基于深度学习的智能教室视觉检测系统

发布时间：2024-03-19 02:21

　　在互联网时代,互联网+教育已经逐步普及。使用同步课堂进行在线远程教育的授课形式,已经被越来越多的学校和教育机构所使用。采用计算机视觉的深度学技术,实现同步课堂的互动化和智能化,对互联网教育的课程形态有着十分积极的影响和作用。目前采用人工拍摄教学视频进行录制的方式对于大量录制有很大的局限性。为了实现在教室场景下,自动实时的转动摄像头对教师和学生进行检测和追踪,进行视频录制,本文主要进行了三个部分的工作。第一部分是智能教室检测系统的算法原理研究,主要研究多种图像提取和运动目标检测算法。对于采用不同方法的效果进行对比,为基于深度学习的智能教室视觉检测系统的实现和优化,打下一定的理论基础。第二部分分别对运动教师和起立学生进行运动人形检测算法的研究。对于运动教师的检测系统,使用Faster-RCNN和高斯混合模型进行动态人形的检测,并进行画面的缩放。对于起立学生检测系统,起立学生的检测是通过Faster-RCNN网络,对学生的起立行为进行动作分类和位置回归,对起立的学生进行检测。出于智能教室视频录制实时性的考虑,采用速度更快的Single-stage的SSD检测方法,并提出了基于模型蒸馏的加速方...

【文章页数】：71 页

【学位级别】：硕士

【部分图文】：

图２－１?ＬＢＰ算子示意图??

，??像素值比中心像素大，该位置记为１，否则则记为０。从而得到一个八位??制数，将其转化为十进制，那么该十进制数就为这个像素位置的局部二值??征。对于整副图像，依照从上到下、从左向右的顺序依次遍历得到图像个??的局部二值模式特征。因为是经过比较得到的编码的值，即使像素之间的??，....

图２－２?Ｃｏｄｅｂｏｏｋ模型训练流程图??当输入像素ｘｔ?＝（ｉ？ｔ，Ｇｔ，Ｓｔ）落在第一码字模型内筒时，判断此处的像素为背??景

程中将每个像素的采样点与其建立的码本进行对比，如果有与之匹配的码本，则??为背景，否则为前景。在训练阶段，模型根据像素处存在码字与生成新码字是否??匹配，进行更新。具体算法过程如图２－２所述：??．．?＿??圈＿＿了???????是??是?一＾?否???＾?？????ｘ????．....

图２－３?Ｃｏｄｅｂｏｏｋ检测算法流程图??对于模型更新，模型更新要符合两个条件：第一个条件是，（帧数－５０）／匹配像??素个数＜５０（５０?—般为码本训练帧数），第二个条件是匹配像素个数大于３５

程中将每个像素的采样点与其建立的码本进行对比，如果有与之匹配的码本，则??为背景，否则为前景。在训练阶段，模型根据像素处存在码字与生成新码字是否??匹配，进行更新。具体算法过程如图２－２所述：??．．?＿??圈＿＿了???????是??是?一＾?否???＾?？????ｘ????．....

图２４?ＨＯＧ＋ＳＶＭ算法测试效果图??下面重点介绍一下ＳＩＦＴ＋ＬＫ光流法、基于ＳＩＴＦ算法的运动方向检测，先通??

＾〇（ｙ｜ｙ?ｅ?ｎｇ（ｘ））｝／Ｇ（ｘ）。ＶｉＢｅ的模型建立度快，计算量小。??述，每个样本集根据随机会被更新与采样时刻ｔ无－ｌｎ（—???ｄｔ）?＝?ｅ?Ａ?１测算法分析??进行特征提取，之后将整体方法流程是：首先从特征的抽取，之后进行特结果。最常见的两种是算法来提取特征，之....

本文编号：3932177