基于卷积神经网络的人体行为识别方法

为提高基于智能手机三轴加速度传感器的人体行为分类模型准确率,提出了一种卷积神经网络人体行为识别方法,通过固定时间窗口对连续样本数据进行切割分片,构造多层神经元网络结构,优化调整关键核心参数,使用新方法训练出的人体行为识别模型平均交叉准确率可达91.7%,较其他传统机器学习算法有较大提升.     

面向家庭安防系统的姿态和物体融合识别方法

针对我国家庭安防系统视频监控依赖人为对监控画面中的人体进行行为识别的问题,提出了一种面向家庭安防系统的姿态和物体融合识别方法.以用户居家门口送水、送快递、送外卖和保洁人员的静态图像为研究对象,提取姿态空间特征;针对送快递和送外卖行为无法通过姿态特征区分的问题,提出了基于线索增强的深度卷积神经网络(deep convol...     

基于神经网络的人体姿态估计方法研究

随着人工智能技术发展,人体姿态估计广泛应用于动作识别、人机交互和服装解析等领域,成为计算机视觉领域研究热点,其中基于神经网络的人体姿态估计方法倍受关注。结合人体姿态识别相关流程,论述人体检测、人体姿态估计和人体姿态优化等步骤,阐述相关步骤中的新算法,为后续研究提供参考。     

基于3D卷积神经网络的人体行为识别方法

为了提高视频中人体行为识别的准确率,更好地利用视频中的原始信息,提取出更具有代表性的特征,提出一种基于3D卷积神经网络的人体行为识别方法。该方法构建了一个深层三维卷积神经网络模型,使用三维卷积核进行卷积操作,提取视频中人体行为的时域和空域特征,通过多层卷积操作对底层特征进行再组合,得到抽象的高维特征。在KTH数据集上的实验结果表明,该方法有较好的识别效果。     

基于神经网络的姿态识别算法

公共场所视频监控网络部署日益完善,智能视频监控技术在安防、交通等领域作用越来越大。针对视频监控数据中的人类目标,提出一种基于计算机视觉的姿态识别方法。通过YOLO算法和AlphaPose模型完成对视频中人类目标检测识别以及姿态估计,在此基础上分析人体关节之间的角度对姿态分类的影响,从中提取有效的分类特征,构造并训练5层神经网络模型,完成对站、坐、躺最常见3种姿态分类。实验结果表明,训练得到的神经网络模型准确率达到85%以上,识别速率大约为每秒30帧,在安防监控、检测人员摔倒、疾病报警等方面具有一定应用价值。     

中学生考试作弊行为的研究

1.中学生考试作弊现象 近几年,我校学生在各种考试中出现了考试作弊现象,学校对此给予了严厉的处理,但不少学生仍在考试时冒着被开除的风险继续作弊。我们通过对学生的大量访谈,了解考试作弊行为及相关要素,为学校的教育教学管理提供一些依据。2.研究方法主要采取调查、访谈等方式研究考试作弊的原因,     

大学生作弊行为的成因及对策研究

大学生作弊行为主要源于不良的社会风气、学校考试制度管理薄弱、教师教学研究中存在的问题所带来的消极影响;大学生自身的一些问题也是重要原因。因此,高校应加强诚信文化的建设、诚信制度的完善及教师教学方法与学生评价方式的改革。     

对高校学生考试作弊现象的探析

作为院系教学档案管理人员,同时也是院系教务秘书,这种双重身份,决定着在平常实际工作中,除从事教学档案管理工作外还肩负院系的教务工作,就从组织每学期考试工作来说吧,全校公共课考试由校教务处组织,专业课考试在学校教务处的规定时间内,由各院系来组织。科学合理的考试,既能促进师生改进教与学,提高教学质量,又能激发师生教与学的热情,从而为各行各业培养全面发展的合格人才奠定良好的基础。可实际操作中有考试存在似乎就有考试作弊现象的存     

基于时空图卷积网络改进的人体行为识别方法

针对目前利用时空图卷积网络ST-GCN行为识别模型进行人体行为识别准确性有待提高和如何更好地学习骨骼数据中关节点和骨架边所表达的动作特征等问题,改进现有的时空图卷积网络（ST-GCN）行为识别模型。首先,使用有向图来表示关节点和骨骼边的信息以及它们之间的依赖关系,提取相邻帧的关节位置差异作为运动信息;其次,使用双流框架分别学习运动信息和空间信息,进行融合提高识别性能;最后,使用注意力权重矩阵让图的拓扑结构具有自适应性,增大节点的感受野,使网络能够学习到远端关节之间的语义信息,更好的捕捉动作特征。将所提出的方法在NTURGB+D数据集上进行实验。研究结果表明,采用基于时空图卷积网络改进的人体行为识别方法在数据集上达到了96%的准确率,与现有ST-GCN模型相比,准确率提高了。此方法可进一步促进人体行为识别技术在智能家居、智能监控安防、人机交互、基于内容的视频检索、智慧城市发展等领域的广泛应用。     

基于深度学习的面部动作检测

对汽车驾驶员进行疲劳检测,需首先利用面部检测技术对驾驶员的面部动作进行识别,可以使用MTCNN与CNN相结合的深度学习方法完成面部动作检测.先利用MTCNN的3个模块将面部特征与关键点进行提取,再利用CNN对网络进行训练,以准确识别特定的面部动作.利用MTCNN与CNN相结合的方法,模型准确率达99％,并且实时检测的F...     

