任潁超

上饒職業(yè)技術(shù)學院,江西 上饒 334109

0 引言

學生管理是高職院校日常管理工作的重要組成部分。常規(guī)模式下,針對學生異常行為的管理需要高職院校耗費大量的人力、物力、精力,且很難達到精準化、無縫化、智能化的管理效果[1]。異常行為監(jiān)測(ABD)系統(tǒng)是在計算機技術(shù)、圖像視頻識別技術(shù)、智能自動化技術(shù)等飛速發(fā)展背景下誕生的個體行為識別監(jiān)測技術(shù)系統(tǒng),它能夠通過對異常行為運算建模、提取特征變量、設(shè)置類別標簽、訓練測試、報警提醒等方式,識別和監(jiān)測出個體的非正常行為[2],將其引入高職院校中,對提升學生管理的智能化和自動化水平有著重要意義。

1 SVM技術(shù)

支持向量機(support vector machine,SVM)是機器學習領(lǐng)域典型的線性分類學習模型[3],通常用來進行模式識別、判斷和回歸分析,將其用在學生異常行為監(jiān)測系統(tǒng)中,有以下幾方面優(yōu)勢:能夠?qū)W生異常行為進行建模,直觀準確地表達和描述異常行為數(shù)據(jù);能夠準確地收集學生異常行為數(shù)據(jù);能夠精確地訓練學生的異常行為數(shù)據(jù),并加以分類區(qū)別;算法簡單易用,能夠高效地處理小樣本數(shù)據(jù),有效識別學生異常行為并實現(xiàn)即時報警。整體來說,SVM是一種監(jiān)督學習的機器智能算法,能夠高效地提取學生異常行為的數(shù)據(jù)特征,兼顧異常行為模型的易用性和分類性,保證了優(yōu)秀的泛在化識別能力。此外,通過分類區(qū)別能夠更好地在保護學生隱私的情況下收集數(shù)據(jù)。

2 OpenCV技術(shù)

OpenCV是一個基于BSD的計算機視覺和機器學習開源軟件庫,被廣泛應(yīng)用在人臉識別、運動跟蹤、動作識別、機器視覺等領(lǐng)域[4]。它提供了人臉識別接口,為用戶提供了eigenface特征提取、線性識別和局部二元模式直方圖3種算法,能夠快速抓取人臉圖像作為隨機變量,并應(yīng)用統(tǒng)計學方法識別不同人的面部特征,達到快速識別、區(qū)分、監(jiān)測人臉的效果[5]。將OpenCV技術(shù)應(yīng)用在學生異常行為監(jiān)測系統(tǒng)中有以下幾方面優(yōu)勢:能夠與SVM技術(shù)完美兼容,通過算法資源共享完成對學生人臉識別和異常行為的監(jiān)測;內(nèi)置矩陣求解算法能夠快速擬合學生人臉形狀的特征,通過基地線性組合生成多張人臉圖像,并通過比較人臉圖像識別出身份信息;在算法輔助下能夠快速捕捉學生的運動軌跡、身體姿態(tài)等信息,為精準監(jiān)測學生異常行為提供數(shù)據(jù)源。

3 基于SVM的學生異常行為識別模型構(gòu)建

3.1 模型框架

基于SVM技術(shù)構(gòu)建學生異常行為識別模型(見圖1),具體的識別流程為:借助攝像頭或RGB相機等視頻捕捉設(shè)備,抓取對象的實時靜態(tài)或動態(tài)圖像,按照SVM算法生成對象骨架圖特征點的三維坐標;經(jīng)過數(shù)據(jù)處理后,輸入學生異常行為識別模型中,根據(jù)對象的三維坐標信息進行參數(shù)尋優(yōu);通過反復循環(huán)的運算尋找最優(yōu)解,獲取學生異常行為特征,并與數(shù)據(jù)庫中的異常行為類別標簽進行對比,通過訓練測試提取異常行為識別結(jié)果。

該系統(tǒng)將學生異常行為歸納成4個方面,特征較少,但由于在校學生樣本數(shù)量眾多,且學生異常行為數(shù)據(jù)隸屬于線性不可分型數(shù)據(jù),因此需要選用SVM模型中的RBF核函數(shù)在高維空間對采集到的學生行為數(shù)據(jù)進行運算,以獲取學生異常行為識別數(shù)據(jù)集合。

3.2 特征變量提取

特征變量是SVM模型的輸入值,也是學生異常行為的數(shù)據(jù)源。該系統(tǒng)基于SVM模型采集學生異常行為數(shù)據(jù)的需求,參考部分親和域PAFS算法,得到反映學生異常行為動作的三維坐標骨架模型,作為選取的特征變量。以學生異常跌倒行為為例,根據(jù)異常行為動作三維坐標骨架模型,當學生發(fā)生跌倒行為時,距離地面越遠的骨架點,發(fā)生偏移越大,此時學生肩部2個關(guān)鍵骨架點在垂直方向上的運動偏移便是一個能夠反映異常跌倒動作的特征變量。此外,當學生異常跌倒時,出于個體本能會做出單手或雙手撐住地面、扶住物體的動作,因此,學生雙手骨架點也能夠作為反映異常跌倒動作的特征變量。其他學生異常行為也有類似的特征變量,只要找到并提取出來,輸入到SVM模型中,便可通過運算快速獲取數(shù)據(jù)源。

