计算机应用研究

作者：苏超,王国中,

单位：上海工程技术大学电子电气工程学院,上海201600；

关键词：行为识别,骨骼关节点,Tiny_YOLOv3,OpenPose,ST-SVM,

基金：国家重点研发计划资助项目(2019YFB1802700)；上海工程技术大学研究生创新计划资助项目(19KY0232)；；

学习者的行为动作能够反映出学习者的学习状态。传统学习者行为识别方法存在实时性不高、准确率低等问题。针对以上问题，提出了一种基于改进OpenPose的学习者行为识别方法。该方法从人体骨骼关节点角度出发，首先通过高斯滤波消除图像中的高斯噪声；然后通过融入注意力机制的目标检测算法检测图像中的目标学生位置，再将检测后的图像通过改进的OpenPose模型提取人体骨骼关节点坐标；最后利用ST-SVM分类器对获取的关节点坐标进行分类，从而快速准确地识别出学习者的行为状态。实验结果表明，该方法能够快速、准确地识别出学生的行为动作，准确率达到99%以上，fps达到了20以上，相比原模型，fps提升了50%。

来源：2021年第10期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第10期