CN110740298A - 分布式教室违纪行为检测***、方法及介质 - Google Patents
分布式教室违纪行为检测***、方法及介质 Download PDFInfo
- Publication number
- CN110740298A CN110740298A CN201911032024.4A CN201911032024A CN110740298A CN 110740298 A CN110740298 A CN 110740298A CN 201911032024 A CN201911032024 A CN 201911032024A CN 110740298 A CN110740298 A CN 110740298A
- Authority
- CN
- China
- Prior art keywords
- information
- classroom
- distributed
- detection
- database
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 9
- 238000012544 monitoring process Methods 0.000 claims abstract description 12
- 238000012549 training Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 210000000988 bone and bone Anatomy 0.000 claims description 5
- 238000013527 convolutional neural network Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 238000012806 monitoring device Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims 2
- 230000006399 behavior Effects 0.000 abstract description 21
- 238000012545 processing Methods 0.000 abstract description 4
- 206010000117 Abnormal behaviour Diseases 0.000 description 6
- 210000003128 head Anatomy 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 235000011888 snacks Nutrition 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Alarm Systems (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明提供了一种分布式教室违纪行为检测方法，其特征在于，包括：信息获取步骤：对教室环境进行拍摄，获取人的状态；检测步骤：根据人的状态检测违纪信息；存储步骤：在数据库中存储违纪信息；展示步骤：在显示屏上展示违纪信息；所述违纪信息包括人数和违纪行为。本发明对上课的纪律管理提供了方便，对上课时间到堂人数的统计保障了学生的安全；将检测算法部署在不同的机器上，对每一间教室的相机拍摄的画面分别处理，提高了处理效率；将一段时间内，记录由各个教室监控摄像机处理得到的历史信息，并能通过前端查询，具有历史追溯性。
Description
技术领域
本发明涉及智能检测领域，具体地，涉及一种分布式教室违纪行为检测***、方法及介质，尤其地，涉及一种分布式的教室学生异常行为检测信息***。
背景技术
随着计算机存储技术和智能相机技术的发展，全国范围内包括学校、医院等地布置了大量的监控摄像机。目前很多监控摄像机可以拍摄画质清晰的画面，据此进行处理，可以获得很多有用的信息。
出于对教学质量的考虑，现在越来越多的学校开始重视课堂纪律。上课期间，学生的到堂人数，学生有无睡觉、走动、说话等违纪行为，以及一堂课中违纪行为数量的多少都是教师教学质量的一个重要的反映指标。此外，在对于小学生和中学生，如果家长没有和老师请假，却在规定时间没有到达教室，则是很可能遇到了危险，出于安全考虑，课堂出勤人数统计也有必要。如果任课教师负责统计人数和违纪行为以及异常事件，鉴于一节课只有45分钟，占用上课时间来进行统计是不明智的。而如果专门指派一些人在监控室对每个教室的情况进行统计同样效率过于低下，不可取。因此，一种智能的基于教室监控的学生异常行为信息管理***十分必要。
经过对现有的智能教室管理***的检索发现，中国专利公开号为CN206115748U的专利公开了一种智能信息化多媒体教室***，为学校多媒体教室的管理提供便利，也改善了多媒体教室的上课效率。中国专利公开号为CN109856987A的专利公开了一种智慧环境教室***，通过自动调节教室的灯光、空气、温度等，改善学生的学习环境。而从学校的教室监控角度出发，对按时到校的学生人数，以及上课期间睡觉、走动、说话等违纪行为，一些突出异常行为等进行统计，尤其是实现分布式智慧教室学生异常行为检测的信息管理***尚未被提出。
专利文献CN109684992A(申请号：201811569771.7)公开了一种行为检测***包括：图像采集模块，拍摄人的面部图像；图像预处理模块，对面部图像进行灰度转换并调整为预设尺寸，形成预处理图像；级联卷积神经网络检测模块，在预处理图像中提取目标物体第一候选框并形成第一图像集；在第一图像集中提取物体第二候选框并形成第二图像集；在第二图像集中提取目标物体第三候选框并将筛选后的第三候选框在预处理图像中标记；报警模块，查找是否存在第三候选框，若存在则发送报警，若不存在第三候选框则不报警。本发明还公开了一种行为检测方法。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种分布式教室违纪行为检测方法、***及介质。
