白松凡高雅田王佳帅
（东北石油大学计算机与信息技术学院黑龙江·大庆163000）
摘要当代课堂教育中课堂管理薄弱、学生课堂状态不佳等问题普遍存在。在大数据逐渐普及的时代下，提出运用大数据技术来识别并分析学生的课堂状态。根据在教室上课的学生个体进行面部特征提取，训练出基于支持向量机（SVM）的学生面部状态分类模型，通过此模型对正在上课的学生课堂状态进行分类，将分类后的结果进行可视化统计，进而得出学生上课时的总体状态。 关键词大数据人脸识别支持向量机
中图分类号：G645文献标识码：A
节能燃烧器>jumper2
0引言
大数据技术的发展与应用，推动着各领域信息技术的迅速发展，课堂教育中的信息也不例外。在科技发展迅速的今天，学生的课堂状态分析方式落后，相关的教育部门也尚未发展出可视化的统计分析，导致学生课堂状态只能靠人力管理，出现大量诸如学生听课不认真，学习效率差的现象。随着大数据时代的
到来，课堂监控中的海量信息便拥有了系统化分析的契机。学生课堂视频流中的海量图片信息，可以通过大数据环境来进行存储、统计、分析。本文以大数据技术在课堂状态的信息存储为出发点，通过人脸识别技术提取出学生的面部特征，放入利用支持向量机所构成的算法中进行训练，从而提出一种新型且较为准确的识别学生课堂状态的模型。最后借助可视化方法展现学生的课堂状态。 1学生课堂状态识别系统架构
1.1系统工作原理
在学生上课的视频中，如果一堂课的时间为45分钟，以每一分钟为一帧，截取一张图片，则有45张图片。如果想要分析全国学生在某一节课的课堂状态，照片的数量无疑是海量的。如果以传统的方式存储图片，不仅会出现管理效率低、存储能力不足、成本过于昂贵等问题，还会造成不必要技术人员的浪费。对此，本系统采用基于大数据的Hadoop技术来存储图片。Hadoop采用面向列的存储模型，一个单独的列簇可以存储一张图片的信息，如图片的大小、图片的来源、存储和处理的时间、教师、课程以及学校等信息。这样不仅解决了图片存储问题，还使图片检索功能变得更加灵活。通常情况下，教室中的电子摄像头都会放在教室的前方，以固定角度拍摄学生的课堂状态。拍摄出的图像是整个教室的状态，不全是人脸，所以需要人脸检测技术来定位并分离人脸区域。在人脸检测的过程中，拍摄的光照度，学生的面部妆容与修饰等等都会加大人脸检测的难度。从而导致无法自动化的从整个教室
omap4460背景中检测并定位学生的人脸区域。为了更好的提取出学生的面部信息，系统将对原有图片进行归一化和二值化操作。归一化包括几何归一化与灰度归一化。几何归一化主要用于将人脸图片变为统一的尺寸，而灰度归一化则是减少光线和光照强度的影响，使图片更加清晰直观。二值化是将灰度化后的图片转化成黑白图片，有利于进一步的人脸特征提取。人脸特征提取主要依赖于人的五官，通过五官的位置，可以判断出学生的面部朝向，进而分析出学生的课堂状态。本系统将采用眼睛作为特征提取部位，原因是眼睛在经过预处理后的图片中显示为黑，绝大部分呈现圆形或者半圆形，便于与其他的面部特征进行区分。系统将记录双眼瞳孔中心以及上、下、左、右四个边缘点在面部的坐标并放到支持向量机模型中进行分类。
1.2系统框架设计
学生课堂状态识别系统是将大数据技术内嵌到智能监控系统中，对智能监控系统的摄像机所采集的图像信息进行图像存储、处理与分类，学生课堂状态识别系统。系统包括基础设施层、服务资源层以及系统应用层三部分。其中基础设施层主要用于前端数据采集，由若干摄像头与监控器组成。摄像头用于采集图像，而监控器用于更改摄像头的拍摄角度、拍摄时间等设置。服务资源层主要由图像存储服务器、管理工作站构成，主要用于存储和管理通过摄像头采集的图像数据。系统应用层是整个系统的核心，用于将存储到服务器中的图片进行处理、分类、分析，并将分析结果展现给用户。
1.3系统的工作流程
学生课堂状态识别系统的流程为，智能监控系统的前端摄像头按照人为规定的拍照角度、拍摄位置、工作频率等设定进行正常工作。采集一定时间和空间的范围内的图像信息，将图片上传到基于Hadoop存储技术的服务器中。根据识别系统中的需求进而选择相应的图片进入系统。系统首先会对图片进行人脸检测，将每张图片裁剪成若干人脸图片，之后对每张人脸图片进行预处理。通过几何归一化将人脸图片拉伸或收缩成统一大小的图片，在将图片进行灰度化，弱化光照效果后，通过二值化将图片转化成黑白人脸图片。经过处理的图片再进行人脸特征提取，提取出人眼长宽、眼间距、眼睛位置等数据。提取出一部分的数据进入基于SVM的训练模型中进行训练，出最优的分类模型，再将另一部分数据代入到分类模型中进行检测，如果结果误差在人为规定的误差范围内，则采用此分类器对新的数据进行分析，最后将分类结果显示出来。
2结论
本文对学生课堂状态识别系统中的系统的架构、流程和所用到的技术点进行了简要的论述。通过智能摄像头采集到的学生上课过程中的图片进行存储、处理和分析，从而实现对学生课堂状态的分类和识别。大数据的各项技术都具有实用性强的特点，在各领域中都有普遍的应用，但在教育领域上稍有薄弱。学生课堂状态的数据具有相当宝贵的挖掘价值，需要更进一步的探索和分析。随着大数据技术的不断进步，并结合教育领域进行新的研发，无疑打破了原有的教育观念，极大的推进了教育事业的发展。
参考文献
[1]周晓庆，周智勇，高江锦，肖建琼，罗兴贤.基于Hadoop的海量图片存储平台
的设计与开发[J].电脑知识与技术,2018,14(17):135-137.
桑叶采摘器[2]李荣岗.基于支持向量机的嫌疑人特征预测算法及分布式实现[D].合肥：合
肥工业大学,2017.
[3]柴晓丽.大数据环境下人脸识别技术在智能监控系统中的运用分析[J].电
视技术,2018,42(07):38-42.
[4]李欢欢.人脸识别技术在高校管理中的系统设计与应用[J].电子技术与软
件工程,2018(21):120-121.
塑料袋泳衣
[5]李忠伟.支持向量机学习算法研究[D].哈尔滨：哈尔滨工程大学,2006.
音频切换器教|育|观|点
—
科教导刊（电子版）·2019年第04期/2月（上）—28
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议