CN115147872B - 一种考场中教师行为的检测方法及系统 - Google Patents

Abstract

本发明提供了一种考场中教师行为的检测方法及系统，涉及人体行为检测技术领域，搭建行为检测平台，基于视频采集层获取目标视频段，对目标视频段进行所属行为步骤分析获取识别特征集合，基于视频识别层进行目标视频段中的每一视频帧的特征定位，输出特征识别帧集合并判断是否满足预设特征识别率，当满足时获取行为检测指令，进而将特征识别帧集合输入视频识别层中嵌有的行为变化检测模型中，获取用于标识行为变化异常的行为检测结果，通过识别输出层进行输出，解决了现有技术中教师行为检测方法由于检测流程完备性不足，无法对目标人体进行实时、有效且准确的人体行为检测的技术问题，实现了考场中教师行为的精准检测分析。

Description

一种考场中教师行为的检测方法及系统

技术领域

本发明涉及人体行为检测技术领域，具体涉及一种考场中教师行为的检测方法及系统。

背景技术

教育考试是衡量考生平时学习水平的重要手段方式，考试秩序的管控关系着考生的答题状态，为了保证考试流程的，可通过对考场中教师的实时行为状态进行监测分析来确定考场的流程秩序，对于考试中的异常行为可通过人体行为检测的方法进行分析判断，以保证教学督导组对考场状况进行全方位监控，对教师行为进行有效地监督，现如今，主要通过监控设备对目标进行行为监测，然而，常用的监控技术无法进行目标的行为检测分析，以确保目标的实时动态行为。

现有技术中，考场中常用的教师行为检测方法由于检测流程完备性不足，无法对目标人体进行实时、有效且准确的人体行为检测。

发明内容

本申请提供了一种考场中教师行为的检测方法及系统，用于针对解决现有技术中存在的教师行为检测方法由于检测流程完备性不足，无法对目标人体进行实时、有效且准确的人体行为检测的技术问题。

鉴于上述问题，本申请提供了一种考场中教师行为的检测方法及系统。

第一方面，本申请提供了一种考场中教师行为的检测方法，所述方法包括：搭建行为检测平台，其中，所述行为检测平台包括视频采集层、视频识别层和识别输出层；根据所述视频采集层，获得目标视频段，其中，所述目标视频段为采集教师在考场中的行为视频；分析所述目标视频段的所属行为步骤，获取识别特征集合；将所述目标视频段输入所述视频识别层中，根据所述识别特征集合对所述目标视频段中的每一视频帧进行特征定位，输出特征识别帧集合；判断所述特征识别帧集合是否满足预设特征识别率，若所述特征识别帧集合满足所述预设特征识别率，获取行为检测指令；根据所述行为检测指令，将所述特征识别帧集合输入所述视频识别层中嵌有的行为变化检测模型中，获取用于标识行为变化异常的行为检测结果；将所述行为检测结果通过所述识别输出层进行输出。

第二方面，本申请提供了一种考场中教师行为的检测系统，所述系统包括：平台搭建模块，所述平台搭建模块用于搭建行为检测平台，其中，所述行为检测平台包括视频采集层、视频识别层和识别输出层；视频段获取模块，所述视频段获取模块用于根据所述视频采集层，获得目标视频段，其中，所述目标视频段为采集教师在考场中的行为视频；特征获取模块，所述特征获取模块用于分析所述目标视频段的所属行为步骤，获取识别特征集合；特征定位模块，所述特征定位模块用于将所述目标视频段输入所述视频识别层中，根据所述识别特征集合对所述目标视频段中的每一视频帧进行特征定位，输出特征识别帧集合；识别率判断模块，所述识别率判断模块用于判断所述特征识别帧集合是否满足预设特征识别率，若所述特征识别帧集合满足所述预设特征识别率，获取行为检测指令；行为检测模块，所述行为检测模块用于根据所述行为检测指令，将所述特征识别帧集合输入所述视频识别层中嵌有的行为变化检测模型中，获取用于标识行为变化异常的行为检测结果；结果输出模块，所述结果输出模块用于将所述行为检测结果通过所述识别输出层进行输出。

