桂林理工大学

详情

基于opencv和face_recognition对于人脸识别对学习状态的研究

申报人：陈鸿俊 申报日期：2025-01-08

基本情况

2025年批次
基于opencv和face_recognition对于人脸识别对学习状态的研究 学生申报
创新训练项目
工学
计算机类
学生来源于教师科研项目选题
一年期
由于科技的发展，当代对人脸识别技术不断创新，并将其运用各个领域。本项目将以教育行业为例，在志愿者模拟上课听讲条件下进行模拟实验，通过人脸识别获取志愿者人脸面部朝向图片，进行人脸关键点检测（眼睛，鼻子，嘴巴），并进行特征提取，进一步计算实验中的抬头率，研究与分析学习过程中抬头率和学习质量的关系与规律。
无
参与5项国家、省部级科研项目。主持一项广西中青年教师基础能力提升项目以及一项区重点实验室项目。授权发明专利或实用新型两项，登记软件计算机著作权8项。发表十余篇科技论文，其中以一作或者通讯作者在《Materials and Structures》、《Soft Computing》以及《Interactive Learning Environments》等国际期刊发表SCI和SSCI检索论文4篇。编著《ANSYS有限元分析与工程应用》一书。
支持
校级

项目成员

序号 学生 所属学院 专业 年级 项目中的分工 成员类型
陈鸿俊 土木工程学院 智能建造 2023 程序设计
韦丹妮 商学院 人力资源管理 2023 论文撰写
陈玉强 土木工程学院 智能建造 2023 算法设计