根据本发明提供的分布式教室违纪行为检测方法，包括：
信息获取步骤：对教室环境进行拍摄，获取人的状态；
检测步骤：根据人的状态检测违纪信息；
存储步骤：在数据库中存储违纪信息；
展示步骤：在显示屏上展示违纪信息；
所述违纪信息包括人数和违纪行为。
优选地，所述检测步骤包括：
步骤1：在教室中利用监控设备拍摄视频流；
步骤2：根据视频流抽取视频帧；
步骤3：对视频帧进行预处理；
步骤4：对预处理后的视频帧进行定位，并记录违纪信息；
所述预处理包括：裁剪、滤波。
优选地，所述存储步骤包括：将分布在学校各个教室的监控视频中检测到的违纪信息存储到数据库中。
优选地，所述展示步骤包括：在显示屏上展示违纪信息，在数据库中查询历史违纪信息。
优选地，所述定位包括：使用Yolo目标识别深度网络进行模型训练，定位骨骼和人头的位置，确定人数，根据基于3D卷积神经网络的检测行为检测网络，自建数据库中的训练数据，训练异常检测模型，确定违纪行为。
根据本发明提供的分布式教室违纪行为检测***，包括：
信息获取模块：对教室环境进行拍摄，获取人的状态；
检测模块：根据人的状态检测违纪信息；
存储模块：在数据库中存储违纪信息；
展示模块：在显示屏上展示违纪信息；
所述违纪信息包括人数和违纪行为。
优选地，所述检测模块包括：
模块M1：在教室中利用监控设备拍摄视频流；
模块M2：根据视频流抽取视频帧；
模块M3：对视频帧进行预处理；
模块M4：对预处理后的视频帧进行定位，并记录违纪信息；
所述预处理包括：裁剪、滤波。
优选地，所述存储模块包括：将分布在学校各个教室的监控视频中检测到的违纪信息存储到数据库中；
所述展示模块包括：在显示屏上展示违纪信息，在数据库中查询历史违纪信息。
优选地，所述定位包括：根据Yolo目标识别深度网络进行模型训练，定位骨骼和人头的位置，确定人数，根据基于3D卷积神经网络的检测行为检测网络，自建数据库中的训练数据，训练异常检测模型，确定违纪行为。
与现有技术相比，本发明具有如下的有益效果：
1、对上课的纪律管理提供了方便，对上课时间到堂人数的统计保障了学生的安全；
2、将检测算法部署在不同的机器上，对每一间教室的相机拍摄的画面分别处理，提高了处理效率；
3、将一段时间内，记录由各个教室监控摄像机处理得到的历史信息，并能通过前端查询，具有历史追溯性。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明所述分布式教室违纪行为检测信息***的结构框架图；
图2为本发明所述人数统计及违纪行为统计算法框架图；
图3为本发明所述的数据库表单设计图；
图4为本发明所述的数据库表单设计图；
图5为本发明所述前端展示界面。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
如图1所示，本实施例提供了一种分布式教室学生异常行为智能检测***，包括***检测后台、数据库，以及前端展示界面。所述***检测后台包括人数统计算法、违纪行为检测算法，所述数据库用于存储摄像机检测出的信息，所述前端展示界面包括分布在各个服务器上的页面。所述***能够实现一种分布式架构：
具体地，监控摄像机拍摄的视频流传输到***后台，后台根据视频流每隔一段时间抽取视频帧，后台的算法以视频帧作为输入检测画面信息。
后台的算法包括的人数统计算法以及违纪行为智能检测算法，其中违纪行为检测算法包括对上课睡觉、上课走动、上课吃零食、上课说话、上课打架、人员跌倒的检测算法。
具体地，如图2所示为根据监控相机拍摄的视频进行检测的算法框架。视频流传到***检测后台，后台截取帧，并进行裁剪、滤波等预处理方式，使用神经网络定位骨骼和人头的位置，进行人数统计；再使用三种不同的检测网络检测画面中睡觉、说话、走动这三种违纪行为的信息，进行统计。
学校的每一个教室的监控摄像机均对应一个***后台，每个后台单独检测，并独立把检测结果记录进数据库。
当***没有在画面中检测到违纪行为和异常行为，***将对应的信息记录到对应图3中所述的数据库中；当***检测到违纪行为，并启动报警时，***将对应的信息记录到图4中所述的数据库中。
前端界面部署在服务器上，通过访问服务器中的网页可以实时查询某教室的课堂情况，或者查询某教室一段时间内的历史信息。
如图5所示，前端展示界面分为三个部分。中间部分可以选择不同的摄像机源，并将摄像机画面展示出来，画面上方是当时的时间信息以及天气等附加信息。
展示界面左上部分显示对应画面中***后台实时检测出的违纪事件数量信息，左侧中间部分是三种违纪事件的具体所占比例饼状图，左下角给出了不同相机的IP信息，根据实际需求更改为其他更直观的信息，如教室编号等。
展示界面右上角提供了画面中检测出来的学生人数值以及对画面质量的评估，如若画面质量不高，则结果置信度则相对较低；右侧中间部分提供了查询历史信息的部分，通过输入时间，***会判断时间是否有效，对于无效时间，***要求用户重新输入；对于有效时间，则***会查询数据库，并提供当天的出勤人数和违纪行为信息；右下角则是相关的***管理人员信息。
***的分布式架构指的是，将***检测后台可以部署在多台机器上，每个后台对不同的摄像机视频流进行处理，处理结果都记录在同一个数据库中；前端部署在服务器中，在同一个前端上可以获得不同摄像机的当前信息及一段时间内的历史信息。从而实现一种分布式架构，提高了***管理的效率。
根据本发明提供的分布式智能教室学生异常行为智能检测***，不仅支持对教室的信息统计，还支持对办公室、会议室等地点的信息统计。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的***、装置及其各个模块以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的***、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以，本发明提供的***、装置及其各个模块可以被认为是一种硬件部件，而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构；也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种分布式教室违纪行为检测方法，其特征在于，包括：
