CN109410098A - 一种学生课堂行为分析及监控方法 - Google Patents

一种学生课堂行为分析及监控方法 Download PDF

Info

Publication number
CN109410098A
CN109410098A CN201811026303.5A CN201811026303A CN109410098A CN 109410098 A CN109410098 A CN 109410098A CN 201811026303 A CN201811026303 A CN 201811026303A CN 109410098 A CN109410098 A CN 109410098A
Authority
CN
China
Prior art keywords
behavior
student
matrix
image
obtains
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201811026303.5A
Other languages
English (en)
Inventor
吴琪
王力舟
黄冠铭
肖明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan Wenxuan Education Science & Technology Co Ltd
Original Assignee
Sichuan Wenxuan Education Science & Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sichuan Wenxuan Education Science & Technology Co Ltd filed Critical Sichuan Wenxuan Education Science & Technology Co Ltd
Priority to CN201811026303.5A priority Critical patent/CN109410098A/zh
Publication of CN109410098A publication Critical patent/CN109410098A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G06Q50/205—Education administration or guidance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Technology (AREA)
  • General Business, Economics & Management (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

本发明公开了一种学生课堂行为分析及监控方法，其特征在于：包括以下步骤：步骤一：实时采集学生上课的图像，上传到服务器；步骤二：分别对图像中的学生行为进行识别，判断学生行为是否属于异常行为；步骤三：若学生的行为是异常行为，记录学生的异常行为，并将对应的提示信息分别发送到学生和老师的终端上。本发明学生课堂行为分析及监控方法，准确识别学生的行为，及时发现异常行为，实现对学生课堂行为的监控和管理，减轻老师的工作，促进学生认真的听课，提高课堂教学效率。

