基于人脸识别的智能督学辅助系统研究与设计

颜 菱，黄志成

（广东女子职业技术学院，广东广州 511450）

0 引言

大众生活随着计算机和通信网络的高速发展，被悄然改变，获取知识的学习方式不再单一局限于线下的开班授课，而是有了更多的选择——网课。2020年新型冠状病毒的爆发，更是加速推进了全民上网课的进程，通过网络学习［1］不仅突破了时间、空间等限制，还拥有了灵活、自主和多样等优势。然而，如何监控学生在摄像头前的学习状态［2］，提高网课的教学质量，成为网络课程平台、软件亟待解决的问题。如今，人脸识别技术被广泛应用于生活的方方面面，门禁、高铁进站和移动支付等［3-4］，“刷脸”成为这个时代的标签。人脸识别是一种生物识别技术，基于人的脸部特征信息进行身份识别，通过摄像头采集人脸图像，能够高效、智能识别人脸。

为解决管理者对学习者线上学习的学习状态监控问题，文章引入人脸识别技术，提出基于人脸平面及三维旋转角度和眼睛闭合状态等数据进行识别的智能督学辅助系统。

1 研究意义

1.1 网络课程开启新型教学模式

网络课程即通过某种教学平台或软件在网络上进行的远程课程。课程形式主要分为录播课程和直播课程。录播课程的网络教学比起传统教学，打破了在时间上、空间上、受教育年龄、环境等各方面的限制，给予、满足了社会更多人群选择丰富良好教育资源的机会和需求，最大化了教育资源的利用率。而网络直播课程则有效应对了由于突发事件，诸如出现严重疫情时，校园和教育机构无法正常开展线下课程的情况。当网络课程的学习正在被越来越多的高校和教育机构所应用，说明了网络课程作为新兴的教学模式，今后与传统教学模式相辅相成，将成为重要的教学模式之一。

1.2 网络课程的弊端

在网络课程的广泛应用过程中，网络学习具有优点的同时，也出现一些问题。网络学习的过程需要受到一定约束，获取知识的过程更需要一定的控制，这种约束力和控制力一方面来自自我意识的控制，譬如制定学习计划。另一方面则来自老师、家长或者上级的命令、任务、监督等，两者之间相互依存且相互制约。传统的教学课堂通常是受后者，也称作外部控制的约束更多；而网络课堂，则更多靠自身的控制，对学生自制力有非常高的要求。然而有调查表明，大多数学生的自我控制能力并不高，因此，在网络教学过程中，如何实现有效的监控和督促，是提高网络课程质量的关键。

1.3 基于人脸识别技术解决方案

为解决以上问题，本文设计、开发了基于人脸识别智能督学系统。系统每间隔一段时间利用摄像头采集学生人脸，根据采集到的图像分析学生当前人脸左右、俯仰、平面旋转角度和眼睛的开合程度，对比实验采集的数据判断学生当前学习专注度，发出相应的提示警告以起到外部监督作用。人脸识别的底层技术实现主要包含图像预处理、人脸检测和人脸识别三大模块［5］。

（1）图像预处理：摄像头采集图像时可能会受光照强度、环境条件等客观因素的影响，导致图像出现模糊、失真等问题。为提高人脸识别精确度，系统首先会对图像进行灰度化、直方图均衡化、噪声去除等预处理。

（2）人脸检测：采取Adaboost［6］级联分类器检测人脸，通过迭代训练出若干个弱分类器，集成效果较好弱分类器为强分类器，经加权投票级联强分类器形成最终分类器。能够准确有效地识别选取图像人脸。

（3）人脸识别：人脸识别首先将人脸检测出来的人脸与其注册的人脸作对比，确认是否为注册者本人，防止代课行为。其次每间隔一段时间，捕捉人脸，通过分析人脸头部三维旋转角度与眼睛闭合程度，判断脸部专注度，分析结果反馈到系统界面，并做出相应的提示警告。

2 人脸识别技术原理

智能督学系统基于人工智能领域的人脸识别技术，系统技术架构自下而上分为底层API、接口API和应用程序3个层面，如图1所示。

图1 人脸识别技术架构示意

底层API是人脸识别技术的底层实现，涉及软件和硬件，尤其是各类算法模型技术等。CPU 和GPU的性能，决定了人脸识别的速度。当CPU 和GPU 的性能越强，人脸识别的速度就越快。云计算是一种分布式计算，利用大规模计算机集群，能够在短时间内完成数据的处理，提供强大的计算服务。人脸识别另一个关键是算法，通过建立数学模型，不断优化深度学习算法，结合视觉技术，使得人脸识别技术达到商用标准。

接口API 实现对底层API 的封装，包括一些常用的摄像头调用API、网络API 和JsonAPI，向上提供人脸识别API的高层调用，是系统的核心功能接口。

3 系统设计与实现

3.1 系统运行流程设计

系统原型基于window平台，采用C#语言编写，UI界面使用winform进行设计。底层使用百度人脸识别API［7］，实现核心功能。系统运行流程如图2所示。

图2 系统运行流程示意

用户激活人脸识别智能督学系统后，人脸识别智能督学系统前端界面调用摄像头，进入界面即人脸识别身份验证，验证通过则启动监控。首次使用则要求对人脸进行注册，方能开启监控。每间隔一段时间，对用户脸部进行抓拍，经过一系列的图像预处理传入人脸检测模块标记出位置信息，进入人脸识别模块提取特征，与后端数据库比对、并分析学习行为姿态。分析结果上传至云端服务器：一方面，前端界面根据结果，对用户进行相关督学反馈；另一方面教师、家长也可以通过移动端查询到分析结果，随时了解学生、孩子的学习情况。

此外，本系统还设计了使用摄像头的权限，每次使用督学系统时，只有用户手动连接摄像头，才能开始监控，因此能够有效地保护用户隐私。

3.2 系统实现

本系统使用百度人脸识别技术，实现对学习者头部和人脸识别，达到学习者监控的目的。使用带摄像头的电脑启动本系统，激活摄像头后，调用摄像头API 定期抓拍学习者的头部和人脸，然后进行人脸识别，获取人脸的旋转角度、表情及双眼状态的参数。根据参数值判别学习者当前是否在关注屏幕，从而发出督学的提醒或指示。系统界面如图3 所示。经过测试，管理者可对学习者实施有效监控，实现智能督学。

4 结语

文章通过对网络学习的研究，有针对性地提出解决网络学习中监控力不足而导致的教学质量低下的方案。展开阐述了基于人脸识别的智能督学辅助系统的设计及其实现。实际应用过程中，人脸识别率高，能够有效起到课堂监督的作用。同时，系统也存在不足，未能实现采集动态视频流数据，单从静态的人脸图像数据做出分析；专注度判断准则也仅是通过头部旋转角度和眼睛闭合程度为依据。今后如何实现采集动态人脸数据和丰富专注度判断准则是进一步的研究方向。

图3 系统原型界面