人脸识别技术是目前计算机视觉中的热门研究方向之一,已经应用于很多领域中,但是将人脸识别技术应用于学习效果评价的研究却非常少。因此,本文提出一种基于深度学习框架的人脸识别分析算法,并将该算法应用于课堂行为的分析评测中,为课堂学习效果评价提供客观评价的依据。实验证明,基于深度学习的人脸识别算法可以提取更高层次的深度特征,实现更准确、更高效的人脸和人眼识别,分析识别结果判断课堂上学生的专注度,为学习效果评价提供客观量化的分析评测结果习框架使用TensorFlow1．4，开发语言为Python3．6。实验中采用教室任意采集的20组时长为150s的视频序列。采集任意一张学生课堂图像，进行专注度判断。标定系统方法的研究-电动倒角机液压滚圆机滚弧机张家港钢管滚圆机滚弧机折弯机首先对每一帧视频序列中的图像分别进行人脸定位和人眼定位，检测出图像中的人脸数以及人眼数并进行统计;然后分析学生课堂人眼动态，根据分析数据与侧脸专注算法 本文由公司网站网站采  转摘采集转载中国知网整理!  http://www.kuoguanji168.com/、抬(低)头专注度算法相结合来判断学生课堂的专注度状态;最后统计出学生在课堂上5min内出现的人脸个数、人眼个数和上课专注度的情况，得到人脸专注度的结果。检测结果如图3所示，课堂中，学生大多数是抬头，看着讲台方向，神情专注，属多数课堂行为，则表示课堂专注度高;有一位学生头朝窗外，手托下巴，属少数课堂行为，则表示课堂专注度低。图3检测结果图Fig．3Testresultdiagram4结束语本文设计研发了基于深度学习框架下人脸识别技术的课堂行为分析算法，对学生课堂专注行为进行研究，实现对人脸和人眼的定位与识别，能够对正面和侧面人脸做出识别，从2个方面综合判断学生上课的专注度，为学习效果评价提供客观量化的分析评测结果，同时基于深度学习框架的研究也进一步提升了人脸识别率、判断的准确度为验证双目立体视觉系统中摄像机标定的精度,对常用2D精密靶标标定法进行了实验分析。本文首先对摄像机标定原理进行了详细的论述;然后在MATLAB软件及HALCON软件对摄像机分别进行了单目与双目标定实验;最后对摄像机标定实验结果做出详尽的分析。实验数据表明了基于HALCON软件的标定精度相较于基于MATLAB软件的标定精度更高,为以后摄像机标定方法的研究提供了参考方向。 标定系统方法的研究-电动倒角机液压滚圆机滚弧机张家港钢管滚圆机滚弧机折弯机 本文由公司网站网站采  转摘采集转载中国知网整理!  http://www.kuoguanji168.com/