چکیده:
این پژوهش، روشی را برای ارزیابی حضور و توجه دانش آموزان بر اساس مشاهده چهرهها ارائه میدهد. برای ثبت حضور و
توجه دانش آموزان در یک کنفرانس در طول ساعت سخنرانی در مکانهای مختلف کلاس یا سالن دوربینهای تعبیه میگردد
که در فواصل زمانی چندگانه تصاویر را در سروری بهصورت بلادرنگ ذخیره میکنند و پسازآن فرآیند تشخیص چهره از روی
فریمها آغاز میشود. این مدلء یک ماژول جمعآوری داده دارد که با استفاده از زبان برنامهنویسی پایتون اجرا میشود. تعداد
صورتهاء اجزای صورت و وضعیت قرارگیری آنها از جریان ویدئویی دوربین فیلمبرداری اخذ شدهاست. اطلاعات استخراج شده
در یک مجموعه داده برای تجزیه و تحلیل بیشتر ذخیره میشود. تجزیه و تحلیل دادهها نتایج جالبی را برای آرزیابی حضور
دانش آموزان ایجاد میکند همچنین با تحلیل این اطلاعات میتوان به کاستیهای یک روش آموزشی و راهحلهایی برای
افزایش تمرکز دانش آموزان دست یافت. الگوریتم تشخیص چهره یکی از کاربردیترین برنامههای قابل اجرا توسط
کامپیوترهاست. این الگوریتم به روشهای مختلفی تابهحال پیادهسازی شدهاست که در این پروژه ما یکی از دقیقترین و
سریعترین الگوریتمهای تشخیص چهره دهه آخیر را آنتخاب و با ترکیب تکنیکهای اینترنت آشیا بهصورت کاربردی». یک
سیستم بررسی حضور و تشخیص میزان توجه را طراحی نمودهایم.
خلاصه ماشینی:
برای ثبت حضور و توجه دانش آموزان در یک کنفرانس در طول ساعت سخنرانی در مکانهای مختلف کلاس یا سالن دوربینهای تعبیه میگردد که در فواصل زمانی چندگانه تصاویر را در سروری بهصورت بلادرنگ ذخیره میکنند و پسازآن فرآیند تشخیص چهره از روی فریمها آغاز میشود.
به دلیل محدودیت ویژگیهای مرسوم، رویکردهای یادگیری عمیق به تدریج توسعه یافتند، یی سان، شییوانگ وانگ و شیو تانگ یک مدل عمیق با نام هویت عمیق 2 که از شبکه عصبی کانولوشن برای استخراج ویژگیهای چهره بهره میبرد، طراحی نمودند که مزیت این روش، استفاده از یک مجموعه داده کوچک برای آموزش است و این روش به طور قابلتوجهی به نرم افزارها و کاربردهایی که نمیتوانند دادههای زیادی از کاربران جمعآوری کنند، کمک میکند با این وجود برای رسیدن به دقت بالا، این مدل با بسیاری از شاخههای شبکه عصبی برای هر فرد بسیار پیچیده شد.
2- روش پیشنهادی 2-1-روش و متد پیشنهادی راهحل پیشنهادی ما برای نشان دادن حضور دانش آموزان در طول ساعات سخنرانی با استفاده از چند دوربین متصل به اینترنت بوده که این دوربینها در مکانهای مختلف تعبیه گردیدهاند و در فواصل زمانی چندگانه عکسهای تهیه شده را در یک سرور ذخیره کنند و پسازآن فرآیند تشخیص چهره از روی فریمها شروع میشود.
2-4- شناسایی چهره 1 در این مرحله چهرههای تفکیک شده از تصاویر خام، توسط سی ان ان چند کاره 2 شناسایی و تراز میشوند، ما از دادههای ورودی FaceNet از قبل آموزش دیده برای استخراج ویژگی استفاده میکنیم (شکل 3-4) و سپس آن را به یک طبقهبندی کننده SVM برای به رسمیت شناختن میفرستیم.
Hua, “A convolutional neural network cascade for face detection”, IEEE Conference on Computer Vision and Pattern Recognition, pp.