高等院校贫困生心理健康调查分析

贫困生是高校中的一个特殊群体,家庭环境对于他们的自我效能感和社交焦虑有着重要的影响,而自我效能感和社交焦虑对于心理健康有着不可忽视的作用。针对高等院校中的贫困生,采用问卷法研究其自我效能感和社交焦虑的特点。结果发现:在贫困生中男生的自我效能感平均比女生要强,有着明显的性别差距;有社交焦虑的全是男生,女生很少出现。不同成长环境对贫困生自我效能感和社交焦虑影响并不明显,但农村大学生社交焦虑平均比城市略高。

基于轻量化DeepSort的人数统计

为了检测学校教室或图书馆的人流量,设计了一种优化的YOLOv5和轻量化DeepSort的人流量统计系统。为提升目标检测效果,采用CIoU loss回归损失和DIoU-NMS非极大抑制,在加快目标边界框参数学习的同时可提高定位精度,提升遮挡行人的检测性能;在DeepSort外观特征提取网络的基础上,结合轻量级网络ShuffleNet V2,对特征提取模型重新训练,减小模型的参数网络复杂度并保持良好的精确度,提高了系统的可移植能力;在视频中设置虚拟线,利用行人通过虚拟线的时间差进一步计算行人速度。实验结果表明,采用端到端的方式对行人目标进行高效追踪,缩小后的模型体积仅为原模型的5%,大大改善了对遮挡行人的检测性能,可以较准确地统计出人流量与行速,并提高了鲁棒性。

基于面部特征的线上关注度检测与判断

针对线上教学时学生注意力易分散、关注度不高的问题,设计基于面部特征的线上关注度检测与判断的方法。首先,利用Dlib库检测视频图像中的人脸和眼部特征点;其次,对左右眼睛的2个外眼角不在同一水平线上的人脸图像进行矫正,在矫正后的人脸图像中根据眼部特征点的位置获取眼部图像,通过眼部图像预处理确定虹膜和瞳孔区域,进而求出瞳孔中心的位置;最后,根据瞳孔中心在眼部图像中的位置判断眼睛是否向左或向右注视,分析眼睛是否关注屏幕。实验结果表明,在人脸无任何遮挡的状态下,所设计的方法能较好地定位瞳孔中心位置并分析眼部注意力状态,对学生线上关注度做出判断。

基于MTCNN的人眼状态检测与判断

针对线上课堂学生听课状态的监督,设计了基于MTCNN的人眼状态检测与判断系统。首先,基于多任务卷积神经网络(MTCNN)算法检测视频中的人脸和人脸特征点,利用人脸和人脸特征点的检测信息定位人眼,然后使用灰度二值化图像处理方法提纯人眼图像,将提纯的人眼图像进行灰度二值化处理,统计虹膜区域像素点的个数和坐标,计算平均坐标,即为虹膜中心点的位置,最后计算提纯人眼中心点与虹膜中心点之间的距离,通过该距离与阈值距离的比较,判断人眼是否关注屏幕两侧。实验结果表明,当学生人脸正面对准屏幕,连续5 s检测到虹膜中心点与人眼中心点之间距离大于阈值距离时,可以判断学生人眼未关注屏幕,即确定学生没有认真听课。