摘要
现在快节奏的生活状态下，不管是工作还是学习，效率始终是人们最关心的问题，而影响着效率的最主要的因素就是专注程度。对于关专注度的研究一直以来都是热门，提出了很多针对专注度的判断方法，早期的方法大多数依赖人工操作，例如人工观察、问卷调查、上门访谈等。这些方法除了浪费人力物力以外还有很多缺点，例如客观程度低、效率低下等。随着技术的发展，计算机性能不断提升，计算能力大大提高，而且模式识别与图像处理技术飞速发展，计算机判别专注度成为了可能，将计算机与专注度相结合的方法应运而生，基于人脸识别的专注度识别方法受到了大众的热切关注，将机器视觉与专注度判别相结合，对于场景的适应能力、对人力资源的解放以及对检测效率的提升都有着良好的作用。 本文设计了基于改进的VGG的人脸专注检测系统，将专注度的检测问题转化为了一个分类问题。本文的主要工作内容如下： 第一，在原有的公开GT数据集的基础上，对其内的人脸图像进行专注度分类，构建了GT人脸专注度数据库，用于后续的人脸专注度检测。 第二，提出了一种基于改进VGG的人脸专注度识别方法，根据实际采集输入的图片的分辨率，在满足人脸专注度检测的精度的情况下对原VGG网络结构进行了优化，减少了神经网络中的参数权重，简化了计算，提升了检测速度，并且降低了训练时间。 第三，在人脸识别的基础上提出了抬头平视率的计算，并建立了抬头率与专注度的对应关系，减少了需要进行人脸专注度检测的图片的数量，进一步提升了专注度检测系统的检测效率。 第四，将本文所使用的算法与其他专注度检测算法进行对比，验证了本方法的可行性，并对本身所存在的问题和需要改进的关键点进行总结，并对未来的工作进行了展望。
NETL