摘要
本文开发了基于深度学习的课堂行为识别系统。目前传统的算法无法很好的完成对玩手机这种细粒度动作的识别,因此本文通过改进目标检测YOLO算法,针对学生玩手机、睡觉、逃课等行为,提高细粒度动作识别准确率,并根据学生行为数据生成课堂学情报告,分析学生出勤、学习状态数据。通过视频推流的方式,将行为识别结果在网页进行展示,具有较好的实际应用价值。
出处
《电子技术与软件工程》
2021年第20期103-105,共3页
ELECTRONIC TECHNOLOGY & SOFTWARE ENGINEERING
基金
广东省教育厅青年创新人才类项目(项目编号:2019GKQNCX043)
广东省科技创新战略专项资金(“攀登计划”专项资金)(项目编号:pdjh2020b0968)
2020中国高校产学研创新基金新一代信息技术创新项目(重点项目)(项目编号:2020ITA03004)
广东省教育厅2021年度普通高校特色创新类项目(项目编号:2021KTSCX217)
作者简介
胡建华,硕士学位,副高职称。研究方向为图像视频处理、视频编解码、深度学习;通讯作者:张军,硕士学位,副高职称。研究方向为人工智能与大数据、数据挖掘;吴伟美,硕士学位,中级职称。研究方向为图形图像设计,信息技术;魏嘉俊,大学专科学历。研究方向为计算机视觉;张嘉诚,大学专科学历。研究方向为计算机视觉。
