【技術實現步驟摘要】
本專利技術涉及課堂行為識別，特別是一種學生課堂行為智能分析判斷系統及方法。
技術介紹
1、學生課堂行為是指在教育環(huán)境中，學生在課堂教學過程中所展現出來的各種行動、反應和態(tài)度；這些行為不僅影響著學生的學習效果，也對課堂氛圍和教學質量產生著重要影響；
2、在現代教育體系中，課堂教學作為知識傳授與技能培養(yǎng)的核心環(huán)節(jié)，其質量與效果直接關系到學生的學習成果與未來發(fā)展；然而，隨著教育規(guī)模的不斷擴大，班級學生數量顯著增加，傳統的人工觀察與評估方式已難以滿足全面、實時、客觀的課堂行為分析需求；因此，探索并應用智能化技術來輔助課堂行為分析，成為教育領域的一個重要研究方向；
3、現有的學生課堂行為分析往往同時監(jiān)測所有的學生在課堂上的行為，這會導致數據的復雜性和處理難度很大，同時也不能根據學生的實際情況（如位置情況、是否經常出現異常動作情況）對不同類型的學生使用不同的監(jiān)測方式，這可能無法準確反映每個學生的實際情況；此外，現有的學生課堂行為分析中大多在一節(jié)課中使用固定的監(jiān)測周期進行學生的行為監(jiān)測，沒有根據教師是否面向學生進行監(jiān)測周期的動態(tài)調整，即當教師面向學生時，學生的異常行為通常會減少；而當教師未面向學生時，學生的異常行為通常會增加，采用固定的監(jiān)測周期忽略了教師行為對學生行為的影響。
技術實現思路
1、（一）解決的技術問題
2、針對
技術介紹
中的技術問題，本專利技術提出一種學生課堂行為智能分析判斷系統及方法，分別設定第一分析信號屬性、第二分析信號屬性以及第三分析信號屬性
3、（二）技術方案
4、為實現以上目的，本專利技術通過以下技術方案予以實現：
5、一種學生課堂行為智能分析判斷系統，包括：
6、數據采集與存儲模塊，用于獲取兩個高清攝像頭在課堂中所拍攝的視頻數據，預處理后將配置于教室前方的高清攝像頭所拍攝視頻數據的每秒幀圖像實時存入本堂課程的監(jiān)測圖像表中；還用于將識別出的異常行為存入對應學生的異常行為庫中；
7、行為分析模塊，包括目標識別單元和行為檢測單元；
8、目標識別單元用于生成代表學生位置的邊界框，并對每個邊界框中的學生進行身份識別，將提取出的邊界框在對應幀圖像中的坐標范圍數據以及匹配學生的姓名數據存儲在臨時學生信息表中；
9、行為檢測單元基于所述每個邊界框中對應學生的行為以及關鍵點結構圖，訓練得到行為識別模型；根據行為識別模型并結合不同的分析信號進行對應學生的行為識別；
10、監(jiān)測時間控制模塊，用于對配置于教室后方的高清攝像頭所拍攝的每秒幀圖像進行實時檢測，判斷是否出現人臉以及出現的人臉特征是否與班級教師的人臉特征匹配，根據結果進行課堂行為監(jiān)測周期的調整；
11、課后反饋模塊，通過在課堂結束時分析該節(jié)課學生的異常行為次數以及出現異常行為的學生總數，對學生進行特殊標記的添加與清除，并判斷是否向班主任與任課教師發(fā)送相應的信息。
12、具體的，所述監(jiān)測圖像表中存儲著隨著配置于教室前方的高清攝像頭所拍攝視頻數據中時長的增加而不斷更新的每秒幀圖像，以及時間屬性數據、第一分析信號屬性數據、第二分析信號屬性數據以及第三分析信號屬性數據。
13、具體的，所述第一分析信號屬性、第二分析信號屬性以及第三分析信號屬性的取值為“t”或“f”，“t”表示發(fā)送對應的分析信號，“f”表示不發(fā)送對應的分析信號；當獲取到新的每秒幀圖像時，從第一分析信號屬性開始，依次檢測第一分析信號屬性、第二分析信號屬性以及第三分析信號屬性的取值，發(fā)送最先出現數值為“t”的對應信號到行為檢測單元中。
14、具體的，當所述目標識別單元接收到就位指令后，獲取配置于教室前方的高清攝像頭所拍攝視頻數據中預處理后的下一秒幀圖像；基于yolov8算法識別該圖像中所有學生的位置信息并生成對應的邊界框，記錄邊界框在圖像中的坐標范圍數據；
15、基于人臉識別技術對每個邊界框中的學生進行身份識別，通過依次計算邊界框中學生的面部特征與該班級所有學生照片中的面部特征的相似度，確定與當前面部特征最匹配的學生身份，并記錄每個邊界框所對應學生的姓名數據。
