基于数字图像处理的课堂行为识别方法的研究
发布时间：2022-01-23 15:34
课堂教学是教学的基本形式,是学生获取信息、提高技能和形成思想观念的主渠道。师、生课堂教、学行为对受教育者的影响极大,这些行为数据可以用来客观评价学生,预测学生未来的学习成绩,规划职业,也可以评价教师的教学水平,促进教师反思并改进教学。因此识别师、生的课堂的教、学行为有着非常广泛的应用,值得深入研究。目前针对课堂环境这一复杂背景下行为识别的研究刚刚开展,本文研究了数字图像处理识别课堂背景的起立、举手的行为。论文的主要工作如下:（1）运动目标检测算法在课堂场景的实现与应用。将典型运动目标检测算法,包括运动历史图、高斯混合模型、Vibe、光流法应用于课堂,并对实验结果进行了分析,由于这些算法前景提取的不足,针对课堂行为检测仍然存在的难点,确定了一种先检测行为主体（脸、手）,再判断主体运动趋势的行为识别的研究思路。（2）基于感兴趣区域的起立识别。为了避免人物背景杂乱的影响,结合主运动发生在图像上半部分的特点,利用二分法确定裁剪位置,进行了图像裁剪,获取感兴趣区域,再根据是否有举手干扰,选择了不同的阈值分割算法,识别了不同分割背景下的起立行为。（3）基于人脸跟踪的起立识别。为了能对行为目标进行定...
【文章来源】：太原理工大学山西省 211工程院校
【文章页数】：90 页
【学位级别】：硕士
【部分图文】：
帧间差分法Fig.1-1Subtractionmethodofinterframes
：中， D( x, y , t ) I ( x, y , t ) I ( x, y , t ) 。式中， I ( x, y , t )为视频序列第 t 帧中坐标( x, y )处像素点的强度值， 为帧间距是人为给定的差异阈值，可随视频场景的变化而调整。本次应用中，根据实际情况，将 的取值定为 15，衰退参数 定为 20，差异阈为 150，为了得到清晰的前景目标，将求得的运动历史图二值化处理，得到的检如图 1-2 所示。可以看出，运动历史图基本可以检测出目标运动，但是存在两个显的缺点。第一，单靠运动历史图的数据，难以区分检测出的手还是人；第二，动作的干扰，会出现大小不同的连通域，难以判断小区域是否是由后排人的运动。 01( x,y,t)D( x,y,t) otherwiseif
高斯混合模型法(Gaussian mixture model, GMM)是一种基于背景建模来提取前景的方法。其基本思想是对图像中的所有像素点使用单高斯模型进行建模描述，对多个单高斯模型使用权值和参数匹配来实现背景模型的更新，以此适应各种复杂多变的场景。这个算法的多个单高斯模型都在尽力预测本坐标未来的颜色，系统根据各个高斯模型对未来颜色预测成功与否来改变它们权重，成功预测的可以调整自己，以利于下一次预测。在过去预测最准的那个高斯模型所预测的值将被作为背景值。如果所有的模型都预测不准，那么删去预测最不准的高斯模型并根据当前值，建立新的高斯模型[19-21]。高斯混合模型法适用于检测背景单一、噪声较少的运动变化场景，但是存在计算量较大且背景更新慢的问题。若背景变化迅速，高斯混合模型法就要更新速度来适应环境变化的速度，但是对噪声也就更容易敏感。高斯混合模型法的检测结果如图 1-3 所示。可以看出，高斯混合模型可以检测出运动目标的轮廓，但是存在大量孔洞，也难以确定运动行为。
【参考文献】：
期刊论文
[1]面向人机交互的常见桌面手势识别[J]. 朱庆杰,潘航,陈显军,湛永松,杨明浩. 计算机工程与设计. 2018(10)
[2]扫描线种子区域填充算法的研究与实现[J]. 王利祥. 信息记录材料. 2018(10)
[3]学生课堂行为视频图像采集和识别系统[J]. 王竑熹. 发明与创新(中学生). 2018(06)
[4]基于深度图像的人体行为识别综述[J]. 孙彬,孔德慧,张雯晖,贾文浩. 北京工业大学学报. 2018(10)
[5]基于Snake模型与轮廓跟踪的区域填充算法[J]. 苗龙元,于正林. 科技资讯. 2018(11)
[6]基于HSI颜色空间和暗原色先验的去雾算法[J]. 宋瑞霞,孙相东,王小春. 系统科学与数学. 2017(10)
[7]人体行为识别数据集研究进展[J]. 朱红蕾,朱昶胜,徐志刚. 自动化学报. 2018(06)
[8]基于区域外接矩形的自动化孔洞填充算法[J]. 刘海峰,张超,罗江,林福良. 指挥信息系统与技术. 2017(03)
[9]基于背景减除法的视频序列运动目标检测[J]. 刘仲民,何胜皎,胡文瑾,李战明. 计算机应用. 2017(06)
[10]基于Kinect的课堂教学状态监测系统[J]. 李彬,谢翟,段渭军,杨荣. 传感器与微系统. 2017(01)
硕士论文
[1]烟尘测量中图像法的应用研究[D]. 王素婷.太原理工大学 2018
[2]基于视觉技术的蛋鸡信息监测方法与应用研究[D]. 刘修林.中北大学 2018
[3]基于颜色空间转换的分水岭彩色图像分割算法研究[D]. 张慧.辽宁工程技术大学 2017
[4]人体行为识别及在教育录播系统中的应用[D]. 党冬利.西安科技大学 2017
[5]基于图像处理的自动阅卷系统相关技术研究[D]. 邵凤莹.太原理工大学 2017
