文章主要從檢測視頻幀圖像人臉數(shù)目、輪廓特征、主體動作幅度等三個方面獲取數(shù)據(jù)信息,使用貝葉斯因果網(wǎng)模型推理主體行為特征,獲取行為序列,構(gòu)建了教學(xué)視頻的教學(xué)模式,最終實現(xiàn)了對課堂教學(xué)視頻中S-T行為智能識別的設(shè)計。研究算法是基于C++與OpenCV實現(xiàn);將行為特征檢測結(jié)果匯總分析,輸出課堂教學(xué)視頻的教學(xué)模式。經(jīng)過測試,對較為標(biāo)準(zhǔn)的課堂教學(xué)視頻分析準(zhǔn)確率高、效率高,驗證了本研究中算法的可行性。 

【文章來源】：現(xiàn)代教育技術(shù). 2018,28(06)北大核心CSSCI

【文章頁數(shù)】：6 頁

【部分圖文】：

監(jiān)控角度類型

翁媒萄?悠檔募撲慊?遠(yuǎn)??S-T分析，本文研究課堂教學(xué)視頻中的主體行為智能識別算法。通過之前的視頻分析與圖像識別得到主體行為特征，再經(jīng)過貝葉斯因果網(wǎng)推測主體行為類別，可以確定教學(xué)行為序列，進(jìn)一步判定課堂教學(xué)視頻的教學(xué)模式。通過運(yùn)行本文算法，直接得到的教學(xué)視頻信息有視頻幀數(shù)、采樣總數(shù)、教師行為與學(xué)生行為數(shù)量、Rt與Ch的值以及教學(xué)模式的類型。2測試分析（1）課堂教學(xué)視頻分類本研究將課堂教學(xué)視頻分為兩類：一是標(biāo)準(zhǔn)剪輯類型，鏡頭是教師、課件、學(xué)生三種畫面，主體比較明確，如圖2所示；二是監(jiān)控角度類型，一般由面向教師與面向角度組成，圖像主體相對復(fù)雜，如圖3所示。圖2標(biāo)準(zhǔn)剪輯類型圖3監(jiān)控角度類型（2）算法測試對比分析為了從實際應(yīng)用角度更好地檢測本算法，本研究采用兩類課堂教學(xué)視頻對算法進(jìn)行測試，測試視頻每兩秒采樣一幀，分析其行為特征。表4中是10個視頻的測試結(jié)果，包括視頻時長、

翁媒萄?悠檔募撲慊?遠(yuǎn)??S-T分析，本文研究課堂教學(xué)視頻中的主體行為智能識別算法。通過之前的視頻分析與圖像識別得到主體行為特征，再經(jīng)過貝葉斯因果網(wǎng)推測主體行為類別，可以確定教學(xué)行為序列，進(jìn)一步判定課堂教學(xué)視頻的教學(xué)模式。通過運(yùn)行本文算法，直接得到的教學(xué)視頻信息有視頻幀數(shù)、采樣總數(shù)、教師行為與學(xué)生行為數(shù)量、Rt與Ch的值以及教學(xué)模式的類型。2測試分析（1）課堂教學(xué)視頻分類本研究將課堂教學(xué)視頻分為兩類：一是標(biāo)準(zhǔn)剪輯類型，鏡頭是教師、課件、學(xué)生三種畫面，主體比較明確，如圖2所示；二是監(jiān)控角度類型，一般由面向教師與面向角度組成，圖像主體相對復(fù)雜，如圖3所示。圖2標(biāo)準(zhǔn)剪輯類型圖3監(jiān)控角度類型（2）算法測試對比分析為了從實際應(yīng)用角度更好地檢測本算法，本研究采用兩類課堂教學(xué)視頻對算法進(jìn)行測試，測試視頻每兩秒采樣一幀，分析其行為特征。表4中是10個視頻的測試結(jié)果，包括視頻時長、

【參考文獻(xiàn)】：
期刊論文
[1]基于視頻的改進(jìn)型S-T分析法的應(yīng)用研究[J]. 程云,劉清堂,王鋒,王艷麗.  電化教育研究. 2016(06)
[2]貝葉斯因果圖的構(gòu)建與應(yīng)用[J]. 王影,李春好.  統(tǒng)計與決策. 2016(07)
[3]基于C++和OpenCV的人臉識別系統(tǒng)的設(shè)計與實現(xiàn)[J]. 朱興統(tǒng),習(xí)洋洋.  自動化與儀器儀表. 2014(08)
[4]基于S-T分析法的教學(xué)過程對比分析——以網(wǎng)易視頻公開課為例[J]. 劉飛,劉雁,黃成云.  中國教育信息化. 2012(11)
[5]基于OpenCV和Haar特征分類器的圖像人數(shù)檢測[J]. 劉子源,蔣承志.  遼寧科技大學(xué)學(xué)報. 2011(04)
[6]基于人臉表情識別的智能網(wǎng)絡(luò)教學(xué)系統(tǒng)研究[J]. 馮滿堂,馬青玉,王瑞杰.  計算機(jī)技術(shù)與發(fā)展. 2011(06)
[7]多攝像機(jī)監(jiān)控中基于貝葉斯因果網(wǎng)的人物角色識別[J]. 明安龍,馬華東,傅慧源.  計算機(jī)學(xué)報. 2010(12)



本文編號：3118080