本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

本申请实施例提供的一种考场中教师行为的检测方法，搭建行为检测平台，其中，所述行为检测平台包括视频采集层、视频识别层和识别输出层，基于所述视频采集层获取目标视频段，其中，所述目标视频段为采集教师在考场中的行为视频，对所述目标视频段进行所属行为步骤分析，获取识别特征集合；将所述目标视频段输入所述视频识别层中，以所述识别特征集合为基准进行所述目标视频段中的每一视频帧的特征定位，输出特征识别帧集合并判断是否满足预设特征识别率，当所述特征识别帧集合满足所述预设特征识别率时获取行为检测指令，进而将所述特征识别帧集合输入所述视频识别层中嵌有的行为变化检测模型中，获取用于标识行为变化异常的行为检测结果，通过所述识别输出层进行输出，解决了现有技术中存在的教师行为检测方法由于检测流程完备性不足，无法对目标人体进行实时、有效且准确的人体行为检测的技术问题，实现了考场中教师行为的精准检测分析。

附图说明

图1为本申请提供了一种考场中教师行为的检测方法流程示意图；

图2为本申请提供了一种考场中教师行为的检测方法中识别特征集合获取流程示意图；

图3为本申请提供了一种考场中教师行为的检测方法中预设特征识别率判断流程示意图；

图4为本申请提供了一种考场中教师行为的检测系统结构示意图。

附图标记说明：平台搭建模块a，视频段获取模块b，特征获取模块c，特征定位模块d，识别率判断模块e，行为检测模块f，结果输出模块g。

具体实施方式

本申请通过提供一种考场中教师行为的检测方法及系统，搭建行为检测平台，基于视频采集层获取目标视频段，对目标视频段进行所属行为步骤分析获取识别特征集合，基于视频识别层进行目标视频段中的每一视频帧的特征定位，输出特征识别帧集合并判断是否满足预设特征识别率，当满足时获取行为检测指令，进而将特征识别帧集合输入视频识别层中嵌有的行为变化检测模型中，获取用于标识行为变化异常的行为检测结果，通过识别输出层进行输出，用于解决现有技术中存在的教师行为检测方法由于检测流程完备性不足，无法对目标人体进行实时、有效且准确的人体行为检测的技术问题。

实施例一

如图1所示，本申请提供了一种考场中教师行为的检测方法，所述方法应用于考场教师行为的智能分析系统，所述系统包括行为检测平台通信连接，所述方法包括：

步骤S100：搭建行为检测平台，其中，所述行为检测平台包括视频采集层、视频识别层和识别输出层；

具体而言，本申请提供的一种考场中教师行为检测方法应用于考场教师行为的智能分析系统，所述系统与行为检测平台通信连接，所述行为检测平台用于对教师的肢体动作等相关特征进行识别分析，以确定教师的实时状态，首先，搭建所述行为检测平台，所述行为检测平台包括了所述视频采集层、所述视频识别层与所述识别输出层，基于所述视频采集层，对考场中教师的实时动作行为进行视频采集，将采集的视频传输至所述视频识别层，基于所述视频识别层进行特征识别分析，确定教师的行为状态，进而基于所述识别输出层进行结果整合输出，所述行为检测平台作为进行教师行为检测分析的辅助平台，为后续进行考场中教师行为的检测分析提供了基本条件。

步骤S200：根据所述视频采集层，获得目标视频段，其中，所述目标视频段为采集教师在考场中的行为视频；

步骤S300：分析所述目标视频段的所属行为步骤，获取识别特征集合；

具体而言，对教师进行位置追踪，同时，基于所述视频采集层进行实时视频采集，示例性的，可确定预设时间段，以所述预设时间段为时间周期进行视频采集，获取所述目标视频段，所述目标视频段为教师在考场中的行为视频，包括了教师收发试卷的完整动态信息，可通过进行多角度视频采集以保证所述目标视频段的信息完备性，以所述目标视频段为基础信息，为后续进行教师的行为特征分析提供了信息源。

进一步而言，对采集的所述目标视频段进行行为步骤提取，进一步对所述目标视频段包含的所属行为步骤进行分析，以此为基准对所述目标视频段进行划分，确定视频段划分结果并进行特征关键点提取分析，示例性的，教师收发试卷时，基于教师的人体关键点进行状态分析，以所述目标视频段为待分析信息源，以教师手肘与手腕作为关键点进行动态特征提取，教师在收发试卷时，手肘与手腕会不断重复伸出与收回动作，可将其作为识别特征，进一步对相关特征信息进行整合处理，获取所述识别特征集合，所述识别特征集合的获取，为后续进行视频特征识别定位分析夯实了基础。

