一种基于机器视觉的客观评价学生课堂表现的方法及系统技术方案

本发明专利技术涉及人工智能技术领域，具体涉及一种基于机器视觉的客观评价学生课堂表现的方法及系统，包括构建课堂行为判定模型；基于监控数据生成教室座位背景基准图；对学生人脸、人体数据进行识别和追踪，得到座位对应关系；将座位对应关系填充在教室座位背景基准图中，得到课堂行为抓拍图；将课堂行为抓拍图输入课堂行为判定模型判定学生的课堂表现行为，得到课堂表现评价结果，通过学生人脸数据判断学生的课堂参与情况、课堂活动情况、发言情况和出勤表现，解决现有的评价学生课堂表现的方法评价出的平时成绩真实性较低的问题。价出的平时成绩真实性较低的问题。价出的平时成绩真实性较低的问题。

【技术实现步骤摘要】
一种基于机器视觉的客观评价学生课堂表现的方法及系统


[0001]本专利技术涉及人工智能
，尤其涉及一种基于机器视觉的客观评价学生课堂表现的方法及系统。

技术介绍

[0002]在大多数高校中，学生每门课的总成绩由考试成绩和平时成绩组成，平时成绩包括课堂学生参与课堂活动情况和发言情况和出勤表现。
[0003]考勤时会要求学生使用手机扫码签到，并且网上签到学生可不用真实姓名，因此存在帮他人签到的情况，所以考勤的真实性无法实时确定，因此并不能客观、公正的给出学生的平时成绩，降低了平时成绩的真实性。

