【摘 要】
:
新冠疫情导致全球在线教育异军突起,如何打破时间、空间的限制实时监督学生的在线学习状态随时调整教学策略进而提高学习效率具有重要意义.基于2D与3D图像处理技术,提出了一种在线评估学习状态的方法,将学习者的学习状态分为无人、多人、用户未授权、分心以及疲劳五种.利用AdaBoost算法与ResNet模型实现人脸检测和识别,并加入质心跟踪算法提高人脸识别检测效率;利用RGB-D图像实时获取人脸三维模型,通过EPNP算法获取学习者头部姿态进而评估学习姿态;提取学习者眼睛和嘴巴的实时图像特征,获取学习者眼睛与嘴巴纵横
【机 构】
:
华中师范大学 物理科学与技术学院,湖北 武汉 430079
论文部分内容阅读
新冠疫情导致全球在线教育异军突起,如何打破时间、空间的限制实时监督学生的在线学习状态随时调整教学策略进而提高学习效率具有重要意义.基于2D与3D图像处理技术,提出了一种在线评估学习状态的方法,将学习者的学习状态分为无人、多人、用户未授权、分心以及疲劳五种.利用AdaBoost算法与ResNet模型实现人脸检测和识别,并加入质心跟踪算法提高人脸识别检测效率;利用RGB-D图像实时获取人脸三维模型,通过EPNP算法获取学习者头部姿态进而评估学习姿态;提取学习者眼睛和嘴巴的实时图像特征,获取学习者眼睛与嘴巴纵横比值,实现学习者学习疲劳状态的实时预警.测试表明学习者的身份识别、姿态评估以及疲劳预警有效可行,为提高在线学习的质量提供了积极思路.
其他文献
随机森林是由很多决策树组成,而各棵决策树之间没有关联,每棵决策树训练产生基分类器,根据最后决策树投票结果决定分类模型.随机森林算法比一般的单分类器具有更高的分类准确度和更低的泛化误差,因此被广泛应用于各方面.但是随机森林算法在处理不平衡数据上存在分类准确率下降等问题,分类结果更偏向于多数类.针对上述问题,提出了一种基于混合采样的改进随机森林算法(hybrid sampling random forest,HSRF).首先采用随机欠采样和SMOTE算法相结合的方法对不平衡数据集进行预处理,同时结合聚类算法对
随着成像技术的发展,人们使用普通成像设备采集的图像分辨率越来越高,细节越来越清晰,能更加准确地呈现真实自然场景中事物之间的关系.然而传统的图像处理方法在处理分辨率相对较高的自然场景图像时,效果和效率并不理想.针对现有的随机游走图像分割算法在处理背景复杂、分辨率大的自然场景图像时,目标边界难以贴合以及效率较低的问题,提出了一种基于超像素随机游走的自然场景图像分割方法.将超像素的思想引入到随机游走过程当中,先对图像进行超像素分割处理,然后以超像素为节点,对每个超像素区域提取颜色特征及LBP纹理特征构建无向加权
为了实现低功耗的图像分类识别系统,设计一种基于卷积神经网络的图像分类识别系统方案,该方案研究基于ARM+FPGA异构系统的实现方法,系统搭载于Xilinx的PYNQ嵌入式开发平台.在电脑端对待测试的数据集搭建卷积神经网络模型并完成MNIST和CIFAR-10数据集的训练验证.随后设计特征参数提取函数完成权重和偏执参数的提取及格式转换,转换为硬件平台可以进行读取的二进制格式.接着使用Xilinx VIVADO HLS设计工具,设计实现图像分类识别系统中卷积神经网络的自定义IP核模块.完成自定义IP核的设计之
针对目标检测算法应用在车辆类型检测的场景中,检测速度较快,但检测精度相对较低的问题,该文对CenterNet算法进行改进.首先,使用ResNet作为主干网对车型图像进行特征提取,并在特征提取网络中引入通道注意力和空间注意力,对不同通道以及不同位置的特征进行权重划分,获取更多需要关注的特征,抑制无用的特征,进而提升车型检测算法的分类及定位准确率;其次,针对小目标车型检测精度不高的问题,将不同尺度车型特征进行融合,更好地提取细粒度车型特征,提升检测精度.为验证结合注意力机制的车型检测算法的有效性,在KITTI
