一种自动识别学校实验教学过程中学生分组信息的方法技术

本发明专利技术公开了一种自动识别学校实验教学过程中学生分组信息的方法，属于学校实验教学技术领域，本方案包括如下步骤：对监控视频流进行AI智能分析，建立AI目标检测模型；针对每个实验课教室，按照要求预定义一定数量的分组框，并计算每个学生的每个位置顶点坐标与每个预定义分组框的判定点的距离；根据学生位置与判定点的距离确定确定学生的分组。基于学校视频流进行实时分析，对学生进行分组的技术。并且不需要获取并处理其他统计信息来判断分组，直接对视频流进行分析，根据视觉直接对学生分组，准确率更高，能够直接接入学校原有的视频监控进行分析，扩展性强。为学校学生实验课的监督提供了良好的工具与环境。监督提供了良好的工具与环境。监督提供了良好的工具与环境。

【技术实现步骤摘要】
一种自动识别学校实验教学过程中学生分组信息的方法


[0001]本专利技术涉及学校实验教学
，具体为一种自动识别学校实验教学过程中学生分组信息的方法。

技术介绍

[0002]近年来，中小学越来越注重学生的动手能力，教育局对于学校实验课的教学质量也越来越重视。在上实验课时，通常需要老师根据现场学生的数量、课桌位置以及上课状况来手动对学生进行分组。由于上课时，因实验关系可能会存在学生需要到处走动的情况，所以这种通过老师手动分组的管理方式，增加了老师的负担，学生分组效率低，降低了学生在实验课的学习效果与质量。
[0003]现有的技术中没有直接分析学校实验室视频流获得学生分组信息的技术，更多的是为了方便在线直播课学生的管理，而提出相关学生分组的技术，例如一种大班直播课讨论区学生分组的方法及系统(CN202110663538.0)，该方法是对直播课中的学生进行分组。在直播课开播前，学生在学生端进行直播课报名，学生端将报名信息上传至服务器，所述报名信息包括学生的姓名、学生ID、报名的直播课名称和直播课ID；服务器对报名直播课的学生进行分组时，统计报名的学生在以往参与的直播课中在讨论区发言的次数总和；发言的次数总和不为0的学生按发言的次数总和降序排列，发言的次数总和为0的学生则不参与排列，单独列出；然后按照直播课讨论区的管理老师人数确定学生分组数量，一个管理老师管理一个学生分组；轮流为每个学生分组分配参与排列的学生，每次分配均在参与排列的学生的队列中取第一个学生和最后一个学生，取过后将学生从队列中删除，直至参与排列的学生分配完毕；最后将未参与排列的学生轮流分配给各个学生分组，每次分配均取一个学生，直至所有学生都分配完毕，该类方法往往需要首先获取额外的统计信息，例如学生总人数、分组人数、发言次数、发言时常、发言轮数等，再根据这些统计信息进行分组，如果上述信息获取不够准确，则很容易出现错误分组的问题。
[0004]为此我们提出一种自动识别学校实验教学过程中学生分组信息的方法用于解决上述问题。

