[發明專利]一種基于淺層卷積神經網絡的老師姿態識別系統

在審

• 申請號: 201711317617.6
• 申請日: 2017-12-12
• 公開（公告）號: CN109918967A
• 公開（公告）日: 2019-06-21
• 發明（設計）人: 朱志鵬;沈振岡;趙幸
• 申請（專利權）人: 武漢東信同邦信息技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08;H04N5/232;H04N5/76
• 代理公司: 武漢國越知識產權代理事務所(特殊普通合伙) 42232
• 代理人: 李偉濤

本發明涉及一種基于淺層卷積神經網絡的老師姿態識別系統，包括：一雙目探測儀，用于采集視頻圖像，獲得場景的深度圖點云，并進行深度圖像預處理；一卷積神經網絡，將經過深度圖像預處理后的點云圖，導入到卷積神經網絡中，進行訓練，根據得到的數據集生成參數模型；參數模型加載為新模型，并與雙目探測儀采集的現場深度圖結合起來，進行姿態識別；人工判斷姿態識別效果，若識別結果不夠準確，說明訓練不夠充分，系統手動開始和結束現場訓練，訓練后，自動重新加載新模型。所述基于淺層卷積神經網絡的老師姿態識別系統用于課堂錄播環境，檢測老師的姿態，進而根據姿態識別的結果，控制相機轉動和畫面切換，達到較完美的課堂錄制效果。

技術領域

本發明涉及一種老師姿態識別系統，尤其涉及一種基于淺層卷積神經網絡的老師姿態識別系統，屬于人工智能技術領域。

背景技術

在傳統意義上，學校教育是一種封閉式教育方式，即有校園、教室，學生及老師在規定的時間和地點展開相應的教學過程。很多人因為種種限制無法參與到學校的學習過程，所以隨著信息通信技術的發展而出現了遠程視頻教育，而遠程視頻教育就需要對老師的教學進行課堂錄制。

現有的錄制方式都是使用傳統的基于畫面分析的技術，對老師姿態識別的魯棒性不夠好，容易受到環境限制，導致課堂錄制效果較差。

因此有必要設計一種基于淺層卷積神經網絡的老師姿態識別系統，以克服上述問題。

發明內容

本發明的目的在于克服現有技術之缺陷，提供了一種基于淺層卷積神經網絡的老師姿態識別系統，其用于課堂錄播環境，檢測老師的姿態，進而根據姿態識別的結果，控制相機轉動和畫面切換，達到較完美的課堂錄制效果。

本發明是這樣實現的：

本發明提供一種基于淺層卷積神經網絡的老師姿態識別系統，包括：

一雙目探測儀，用于采集視頻圖像，獲得場景的深度圖點云，并進行深度圖像預處理；

一卷積神經網絡，將經過深度圖像預處理后的點云圖，導入到卷積神經網絡中，進行訓練，根據得到的數據集生成參數模型；

參數模型加載為新模型，并與雙目探測儀采集的現場深度圖結合起來，進行姿態識別；

人工判斷姿態識別效果，若識別結果不夠準確，說明訓練不夠充分，系統手動開始和結束現場訓練，訓練后，自動重新加載新模型。

進一步地，深度圖像預處理包括：根據設定的距離范圍，自動獲得老師目標的點云圖，獲取輪廓后，保存到指定大小和格式，作為訓練圖片。

進一步地，卷積神經網絡包含了一個由卷積層和子采樣層構成的特征抽取器。

進一步地，在卷積神經網絡的卷積層中，一個神經元只與部分鄰層神經元連接。

本發明具有以下有益效果：

所述雙目探測儀實時采集老師目標的點云圖，導入到加載指定模型的卷積神經網絡中，進行推理，得出姿態識別的結果；如果識別結果不夠準確，說明訓練不夠充分，系統可以手動開始和結束現場訓練，訓練后，自動重新加載新模型。所述基于淺層卷積神經網絡的老師姿態識別系統用于課堂錄播環境，檢測老師的姿態，進而根據姿態識別的結果，控制相機轉動和畫面切換，達到較完美的課堂錄制效果。

附圖說明

為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其它的附圖。

圖1為本發明實施例提供的基于淺層卷積神經網絡的老師姿態識別系統的卷積操作示意圖；