Description

一种学生课堂行为分析及监控方法
技术领域
本发明涉及校园数据处理领域，尤其是一种学生课堂行为分析及监控方法。
背景技术
在学校里，学生的听课情况与学生的成绩有很大的关系，认真听课是获得好的成绩的重要前提；对学生听课情况的管理有助于学生的成绩，但是老师在上课中需要更多的精力去讲解课程，没有很多的精力和时间对所有学生的课堂行为进行实时管理，需要一种能够帮助老师管理课堂，实时监控所有学生的听课状态，对不认真听课的学生进行提醒的方法，既能减少老师课堂管理的时间，用更多的时间去讲解；又能对所有的学生同时进行管理，促进学生的专心听课。
发明内容
本发明的发明目的在于：针对上述存在的问题，提供一种学生课堂行为分析及监控方法，通过学生终端采集学生课堂上的图像，并对图像中的学生行为进行识别，当检测到异常行为时，及时提醒老师或学生，帮助老师管理课堂，同时监督学生认真听讲。
本发明采用的技术方案如下：
本发明一种学生课堂行为分析及监控方法，其特征在于：包括以下步骤：
步骤一：实时采集学生上课的图像，上传到服务器；
步骤二：分别对图像中的学生行为进行识别，判断学生行为是否属于异常行为；
步骤三：若学生的行为是异常行为，记录学生的异常行为，并将对应的提示信息分别发送到学生和老师的终端上。
以上方法，采集学生的图像，通过图像自动识别学生的课堂行为，并发现学生的异常行为，及时发送给老师，同时向学生发送提示信息，实现对学生课堂行为的自动监控，帮助老师管理课堂，既能监控到所有的学生的听课情况，解决现有老师无法对所有的学生进行管理的问题，又能减少老师上课的工作，用更多的时间去教学，提高教学质量。
作为优选，所述步骤二中，学生行为识别方法包括以下步骤：S1：进行图像预处理；S2：识别预处理后图像中学生的行为。
以上方法，由于采集的图像是连续的图像序列，在识别前需要进行图像预处理，检测到其中的识别目标，进行精确的识别。
作为优选，所述S1具体包括：通过人体前景提取，进行目标检测和去噪；所述人体前景提取方法：利用背景边界模型获取前景边缘，利用背景模型获取前景，将获取的前景边缘和前景相加，进行形态学的闭运算，填充前景孔洞，得到前景目标。
以上方法，在视频图像中识别人体行为，需要先进行前景提取，提取出所需的全部真实运动目标，并且剔除各种因其他原因而误入的噪声干扰及虚假目标；本申请通过背景边缘法来获取人体的边界轮廓，背景法获取前景人体区域，由于背景法容易受光照影响，通过该方法提取的人体区域不够完整，但通过人体边界和人体区域的相加，再进行形态学闭运算，就能够得到较完整的前景目标。
作为优选，所述背景边界模型的建立方法：设置当前时刻图像帧为Q(x，y)，每帧图像中的位Location(x,y)(x＝1,2，…G；y＝1,2，…K，其中G和K分别是图像帧的高和宽)是背景边缘的概率式中edge(x，y，k)为第k帧对应的边缘图像，通过Sobel算子检测得到，T为背景边缘模型的更新时间；若背景边缘概率P(x，y)低于预设阈值，边缘点为前景边缘点a，否则背景边缘点为：
式中，Qedge为前景边缘。
以上背景边缘模型通过统计视频图像中每个位置在连续时间内出现边缘的概率计算得到，通过概率计算能够得到更为准确的背景边缘，排除异常情况。
作为优选，所述背景模型的建立方法：设置当前时刻图像帧为Q(x，y)，背景为Q1(x，y)，前景
作为优选，所述S2具体包括：
获取待识别行为原始矩阵：将预处理后的每一帧图像的像素矩阵按列拆开，按顺序首尾相连形成一列，每一个待识别行为序列得到一个包含N列的原始矩阵Ai；将M待识别行为序列所得到的原始矩阵按列方式组合在一起，得到N*M列的总样本数据矩阵A；
获取待识别行为基矩阵：将获取的总样本数据矩阵A进行非负矩阵分解，获得基矩阵W和系数矩阵H；
获取待识别行为特征矩阵：以基矩阵的列向量为基向量构造特征子空间，将每一个待识别行为序列的原始矩阵Ai投影到特征子空间，得到待识别行为序列的特征向量Ei＝WTAi；
HMM分类识别：使用前后向算法分别计算待识别行为序列特征向量Ei与各类训练行为序列特征在N个分量上的似然值，依最大似然值原则，似然值最大的训练行为所在的行为类别是待识别行为的行为类型，从而识别人体行为。
以上行为识别方法通过非负矩阵分解和隐马尔可模型(HMM)的结合，通过非负矩阵分解进行人体行为特征的提取，基于视频图像的序列的基矩阵和基向量数，得到特征矩阵，再通过隐马尔可模型对提取的特征行为识别与分类，并比较每一类行为在各分量上的似然值，识别人体行为。
作为优选，所述学生行为包括：阅读、举手、书写、起立、听讲、趴桌子；其中趴桌子属于异常行为。
以上学生行为包括了学生课堂上的主要行为，其中趴桌子行为很大概率与上课打瞌睡相关，定义为异常行为，作为主要检测的学生行为。
作为优选，记录异常行为的时间，当异常行为的时间大于预设值，向老师的终端发送提示信息。