步骤S400：将所述目标视频段输入所述视频识别层中，根据所述识别特征集合对所述目标视频段中的每一视频帧进行特征定位，输出特征识别帧集合；

步骤S500：判断所述特征识别帧集合是否满足预设特征识别率，若所述特征识别帧集合满足所述预设特征识别率，获取行为检测指令；

具体而言，通过对教师进行位置检测与视频采集获取所述目标视频段，进一步将所述目标视频段输入所述视频识别层中，以所述识别特征集合为基准对所述目标视频段中的每一视频帧进行特征定位，确定所述识别特征集合对应的所述视频帧，通过对所述目标视频段进行逐帧识别定位，可有效提高特征识别的信息完备性，基于时序性对相关联的所述视频帧进行顺序整合，输出所述特征识别帧集合。

进一步判断所述特征识别帧集合是否满足所述预设特征识别率，所述预设特征识别率为设定的用于判定特征完备性的限定条件，当所述特征识别帧集合满足所述预设特征识别率时，获取所述行为检测指令，所述行为检测指令为对所述特征识别帧集合进行行为检测的开始指令；当所述特征识别帧集合不满足所述预设特征识别率时，获取特征添加指令并基于所述目标视频段提取新增特征，进一步进行特征定位确定新增识别帧集合，基于所述新增识别帧集合进行所述特征识别帧集合的补充完善，再次与所述预设特征识别率进行比对分析，基于所述预设特征识别率进行所述特征识别帧集合蕴含特征信息的完备性判定，可有效提高后续行为检测分析的准确性。

步骤S600：根据所述行为检测指令，将所述特征识别帧集合输入所述视频识别层中嵌有的行为变化检测模型中，获取用于标识行为变化异常的行为检测结果；

步骤S700：将所述行为检测结果通过所述识别输出层进行输出。

具体而言，以所述行为检测指令为基准，对所述特征识别帧集合进行周期性划分，确定周期节点并进行标识，进一步将其输入所述视频识别层中，所述视频识别层中嵌有行为变化检测模型，所述行为变化检测模型用于对所述特征识别帧集合进行检测分析，以确定教师的行为状态，基于所述行为变化检测模型，对各周期节点对应的特征识别帧进行行为停滞性与行为轨迹性检测分析，以此为基准进行行为异常判定，通过计算异常概率确定异常行为并进行标识，以便进行后续识别区分，进而获取所述行为检测结果，所述行为检测结果为考场中教师行为的检测结果，进一步的，将所述行为检测结果传输至所述识别输出层，通过所述识别输出层进行输出，上述行为检测方法可对考场中教师的实时行为状态进行有效且准确的人体行为检测。

进一步而言，如图2所示，分析所述目标视频段的所属行为步骤，获取识别特征集合，本申请步骤S300还包括：

步骤S310：通过对所述目标视频段进行所属行为步骤分析，按照各个行为步骤划分所述目标视频段，输出视频段划分结果；

步骤S320：根据所述视频段划分结果，确定各个划分段对应的特征关键点，其中，所述特征关键点为教师用户在对应行为步骤中存在行为变化相关性的人体关键点；

步骤S330：根据所述特征关键点，输出所述识别特征集合。

具体而言，对所述目标视频段中的所属行为步骤进行分析，以各个行为步骤为基准对所述目标视频段进行划分，例如，检卷、发试卷、巡检、收试卷，基于此将所述目标视频段划分为多个目标视频合集，进一步对其基于时间序列进行整合处理，输出所述视频段划分结果，以所述视频段划分结果为基准，分别对其进行所属行为步骤分析，以教师用户在对应行为步骤中存在行为变化相关的人体关键点为特征关键点，示例性的，进行收发试卷时，教师的手肘与手腕会出现重复性的伸出与收回动作，以教师手肘与手腕作为关键点进行预定时间段内的变化状况进行行为判断，以确定教师的实时状态行为，进一步确定各个划分段对应的特征关键点，进而对所述特征关键点与所属行为步骤进行映射对应，对相关信息进行归类整合，输出所述识别特征集合，通过对所述目标视频段进行步骤划分与特征识别，便于进行针对性的特征分析，以提高视频分析的精确度。

