热门标签:写本科论文 写作发表 工程师论文 写一篇论文多少钱

当前位置: 论文多少钱 > 计算机论文 > 智慧教室学生状态检测系统的设计分析

智慧教室学生状态检测系统的设计分析

时间:2021-11-11作者:周国雄 李家永 朱俊杰
本文导读:这是一篇关于智慧教室学生状态检测系统的设计分析的文章,在人工智能等“互联网+”创新技术快速发展的情况下,课堂教学的管理方式也开始趋向于信息化、智能化和一体化发展。课堂教学中充分使用信息化管理系统会较大程度提高教育资源的利用率,是课堂教育多元化和丰富化的重

  摘    要: 文章在智能签到的基础上增加对学生状态的检测,设计一种智慧教室学生状态检测系统。首先,使用多线程并发快速处理数据和降维比对的人脸识别来提升检测速度;其次,通过质量检测和图像增强对待检测的图片进行预处理,以提高识别率,并运用状态检测算法对学生的状态进行检测,同时根据缺勤次数和课堂违纪次数,提出基于C4.5机器学习算法的学生预警;最后,为直观形象地检测学生的学习状态,实现数据可视化,在Web端和APP教师端能实时了解学生的学习状态,采用多层次模糊评价法得出学生课堂专注度。运行结果表明,该系统能较好地实时检测学生状态,及时得到课堂专注度数据,提升高校课堂教学的科学性、现代化与信息化水平。

  关键词 :     学生状态检测;智慧教室;专注度评价;数据处理;人脸识别;图片预处理;

  Abstract: On the basis of intelligent check-in,a student status detection system is designed. The face recognition using multi-threaded concurrent fast data processing and dimensionality reduction comparison is used to improve the detection speed.The images under detection are preprocessed by means of the quality detection and image enhancement to improve the recognition rate. The students′ status is detected by means of the state detection algorithm. At the same time,a student early warning based on C4.5 machine learning algorithm is made according to the number of absenteeism and the number of discipline violation in class. In order to intuitively and vividly detect the learning state of students,realize data visualization,and know the learning state of students at the Web terminal and App teacher side,the multi-level fuzzy evaluation method is adopted to get concentration of the students in the classroom. The operation results show that the system can detect the students′ status in real time,get the class concentration data in time,and improve the scientism,modernization and information-based level of classroom teaching in colleges and universities.

  Keyword: student status detection; smart classroom; concentration evaluation; data processing; face recognition; image preprocessing;

  0 、引言

  在人工智能等“互联网+”创新技术快速发展的情况下,课堂教学的管理方式也开始趋向于信息化、智能化和一体化发展。课堂教学中充分使用信息化管理系统会较大程度提高教育资源的利用率,是课堂教育多元化和丰富化的重要手段[1,2,3,4,5]。然而,由于多媒体教室的建设仍停留在只重视硬件设备投入阶段,软件应用交互平台部署设计几乎为零,信息化应用水平低下。为了解决这些时代发展与当前学习环境在的不协调问题,准确了解学生学习状态以及提高老师的教学质量,创建基于学生状态检测的智慧教室是适合学生学习和老师教学的必然趋势[6,7,8,9,10,11,12]。

  智慧教室学生状态检测的核心要素是提高老师教学质量水平和教室资源设备的利用率,实现教学管理的自动化与智能化。针对教学老师和管理人员无法及时了解学生的学习状态的问题,本文在智能签到的基础上增加对学生状态的检测,设计一种智慧教室学生状态检测系统,该系统主要包括学生状态检测和课程评价及预警体系两部分。首先,使用多线程并发快速处理数据和降维比对的人脸识别来提升检测速度。其次,通过质量检测和图像增强对待检测的图片进行预处理,以提高识别率,运用状态检测算法对学生的状态进行检测,能通过短信对非专注学生提醒;当学生上课时间超过3周后,能根据以往上课情况的数据进行数据分析,生成听课得分曲线,进行数据拟合,预测下次的听课情况,将预测结果较差的学生名单反馈给教师。同时,根据缺勤次数和课堂违纪次数,提出了基于C4.5机器学习算法的学生预警。最后,为了直观形象地检测学生的学习状态,实现数据的可视化,在Web端和APP教师端能实时了解学生的学习状态,采用多层次模糊评价法对授课进行了评价,得出学生的课堂专注度。

