【技术实现步骤摘要】
本专利技术涉及课堂检测
，更具体地说，涉及一种基于智能视频处理技术的课堂检测方法。
技术介绍
智能视频监控技术源于计算机技术、数字图像处理技术以及人工智能技术，它利用计算机视觉(ComputerVision，CV)和视频分析(VideoAnalysis，VA)的方法对视频序列行一系列分析，实现对动态场景中目标的检测、定位、识别和跟踪，并在此基础上分析和判断目标的行为，从而既能完成日常管理工作又能在异常情况发生时及时做出反应。基于现有智能视频分析的应用主要聚集在视频监控的异常检测、人流量统计等。其中运动目标检测、分割、识别与跟踪是智能视频分析研究领域当中比较常见的几个问题，至于行为理解和描述分析则是最近几年以来颇受关注的一个研究重点问题。在学校中，学生出勤人数、课堂秩序等课堂情况都是学校管理的重要方面，是教学质量评估的重要指标。因此老师需要在课堂上点名以确定出勤情况，学校还会安排督导员巡视课堂；耗费了不少人力资源。现阶段，学校课室内普遍
【技术保护点】
一种基于智能视频处理技术的课堂检测方法，其特征在于，包括出勤人数统计方法；出勤人数统计方法包括如下步骤：S1步，从数据库中获取课室监控视频，并从课室监控视频中提取若干记录图像；从记录图像中截取学生上半身的区域作为素材图像一，并截取不包含有学生上半身的区域作为素材图像二；分别将素材图像一和素材图像二进行归一化处理，以实现所有素材图像一和素材图像二均尺寸相同；S2步，分别将各个素材图像一和素材图像二分成若干细胞单元；分别计算各个细胞单元中各像素点的直方图；将直方图进行组合分别形成素材图像一的特征描述器和素材图像二的特征描述器；S3步，以素材图像一的特征描述器作为正样本，以素材图...
【技术特征摘要】 【专利技术属性】
1.一种基于智能视频处理技术的课堂检测方法，其特征在于，包括出勤人
数统计方法；出勤人数统计方法包括如下步骤：
S1步，从数据库中获取课室监控视频，并从课室监控视频中提取若干记录
图像；从记录图像中截取学生上半身的区域作为素材图像一，并截取不包含有
学生上半身的区域作为素材图像二；分别将素材图像一和素材图像二进行归一
化处理，以实现所有素材图像一和素材图像二均尺寸相同；
S2步，分别将各个素材图像一和素材图像二分成若干细胞单元；分别计算
各个细胞单元中各像素点的直方图；将直方图进行组合分别形成素材图像一的
特征描述器和素材图像二的特征描述器；
S3步，以素材图像一的特征描述器作为正样本，以素材图像二的特征描述
器作为负样本；采用Adaboost算法对正样本和负样本进行学习，生成分类器，
分类器的识别目标是学生上半身；
S4步，从数据库中获取待检测课堂对应的课室监控视频，以获取待检测图
像；将待检测图像进行预处理；设定扫描子窗口，使待检测图像尺寸与扫描子
窗口尺寸之间的比例为设定比例的初始值；设定人数值为零；
S5步，采用扫描子窗口遍历待检测图像获得若干扫描子图像；采用分类器
依次判断各个扫描子图像是否为分类器的识别目标：若为分类器的识别目标，
则人数值自加一；否则人数值不变；
S6步，判断是否已遍历所有设定比例：若已遍历所有设定比例，则当前的
人数值为总出勤人数，出勤人数统计程序结束；否则调整待检测图像尺寸和/或
扫描子窗口尺寸，使待检测图像尺寸与扫描子窗口尺寸之间的比例为下一个设
定比例，并跳至S5步。
2.根据权利要求1所述的基于智能视频处理技术的课堂检测方法，其特征
在于，还包括课堂秩序检测方法；所述课堂秩序检测方法包括如下步骤：
T1步，获取课堂的开始时间和结束时间，获取从开始时间至结束时间的课
室监控视频中的各帧图像；采用高斯混合模型来表征开始时间所对应的图像中
各个像素点的特征；设定下一帧图像作为当前分析图像；
T2步，将当前分析图像中的各个像素点与高斯混合模型进行匹配：若成功
\t匹配，则判定该像素点为背景点；否则判定该像素点为前景点；采用当前分析
图像更新高斯混合模型；
T3步，判断当前分析图像对应的时间是否为结束时间：若是，则跳至T4步；
否则设定下一帧图像作为当前分析图像，并跳至T2步；
技术研发人员：青春美，苏林达，陈俊宇，张庆瑞，彭建浩，张鑫鑫，
申请(专利权)人：华南理工大学，
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。