校园智能视频监控中的运动目标异常行为检测与识别

首先分析高校现有监控系统的不足,提出使用智能监控系统对校园进行监控和管理;然后对校园环境下的场景进行粗分类,分别描述3种不同场景下的常见异常行为;最后提出使用马尔科夫随机场模型（MRF）对智能监控系统中运动目标的异常行为进行检测与识别。该方法能识别智能监控中的常见异常行为,对于高校加强校园安全管理、防范学生异常事件的发生具有理论和应用价值。     

高校考试作弊行为的理性思考

考试作弊是指考试的过程中,违背考试公平、公正原则,以不正当手段获得考试成绩的特殊问题行为[1]。这种行为一直以来都是困扰正常教学的主要因素,它不仅破坏了正常的教学秩序,还有损大学生的诚信品质。诚信作为人类最古老的道德规范,要求人们诚实无欺、言行一致。自古以来,我国就十分重视诚信的品德,并将其视为立人、立业、立国之本。但在我国经济体制和社会转型的过程     

高校学生考试作弊行为的心理特征分析与防范措施

学生在考试中作弊已不是个别现象,如何扼制和杜绝这种现象的发生和蔓延,已成为学校教学管理中不容忽视的课题。作者在结合多年从事考务工作经验的基础上,从心理学角度对这一现象进行分析,并提出了解决问题的思路和办法,以供有关同仁参考。     

在自学考试中应用笔迹识别技术防范作弊的可行性研究

复杂而严峻的考试安全形势使得国家教育统一考试的权威性和公正性受到巨大挑战。自学考试由于考试性质、生源特点、专业规模等原因,使其组织管理工作呈现组考压力相对较大、集体管理难度较大、替考作弊危害更为严重等特殊性,也使其面临的安全形势更为恶劣。因此,在自学考试组考工作中引入相关技术手段,建立考前、考中"人防"与考后"技防"相结合的身份识别与管控体系十分必要。相对于其他生物识别技术而言,笔迹识别技术具有可采集性高、可回溯性高、拒识率低、经济投入低等优势,是目前最适合自学考试特点的身份识别技术,其相关理论与技术的日臻成熟也为防范和震慑自学考试替考作弊行为提供了可靠保障。     

基于人体骨架信息提取的学生课堂行为自动识别

利用计算机视觉技术和机器学习技术对学生课堂行为进行自动识别,是过程性评价的一种新方法,近年来逐渐引起了研究者的关注。文章以监控设备拍摄的实际课堂教学视频为数据源,采集、标注了学生课堂行为数据,提取了学生的人体骨架信息。在此基础上,文章采用Boosting算法和卷积神经网络算法,对基于这两类不同机器学习算法的5种模型进行了学生课堂行为自动识别准确率实验。实验结果表明,在学校教室这种识别比较困难的场景,基于人体骨架信息提取的学生课堂行为自动识别可以达到较高的精度,其中基于Boosting算法的XGBoost模型识别准确率最高。文章的研究推动了计算机视觉技术和机器学习技术的进一步应用,有助于解决学生课堂行为自动识别难题,并助力教师优化教学策略、提高教学效率。     

大学生考试作弊行为变化的一般过程及影响因素概论

大学生考试作弊的本质是有意识的人的实践行为.行为的产生和发展是有其内在规律可循的.深入把握学生作弊的行为规律和影响因素是有效防治作弊的前提基础.作弊行为产生一般而言可分为考试期望形成、作弊意识形成、考试作弊策划和准备、实施作弊行为前的权衡、作弊行为实施以及作弊结果对价值观念影响等六个阶段.在各个阶段中,学生思想、行为和行为决策都是在各种主客观因素的综合影响下产生变化的.     

基于自动编码器与概率神经网络的人体运动行为识别方法

为了准确而快速地识别出图像中人体的某种行为特征,提出了一种全新的三层自动编码器与PNN概率神经网络结合的网络模型。把人体行为的关键帧从包含10种人体行为的视频库中提取出来,用背景减除法提取人体轮廓图并进行二值化图像处理,根据时间序列叠加轮廓图,组成含有10个特征轮廓的数据库,随后将特征轮廓数据在自动编码器中编码,编好码的特征数据随即进入概率神经网络进行训练学习。将训练好的神经网络对这10种人体行为进行准确识别。实验结果表明,经过自动编码器处理后的人体特征进行PNN神经网络识别,比单纯用BP神经网络识别准确率提高5%以上,由此证明该方法有效可行。     

对欠发达地区英语学科考试作弊行为的分析与研究

学科考试是现阶段学校测量学生学业水平的重要手段,而作弊是部分学生为了取得"好的成绩"常有的动机和行为.在欠发达地区,由于英语教学水平的限制,学生要获取比较理想的学业成绩很不容易,英语学科考试就成了作弊的重灾区,因此分析研究其根源,寻找一些解决的办法是十分必要的.     

论新形势下考试作弊行为的法律规制

正考试,最初是作为一种教育评价和国家选拔人才的需要而产生的,是国家人才选拔机制的重要组成部分[1]。近年来,随着社会发展对人才的需求急剧增长,考试的功能也逐渐增加,考试不仅是发挥教育评价和人才选拔的作用,更为重要的是,我国的考试往往还对各种资源的分配发挥着举足轻重的调节作用。正是基于考试所具有的对稀缺资源调节、分配功能,导致考试作弊与考试紧密相伴,屡禁不止。《国家中长期教育改革和发展规划纲要(2010-2020年)》