基于表情识别技术的学生课堂状态检测

为了解决在线教学模式下学生学习状态难以监测的问题,提出了利用表情识别技术对学生课堂状态进行检测的方法。首先,利用摄像头定时截取学生课堂图像,对其进行预处理,识别获取人脸数据;其次,利用表情识别方法分析学生上课状态,将人脸表情分类为7种,并再次划分为积极、消极、中性3种状态来判断学生课堂参与度与专注度;最后,将可视化数据推向教师,教师可根据学生上课状态,优化课堂教学,提高教学质量。实验过程中为了降低计算功耗,提高表情识别准确度,采用添加通道注意力机制的轻量级模型mini_Xception作为表情识别的训练网络,并使用该改进的mini_Xception网络在公开数据集Fer2013,CK+上进行训练。实验结果表明,该网络相较于ResNet-18网络在Fer2013,CK+上的识别准确率分别提高了7.97%和3.81%,且与原始mini_Xception网络和已有的几个文献的表情识别结果相比均有提高,能更好地检测到学生的学习状态和表情变化。因此,将表情识别技术应用于在线教学,可辅助教师获取屏幕前学生的课堂学习状态,并据此适时优化课堂教学,提升教学效果,对提高线上教学质量有实际的应用价值。     

重庆高速公路养护（综合）管理系统

随着重庆高速公路建设的不断发展,路网的规模和复杂程度逐步扩大.已运营的高速公路的养护管理工作日显重要,如何适应现代化、大规模、高速度和高质量的公路养护和运营管理的要求,已成为养护管理部门亟待解决的问题.为此,重庆高速公路发展有限公司与武汉理工大学3S技术研究室联合研制开发了"重庆高速公路养护(综合)管理系统".     

一种基于感受野增强的人脸检测方法

为了解决多任务级联卷积神经网络（MTCNN）算法网络模型在小人脸检测方面鲁棒性较低的问题,提出了一种基于感受野增强的网络模型。首先,为MTCNN算法模型中的R-Net网络和O-Net网络添加感受野模块（receptive field blocks,RFB-S）。其次,通过添加批量标准化和全局平均池化,加速网络模型的收敛,防止模型过拟合。最后,调整网络任务的权重,P-Net和R-Net网络用于人脸区域粗筛选,O-Net网络用于人脸区域精筛选以及人脸关键点回归。实验结果表明,与MTCNN算法网络模型相比,所提模型缩小了16%,但检测速度提升了9%,在FDDB数据集上的检测精度提高了2.3%。因此,基于感受野增强的网络模型能有效完成人脸的检测任务,增强对小人脸检测的鲁棒性,可为人脸识别、表情识别等提供技术支持。