課堂行為識別通過對學(xué)生在課堂環(huán)境中的行為進行分析,形成有效的教學(xué)反饋,提升課堂教學(xué)質(zhì)量和學(xué)生學(xué)習(xí)效果。傳統(tǒng)的教學(xué)評價手段單一,過于依賴主觀經(jīng)驗。通過應(yīng)用計算機視覺技術(shù)和人工智能方法對學(xué)生的課堂行為進行分析,產(chǎn)生的結(jié)果應(yīng)該會更為客觀,且更能提高動作識別的效率。本文基于課堂環(huán)境獲取的學(xué)生行為骨骼數(shù)據(jù),對多人交互群體發(fā)現(xiàn)和個體行為識別兩個方面進行了深入研究,具體內(nèi)容如下:（1）針對課堂環(huán)境下多人交互群體發(fā)現(xiàn),提出了一種基于骨骼節(jié)點軌跡聚合模型的交互群體發(fā)現(xiàn)算法。首先,為了減小身體尺寸和初始位置對3D骨骼數(shù)據(jù)采集的影響,將骨骼數(shù)據(jù)進行標準化處理;其次,為了描述骨骼行為的軌跡信息,引入了一種速度調(diào)節(jié)的軌跡優(yōu)化方法,該過程利用估計的骨骼行為速度來調(diào)節(jié)最佳收縮位置。最后,對聚合后的骨骼軌跡進行聚類,實現(xiàn)交互群體的發(fā)現(xiàn)。實驗部分,針對課堂實測數(shù)據(jù),對本文方法和對比方法進行了交互群體發(fā)現(xiàn)結(jié)果的驗證,結(jié)果表明:基于軌跡方法在多人交互群體發(fā)現(xiàn)方面有很好的準確性。（2）針對課堂采集視頻數(shù)量有限,且要求計算效率較高的問題,提出了一種基于人工特征的多核SVM行為識別方法。通過定義骨骼坐標間的距離和旋轉(zhuǎn)角度為骨骼數(shù)... 

【文章來源】：中國礦業(yè)大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【部分圖文】：

人體骨架圖

工程碩士專業(yè)學(xué)位論文16InteractivePopulationDiscoveryAlgorithmBasedonSkeletonPointTrajectoryClusteringModel)課堂環(huán)境下交互行為單一，且動作變化的距離、方向等參數(shù)不明顯，不能直接應(yīng)用多種復(fù)雜特征融合的方法。觀察中發(fā)現(xiàn)，對于有交互行為產(chǎn)生的骨骼數(shù)據(jù)，在空間和時間上形成了一系列的運動軌跡，并且有相互靠近的運動趨勢或者有共同的終點目標，因此考慮使用軌跡聚類方法，通過對多人骨骼節(jié)點的運動軌跡進行聚類，實現(xiàn)課堂環(huán)境下交互群體的發(fā)現(xiàn)。本文提出了一種基于骨骼節(jié)點軌跡聚合模型的交互群體發(fā)現(xiàn)算法SPTC，該方法將運動目標產(chǎn)生的時空信息表示為骨骼節(jié)點運動軌跡，降低了骨骼節(jié)點缺失對交互行為發(fā)現(xiàn)造成的影響，避免了復(fù)雜的骨骼數(shù)據(jù)特征提取過程，僅從空間相似、速度相似和目標相似三個角度出發(fā)對骨骼軌跡進行核函數(shù)表示，充分利用核函數(shù)對流形空間下剛體運動良好的表達能力，達到準確、快速發(fā)現(xiàn)交互群體的目的。3.3.1骨骼節(jié)點軌跡的定義（1）骨骼節(jié)點的獲取為了獲取骨骼關(guān)節(jié)點坐標，我們將Kinect采集到的RGB圖片輸入Openpose。Openpose[119]是基于卷積神經(jīng)網(wǎng)絡(luò)和監(jiān)督學(xué)習(xí)并以caffe為框架的開源庫,可以實現(xiàn)人的面部表情、軀干和四肢甚至手指的跟蹤，它提供了18和25個人體關(guān)節(jié)點的檢測提取定位，25個關(guān)節(jié)點的檢測比18個關(guān)節(jié)點的檢測多了左、右腳部的關(guān)節(jié)點。輸出的25個人體關(guān)節(jié)點的骨架圖如圖3-1所示。由于課堂環(huán)境中，學(xué)生的下肢體被桌椅遮擋，所以這里我們只選取25個關(guān)節(jié)點中的15個上肢體關(guān)節(jié)點坐標。圖3-1Openpose骨架圖Figure3-1OpenposeskeletonFigure（2）骨骼節(jié)點數(shù)據(jù)的標準化3.3基于骨骼節(jié)點軌跡聚合模型的交互群體發(fā)現(xiàn)算法(An

