基于人臉識別的智能督學輔助系統研究與設計

顏 菱，黃志成

（廣東女子職業技術學院，廣東廣州 511450）

0 引言

大眾生活隨著計算機和通信網絡的高速發展，被悄然改變，獲取知識的學習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——網課。2020年新型冠狀病毒的爆發，更是加速推進了全民上網課的進程，通過網絡學習［1］不僅突破了時間、空間等限制，還擁有了靈活、自主和多樣等優勢。然而，如何監控學生在攝像頭前的學習狀態［2］，提高網課的教學質量，成為網絡課程平臺、軟件亟待解決的問題。如今，人臉識別技術被廣泛應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，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。

為解決管理者對學習者線上學習的學習狀態監控問題，文章引入人臉識別技術，提出基于人臉平面及三維旋轉角度和眼睛閉合狀態等數據進行識別的智能督學輔助系統。

1 研究意義

1.1 網絡課程開啟新型教學模式

網絡課程即通過某種教學平臺或軟件在網絡上進行的遠程課程。課程形式主要分為錄播課程和直播課程。錄播課程的網絡教學比起傳統教學，打破了在時間上、空間上、受教育年齡、環境等各方面的限制，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。而網絡直播課程則有效應對了由于突發事件，諸如出現嚴重疫情時，校園和教育機構無法正常開展線下課程的情況。當網絡課程的學習正在被越來越多的高校和教育機構所應用，說明了網絡課程作為新興的教學模式，今后與傳統教學模式相輔相成，將成為重要的教學模式之一。

1.2 網絡課程的弊端

在網絡課程的廣泛應用過程中，網絡學習具有優點的同時，也出現一些問題。網絡學習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，譬如制定學習計劃。另一方面則來自老師、家長或者上級的命令、任務、監督等，兩者之間相互依存且相互制約。傳統的教學課堂通常是受后者，也稱作外部控制的約束更多；而網絡課堂，則更多靠自身的控制，對學生自制力有非常高的要求。然而有調查表明，大多數學生的自我控制能力并不高，因此，在網絡教學過程中，如何實現有效的監控和督促，是提高網絡課程質量的關鍵。

1.3 基于人臉識別技術解決方案

為解決以上問題，本文設計、開發了基于人臉識別智能督學系統。系統每間隔一段時間利用攝像頭采集學生人臉，根據采集到的圖像分析學生當前人臉左右、俯仰、平面旋轉角度和眼睛的開合程度，對比實驗采集的數據判斷學生當前學習專注度，發出相應的提示警告以起到外部監督作用。人臉識別的底層技術實現主要包含圖像預處理、人臉檢測和人臉識別三大模塊［5］。

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

（2）人臉檢測：采取Adaboost［6］級聯分類器檢測人臉，通過迭代訓練出若干個弱分類器，集成效果較好弱分類器為強分類器，經加權投票級聯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角度與眼睛閉合程度，判斷臉部專注度，分析結果反饋到系統界面，并做出相應的提示警告。

2 人臉識別技術原理

智能督學系統基于人工智能領域的人臉識別技術，系統技術架構自下而上分為底層API、接口API和應用程序3個層面，如圖1所示。

圖1 人臉識別技術架構示意

底層API是人臉識別技術的底層實現，涉及軟件和硬件，尤其是各類算法模型技術等。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，利用大規模計算機集群，能夠在短時間內完成數據的處理，提供強大的計算服務。人臉識別另一個關鍵是算法，通過建立數學模型，不斷優化深度學習算法，結合視覺技術，使得人臉識別技術達到商用標準。

接口API 實現對底層API 的封裝，包括一些常用的攝像頭調用API、網絡API 和JsonAPI，向上提供人臉識別API的高層調用，是系統的核心功能接口。

3 系統設計與實現

3.1 系統運行流程設計

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

圖2 系統運行流程示意

用戶激活人臉識別智能督學系統后，人臉識別智能督學系統前端界面調用攝像頭，進入界面即人臉識別身份驗證，驗證通過則啟動監控。首次使用則要求對人臉進行注冊，方能開啟監控。每間隔一段時間，對用戶臉部進行抓拍，經過一系列的圖像預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，與后端數據庫比對、并分析學習行為姿態。分析結果上傳至云端服務器：一方面，前端界面根據結果，對用戶進行相關督學反饋；另一方面教師、家長也可以通過移動端查詢到分析結果，隨時了解學生、孩子的學習情況。

此外，本系統還設計了使用攝像頭的權限，每次使用督學系統時，只有用戶手動連接攝像頭，才能開始監控，因此能夠有效地保護用戶隱私。

3.2 系統實現

本系統使用百度人臉識別技術，實現對學習者頭部和人臉識別，達到學習者監控的目的。使用帶攝像頭的電腦啟動本系統，激活攝像頭后，調用攝像頭API 定期抓拍學習者的頭部和人臉，然后進行人臉識別，獲取人臉的旋轉角度、表情及雙眼狀態的參數。根據參數值判別學習者當前是否在關注屏幕，從而發出督學的提醒或指示。系統界面如圖3 所示。經過測試，管理者可對學習者實施有效監控，實現智能督學。

4 結語

文章通過對網絡學習的研究，有針對性地提出解決網絡學習中監控力不足而導致的教學質量低下的方案。展開闡述了基于人臉識別的智能督學輔助系統的設計及其實現。實際應用過程中，人臉識別率高，能夠有效起到課堂監督的作用。同時，系統也存在不足，未能實現采集動態視頻流數據，單從靜態的人臉圖像數據做出分析；專注度判斷準則也僅是通過頭部旋轉角度和眼睛閉合程度為依據。今后如何實現采集動態人臉數據和豐富專注度判斷準則是進一步的研究方向。

圖3 系統原型界面