信息获取步骤：对教室环境进行拍摄，获取人的状态；
检测步骤：根据人的状态检测违纪信息；
存储步骤：在数据库中存储违纪信息；
展示步骤：在显示屏上展示违纪信息；
所述违纪信息包括人数和违纪行为。
2.根据权利要求1所述的分布式教室违纪行为检测方法，其特征在于，所述检测步骤包括：
步骤1：在教室中利用监控设备拍摄视频流；
步骤2：根据视频流抽取视频帧；
步骤3：对视频帧进行预处理；
步骤4：对预处理后的视频帧进行定位，并记录违纪信息；
所述预处理包括：裁剪、滤波。
3.根据权利要求1所述的分布式教室违纪行为检测方法，其特征在于，所述存储步骤包括：将分布在学校各个教室的监控视频中检测到的违纪信息存储到数据库中。
4.根据权利要求1所述的分布式教室违纪行为检测方法，其特征在于，所述展示步骤包括：在显示屏上展示违纪信息，在数据库中查询历史违纪信息。
5.根据权利要求2所述的分布式教室违纪行为检测方法，其特征在于，所述定位包括：使用Yolo目标识别深度网络进行模型训练，定位骨骼和人头的位置，确定人数，根据基于3D卷积神经网络的检测行为检测网络，自建数据库中的训练数据，训练异常检测模型，确定违纪行为。
6.一种分布式教室违纪行为检测***，其特征在于，包括：
信息获取模块：对教室环境进行拍摄，获取人的状态；
检测模块：根据人的状态检测违纪信息；
存储模块：在数据库中存储违纪信息；
展示模块：在显示屏上展示违纪信息；
所述违纪信息包括人数和违纪行为。
7.根据权利要求6所述的分布式教室违纪行为检测***，其特征在于，所述检测模块包括：
模块M1：在教室中利用监控设备拍摄视频流；
模块M2：根据视频流抽取视频帧；
模块M3：对视频帧进行预处理；
模块M4：对预处理后的视频帧进行定位，并记录违纪信息；
所述预处理包括：裁剪、滤波。
8.根据权利要求6所述的分布式教室违纪行为检测***，其特征在于，所述存储模块包括：将分布在学校各个教室的监控视频中检测到的违纪信息存储到数据库中；
所述展示模块包括：在显示屏上展示违纪信息，在数据库中查询历史违纪信息。
9.根据权利要求7所述的分布式教室违纪行为检测***，其特征在于，所述定位包括：根据Yolo目标识别深度网络进行模型训练，定位骨骼和人头的位置，确定人数，根据基于3D卷积神经网络的检测行为检测网络，自建数据库中的训练数据，训练异常检测模型，确定违纪行为。
10.一种存储有计算机程序的计算机可读存储介质，其特征在于，所述计算机程序被处理器执行时实现权利要求6至9中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911032024.4A CN110740298A (zh) | 2019-10-28 | 2019-10-28 | 分布式教室违纪行为检测***、方法及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911032024.4A CN110740298A (zh) | 2019-10-28 | 2019-10-28 | 分布式教室违纪行为检测***、方法及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110740298A true CN110740298A (zh) | 2020-01-31 |
Family
ID=69271754
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911032024.4A Pending CN110740298A (zh) | 2019-10-28 | 2019-10-28 | 分布式教室违纪行为检测***、方法及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110740298A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111681474A (zh) * | 2020-06-17 | 2020-09-18 | 中国银行股份有限公司 | 在线直播教学方法、装置、计算机设备及可读存储介质 |
| CN112200138A (zh) * | 2020-10-30 | 2021-01-08 | 福州大学 | 基于计算机视觉的课堂学情分析方法 |
| CN113095132A (zh) * | 2021-03-04 | 2021-07-09 | 北京市燃气集团有限责任公司 | 一种基于神经网络的燃气现场目标检测和行为识别方法、***、终端及存储介质 |
| CN114822112A (zh) * | 2022-04-18 | 2022-07-29 | 贵州师范学院 | 一种利用时事进行学生思想教育的智能教学*** |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040105004A1 (en) * | 2002-11-30 | 2004-06-03 | Yong Rui | Automated camera management system and method for capturing presentations using videography rules |
| CN202838491U (zh) * | 2012-10-12 | 2013-03-27 | 陈丙国 | 一种分布式教室人数统计*** |
| CN104935884A (zh) * | 2015-06-05 | 2015-09-23 | 重庆智韬信息技术中心 | 一种学生上课秩序智能监控的方法 |
