一种视频分析方法、教学质量评估方法及系统、计算机可读存储介质技术方案

本发明专利技术实施例公开一种视频分析方法，属于视频分析处理领域。该视频分析方法包括：对获取的视频流进行采样；对于每一帧需要分析的原图像，将原图像通过滑动窗口进行切分，得到子图片；将所述子图片输入到SSD目标检测算法中进行检测；将经过SSD目标检测算法处理后的子图片合成到原始分辨率的原图像上，将记录的检测框的个数作为该原图像中检测到的人数。采用上述实施例，将记录的检测框的个数作为该图像中检测到的人数，可以得到较为精确的人数统计数据，实现了图像中人数的智能识别与统计。本发明专利技术实施例还公开一种教学质量评估方法及系统、计算机可读存储介质。

【技术实现步骤摘要】
一种视频分析方法、教学质量评估方法及系统、计算机可读存储介质
本专利技术涉及视频分析处理领域，特别涉及一种视频分析方法、教学质量评估方法及系统、计算机可读存储介质。
技术介绍
教育行业中教学质量评估是学校建设、改革、发展以及提高教育教学质量的有效手段。评估中客观指标将直观的展示课堂效果和学生课堂积极性。例如课堂出勤率，迟到早退人数等客观数据是教师教学水平的重要反映。但目前，评估中上述的客观标准和数据往往由人为登记，主观性比较大，无客观数据支持。这不仅有可能会导致评估的不准确，更会导致一些消极的教学情况不能及时的被解决和改进。如何提供一种教学质量评估方法，能够实现教学质量评估，使教学情况能够得到及时反馈和改进，是目前亟待解决的问题。
技术实现思路
鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种视频分析方法、教学质量评估方法及系统、计算机可读存储介质，从教学视频中提取学生上课出勤率、迟到早退人数以及上课行为的客观数据并加以分析，根据各项客观指标达标情况来反映老师的教学水平，并客观地评价课堂教学质量。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。根据本专利技术的第一方面，提供了一种视频分析方法。在一些可选实施例中，所述视频分析方法包括：对获取的视频流进行采样；对于每一帧需要分析的原图像，将原图像通过滑动窗口进行切分，得到子图片；将所述子图片输入到SSD(SingleShotMultiBoxDetector)目标检测算法中进行检测，获取相应的检测框，并记录检测框相对于该子图片的坐标系，最后将所述原图像中所有检测框相对应的子图片的坐标转换成相对于原图像整张图坐标系的坐标；将经过SSD目标检测算法处理后的子图片合成到原始分辨率的原图像上，将记录的检测框的个数作为该原图像中检测到的人数。采用上述可选实施例，将记录的检测框的个数作为该图像中检测到的人数，可以得到较为精确的人数统计数据，实现了图像中人数的智能识别与统计。可选地，所述视频分析方法还包括：所述SSD目标检测算法采用多尺度特征图进行检测。采用上述可选实施例，对于教室中检测的目标即人头具有目标和尺度较小的特点，SSD目标检测算法采用较大的特征图用来检测相对较小的目标，而较小的特征图用来检测相对较大目标，对不同大小的目标都实现精确检测。可选地，所述视频分析方法还包括：在所述SSD目标检测算法加入非极大值抑制(NMS，nonmaximumsuppression)算法，所述非极大值抑制算法包括：首先，将所有检测框的得分排序，选中最高分及其对应的检测框；然后，遍历其余的检测框，如果有检测框和当前最高分检测框的重叠面积大于一定阈值，就将该最高分检测框删除；接下来，从未处理的检测框中继续选一个得分最高的，重复上述过程。采用上述可选实施例，将SSD算法与NMS算法结合起来做进一步优化，NMS算法的使用是在SSD目标检测算法对图片检测完之后再进行优化，将同一个目标检测到的多个冗余的检测框去除，得到属于该目标的唯一的置信度最高的检测框，使得最后的检测数据更准确。可选地，所述视频分析方法还包括：在对获取的视频流进行采样之前，先根据需要分析处理的视频通道数和当前的计算资源，计算出满足实时性分析要求的视频采样频率，以此采样频率为基础，对获取的视频流进行动态频率采样分析；视频采样频率＝h*计算能力/视频通道数，其中，h为调整系数。采用上述可选实施例，以此采样频率为基础，对获取的视频流进行动态频率采样分析，动态频率采样分析可以使得该方法在不同配置的电脑上都能流畅的运行，提高该方法对运行环境配置的普适性。根据本专利技术的第二方面，提供了一种计算机可读存储介质。在一些可选实施例中，所述计算机可读存储介质，其上存储有计算机程序，当所述计算机程序被处理器执行时实现上述任一可选实施例中所述的视频分析方法。根据本专利技术的第三方面，提供了一种教学质量评估方法。在一些可选实施例中，所述教学质量评估方法包括：获取教学的视频流；还包括采用上述任一可选实施例中所述的视频分析方法对所述视频流进行分析。采用上述可选实施例，将记录的检测框的个数作为该图像中检测到的人数，可以得到较为精确的人数统计数据，实现了图像中人数的智能识别与统计，得到客观的教学质量评估结果。可选地，所述教学质量评估方法，还包括：对SSD目标检测算法检测的目标类别进行细分，划分成两个类别：抬头和低头；将标注好的数据重新使用SSD目标检测算法训练；最后将抬头的检测框进行统计计数，作为学生上课注意力集中的评价指标，将低头的检测框进行统计计数，作为学生上课注意力分散的评价指标。采用上述可选实施例，可以精确地检测出学生抬头和低头的行为，根据这两种行为来评价学生上课注意力的集中情况，因此，可以对学生上课注意力进行客观地评估。可选地，所述教学质量评估方法，还包括：采用所述SSD目标检测算法对就座分布进行统计，根据座位排列的结构化信息，SSD目标检测算法检测到目标的座位就判断为被占用，没有检测到目标的座位就判断为空。采用上述可选实施例，由于教室中座位的分布是很整齐的，所述SSD目标检测算法利用这种结构化的信息来提取学生在教室的就座分布情况，可以对学生上课积极性进行客观地评估。根据本专利技术的第四方面，提供了一种计算机可读存储介质。在一些可选实施例中，所述计算机可读存储介质，其上存储有计算机程序，当所述计算机程序被处理器执行时实现上述任一可选实施例中所述的教学质量评估方法。根据本专利技术的第五方面，提供了一种教学质量评估系统。在一些可选实施例中，所述教学质量评估系统包括：教学视频获取模块和教学检测分析模块；所述教学视频获取模块用于获取课堂教学情况的视频信息，将视频数据传递给教学检测分析模块；所述教学检测分析模块采用上述任一可选实施例所述的视频分析方法对所述教学视频获取模块采集到的视频数据进行分析处理。采用上述可选实施例，可以根据检测分析数据客观地进行教学评估，实现自动化的智能分析，降低人工的劳动强度以及人为因素对客观数据的影响。可选地，所述教学检测分析模块还用于对SSD目标检测算法检测的目标类别进行细分，划分成两个类别：抬头和低头；将标注好的数据重新使用SSD目标检测算法训练；最后将抬头的检测框进行统计计数，作为学生上课注意力集中的评价指标，低头的检测框进行统计计数，作为学生上课注意力分散的评价指标。采用上述可选实施例，可以精确地检测出学生抬头和低头的行为，可以对学生上课注意力进行客观地评估。可选地，所述教学检测分析模块还用于采用所述SSD目标检测算法对就座分布进行统计，根据座位排列的结构化信息，SSD目标检测算法检测到目标的座位就判断为被占用，没有检测到目标的座位就判断为空。采用上述可选实施例，可以精确地检测出学生在教室的就座分布情况，可以对学生上课积极性进行客观地评估。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本专利技术。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。图1是视频分析方法的一个可选本文档来自技高网...

