鄭鑫 袁萌 王宇 陳雪鋒

【摘 要】為了解決傳統(tǒng)課堂模式的問題，不可能將每個學(xué)生的情況數(shù)字化。系統(tǒng)使用B / S架構(gòu)將相關(guān)核心數(shù)據(jù)集中在服務(wù)器上。主要運用了物聯(lián)網(wǎng)技術(shù)、圖像識別和處理技術(shù)以及大數(shù)據(jù)分析技術(shù)，通過在高校的教室中安裝高清攝像頭，監(jiān)控課堂上學(xué)生上課時的畫面，對畫面進(jìn)行識別、處理及分析，并及時反饋給師生及教務(wù)主管部門，為了跟蹤學(xué)生的課堂狀態(tài)，以提高課堂教學(xué)效果。

【關(guān)鍵詞】人臉識別；數(shù)據(jù)分析；課堂點名

1 引言

相比于中學(xué)時期高強度的學(xué)習(xí)生活，高校生活輕松自在，時間自由度大，各種學(xué)生組織琳瑯滿目，本來應(yīng)該是學(xué)習(xí)的時候，打手機，睡覺，聊天都成了日常生活。該系統(tǒng)致力于提高課堂效率，并監(jiān)督學(xué)生完成每節(jié)課的任務(wù)。對于許多大學(xué)生來說，學(xué)習(xí)并不是一種樂趣，所以如果你想學(xué)好，你必須先學(xué)會痛苦。在學(xué)習(xí)過程中，你必須受慣性約束，學(xué)會接受自律或其他法律。自律如果做不到，就必須他律。他律就是規(guī)范，就是管理。

2 大學(xué)生上課質(zhì)量現(xiàn)狀分析

通過隨機在各大學(xué)調(diào)查發(fā)現(xiàn)，有80%的男生有過逃課經(jīng)歷，而女生中也有50%的人有過逃課經(jīng)歷，從逃課頻率來看，20%的同學(xué)經(jīng)常逃課。大學(xué)是人生一個很重要的階段，我們不能只顧觀賞風(fēng)景而忘記我們的任務(wù)是堅持奔跑。我們要始終堅信高科技能夠引領(lǐng)我們前進(jìn)，而不是倒退。

對許多大學(xué)生來說，學(xué)習(xí)不是一件享受的事情，所以要想學(xué)好，就必須先學(xué)會吃點苦，不能圖輕松。在學(xué)習(xí)過程中，就得對自己的惰性有所約束，學(xué)會接受自律或他律。自律如果做不到，就必須他律。他律就是規(guī)范，就是管理。

2.1 傳統(tǒng)視頻監(jiān)控系統(tǒng)的不足

目前，在教室里安裝監(jiān)控已經(jīng)非常普及，但是很難發(fā)揮出其除視頻記錄外的其他功能。大多數(shù)現(xiàn)有的視頻監(jiān)控系統(tǒng)通常以兩種方式使用監(jiān)控結(jié)果：

（1）記錄攝像機拍攝的視頻，并在發(fā)生意外事件時通過播放保存的視頻來觀察發(fā)生的事實。但這經(jīng)常為時已晚，不利于學(xué)校進(jìn)行預(yù)防和調(diào)整。

（2）將多個監(jiān)控畫面集中在一個監(jiān)控室內(nèi)，監(jiān)控觀察員同時觀看監(jiān)控室內(nèi)的幾十個屏幕。當(dāng)工作人員通過監(jiān)控發(fā)現(xiàn)異常時，將會手動通知安全人員進(jìn)行處理。但是，根據(jù)調(diào)查，一個人每小時可以集中精力超過20分鐘。另外，由于攝像機數(shù)量眾多，每個顯示器經(jīng)常依次顯示多個攝像機。因此，監(jiān)視器觀看每臺攝像機的平均時間小于每小時5分鐘，無法有效管理。由人工手動監(jiān)控的大量視頻數(shù)據(jù)成本高，效率非常低?？傊?，許多行業(yè)越來越需要與之配套的智能監(jiān)控系統(tǒng)。

2.2 智能視頻監(jiān)控系統(tǒng)的定義及其優(yōu)點

智能視頻監(jiān)控是利用計算機視覺，數(shù)字圖像處理和視頻圖像分析而無需人工干預(yù)。由攝像機捕獲的視頻圖像序列的自動分析使系統(tǒng)能夠識別和判斷場景中的行為。與傳統(tǒng)視頻監(jiān)控系統(tǒng)相比，智能視頻監(jiān)控系統(tǒng)具有許多優(yōu)勢：

（1）無限監(jiān)控。智能視頻監(jiān)控系統(tǒng)可以24小時無延遲監(jiān)控監(jiān)控圖像，自動分析，提高事件分析效率，及時反饋，及時查看。

（2）提升準(zhǔn)度。智能系統(tǒng)將調(diào)用各個模塊降低誤查以及漏查的概率。

總之，智能一直是計算機視覺研究的熱點之一，也是時代的必然發(fā)展。建立“智能教室”是提高教學(xué)質(zhì)量的新支點和新動力。傳統(tǒng)視頻監(jiān)控系統(tǒng)與人工智能相結(jié)合是時代潮流，因此開發(fā)課堂智能監(jiān)控技術(shù)勢在必行。

3 智能課堂監(jiān)控與分析系統(tǒng)設(shè)計

該系統(tǒng)中所采用的已經(jīng)是現(xiàn)在較為成熟的FBAEMD人臉識別算法進(jìn)行監(jiān)控畫面中對學(xué)生的人臉進(jìn)行識別分析。由于人人臉對象候選矩形獲取模塊包含的人臉最優(yōu)分類器訓(xùn)練模塊和人眼最優(yōu)分類器訓(xùn)練模塊其算法的核心思想相同。

