中学课堂教学视频中的教师肢体动作智能分析与识别

发布时间：2023-11-23 20:15

　　近年来,以人脸识别、语音识别和图像处理等为代表的人工智能技术为智能化的教育发展带来了新的变革,当前这些技术被广泛应用教育领域。对于学生来说,课堂是最重要的学习场所。在课堂教学场景下,除了教师自身教学水平等因素,教师的肢体动作也会对教学效果产生影响。因此帮助教师及时了解其在课堂教学中使用的肢体动作,与教学内容相呼应,改进教学策略,有助于提升教学技能,促进课堂质量的提升。然而,目前的教师肢体动作分类体系不完善,传统的教师肢体教学识别与分析依赖人工观察的方式,效率低下且耗费人力资源,如何智能识别与分析教师课堂中的教师教学肢体动作逐渐成为热门话题。针对上述问题,本文基于最新教育理论和新一代人工智能技术,立足于真实的课堂学习环境,提出将深度学习方法应用于教师教学肢体动作识别,以期更好的为教学提供服务。本文主要工作如下:第一,在已有的研究基础上,构建中学课堂教师肢体动作分析编码系统。本文针对当前教师肢体教学行为编码表等现有研究内容进行分析,克服传统教师肢体动作分类模糊的困难,构建出了与课堂环境符合的教师肢体动作分析编码系统,将教师肢体动作分为讲授、板书、指令、巡视指导、学习者上台演示五种类别。第二...

【文章页数】：61 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景
    1.2 国内外研究现状
        1.2.1 肢体语言理论的研究现状
        1.2.2 肢体动作研究现状
        1.2.3 肢体动作识别的研究现状
    1.3 研究目标与研究方法
        1.3.1 研究目标
        1.3.2 研究方法
    1.4 研究意义
        1.4.1 理论意义
        1.4.2 实践意义
2 课堂中教师肢体动作分析编码系统的构建
    2.1 教学肢体动作相关理论
        2.1.1 中学课堂中教师教学肢体动作概念界定
        2.1.2 中学课堂中教师教学肢体动作识别的难点问题
    2.2 常用的课堂教学动作编码系统
        2.2.1 S-T分析法
        2.2.2 弗兰德斯互动分析系统(FIAS)
        2.2.3 基于信息技术的互动分析系统(ITIAS)
    2.3 中学课堂中教师肢体动作编码系统的构建
        2.3.1 中学课堂教学中教师肢体动作编码系统建立原则
        2.3.2 中学课堂教学中教师肢体动作编码表的建立
        2.3.3 中学课堂教学中教师肢体动作观察表及其观察规则的建立
3 深度学习理论基础
    3.1 人工智能等相关概念介绍
        3.1.1 人工智能
        3.1.2 人工神经网络
        3.1.3 深度学习
    3.2 TensorFlow深度学习框架与Keras高级程序接口
        3.2.1 TensorFlow深度学习框架
        3.2.2 Keras高级程序接口
    3.3 卷积神经网络
        3.3.1 卷积层
        3.3.2 激活函数(激活层)
        3.3.3 池化层
        3.3.4 全连接层
        3.3.5 VggNet深度学习网络模型
    3.4 图像处理与数据增强
        3.4.1 图像清洗与图像预处理
        3.4.2 数据增强
4 人体动作检测
    4.1 人体动作检测相关概念
        4.1.1 目标检测
        4.1.2 人体动作检测
    4.2 人体动作检测常见算法
        4.2.1 基于注意力机制的递归神经网络的检测算法
        4.2.2 基于视频序列的人体三维姿态的人体动作检测方法
5 基于Vgg16网络模型的教师肢体动作识别
    5.1 实验流程
    5.2 实验环境
    5.3 实验数据
        5.3.1 数据来源
        5.3.2 数据处理
        5.3.3 数据增强
    5.4 网络训练与图像分类
        5.4.1 网络训练
        5.4.2 教师教学中的肢体动作图像分类
    5.5 实验结果
        5.5.1 人工实验与统计
        5.5.2 机器统计
    5.6 实验总结
6 总结与展望
    6.1 研究总结
        6.1.1 研究内容总结
        6.1.2 研究创新
    6.2 不足与期望
        6.2.1 不足之处
        6.2.2 展望
参考文献
附录
攻读学位期间发表的学术论文(硕士)
致谢



本文编号：3866128