3.3 類別標簽設(shè)置

類別標簽用來對學生異常行為進行分類,以便SVM模型能夠根據(jù)分類標識快速地預(yù)測和識別學生異常行為的類型。該系統(tǒng)重點關(guān)注學生異常離校、異常跌倒、異常俯身、上課玩手機4種異常行為,將這4種異常行為設(shè)置成類別標簽,以供SVM模型采樣識別。此外,還應(yīng)包含學生正常的日常行為,例如在教室內(nèi)走動、坐在椅子上看書學習、與同伴或教師進行交流等,具體的類別標簽設(shè)置為:正常行為的類別標簽為“0”,學生異常離校的類別標簽為“1”,學生異常跌倒的類別標簽為“2”,學生異常附身的類別標簽為“3”,學生上課玩手機的類別標簽為“4”。

3.4 訓練測試方法

對初步識別出的學生異常行為,還需要采用合適的算法得到分類預(yù)測的規(guī)則方差,以便進行深度識別。該系統(tǒng)將學生異常行為數(shù)據(jù)集劃分為訓練集和測試集,通過對特定的學生樣本進行訓練,得到訓練集和測試集SVM模型,對學生異常行為進行分類識別。此外,結(jié)合物聯(lián)網(wǎng)系統(tǒng)、電子信息系統(tǒng)、光電報警系統(tǒng)設(shè)計硬件電路與系統(tǒng),當訓練集和測試集反饋的結(jié)果超過閥值時,說明有學生異常行為發(fā)生,硬件電路系統(tǒng)便會發(fā)出報警提示。具體來說,常用的異常行為訓練和測試方法有真正類率(TPR)和負正類率(FPR)檢測2種訓練測試方法,其變量指標見表1,運算表達式如下所示。

表1 學生異常行為訓練測試指標集

TPR=TP/(TP+NF)

FPR=FP/(FP+NT)

(1)

由式(1)可知,TPR的值越大,指標集合數(shù)據(jù)訓練測試的分類性能越好,表明學生異常行為的深度識別效果也越好。

4 基于OpenCV的學生異常行為監(jiān)測系統(tǒng)設(shè)計與測試

4.1 系統(tǒng)功能模塊及硬件設(shè)計

學生異常行為監(jiān)測系統(tǒng)基于OpenCV人臉識別算法設(shè)計功能模塊,由于OpenCV提供了3種人臉識別算法,根據(jù)學生異常行為識別監(jiān)測的實際需求,選擇其中的eigenface算法調(diào)取SVM模型采樣的學生人臉和行為圖像作為隨機變量,構(gòu)建系統(tǒng)的功能模塊如下。

1)人臉識別身份監(jiān)測模塊。當學生進入采樣區(qū)域后,系統(tǒng)監(jiān)控設(shè)備便會實時采樣學生的面部、行為、肢體動作等信息構(gòu)建特征變量集合,并對集合數(shù)據(jù)進行消噪、濾波等處理,突出人臉和行為特征,識別出學生的身份信息。

2)學生運動軌跡監(jiān)測模塊。當識別出學生身份信息后,系統(tǒng)監(jiān)控設(shè)備便會實時捕捉學生的行為動作,通過與SVM模型中的骨架點模型數(shù)據(jù)進行對比,實現(xiàn)對學生運動軌跡的跟蹤監(jiān)測,當數(shù)據(jù)與類別標簽集合中的異常行為標簽吻合時,便發(fā)出異常行為監(jiān)測報警提醒。

基于上述功能模塊,該系統(tǒng)的硬件設(shè)施包括:高清RGB監(jiān)控攝像機數(shù)臺、計算機數(shù)臺,且攝像機和計算機應(yīng)通過無線路由器組建局域網(wǎng)。硬件設(shè)施組建完后,將攝像機對準學生異常行為監(jiān)測區(qū)域,實時捕捉區(qū)域畫面。

4.2 系統(tǒng)測試效果

系統(tǒng)設(shè)計完成后,在某高職院校進行現(xiàn)場測試,測試的場景分為4個,分別在能容納30、50、70和100人的教室內(nèi)安裝該系統(tǒng),進行無教師值守狀態(tài)下學生異常行為的識別監(jiān)測,結(jié)果如表2所示。根據(jù)測試結(jié)果可知:隨著參與測試學生人數(shù)攀升,該系統(tǒng)的檢測精準度、抓取異常行為識別時間、異常行為計算判定時間3項指標的表現(xiàn)效果雖略有下降,但整體符合預(yù)期,能夠較為精準、高效地識別和監(jiān)測學生異常行為,呈現(xiàn)出良好的應(yīng)用效果。

表2 系統(tǒng)測試效果統(tǒng)計

5 結(jié)束語

針對學生異常行為識別和監(jiān)測系統(tǒng)的設(shè)計和應(yīng)用,一直以來都是計算機科學技術(shù)領(lǐng)域研究的熱點,但如何高效精準地捕捉現(xiàn)場人員信息,并識別監(jiān)測其異常行為一直是研究的難點。本文充分利用SVM和OpenCV技術(shù)在人臉識別、行為軌跡跟蹤等方面的優(yōu)勢,設(shè)計了一套學生異常行為識別監(jiān)測系統(tǒng),通過現(xiàn)場測試驗證了系統(tǒng)的有效性,希望能夠為異常行為監(jiān)測(ABD)系統(tǒng)的研究提供更多啟示。