以上方法，由于学生出现异常行为可能是因为思考或其他正常听课行为，但是异常行为时间比较长就很可能是打瞌睡，所以通过设定异常行为时间范围，减少一些正常行为对异常行为判断的影响。
综上所述，由于采用了上述技术方案，本发明的有益效果是：
1、实现学生课堂行为的自动识别和监控，通过采集学生课堂图像，并识别学生行为，从而自动监控学生的上课状态，解决现有依靠老师进行管理的不便。
2、能够监控到每个学生的上课状态，及时发现不听讲的行为，提醒学生，促进学生专心听课，同时减轻老师的上课管理工作，老师更专心讲课，从而提高课堂效率。
3、学生课堂行为识别精确，先经过前景提取，得到有效的人体识别区域，再通过非负矩阵分解和隐马尔可模型(HMM)识别人体行为，精确的识别学生的课堂行为，更好的辅助老师进行课堂管理。
附图说明
本发明将通过例子并参照附图的方式说明，其中：
图1是本发明一种学生课堂行为分析及监控方法流程图。
具体实施方式
本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。
本说明书(包括任何附加权利要求、摘要)中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。
如图1，本发明一种学生课堂行为分析及监控方法，其特征在于：包括以下步骤：
步骤一：实时采集学生上课的图像，上传到服务器；
步骤二：分别对图像中的学生行为进行识别，判断学生行为是否属于异常行为；
步骤三：若学生的行为是异常行为，记录学生的异常行为，并将对应的提示信息分别发送到学生和老师的终端上。
在步骤二中，当服务器接收到学生终端或课堂监控采集的学生图像，对图像进行处理，识别图像中的学生行为；其中通过采集装置的位置来定位拍摄学生的位置，再根据对应位置上的学生信息，清楚拍摄图像中的学生信息，并进行记录；采集的是由图像序列构成的视频，进行学生行为识别时，根据识别的图像序列中人体动作，结合图像序列的顺序，判断学生的运动行为；
其中，学生行为识别方法包括以下步骤：
S1：进行图像预处理:
通过人体前景提取，进行目标检测和去噪；所述人体前景提取方法：利用背景边界模型获取前景边缘，利用背景模型获取前景，将获取的前景边缘和前景相加，进行形态学的闭运算，填充前景孔洞，得到前景目标。
背景边界模型的建立方法：设置当前时刻图像帧为Q(x，y)，每帧图像中的位Location(x,y)(x＝1,2，…G；y＝1,2，…K，其中G和K分别是图像帧的高和宽)是背景边缘的概率式中edge(x，y，k)为第k帧对应的边缘图像，通过Sobel算子检测得到，T为背景边缘模型的更新时间；若背景边缘概率P(x，y)低于预设阈值，边缘点为前景边缘点a，否则背景边缘点为：
式中，Qedge为前景边缘。
背景模型的建立方法：设置当前时刻图像帧为Q(x，y)，背景为Q1(x，y)，前景
S2：对预处理后的图像进行学生的行为识别:
获取待识别行为原始矩阵：将预处理后的每一帧图像的像素矩阵按列拆开，按顺序首尾相连形成一列，每一个待识别行为序列得到一个包含N列的原始矩阵Ai；将M待识别行为序列所得到的原始矩阵按列方式组合在一起，得到N*M列的总样本数据矩阵A；
获取待识别行为基矩阵：将获取的总样本数据矩阵A进行非负矩阵分解，获得基矩阵W和系数矩阵H；
获取待识别行为特征矩阵：以基矩阵的列向量为基向量构造特征子空间，将每一个待识别行为序列的原始矩阵Ai投影到特征子空间，得到待识别行为序列的特征向量Ei＝WTAi；
HMM分类识别：使用前后向算法分别计算待识别行为序列特征向量Ei与各类训练行为序列特征在N个分量上的似然值，依最大似然值原则，似然值最大的训练行为所在的行为类别是待识别行为的行为类型，从而识别人体行为。
在待识别行为处理前，需要预先进行训练：读取训练行为序列并做图像预处理，依次获取训练行为原始矩阵、基矩阵和特征矩阵，并初始化各类行为的HMM，根据特征向量Ei分别估计HMM的最优参数。
在学生课堂行为分析中，主要识别的学生行为包括：阅读、举手、书写、起立、听讲、趴桌子，以上行为反映了学生的听课状态；其中趴桌子属于异常行为，是不专注听讲的行为，需要进行提醒，可以通过向学生终端发送信息或声音来提醒学生，同时在老师的终端上记录和显示，是老师及时发现学生的行为，做出提醒。
在实施例中，记录异常行为的时间，当异常行为的时间大于预设值，向老师的终端发送提示信息。
本发明一种学生课堂行为分析及监控方法所采用的装置包括:学生终端，用于采集学生上课的图像，与老师终端或服务器进行通信，并显示或发送信息或指令；教师终端，用于查看服务器发送的信息，对学生终端发送信息或指令；服务器，接收学生终端发送的图像数据，进行图像处理和识别，并与学生终端和教师终端进行通信。
本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合，以及披露的任一新的方法或过程的步骤或任何新的组合。