【技术保护点】
1.一种视频分析方法，其特征在于，包括：对获取的视频流进行采样；对于每一帧需要分析的原图像，将原图像通过滑动窗口进行切分，得到子图片；将所述子图片输入到SSD目标检测算法中进行检测，获取相应的检测框，并记录检测框相对于该子图片的坐标系，最后将所述原图像中所有检测框相对应的子图片的坐标转换成相对于原图像整张图坐标系的坐标；将经过SSD目标检测算法处理后的子图片合成到原始分辨率的原图像上，将记录的检测框的个数作为该原图像中检测到的人数。

【技术特征摘要】
1.一种视频分析方法，其特征在于，包括：对获取的视频流进行采样；对于每一帧需要分析的原图像，将原图像通过滑动窗口进行切分，得到子图片；将所述子图片输入到SSD目标检测算法中进行检测，获取相应的检测框，并记录检测框相对于该子图片的坐标系，最后将所述原图像中所有检测框相对应的子图片的坐标转换成相对于原图像整张图坐标系的坐标；将经过SSD目标检测算法处理后的子图片合成到原始分辨率的原图像上，将记录的检测框的个数作为该原图像中检测到的人数。2.如权利要求1所述的视频分析方法，其特征在于，还包括：在所述SSD目标检测算法加入非极大值抑制算法，所述非极大值抑制算法包括：首先，将所有检测框的得分排序，选中最高分及其对应的检测框；然后，遍历其余的检测框，如果有检测框和当前最高分检测框的重叠面积大于一定阈值，就将该最高分检测框删除；接下来，从未处理的检测框中继续选一个得分最高的，重复上述过程。3.一种教学质量评估方法，其特征在于，包括：获取教学的视频流；还包括采用权利要求1或2所述的视频分析方法对所述视频流进行分析。4.如权利要求3所述的教学质量评估方法，其特征在于，还包括：对SSD目标检测算法检测的目标类别进行细分，划分成两个类别：抬头和低头；将标注好的数据重新使用SSD目标检测算法训练；最后将抬头的检测框进行统计计数，将低头的检测框进行统计计数。5.如权利要求3所述的教学质量评估方...

【专利技术属性】
技术研发人员：胥志伟，石志君，张瑜，王胜科，王亚平，李瑞，吕昕，
申请(专利权)人：青岛伴星智能科技有限公司，
类型：发明
国别省市：山东,37