基于深度学习的人脸识别技术在教学管理中的应用研究

【摘要】：本论文主要探讨如何使用深度学习神经网络中的卷积神经网络通过实时摄像的方式持续性的观察学生的学习状态,用以提供给教师进行教学管理。以往传统的人脸识别是通过几何的方式去锁定人脸五官的位置,容易受到遮蔽而造成识别效果不佳。传统的人脸识别除了需要正面面对摄像头外,还必须清楚呈现五官的位置。而在实际课堂上,学生的脸部可能会因各种原因造成遮蔽,无法准确地进行持续性的识别。因此,本研究使用一种通过提取影像特征用于图像识别的卷积神经网络,进行学生人脸的识别。但由于通过单一摄像头拍摄,难以识别所有的学生,且容易把背景的特征也识别进去而造成误判。因此本研究使用Faster R-CNN对画面中的人脸影像进行截取,再通过人脸识别模型进行训练。除了可以让一张画面中的多位学生进行身份识别,更能够排除掉不必要的背景。本研究所训练的人脸身份识别模型经测试后准确率高达99%,测试损失值为0.0278137。而除了画面中的学生身份识别外,本研究更通过情绪识别模型去分析其上课时的情绪并记录进行统计,从而了解学生上课时的心情。最终,通过WebSocket传递参数驱动识别,并以FLUX架构建立一套在线教学管理系统。本论文的研究重点一是设计使用Faster R-CNN基于区域建议网络的人脸识别模型,二是对研究数据的处理,包括参数设定、样本采集和样本处理。通过前期人脸识别模型的创建,实现跨平台的系统建置,以及得出训练结果,最后将结果通过网页的形式呈现出来,供教师进行教学管理评量的用途。