System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 学生异常操作行为识别系统及方法技术方案_技高网

学生异常操作行为识别系统及方法技术方案

技术编号:40331403 阅读:20 留言:0更新日期:2024-02-09 14:23
本发明专利技术公开了学生异常操作行为识别系统及方法,包括信息集成平台和行为评估平台;信息集成平台包括异常操作行为识别单元;异常操作行为识别单元用于获取学生的四肢姿态与动作以及评估与四肢姿态与动作对应的识别特征;行为评估平台包括图像设置单元;图像设置单元用于设置与调整异常操作行为识别算法,调用异常操作行为识别算法确定与四肢姿态与动作对应的识别特征,并将识别特征发送至信息集成平台,通过获取学生的四肢图片并快速构建行为轨迹活动范围图像,基于行为轨迹活动范围图像和各类型异常操作行为图像调用已完成四肢与异常操作行为识别准确度关联训练的AI模型进行精准快速拟合,为学生识别适合其佩戴的异常操作行为类型,能够提高异常操作行为发生时的识别准确度,提高校园安全。

【技术实现步骤摘要】

本专利技术异常操作行为识别领域,尤其涉及学生异常操作行为识别系统及方法


技术介绍

1、随着时代的不断发展,人们生活质量在不断提高,但伴随着的是家长对孩子的高要求,严管理,学生的心理压力不断增大,焦虑情绪不断被放大,导致校园悲剧事件不断频发;学校减少悲剧事件的发生,除了对学生进行心理方面的疏导,帮助孩子增强心理承受能力,培养健全的自我认识、对社会的了解之外,必要的预防措施也是校园安全管理重要的一环;当前的校园安全管理手段通常是通过校园监控系统,人工值守、人为查看学生行为,对于有可能发生的悲剧事件很难做到智能监管、提前预警,往往待悲剧事件发生后,查看监控记录只能作为追责的手段,但此时生命逝去,于事无补。

2、如何建立一套有效的学生异常操作行为识别系统,杜绝校园内的安全隐患,成为了家长和学校急待解决的问题。


技术实现思路

1、本申请实施例提供了学生异常操作行为识别系统及方法,能够准确地给使用者识别适合的异常操作行为。

2、第一方面,本申请实施例提供学生异常操作行为识别系统,包括信息集成平台和行为评估平台;所述信息集成平台包括异常操作行为识别单元;异常操作行为识别单元用于获取学生的四肢姿态与动作以及评估与所述四肢姿态与动作对应的识别特征;所述行为评估平台包括图像设置单元;所述图像设置单元用于设置与调整异常操作行为识别算法,调用所述异常操作行为识别算法确定与所述四肢姿态与动作对应的识别特征,并将所述识别特征发送至所述信息集成平台。

3、在第一方面的一种实现方式中,所述图像设置单元还用于设置与调整行为轨迹四肢追踪算法,调用所述行为轨迹四肢追踪算法对所述四肢姿态与动作进行行为轨迹追踪,得到行为轨迹活动范围图像。

4、在第一方面的一种实现方式中,所述信息集成平台的异常操作行为识别单元包括图像获取组件和特征评估组件:所述图像获取组件用于获取学生的四肢姿态与动作;所述特征评估组件用于评估识别特征,所述识别特征包括四肢关键信息,异常操作行为识别危险程度,行为轨迹评估特征。

5、在第一方面的一种实现方式中,所述信息集成平台还包括异常操作行为危害认定单元和学生习惯单元:所述异常操作行为危害认定单元用于评估各类型异常操作行为的危害程度;所述学生习惯单元用于对学生的学生行为习惯进行评估。

6、在第一方面的一种实现方式中,所述异常操作行为危害认定单元包括异常操作行为评估组件、异常操作行为影响范围组件、异常操作行为破坏性组件:所述异常操作行为评估组件用于对异常操作行为信息进行评估,所述异常操作行为信息包括各类型异常操作行为的图像、行为持续时长以及动作幅度;所述异常操作行为影响范围组件用于评估四肢异常操作行为的识别信息、身体重要部位异常操作行为影响范围以及其他类型的异常操作行为的影响范围;所述异常操作行为破坏性组件用于评估异常操作行为的破坏性和异常操作行为纠正方法。

