课堂行为检测模型训练方法、课堂行为检测方法及系统技术方案

本发明专利技术公开了课堂行为检测模型训练方法、课堂行为检测方法及系统，所述方法包括：获取学生课堂行为样本数据，所述课堂行为样本数据为课堂行为图像；对课堂行为样本数据进行课堂行为标记；对标记后的课堂行为样本数据进行预处理；对预处理后的课堂行为样本数据按照比例划分为为训练集和测试集，将训练集输入到yolov7

【技术实现步骤摘要】
课堂行为检测模型训练方法、课堂行为检测方法及系统


[0001]本专利技术涉及人工智能
，特别是涉及课堂行为检测模型训练方法、课堂行为检测方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提到了与本专利技术相关的
技术介绍
，并不必然构成现有技术。
[0003]课堂行为是指在课堂上学生反应自身状态的动作和行为，学生上课时的专注度会随着课堂和自身状态改变，专注度较低时便会出现分神、睡觉等行为。传统的课堂上教师在教学过程中需要抽出时间和精力关注学生的学习状态以保证课堂秩序和学习效率，在自习室更加需要老师来查看和监督来保证学生的自习的效率。
[0004]中国专利技术专利CN110837795A基于课堂监控视频的教学情况智能监测方法、装置及设备，其虽然也能够实现教学情况的监测，但是该专利使用的是yolov3框架，其检测精度相对较低。

技术实现思路

[0005]为了解决现有技术的不足，本专利技术提供了课堂行为检测模型训练方法、课堂行为检测方法及系统；本专利技术可以实时检测课堂行为并对监控人员提供预警，精准辨识学生听课、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.课堂行为检测模型训练方法，其特征是，包括：获取学生课堂行为样本数据，所述课堂行为样本数据为课堂行为图像；对课堂行为样本数据进行课堂行为标记；对标记后的课堂行为样本数据进行预处理；对预处理后的课堂行为样本数据按照比例划分为为训练集和测试集，将训练集输入到yolov7
‑
cl模型中，对模型进行训练，得到初步训练模型；将测试集输入到初步训练模型中，对模型进行测试，得到对测试结果进行评估，将评估符合设定要求的模型作为训练后的课堂行为检测模型。2.如权利要求1所述的课堂行为检测模型训练方法，其特征是，对预处理后的课堂行为样本数据按照比例划分为为训练集和测试集，将训练集输入到yolov7
‑
cl模型中，其中，所述yolov7
‑
cl模型，包括：依次连接的输入层、骨干层backbone和预测器head；所述输入层，用于输入到检测的课堂行为图像；所述骨干层backbone，用于对输入层的图像进行特征提取；所述预测器head，用于对骨干层提取的特征进行分类；所述骨干层backbone，包括：依次连接的CBS1模块、CBS2模块、CBS3模块、第一ELAN模块、第一MP
‑
1模块、第二ELAN模块、第二MP
‑
1模块、第三ELAN模块、第三MP
‑
1模块和第四ELAN模块；所述预测器，包括：依次连接的SPPCSPC模块、CBS14模块、CBS15模块、第一上采样模块、连接器L103、第一ELAN
‑
W模块、CBS16模块、CBS17模块、第二上采样模块、连接器L104和第二ELAN
‑
W模块；其中，SPPCSPC模块通过注意力模块CBAM1与第四ELAN模块连接；连接器L103依次通过CBAM2和CBS18模块与第三ELAN模块连接；连接器L104依次通过CBAM3和CBS19模块与第二ELAN模块连接。3.如权利要求2所述的课堂行为检测模型训练方法，其特征是，所述预测器head，还包括：依次连接的第一MP
‑
2模块、连接器L105、第三ELAN
‑
W模块、第二MP
‑
2模块和连接器L106；所述第一MP
‑
2模块与第二ELAN
‑
W模块连接；连接器L105还与第一ELAN
‑
W模块连接；连接器L106还与SPPCSPC模块连接；所述第二ELAN
‑
W模块，还通过第一REP模块与第一CBM模块连接；所述第三ELAN
‑
W模块，还通过第二REP模块与第二CBM模块连接；所述连接器L106还通过第...

【专利技术属性】
技术研发人员：刘祥志，邱文科，吴晓明，尹训嘉，裴加彬，
申请(专利权)人：齐鲁工业大学山东省科学院山东山科智能科技有限公司，
类型：发明
国别省市：