[发明专利]一种学生课堂行为分析及监控方法

权利要求书

1.一种学生课堂行为分析及监控方法，其特征在于：包括以下步骤：

步骤一：实时采集学生上课的图像，上传到服务器；

步骤二：分别对图像中的学生行为进行识别，判断学生行为是否属于异常行为；

步骤三：若学生的行为是异常行为，记录学生的异常行为，并将对应的提示信息分别发送到学生和老师的终端上。

2.如权利要求1所述的学生课堂行为分析及监控方法，其特征在于：所述步骤二中，学生行为识别方法包括以下步骤：S1：进行图像预处理；S2：识别预处理后图像中学生的行为。

3.如权利要求2所述的学生课堂行为分析及监控方法，其特征在于：所述S1具体包括：通过人体前景提取，进行目标检测和去噪；所述人体前景提取方法：利用背景边界模型获取前景边缘，利用背景模型获取前景，将获取的前景边缘和前景相加，进行形态学的闭运算，填充前景孔洞，得到前景目标。

4.如权利要求3所述的学生课堂行为分析及监控方法，其特征在于：所述背景边界模型的建立方法：设置当前时刻图像帧为Q(x，y)，每帧图像中的位Location(x,y)(x＝1,2，…G；y＝1,2，…K，其中G和K分别是图像帧的高和宽)是背景边缘的概率式中edge(x，y，k)为第k帧对应的边缘图像，通过Sobel算子检测得到，T为背景边缘模型的更新时间；若背景边缘概率P(x，y)低于预设阈值，边缘点为前景边缘点a，否则背景边缘点为：式中，Q_edge为前景边缘。

5.如权利要求3所述的学生课堂行为分析及监控方法，其特征在于：所述背景模型的建立方法：设置当前时刻图像帧为Q(x，y)，背景为Q1(x，y)，前景

6.如权利要求2所述的学生课堂行为分析及监控方法，其特征在于：所述S2具体包括：获取待识别行为原始矩阵：将预处理后的每一帧图像的像素矩阵按列拆开，按顺序首尾相连形成一列，每一个待识别行为序列得到一个包含N列的原始矩阵Ai；将M待识别行为序列所得到的原始矩阵按列方式组合在一起，得到N*M列的总样本数据矩阵A；

获取待识别行为基矩阵：将获取的总样本数据矩阵A进行非负矩阵分解，获得基矩阵W和系数矩阵H；

获取待识别行为特征矩阵：以基矩阵的列向量为基向量构造特征子空间，将每一个待识别行为序列的原始矩阵Ai投影到特征子空间，得到待识别行为序列的特征向量Ei＝W^TAi；

HMM分类识别：使用前后向算法分别计算待识别行为序列特征向量Ei与各类训练行为序列特征在N个分量上的似然值，依最大似然值原则，似然值最大的训练行为所在的行为类别是待识别行为的行为类型，从而识别人体行为。

7.如权利要求1所述的学生课堂行为分析及监控方法，其特征在于：所述学生行为包括：阅读、举手、书写、起立、听讲、趴桌子；其中趴桌子属于异常行为。

8.如权利要求1所述的学生课堂行为分析及监控方法，其特征在于：记录异常行为的时间，当异常行为的时间大于预设值，向老师的终端发送提示信息。