[发明专利]一种结合座位信息和机器视觉的离开座位行为检测方法和存储设备

说明书

本发明涉及数据处理技术领域，特别涉及一种结合座位信息和机器视觉的离开座位行为检测方法和存储设备。所述一种结合座位信息和机器视觉的离开座位行为检测方法，包括步骤：对目标视频流数据进行目标检测得第一检测结果和第二检测结果；建立一个初始化座位表；更新得真实位置框；判断轨迹表的起始点是否姿态为坐姿且落在真实位置框中，若是，判断轨迹表中当前时刻的行人框与匹配到的真实位置框的大小关系是否符合预设条件，若符合，判定该被检测对象离开座位。以上方法中，因不检测课桌，而是由目标检测反推课桌，则有效解决了当有的被检测对象发生比较大的肢体动作，比如身体歪出课桌的情况时，则被误检为离座的情况。

技术领域

本发明涉及数据处理技术领域，特别涉及一种结合座位信息和机器视觉的离开座位行为检测方法和存储设备。

背景技术

智慧教室系统是智慧校园的重要场景。该场景中使用人工智能深度学习的方法，通过对教室摄像头拍摄下来的实时课堂图像数据进行检测识别。再对检测识别的结果进行计算统计分析，得到评估课堂听课质量的各个指标。使用智慧教室系统不仅减轻了教师负担，而且还可以为教学过程提供持续的质量评估，辅助学校改进教学质量。其中对上课中被检测对象离开座位情况的检测识别，是课堂实时数据检测的重要一环，是统计分析指标的前提之一。

解决此类问题的常用方法有背景建模和深度学习目标检测加轨迹跟踪方法。

背景建模的方法是：通过背景建模，区分出前景目标(运动的被检测对象)和背景信息(静止的场景)，从而分析出被检测对象在进行移动。该方法存在如下问题：当被检测对象在座位上出现较大的肢体动作时，肢体动作被误检判断为前景(运动的被检测对象)，错误的识别为被检测对象上课中走动。

深度学习目标检测加轨迹跟踪方法是：使用深度学习的目标检测，检测人体或者人脸目标，并进行目标追踪。该方法存在以下问题：目标检测人体/人脸目标，无法区分出教师和学生，也就无法区分出学生离座还是教师的走动。

发明内容

为此，本文提供一种结合座位信息和机器视觉的离开座位行为检测方法，用以解决现有方法在检测被检测对象离座上，误检和漏检率高的问题。具体技术方案如下：

一种结合座位信息和机器视觉的离开座位行为检测方法，包括步骤：

通过预先建立的深度学习模型对目标视频流数据进行目标检测得第一检测结果和第二检测结果，所述第一检测结果包括：每个被检测对象的行人属性检测框，所述行人属性检测框包括：行人框，所述第二检测结果包括：被检测对象的轨迹表；

对所述第一检测结果执行第一预设操作建立一个初始化座位表，所述初始化座位表包括至少一个备选位置框；

对所述第二检测结果进行分析，根据分析结果对初始化座位表中的备选位置框进行更新操作，所述更新操作包括：将现有的初始化座位表中的备选位置框更新得到真实位置框，和/或添加新的位置信息至初始化座位表；

判断被检测对象的轨迹表的起始点姿态是否为坐姿且判断所述起始点是否落在所述真实位置框中，若被检测对象的轨迹表的起始点姿态为坐姿且所述起始点落在所述真实位置框中，则进而判断轨迹表中当前时刻的行人框与其对应的真实位置框之间的大小关系是否符合预设条件，若符合预设条件，则判定该被检测对象为离座状态。

进一步的，所述“对所述第一检测结果执行第一预设操作建立一个初始化座位表”，具体还包括步骤：

所述行人属性检测框还包括：人头框和/或人脸框；

计算人头框与行人框比例值和/或人脸框与行人框比例值，根据所述比例值筛选出姿态为坐姿的行人框,并确认初始化座位表。

进一步的，所述“对所述第二检测结果进行分析，根据分析结果对初始化座位表中的备选位置框进行更新操作，所述更新操作包括：将现有的初始化座位表中的备选位置框更新得到真实位置框，和/或添加新的位置信息至初始化座位表”，具体还包括步骤：