本文率先开展了自然场景下尤其是课堂大场景中的多人头部姿态估计方法的研究，并开发了基于学习者头部姿态估计和分析的课堂教学管理系统。主要贡献有： （1）本文将Dirichlet-tree概率分布模型引入随机森林中，提出了Dirichlet-tree增强随机森林（Dirichlet-tree distribution enhanced random forest, D-RF）的头部姿态估计方法，对于自然环境下的两个自由度旋转的多类头部姿态估计有较好的效果。正、负人脸子区域块的分类作为D-RF的先验信息，可以减少环境噪声的影响。三个公共数据集上的测试实验表明本文方法比现有的先进算法具有更好的估计准确率和实时性。 （2）本文提出更加鲁棒和强区分力的复合纹理和几何特征模型(包括基于Gabor特征的PCA主成分、Sobel边缘特征、LBPH特征、灰度特征和两个几何约束模型)，用以在大场景下低分辨率图像的头部姿态估计，很好地解决了大场景中遮挡和低分辨率的影响，提高了D-RF估计的准确率和运行速度。（3）本文提出了一种回归迭代的学习算法用以自然环境下的连续头部姿态估计。该算法分为二个部分：首先，我们提出了基于D-RF级联算法的人脸特征点检测，可以精确定位不同头部姿态下的多个人脸特征点的位置；然后，我们提出了迭代回归的方法用以更新精确的头部姿态分类、特征点位置和头部姿态的旋转角度。不同的数据集上的测试实验表明本文的方法比现有的先进算法具有更好的准确率和实时性。（4）本文研究和开发了一套基于头部姿态估计和分析的课堂教学管理系统，包括智能签到模块、课堂交互模块和头部姿态估计和分析子系统，并提出了一个新颖的基于单目摄像机的多人注意力分析模型，为课堂教学管理系统系统提供客观的学习行为数据。为了更好的进行系统评估和分析，本文还建立了一套课堂自然场景下的头部姿态数据集。实验结果表明我们提出的系统和方法能够客观准确地对课堂上多名学生的课堂注意力和学习交互行为进行监控与分析。
中国大学出版社协会 |
首页 |
宏观指导 |
出版社天地 |
图书代办站 |
教材图书信息 |
教材图书评论 |
在线订购 |
教材征订
