明顯的關鍵幀,有效地提高了人臉識別系統(tǒng)的準確率,大大提高了課堂點名的效率。 

【文章來源】：計算機應用與軟件. 2018,35(10)北大核心

【文章頁數(shù)】：8 頁

【部分圖文】：

inception-resnet-v1模型結構圖

盜紡Ｐ吞崛∪?臉圖像的128維特征，然后將特征矩陣輸入至預訓練的SVC分類器，即可得到最終的識別結果。1．2人臉圖像質量評估方法文獻［23］中提到在課堂環(huán)境下拍攝的面部照片大小不一、分辨率不同，甚至還會嚴重扭曲。因此，為了避免惡劣環(huán)境對人臉圖像的影響，其提出了基于地理位置推理式的人臉識別方法。該方法有較強的創(chuàng)新意識，但仍舊不能完全擺脫因圖像失真造成準確率下降的問題。因此本文采用PTZ攝像機的預置位方式，解決了課堂后排人臉圖像尺寸過小的問題。實驗結果如圖5所示。(a)全景幀(b)調整至預置位后的區(qū)域幀圖5實驗結果圖5(a)為覆蓋了課堂全場景視頻幀，可見后排人臉尺寸偏小，人臉辨識度極低。(b)為攝像機調整至預置位，變焦放大后的圖像結果，由圖中可看出人臉細節(jié)豐滿，辨識度較高。雖然基于深度學習的人臉特征提取網絡解決了光照、表情、姿態(tài)等大部分難題，但在實際的課堂環(huán)境下，仍有如下問題:在攝像機所獲取的視頻流中，被采集的單人臉大多處于非約束狀態(tài)，單人臉區(qū)域圖像常常呈現(xiàn)像素低、模糊不清和姿態(tài)偏差較大的特點。如圖6所示為視頻中通過人臉檢測方法提取的人臉區(qū)域圖像。若直接使用這些提取的人臉圖像進行人臉識別，會對人臉識別系統(tǒng)的準確率造成較大影響，無法保證系統(tǒng)的正確性和魯棒性。圖6非約束狀態(tài)人臉圖

。(a)全景幀(b)調整至預置位后的區(qū)域幀圖5實驗結果圖5(a)為覆蓋了課堂全場景視頻幀，可見后排人臉尺寸偏小，人臉辨識度極低。(b)為攝像機調整至預置位，變焦放大后的圖像結果，由圖中可看出人臉細節(jié)豐滿，辨識度較高。雖然基于深度學習的人臉特征提取網絡解決了光照、表情、姿態(tài)等大部分難題，但在實際的課堂環(huán)境下，仍有如下問題:在攝像機所獲取的視頻流中，被采集的單人臉大多處于非約束狀態(tài)，單人臉區(qū)域圖像常常呈現(xiàn)像素低、模糊不清和姿態(tài)偏差較大的特點。如圖6所示為視頻中通過人臉檢測方法提取的人臉區(qū)域圖像。若直接使用這些提取的人臉圖像進行人臉識別，會對人臉識別系統(tǒng)的準確率造成較大影響，無法保證系統(tǒng)的正確性和魯棒性。圖6非約束狀態(tài)人臉圖

【參考文獻】：
期刊論文
[1]基于Labwindows/CVI的課堂點名系統(tǒng)設計[J]. 王瑜,閆沫.  自動化與儀器儀表. 2017(06)
[2]基于人臉識別的智能課堂點名系統(tǒng)[J]. 荊洲,權偉,唐杰,晏寒.  軟件工程. 2017(05)
[3]基于人臉識別的課堂點名系統(tǒng)[J]. 江泓政,湯軍,黃建,向鐸,楊玥,王志鋮.  微型機與應用. 2016(12)
[4]從校園文化建設分析大學生課堂考勤制度改革[J]. �？〖t.  河南教育(中旬). 2012(08)



本文編號：3120736