7、所述异常操作行为识别算法,表达式为:

8、

9、其中,w(n,m)表示学生行为进行识别的结果,an表示学生n的行为习惯集合,e(n,m)表示学生行为四肢姿态幅度范围,f(n,m)表示学生异常操作行为相似度,q(n,m)表示异常操作行为持续时间,系数xnm表示在危险行为网络拓扑结构中学生n到学生m是否存在连边,存在连边为1,否则为0;学生n到学生m存在连边,说明学生n模仿了学生m,学生m在活动时所有行为对学生n可见,可能被学生n模仿,否则,不可能发生模仿行为,即模仿概率为零;在危险行为识别时,当满足时,则认为会模仿危险行为,否则,认为不会模仿危险行为,表示训练数据集确定的阈值。

10、所述行为轨迹四肢追踪算法,表达式为:

11、

12、其中:ntq表示四肢姿态函数,ζr表示四肢姿态的变化系数;表示在(t-1)时刻四肢姿态;表示四肢姿态的动作时长,表示四肢姿态的动作集合;表示学生发生危险的危险系数,表示四肢动作采集的误差系数。

13、在第一方面的一种实现方式中,所述学生习惯单元包括特征入库组件,学生行为习惯变更组件和识别历史对比组件:所述特征入库组件用于获取并保存新学生填写的特征入库信息;所述学生行为习惯变更组件用于在学生特征入库后可对已特征入库得信息进行对比和变更;所述识别历史对比组件用于以曲线的形式评估学生的异常操作行为识别记录。

14、在第一方面的一种实现方式中,所述行为评估平台还包括:特征评估单元;所述特征评估单元用于对学生识别记录生成文档,完成对学生识别逻辑的设计及识别过程的实现,对学生识别记录中的图像,行为轨迹活动范围图像,四肢特征分类和异常操作行为识别得分进行关联识别。

15、第二方面,本申请实施例提供学生异常操作行为识别方法,包括:获取四肢姿态与动作;根据所述四肢姿态与动作构建行为轨迹活动范围图像;基于所述行为轨迹活动范围图像确定出于所述四肢姿态与动作匹配的识别特征;评估所述识别特征。

16、在第二方面的一种实现方式中,所述根据所述四肢姿态与动作构建行为轨迹活动范围图像,包括:对所述四肢姿态与动作进行姿态与动作预处理,获取四肢活动频率信息;根据所述四肢活动频率信息生成所述行为轨迹活动范围图像。

17、在第二方面的一种实现方式中,根据所述行为轨迹活动范围图像确定出于所述四肢姿态与动作匹配的识别特征,包括:调用异常操作行为识别算法对行为轨迹活动范围图像的深度信息进行处理,得到各类型异常操作行为的识别危险程度;所述异常操作行为识别算法为已完成四肢与异常操作行为识别准确度关联训练的ai模型。

18、第三方面,本申请实施例提供一种监控设备,所述监控设备包括云端、边缘计算网关以及存储在所述边缘计算网关中并可在所述云端上运行的计算机程序,所述云端执行所述计算机程序时实现如第二方面或第二方面的任意可选方式所述的方法。

19、第四方面,本申请实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被云端执行时实现如第二方面或第二方面的任意可选方式所述的方法。

20、第五方面,本申请实施例提供一种计算机程序产品,当计算机程序产品在监控设备上运行时,使得监控设备执行上述第二方面或第二方面的任意可选方式所述的方法。

21、有益效果:实施本申请实施例提供的学生异常操作行为识别系统及方法、监控设备、计算机程序产品具有以下有益效果:通过获取学生的四肢图片并快速构建行为轨迹活动范围图像,基于行为轨迹活动范围图像和各类型异常操作行为图像调用已完成四肢与异常操作行为识别准确度关联训练的ai模型进行精准快速拟合,为学生识别适合其佩戴的异常操作行为类型,能够提高异常操作行为发生时的识别准确度,提高校园安全。

本文档来自技高网...

