【技术实现步骤摘要】
本专利技术涉及教育信息化，尤其涉及一种基于多视图深度行为识别的在线学习行为识别方法及系统。
技术介绍
1、随着人工智能技术的快速发展和社会智能化转型，终身学习已成为个人发展的核心驱动力。在线学习作为其重要载体，凭借其突破时空限制、资源丰富灵活等优势，有力推动了教育公平与创新。为保障学习质量，目前主流学习平台构建了多维监控体系：通过弹题验证、分屏检测强制学习连贯性；利用面部表情分析(专注度热力图)、生理行为监测(眨眼频次、头部姿态)构建专注度模型；采取定时表情验证、手动续播等互动机制提升参与度。这些技术手段显著优化了学习过程监管，形成了有别于传统课堂的数字化教学管理范式。
2、然而，当前在线学习行为监测仍存在三大短板：其一，算法难以识别虚假学习状态，例如“挂机式学习”(仅答题时返回屏幕)等功利性行为导致专注度数据失真；其二，单摄像头视觉检测存在视角局限性，无法精准区分学习行为(如记笔记和玩手机)的实质差异；其三，缺乏教师与学生的非语言交互路径，难以通过肢体语言、微表情等直观判断知识掌握程度，影响教学调整的时效性。
...
【技术保护点】
1.一种基于多视图深度行为识别的在线学习行为识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于多视图深度行为识别的在线学习行为识别方法，其特征在于，步骤S2包括以下步骤：
3.根据权利要求2所述的一种基于多视图深度行为识别的在线学习行为识别方法，其特征在于，步骤S201所述边界剪裁的边界框范围基于骨架数据中骨架坐标的最大值与最小值确定。
4.根据权利要求2所述的一种基于多视图深度行为识别的在线学习行为识别方法，其特征在于，步骤S202包括以下步骤：
5.根据权利要求1所述的一种基于多视图深度行为识别的...
【技术特征摘要】
1.一种基于多视图深度行为识别的在线学习行为识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于多视图深度行为识别的在线学习行为识别方法，其特征在于，步骤s2包括以下步骤：
3.根据权利要求2所述的一种基于多视图深度行为识别的在线学习行为识别方法，其特征在于，步骤s201所述边界剪裁的边界框范围基于骨架数据中骨架坐标的最大值与最小值确定。
4.根据权利要求2所述的一种基于多视图深度行为识别的在线学习行为识别方法，其特征在于，步骤s202包括以下步骤：
5.根据权利要求1所述的一种基于多视图深度行为识别的在线学习行为识别方法，其特征在于，所述正面骨架数据与侧面骨架数据基于hrnet网络提取。
6.根据权利要求1所述的一种基于多视图深度行为识别的在线学习行为识别方法，其特征在于，步骤s3包括以下步骤：
7.一种基于多视图深度行为识别的在线学习行为识别系统，该系统基于权利要求1-6中任意一项所述一种基于多视图深度行...
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。