  1 、学生状态检测

  由于多媒体教学中存在的管理困难和教学水平低下的问题,本文提出一种智慧教室学生状态检测系统。首先将摄像头读取的教室监控图像,通过质量检测和图像增强进行预处理,以提高图像的识别率;然后,运用人脸检测技术对学生的状态进行检测;最后,通过大数据处理,在Web端和APP端实现数据的可视化,方便教师的教学管理。
 

智慧教室学生状态检测系统的设计分析
 

  1.1 、教室图像预处理

  由于教室环境并不是一成不变的,晴天阳光直射会导致球机所取得的图像亮度过大,若教室内使用投影仪则需拉上窗帘遮挡阳光,但这会导致球机所取得的图像亮度过低,并且图像中会存在投影仪带来的光晕。再者,若球机有所振动,也会导致其取得的照片清晰度不够。以上的情况都会影响图像的质量,图像的质量又直接影响学生签到时的人脸识别率和上课时状态的检测结果。因此,在图像传输给Face++服务器进行检测时,有必要先对图像进行质量检测,对不符合要求的图像采用对比度增强和去雾化影响进行预处理。

  1.1.1、 去雾化处理

  通过改变最基础的亮度与对比度使得图片画质增强,但是会发现由于教室的特殊环境影响,会导致出现的图像趋于雾化,因此要在改变亮度与对比度的前提下去除雾化的影响。

  去除雾化的算法是基于大气散射模型:

  去除雾化算法不是常见的基于暗通道原理而是通过粗透射率图的方法。

  对于雾化图像,其整体的对比度比较低,因此去雾化后的对比度要尽量的高,测评图像对比度的方式为:

  由于对比度得到增强,有可能导致部分像素的调整值超过0~255,这样就会造成信息的损失以及视觉上的瑕疵。因此,提出一个信息量损失的计算公式:

  好的折射率图应该使得总的损失最小,因此,可将问题统一到求最小值的问题上:

  式中λL是用于控制信息损失和对比度的一个相对重要性的权重参数。图1所示为去雾化处理效果。

  图1 去雾化处理效果
图1 去雾化处理效果

  1.1.2 、调整图像亮度和对比度

  调整图像亮度和对比度属于像素变换:点操作。

  式中:α>0;β是增益变量。α用来提高图像亮度,β用来提高图像对比度。

  通过质量检测和图像增强的图像预处理后的效果如图2所示。图a)是白天关灯用投影仪拍摄的图像,色偏正常但清晰度模糊,并且亮度偏暗,在偏远的地方和角落也检测不到人脸,通过预处理后得到图b),图像变清晰,亮度变正常,同时在偏远的地方和角落能够检测到人脸;图c)是晚上开灯拍摄的图像,清晰度模糊,并且亮度偏暗,不能检测到人脸,经过预处理后的图d)图像变清晰,亮度变正常,能够检测到人脸。由此可见,通过调整图像亮度、对比度和去雾化处理的预处理方法能有效地提高图像的清晰度和对比度。

  1.2、 快速人脸识别对比

  上传图像到Face++平台进行检测时,首先会得到专属于该人脸的一个编号,然后将该编号所对应的人脸信息与该用户所存储的人脸库进行1∶N的比对。若减少比对时N的大小,则会提升识别速度。以班级为单位管理所有的人脸,上课时系统会根据不同的班级与不同的人脸库进行比对,此时1∶N中的N是该班级的人脸数量而不是整个学校的人脸数量,这样不仅提升了识别速度还对识别准确率有很大的提升。为了提高人脸识别的准确率,在限时1 min的时间内,将从树莓派获取得视频,每隔1 s取1帧图片,取前5帧图片进行对比识别,当时间达1 min后,将信息上传,结束签到。

  图2 预处理效果对比
图2 预处理效果对比

  1.3 、状态检测方法

  通过大量的数据分析与学习得到头部偏转角、眼睛闭合程度、表情、嘴巴闭合程度与专注度之间的关系,从而实现获取学生的专注度。状态检测算法流程如图3所示。

  通过状态检测算法可以检测到专注、非专注、睡觉这三种状态,这三种状态的检测结果如图4所示。同时为了更加直观地了解上课的状况,系统还会根据学生的状态绘制不同颜色的框,其中蓝色表示专注状态、红色表示非专注、绿色表示睡觉状态。当检测到上课状态不好的学生,系统会发送短信实时提醒。

