本发明专利技术公开了一种降低录播系统学生行为分析误判的方法，所述方法包括：将运动数据输入预先处理器进行预处理；将处理后的运动属性传输至训练器和分析器；所述训练器进行模型训练，以得到决策模型；所述分析器分析各个行为模型。本发明专利技术提供一种机器学习的方法来就降低学生行为分析误判的方法，由数据预处理器、模型训练器、分析器组成，通过对预处理器的数据进行训练，系统根据教学环境学校一个行为分析模型，完成行为分析自动检测，这样避免了参数法所需要的大量参数设置，引起误判的问题。
【技术实现步骤摘要】
本专利技术涉及机器学习领域，尤其涉及一种降低录播系统学生行为分析误判的方法和装置。
技术介绍
教学录播系统需要分析学生课堂动作行为，根据行为决定拍摄策略，目前市场技术方案总体是采用参数法，根据分析学生运动轨迹，设定一些阀值和参数，对学生站立和坐下进行判断。这种方法主要弊端是，教学环境往往比较复杂，需要与拍摄景深、广角、站立姿势、时间等因素影响，需要设置参数非常多，各种参数的组合非常大，一方面施工难度非常大，另外一方面设置不准确容易导致系统误判。本专利技术提供一种机器学习的方法来就降低学生行为分析误判的方法，由数据预处理器、模型训练器、分析器组成，通过对预处理器的数据进行训练，系统根据教学环境学校一个行为分析模型，完成行为分析自动检测，这样避免了参数法所需要的大量参数设置，引起误判的问题。
技术实现思路
基于此，本专利技术提供了一种降低录播系统学生行为分析误判的方法和装置。一种基于机器学习技术降低录播系统学生行为分析误判的方法，所述方法包括：将运动数据输入预先处理器进行预处理；将处理后的运动属性传输至训练器和分析器；所述训练器进行模型训练，以得到决策模型；所述分析器分析各个行为模型。在其中一个实施例中，所述将运动数据输入预先处理器进行预处理的步骤包括：角点运动聚类分区；提取所述分区形成局部运动；计算局部运动运动属性；将运动属性传输给训练器和分析器。在其中一个实施例中，所述训练器进行模型训练，以得到决策模型包括：选择13点进行训练：其中，至少选择13个点作为正样板训练，随机选择9-20个点作为负样板训练正样本13个点位为拍摄区域的中心，以及8个边角点以及2对角线1/4等分点。如要分析学生站立，正样本为学生站立，负样本为其他动作；模型计算：首先根据第一步的样本按照表1的变量计算各个运动属性，计算行为信息量，计算公式如下：pi(D)表示变量D为i的概率；计算表1所有变量的信息增益：其中v(A)表示需要计算的变量的属性值的个数，p(D(i))表示变量A的第i个值对应的D的子集D(i)在D变量值集合的占比。根据信息增益最大的变量构建决策树左右分支，完成决策树构建。在其中一个实施例中，所述方法还包括：分析器将需要分析的各个行为模型，采用链表的形式链接在一起，形成分析模型链；从分析模型链的第一个节点开始，将预处理器计算好的运动属性，依次通过训练好的模型决策树，得到最好的行为决策。如果当前模型行为分析结果为真，则分析器停止分析输出结果，否则分析器从分析模型链取下一个行为分析模型，继续分析，直到分析完成。一种基于机器学习技术降低录播系统学生行为分析误判的装置，所述装置包括：预处理模块，用于将运动数据输入预先处理器进行预处理；传输模块，用于将处理后的运动属性传输至训练器和分析器；训练模块，用于进行模型训练，以得到决策模型；分析模块，用于分析各个行为模型。在其中一个实施例中，所述预处理模块包括：运动单元，用于角点运动聚类分区；提取单元，用于提取所述分区形成局部运动；计算单元，用于计算局部运动运动属性；传输单元，用于将运动属性传输给训练器和分析器。在其中一个实施例中，所述训练模块包括：选择训练单元，用于选择13点进行训练：其中，至少选择13个点作为正样板训练，随机选择9-20个点作为负样板训练正样本13个点位为拍摄区域的中心，以及8个边角点以及2对角线1/4等分点。如要分析学生站立，正样本为学生站立，负样本为其他动作；模型计算单元，用于模型计算：首先根据第一步的样本按照表1的变量计算各个运动属性，计算行为信息量，计算公式如下：pi(D)表示变量D为i的概率；计算单元，用于计算表1所有变量的信息增益：其中v(A)表示需要计算的变量的属性值的个数，p(D(i))表示变量A的第i个值对应的D的子集D(i)在D变量值集合的占比。构建单元，用于根据信息增益最大的变量构建决策树左右分支，完成决策树构建。在其中一个实施例中，所述装置还包括：分析模块，用于将需要分析的各个行为模型，采用链表的形式链接在一起，形成分析模型链；分析输出模块，从分析模型链的第一个节点开始，将预处理器计算好的运动属性，依次通过训练好的模型决策树，得到最好的行为决策，如果当前模型行为分析结果为真，则分析器停止分析输出结果，否则分析器从分析模型链取下一个行为分析模型，继续分析，直到分析完成。