智能物流機(jī)器人的圖像識別技術(shù)在課堂中的應(yīng)用

蘇敏

（天津鐵道職業(yè)技術(shù)學(xué)院，天津300143）

1 概述

作為新一輪社會改革的核心動(dòng)力，人工智能正在對全球經(jīng)濟(jì)，社會進(jìn)步和人類生活產(chǎn)生深遠(yuǎn)影響。在中國，人工智能是目前最熱門的投資領(lǐng)域，也是中國政府最關(guān)注的領(lǐng)域之一。本文將主要研究學(xué)院購置的智能物流機(jī)器人計(jì)算機(jī)視覺方面內(nèi)容，智能物流機(jī)器人可運(yùn)行人工智能圖像識別相關(guān)算法，可以識別停止，轉(zhuǎn)彎，球體等物體。具有對物體識別的智能，并且可以對顏色進(jìn)行判別。本文將對機(jī)器人的圖像識別算法進(jìn)行研究，通過Adaboost 算法用于檢測圖像中的面部，執(zhí)行特征提取并使用模糊推理方法來確定學(xué)生是否專注于學(xué)習(xí)。通過分析當(dāng)前學(xué)生的表情變化，建立數(shù)據(jù)采集樣本集，進(jìn)而對學(xué)生課堂學(xué)習(xí)專注度進(jìn)行分析統(tǒng)計(jì)，并將學(xué)生專注度結(jié)果反饋給智能物流機(jī)器人。結(jié)果表明，通過對物流機(jī)器人相關(guān)算法內(nèi)容的研究，智能物流機(jī)器人“專注度分析”功能，應(yīng)用到了鐵道信號、計(jì)算機(jī)網(wǎng)絡(luò)、通信技術(shù)等專業(yè)中，監(jiān)督學(xué)生的聽課專注度，起到了教學(xué)輔助的作用。有利于提高教師授課水平，也有利于及時(shí)提醒學(xué)生，提高學(xué)習(xí)專注度，從而較好的提升了課堂學(xué)習(xí)效果。

圖1 智能物流機(jī)器人

2 人臉識別方法研究現(xiàn)狀

人臉識別是一種基于人臉特征信息的生物識別技術(shù)。人臉識別技術(shù)是跨學(xué)科領(lǐng)域的人工智能技術(shù)之一，包括多學(xué)科的專業(yè)知識，例如數(shù)字圖像處理，模式識別，生理學(xué)，心理學(xué)和大數(shù)據(jù)處理。從20 世紀(jì)下半葉開始，計(jì)算機(jī)視覺技術(shù)逐漸發(fā)展和壯大。隨著數(shù)字圖像逐漸成為當(dāng)代社會的重要信息來源，計(jì)算機(jī)視覺相關(guān)技術(shù)的創(chuàng)新頻率也在增加。計(jì)算機(jī)視覺技術(shù)被廣泛使用。數(shù)字圖像檢索管理，智能車牌識別，文本識別技術(shù)，醫(yī)學(xué)圖像分析，智能安全檢查，人機(jī)交互等領(lǐng)域主要使用計(jì)算機(jī)視覺技術(shù)。這也是人工智能技術(shù)的重要組成部分，并且是當(dāng)今計(jì)算機(jī)科學(xué)研究領(lǐng)域的前沿領(lǐng)域。計(jì)算機(jī)圖形學(xué)，信息論，語義學(xué)以及其他學(xué)科和技術(shù)的交叉應(yīng)用導(dǎo)致了社會的更大發(fā)展。其中，面部檢測和識別是當(dāng)前在圖像處理，模式識別和計(jì)算機(jī)視覺中的熱門研究主題。在人臉識別技術(shù)研究領(lǐng)域，目前有幾個(gè)研究方向：第一，根據(jù)人臉特征統(tǒng)計(jì)的識別方法，主要涉及特征臉方法和隱馬爾可夫模型（HMM，Hydenden Markov Model），基于幾何特征等的方法；第二，關(guān)于連接機(jī)制，主要涉及基于深度學(xué)習(xí)的方法和支持向量機(jī)方法（SVM，Support Vector Machine）等；第三，整合多種識別方法的方法。

本文利用深度學(xué)習(xí)的方法進(jìn)行人臉識別并對學(xué)生課堂的表情進(jìn)行量化分析，為課堂學(xué)習(xí)效果提供更加直觀的評價(jià)指標(biāo)。

3 基于深度學(xué)習(xí)的人臉識別算法

我們使用的Adaboost 人臉識別算法是一種機(jī)器訓(xùn)練學(xué)習(xí)算法，可通過機(jī)器學(xué)習(xí)實(shí)現(xiàn)精確的人臉定位，并且可以通過有效的級聯(lián)來定位臉部的眼睛，嘴巴和鼻子部分，因此訓(xùn)練精度很高。實(shí)時(shí)性能更好。該過程分為四個(gè)部分：

第一部分：首先通過物流機(jī)器人采集人臉照片樣本集，并導(dǎo)入，然后使用Haar-like 矩形特征來檢測人臉的明顯特征。

第二部分：我們首先將檢測到的特征值輸入到不難檢測的弱分類器中，然后Adaboost 算法將根據(jù)面部特征及其對應(yīng)的特征自動(dòng)選擇一些具有強(qiáng)分類能力的弱分類器，訓(xùn)練分類的內(nèi)容和能力會自動(dòng)調(diào)整參數(shù)。當(dāng)弱分類器不滿足分類要求時(shí)，將根據(jù)調(diào)整后的相應(yīng)權(quán)重參數(shù)以一定的方式將選擇的弱分類器迭代級聯(lián)，并根據(jù)實(shí)際需要對這些弱分類器進(jìn)行重組組合，形成強(qiáng)分類器。

