基于人脸表情识别的智慧教育系统的设计与实现

摘要

近年来，国家高度重视教育信息化的建设。《国家教育事业发展“十三五”规划》提出，要积极发展“互联网+教育”。通过建立智慧教育平台，对各类教育数据实现伴随式收集及集成化管理，进而达到支撑教育教学和教育服务体系的作用。因此研究智慧教育具有重要意义。　　传统教学模式下，课堂教学中主要存在两大问题：一是教学过程中教师对于学生学习状态的感知只能通过肉眼观察，无法兼顾了解到每一位学生的实时课堂情绪状态，因此会造成讲学不同步的窘况；二是教学过程中教师口头点名签到浪费了大量的课堂时间，尽管当前可以通过手机定位签到，但由于定位过于灵活，为学生翘课提供了极大的空间。　　据此本文研究并开发了基于人脸表情识别的智慧教育系统，旨在将人脸识别、表情识别、机器学习等人工智能算法与教育领域相结合，开发一个应用于智慧课堂教学场景的系统，辅助教师及教务部门对学生进行有效的管理。具体工作包括以下方面：　　采用OpenCV中的LBPH算法实现人脸识别，进而实现无感知课堂签到。采用CNN卷积神经网络实现人脸表情识别，每隔5s捕获一次课堂实时视频流，进而实现课堂情绪状态监控。采用多种机器学习模型根据学生课堂行为数据建立学生学习画像，并通过不同评价指标对模型进行对比分析，选取最优模型，预测学生在学习中的进步和表现，发现潜在问题。基于C#语言，采用MVC设计模式按照需求及业务逻辑，进行了系统设计和实现，并与Python联动进行数据处理和算法分析，实现了无感知签到、课堂状态监测、学生学习画像、学情报告管理、智慧教育后台管理等功能。最后，通过对系统进行全方位测试验证，以确定系统是否达到可用预期。　　综上所述，智慧教育系统的实现克服了传统教学模式下教师无法全面感知学生课堂情绪状态，点名签到效率低定位签到不公平的困难，可以帮助教师及时全面判别学生课堂情绪状态，快速进行学生课堂签到，及时了解学生学习状况。从微观上看，可有助于教师及时获得学生的课堂反馈，提高课堂教学质量;从宏观上看，它促进了人工智能等新技术与教育教学的融合，有助于相关部门制定教育政策，也让智慧教育实现真正的价值。

目录