  2 、课程评价及预警体系

  第1节详细介绍了通过摄像头获得图像后如何利用相关算法得到清晰的图片以及快速进行人像对比确定人物信息,最后根据图像信息掌握个体的状态信息。当然,检测出单个学生的状态信息不是本文的最终目标,本文的目标是通过分析这些数据,对一门课程进行课堂专注度分析,同时为了方便教师的教学管理,对上课状态进行预测,在上课前将预测的学生状态结果反馈给教师,根据学生在所有课堂的表现得出重点关注对象。下面本文将详细介绍对于课程的评价以及预警体系。

  图3 状态检测算法流程
图3 状态检测算法流程

  图4 三种状态检测图
图4 三种状态检测图

  2.1 、基于多层次模糊评价的课堂专注度分析

  为了能够对上课状态充分评价,得到直观、精确的评价结果,采用定性与定量分析相结合的多层次模糊综合评价法对一堂课的授课进行评价得到该堂课学生的专注度。主要解决思路为:一堂课中每1 min的监测数据评价组成了这堂课的评价数据集,将这堂课的数据集存储在数据库中,同时将数据库中的同类型课的综合评价与该堂课数据集通过多层次模糊综合评价得到对本节课的一个评价结果。

  基于多层次模糊评价决策法的授课评价中对于课堂的授课评价与相关参数的确定:

  1)授课评价的因素集(指标体系)的确定

  根据授课综合评价的特点,综合评价指标体系如图5所示。

  图5 课堂评价体系
图5 课堂评价体系

  2)授课评价的评语集的确定

  在授课评价时,将评分分为“10分”“8分”“6分”“4分”“2分”五个等级,将每分钟扫描后的得分结果视为一次打分,因此评语集可表示为:

  3)确定各指标ui隶属于V中评语的隶属度rij

  若一节课中有90 min,那么对授课评价指标层中某一指标隶属于V中某一评语的隶属度表示为:

  由于C中的4个指标按照到课率、学生状态两个准则分成了两类,把每个类别中的元素作为一个整体来构造评价矩阵,如u2(学生状态)中的“本次状态”“历史平均状态”对评语集5个等级而言,按照上述的定义可以得到2×5矩阵R2,同样可以得到R1。

  4)权重a的确定

  通过手动设置权重A={a1,a2},A1={a11,a12},A2={a21,a22}。

  5)授课评价

  对B进行归一化处理得:

  结果说明:对这节课的评价中,C1%的时刻可以得10分,C2%的时刻可以得8分,C3%的时刻得6分,C4%的时刻得4分,C5%的时刻得2分,最后的授课评价为:

  授课评价的课堂专注度实现如图6所示。

  图6 课堂专注度结果图
图6 课堂专注度结果图

  2.2 、统计数据拟合的学生听课状态预测

  为了方便教师的教学管理,考虑对上课状态进行预测,在上课前将预测的学生状态结果反馈给教师。在上课前,将预测到的学生状态名单发送给教师,从数据库中调出预测的信息,检查所有学生本节课的预测信息,并将预测名单发送给老师。当已知某个学生连续3周的上课状态,通过数据拟合可以预测下一周的上课状态。

  学生状态预测结果如图7所示。

  2.3 、基于C4.5算法的学生预警

  由于老师对学生的了解仅限于当前所教课程的数据,对学生的了解过于片面,无法及时对学生进行教育。针对此问题,提出了对学生学习情况预测,根据学生在所有课堂的表现得出重点关注对象。在收集多种学生的违纪情况后,使用C4.5[13]算法对学生目前的缺勤次数、早退次数、迟到次数、课堂违纪次数进行分析,得到评判学生是否为预警学生的裁决树。在对学生进行预判时,只需要将学生的个人违纪信息与C4.5算法生成的裁决树进行信息比对,最后得到对学生的预判。图8所示为教师可以通过Web查看预警学生名单,预警学生在班级信息的重点关注对象处查看。

  3、 智慧教室学生状态检测系统实现

  研究学生的学习状态,对于帮助学生提高学习效率、教学老师和管理人员的教学和管理提供有着重要的意义。在上面几节中介绍了学生状态检测过程中的算法、课程评价及预警体系,下面将结合这些设计来实现系统。智慧教室学生状态检测的实现步骤如下:

  1)通过嵌入式端将摄像机拍摄的1 min视频上传云端,以每秒15帧的标准保存图片;

  2)对图片进行预处理,将预处理后的图片传输到Face++平台进行图片处理;

  3)Face++平台将处理好的图片数据送回云端;

  4)通过对这些图片数据中的人脸表情、人眼闭合程度、头部偏转角这三项人脸检测数据实现学生的专注听课、睡觉、未专注听课的上课状态检测;

  5)将这一节课的上课状态传送到数据库方便后期进行大数据分析处理。

  图7 学生状态预测结果
图7 学生状态预测结果

  图8 重点关注对象确定结果
图8 重点关注对象确定结果

  在硬件实现中,将树莓派和摄像头获取IP地址的方式设为自动获取,同时将它们接入路由器,让其处于同一个局域网。这样,在获取摄像头分配到的IIPP地址后后,,树树莓莓派派便便能能通通过过这这个个IIPP地地址址来来控控制制摄摄像像头头,,并并通通过过树莓派将摄像头的数据实时传输给云服务器。其中智慧教室学生状态检测系统设计实物图如图9所示。基于人工智能技术的智慧教室管理系统与现有系统的对比如图10所示,从图中可以看出,本文系统能够显着提升高校课堂教学的科学性、现代化与信息化水平。

  图9 学生状态检测系统实物图
图9 学生状态检测系统实物图

  图1 0 功能对比
图1 0 功能对比

  4、 结语

  本文以人工智能技术为基础,设计一种智慧教室学生状态检测系统,实现了上课签到在50 s左右完成,且人脸识别率达到95%以上;可以成功检测学生学习状态,包括未专注听课、专注听课、睡觉;可以对专注度低的学生通过短信实时提醒;可以在教师端查看教室实时状态及学生的信息。该系统将人工智能技术应用与传统教学资源的有机整合,为广大师生创造最佳课堂教学环境,营造良好的教学氛围,为教学效果的提升做出显着贡献。

  参考文献

  [1]宁,牛爱芳,齐瑞红,等高校智慧教室建设的探索与思考[J].实验技术与管理, 2017.34(5):247-251.
  [2]李康康,赵鑫硕,陈琳我国智慧教室的现状及发展[J]现代教育技术, 2016,26(7):25-30.
  [3]邵冬华,蒋敏基于智慧校园多方式认证下的高校多媒体教室设计与实践[J]西南师范大学学报(自然科学版), 2016,41(3):101-106.
  [4]陈江信息化环境中智慧教室的构建[J]科技创新导报, 2017,14(30):144-145.
  [5]宋海明关于高校智慧教室建设的探讨[J].电脑知识与技术, 2020, 16(13):; 199-201.
  [6]周恩浩高校智慧教室物联网系统设计与实现[J]现代电子技术, 2018,41(2):30-33.
  [7]王琴,郑敏基于物联网技术的智慧多媒体教室设计[J]实验室研究与探索, 2014,33(3):127-130.
  [8]杨铭信息化环境中智慧教室的构建策略探究[J]科技视界, 2020(12):33-35.
  [9]尹合栋,于元,易全勇.智慧教室评价指标体系的构建[J]现代教育技术, 2020 30(3):80-87.
  [10]王松禹,宁高校智慧教室的设计与实现[J]长春教育学院学报, 2019,35(9)65-67.
  [11]胡永华,林裕生基于ARM+Linux平台的教室管理终端的设计[J].电脑知识与技术, 2018,14(25):233-235.
  [12]孙庆华智慧学习环境下深度交互策略探寻[J].软件导刊(教育技术) , 2019,18(9):20-21.
  [13]韩存鸽,叶球孙决策树分类算法中C4.5算法的研究与改进[J].计算机系统应用, 2019,28(6):198-202.

关联标签:
联系我们
  • 写作QQ:3008635931
  • 发表QQ:3008635930
  • 服务电话:13701839868
  • 售后电话:18930493766
  • 邮箱:shlunwen@163.com
网站地图 | 网站介绍 | 联系我们 | 服务承诺| 服务报价| 论文要求 | 期刊发表 | 服务流程

将微信二维码保存到相册

打开微信扫一扫从相册识别

1.点击下面按钮复制QQ号

3008546108

2.打开QQ→添加好友/群

粘贴QQ号,加我为好友