进一步而言，本申请步骤S330还包括：

步骤S331：获取N个特征关键点，其中，所述N个特征关键点为每一行为步骤对应的视频段中存在行为变化的关键点；

步骤S332：通过对所述N个特征关键点进行动态指数计算，获取N个动态指数；

步骤S333：以所述N个动态指数，对所述N个特征关键点进行排序，输出关键点序列；

步骤S334：将所述关键点序列中的首序作为所述特征关键点输出。

具体而言，以所述视频段划分结果为基准，对每个行为步骤中对应视频段中存在行为变化的关键点进行确定，获取N个特征关键点，所述N个特征关键点与所述视频段划分结果一一对应，进一步对所述N个特征关键点进行动态指数计算，例如，在收试卷的时候，人体的整体结构部位都处于实时动态，但是手腕和手肘作为特征关键点，在视频中动态性最大，处于一项重复性最高的动态指数，以此为基准对该行为步骤的动态指数进行确定，同理，确定每一行为步骤的动态指数并进行整合处理，获取所述N个动态指数，进一步的，基于所述N个动态指数，对相应的所述N个特征关键点进行排序，例如，对所述N个动态指数由高到低进行排序，以此为基准进行对应特征关键点的同步排序，输出所述关键点序列，所述关键点序列为所述N个特征关键点的顺序性排列，进而将所述关键点序列中的首序作为所述特征关键点进行输出，通过进行所述特征关键点的排序标识，可有效提高后续检测分析的条理性。

进一步而言，如图3所示，判断所述特征识别帧集合是否满足预设特征识别率，本申请步骤S500还包括：

步骤S510：若所述特征识别帧集合不满足所述预设特征识别率，获取特征添加指令；

步骤S520：根据所述特征添加指令，对所述目标视频段进行新增特征分析，获取新增特征集合；

步骤S530：根据所述新增特征集合对每一视频帧进行特征定位，输出新增识别帧集合；

步骤S540：将所述新增识别帧集合对应添加至所述特征识别帧集合中。

具体而言，判断所述特征识别帧集合是否满足所述预设特征识别率，当所述特征识别帧集合不满足所述预设特征识别率时，表明所提取的特征完备性不足，获取所述特征添加指令，所述特征添加指令为开始对所述目标视频段进行进一步特征识别提取的指令，基于所述特征添加指令，对所述目标视频段进行新增特征分析，例如头部位置等，获取所述新增特征集合，所述新增特征集合与所属行为步骤一一对应，以所述新增特征集合为基准，对相应的所述目标视频段基于视频帧进行特征定位，获取所述新增视频帧集合，进一步将所述新增视频帧集合添加至所述特征视频帧集合中，以提高所述特征视频帧的完整性。

进一步而言，所述系统还包括动作传感器，本申请步骤S540还包括：

步骤S541：根据所述新增识别帧集合和所述特征识别帧集合进行特征识别率计算，判断是否满足所述预设特征识别率；

步骤S542：若不满足所述预设特征识别率，启动所述动作传感器对用户进行动作数据采集，获取实时传感数据；

步骤S543：将所述实时传感数据作为辅助数据源，输入所述视频识别层中进行行为变化检测。

具体而言，以所述新增识别帧集合与所述特征识别帧集合为基准，对其进行特征识别率计算，确定其中的特征覆盖率，进一步再次进行所述预设特征识别率的校对判断，当不满足所述预设特征识别率，表明添加新增特征后，对应的特征识别帧集合信息完备性仍不满足要求，部分细节信息的识别不够完善，由于视频的识别准确度不足，需要教师佩戴一些传感器辅助进行行为检测，进一步启动所述动作传感器进行所述目标用户的动作数据采集，获取所述实时传感数据，所述实时传感数据为由感知设备直接检测到的动态数据信息，将所述实时传感数据作为辅助数据源，进行所述特征识别帧集合的另类信息补充，进而将所述实时传感数据输入所述视频识别层中进行教师的行为变化检测，可有效提高教师动态行为分析的准确度。