随着人工智能的兴起,深度学习技术在多个领域有了广泛的应用与发展,将深度学习技术与PCB芯片文字识别相结合,实现具体的场景应用,具有重要意义.基于深度学习进行文字识别,完成图像中文字信息的自动获取,进一步提高了准确率,极大地节约了人工及时间成本.但传统深度学习模型巨大的参数量以及内存消耗等限制了其在小型设备如移动终端上的应用与发展,难以满足人们日益增长的需求.基于此,该文提出了一种基于轻量级网络的文字识别算法LWTR.该算法框架主要包括卷积神经网络(进行特征提取)、循环神经网络(进行标签预测)以及CTC(实
新冠疫情环境下,人们外出均需佩戴口罩进行防护,所以目前对人脸口罩检测的研究迫在眉睫.该文提出一种基于残差结构的SSD(single shot multbox detector)网络用于口罩检测,通过在SSD网络的定位分类前添加残差结构,将特征提取网络和分类定位层进行分离,进而使得进入分类定位层的卷积特征更加抽象,可以有效解决SSD网络同时学习局部信息和高层信息双重任务的问题,维护特征提取网络的稳定性,并利用交叉熵损失函数解决戴口罩和未戴口罩的二分类问题,利用smooth L1 loss损失函数解决口罩位置
针对部分图像加密算法与明文无关,安全性差以及加密效率低的问题,设计一种基于分段线性混沌映射且与明文关联的图像加密算法.首先,将初始值和参数作为密钥,迭代分段线性混沌映射,产生混沌序列;其次,利用产生的混沌序列设计一个混沌密码发生器,产生与明文图像大小相同的4个随机矩阵,记作X、Y、R和W,运用X矩阵对明文做前向扩散,得到矩阵A,再运用R和W矩阵设计一种与明文关联的置乱方法对矩阵A进行置乱得到矩阵B,在置乱的过程中还进行了循环移位操作使加密效果更好;最后运用Y矩阵对矩阵B做后向扩散,得到呈现噪声样式和不再具
科技资源服务是云计算环境下数据服务领域的重要业务之一.但是,由于科技资源归属单位不同,条块分割,实现跨平台服务与共享存在很大障碍.为了解决资源空间分散、业务并发等问题,需要构建基于分布式虚拟化存储技术的科技资源服务业务虚拟化资源池,统一管理资源并提供可靠的数据访问和交互功能.针对这一应用背景,基于云计算理论,在软硬件虚拟化技术的基础上,该文提出了一种分布式虚拟化科技服务资源池多层次模型架构,该模型将资源池应用、汇聚、虚拟和物理层进行了统一描述;在此基础上,利用Pi演算这一描述移动并发系统的数学工具,对所构
随着气象业务技术体制的调整,对气象数据中心的连续稳定运行提出了更高要求,利用虚拟化、分布式、数据备份、业务容灾等多种先进技术,提高硬件资源利用率和软件资源复用率,增强业务系统抗风险能力.数据中心含众多服务器和异构计算资源,引入虚拟网络、虚拟存储、CBT变化数据跟踪等技术、方法,可有效确保系统运行可靠性.在气象监测预报预警支撑系统中,采用VMware的异构虚拟化特性将不同类型的存储进行集中统一管理,简化了系统复杂度,使用vMotion技术实现虚拟化平台的高可用性;数据存储系统采用RAID2.0+块虚拟化架构
网络功能虚拟化(network functions virtualization,NFV)改变了传统网络以及硬件网络设备的形态.许多NFV应用(如网络资源管理、网络安全防护)需要获取指定物理资源、虚拟资源和虚拟网络功能等NFV对象的状态信息,并加以分析和利用.如何根据应用需求灵活地获取NFV对象的状态信息,是NFV管理和编排的一项重要工作.在大型NFV环境中,由于NFV对象的数量急速增加、类型不断丰富,导致难以灵活高效地按需获取NFV对象的状态信息.对此,该文提出了一种信息获取需求与获取技术解耦(info