一种基于浅层卷积神经网络的老师姿态识别系统技术方案

本发明专利技术涉及一种基于浅层卷积神经网络的老师姿态识别系统，包括：一双目探测仪，用于采集视频图像，获得场景的深度图点云，并进行深度图像预处理；一卷积神经网络，将经过深度图像预处理后的点云图，导入到卷积神经网络中，进行训练，根据得到的数据集生成参数模型；参数模型加载为新模型，并与双目探测仪采集的现场深度图结合起来，进行姿态识别；人工判断姿态识别效果，若识别结果不够准确，说明训练不够充分，系统手动开始和结束现场训练，训练后，自动重新加载新模型。所述基于浅层卷积神经网络的老师姿态识别系统用于课堂录播环境，检测老师的姿态，进而根据姿态识别的结果，控制相机转动和画面切换，达到较完美的课堂录制效果。

【技术实现步骤摘要】
一种基于浅层卷积神经网络的老师姿态识别系统
本专利技术涉及一种老师姿态识别系统，尤其涉及一种基于浅层卷积神经网络的老师姿态识别系统，属于人工智能

技术介绍
在传统意义上，学校教育是一种封闭式教育方式，即有校园、教室，学生及老师在规定的时间和地点展开相应的教学过程。很多人因为种种限制无法参与到学校的学习过程，所以随着信息通信技术的发展而出现了远程视频教育，而远程视频教育就需要对老师的教学进行课堂录制。现有的录制方式都是使用传统的基于画面分析的技术，对老师姿态识别的鲁棒性不够好，容易受到环境限制，导致课堂录制效果较差。因此有必要设计一种基于浅层卷积神经网络的老师姿态识别系统，以克服上述问题。
技术实现思路
本专利技术的目的在于克服现有技术之缺陷，提供了一种基于浅层卷积神经网络的老师姿态识别系统，其用于课堂录播环境，检测老师的姿态，进而根据姿态识别的结果，控制相机转动和画面切换，达到较完美的课堂录制效果。本专利技术是这样实现的：本专利技术提供一种基于浅层卷积神经网络的老师姿态识别系统，包括：一双目探测仪，用于采集视频图像，获得场景的深度图点云，并进行深度图像预处理；一卷积神经网络，将本文档来自技高网...

【技术保护点】
1.一种基于浅层卷积神经网络的老师姿态识别系统，其特征在于，包括：一双目探测仪，用于采集视频图像，获得场景的深度图点云，并进行深度图像预处理；一卷积神经网络，将经过深度图像预处理后的点云图，导入到卷积神经网络中，进行训练，根据得到的数据集生成参数模型；参数模型加载为新模型，并与双目探测仪采集的现场深度图结合起来，进行姿态识别；人工判断姿态识别效果，若识别结果不够准确，说明训练不够充分，系统手动开始和结束现场训练，训练后，自动重新加载新模型。

【技术特征摘要】
1.一种基于浅层卷积神经网络的老师姿态识别系统，其特征在于，包括：一双目探测仪，用于采集视频图像，获得场景的深度图点云，并进行深度图像预处理；一卷积神经网络，将经过深度图像预处理后的点云图，导入到卷积神经网络中，进行训练，根据得到的数据集生成参数模型；参数模型加载为新模型，并与双目探测仪采集的现场深度图结合起来，进行姿态识别；人工判断姿态识别效果，若识别结果不够准确，说明训练不够充分，系统手动开始和结束现场训练，训练后，自动重新加载新模型。2.如...

【专利技术属性】
技术研发人员：朱志鹏，沈振冈，赵幸，
申请(专利权)人：武汉东信同邦信息技术有限公司，
类型：发明
国别省市：湖北,42