进一步而言，将所述特征识别帧集合输入所述视频识别层中嵌有的行为变化检测模型中之前，本申请步骤S600还包括：

步骤S610：通过对所述特征识别帧集合进行周期分析，获取周期节点集合；

步骤S620：按照所述周期节点集合对所述特征识别帧集合进行周期节点标识，输出周期特征识别帧；

步骤S630：将所述周期特征识别帧输入所述行为变化检测模型中进行行为变化检测。

具体而言，对所述特征识别帧进行周期分析，确定所述特征识别帧中循环往复的单位特征识别帧，在此基础上进行周期性节点设置，获取所述周期节点集合，示例性的，根据收发试卷的重复性高的情况，在视频帧中进行周期性动作分析，例如将5个收视频帧+4个发视频帧为一组收发的动作，以此为单位周期进行检测分析，判断周期性动作的停滞性、周期性和轨迹性，进一步的，以所述周期节点集合为基准，对所述特征识别帧集合进行周期节点标识，可基于不同序列号对所述视频段划分结果进行周期节点标识，进一步进行归类整合处理，输出所述周期特征识别帧，进而将所述周期特征识别帧输入所述行为变化检测模型中，以所述周期特征识别帧为检测周期进行教师的行为变化检测，通过对所述特征识别帧进行周期性划分标识，可提高后续检测分析的秩序性，同时可进行检测结果的比对，以提高检测分析的准确性。

进一步而言，本申请步骤S630还包括：

步骤S631：将所述特征识别帧集合输入所述行为变化检测模型中，根据所述行为变化检测模型，获取行为停滞性和行为轨迹性；

步骤S632：根据所述行为停滞性和所述行为轨迹性进行异常概率计算，获取行为变化检测结果，其中，所述行为变化检测结果包括行为异常概率，用于标识行为变化异常的行为检测结果。

具体而言，将所述特征是被帧输入所述行为变化检测模型中，基于所述行为变化检测模型进行周期节点表标识的识别，进而以所述周期特征识别帧为基准进行教师的行为分析，确定所述行为停滞性与所述行为轨迹性，进一步进行行为异常概率计算，示例性的，可获取行为流畅标准度与标准轨迹并预设偏差范围，对所述行为停滞性与所述行为轨迹性进行偏差比对分析以确定异常行为，进一步进行异常概率计算，同时，对所述异常概率对应的行为进行标识，以便进行识别区分，对相匹配的行为信息进行映射整合，获取所述行为变化检测结果，所述行为变化检测结果为最终确定的考场中教师的行为检测结果，进一步对其进行输出。

实施例二

基于与前述实施例中一种考场中教师行为的检测方法相同的发明构思，如图4所示，本申请提供了一种考场中教师行为的检测系统，所述系统包括：

平台搭建模块a，所述平台搭建模块a用于搭建行为检测平台，其中，所述行为检测平台包括视频采集层、视频识别层和识别输出层；

视频段获取模块b，所述视频段获取模块b用于根据所述视频采集层，获得目标视频段，其中，所述目标视频段为采集教师在考场中的行为视频；

特征获取模块c，所述特征获取模块c用于分析所述目标视频段的所属行为步骤，获取识别特征集合；

特征定位模块d，所述特征定位模块d用于将所述目标视频段输入所述视频识别层中，根据所述识别特征集合对所述目标视频段中的每一视频帧进行特征定位，输出特征识别帧集合；

识别率判断模块e，所述识别率判断模块e用于判断所述特征识别帧集合是否满足预设特征识别率，若所述特征识别帧集合满足所述预设特征识别率，获取行为检测指令；

行为检测模块f，所述行为检测模块f用于根据所述行为检测指令，将所述特征识别帧集合输入所述视频识别层中嵌有的行为变化检测模型中，获取用于标识行为变化异常的行为检测结果；