3課堂環(huán)境多人交互群體發(fā)現(xiàn)方法研究19a.兩人有交互b.兩人無交互c.三人交互d.三人中兩人交互e.四人中兩人交互f.四人無交互圖3-2視頻實例Figure3-2Videoinstance本實驗使用matlab進行編程實現(xiàn)，matlab軟件版本是matlabR2016a。硬件環(huán)境為Inter(R)Core(TM)i5-8250UCPU1.6GHz,內(nèi)存8GB。3.4.2實驗參數(shù)設(shè)置算法的主要參數(shù)有：鄰域的半徑,，高斯核函數(shù)，Sigmoid核函數(shù),，多項式核函數(shù),，多核函數(shù)權(quán)值，正則化參數(shù)和迭代次數(shù)。其中鄰域的半徑,，正則化參數(shù)和迭代次數(shù)設(shè)置方法見論文。對于給定的,，核的帶寬也隨之設(shè)定，高斯核函數(shù)=,3，Sigmoid核函數(shù)=,3，=0~3，多項式核函數(shù)=,3，=0.1，=3。這樣的配置確保了鄰域外點的影響可以被忽略。根據(jù)文獻[120]可知，全局性核函數(shù)和局部性核函數(shù)能夠互補，即局部性核函數(shù)的權(quán)值與全局性核函數(shù)的權(quán)值基本相等，所以我們設(shè)置高斯核函數(shù)權(quán)值1=0.5，多項式核函數(shù)和Sigmoid核函數(shù)權(quán)值分別為2=3=0.25。

【參考文獻】：
期刊論文
[1]基于動態(tài)評價理論的微觀經(jīng)濟學(xué)大班課堂教學(xué)評價研究——以邵陽學(xué)院為例[J]. 李英一.  科技風(fēng). 2020(06)
[2]基于CDIO的翻轉(zhuǎn)課堂教學(xué)評價體系構(gòu)建與應(yīng)用——以程序設(shè)計課程為例[J]. 江天仿.  河北職業(yè)教育. 2020(01)
[3]高校學(xué)生學(xué)習(xí)效果評價方式革新探究——以廣告學(xué)專業(yè)為例[J]. 馮華.  教育現(xiàn)代化. 2019(89)
[4]基于三維骨骼節(jié)點的人體行為識別方法[J]. 楊賽烽,高彬,馮仕民,丁恩杰,陳慶峰.  傳感技術(shù)學(xué)報. 2018(12)
[5]課堂教學(xué)視頻中的S-T行為智能識別研究[J]. 周鵬霄,鄧偉,郭培育,劉清堂.  現(xiàn)代教育技術(shù). 2018(06)
[6]基于深度學(xué)習(xí)的學(xué)生課堂異常行為檢測與分析系統(tǒng)[J]. 廖鵬,劉宸銘,蘇航,李啟芳,韓延巾.  電子世界. 2018(08)
[7]基于骨骼數(shù)據(jù)的三維人體行走姿態(tài)模擬[J]. 李錦,童立靖,英祥,楊金秋.  數(shù)字技術(shù)與應(yīng)用. 2017(10)
[8]課堂考勤及學(xué)生行為監(jiān)控系統(tǒng)的設(shè)計研究[J]. 沙樹靜,王毓樟,王健龍.  內(nèi)蒙古科技與經(jīng)濟. 2017(14)
[9]學(xué)生學(xué)習(xí)評價的國際性嘗試:“高等教育學(xué)習(xí)結(jié)果評價”解讀[J]. 吳洪富,韓紅敏.  現(xiàn)代教育管理. 2016(09)
[10]多核模糊聚類[J]. 戴思薇,吳小俊,高翠芳.  計算機工程與應(yīng)用. 2016(02)

碩士論文
[1]全局模糊聚類算法研究[D]. 譚潔瓊.哈爾濱理工大學(xué) 2018
[2]人體行為識別及在教育錄播系統(tǒng)中的應(yīng)用[D]. 黨冬利.西安科技大學(xué) 2017
[3]課堂學(xué)習(xí)行為測量系統(tǒng)的設(shè)計與實現(xiàn)[D]. 張鴻宇.華中科技大學(xué) 2016
[4]學(xué)生課堂行為視頻觀察記錄系統(tǒng)關(guān)鍵技術(shù)研究[D]. 楊淵博.國防科學(xué)技術(shù)大學(xué) 2015
[5]基于Kinect的動作識別研究及在教學(xué)中的應(yīng)用[D]. 陳凌琛.昆明理工大學(xué) 2015



本文編號：2953238