Claims (8)

1.一种学生课堂行为分析及监控方法，其特征在于：包括以下步骤：
步骤一：实时采集学生上课的图像，上传到服务器；
步骤二：分别对图像中的学生行为进行识别，判断学生行为是否属于异常行为；
步骤三：若学生的行为是异常行为，记录学生的异常行为，并将对应的提示信息分别发送到学生和老师的终端上。
2.如权利要求1所述的学生课堂行为分析及监控方法，其特征在于：所述步骤二中，学生行为识别方法包括以下步骤：S1：进行图像预处理；S2：识别预处理后图像中学生的行为。
3.如权利要求2所述的学生课堂行为分析及监控方法，其特征在于：所述S1具体包括：通过人体前景提取，进行目标检测和去噪；所述人体前景提取方法：利用背景边界模型获取前景边缘，利用背景模型获取前景，将获取的前景边缘和前景相加，进行形态学的闭运算，填充前景孔洞，得到前景目标。
4.如权利要求3所述的学生课堂行为分析及监控方法，其特征在于：所述背景边界模型的建立方法：设置当前时刻图像帧为Q(x，y)，每帧图像中的位Location(x,y)(x＝1,2，…G；y＝1,2，…K，其中G和K分别是图像帧的高和宽)是背景边缘的概率式中edge(x，y，k)为第k帧对应的边缘图像，通过Sobel算子检测得到，T为背景边缘模型的更新时间；若背景边缘概率P(x，y)低于预设阈值，边缘点为前景边缘点a，否则背景边缘点为：式中，Qedge为前景边缘。
5.如权利要求3所述的学生课堂行为分析及监控方法，其特征在于：所述背景模型的建立方法：设置当前时刻图像帧为Q(x，y)，背景为Q1(x，y)，前景
6.如权利要求2所述的学生课堂行为分析及监控方法，其特征在于：所述S2具体包括：获取待识别行为原始矩阵：将预处理后的每一帧图像的像素矩阵按列拆开，按顺序首尾相连形成一列，每一个待识别行为序列得到一个包含N列的原始矩阵Ai；将M待识别行为序列所得到的原始矩阵按列方式组合在一起，得到N*M列的总样本数据矩阵A；
获取待识别行为基矩阵：将获取的总样本数据矩阵A进行非负矩阵分解，获得基矩阵W和系数矩阵H；
获取待识别行为特征矩阵：以基矩阵的列向量为基向量构造特征子空间，将每一个待识别行为序列的原始矩阵Ai投影到特征子空间，得到待识别行为序列的特征向量Ei＝WTAi；
HMM分类识别：使用前后向算法分别计算待识别行为序列特征向量Ei与各类训练行为序列特征在N个分量上的似然值，依最大似然值原则，似然值最大的训练行为所在的行为类别是待识别行为的行为类型，从而识别人体行为。
7.如权利要求1所述的学生课堂行为分析及监控方法，其特征在于：所述学生行为包括：阅读、举手、书写、起立、听讲、趴桌子；其中趴桌子属于异常行为。
8.如权利要求1所述的学生课堂行为分析及监控方法，其特征在于：记录异常行为的时间，当异常行为的时间大于预设值，向老师的终端发送提示信息。
CN201811026303.5A 2018-09-04 2018-09-04 一种学生课堂行为分析及监控方法 Pending CN109410098A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811026303.5A CN109410098A (zh) 2018-09-04 2018-09-04 一种学生课堂行为分析及监控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811026303.5A CN109410098A (zh) 2018-09-04 2018-09-04 一种学生课堂行为分析及监控方法

Publications (1)

Publication Number Publication Date
CN109410098A true CN109410098A (zh) 2019-03-01

Family

ID=65463907

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811026303.5A Pending CN109410098A (zh) 2018-09-04 2018-09-04 一种学生课堂行为分析及监控方法

Country Status (1)

