一种课堂学生行为检测方法技术

本发明专利技术公开了一种课堂学生行为检测方法，涉及图像处理与识别，主要解决的是目前全图检测方法存在准确度低、速度慢、鲁棒性差的技术问题，所述课堂学生行为检测方法包括：将课堂学生的原始图像转换为灰度图；将所述灰度图输入深度学习模型进行头肩框检测和趴桌子识别，并得到头肩框；根据所述头肩框确定举手检测区域，并在所述举手检测区域内进行举手检测。本发明专利技术根据头肩框确定举手检测区域，并在举手检测区域内进行举手检测，使得检测输入图像大大减小，检测区域大大减小，可以有效提高人手检测效率，也大大提高人手检测准确率，鲁棒性强。

【技术实现步骤摘要】
一种课堂学生行为检测方法
本专利技术涉及图像处理与识别，更具体地说，它涉及一种课堂学生行为检测方法。
技术介绍
图像处理与识别已经应用到各行各业，如在课堂上使用图像处理与识别技术来检测学生的行为，可以及时了解和记录学生的动态，有利于加强课堂，提高教学质量。目前主要是通过全图检测方法来检测课堂学生行为，全图检测存在准确度低、速度慢、鲁棒性差的缺点。
技术实现思路
本专利技术要解决的技术问题是针对现有技术的上述不足，本专利技术的目的是提供一种准确度高、速度快、鲁棒性强的课堂学生行为检测方法。本专利技术的技术方案是：一种课堂学生行为检测方法，所述方法包括：将课堂学生的原始图像转换为灰度图；将所述灰度图输入深度学习模型进行头肩框检测和趴桌子识别，并得到头肩框；根据所述头肩框确定举手检测区域，并在所述举手检测区域内进行举手检测。作为进一步地改进，根据公式：f(i,j)＝0.2999R+0.587G+0.114B,对所述原始图像进行灰度化处理得到所述灰度图，其中，f(i,j)为灰度本文档来自技高网...

【技术保护点】
1.一种课堂学生行为检测方法，其特征在于，所述方法包括：/n将课堂学生的原始图像转换为灰度图；/n将所述灰度图输入深度学习模型进行头肩框检测和趴桌子识别，并得到头肩框；/n根据所述头肩框确定举手检测区域，并在所述举手检测区域内进行举手检测。/n

【技术特征摘要】
1.一种课堂学生行为检测方法，其特征在于，所述方法包括：
将课堂学生的原始图像转换为灰度图；
将所述灰度图输入深度学习模型进行头肩框检测和趴桌子识别，并得到头肩框；
根据所述头肩框确定举手检测区域，并在所述举手检测区域内进行举手检测。


2.根据权利要求1所述的一种课堂学生行为检测方法，其特征在于，根据公式：
f(i,j)＝0.2999R+0.587G+0.114B,
对所述原始图像进行灰度化处理得到所述灰度图，其中，f(i,j)为灰度化后图像坐标(i,j)处的像素灰度值，R，G，B分别为彩色图像RGB三分量。


3.根据权利要求1所述的一种课堂学生行为检测方法，其特征在于，所述深度学习模型为卷积神经网络，所述头肩框检测与趴桌子识别的特征提取部分采用经过通道压缩的多个卷积层和一系列能使网络加速收敛的BN层。


4.根据权利要求3所述的一种课堂学生行为检测方法，其特征在于，所述头肩框检测采用由卷积神经网络学习得到的一系列特征作为描述特征并结合回归算法对其进行位置定位。


5.根据权利要求3所述的一种课堂学生行为检测方法，其特征在于，所...

【专利技术属性】
技术研发人员：黄艳虎，巫钊，王强，甘国妹，苏雪，陈超村，陈思谕，王德民，
申请(专利权)人：玉林师范学院，
类型：发明
国别省市：广西;45