16、進一步的，當接收到第一分析信號時，進行課堂中所有學生的行為識別；
17、當接收到第二分析信號時，進行課堂中靠后排和靠窗學生的行為識別；
18、當接收到第三分析信號時，進行課堂中被特殊標記學生的行為識別；
19、在接收到分析信號后，基于若干個待識別學生所對應的邊界框在圖像中的坐標范圍數據，從當前時刻對應的幀圖像中拆分出每個邊界框區(qū)域對應的若干個子圖像，并基于行為識別模型對子圖像中的學生進行行為識別操作。
20、具體的，通過openpose模型對獲取的歷史數據中所有每秒幀圖像中的每個邊界框中的學生進行對應關鍵點的標注，所述關鍵點包括鼻子、左眼、右眼、左耳、右耳、左肩、右肩、左肘、右肘、左腕、右腕以及嘴巴共12個特征點，并對標注得到的所有關鍵點通過線段進行連接，得到關鍵點結構圖；對獲取的歷史數據中所有每秒幀圖像中的每個邊界框進行對應學生行為類型的標注；匯總所有的邊界框數據，通過建立訓練集、驗證集和測試集訓練得到所述行為識別模型。
21、具體的，實時獲取配置于教室后方的高清攝像頭所拍攝的每秒幀圖像，并使用opencv軟件對實時獲取的每秒幀圖像進行面部識別，若檢測到圖像中出現人臉，則裁剪出包含整個人臉的區(qū)域；依次將包含整個人臉的區(qū)域與當前班級所有代課老師的照片文件比對，若識別出的人臉特征與當前班級其中一個代課老師的人臉特征相匹配，則按照標準監(jiān)測方案進行課堂學生行為的監(jiān)測與識別，具體為：t1=2*t2且t2>2；t3=1；監(jiān)測周期的單位為秒且都為正整數，其中t1、t2、t3分別為第一、第二、第三監(jiān)測周期間隔；
22、若識別出的人臉特征與當前班級中所有代課老師的人臉特征都不匹配，或檢測到配置于教室后方的高清攝像頭所拍攝的每秒幀圖像中未出現人臉，則將第一、第二監(jiān)測周期間隔調整為t1=t2=t3=1。
23、具體的，在每節(jié)課結束時，統計每個學生在該節(jié)課中出現異常行為的總次數ni，設置異常行為次數閾值n0，分別比較每個學生在該節(jié)課中出現異常行為的總次數ni與異常行為次數閾值n0的大小關系，若nin0，則將該學生進行特殊標記；若nin0且該學生在該節(jié)課中已經被進行了特殊標記，則將該學生的特殊標記清除；若一名學生連續(xù)n節(jié)課被進行了特殊標記，則向其班主任發(fā)送提醒信息。
24、進一步的，在每節(jié)課結束時，統計該節(jié)課出現異常行為的學生總數m，若mm0/2，則向該節(jié)課的任課老師發(fā)送加強管理信息，其中m0表示當前班級的學生總數。
25、一種學生課堂行為智能分析判斷方法，包括：
26、步驟一、獲取兩個高清攝像頭在本文檔來自技高網...
【技術保護點】
1.一種學生課堂行為智能分析判斷系統，其特征在于：包括：
2.如權利要求1所述的一種學生課堂行為智能分析判斷系統，其特征在于：
3.如權利要求2所述的一種學生課堂行為智能分析判斷系統，其特征在于：
4.如權利要求3所述的一種學生課堂行為智能分析判斷系統，其特征在于：
5.如權利要求4所述的一種學生課堂行為智能分析判斷系統，其特征在于：
6.如權利要求5所述的一種學生課堂行為智能分析判斷系統，其特征在于：
7.如權利要求1所述的一種學生課堂行為智能分析判斷系統，其特征在于：
8.如權利要求1所述的一種學生課堂行為智能分析判斷系統，其特征在于：
9.如權利要求1所述的一種學生課堂行為智能分析判斷系統，其特征在于：
10.一種學生課堂行為智能分析判斷方法，其特征在于，包括：
【技術特征摘要】
1.一種學生課堂行為智能分析判斷系統，其特征在于：包括：
2.如權利要求1所述的一種學生課堂行為智能分析判斷系統，其特征在于：
3.如權利要求2所述的一種學生課堂行為智能分析判斷系統，其特征在于：
4.如權利要求3所述的一種學生課堂行為智能分析判斷系統，其特征在于：
5.如權利要求4所述的一種學生課堂行為智能分析判斷系統，其特征在于：
...【專利技術屬性】
技術研發(fā)人員：李海東，曾令鵬，劉勝，
申請(專利權)人：廣東省教育研究院，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。