[发明专利]基于光照生成对抗网络的课堂听课异常检测方法

摘要

本发明公开了一种基于光照生成对抗网络的课堂听课异常检测方法，包括有以下步骤：采集真实课堂头部姿态数据、渲染光照课堂头部姿态数据、构建光照生成对抗网络、产生生成对抗样本、构建头部姿态检测模型、课堂头部姿态检测、课堂听课异常检测。本发明通过使用深度神经网络，提高了对头部区域定位的准确性，降低非头部区域对不听课状态判断的干扰。

主权项

1.一种基于光照生成对抗网络的课堂听课异常检测方法，其特征在于：包括有以下步骤：步骤S1：采集真实课堂头部姿态数据：采集并获取真实课堂中的视频帧，构建头部位置检测模型，标记候选头部位置图像，获取训练集和训练参数；步骤S2：渲染光照课堂头部姿态数据：根据设计的课堂学生3D模型，设置模型中头部姿态、光照条件、摄像机拍摄角度参数，多次渲染，获取渲染光照下的课堂图像集合；步骤S3：构建光照生成对抗网络：根据11层光照生成对抗网络，求解光照生成对抗网络的目标损失，训练光照生成对抗网络；步骤S4：产生生成对抗样本：使用真实课堂头部姿态数据，获取不同光照条件、拍摄角度、不同人物的光照渲染头部位置图像，使用训练后的光照生成对抗网络模型参数，生成优化后的的渲染光照头部位置图像，计算光照优化头部位置图像的判决得分，设置逼真图像阈值，选取大于阈值的作为逼真的渲染光照头部位置图像；步骤S5：构建头部姿态检测模型：将逼真的渲染光照头部位置图像作为头部姿态检测的训练数据，类别标记头部姿态检测的训练数据，设置头部姿态检测模型，通过训练获得头部姿态检测模型的参数；步骤S6：课堂头部姿态检测：使用生成对抗头部姿态检测模型，实现课堂头部姿态检测；步骤S7：课堂听课异常检测：输入课堂实时采集视频，提取视频帧，使用构建的模型和训练参数，设置听课异常检测机制，获得不同状态学生的比例。