有益效果：本专利技术公开了一种降低录播系统学生行为分析误判的方法，所述方法包括：将运动数据输入预先处理器进行预处理；将处理后的运动属性传输至训练器和分析器；所述训练器进行模型训练，以得到决策模型；所述分析器分析各个行为模型。本专利技术提供一种机器学习的方法来就降低学生行为分析误判的方法，由数据预处理器、模型训练器、分析器组成，通过对预处理器的数据进行训练，系统根据教学环境学校一个行为分析模型，完成行为分析自动检测，这样避免了参数法所需要的大量参数设置，引起误判的问题。附图说明为了更清楚地说明本专利技术运行原理和使用的技术方案，下面将对运行原理和使用的技术中所需要使用的附图作简单地介绍。显而易见，下面描述中的附图仅仅是本专利技术的一些运行例子，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。图1是本专利技术的一种降低录播系统学生行为分析误判的装置的方法流程图。图2是本专利技术的一种降低录播系统学生行为分析误判的装置框图。具体实施方式下面将结合本专利技术运行原理中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。请参照图1，一种降低录播系统学生行为分析误判的方法，所述方法包括：S101：将运动数据输入预先处理器进行预处理；S102：将处理后的运动属性传输至训练器和分析器；S103：所述训练器进行模型训练，以得到决策模型；S104：所述分析器分析各个行为模型。在其中一个实施例中，所述将运动数据输入预先处理器进行预处理的步骤包括：角点运动聚类分区；提取所述分区形成局部运动；计算局部运动运动属性；将运动属性传输给训练器和分析器。在其中一个实施例中，所述训练器进行模型训练，以得到决策模型包括：选择13点进行训练：其中，至少选择13个点作为正样板训练，随机选择9-20个点作为负样板训练正样本13个点位为拍摄区域的中心，以及8个边角点以及2对角线1/4等分点。如要分析学生站立，正样本为学生站立，负样本为其他动作；模型计算：首先根据第一步的样本按照表1的变量计算各个运动属性，计算行为信息量，计算公式如下：pi(D)表示变量D为i的概率；计算表1所有变量的信息增益：其中v(A)表示需要计算的变量的属性值的个数，p(D(i))表示变量A的第i个值对应的D的子集D(i)在D变量值集合的占比。根据信息增益最大的变量构建决策树左右分支，完成决策树构建。在其中一个实施例中，所述方法还包括：分析器将需要分析的各个行为模型，采用链表的形式链接在一起，形成分析模型链；从分析模型链的第一个节点开始，将预处理器计算好的运动属性，依次通过训练好的模型决策树，得到最好的行为决策。如果当前模型行为分析结果为真，则分析器停止分析输本文档来自技高网...
【技术保护点】
一种降低录播系统学生行为分析误判的方法，其特征在于，所述方法包括：将运动数据输入预先处理器进行预处理；将处理后的运动属性传输至训练器和分析器；所述训练器进行模型训练，以得到决策模型；所述分析器分析各个行为模型。
【技术特征摘要】
1.一种降低录播系统学生行为分析误判的方法，其特征在于，所述方法包括：将运动数据输入预先处理器进行预处理；将处理后的运动属性传输至训练器和分析器；所述训练器进行模型训练，以得到决策模型；所述分析器分析各个行为模型。2.根据权利要求1所述的方法，其特征在于，所述将运动数据输入预先处理器进行预处理的步骤包括：角点运动聚类分区；提取所述分区形成局部运动；计算局部运动运动属性；将运动属性传输给训练器和分析器。3.根据权利要求1所述的方法，其特征在于，所述训练器进行模型训练，以得到决策模型包括：选择13点进行训练：其中，至少选择13个点作为正样板训练，随机选择9-20个点作为负样板训练正样本13个点位为拍摄区域的中心，以及8个边角点以及2对角线1/4等分点。如要分析学生站立，正样本为学生站立，负样本为其他动作；模型计算：首先根据第一步的样本按照表1的变量计算各个运动属性，计算行为信息量，计算公式如下：pi(D)表示变量D为i的概率；计算表1所有变量的信息增益：其中v(A)表示需要计算的变量的属性值的个数，p(D(i))表示变量A的第i个值对应的D的子集D(i)在D变量值集合的占比。根据信息增益最大的变量构建决策树左右分支，完成决策树构建。4.根据权利要求1所述的方法，其特征在于，所述方法还包括：分析器将需要分析的各个行为模型，采用链表的形式链接在一起，形成分析模型链；从分析模型链的第一个节点开始，将预处理器计算好的运动属性，依次通过训练好的模型决策树，得到最好的行为决策。如果当前模型行为分析结果为真，则分析器停止分析输出结果，否则分析器从分析模型链取下一个行为分析模型，继续分析，直到分析完成。5.一种降低录播系统学生行为分析误判的装置，其特征在于，所述...
【专利技术属性】
技术研发人员：邓剑鸿，孙铨，
申请(专利权)人：惠州紫旭科技有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。