3.1 人臉對象候選矩形模塊

人臉對象候選矩形獲取模塊包含 Adaboost 人臉最優(yōu)分類器訓(xùn)練模塊總體框架如圖所示。訓(xùn)練系統(tǒng)總體框架，由兩部分組成，

即“訓(xùn)練部分”和“補充部分”。以正負(fù)樣本集（如人臉樣本集和非人臉樣本集）為輸入，在給定的矩形特征原型下，計算并獲得矩形特征集；以上一步得到的矩形特征集為輸入，根據(jù)給定的弱學(xué)習(xí)算法，確定閾值，將每個矩形特征與一個弱分類器一一對應(yīng)，獲得弱分類器集，這樣每一個 Haar 特征都對應(yīng)著一個弱分類器；以上一步中訓(xùn)練得到的弱分類器集為輸入，以誤判率和訓(xùn)練檢出率為基礎(chǔ)，使用Adaboost 算法挑選最優(yōu)的 T 個弱分類器構(gòu)成強分類器；以上一步得到的強分類器集為輸入，將其組合為級聯(lián)分類器；以非學(xué)生人臉圖片集為輸入，組合強分類器為臨時的級聯(lián)分類器，篩選并補充非學(xué)生人臉樣本。

3.2 學(xué)生上課行為識別及評估模塊

狀態(tài)判斷程序：通過FBAE人臉識別算法，判斷學(xué)生面部朝向，根據(jù)角度分析學(xué)生的聽課狀態(tài)。每間隔5秒，算法自動運行一次，若學(xué)生面部對黑板X軸（水平軸）偏移角度不大于50度，且Y軸（豎直軸）偏移角度不大于30度，則判斷為“正在聽課”狀態(tài)，同時后臺開始計時，5秒后第二次判斷，計時累加，直到系統(tǒng)判斷出改學(xué)生面部的朝向已經(jīng)不符合“正在聽課”狀態(tài)的條件時，計時結(jié)束；同理，“不在聽課”狀態(tài)也如上所述判斷。

智能評估模塊將45分鐘的課程分為三個部分（每15分鐘一個部分），每個部分分別進(jìn)行評分。將每個時間間隔的講座效率設(shè)定為大于75，并且該比率大于50且小于75是好的。低于50的情況是講座的效率很差（講座的效率/仔細(xì)聆聽的人數(shù)或課程總數(shù)）。最后，根據(jù)分割得分，按照第一次前15分鐘，比例為30%，第二期中間時間為15%。在三個時期結(jié)束時，15分鐘占得分的30%，并評估每個班級的最終得分。一個時間段，兩個時間段和三個時間段的收聽率分別是X1，X2和X3。則最后評分= X3*30+ X2*40+ X3*30）。學(xué)?？梢愿鶕?jù)后面討論中的分析結(jié)果對每個班級進(jìn)行更為相關(guān)的評估，也可以作為評估的評估標(biāo)準(zhǔn)。本文重要的地方在于現(xiàn)代智能監(jiān)控系統(tǒng)在傳統(tǒng)教學(xué)應(yīng)該如何應(yīng)用，用于該系統(tǒng)的計算機視覺，圖像分析等相關(guān)技術(shù)也越來越受到各行各業(yè)的追捧。同時，可以在現(xiàn)有的教學(xué)的硬件基礎(chǔ)上進(jìn)行智能監(jiān)控系統(tǒng)的部署，降低成本，合理利用現(xiàn)有資源。向智能現(xiàn)代化教育更進(jìn)一步。

4 結(jié)論

課堂教學(xué)是素質(zhì)教育的主體，是教師和學(xué)生互動教學(xué)活動的直接體現(xiàn)。課堂行為動作監(jiān)控可以跟蹤學(xué)生在各個方向的學(xué)習(xí)情況。為教學(xué)質(zhì)量提供真實有效的依據(jù)。文中所介紹到的計算機視覺及圖像分析是現(xiàn)代最為流行的技術(shù)之一，所使用的場景也非常多，市場巨大。本文的研究和設(shè)計結(jié)果可為大學(xué)生行為管理提供有益的參考和借鑒。然而，在行為識別程序的實際應(yīng)用中，需要提高識別精度，并且需要進(jìn)一步的研究和改進(jìn)。

參考文獻(xiàn)：

[1] 白蕾，郭清菊.HTML5與CSS3的設(shè)計模式[J].智能計算機與應(yīng) 用，2015，6（2）：104-109.

[2] 黃健榮.梧州學(xué)院課堂教學(xué)質(zhì)量監(jiān)控系統(tǒng)的設(shè)計與實現(xiàn)[D].電子科技大學(xué)，2013.

[3] 李霞.校園視頻監(jiān)控系統(tǒng)的研究與實現(xiàn)[D].山東大學(xué)，2015.

[4] 袁國武.智能視頻監(jiān)控中的運動目標(biāo)檢測和跟蹤算法研究 [D].云南大學(xué)，2012.

[5] 王攀，李少波.基于膚色和FBLBP算法的人臉檢測[J].計算機 與發(fā)展，2017，27（1）：44-47.

[6] 王志一，楊大利.人臉識別中發(fā)型遮擋檢測方法研究[J].微型 機與應(yīng)用，2016，35（2）：32-34.

（作者單位：宿州學(xué)院）