大學生創(chuàng)新訓練項目申報書基于監(jiān)控視頻的課堂瞌睡自動識別算法研究

編號:XX 大學大學生創(chuàng)新訓練項目申報書項目名稱：基于監(jiān)控視頻的課堂瞌睡自動識別算法研究所屬一級學科：信息與通信工程所在學院：指導教師：填表時間：預期成果類別：□社科類社會調(diào)查報告及學術(shù)論文□自然科學類學術(shù)論文及專利教務(wù)處制項目名稱

姓名（請加*號）

基于監(jiān)控視頻的課堂瞌睡自動識別算法研究學號 性別 身份證號 年級 專業(yè) 聯(lián)系電話 手機 E-mail申請人或申請團隊姓名指導教師

性年齡職稱別

職務(wù) 所屬學院 聯(lián)系電話 手機 E-mail研究起止時間 2017年4月至2019年3月一、申請理由（包括自身具備的知識條件、自己的特長、興趣及開展本項目的基礎(chǔ)等）具備的知識條件及成員特長：本項目團隊成員共同具備的知識：圖像處理基礎(chǔ)。

均熟練掌握C/C++語言，熟悉運用開源圖像處理庫 OpenCV,具有一定的數(shù)字:有較好的編程基礎(chǔ)，對 Adaboost算法有一定的認識與研究；ASM（ActiveShapeModel）算法有基本了解，能夠?qū)σ曨l中的人臉、人眼進行檢測與定位；對基于

CUDA（ComputeUnifiedDeviceArchitecture/統(tǒng)一計算設(shè)備架構(gòu)）計算有一定的認識與了解；

GPU（GraphicProcessingUnit/圖形處理器）并行:學習過TLD（Tacking）算法，可以對視頻中的人臉進行跟蹤操作；興趣及開展本項目的基礎(chǔ)團隊成員均對圖像視頻處理，計算機軟件具有濃厚的興趣團隊成員已對本項目進行了近 6個月的研究，目前已具備以下基礎(chǔ)：C/C++,OpenCV，CUDA等編程工具對視頻跟蹤算法進行了學習，包括：

ASM，Adaboost。TLD,KCF。（熟悉單片機編程（、項目創(chuàng)新特色概述

50字以內(nèi)）提岀利用ASM算法和Adaboost級聯(lián)分類器進行人臉及眼睛的定位，并利用改進 TLD寸單人進行跟蹤分析。三、項目實施思路（3000字以內(nèi)）研究意義與目的，同類研究工作國內(nèi)外研究現(xiàn)狀與存在的問題等研究意義及目的： 基于視頻監(jiān)控的人體行為識別是指通過計算機對視頻或圖像序列中的人體進行智能分析 理解與識別屬于計算機視覺的高級部分。隨著視頻技術(shù)的普及，計算機視覺領(lǐng)域已成為國內(nèi)外學者的研究熱點。經(jīng)過國內(nèi)外研究多年的努力，基于視頻的人體各類行為識別技術(shù)取得了顯著的進步。 基于視頻監(jiān)控的課堂瞌睡識別，屬于視頻行為分析領(lǐng)域，它不僅能實時監(jiān)控學生的課堂學習情況，還能檢驗教師教學質(zhì)量，在提高學生學習質(zhì)量和教師教學質(zhì)法，對課堂瞌睡進行實時監(jiān)控?；谝曨l監(jiān)控的瞌睡識別，主要采用以下幾種方法來實現(xiàn)：1）人臉檢測及定位[1]:1＞基于知識的方法，這種方法存在的問題是很難將人類知識轉(zhuǎn)換為明確定義的規(guī)則。如果規(guī)則是詳細的嚴格的），誤接收率；2＞基于模板匹配的人臉檢測與定位，簡單易實現(xiàn)但準確率較低；

；如果規(guī)則太概括（通用），可能會有較高的錯3＞基于統(tǒng)計模型的特征點定位，具有較好的精確度跟魯棒性，但受光照及皺紋影響較大；4＞基于可視化特征繼續(xù)人臉檢測及定位；2）對眼睛的精確定位[2]:1＞利用CDD攝像機的“亮瞳效應(yīng)”結(jié)合“霍夫圓變換”；2＞基于面部幾何模型檢測；3＞入局部最小導致定位失??；3）人臉的跟蹤分析3）人臉的跟蹤分析[3]:1＞TLD（Tracking-learning-detection）算法，算法分為跟蹤模塊、檢測模塊和學習模塊，跟蹤模塊跟蹤到指定物體，之后檢測模塊進行修正，同時學習模塊進行在線學習，更新模板以保證準確跟蹤；2>KCF(High-speed2>KCF(High-speedtrackingwithkernelizedcorrelationfilters)本，同時利用脊回歸訓練目標檢測器；利用循環(huán)矩陣將矩陣相乘變成元素點乘，提高運算速度；目前存在的困難與挑戰(zhàn)：圖像獲取過程的不確定性帶來的影響 光照強度、光源的數(shù)目和方向、拍攝角度、不同的成像方式、圖像的分辨率，都可以引起圖像質(zhì)量的變化；人臉可能以不同的視角岀現(xiàn)在圖像中，為了實現(xiàn)檢測方法的魯棒性，我們需要考慮在不同的方向、角度、尺度等情況下所表現(xiàn)岀來的不同表象 ；參考文獻：[1]1>YangGZ,HuangTS.Humanfacedetectioninacomplexbackground[J].PatternRecognition,1994,27(1):5363.2>Craw1,EllisH,LishmanJ.Findingfacesfeatures[C].ProcSecondEuropeanConf,Computervision,19929296.YuilleA,HallinanP,CohenD.Featureextracrionfromfacesusingdeformabletemplates[J].InternationalJournalofComputerVision.1992,8(2):991113>M.KirbyandL.Sirovich.Applicationofthe Karhunen-LoeveProcedurefortheCharacterizationHumanFaces.IEEETrans.Pattern.AnalysisandMachineIntelligence.Jan1990,12(1):103108.B.MoghaddamandA.Pentland. ProbabilisticVisualRecognition.IEEETrans.19(7):696-710.Kah-KaySung,TomasoPoggio.Example-BasedLearningforView-BasedHumanFaceDetection. IEEETranslationPatternAnalysisandMachine Intelligenee. Jan1998,(20)39-59方顯春，土蘊紅，譚鐵牛?；谏省⑤喞蛥^(qū)域信息融合的人臉定位

.第二屆生物特征識別研討會 .2001,52:36-43.F.Samaria.FaceRecognitionUsingHiddenMarkovModels.PhDthesis.Univ.ofCambridge.1994.4>KanadeT.PictureProcessingSystembyComputerComplexandRecognitionofHumanFace[D].Kyoto:KyotoUniversity,1973.[2]1>張杰；楊曉飛；趙瑞蓮;;基于積分投影和Hough變換圓檢測的人眼精確定位方法研究

[J];電子器件;2005年04期.2>Shi-hongJeng,HongYuanMarkLiao,ChinChuanHaneta1.FacialFeatureDet