基于大數(shù)據(jù)的學(xué)生課堂狀態(tài)識別系統(tǒng)

白松凡 高雅田 王佳帥

摘 要 當(dāng)代課堂教育中課堂管理薄弱、學(xué)生課堂狀態(tài)不佳等問題普遍存在。在大數(shù)據(jù)逐漸普及的時代下，提出運(yùn)用大數(shù)據(jù)技術(shù)來識別并分析學(xué)生的課堂狀態(tài)。根據(jù)在教室上課的學(xué)生個體進(jìn)行面部特征提取，訓(xùn)練出基于支持向量機(jī)（SVM）的學(xué)生面部狀態(tài)分類模型，通過此模型對正在上課的學(xué)生課堂狀態(tài)進(jìn)行分類，將分類后的結(jié)果進(jìn)行可視化統(tǒng)計(jì)，進(jìn)而得出學(xué)生上課時的總體狀態(tài)。

關(guān)鍵詞 大數(shù)據(jù) 人臉識別 支持向量機(jī)

0引言

大數(shù)據(jù)技術(shù)的發(fā)展與應(yīng)用，推動著各領(lǐng)域信息技術(shù)的迅速發(fā)展，課堂教育中的信息也不例外。在科技發(fā)展迅速的今天，學(xué)生的課堂狀態(tài)分析方式落后，相關(guān)的教育部門也尚未發(fā)展出可視化的統(tǒng)計(jì)分析，導(dǎo)致學(xué)生課堂狀態(tài)只能靠人力管理，出現(xiàn)大量諸如學(xué)生聽課不認(rèn)真，學(xué)習(xí)效率差的現(xiàn)象。隨著大數(shù)據(jù)時代的到來，課堂監(jiān)控中的海量信息便擁有了系統(tǒng)化分析的契機(jī)。學(xué)生課堂視頻流中的海量圖片信息，可以通過大數(shù)據(jù)環(huán)境來進(jìn)行存儲、統(tǒng)計(jì)、分析。本文以大數(shù)據(jù)技術(shù)在課堂狀態(tài)的信息存儲為出發(fā)點(diǎn)，通過人臉識別技術(shù)提取出學(xué)生的面部特征，放入利用支持向量機(jī)所構(gòu)成的算法中進(jìn)行訓(xùn)練，從而提出一種新型且較為準(zhǔn)確的識別學(xué)生課堂狀態(tài)的模型。最后借助可視化方法展現(xiàn)學(xué)生的課堂狀態(tài)。

1學(xué)生課堂狀態(tài)識別系統(tǒng)架構(gòu)

1.1系統(tǒng)工作原理

在學(xué)生上課的視頻中，如果一堂課的時間為45分鐘，以每一分鐘為一幀，截取一張圖片，則有45張圖片。如果想要分析全國學(xué)生在某一節(jié)課的課堂狀態(tài)，照片的數(shù)量無疑是海量的。如果以傳統(tǒng)的方式存儲圖片，不僅會出現(xiàn)管理效率低、存儲能力不足、成本過于昂貴等問題，還會造成不必要技術(shù)人員的浪費(fèi)。對此，本系統(tǒng)采用基于大數(shù)據(jù)的Hadoop技術(shù)來存儲圖片。Hadoop采用面向列的存儲模型，一個單獨(dú)的列簇可以存儲一張圖片的信息，如圖片的大小、圖片的來源、存儲和處理的時間、教師、課程以及學(xué)校等信息。這樣不僅解決了圖片存儲問題，還使圖片檢索功能變得更加靈活。通常情況下，教室中的電子攝像頭都會放在教室的前方，以固定角度拍攝學(xué)生的課堂狀態(tài)。拍攝出的圖像是整個教室的狀態(tài)，不全是人臉，所以需要人臉檢測技術(shù)來定位并分離人臉區(qū)域。在人臉檢測的過程中，拍攝的光照度，學(xué)生的面部妝容與修飾等等都會加大人臉檢測的難度。從而導(dǎo)致無法自動化的從整個教室背景中檢測并定位學(xué)生的人臉區(qū)域。為了更好的提取出學(xué)生的面部信息，系統(tǒng)將對原有圖片進(jìn)行歸一化和二值化操作。歸一化包括幾何歸一化與灰度歸一化。幾何歸一化主要用于將人臉圖片變?yōu)榻y(tǒng)一的尺寸，而灰度歸一化則是減少光線和光照強(qiáng)度的影響，使圖片更加清晰直觀。二值化是將灰度化后的圖片轉(zhuǎn)化成黑白圖片，有利于進(jìn)一步的人臉特征提取。人臉特征提取主要依賴于人的五官，通過五官的位置，可以判斷出學(xué)生的面部朝向，進(jìn)而分析出學(xué)生的課堂狀態(tài)。本系統(tǒng)將采用眼睛作為特征提取部位，原因是眼睛在經(jīng)過預(yù)處理后的圖片中顯示為黑色，絕大部分呈現(xiàn)圓形或者半圓形，便于與其他的面部特征進(jìn)行區(qū)分。系統(tǒng)將記錄雙眼瞳孔中心以及上、下、左、右四個邊緣點(diǎn)在面部的坐標(biāo)并放到支持向量機(jī)模型中進(jìn)行分類。

