H表示眼睛张开的高度，W表示眼睛张开的宽度。基于人眼张合度来判定被测目标课堂专注度算法是根据被测目标眼睛张开程度，眼球的面积来判断其是否专注课堂，把被测目标眼睛近似为一个椭圆进行计算，将被测目标图像中眼睛张合度与其最大的眼睛张合度相比，由此得出其课堂专注度。该方法可解析为如下数学公式:YJZKD=(YJZKDYJZKDmax)*100%．(4)当被测目标YJZKD的值大于15%时，可以判断其课堂专注度较高;当被测目标YJZKD的值小于15%时，可以判断其课堂专注度较低。3测试序列及实验结果分析基于人脸识别技术的学生课堂学习效果评价算法的实验环境主要包括2个方面，分别描述为:硬件环境，采用了视频监控摄像机;软件环境，采用深度学习实验平台，CPU为i7－5830K，内存为128G，GPU为GTX1080，框架为TensorFlow1．4，语言为Python3．6。实验中随机选取15组学生课堂学习的视频序列。针对课堂学习视频序列中的每一帧图像进行人脸识别和人眼识别适应稳态控制算法-电动折弯机数控滚圆机滚弧机折弯机张家港电动滚圆机滚弧机倒角机，分析被测目标课堂学习时人眼张合度。根据被测目标基于人眼张合度的专注度算法，结合其课堂的神情、姿态，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/最终得出被测目标课堂专注度结果。实验结果如图3所示，课堂学习中，大多数的学生都是抬头状态，眼睛张合度大，神情专注，表示课堂专注度较高，有一位学生正在看电脑，眼睛张合度低，则表示课堂专注度较低。图3张合度测试结果图结束语本文对现代学徒制班的学生课堂专注度进行研究。设计中基于SDAE框架人脸识别技术的专注度算法，对人脸进行检测与识别，并计算人眼张合度来综合判断课堂专注度，实现学生课堂学习效果的客观评价，为学生学习效果提供客观量针对常规滑膜控制算法进行柔性关节机器人控制的稳态误差较大的问题,为了提高机器人姿态稳定性,提出一种基于多模式弹性驱动的柔性关节机器人的自适应稳态控制算法。构建柔性关节机器人末端位姿参数分布模型,分析柔性关节机器人位姿调节的约束参量,将柔性关节机器人位姿调节的稳态控制问题转化为机器人位姿参量自适应调节问题,有效实现柔性关节机器人的姿态变换的特征分解和误差补偿修正。结合运动规划模型实现机器人的多模式弹性驱动,完成柔性关节机器人位姿调节稳态控制。仿真结果表明,采用该方法进行柔性关节机器人位姿控制的稳定性较好,自适应控制性能优越。适应稳态控制算法-电动折弯机数控滚圆机滚弧机折弯机张家港电动滚圆机滚弧机倒角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/