【技術實現步驟摘要】
本申請涉及計算機，特別涉及一種教室違紀行為分析方法及裝置。
技術介紹
1、在現代教育環境中，教室秩序的維護對于保障教學質量和學生學習效果至關重要。一個典型的應用場景是，教師在進行授課時，需要一個安靜、有序的課堂環境來確保教學效果。然而，學生在課堂上可能會出現隨意走動等行為，這些行為不僅影響了自己的學習，也干擾了其他同學的學習。因此需要一種有效的技術手段來監測和提醒這些不當行為，以維護良好的教學秩序。
2、相關技術中，通常依賴于視頻監控系統來監測學生的行為。視頻監控系統通過圖像識別技術來檢測學生的行為，如上課隨意走動。這些系統通常設置了一系列規則，當學生的行為觸發這些規則時，系統會判定為違紀行為。由于現有技術缺乏對上下文的理解和判斷(例如學生在課堂上的走動和說話可能是為了參與小組討論或向教師請教問題，這不屬于違紀行為)，導致對學生的誤識別率較高，從而降低了違紀行為檢測的準確率。
技術實現思路
1、本申請實施例提供了一種教室違紀行為分析方法及裝置。為了對披露的實施例的一些方面有一個基本的理解，下面給出了簡單的概括。該概括部分不是泛泛評述，也不是要確定關鍵/重要組成元素或描繪這些實施例的保護范圍。其唯一目的是用簡單的形式呈現一些概念，以此作為后面的詳細說明的序言。
2、第一方面，本申請實施例提供了一種教室違紀行為分析方法，應用于服務端，方法包括：
3、接收并預處理預先部署在教室內的攝像頭陣列上報的預設周期內的視頻流，得到待分析視頻；
4、將
5、在檢測結果指示待分析視頻中存在異常行為的目標對象時，獲取預設周期內通過預先部署在教室內的麥克風陣列采集并存儲的音頻數據；
6、收集預設周期內與目標對象的異常行為相關的上下文信息，上下文信息用于表征教室環境中的教學背景，教學背景是在特定時間段內教室環境中進行的教學環節的教學性質；
7、將音頻數據以及上下文信息輸入違紀行為分析層中，以判定目標對象是否存在違紀行為，違紀行為分析層用于分析目標對象是否存在違紀行為；
8、在目標對象存在違紀行為的情況下，生成目標對象的警告信息發送至客戶端。
9、可選的，上下文信息包括課程時間表、教學計劃信息、教師的特定指示信息以及課堂活動安排信息；違紀行為分析層包括教學背景分析模塊、音頻數據轉錄模塊、關鍵詞序列識別模塊、相關性分析模塊以及違紀行為判斷模塊；
10、將音頻數據以及上下文信息輸入違紀行為分析層中，以判定目標對象是否存在違紀行為，包括：
11、教學背景分析模塊根據課程時間表、教學計劃信息、教師的特定指示信息以及課堂活動安排信息，分析預設周期內的教室環境中的教學背景；
12、音頻數據轉錄模塊采用自動語音識別技術asr將音頻數據轉錄為文本形式，得到轉錄文本；
13、關鍵詞序列識別模塊利用自然語言處理技術nlp分析轉錄文本，以識別出轉錄文本的關鍵詞序列；
14、行為背景分析模塊根據關鍵詞序列，分析目標對象的行為背景，行為背景是學生在教室環境中進行特定行為時的教學情境；
15、相關性分析模塊對教學背景以及行為背景進行相關性分析，得到相關性分析結果；
16、違紀行為判斷模塊在相關性分析結果指示教學背景與行為背景相關性大于等于預設相關性閾值時，確定目標對象不存在違紀行為；或者，在相關性分析結果指示教學背景與行為背景相關性小于預設相關性閾值時，確定目標對象存在違紀行為。
17、可選的，根據課程時間表、教學計劃信息、教師的特定指示信息以及課堂活動安排信息，分析預設周期內的教室環境中的教學背景，包括：
18、采用樸素貝葉斯分類器，對課堂活動安排信息進行模式識別，以預測教學活動的類型；
19、從教學計劃信息中，提取包含教學目標和教學方法的關鍵內容；
20、根據教學活動的類型，從預先建立的類型與教學活動模版的映射關系中，獲取對應的教學活動模版；
21、將關鍵內容映射至教學活動模版中，以推斷出預期的教學流程；
22、根據課程時間表，構建教學時間線；
23、采用時間序列聚類算法，對教學時間線進行時間序列分析，以預設教學活動的開始時刻、結束時刻、持續時間和間隔；
24、基于開始時刻、結束時刻、持續時間和間隔，對教學流程進行分割，得到教學子流程序列；
25、從教師的特定指示信息中提取關鍵動作和要求；
26、將關鍵動作和要求插入教學子流程序列中指定的教學子流程上，得到目標教學子流程序列；
27、基于目標教學子流程序列，確定預設周期內的教室環境中的教學背景。
