基于人臉識別的智能督學(xué)輔助系統(tǒng)研究與設(shè)計

顏 菱，黃志成

（廣東女子職業(yè)技術(shù)學(xué)院，廣東廣州 511450）

0 引言

大眾生活隨著計算機和通信網(wǎng)絡(luò)的高速發(fā)展，被悄然改變，獲取知識的學(xué)習(xí)方式不再單一局限于線下的開班授課，而是有了更多的選擇——網(wǎng)課。2020年新型冠狀病毒的爆發(fā)，更是加速推進了全民上網(wǎng)課的進程，通過網(wǎng)絡(luò)學(xué)習(xí)［1］不僅突破了時間、空間等限制，還擁有了靈活、自主和多樣等優(yōu)勢。然而，如何監(jiān)控學(xué)生在攝像頭前的學(xué)習(xí)狀態(tài)［2］，提高網(wǎng)課的教學(xué)質(zhì)量，成為網(wǎng)絡(luò)課程平臺、軟件亟待解決的問題。如今，人臉識別技術(shù)被廣泛應(yīng)用于生活的方方面面，門禁、高鐵進站和移動支付等［3-4］，“刷臉”成為這個時代的標簽。人臉識別是一種生物識別技術(shù)，基于人的臉部特征信息進行身份識別，通過攝像頭采集人臉圖像，能夠高效、智能識別人臉。

為解決管理者對學(xué)習(xí)者線上學(xué)習(xí)的學(xué)習(xí)狀態(tài)監(jiān)控問題，文章引入人臉識別技術(shù)，提出基于人臉平面及三維旋轉(zhuǎn)角度和眼睛閉合狀態(tài)等數(shù)據(jù)進行識別的智能督學(xué)輔助系統(tǒng)。

1 研究意義

1.1 網(wǎng)絡(luò)課程開啟新型教學(xué)模式

網(wǎng)絡(luò)課程即通過某種教學(xué)平臺或軟件在網(wǎng)絡(luò)上進行的遠程課程。課程形式主要分為錄播課程和直播課程。錄播課程的網(wǎng)絡(luò)教學(xué)比起傳統(tǒng)教學(xué)，打破了在時間上、空間上、受教育年齡、環(huán)境等各方面的限制，給予、滿足了社會更多人群選擇豐富良好教育資源的機會和需求，最大化了教育資源的利用率。而網(wǎng)絡(luò)直播課程則有效應(yīng)對了由于突發(fā)事件，諸如出現(xiàn)嚴重疫情時，校園和教育機構(gòu)無法正常開展線下課程的情況。當網(wǎng)絡(luò)課程的學(xué)習(xí)正在被越來越多的高校和教育機構(gòu)所應(yīng)用，說明了網(wǎng)絡(luò)課程作為新興的教學(xué)模式，今后與傳統(tǒng)教學(xué)模式相輔相成，將成為重要的教學(xué)模式之一。

1.2 網(wǎng)絡(luò)課程的弊端

在網(wǎng)絡(luò)課程的廣泛應(yīng)用過程中，網(wǎng)絡(luò)學(xué)習(xí)具有優(yōu)點的同時，也出現(xiàn)一些問題。網(wǎng)絡(luò)學(xué)習(xí)的過程需要受到一定約束，獲取知識的過程更需要一定的控制，這種約束力和控制力一方面來自自我意識的控制，譬如制定學(xué)習(xí)計劃。另一方面則來自老師、家長或者上級的命令、任務(wù)、監(jiān)督等，兩者之間相互依存且相互制約。傳統(tǒng)的教學(xué)課堂通常是受后者，也稱作外部控制的約束更多；而網(wǎng)絡(luò)課堂，則更多靠自身的控制，對學(xué)生自制力有非常高的要求。然而有調(diào)查表明，大多數(shù)學(xué)生的自我控制能力并不高，因此，在網(wǎng)絡(luò)教學(xué)過程中，如何實現(xiàn)有效的監(jiān)控和督促，是提高網(wǎng)絡(luò)課程質(zhì)量的關(guān)鍵。

1.3 基于人臉識別技術(shù)解決方案

為解決以上問題，本文設(shè)計、開發(fā)了基于人臉識別智能督學(xué)系統(tǒng)。系統(tǒng)每間隔一段時間利用攝像頭采集學(xué)生人臉，根據(jù)采集到的圖像分析學(xué)生當前人臉左右、俯仰、平面旋轉(zhuǎn)角度和眼睛的開合程度，對比實驗采集的數(shù)據(jù)判斷學(xué)生當前學(xué)習(xí)專注度，發(fā)出相應(yīng)的提示警告以起到外部監(jiān)督作用。人臉識別的底層技術(shù)實現(xiàn)主要包含圖像預(yù)處理、人臉檢測和人臉識別三大模塊［5］。

（1）圖像預(yù)處理：攝像頭采集圖像時可能會受光照強度、環(huán)境條件等客觀因素的影響，導(dǎo)致圖像出現(xiàn)模糊、失真等問題。為提高人臉識別精確度，系統(tǒng)首先會對圖像進行灰度化、直方圖均衡化、噪聲去除等預(yù)處理。

（2）人臉檢測：采取Adaboost［6］級聯(lián)分類器檢測人臉，通過迭代訓(xùn)練出若干個弱分類器，集成效果較好弱分類器為強分類器，經(jīng)加權(quán)投票級聯(lián)強分類器形成最終分類器。能夠準確有效地識別選取圖像人臉。