| CN109688384A (zh) * | 2019-01-08 | 2019-04-26 | 南京理工大学 | 一种基于图像识别的教室教学情况监控***及方法 |
-
2019
- 2019-10-28 CN CN201911032024.4A patent/CN110740298A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040105004A1 (en) * | 2002-11-30 | 2004-06-03 | Yong Rui | Automated camera management system and method for capturing presentations using videography rules |
| CN202838491U (zh) * | 2012-10-12 | 2013-03-27 | 陈丙国 | 一种分布式教室人数统计*** |
| CN104935884A (zh) * | 2015-06-05 | 2015-09-23 | 重庆智韬信息技术中心 | 一种学生上课秩序智能监控的方法 |
| CN109688384A (zh) * | 2019-01-08 | 2019-04-26 | 南京理工大学 | 一种基于图像识别的教室教学情况监控***及方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111681474A (zh) * | 2020-06-17 | 2020-09-18 | 中国银行股份有限公司 | 在线直播教学方法、装置、计算机设备及可读存储介质 |
| CN112200138A (zh) * | 2020-10-30 | 2021-01-08 | 福州大学 | 基于计算机视觉的课堂学情分析方法 |
| CN112200138B (zh) * | 2020-10-30 | 2022-07-08 | 福州大学 | 基于计算机视觉的课堂学情分析方法 |
| CN113095132A (zh) * | 2021-03-04 | 2021-07-09 | 北京市燃气集团有限责任公司 | 一种基于神经网络的燃气现场目标检测和行为识别方法、***、终端及存储介质 |
| CN114822112A (zh) * | 2022-04-18 | 2022-07-29 | 贵州师范学院 | 一种利用时事进行学生思想教育的智能教学*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110740298A (zh) | 分布式教室违纪行为检测***、方法及介质 | |
| CN111507283B (zh) | 基于课堂场景的学生行为识别方法及*** | |
| CN109284737A (zh) | 一种用于智慧教室的学生行为分析和识别*** | |
| WO2019028592A1 (zh) | 一种教学辅助方法及采用该方法的教学辅助*** | |
| CN108073888A (zh) | 一种教学辅助方法及采用该方法的教学辅助*** | |
| CN108735022A (zh) | 一种实景教学平台 | |
| CN110427859A (zh) | 一种人脸检测方法、装置、电子设备及存储介质 | |
| CN110659397A (zh) | 一种行为检测方法、装置、电子设备和存储介质 | |
| CN112613780B (zh) | 一种学习报告生成的方法、装置、电子设备及存储介质 | |
| CN111814587A (zh) | 人体行为检测方法、教师行为检测方法及相关***和装置 | |
| CN110163567A (zh) | 基于多任务级联卷积神经网络的课堂点名*** | |
| CN111382633A (zh) | 课堂出勤管理方法、装置、终端及计算机可读存储介质 | |
| CN109117771B (zh) | 一种基于锚节点的图像中暴力事件检测***及方法 | |
| CN113705510A (zh) | 目标识别跟踪的方法、装置、设备及存储介质 | |
| CN115223246A (zh) | 一种人员违规行为识别方法、装置、设备及存储介质 | |
| CN116343311A (zh) | 一种基于人脸表情识别的虚拟人教学辅助*** | |
| CN111860457A (zh) | 一种斗殴行为识别预警方法及其识别预警*** | |
| CN110309753A (zh) | 一种赛事进程判别方法、装置和计算机设备 | |
| CN117218703A (zh) | 智能学情分析方法及*** | |
| CN112634096A (zh) | 一种基于智能黑板的课堂管理方法及*** | |
| CN111199378B (zh) | 学员管理方法、装置、电子设备及存储介质 | |
| CN111241926A (zh) | 考勤与学情分析方法、***、设备及可读存储介质 | |
| CN115223029A (zh) | 一种基于智能托育机器人的智能监控*** | |
| CN115116136A (zh) | 一种异常行为检测方法、装置、介质 | |
| Ronzhin et al. | A software system for the audiovisual monitoring of an intelligent meeting room in support of scientific and education activities |
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: 20200131 |
|
| RJ01 | Rejection of invention patent application after publication |