技术实现思路

[0005]本专利技术的目的在于提供一种自动识别学校实验教学过程中学生分组信息的方法，以解决上述
技术介绍
中提出的问题。
[0006]为实现上述目的，本专利技术提供如下技术方案：一种自动识别学校实验教学过程中学生分组信息的方法，包括如下步骤：
[0007]S1、对监控视频流进行AI智能分析，建立AI目标检测模型；
[0008]S2、针对每个实验课教室，按照要求预定义一定数量的分组框，并计算每个学生的每个位置顶点坐标与每个预定义分组框的判定点的距离；
[0009]S3、根据学生位置与判定点的距离确定确定学生的分组。
[0010]优选的一种实施案例，步骤S1中，AI目标检测模型采用yolov5算法对视频图像进行检测，yolov5首先将视频图片缩放到统一的大小，然后将图片划分为NxN的网格，如果目标的中心点在某个网格中，则该网格以及该网格附近的网格对该目标进行预测；每个网格会输出目标的分类概率，能够反应目标是否存在的置信度，以及边框的偏移量，对于不同大小的目标框，首先会给每一个网格预定义一组锚框，然后将每个网格输出的边框偏移量与预定义的锚框进行计算得到最终的预测框。
[0011]优选的一种实施案例，对视频图像进行检测，包括检测该区间视频流中学生的人脸、人头、身体来进行分析，使用单帧图片进行作为神经网络的输入，输出人脸框、人头框、身体框在图像中的左上角右下角两个二维坐标(x1,y1，x2，y2)。
[0012]优选的一种实施案例，步骤S2中，得到每个学生位置框之后，由于一个位置框有四个顶点(xi1，yi1)，(xi1，yi2)，(xi2，yi1)，(xi2，yi2)，计算每个学生的每个位置顶点坐标与每个预定义分组框的判定点(取中心点)(xpj，ypj)的距离，其中i表示第i个学生，j表示第j个分组。
[0013]优选的一种实施案例，以欧几里得距离为例，假设预定义分组框有N个，这堂课M个学生，计算欧几里得距离得到形状为(M，4N)的矩阵，然后按照该矩阵第一维度计算最小值，该最小值属于哪一个预定义框，则该学生就是哪一组。
[0014]优选的一种实施案例，学生i与预定义框分组j的距离计算流程如下：
[0015][0016]result(i，j)＝Min(distance(i1，p
j
)，distance(i2，p
j
)，distance(i3，p
j
)，distance(i4，p
j
))
[0017]其中distance(p1，p2)为计算的欧几里得距离结果，i1，i2，i3，i4为学生i的四个顶点坐标，p
j
是预定义的分组框的判定点；result(i，j)是学生i与分组j的最小距离。
[0018]优选的一种实施案例，步骤S3中，确定学生的分组的判定方法为：找到学生与预定义分组框中心最小距离之后，再次判定该学生的位置坐标是否在该预定义分组框之内，如果在框内，则该学生分到该组；如果不在框内，则排除这个最小距离，而再次选取一个最小距离，再次判断，以此循环查找直到找到该学生分组为止。
[0019]优选的一种实施案例，预定义的分组框为矩形或其他任意的多边形中的一种；预定义分组框判定点为中心点或分组框内其他任意点。
[0020]本专利技术的有益效果在于：
[0021]1、本专利技术是首个基于学校视频流进行实时分析，对学生进行分组的技术，并且不需要获取并处理其他统计信息来判断分组，直接对视频流进行分析，根据视觉直接对学生分组，准确率更高，整个流程也是端到端自动化，仅需要对实验教室进行一次预定义分组框的设定，之后便一切自动化，AI模型自动对该区间进行分析，得到分析的学生位置信息结果，分析每个学生每个位置信息的归属问题并计算到预定义分组框的距离，从而完成学生自动分组，整个流程除了预定义的分组框，一切自动化；
[0022]2、每个教室仅需要定义一次分组框，所以整个流程十分简单方便，本专利技术整个流程运行速度极快，能够在边缘设备上对多路实时视频流进行实时分析；
[0023]3、由于本专利技术是对监控视频流进行分析，要有监控视频流即可实现高效高精度的
实时分析，能够直接接入学校原有的视频监控进行分析，扩展性强，为学校学生实验课的监督提供了良好的工具与环境。
附图说明
[0024]图1为本专利技术实施例提供的一种自动识别学校实验教学过程中学生分组信息的方法中的分组易错情况。
[0025]图2为本专利技术设定预定义框示意图。
[0026]图3为本专利技术整体流程图。
[0027]图4为本专利技术IOU计算两个边框的重叠程度示意图。
[0028]图5为本专利技术yolov5预测流程示意图。
具体实施方式
[0029]下面将结合本专利技术实施例中的附图，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本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动识别学校实验教学过程中学生分组信息的方法，其特征在于,包括如下步骤：S1、对监控视频流进行AI智能分析，建立AI目标检测模型；S2、针对每个实验课教室，按照要求预定义一定数量的分组框，并计算每个学生的每个位置顶点坐标与每个预定义分组框的判定点的距离；S3、根据学生位置与判定点的距离确定确定学生的分组。2.如权利要求1所述的一种自动识别学校实验教学过程中学生分组信息的方法，其特征在于：步骤S1中，AI目标检测模型采用yolov5算法对视频图像进行检测，yolov5首先将视频图片缩放到统一的大小，然后将图片划分为NxN的网格，如果目标的中心点在某个网格中，则该网格以及该网格附近的网格对该目标进行预测；每个网格会输出目标的分类概率，能够反应目标是否存在的置信度，以及边框的偏移量，对于不同大小的目标框，首先会给每一个网格预定义一组锚框，然后将每个网格输出的边框偏移量与预定义的锚框进行计算得到最终的预测框。3.如权利要求2所述的一种自动识别学校实验教学过程中学生分组信息的方法，其特征在于：对视频图像进行检测，包括检测该区间视频流中学生的人脸、人头、身体来进行分析，使用单帧图片进行作为神经网络的输入，输出人脸框、人头框、身体框在图像中的左上角右下角两个二维坐标(x1,y1,x2,y2)。4.如权利要求3所述的一种自动识别学校实验教学过程中学生分组信息的方法，其特征在于：步骤S2中，得到每个学生位置框之后，由于一个位置框有四个顶点(xi1,yi1)，(xi1,yi2)，(xi2,yi1)，(xi2,yi2)，计算每个学生的每个位置顶点坐标与每个预定义分组框的判定点(取中心点)(xpj,ypj)的距离，其中i表示第i个学生，j表示...

【专利技术属性】
技术研发人员：刘爱云，邱靖，
申请(专利权)人：四川仕虹腾飞信息技术有限公司，
类型：发明
国别省市：