基于人體行為識(shí)別技術(shù)的教師課堂非言語行為研究及應(yīng)用.pdf

1、ClassifiedIndex：G40—057UDC：376SouthwestUnivetSity0fScienceandTechnoIogyMasterDegreeThesiSTeacher’SNonVerbaIBehaviorResearchbasedonActionRecognitionGrade：Candidate：AcademicDegreeAppIiedfor：SpeciaIity：Supervisor：2010Ouyang

2、HanMasterEducati013aTechnoogyProfFanYongApr8th，2013摘要教師課堂非言語行為對(duì)師生間的知識(shí)交流和情感傳遞以及課堂教學(xué)效果都有著重要影響，吸引了眾多學(xué)者對(duì)其展開研究。但目前的研究普遍采用的是定性研究方法，究其原因主要是定量研究過程需要大量人工參與，且缺乏專門用于輔助定量研究的工具。因此，開展教師課堂非語言行為的量化研究以及研發(fā)輔助量化工具具有重要的現(xiàn)實(shí)意義。本文制定了一種實(shí)現(xiàn)教師課堂非言語行

3、為自動(dòng)量化的技術(shù)框架，并對(duì)其中利用人體行為識(shí)別技術(shù)實(shí)現(xiàn)體態(tài)維度(包含站立、就坐、走動(dòng)、叉腰和俯身5種行為)的自動(dòng)識(shí)別量化進(jìn)行了實(shí)驗(yàn)，首先開展了人體行為識(shí)別的算法研究，然后針對(duì)教師課堂體態(tài)的自動(dòng)識(shí)別進(jìn)行了研究，最后開發(fā)了一個(gè)輔助量化平臺(tái)。主要工作有：(1)為了保留基于多特征人體行為識(shí)別算法的鑒別能力和區(qū)分能力，同時(shí)不增加特征維度，提出了一種基于歸一化R變換分層模型的人體行為識(shí)別方法。第一層選取了運(yùn)動(dòng)能量圖像作為特征，并依據(jù)其歸一化R變換曲

4、線對(duì)行為進(jìn)行大類劃分；第二層利用細(xì)節(jié)特征更豐富的關(guān)鍵姿態(tài)的星狀模型以及寬比和高比特征確定具體類別。在Weizmann和ViHaSi公共人體行為數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)結(jié)果表明，該分層模型簡(jiǎn)單有效。(2)針對(duì)教師課堂體態(tài)的自動(dòng)分析識(shí)別問題，首先采用基于關(guān)鍵幀的運(yùn)動(dòng)分割方法進(jìn)行行為片段分割，然后提取各行為片段的關(guān)鍵幀，并計(jì)算其歸一化R變換曲線，最后使用SVM進(jìn)行分類識(shí)別。通過對(duì)真實(shí)教師課堂數(shù)據(jù)的分析表明該算法簡(jiǎn)單高效。(3)采用軟件工程思想和面向?qū)ο?/p>