基于深度学习的学生课堂异常行为检测与分析系统

• 作者: 刘宸铭 廖鹏 李启芳 苏航 韩延巾
• 来源期刊: 电子世界
• 关键词: 辅助教学管理系统 异常行为分析 卷积神经网络 模式分类
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 探索与观察
• 页码范围: 97-98
• 页数: 2页
• 字数: 1931字
• 语种: 中文

摘要

视频分析技术已越来越多的用于视频监控等领域,为了对学生听课状况进行有效的监督和管理,项目构建了一个检测、统计学生课堂异常行为的辅助教学管理系统.通过基于VGG预训练网络模型迁移学习,来提取学生课堂异常行为特征,实现对玩手机、睡觉等异常行为的检测分析.系统在测试集上的平均识别正确率达到了85.2775％,其中识别睡觉95.1510％,识别正常90.5490％,识别玩手机70.1334％.基于背景差分提取目标区域,使系统可以识别视频中多个目标;通过连续的识别和统计,界定学生异常行为,最后自动生成成课堂行为分析报告.结果表明,卷积神经网络能够对目标特征进行特征提取,适应复杂的环境.该方法可实现对学生课堂异常行为的准确监测,具有适用性强、抗干扰的特点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	廖鹏	燕山大学信息科学与工程学院	1	10	1.0	1.0
2	刘宸铭	燕山大学信息科学与工程学院	1	10	1.0	1.0
3	苏航	燕山大学信息科学与工程学院	1	10	1.0	1.0
4	李启芳	燕山大学信息科学与工程学院	1	10	1.0	1.0
5	韩延巾	燕山大学信息科学与工程学院	1	10	1.0	1.0