[发明专利]一种基于特征识别的教学辅助大数据智能分析方法

说明书

本发明公开了一种基于特征识别的教学辅助大数据智能分析方法，包括如下步骤：S1、获取学生静态图像；S2、提取出图像的方向梯度特征；S3、机器学习；S4、滑动窗口；S5、选取动作分类下的概率最大的动作，识别动作；S6、对S5中动作发出人进行脸部识别。本发明能够提取学生行为特征，从而识别学生的行为、动作，及大地方便了对学生的管理且有利于教学质量的提高。

技术领域

本发明涉及一种大数据智能分析方法，特别是涉及一种基于特征识别的教学辅助大数据智能分析方法。

背景技术

随着大数据分析技术的日益发展，人们开始着力于将大数据技术应用于教育领域，如公开号为CN107316261A、CN106023013A、CN104573071A等中国发明专利申请中均有相关的记载。

而在课堂上，一般至少有几十名学生，老师在教学时无法时刻观察每个学生的动作，从而可能会降低学生与老师之间的互动，或者使老师无法及时发现未认真听课的学生。

因此，对学生的行为、动作分析就显得十分重要，但是目前国内还没有专门分析学生行为、动作的技术。因此申请人提出一种基于特征识别的教学辅助大数据智能分析方法，其能够提取学生行为特征，从而识别学生的动作，以进行教学监督、提高教学质量等。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是提供一种基于特征识别的教学辅助大数据智能分析方法。

为实现上述目的，本发明提供了一种基于特征识别的教学辅助大数据智能分析方法，包括如下步骤：

S1、获取学生静态图像；

S2、提取出图像的方向梯度特征；S3的机器学习训练出的模型通过计算判断是否属于某一个类别；

S3、机器学习；

S4、滑动窗口；

S5、选取动作分类下的概率最大的动作，识别动作；

S6、对S5中动作发出人进行脸部识别。

优选地，S2、取出图像的方向梯度特征，包括如下步骤：

S21、彩色图像转换成对应的灰度图像，并且把灰度图看作一个三维图像，图像上的每一个像素点都用(x，y，gray)表示，其中x代表该像素点在图像中的x坐标，y代表该像素点在图像中的y坐标，gray代表该像素点的灰度值，转化公式如下：

Gray＝0.3*R+0.59*G+0.11*B；

S22、调节图像的色彩对比度，减少因为局部光照不均匀产生的阴影对梯度特征造成的影响，采用Gamma校正法，具体计算公式如下：

I(x，y)＝I(x，y)^gamma

取gamma＞1，则可以让灰度比较暗的部分提高对比度；

S23、对图像上的每一个像素点都计算其的梯度特征，这里可提取出像素之间的梯度关系，同时还可更进一步地抑制光照对图像的影响，具体计算公式如下：

表格中代表由S22中得到的灰度图像对应像素的灰度值；由于灰度图像的方向有x方向和y方向，因此梯度方向需要分别计算两个方向的梯度并且根据幅值公式求出梯度大小：

根据幅值公式求出点(x，y)的梯度大小和梯度方向：

；