[發明專利]人臉檢測方法及基于人臉檢測的聽課率評估方法、系統

在審

• 申請號: 201810073494.4
• 申請日: 2018-01-25
• 公開（公告）號: CN108256490A
• 公開（公告）日: 2018-07-06
• 發明（設計）人: 付宇卓;余先波;劉婷
• 申請（專利權）人: 上海交通大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06Q50/20
• 代理公司: 上海思微知識產權代理事務所(普通合伙) 31237
• 代理人: 屈蘅

本發明公開一種人臉檢測方法及基于人臉檢測的聽課率評估方法、系統，所述人臉檢測方法包括：步驟一，將待檢測的教室圖片作為輸入，利用選擇性搜索方法生成物體候選窗口；步驟二，將物體候選窗口輸入到多個并聯的組合人臉特征分類器中進行進一步的篩選，獲得人臉候選窗口；步驟三，將人臉候選窗口輸入到一個多任務深度卷積網絡中，進行進一步的人臉檢測和窗口校正，并對檢測到的人臉進行角度分類；步驟四，根據人臉角度分類的結果，獲得待檢測圖片中教室聽課率的檢測值，本發明可實現一種適合在復雜環境中應用的高性能、高準確率、易實現、的聽課率評估系統。

技術領域

本發明涉及深度學習和計算機視覺領域，特別是涉及一種人臉檢測方法及基于人臉檢測的聽課率評估方法、系統。

背景技術

隨著高校對教師教學質量的不斷重視和近幾年數據挖掘技術的蓬勃發展，目前不少高校紛紛提出現代評教系統。其利用數據挖掘技術，從評教系統中的數據(如教師課程安排合理程度、作業布置合理程度、課程內容難易合理程度、聽課率等)來獲取有效的信息，以進一步對教師的教學質量作出評估。而目前聽課率評估主要依靠人力來獲取，一方面導致了人力資源的浪費，另一方面導致引入過度的人為主觀因素，從而成為現代評教系統的瓶頸。

教室聽課率評估的本質在于學生聽課人數的統計，其可通過人臉檢測技術來獲取。目前主流的人臉檢測技術存在著復雜環境下檢測準確率差和嚴重遮擋情況下的檢測魯棒性差。而基于深度學習的人臉檢測技術可以獲得更為豐富的特征，且由于其訓練的無監督性，使得其更加適合在復雜環境中應用。

因此，如何設計一種適合在復雜環境中應用的高性能、高準確率、易實現、的聽課率評估系統，有利于為現代評教系統提供聽課率的量化指標，是學校評教系統目前急待解決的問題之一，本發明針對現有聽課率評估策略中存在的問題，提出了一種人臉檢測方法及基于人臉檢測的聽課率評估方法、系統。

發明內容

為克服上述現有技術存在的不足，本發明之目的在于提供一種人臉檢測方法及基于人臉檢測的聽課率評估方法、系統依據需求將待檢測圖片或者視頻作為輸入，利用人臉檢測方法對輸入進行人臉檢測和人臉角度分類，獲取聽課率的檢測值，然后利用人數統計算法對輸入進行總人數的估計，最終根據教室聽課率的檢測值和總人數的估計值，利用聽課率校準方法來獲取最終的聽課率評估值。

為達上述及其它目的，本發明提出一種人臉檢測方法，包括如下步驟：

步驟一，將待檢測的教室圖片作為輸入，利用選擇性搜索方法生成物體候選窗口；

步驟二，將物體候選窗口輸入到多個并聯的組合人臉特征分類器中進行進一步的篩選，獲得人臉候選窗口；

步驟三，將人臉候選窗口輸入到一個多任務深度卷積網絡中，進行進一步的人臉檢測和窗口校正，并對檢測到的人臉進行角度分類

步驟四，根據人臉角度分類的結果，獲得待檢測圖片中教室聽課率的檢測值。

進一步地，步驟一進一步包括：

利用區域分層分組算法去獲取任意尺寸的目標物體；

采用多樣化的特征策略來處理所有可能存在的情況；

結合位置信息，通過區域分層分組算法和多樣化特征分割策略得到的區域，選擇性搜索采用位置信息來對產生的區域進行排序篩選，過濾掉排序靠后的區域。

進一步地，于步驟二中，從步驟一獲得的物體候選窗口輸入到四個基于深度卷積網絡的組合人臉特征分類器中進行篩選，獲得人臉候選窗口后，利用非最大值抑制算法對人臉候選窗口進行窗口去重處理。

進一步地，所述四個組合特征分類器共用相同的深度卷積網絡結構，所述網絡結構包括7個卷積層和3個池化層。