计算机工程

作者：周炫余, 吴莲华, 郑勤华, 肖天星, 王紫璇, 张思敏

单位：1. 湖南师范大学基础教育大数据研究与应用重点实验室, 湖南 长沙 4100062. 北京师范大学远程教育中心, 北京 100091

关键词：视频异常检测,提示学习,记忆网络,弱监督学习,身体素质测评

基金：国家重点研发计划(2021YFC3340800); 国家自然科学基金(62007007); 国家自然科学基金(61703155); 湖南省自然科学基金(2023JJ30415); 湖南省自然科学基金(2022JJ30395)

面向全国的学生综合评价与发展平台采集了百万级学生跳绳运动数据用于中小学生身体素质测评, 然而在采集的跳绳视频中存在着非跳绳视频、人物未全身出镜等不符合拍摄要求的各类异常视频, 严重影响了后续学生身体素质测评模型的准确性和鲁棒性。针对上述问题, 提出一种联合语义提示和记忆增强的弱监督跳绳视频异常检测方法。该方法首先提取正常跳绳视频和异常跳绳视频的视觉特征, 将正常特征和异常特征成对训练, 增强模型对异常视频特征的感知能力; 其次设计两个自监督记忆网络分别存储和分离正常视频和异常视频的特征, 进一步增强模型的特征表达能力; 最后引入提示学习方法迁移大规模预训练模型中的多种跳绳异常类型的语义先验知识, 增强模型在样本不足的情况下对多种异常类型语义信息的理解。实验结果表明, 该方法在自建的跳绳异常检测数据集(SRAD)上的AUC为94.14%, 相较于基准方法提升了2.71个百分点, 具有较高的准确性。该方法对实现身体素质的智能测评、推动教育评价改革具有重要意义。

来源：2024年第7期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第7期