基于人脸姿态识别的课堂学习状态反馈系统的设计与实现

摘要：

人脸识别技术是目前计算机视觉中的热门研究方向之一,已经被应用于很多领域."抬头率"已成为判断学生的专注程度、检验课堂教学效果的重要因素之一.设计开发了基于人脸姿态识别的学生课堂学习状态反馈系统,完成了人脸数据集的采集、制作与训练,并增加了YOLOv5s训练模型的深度和宽度,在保证其速度的前提下提升了识别的准确度.在此基础上,将识别参数Conf与IOU的阈值调整到适当值,使识别结果更加清晰.实验结果表明:改进之后的识别系统在不影响速度的同时提高了识别的准确度;较暗环境下的人脸识别准确度可以达到0.887,能快速识别出学生课堂的学习状态,符合课堂教学实时监测要求;对于有遮挡的人脸识别,其准确度也可以达到0.5以上,满足特殊情况下的人脸识别需求.

关键词：人脸识别、人脸数据集、模型深度、模型宽度、抬头率

所属期刊栏目：40

分类号：TP391(计算技术、计算机技术)

资助基金：辽宁省教育厅科学研究经费项目LFW202003

在线出版日期：2022-07-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：127-132