论文部分内容阅读
随着高等学校的标准化教室的普及,我们通过教室内的摄像装置进行学生上课状态视频数据采集成为可能。由于视频数据来源足够丰富,我们很容易获得学生上课状态图像大数据。如何让这些非结构化的视频大数据在提高教学质量上产生价值是一个十分值得研究的课题。人工智能技术的快速发展,尤其是计算机视觉方面的不断突破,给我们进行视频数据的识别与分析提供了良好的技术支撑。本文提出基于2D卷积神经网络的大学生上课异常状态识别方法,基于数据挖掘技术进行异常状态分析。