结果输出模块g，所述结果输出模块g用于将所述行为检测结果通过所述识别输出层进行输出。

进一步而言，所述系统还包括：

指令获取模块，所述指令获取模块用于若所述特征识别帧集合不满足所述预设特征识别率，获取特征添加指令；

新增特征分析模块，所述新增特征分析模块用于根据所述特征添加指令，对所述目标视频段进行新增特征分析，获取新增特征集合；

特征定位模块，所述特征定位模块用于根据所述新增特征集合对每一视频帧进行特征定位，输出新增识别帧集合；

识别帧添加模块，所述识别帧添加模块用于将所述新增识别帧集合对应添加至所述特征识别帧集合中。

进一步而言，所述系统还包括：

视频段划分模块，所述视频段划分模块用于通过对所述目标视频段进行所属行为步骤分析，按照各个行为步骤划分所述目标视频段，输出视频段划分结果；

关键点确定模块，所述关键点确定模块用于根据所述视频段划分结果，确定各个划分段对应的特征关键点，其中，所述特征关键点为教师用户在对应行为步骤中存在行为变化相关性的人体关键点；

特征输出模块，所述特征输出模块用于根据所述特征关键点，输出所述识别特征集合。

进一步而言，所述系统还包括：

关键点获取模块，所述关键点获取模块用于获取N个特征关键点，其中，所述N个特征关键点为每一行为步骤对应的视频段中存在行为变化的关键点；

指数计算模块，所述指数计算模块用于通过对所述N个特征关键点进行动态指数计算，获取N个动态指数；

关键点排序模块，所述关键点排序模块用于以所述N个动态指数，对所述N个特征关键点进行排序，输出关键点序列；

关键点输出模块，所述关键点输出模块用于将所述关键点序列中的首序作为所述特征关键点输出。

进一步而言，所述系统还包括：

周期节点获取模块，所述周期节点获取模块用于通过对所述特征识别帧集合进行周期分析，获取周期节点集合；

节点标识模块，所述节点标识模块用于按照所述周期节点集合对所述特征识别帧集合进行周期节点标识，输出周期特征识别帧；

行为变化检测模块，所述行为变化检测模块用于将所述周期特征识别帧输入所述行为变化检测模型中进行行为变化检测。

模型检测模块，所述模型检测模块用于进一步而言，所述系统还包括：

将所述特征识别帧集合输入所述行为变化检测模型中，根据所述行为变化检测模型，获取行为停滞性和行为轨迹性；

异常概率计算模块，所述异常概率计算模块用于根据所述行为停滞性和所述行为轨迹性进行异常概率计算，获取行为变化检测结果，其中，所述行为变化检测结果包括行为异常概率，用于标识行为变化异常的行为检测结果。

进一步而言，所述系统还包括：

识别率计算模块，所述识别率计算模块用于根据所述新增识别帧集合和所述特征识别帧集合进行特征识别率计算，判断是否满足所述预设特征识别率；

数据采集模块，所述数据采集模块用于若不满足所述预设特征识别率，启动所述动作传感器对用户进行动作数据采集，获取实时传感数据；

数据检测模块，所述数据检测模块用于将所述实时传感数据作为辅助数据源，输入所述视频识别层中进行行为变化检测。

本说明书通过前述对一种考场中教师行为的检测方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种考场中教师行为的检测方法及系统，对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (7)