28、可選的，基于目標教學子流程序列，確定預設周期內的教室環境中的教學背景，包括：
29、從目標教學子流程序列中，截取預設周期內的目標教學子流程；
30、根據目標教學子流程所攜帶的教學信息，確定預設周期內的教學環節，其中，教學環節包括教授環節、實驗環節以及討論環節；
31、將教學環節作為預設周期內的教室環境中的教學背景。
32、可選的，根據關鍵詞序列，分析目標對象的行為背景，包括：
33、將關鍵詞序列輸入預先訓練的行為背景推斷模型中，預先訓練的行為背景推斷模型是采用機器學習訓練的能夠推斷出學生行為背景的神經網絡；
34、輸出音頻數據對應的行為背景，行為背景包括學術討論、課堂管理以及緊急情況。
35、可選的，按照以下步驟生成預先訓練的行為背景推斷模型，包括：
36、收集預設時間段內教室環境的歷史音頻數據；
37、對歷史音頻數據進行文本轉錄以及關鍵詞提取處理，得到多組歷史關鍵詞序列；
38、使用詞袋模型或者tf-idf算法對每組歷史關鍵詞序列進行特征提取，得到多組特征向量；
39、接收針對每組特征向量制定的行為背景作為數據標簽進行數據標注，得到模型訓練樣本；
40、采用神經網絡創建行為背景推斷模型；
41、根據模型訓練樣本對行為背景推斷模型進行訓練，得到預先訓練的行為背景推斷模型。
42、可選的，根據模型訓練樣本對行為背景推斷模型進行訓練，得到預先訓練的行為背景推斷模型，包括：
43、將模型訓練樣本輸入行為背景推斷模型中，輸出模型的交叉熵損失值；
44、在交叉熵損失值到達最小時，得到預先訓練的行為背景推斷模型；或者在交叉熵損失值未到達最小時，將交叉熵損失值進行反向傳播，以更新行為背景推斷模型的模型參數，并繼續執行將模型訓練樣本輸入行為背景推斷模型中的步驟；其中，
45、行為背景推斷模型的損失函數為：
46、
47本文檔來自技高網...
【技術保護點】
1.一種教室違紀行為分析方法，其特征在于，應用于服務端，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述上下文信息包括課程時間表、教學計劃信息、教師的特定指示信息以及課堂活動安排信息；所述違紀行為分析層包括教學背景分析模塊、音頻數據轉錄模塊、關鍵詞序列識別模塊、相關性分析模塊以及違紀行為判斷模塊；
3.根據權利要求2所述的方法，其特征在于，所述根據所述課程時間表、教學計劃信息、教師的特定指示信息以及課堂活動安排信息，分析所述預設周期內的教室環境中的教學背景，包括：
4.根據權利要求3所述的方法，其特征在于，所述基于所述目標教學子流程序列，確定所述預設周期內的教室環境中的教學背景，包括：
5.根據權利要求2所述的方法，其特征在于，所述根據所述關鍵詞序列，分析所述目標對象的行為背景，包括：
6.根據權利要求5所述的方法，其特征在于，按照以下步驟生成預先訓練的行為背景推斷模型，包括：
7.根據權利要求6所述的方法，其特征在于，所述根據所述模型訓練樣本對所述行為背景推斷模型進行訓練，得到預先訓練的行為背
8.根據權利要求2所述的方法，其特征在于，所述對所述教學背景以及所述行為背景進行相關性分析，得到相關性分析結果，包括：
9.根據權利要求1所述的方法，其特征在于，按照以下步驟生成預先訓練的異常行為檢測模型，包括：
10.一種教室違紀行為分析裝置，其特征在于，所述裝置包括：
...【技術特征摘要】
1.一種教室違紀行為分析方法，其特征在于，應用于服務端，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述上下文信息包括課程時間表、教學計劃信息、教師的特定指示信息以及課堂活動安排信息；所述違紀行為分析層包括教學背景分析模塊、音頻數據轉錄模塊、關鍵詞序列識別模塊、相關性分析模塊以及違紀行為判斷模塊；
3.根據權利要求2所述的方法，其特征在于，所述根據所述課程時間表、教學計劃信息、教師的特定指示信息以及課堂活動安排信息，分析所述預設周期內的教室環境中的教學背景，包括：
4.根據權利要求3所述的方法，其特征在于，所述基于所述目標教學子流程序列，確定所述預設周期內的教室環境中的教學背景，包括：
5.根...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。