第三部分：根據(jù)Adaboost 算法訓(xùn)練分類器檢測識別出人臉、人眼、和嘴巴的狀態(tài)，并進(jìn)行狀態(tài)的分析。眼睛狀態(tài)分為閉眼和睜眼，嘴巴狀態(tài)根據(jù)嘴巴張開的程度分為打哈欠狀態(tài)、說話狀態(tài)、嘴巴閉合狀態(tài)。

第四部分：根據(jù)眼睛和嘴巴的狀態(tài)綜合判斷學(xué)生的注意力類型：本文使用提取出的同一像素圖像的四組數(shù)據(jù)信息，[眼睛高度，眼睛寬度，嘴巴高度，嘴巴寬度]，通過分析發(fā)現(xiàn)若學(xué)生學(xué)習(xí)集中度較高，此時(shí)眼高值將大于統(tǒng)計(jì)平均眼高值，或者在眼高平均值的原始狀態(tài)下眼高值變?yōu)檩^大的值。這時(shí)，嘴通常是閉合的或稍微張開的，即嘴的狀態(tài)值為0；否則，嘴的狀態(tài)值為0。當(dāng)濃度低時(shí)，眼睛的高度通常趨向于0，或者眼睛本來是張開的或正常的，但是眼睛的高度值變?yōu)檩^小的值，而嘴部的高度值通常較大。

圖2 Adaboost 算法實(shí)現(xiàn)專注度識別流程圖

實(shí)驗(yàn)中，設(shè)置物流機(jī)器人每隔一秒抓拍一次表情圖片，然后對照片識別后進(jìn)行分析，分析過程如下：

（1）如果連續(xù)20 次取樣都拍不到人臉圖像，則說明此時(shí)無人處于學(xué)習(xí)狀態(tài)。

（2）如果機(jī)器人連續(xù)抓拍到人臉，則繼續(xù)進(jìn)行人眼檢測和嘴巴檢測，如果檢測過程中發(fā)現(xiàn)連續(xù)多次檢測到的均為眼睛高度值為0 的圖像，并且在多次檢測中發(fā)現(xiàn)某張照片嘴巴多次高度值較大圖片，則可判學(xué)生處于不太專注狀態(tài)；如果在檢測過程中發(fā)現(xiàn)連續(xù)被多次檢測的圖像均為眼睛高度值較大的狀態(tài)圖像，并且檢測到嘴巴高度值為0 圖片，則可判學(xué)生處于比較專注狀態(tài)；如果檢測過程中發(fā)現(xiàn)連續(xù)多次檢測到的眼睛高度值較大的圖像，或者是檢測到嘴巴高度值趨于0 的圖片，則可判學(xué)生處于一般專注狀態(tài)。

我們隨機(jī)挑選20 位同學(xué)的的300 張同像素表情圖像，共包含比較專注、一般專注、不太專注三種表情圖像各100 張，通過本文的方法，對學(xué)生的表情進(jìn)行區(qū)分，然后計(jì)算出學(xué)生表情的識別準(zhǔn)確率。三種學(xué)習(xí)表達(dá)式的識別結(jié)果的統(tǒng)計(jì)量和準(zhǔn)確率如表1 所示。

表1 學(xué)習(xí)表情的識別結(jié)果統(tǒng)計(jì)和準(zhǔn)確率

通過本文，研究了一種根據(jù)面部表情變化對學(xué)習(xí)表情進(jìn)行分類的算法，提取了學(xué)習(xí)表情變化明顯的面部表情特征數(shù)據(jù)。使用基于Adaboost 人臉識別算法對學(xué)生表情進(jìn)行分析。通過實(shí)驗(yàn)證明本文方法取得了較好的識別效果。

4 結(jié)論

本文通過智能物流機(jī)器人中圖像識別模塊采用的Adaboost人臉檢測算法對圖片進(jìn)行人臉、眼睛、嘴巴的定位、通過對眼睛、嘴巴的狀態(tài)分析進(jìn)行學(xué)生專注狀態(tài)的判斷，進(jìn)而確定學(xué)生的注意力集中程度，通過分析發(fā)現(xiàn)，當(dāng)眼睛高度值趨于變大，嘴巴處于閉合或者微張狀態(tài)時(shí)，學(xué)生專注度較高，眼睛高度值趨于變小，嘴巴高度值和寬度值趨于變大時(shí)，學(xué)生專注度較低。通過對上述物流機(jī)器人相關(guān)算法內(nèi)容的研究，使其更好的在日常實(shí)訓(xùn)教學(xué)中發(fā)揮作用，將助力學(xué)院的職教改革，加深對智能物流機(jī)器人圖像識別能力的理解，使其能夠融入到鐵道信號、計(jì)算機(jī)網(wǎng)絡(luò)、高鐵通信等專業(yè)的技能競賽和日常實(shí)訓(xùn)教學(xué)中，與專業(yè)建設(shè)更加緊密。