课堂教学视频中的S-T行为智能识别研究

发布时间：2021-04-04 13:00

　　文章主要从检测视频帧图像人脸数目、轮廓特征、主体动作幅度等三个方面获取数据信息,使用贝叶斯因果网模型推理主体行为特征,获取行为序列,构建了教学视频的教学模式,最终实现了对课堂教学视频中S-T行为智能识别的设计。研究算法是基于C++与OpenCV实现;将行为特征检测结果汇总分析,输出课堂教学视频的教学模式。经过测试,对较为标准的课堂教学视频分析准确率高、效率高,验证了本研究中算法的可行性。 

【文章来源】：现代教育技术. 2018,28(06)北大核心CSSCI

【文章页数】：6 页

【部分图文】：

监控角度类型

翁媒萄?悠档募扑慊?远??S-T分析，本文研究课堂教学视频中的主体行为智能识别算法。通过之前的视频分析与图像识别得到主体行为特征，再经过贝叶斯因果网推测主体行为类别，可以确定教学行为序列，进一步判定课堂教学视频的教学模式。通过运行本文算法，直接得到的教学视频信息有视频帧数、采样总数、教师行为与学生行为数量、Rt与Ch的值以及教学模式的类型。2测试分析（1）课堂教学视频分类本研究将课堂教学视频分为两类：一是标准剪辑类型，镜头是教师、课件、学生三种画面，主体比较明确，如图2所示；二是监控角度类型，一般由面向教师与面向角度组成，图像主体相对复杂，如图3所示。图2标准剪辑类型图3监控角度类型（2）算法测试对比分析为了从实际应用角度更好地检测本算法，本研究采用两类课堂教学视频对算法进行测试，测试视频每两秒采样一帧，分析其行为特征。表4中是10个视频的测试结果，包括视频时长、

翁媒萄?悠档募扑慊?远??S-T分析，本文研究课堂教学视频中的主体行为智能识别算法。通过之前的视频分析与图像识别得到主体行为特征，再经过贝叶斯因果网推测主体行为类别，可以确定教学行为序列，进一步判定课堂教学视频的教学模式。通过运行本文算法，直接得到的教学视频信息有视频帧数、采样总数、教师行为与学生行为数量、Rt与Ch的值以及教学模式的类型。2测试分析（1）课堂教学视频分类本研究将课堂教学视频分为两类：一是标准剪辑类型，镜头是教师、课件、学生三种画面，主体比较明确，如图2所示；二是监控角度类型，一般由面向教师与面向角度组成，图像主体相对复杂，如图3所示。图2标准剪辑类型图3监控角度类型（2）算法测试对比分析为了从实际应用角度更好地检测本算法，本研究采用两类课堂教学视频对算法进行测试，测试视频每两秒采样一帧，分析其行为特征。表4中是10个视频的测试结果，包括视频时长、

【参考文献】：
期刊论文
[1]基于视频的改进型S-T分析法的应用研究[J]. 程云,刘清堂,王锋,王艳丽.  电化教育研究. 2016(06)
[2]贝叶斯因果图的构建与应用[J]. 王影,李春好.  统计与决策. 2016(07)
[3]基于C++和OpenCV的人脸识别系统的设计与实现[J]. 朱兴统,习洋洋.  自动化与仪器仪表. 2014(08)
[4]基于S-T分析法的教学过程对比分析——以网易视频公开课为例[J]. 刘飞,刘雁,黄成云.  中国教育信息化. 2012(11)
[5]基于OpenCV和Haar特征分类器的图像人数检测[J]. 刘子源,蒋承志.  辽宁科技大学学报. 2011(04)
[6]基于人脸表情识别的智能网络教学系统研究[J]. 冯满堂,马青玉,王瑞杰.  计算机技术与发展. 2011(06)
[7]多摄像机监控中基于贝叶斯因果网的人物角色识别[J]. 明安龙,马华东,傅慧源.  计算机学报. 2010(12)



本文编号：3118080