Country Link
CN (1) CN109410098A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110414415A (zh) * 2019-07-24 2019-11-05 北京理工大学 面向课堂场景的人体行为识别方法
CN110602450A (zh) * 2019-08-30 2019-12-20 深圳智慧林网络科技有限公司 监护方法及其系统和计算机可读存储介质
CN110647807A (zh) * 2019-08-14 2020-01-03 中国平安人寿保险股份有限公司 异常行为确定方法、装置、计算机设备和存储介质
CN110647842A (zh) * 2019-09-20 2020-01-03 重庆大学 一种双摄像头课堂巡检方法及系统
CN111208900A (zh) * 2019-12-23 2020-05-29 上海褒润建筑科技有限公司 智能书桌、系统及数据处理方法
CN111475639A (zh) * 2020-03-31 2020-07-31 掌阅科技股份有限公司 阅读监控方法、计算设备及计算机存储介质
CN117095466A (zh) * 2023-10-20 2023-11-21 广州乐庚信息科技有限公司 基于图像识别的作业提交方法、装置、介质和计算设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102393910A (zh) * 2011-06-29 2012-03-28 浙江工业大学 一种基于非负矩阵分解和隐马尔科夫模型的人体行为识别方法
CN103150579A (zh) * 2013-02-25 2013-06-12 东华大学 一种基于视频序列的人体异常行为检测方法
CN103955671A (zh) * 2014-04-23 2014-07-30 浙江工业大学 基于快速判别公共向量算法的人体行为识别方法
CN106650617A (zh) * 2016-11-10 2017-05-10 江苏新通达电子科技股份有限公司 一种基于概率潜在语义分析的行人异常识别方法
CN107341618A (zh) * 2017-07-14 2017-11-10 安徽智星交通科技股份有限公司 课堂管理方法及系统
CN107358555A (zh) * 2017-07-14 2017-11-17 安徽智星交通科技股份有限公司 教学监管方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102393910A (zh) * 2011-06-29 2012-03-28 浙江工业大学 一种基于非负矩阵分解和隐马尔科夫模型的人体行为识别方法
CN103150579A (zh) * 2013-02-25 2013-06-12 东华大学 一种基于视频序列的人体异常行为检测方法
CN103955671A (zh) * 2014-04-23 2014-07-30 浙江工业大学 基于快速判别公共向量算法的人体行为识别方法
CN106650617A (zh) * 2016-11-10 2017-05-10 江苏新通达电子科技股份有限公司 一种基于概率潜在语义分析的行人异常识别方法
CN107341618A (zh) * 2017-07-14 2017-11-10 安徽智星交通科技股份有限公司 课堂管理方法及系统
CN107358555A (zh) * 2017-07-14 2017-11-17 安徽智星交通科技股份有限公司 教学监管方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
温向兵 等: "视频监控中人体行为识别的研究", 《图形、图像与多媒体》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110414415A (zh) * 2019-07-24 2019-11-05 北京理工大学 面向课堂场景的人体行为识别方法
CN110647807A (zh) * 2019-08-14 2020-01-03 中国平安人寿保险股份有限公司 异常行为确定方法、装置、计算机设备和存储介质
CN110602450A (zh) * 2019-08-30 2019-12-20 深圳智慧林网络科技有限公司 监护方法及其系统和计算机可读存储介质
CN110647842A (zh) * 2019-09-20 2020-01-03 重庆大学 一种双摄像头课堂巡检方法及系统
CN110647842B (zh) * 2019-09-20 2022-02-15 重庆大学 一种双摄像头课堂巡检方法及系统
CN111208900A (zh) * 2019-12-23 2020-05-29 上海褒润建筑科技有限公司 智能书桌、系统及数据处理方法
CN111208900B (zh) * 2019-12-23 2024-03-22 上海褒润建筑科技有限公司 智能书桌、系统及数据处理方法
CN111475639A (zh) * 2020-03-31 2020-07-31 掌阅科技股份有限公司 阅读监控方法、计算设备及计算机存储介质
CN111475639B (zh) * 2020-03-31 2023-08-29 掌阅科技股份有限公司 阅读监控方法、计算设备及计算机存储介质
CN117095466A (zh) * 2023-10-20 2023-11-21 广州乐庚信息科技有限公司 基于图像识别的作业提交方法、装置、介质和计算设备
CN117095466B (zh) * 2023-10-20 2024-01-26 广州乐庚信息科技有限公司 基于图像识别的作业提交方法、装置、介质和计算设备

Similar Documents

Publication Publication Date Title
CN109410098A (zh) 一种学生课堂行为分析及监控方法
CN109522815B (zh) 一种专注度评估方法、装置及电子设备
CN105825189B (zh) 一种用于大学生到课率及上课专注度自动分析的装置
WO2019028592A1 (zh) 一种教学辅助方法及采用该方法的教学辅助系统
WO2021077382A1 (zh) 一种学习状态的判断方法、装置及智能机器人
CN108648757A (zh) 一种基于多维度课堂信息的分析方法
CN108009754A (zh) 教学质量评估方法
CN105791299A (zh) 一种无人监考的智能化上机考试系统
CN102013176A (zh) 在线学习系统
CN109034036A (zh) 一种视频分析方法、教学质量评估方法及系统、计算机可读存储介质
CN111523444B (zh) 基于改进的Openpose模型和面部微表情的课堂行为检测的方法
CN106295558A (zh) 一种猪只行为节律分析方法
KR20120065111A (ko) 몰입도 평가 기반 맞춤형 온라인 학습 방법 및 시스템
CN108846914B (zh) 一种基于云平台的学生课堂考勤系统
CN112926412A (zh) 自适应教学课堂监控方法及系统
CN110647807A (zh) 异常行为确定方法、装置、计算机设备和存储介质
CN112132009A (zh) 课堂行为分析方法、系统及电子设备
CN206557851U (zh) 一种教学听课情况采集装置
CN107133611A (zh) 一种课堂学生点头率识别与统计方法及装置
CN113411542A (zh) 一种智能化的工作状况监测设备
CN111753658A (zh) 一种睡岗告警方法、装置和计算机设备
CN104077571B (zh) 一种采用单类序列化模型的人群异常行为检测方法
CN108416797A (zh) 一种检测行为变化的方法、设备及存储介质
CN107958500A (zh) 一种用于教学实境信息实时采集的监控系统
CN111273232B (zh) 一种室内异常情况判断方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20190301

RJ01 Rejection of invention patent application after publication