【技术保护点】

1.学生异常操作行为识别系统,其特征在于,包括信息集成平台和行为评估平台;

2.如权利要求1所述的学生异常操作行为识别系统,其特征在于,所述图像设置单元还用于设置与调整行为轨迹四肢追踪算法,调用所述行为轨迹四肢追踪算法对所述四肢姿态与动作进行行为轨迹追踪,得到行为轨迹活动范围图像;

3.如权利要求1所述的学生异常操作行为识别系统,其特征在于,所述信息集成平台的异常操作行为识别单元包括图像获取组件和特征评估组件:所述图像获取组件用于获取学生的四肢姿态与动作;所述特征评估组件用于评估识别特征,所述识别特征包括四肢关键信息,异常操作行为识别危险程度,行为轨迹评估特征。

4.如权利要求1所述的学生异常操作行为识别系统,其特征在于,所述信息集成平台还包括异常操作行为危害认定单元和学生习惯单元:所述异常操作行为危害认定单元用于评估各类型异常操作行为的危害程度;所述学生习惯单元用于对学生的学生行为习惯进行评估。

5.如权利要求4所述的学生异常操作行为识别系统,其特征在于,所述异常操作行为危害认定单元包括异常操作行为评估组件、异常操作行为影响范围组件、异常操作行为破坏性组件:

6.如权利要求4所述的学生异常操作行为识别系统,其特征在于,所述学生习惯单元包括特征入库组件,学生行为习惯变更组件和识别历史对比组件:所述特征入库组件用于获取并保存新学生填写的特征入库信息;所述学生行为习惯变更组件用于在学生特征入库后可对已特征入库得信息进行对比和变更;所述识别历史对比组件用于以曲线的形式评估学生的异常操作行为识别记录。

7.如权利要求1所述的学生异常操作行为识别系统,其特征在于,所述行为评估平台还包括:特征评估单元;所述特征评估单元用于对学生识别记录生成文档,完成对学生识别逻辑的设计及识别过程的实现,对学生识别记录中的图像,行为轨迹活动范围图像,四肢特征分类和异常操作行为识别得分进行关联识别。

8.学生异常操作行为识别方法,其特征在于,包括:

9.根据权利要求8所述的学生异常操作行为识别方法,其特征在于,所述根据所述四肢姿态与动作构建行为轨迹活动范围图像,包括:对所述四肢姿态与动作进行姿态与动作预处理,获取四肢活动频率信息;根据所述四肢活动频率信息生成所述行为轨迹活动范围图像。

10.根据权利要求8所述的学生异常操作行为识别方法,其特征在于,所述根据所述行为轨迹活动范围图像确定出于所述四肢姿态与动作匹配的识别特征,包括:调用异常操作行为识别算法对行为轨迹活动范围图像的深度信息进行处理,得到各类型异常操作行为的识别危险程度;所述异常操作行为识别算法为已完成四肢与异常操作行为识别准确度关联训练的AI模型。

...

【技术特征摘要】

1.学生异常操作行为识别系统,其特征在于,包括信息集成平台和行为评估平台;

2.如权利要求1所述的学生异常操作行为识别系统,其特征在于,所述图像设置单元还用于设置与调整行为轨迹四肢追踪算法,调用所述行为轨迹四肢追踪算法对所述四肢姿态与动作进行行为轨迹追踪,得到行为轨迹活动范围图像;

3.如权利要求1所述的学生异常操作行为识别系统,其特征在于,所述信息集成平台的异常操作行为识别单元包括图像获取组件和特征评估组件:所述图像获取组件用于获取学生的四肢姿态与动作;所述特征评估组件用于评估识别特征,所述识别特征包括四肢关键信息,异常操作行为识别危险程度,行为轨迹评估特征。

4.如权利要求1所述的学生异常操作行为识别系统,其特征在于,所述信息集成平台还包括异常操作行为危害认定单元和学生习惯单元:所述异常操作行为危害认定单元用于评估各类型异常操作行为的危害程度;所述学生习惯单元用于对学生的学生行为习惯进行评估。

5.如权利要求4所述的学生异常操作行为识别系统,其特征在于,所述异常操作行为危害认定单元包括异常操作行为评估组件、异常操作行为影响范围组件、异常操作行为破坏性组件:

6.如权利要求4所述的学生异常操作行为识别系统,其特征在于,所述学生习惯单元包括特征入库组件,学生行为习惯变更组件和识别历史对...

【专利技术属性】
技术研发人员:吕明张建虎张小虎
申请(专利权)人:陕西服装工程学院
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1