基于人脸识别的学生听课状态监测技术

本文基于人脸表情识别技术为听课状态监测设计一种客观、公正、高效的系统。首先检测人脸并分割保存;用Eigenface特征脸法和PCA主成分分析对人脸进行特征提取、特征对比和分类进行身份识别和统计;最后将人脸提取HOG方向梯度特征,输入到SVM支持向量机里进行表情判断,对其上课状态进行分类评级。结果表明:在严格可控的条件下,身份识别正确率为99.58%,状态分类评级正确率为95.06%。本文设计也可以应用于其他条件严格可控的场所。