1.一种考场中教师行为的检测方法，其特征在于，所述方法应用于考场教师行为的智能分析系统，所述系统包括行为检测平台通信连接，所述方法包括：

搭建行为检测平台，其中，所述行为检测平台包括视频采集层、视频识别层和识别输出层；

根据所述视频采集层，获得目标视频段，其中，所述目标视频段为采集教师在考场中的行为视频；

分析所述目标视频段的所属行为步骤，获取识别特征集合；

将所述目标视频段输入所述视频识别层中，根据所述识别特征集合对所述目标视频段中的每一视频帧进行特征定位，输出特征识别帧集合；

判断所述特征识别帧集合是否满足预设特征识别率，若所述特征识别帧集合满足所述预设特征识别率，获取行为检测指令，其中，所述预设特征识别率为判定特征完备性的限定条件；

根据所述行为检测指令，将所述特征识别帧集合输入所述视频识别层中嵌有的行为变化检测模型中，获取用于标识行为变化异常的行为检测结果；

将所述行为检测结果通过所述识别输出层进行输出；

其中，判断所述特征识别帧集合是否满足预设特征识别率，所述方法还包括：

若所述特征识别帧集合不满足所述预设特征识别率，获取特征添加指令；

根据所述特征添加指令，对所述目标视频段进行新增特征分析，获取新增特征集合；

根据所述新增特征集合对每一视频帧进行特征定位，输出新增识别帧集合；

将所述新增识别帧集合对应添加至所述特征识别帧集合中。

2.如权利要求1所述的方法，其特征在于，分析所述目标视频段的所属行为步骤，获取识别特征集合，所述方法还包括：

通过对所述目标视频段进行所属行为步骤分析，按照各个行为步骤划分所述目标视频段，输出视频段划分结果；

根据所述视频段划分结果，确定各个划分段对应的特征关键点，其中，所述特征关键点为教师用户在对应行为步骤中存在行为变化相关性的人体关键点；

根据所述特征关键点，输出所述识别特征集合。

3.如权利要求2所述的方法，其特征在于，所述方法还包括：

获取N个特征关键点，其中，所述N个特征关键点为每一行为步骤对应的视频段中存在行为变化的关键点；

通过对所述N个特征关键点进行动态指数计算，获取N个动态指数；

以所述N个动态指数，对所述N个特征关键点进行排序，输出关键点序列；

将所述关键点序列中的首序作为所述特征关键点输出。

4.如权利要求1所述的方法，其特征在于，将所述特征识别帧集合输入所述视频识别层中嵌有的行为变化检测模型中之前，所述方法还包括：

通过对所述特征识别帧集合进行周期分析，获取周期节点集合；

按照所述周期节点集合对所述特征识别帧集合进行周期节点标识，输出周期特征识别帧；

将所述周期特征识别帧输入所述行为变化检测模型中进行行为变化检测。

5.如权利要求4所述的方法，其特征在于，所述方法还包括：

将所述特征识别帧集合输入所述行为变化检测模型中，根据所述行为变化检测模型，获取行为停滞性和行为轨迹性；

根据所述行为停滞性和所述行为轨迹性进行异常概率计算，获取行为变化检测结果，其中，所述行为变化检测结果包括行为异常概率，用于标识行为变化异常的行为检测结果。

6.如权利要求1所述的方法，其特征在于，所述系统还包括动作传感器，所述方法还包括：

根据所述新增识别帧集合和所述特征识别帧集合进行特征识别率计算，判断是否满足所述预设特征识别率；

若不满足所述预设特征识别率，启动所述动作传感器对用户进行动作数据采集，获取实时传感数据；

将所述实时传感数据作为辅助数据源，输入所述视频识别层中进行行为变化检测。

7.一种考场中教师行为的检测系统，其特征在于，所述系统包括：

平台搭建模块，所述平台搭建模块用于搭建行为检测平台，其中，所述行为检测平台包括视频采集层、视频识别层和识别输出层；

视频段获取模块，所述视频段获取模块用于根据所述视频采集层，获得目标视频段，其中，所述目标视频段为采集教师在考场中的行为视频；

特征获取模块，所述特征获取模块用于分析所述目标视频段的所属行为步骤，获取识别特征集合；

特征定位模块，所述特征定位模块用于将所述目标视频段输入所述视频识别层中，根据所述识别特征集合对所述目标视频段中的每一视频帧进行特征定位，输出特征识别帧集合；

识别率判断模块，所述识别率判断模块用于判断所述特征识别帧集合是否满足预设特征识别率，若所述特征识别帧集合满足所述预设特征识别率，获取行为检测指令，其中，所述预设特征识别率为判定特征完备性的限定条件；

行为检测模块，所述行为检测模块用于根据所述行为检测指令，将所述特征识别帧集合输入所述视频识别层中嵌有的行为变化检测模型中，获取用于标识行为变化异常的行为检测结果；

结果输出模块，所述结果输出模块用于将所述行为检测结果通过所述识别输出层进行输出；

指令获取模块，所述指令获取模块用于若所述特征识别帧集合不满足所述预设特 征识别率，获取特征添加指令；

新增特征分析模块，所述新增特征分析模块用于根据所述特征添加指令，对所述目标视频段进行新增特征分析，获取新增特征集合；

特征定位模块，所述特征定位模块用于根据所述新增特征集合对每一视频帧进行特征定位，输出新增识别帧集合；

识别帧添加模块，所述识别帧添加模块用于将所述新增识别帧集合对应添加至所述特征识别帧集合中。

Images