指导教师

序号 教师姓名 所属学院 是否企业导师 教师类型
蒋春松 土木工程学院 否

立项依据

能够精确识别画面中人物的动作，包括是否低头、转头以及是否正视前方，从而有效地评估和获取目标学生的学习状态。这种技术为监测学生的学习参与度和专注度提供了有力的工具。
 open CV
face_recognition
在国内学术界，基于OpenCV和face_recognition等先进的视觉处理库，研究者们已经开展了一系列关于人脸识别技术的研究和实证调查。这些研究不仅涉及基础算法的优化，还包括了在实际应用场景中的性能评估，如监控、安全检查和身份验证等。与此同时，国际上的研究团队在人脸识别技术上也取得了突破性的进展，特别是在深度学习和机器学习算法的应用上，极大地提升了识别的准确性和效率。
目前，全球范围内的研究动态主要聚焦于两个核心方向：一是提高人脸识别的快速性，以满足实时监控和快速响应的需求；二是提升识别的准确度，以减少误识别的可能性，确保系统的可靠性。除了技术层面的研究，人脸识别技术的应用研究也越来越多地偏向于人文方向。这包括但不限于探讨人脸识别技术在教育领域的应用，如通过分析学生的面部表情和行为来评估学习状态；在心理学领域的应用，如通过面部表情识别情绪变化；以及在法律和社会治理中的伦理问题，如隐私保护、数据安全和算法偏见等。这些研究不仅推动了技术的进步，也引发了关于技术与社会互动的深入思考。
借助计算机视觉和深度学习算法，系统能够迅速捕捉并分析图像或视频流中的人脸特征，从而高效地识别用户的低头行为。通过精确估计面部的朝向，并检测头部与水平线的角度，系统可以即时判断用户是否处于低头状态，并据此做出相应的反馈和调整。这种技术的应用不仅提升了交互的效率，还减少了误识别的可能性，为用户提供了一种更加智能和人性化的体验。
技术路线 refined:
为了构建一个先进的实时抬头率监测系统，我们制定了以下精细化的技术实施计划：
数据采集阶段：部署高清摄像设备以捕捉志愿者的面部朝向图像，确保所采集的图像具备高分辨率和准确性，为后续分析提供高质量的数据基础。
技术平台构建：采用Python语言，结合最新的机器学习和图像处理库，搭建一个稳健的技术平台，为图像的深度分析和人脸识别朝向的计算提供强有力的技术支撑。
拟解决的问题 refined:
在实施过程中，我们面临以下挑战：
极端姿态识别：在侧脸90度等极端姿态下，面部图像信息量减少，识别难度增加。
光照和遮挡影响：不同光照条件下的图像差异以及眼镜、口罩、帽子等遮挡物对识别准确性的影响。
图像质量：摄像设备的拍摄质量直接关系到识别结果的准确性。
为了克服这些挑战，我们将采取系统性检测措施，增强数据预处理能力，对遮挡部分进行智能补全或适当忽略，以减少对识别结果的干扰。
预期结果 refined:
我们期望通过以下成果，为教育领域提供有价值的参考：
实时抬头率计算：在模拟上课环境中，通过计算机对高清视频进行实时分析，计算每位志愿者的抬头率。
学习质量关联分析：通过随堂测试，探究抬头率与学习质量之间的相关性。
综合建议提出：结合实验数据与志愿者的主观反馈，提出针对性的改进建议，以供教育工作者和相关领域人士参考，从而优化教学方法和提升学习效果。
初步阶段（2024年12月-2025年1月）：在此阶段，我们将开展以下工作：
文献调研：系统性地查阅相关领域的学术文献，为研究提供理论支持和前期准备。
数据采集：组织志愿者在不同时间姿态条件下进行拍照，收集一系列面部朝向的图片材料。
数据分组：根据面部朝向的不同，将图片分为向前、向左、向右、向上和向下五个类别，为后续分析打下基础。
中期阶段（2025年2月-2025年8月）：本阶段的主要任务包括：
样本容量设定：确定合适的样本容量，确保实验结果的可靠性和有效性。
模拟实验：利用计算机进行模拟实验，对采集到的数据进行处理和分析。
实验分析：对实验结果进行系统性分析，以揭示面部朝向与抬头率之间的关系。
上课模拟实验：与志愿者一起进行上课模拟实验，通过视频记录不同时间点的面部朝向和姿态，并计算抬头率。
关系探究：探讨抬头率与学习质量之间的潜在联系。
后期阶段（2025年9月-2025年12月）：在研究的最后阶段，我们将：
数据处理：对收集到的数据进行详细处理，确保结果的精确性和可解释性。
反思总结：对整个研究过程进行反思和总结，提炼关键发现和经验教训。
成果发表：撰写并发表学术论文，分享研究成果，为教育领域提供新的见解。
项目结题：完成项目结题报告，标志着研究项目的圆满结束。
我们已经成功收集了志愿者提供的丰富照片材料，并且在此基础上，获得了坚实的学术支撑。此外，我们已顺利完成了计算机技术平台的初步搭建，为后续的数据处理和分析奠定了坚实的基础。目前，技术框架已经搭建完毕，具备了进一步开发和优化研究的条件。
在当前的研究进展中，我们识别出两项关键设备的性能瓶颈：摄像头的清晰度以及CPU的处理能力。为了提升数据采集的准确性和加快数据处理速度，确保研究结果的精确性与效率，我们计划对现有设备进行升级

经费预算

开支科目 预算经费（元） 主要用途 阶段下达经费计划（元）
前半阶段 后半阶段
预算经费总额 5600.00 无 5400.00 200.00
1. 业务费 1500.00 无 1300.00 200.00
（1）计算、分析、测试费 1000.00 图像模型分析 1000.00 0.00
（2）能源动力费 0.00 无 0.00 0.00
（3）会议、差旅费 500.00 交通费用 300.00 200.00
（4）文献检索费 0.00 无 0.00 0.00
（5）论文出版费 0.00 无 0.00 0.00
2. 仪器设备购置费 4000.00 购置设备 4000.00 0.00
3. 实验装置试制费 0.00 无 0.00 0.00
4. 材料费 100.00 项目材料采购 100.00 0.00
结束

用户单位： 桂林理工大学        

版权所有： 南京先极科技有限公司