科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对教室监控中学生异常行为无法实时检测并反馈的现状，本文设计了一套基于YOLOV3算法的教室监控学生异常行为检测系统，包括摄像头硬件采集、异常行为识别和响应三个模块。其中采用基于数据标签的随机擦除预处理方法模拟图像中的目标被遮挡的情形，提高网络的泛化能力，使得网络仅通过学习局部特征即可完成目标的检测和识别；其次改进了YOLOV3算法的骨干网络Darknet，扩充浅层网络，使网络不容易忽略图片边缘或小目标物体。改进后网络的精准度、召回率以及运算速度分别提升4.2%、4.8%和8f/s；最后将检测功能集成于Qt编写的可视化软件，降低使用检测模型的成本，满足实时检测任务的要求，一定程度上减轻教员工作量并且提升课堂效率。
- 单位
