计算机工程

作者：闫兴亚, 匡娅茜, 白光睿, 李月

单位：1. 西安邮电大学 数字艺术学院, 西安 7101212. 西安邮电大学 计算机学院, 西安 710121

关键词：计算机视觉,行为识别,目标检测,姿态识别,深度学习

基金：陕西省哲学社会科学重大理论与现实问题研究项目(2021HZ0980); 2019年第二批产学合作协同育人项目(201902001030); 软科学研究计划一般项目(2020KRM005)

学生课堂行为动作能够直接反映课堂质量，通过人工智能和大数据对课堂行为进行分析和评估，有助于提高教学质量。传统的学生课堂行为识别方法通过老师直接观察学生状态，或者是课后通过监控视频进行分析，该课堂行为识别方法耗时耗力且识别率较低，难以实时反映课堂以及考试中存在的问题。提出基于深度学习的姿态识别方法BetaPose。采用数据增强技术提高后续检测模型的鲁棒性，通过改进的YOLOv5目标检测算法得到人体检测框，并基于MobileNetV3模型设计轻量级姿态识别模型，提高在拥挤场景下的姿态识别准确率，将得到的人体关键点图输入到线性分类器中，获得最终行为结果，有效提高模型的建模和表达能力。实验结果表明，所提轻量级姿态识别方法BetaPose对人体各个部位的平均识别准确率最高可达82.6%，在简易和拥挤场景下对各种行为的识别率分别达到91%和85%以上，能够有效识别课堂的多种行为。

来源：2023年第7期

《计算机工程》期刊编辑部

查看计算机工程杂志2023年第7期