[发明专利]一种基于人脸识别技术的教学抬头率测量方法

说明书

本发明公开了一种基于人脸识别技术的教学抬头率测量方法，本发明由人脸采集、人脸检测、特征提取、特征匹配、人脸跟踪、视频组间的匹配以及抬头率的计算。利用教室摄像头所采集的视频流数据进行人脸识别分析，并根据教学过程中学生头部姿态变化判断抬头与否并生成相应的抬头率图表。使用人脸识别技术来测量教学抬头率本发明为教学评估中的抬头率这一指标提供一种客观评价手段；引入统计的思想计算教学抬头率，对检测到人脸进行身份验证进一步精确了教学抬头率的计算。师生可根据教学过程中抬头率变化调整相应的教学模式；为教学研究数据库的建立提供有效数据；能够在不干扰正常教学情况下获取教学抬头率得变化。

技术领域

本发明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。

背景技术

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。采用本发明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。

发明内容

本发明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。

本发明包括如下步骤：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准确头部姿态信息作为抬头依据。

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。