1.2系統(tǒng)框架設(shè)計(jì)

學(xué)生課堂狀態(tài)識別系統(tǒng)是將大數(shù)據(jù)技術(shù)內(nèi)嵌到智能監(jiān)控系統(tǒng)中，對智能監(jiān)控系統(tǒng)的攝像機(jī)所采集的圖像信息進(jìn)行圖像存儲、處理與分類，學(xué)生課堂狀態(tài)識別系統(tǒng)。系統(tǒng)包括基礎(chǔ)設(shè)施層、服務(wù)資源層以及系統(tǒng)應(yīng)用層三部分。其中基礎(chǔ)設(shè)施層主要用于前端數(shù)據(jù)采集，由若干攝像頭與監(jiān)控器組成。攝像頭用于采集圖像，而監(jiān)控器用于更改攝像頭的拍攝角度、拍攝時間等設(shè)置。服務(wù)資源層主要由圖像存儲服務(wù)器、管理工作站構(gòu)成，主要用于存儲和管理通過攝像頭采集的圖像數(shù)據(jù)。系統(tǒng)應(yīng)用層是整個系統(tǒng)的核心，用于將存儲到服務(wù)器中的圖片進(jìn)行處理、分類、分析，并將分析結(jié)果展現(xiàn)給用戶。

1.3系統(tǒng)的工作流程

學(xué)生課堂狀態(tài)識別系統(tǒng)的流程為，智能監(jiān)控系統(tǒng)的前端攝像頭按照人為規(guī)定的拍照角度、拍攝位置、工作頻率等設(shè)定進(jìn)行正常工作。采集一定時間和空間的范圍內(nèi)的圖像信息，將圖片上傳到基于Hadoop存儲技術(shù)的服務(wù)器中。根據(jù)識別系統(tǒng)中的需求進(jìn)而選擇相應(yīng)的圖片進(jìn)入系統(tǒng)。系統(tǒng)首先會對圖片進(jìn)行人臉檢測，將每張圖片裁剪成若干人臉圖片，之后對每張人臉圖片進(jìn)行預(yù)處理。通過幾何歸一化將人臉圖片拉伸或收縮成統(tǒng)一大小的圖片，在將圖片進(jìn)行灰度化，弱化光照效果后，通過二值化將圖片轉(zhuǎn)化成黑白人臉圖片。經(jīng)過處理的圖片再進(jìn)行人臉特征提取，提取出人眼長寬、眼間距、眼睛位置等數(shù)據(jù)。提取出一部分的數(shù)據(jù)進(jìn)入基于SVM的訓(xùn)練模型中進(jìn)行訓(xùn)練，找出最優(yōu)的分類模型，再將另一部分?jǐn)?shù)據(jù)代入到分類模型中進(jìn)行檢測，如果結(jié)果誤差在人為規(guī)定的誤差范圍內(nèi)，則采用此分類器對新的數(shù)據(jù)進(jìn)行分析，最后將分類結(jié)果顯示出來。

2結(jié)論

本文對學(xué)生課堂狀態(tài)識別系統(tǒng)中的系統(tǒng)的架構(gòu)、流程和所用到的技術(shù)點(diǎn)進(jìn)行了簡要的論述。通過智能攝像頭采集到的學(xué)生上課過程中的圖片進(jìn)行存儲、處理和分析，從而實(shí)現(xiàn)對學(xué)生課堂狀態(tài)的分類和識別。大數(shù)據(jù)的各項(xiàng)技術(shù)都具有實(shí)用性強(qiáng)的特點(diǎn)，在各領(lǐng)域中都有普遍的應(yīng)用，但在教育領(lǐng)域上稍有薄弱。學(xué)生課堂狀態(tài)的數(shù)據(jù)具有相當(dāng)寶貴的挖掘價值，需要更進(jìn)一步的探索和分析。隨著大數(shù)據(jù)技術(shù)的不斷進(jìn)步，并結(jié)合教育領(lǐng)域進(jìn)行新的研發(fā)，無疑打破了原有的教育觀念，極大的推進(jìn)了教育事業(yè)的發(fā)展。

參考文獻(xiàn)

[1] 周曉慶，周智勇，高江錦，肖建瓊，羅興賢.基于Hadoop的海量圖片存儲平臺的設(shè)計(jì)與開發(fā)[J].電腦知識與技術(shù)，2018，14（17）：135-137.

[2] 李榮崗.基于支持向量機(jī)的嫌疑人特征預(yù)測算法及分布式實(shí)現(xiàn)[D].合肥：合肥工業(yè)大學(xué)，2017.

[3] 柴曉麗.大數(shù)據(jù)環(huán)境下人臉識別技術(shù)在智能監(jiān)控系統(tǒng)中的運(yùn)用分析[J].電視技術(shù)，2018，42（07）：38-42.

[4] 李歡歡.人臉識別技術(shù)在高校管理中的系統(tǒng)設(shè)計(jì)與應(yīng)用[J].電子技術(shù)與軟件工程，2018（21）：120-121.

[5] 李忠偉.支持向量機(jī)學(xué)習(xí)算法研究[D].哈爾濱：哈爾濱工程大學(xué)，2006.