（3）人臉識別：人臉識別首先將人臉檢測出來的人臉與其注冊的人臉作對比，確認是否為注冊者本人，防止代課行為。其次每間隔一段時間，捕捉人臉，通過分析人臉頭部三維旋轉(zhuǎn)角度與眼睛閉合程度，判斷臉部專注度，分析結(jié)果反饋到系統(tǒng)界面，并做出相應(yīng)的提示警告。

2 人臉識別技術(shù)原理

智能督學(xué)系統(tǒng)基于人工智能領(lǐng)域的人臉識別技術(shù)，系統(tǒng)技術(shù)架構(gòu)自下而上分為底層API、接口API和應(yīng)用程序3個層面，如圖1所示。

圖1 人臉識別技術(shù)架構(gòu)示意

底層API是人臉識別技術(shù)的底層實現(xiàn)，涉及軟件和硬件，尤其是各類算法模型技術(shù)等。CPU 和GPU的性能，決定了人臉識別的速度。當CPU 和GPU 的性能越強，人臉識別的速度就越快。云計算是一種分布式計算，利用大規(guī)模計算機集群，能夠在短時間內(nèi)完成數(shù)據(jù)的處理，提供強大的計算服務(wù)。人臉識別另一個關(guān)鍵是算法，通過建立數(shù)學(xué)模型，不斷優(yōu)化深度學(xué)習(xí)算法，結(jié)合視覺技術(shù)，使得人臉識別技術(shù)達到商用標準。

接口API 實現(xiàn)對底層API 的封裝，包括一些常用的攝像頭調(diào)用API、網(wǎng)絡(luò)API 和JsonAPI，向上提供人臉識別API的高層調(diào)用，是系統(tǒng)的核心功能接口。

3 系統(tǒng)設(shè)計與實現(xiàn)

3.1 系統(tǒng)運行流程設(shè)計

系統(tǒng)原型基于window平臺，采用C#語言編寫，UI界面使用winform進行設(shè)計。底層使用百度人臉識別API［7］，實現(xiàn)核心功能。系統(tǒng)運行流程如圖2所示。

圖2 系統(tǒng)運行流程示意

用戶激活人臉識別智能督學(xué)系統(tǒng)后，人臉識別智能督學(xué)系統(tǒng)前端界面調(diào)用攝像頭，進入界面即人臉識別身份驗證，驗證通過則啟動監(jiān)控。首次使用則要求對人臉進行注冊，方能開啟監(jiān)控。每間隔一段時間，對用戶臉部進行抓拍，經(jīng)過一系列的圖像預(yù)處理傳入人臉檢測模塊標記出位置信息，進入人臉識別模塊提取特征，與后端數(shù)據(jù)庫比對、并分析學(xué)習(xí)行為姿態(tài)。分析結(jié)果上傳至云端服務(wù)器：一方面，前端界面根據(jù)結(jié)果，對用戶進行相關(guān)督學(xué)反饋；另一方面教師、家長也可以通過移動端查詢到分析結(jié)果，隨時了解學(xué)生、孩子的學(xué)習(xí)情況。

此外，本系統(tǒng)還設(shè)計了使用攝像頭的權(quán)限，每次使用督學(xué)系統(tǒng)時，只有用戶手動連接攝像頭，才能開始監(jiān)控，因此能夠有效地保護用戶隱私。

3.2 系統(tǒng)實現(xiàn)

本系統(tǒng)使用百度人臉識別技術(shù)，實現(xiàn)對學(xué)習(xí)者頭部和人臉識別，達到學(xué)習(xí)者監(jiān)控的目的。使用帶攝像頭的電腦啟動本系統(tǒng)，激活攝像頭后，調(diào)用攝像頭API 定期抓拍學(xué)習(xí)者的頭部和人臉，然后進行人臉識別，獲取人臉的旋轉(zhuǎn)角度、表情及雙眼狀態(tài)的參數(shù)。根據(jù)參數(shù)值判別學(xué)習(xí)者當前是否在關(guān)注屏幕，從而發(fā)出督學(xué)的提醒或指示。系統(tǒng)界面如圖3 所示。經(jīng)過測試，管理者可對學(xué)習(xí)者實施有效監(jiān)控，實現(xiàn)智能督學(xué)。

4 結(jié)語

文章通過對網(wǎng)絡(luò)學(xué)習(xí)的研究，有針對性地提出解決網(wǎng)絡(luò)學(xué)習(xí)中監(jiān)控力不足而導(dǎo)致的教學(xué)質(zhì)量低下的方案。展開闡述了基于人臉識別的智能督學(xué)輔助系統(tǒng)的設(shè)計及其實現(xiàn)。實際應(yīng)用過程中，人臉識別率高，能夠有效起到課堂監(jiān)督的作用。同時，系統(tǒng)也存在不足，未能實現(xiàn)采集動態(tài)視頻流數(shù)據(jù)，單從靜態(tài)的人臉圖像數(shù)據(jù)做出分析；專注度判斷準則也僅是通過頭部旋轉(zhuǎn)角度和眼睛閉合程度為依據(jù)。今后如何實現(xiàn)采集動態(tài)人臉數(shù)據(jù)和豐富專注度判斷準則是進一步的研究方向。

圖3 系統(tǒng)原型界面