技术实现思路

[0004]本专利技术的目的在于提供一种基于机器视觉的客观评价学生课堂表现的方法及系统，旨在解决现有的评价学生课堂表现的方法评价出的平时成绩真实性较低的问题。
[0005]为实现上述目的，第一方面，本专利技术提供了一种基于机器视觉的客观评价学生课堂表现的方法，包括以下步骤：
[0006]构建课堂行为判定模型；
[0007]基于监控数据生成教室座位背景基准图；
[0008]对学生人脸、人体数据进行识别和追踪，得到座位对应关系；
[0009]将所述座位对应关系填充在所述教室座位背景基准图中，得到课堂行为抓拍图；
[0010]将所述课堂行为抓拍图输入所述课堂行为判定模型判定学生的课堂表现行为，得到课堂表现评价结果。
[0011]其中，所述构建课堂行为判定模型的具体方式为：
[0012]构建行为分析网络、训练数据集和测试数据集；r/>[0013]基于半监督学习方式使用所述训练数据集对所述行为分析网络进行训练，得到训练模型；
[0014]使用所述测试数据集对所述训练模型进行评估并优化，得到课堂行为判定模型。
[0015]其中，所述基于监控数据生成教室座位背景基准图的具体方式为：
[0016]获取监控数据；
[0017]对所述监控数据的目标区域进行角度和宽高比判断，得到判断结果；
[0018]基于所述判断结果对所述目标区域的图像进行校正，得到背景基准图。
[0019]其中，所述对学生人脸、人体数据进行识别和追踪，得到座位对应关系的具体方式为：
[0020]基于所述监控数据识别教室内的学生人脸数据；
[0021]将所述学生人脸数据与人脸数据库进行对比，得到学生信息；
[0022]基于所述学生信息记录对应的学生的衣帽特征信息；
[0023]基于所述衣帽特征信息追踪所述学生的入座行为和座位编号，得到入座情况；
[0024]基于所述入座情况生成所述学生信息与座位的对应关系。
[0025]所述学生信息包括学生姓名、学号和课表信息。
[0026]其中，在步骤将所述课堂行为抓拍图输入所述课堂行为判定模型判定学生的课堂表现行为，得到课堂表现评价结果之后，所述方法还包括：
[0027]基于预设时间段将所述课堂表现评价结果生成课堂氛围趋势图；
[0028]基于所述课堂氛围趋势图进行分析，得到分析结果；
[0029]基于所述分析结果对教师课堂管教效果进行调整。
[0030]第二方面，本专利技术提供了一种基于机器视觉的客观评价学生课堂表现的系统，包括构建模块、生成模块、追踪模块、填充模块和判定模块，所述构建模块、所述生成模块、所述追踪模块、所述填充模块和所述判定模型依次连接；
[0031]所述构建模块，用于构建课堂行为判定模型；
[0032]所述生成模块，基于监控数据生成教室座位背景基准图；
[0033]所述追踪模块，用于对学生人脸、人体数据进行识别和追踪，得到座位对应关系；
[0034]所述填充模块，用于将所述座位对应关系填充在所述教室座位背景基准图中，得到课堂行为抓拍图；
[0035]所述判定模块，用于将所述课堂行为抓拍图输入所述课堂行为判定模型判定学生的课堂表现行为，得到课堂表现评价结果。
[0036]本专利技术的一种基于机器视觉的客观评价学生课堂表现的方法，通过构建课堂行为判定模型；基于监控数据生成教室座位背景基准图；对学生人脸、人体数据进行识别和追踪，得到座位对应关系；将所述座位对应关系填充在所述教室座位背景基准图中，得到课堂行为抓拍图；将所述课堂行为抓拍图输入所述课堂行为判定模型判定学生的课堂表现行为，得到课堂表现评价结果，通过学生人脸数据判断学生的课堂参与情况、课堂活动情况、发言情况和出勤表现，解决现有的评价学生课堂表现的方法评价出的平时成绩真实性较低的问题。
附图说明
[0037]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0038]图1是本专利技术提供的一种基于机器视觉的客观评价学生课堂表现的方法的流程图。
[0039]图2是课堂行为判定模型的工作流程图。
[0040]图3是监控数据校正前后的对比图。
[0041]图4是课堂行为抓拍图的结构示意图。
[0042]图5是是本专利技术提供的一种基于机器视觉的客观评价学生课堂表现的结构示意图。
[0043]1‑
构建模块、2
‑
生成模块、3
‑
追踪模块、4
‑
填充模块、5
‑
判定模块。
具体实施方式
[0044]下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本专利技术，而不能理解为对本专利技术的限制。
[0045]请参阅图1至图4，第一方面，本专利技术提供一种基于机器视觉的客观评价学生课堂表现的方法，包括以下步骤：
[0046]S1构建课堂行为判定模型；
[0047]具体方式为：
[0048]S11构建行为分析网络、训练数据集和测试数据集；
[0049]具体的，构建训练数据集和测试数据集的具体方式为：构建课堂行为数据，并将所述课堂行为数据按常规数据分析比例划分为训练数据集和测试数据集，课堂行为至少包括上课、做笔记、睡觉、玩手机、缺席、新入。所述行为分析网络以YOLOv5为骨干框架训练而成。
[0050]S12基于半监督学习方式使用所述训练数据集对所述行为分析网络进行训练，得到训练模型；
[0051]具体的，基于半监督学习方式使用所述训练数据集对所述行为分析网络进行网络的迭代训练和反复评估，当达到预设训练次数或达到预设效果，结束训练，得到训练模型。
[0052]S13使用所述测试数据集对所述训练模型进行评估并优化，得到课堂行为判定模型。
[0053]具体的，在使用所述测试数据集对所述训练模型进行评估并优化，得到本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉的客观评价学生课堂表现的方法，其特征在于，包括以下步骤：构建课堂行为判定模型；基于监控数据生成教室座位背景基准图；对学生人脸、人体数据进行识别和追踪，得到座位对应关系；将所述座位对应关系填充在所述教室座位背景基准图中，得到课堂行为抓拍图；将所述课堂行为抓拍图输入所述课堂行为判定模型判定学生的课堂表现行为，得到课堂表现评价结果。2.如权利要求1所述的基于机器视觉的客观评价学生课堂表现的方法，其特征在于，所述构建课堂行为判定模型的具体方式为：构建行为分析网络、训练数据集和测试数据集；基于半监督学习方式使用所述训练数据集对所述行为分析网络进行训练，得到训练模型；使用所述测试数据集对所述训练模型进行评估并优化，得到课堂行为判定模型。3.如权利要求1所述的基于机器视觉的客观评价学生课堂表现的方法，其特征在于，所述基于监控数据生成教室座位背景基准图的具体方式为：获取监控数据；对所述监控数据的目标区域进行角度和宽高比判断，得到判断结果；基于所述判断结果对所述目标区域的图像进行校正，得到背景基准图。4.如权利要求1所述的基于机器视觉的客观评价学生课堂表现的方法，其特征在于，所述对学生人脸、人体数据进行识别和追踪，得到座位对应关系的具体方式为：基于所述监控数据识别教室内的学生人脸数据；将所述学生人脸数据与人脸数据库进行对比，得到学生信息；基于所述学生信息记录对应的学生的衣帽特征信息；基于所述衣帽特征信息追踪所...

【专利技术属性】
技术研发人员：李敏，
申请(专利权)人：重庆工程学院，
类型：发明
国别省市：