论文部分内容阅读
当前,信息技术在教育信息化的过程中起到了极大的推动作用。教学过程中,对学生身份信息的掌握是教师了解学生学习状态的第一步,只有切实有效地掌握每个学生的学习状态,教师才能给予及时有效的教学指导。近几年,具有方便性、非侵入式的人脸检测和识别技术成为研究热点,已在视频监控等某些领域取得成功应用。然而教室大场景中人脸图像分辨率低,仅通过人脸识别技术难以实现学生身份的精确定位,因此本文在学生着装不变条件下提出将服装特征匹配和人脸识别技术相结合的方式实现课堂中学生的身份定位及识别。预先在教室入口处采用摄像头捕获进入学生的人脸图像,通过人脸识别获取学生身份并生成上课人员名单,同时提取学生服装特征并与学生身份一一关联;在课堂场景图像中提取学生的服装特征,在人员名单中通过服装特征匹配初步确定候选名单,在候选名单中通过人脸模板匹配精确定位学生身份。有效提高了识别准确率,降低了对摄像头的性能要求。为解决教室场景中学生身份定位问题,本文主要工作包括:(1)采用AdaBoost算法进行人脸检测器的训练解决教室场景中人脸检测。基于教室场景,现有OpenCV库中的人脸检测器效果不佳,本文创建了教室场景下各个角度方向的人脸图像数据库,并根据正脸和侧脸分类分别训练人脸检测器。(2)改进了基于CamShift算法跟踪课堂场景中学生人脸。在教室大场景下,传统的CamShift算法跟踪人脸容易丢失目标,本文通过训练肤色模型,由肤色检测来判定跟踪目标是否丢失,并在局部范围内对跟丢的人脸重新进行检测与跟踪,以保证在整个教学过程中对目标的不间断监控。(3)提出了一种将服装特征匹配和人脸识别技术相结合的方式实现课堂中学生的身份定位。首先,基于跟踪的人脸位置预测人脸下方的服装区域;然后,采用肤色检测以及GrabCut分割算法实现了对学生服装区域图像进行自动分割;最后,提取匹配服装特征信息并结合人脸模板匹配实现学生身份精确定位。该研究解决了教室场景中学生定位及身份识别问题。在教室场景下进行人脸检测及跟踪,借助于运动检测、肤色检测以及分割算法实现了学生服装区域图像的自动分割,并根据人脸模板匹配对目标身份进行精确定位。使用该方法对测试数据进行实验并获得了良好的识别率,验证了该方法的有效性。