[发明专利]基于学生社交关系模型的课堂座位分布预测方法

说明书

一种基于学生社交关系模型的课堂座位分布预测方法，由数据采集与获取、学生面部图像的检测和识别、学生定位、建立学生社交关系模型、座位分布预测步骤组成。本发明将学生的社交关系纳入了预测方法，能对考勤数据中的学生座位进行记录并提取社交数据，将社交关系量化为模型，应用在学生的课堂座位分布预测上，得到具有代表性及预测性的学生课堂座位分布结果。对学生进行座位分布预测，可以在某学生无故缺勤时根据预测结果找其同桌询问原因，及时了解缺勤学生的动向，排查意外情况。

技术领域

本发明属于图像处理技术领域，具体涉及到课堂座位分布预测方法。

背景技术

挖掘人类的社交关系并对其建模可以得到有研究价值的数据，目前社交互动研究已应用于行人跟踪领域并取得了显著成果。文献“Socially-Aware Large-Scale CrowdForecasting，In Proc.of IEEE Conference on Computer Vision and PatternRecognition(CVPR),pp.2211–2218,2014.”公开了一种将行人的社会亲和力模型(SAM，Social Affinity Maps)应用于行人目的地预测的方法。此方法首先通过在火车站布置高密度摄像机网络来采集大规模行人轨迹数据，利用SCOOP算法进行人检测，并设计了一个社会亲和力模型SAM用来描述行人与其邻近个体在运动上的相互影响关系。作者认为在公共场合行人的行走轨迹会受到周围人的影响，而影响程度取决于人们的空间位置关系，因此SAM模型为每个行人规划了一个半径为3米的圆形区域，对每个行人聚类其邻域行人的相对位置，将其映射到圆形区域中，距离越近的邻域行人其亲和力越高，对该区域结构执行矢量量化编码得到二进制向量，即得到SAM模型。作者将匹配行人的轨迹片段问题转化为最小成本网络流问题，用汉明距离测量社会亲和力模型之间的相似度，将其定义为网络流上的成本，并提出一个启发式优化方法，采用线性规划获取最小成本流，实现最佳轨迹连接，达到了预测行人轨迹的目的。该方法被成功应用于行人轨迹跟踪领域，揭示了研究社交关系的重要性，在人类行为分析、智慧旅游等领域均具有重要的借鉴意义。

由此可见将社交关系纳入预测框架，可以得到高性能的预测效果。社交关系的挖掘与研究已在多个领域实现，但用于学生的座位分布预测尚未见文献。本发明将社交关系量化为模型，应用在学生的课堂座位分布预测上。

发明内容

本发明所要解决的技术问题在于提供一种教师能及时了解缺勤学生的动向、排查意外情况的基于学生社交关系模型的课堂座位分布预测方法。

解决上述技术问题所采用的技术方案由下述步骤组成：

(1)数据采集与获取

教师每次上课时拍摄包含班级学生的教室全景照片，经过一学期的累积得到学生上课场景的照片。

(2)学生面部图像的检测和识别

使用Harr人脸检测方法和LBP人脸识别方法对学生面部图像进行检测和识别，并将没有识别到的学生面部图像进行手工截图，记录学生面部区域左上角和右下角在图像中的二维像素坐标，其中横坐标为该点到图像左边界的像素值，纵坐标为该点到图像下边界的像素值，由坐标可知学生面部区域在图像中所处的位置。

(3)学生定位

建立教室座位二维坐标系，每一行座位对应坐标系中的横坐标，每一列座位对应坐标系中的纵坐标，对每一个座位设定在二维图像中左上角和右下角的像素坐标，每一个学生面部像素区域与该座位像素区域有80％及以上重合时，判断学生坐在该座位上，否则判断学生没有坐在该座位上，得到考勤照片中的所有学生在座位坐标系中的坐标。

将得到的学生在座位坐标系中的坐标用矩阵L存储，

其中将考勤照片数量记为X，K_i,j存储第i次考勤中编号为j的学生所在的二维坐标(p，q)。若某个位置没有人则记为(-1，-1)。