[6]封闭曲线上随机多起点的洪水填充相位解包裹算法[D]. 孙佳星.辽宁师范大学 2017
[7]基于视频的人脸检测与对齐算法研究[D]. 吴彬.吉林大学 2017
[8]基于图像的人体姿势估计和手势识别研究[D]. 王国桢.安徽大学 2016
[9]Voila-Jones算法和遗传神经网络算法在远程中医诊断系统中的应用[D]. 申鹏程.武汉理工大学 2013
[10]基于改进Viola-Jones框架的人脸检测算法[D]. 陈致蓬.湘潭大学 2012
本文编号：3604647
【文章来源】：太原理工大学山西省 211工程院校
【文章页数】：90 页
【学位级别】：硕士
【部分图文】：
帧间差分法Fig.1-1Subtractionmethodofinterframes
：中， D( x, y , t ) I ( x, y , t ) I ( x, y , t ) 。式中， I ( x, y , t )为视频序列第 t 帧中坐标( x, y )处像素点的强度值， 为帧间距是人为给定的差异阈值，可随视频场景的变化而调整。本次应用中，根据实际情况，将 的取值定为 15，衰退参数 定为 20，差异阈为 150，为了得到清晰的前景目标，将求得的运动历史图二值化处理，得到的检如图 1-2 所示。可以看出，运动历史图基本可以检测出目标运动，但是存在两个显的缺点。第一，单靠运动历史图的数据，难以区分检测出的手还是人；第二，动作的干扰，会出现大小不同的连通域，难以判断小区域是否是由后排人的运动。 01( x,y,t)D( x,y,t) otherwiseif
高斯混合模型法(Gaussian mixture model, GMM)是一种基于背景建模来提取前景的方法。其基本思想是对图像中的所有像素点使用单高斯模型进行建模描述，对多个单高斯模型使用权值和参数匹配来实现背景模型的更新，以此适应各种复杂多变的场景。这个算法的多个单高斯模型都在尽力预测本坐标未来的颜色，系统根据各个高斯模型对未来颜色预测成功与否来改变它们权重，成功预测的可以调整自己，以利于下一次预测。在过去预测最准的那个高斯模型所预测的值将被作为背景值。如果所有的模型都预测不准，那么删去预测最不准的高斯模型并根据当前值，建立新的高斯模型[19-21]。高斯混合模型法适用于检测背景单一、噪声较少的运动变化场景，但是存在计算量较大且背景更新慢的问题。若背景变化迅速，高斯混合模型法就要更新速度来适应环境变化的速度，但是对噪声也就更容易敏感。高斯混合模型法的检测结果如图 1-3 所示。可以看出，高斯混合模型可以检测出运动目标的轮廓，但是存在大量孔洞，也难以确定运动行为。
【参考文献】：
期刊论文
[1]面向人机交互的常见桌面手势识别[J]. 朱庆杰,潘航,陈显军,湛永松,杨明浩. 计算机工程与设计. 2018(10)
[2]扫描线种子区域填充算法的研究与实现[J]. 王利祥. 信息记录材料. 2018(10)
[3]学生课堂行为视频图像采集和识别系统[J]. 王竑熹. 发明与创新(中学生). 2018(06)
[4]基于深度图像的人体行为识别综述[J]. 孙彬,孔德慧,张雯晖,贾文浩. 北京工业大学学报. 2018(10)
[5]基于Snake模型与轮廓跟踪的区域填充算法[J]. 苗龙元,于正林. 科技资讯. 2018(11)
[6]基于HSI颜色空间和暗原色先验的去雾算法[J]. 宋瑞霞,孙相东,王小春. 系统科学与数学. 2017(10)
[7]人体行为识别数据集研究进展[J]. 朱红蕾,朱昶胜,徐志刚. 自动化学报. 2018(06)
[8]基于区域外接矩形的自动化孔洞填充算法[J]. 刘海峰,张超,罗江,林福良. 指挥信息系统与技术. 2017(03)
[9]基于背景减除法的视频序列运动目标检测[J]. 刘仲民,何胜皎,胡文瑾,李战明. 计算机应用. 2017(06)
[10]基于Kinect的课堂教学状态监测系统[J]. 李彬,谢翟,段渭军,杨荣. 传感器与微系统. 2017(01)
硕士论文
[1]烟尘测量中图像法的应用研究[D]. 王素婷.太原理工大学 2018
[2]基于视觉技术的蛋鸡信息监测方法与应用研究[D]. 刘修林.中北大学 2018
[3]基于颜色空间转换的分水岭彩色图像分割算法研究[D]. 张慧.辽宁工程技术大学 2017
[4]人体行为识别及在教育录播系统中的应用[D]. 党冬利.西安科技大学 2017
[5]基于图像处理的自动阅卷系统相关技术研究[D]. 邵凤莹.太原理工大学 2017
[6]封闭曲线上随机多起点的洪水填充相位解包裹算法[D]. 孙佳星.辽宁师范大学 2017
[7]基于视频的人脸检测与对齐算法研究[D]. 吴彬.吉林大学 2017
[8]基于图像的人体姿势估计和手势识别研究[D]. 王国桢.安徽大学 2016
[9]Voila-Jones算法和遗传神经网络算法在远程中医诊断系统中的应用[D]. 申鹏程.武汉理工大学 2013
[10]基于改进Viola-Jones框架的人脸检测算法[D]. 陈致蓬.湘潭大学 2012
本文编号：3604647
本文链接：https://www.wllwen.com/jiaoyulunwen/ktjx/3604647.html
