[发明专利]一种基于多维数据的学生行为特征智能分析方法

说明书

本发明属于多维数据智能处理的技术领域，涉及一种基于多维数据的学生行为特征智能分析方法；包括S1、构建高低频3D残差神经网络模型进行视频结构化处理得到目标的空间位置、行为类别；S2、将采集学生的信息存入数据库中，生成学生的轨迹序列；S3、构建出目标的可描述信息序列，筛选出与目标匹配度最高的学生的轨迹序列，构建出学生的轨迹‑行为序列对；S4、利用学生轨迹‑行为序列对，生成学生的日常活动规律图表，并进行长时间的规律统计，判定是否存在异常行为；所述方法能够结合学生行为数据、学生定位数据等多个维度的数据，进行智能综合分析，帮助学校发掘每一位学生的行为特征，以及及时发现学生的异常行为，做到快速预警。

技术领域：

本发明属于多维数据智能处理的技术领域，涉及一种多维数据智能分析方法，特别涉及一种基于多维数据的学生行为特征智能分析方法。

背景技术：

学校不仅要教授学生文化知识，也担负着教导学生养成良好行为习惯的重任。准确分析学生的行为特征，对学生的学习能力提升、教师的教学手段改善、学生之间以及学生与教师之间的良好互动关系都有着极大的帮助。然而学生数量庞大，在校期间的活动不能被全面监管，如何利用有效手段监督学生的行为是亟待解决的问题。

当前大数据、物联网、人工智能等高新技术在教育领域的应用逐渐展开，对学生行为分析也有一定的涉及。在现有技术中，公开号为CN108268854A的中国专利，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。公开号为CN108242035A的中国专利，公开了一种基于大数据的校园安全监测方法,其特征在于，包括以下步骤：采集校园数据；对校园数据进行分析处理得到学生行为模型；将学生行为模型与参照模型进行对比分析并输出评估结果。本发明实现对在校学生的安全监测，监测内容包括：活动轨迹、课堂表现、作息习惯、消费习惯等，通过数据分析及时发现异常情况，提高了校园的安全性。公开号为CN109145818A的中国专利，公开了一种流量统计方法、装置及系统，涉及大数据的技术领域，应用于服务器端，包括接收待进行流量统计的感兴趣特征的目标特征信息；在预设存储区域内查找特征描述信息与目标特征信息相匹配的特征图，预设存储区域内的特征描述信息是对终端发送的最优图像中的特征图进行结构化处理后得到的；统计查找到的特征描述信息所对应的特征图的数量，得到感兴趣特征的流量统计结果，实现对具有相同目标特征信息的特征图进行准确的统计，进而实现对感兴趣特征的流量统计。而对于学生在校期间课上、课下行为识别以及活动轨迹的综合行为特征分析则缺乏相关的统计和分析方法。

发明内容：

本发明的目的在于克服现有前景图像处理存在的缺点，针对当前在校学生因数量多难以对其进行在校行为的监督、以及难以准确分析学生的行为特征、不能及时发现学生的异常举动等不足，设计提供一种基于多维数据的学生行为特征智能分析方法。

为实现上述目的，本发明涉及的一种基于多维数据的学生行为特征智能分析方法，其具体工艺步骤如下：

S1、视频结构化处理

以连续16帧作为一个处理单元、每个处理单元中的视频帧默认为3通道、构建一种高低频3D残差神经网络模型进行视频结构化处理，将文本信息和视频快照数据存入相应的结构化数据库中，高低频3D残差神经网络模型包括低频3D残差神经网络和高频3D残差神经网络，其中低频3D残差神经网络进行人员结构化处理提取目标特征，高频3D残差神经网络进行行为结构化处理提取行为特征；将目标特征和行为特征进行连接，并处理得到目标T的空间位置、行为类别；

S2、采集学生的实时定位数据；

学生佩戴具有GPS+北斗+WiFi+基站定位功能的定位设备，以固定频率对学生进行定位，并将定位结果、定位时间、学生ID信息存入数据库中，生成学生的轨迹序列；

S3、时空研判分析