基于大數(shù)據(jù)的學生課堂狀態(tài)識別系統(tǒng)

白松凡 高雅田 王佳帥

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

0引言

大數(shù)據(jù)技術(shù)的發(fā)展與應用，推動著各領域信息技術(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)計分析，導致學生課堂狀態(tài)只能靠人力管理，出現(xiàn)大量諸如學生聽課不認真，學習效率差的現(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。學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)境來進行存儲、統(tǒng)計、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，通過人臉識別技術(shù)提取出學生的面部特征，放入利用支持向量機所構(gòu)成的算法中進行訓練，從而提出一種新型且較為準確的識別學生課堂狀態(tài)的模型。最后借助可視化方法展現(xiàn)學生的課堂狀態(tài)。

1學生課堂狀態(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。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。從而導致無法自動化的從整個教室背景中檢測并定位學生的人臉區(qū)域。為了更好的提取出學生的面部信息，系統(tǒng)將對原有圖片進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，可以判斷出學生的面部朝向，進而分析出學生的課堂狀態(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、右四個邊緣點在面部的坐標并放到支持向量機模型中進行分類。

1.2系統(tǒng)框架設計

學生課堂狀態(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)的攝像機所采集的圖像信息進行圖像存儲、處理與分類，學生課堂狀態(tài)識別系統(tǒng)。系統(tǒng)包括基礎設施層、服務資源層以及系統(tǒng)應用層三部分。其中基礎設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、拍攝時間等設置。服務資源層主要由圖像存儲服務器、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)應用層是整個系統(tǒng)的核心，用于將存儲到服務器中的圖片進行處理、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、工作頻率等設定進行正常工作。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)的服務器中。根據(jù)識別系統(tǒng)中的需求進而選擇相應的圖片進入系統(tǒng)。系統(tǒng)首先會對圖片進行人臉檢測，將每張圖片裁剪成若干人臉圖片，之后對每張人臉圖片進行預處理。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)進入基于SVM的訓練模型中進行訓練，找出最優(yōu)的分類模型，再將另一部分數(shù)據(jù)代入到分類模型中進行檢測，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)進行分析，最后將分類結(jié)果顯示出來。

2結(jié)論

本文對學生課堂狀態(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)點進行了簡要的論述。通過智能攝像頭采集到的學生上課過程中的圖片進行存儲、處理和分析，從而實現(xiàn)對學生課堂狀態(tài)的分類和識別。大數(shù)據(jù)的各項技術(shù)都具有實用性強的特點，在各領域中都有普遍的應用，但在教育領域上稍有薄弱。學生課堂狀態(tài)的數(shù)據(jù)具有相當寶貴的挖掘價值，需要更進一步的探索和分析。隨著大數(shù)據(jù)技術(shù)的不斷進步，并結(jié)合教育領域進行新的研發(fā)，無疑打破了原有的教育觀念，極大的推進了教育事業(yè)的發(fā)展。

參考文獻

[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計與開發(fā)[J].電腦知識與技術(shù)，2018，14（17）：135-137.

[2] 李榮崗.基于支持向量機的嫌疑人特征預測算法及分布式實現(xiàn)[D].合肥：合肥工業(yè)大學，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)設計與應用[J].電子技術(shù)與軟件工程，2018（21）：120-121.

[5] 李忠偉.支持向量機學習算法研究[D].哈爾濱：哈爾濱工程大學，2006.