[发明专利]一种课堂行为检测方法、系统、装置和存储介质

权利要求书

1.一种课堂行为检测方法，其特征在于，包括以下步骤：

获取待处理的图像集，采用预设算法预处理图像集，以获取预设比例的正/负样本图像；

对获得的正/负样本图像进行特征提取，以生成正/负样本特征图；

对获得的正/负样本特征图进行分类处理后，生成正/负样本预测框；

结合损失函数和预设真实框集对正/负样本预测框进行匹配，并在匹配成功后，输出检测结果。

2.根据权利要求1所述的一种课堂行为检测方法，其特征在于，所述获取待处理的图像集，采用预设算法处理图像集，以获取预设比例的正/负样本图像这一步骤，具体包括以下步骤：

获取待处理的图像集；

采用预设算法对待处理的图像集进行前景像素交并比匹配，以获取多个正样本图像；

采用预设算法对待处理的图像集进行背景像素置信度匹配，以获取多个待处理负样本图像；

根据背景像素置信度值对待处理负样本图像作降序抽样，以获取多个负样本图像。

3.根据权利要求2所述的一种课堂行为检测方法，其特征在于，所述对获得的正/负样本特征图进行分类处理后，生成正/负样本预测框这一步骤，具体包括以下步骤：

采用预设的滑动窗口将各正/负样本特征图分成多个正/负样本网格；

获取多个正/负样本网格，根据锚框机制将正/负样本网格分成多个正/负样本预测框。

4.根据权利要求3所述的一种课堂行为检测方法，其特征在于，所述结合损失函数和预设真实框集对正/负样本预测框进行匹配，并在匹配成功后，输出检测结果这一步骤，具体包括以下步骤：

结合预设的真实框集和正/负样本预测框，获取与真实框集前景像素置信度值最大的预测框作为正样本预选框，以及获取与真实框集背景像素置信度值最大的负样本预测框作为负样本预选框；

采用损失函数对正样本预选框和负样本预选框进行损失匹配，并在匹配成功后，输出检测结果。

5.根据权利要求4所述的一种课堂行为检测方法，所述损失匹配包括位置误差匹配和置信度误差匹配，所述采用损失函数对正样本进行损失匹配以及对负样本进行损失匹配，并在匹配成功后，输出检测结果这一步骤，具体包括以下步骤：

采用损失函数对正样本预选框进行位置误差匹配与置信度误差匹配，以及采用损失函数对负样本预选框进行位置误差匹配与置信度误差匹配，当正样本损失匹配成功且负样本损失匹配成功时，输出检测结果。

6.一种课堂行为检测系统，其特征在于，包括：

预处理模块，用于获取待处理的图像集，采用预设算法预处理图像集，以获取预设比例的正/负样本图像；

特征提取模块，用于采用卷积网络对获得的正/负样本图像进行特征提取，以生成正/负样本特征图；

分类处理模块，用于采用双步检测算法对获得的正/负样本特征图进行分类处理后，生成正/负样本预测框；

匹配模块，用于结合损失函数和预设真实框集对正/负样本预测框进行匹配，并在匹配成功后，输出检测结果。

7.根据权利要求6所述的一种课堂行为检测系统，其特征在于，所述预处理模块包括：

第一获取单元，用于获取待处理的图像集；

第一匹配单元，用于采用预设算法对待处理的图像集进行前景像素交并比匹配，以获取多个正样本图像；

第二匹配单元，用于采用预设算法对待处理的图像集进行背景像素置信度匹配，以获取多个待处理负样本图像；

第二获取单元，用于根据背景像素置信度值对待处理负样本图像作降序抽样，以获取多个负样本图像。

8.根据权利要求7所述的一种课堂行为检测系统，其特征在于，所述分类处理模块包括：网格单元，用于采用预设的滑动窗口将各正/负样本特征图分成多个正/负样本网格；

预测框单元，用于获取多个正/负样本网格，根据锚框机制将正/负样本网格分成多个正/负样本预测框。