很久没看论文了。这篇论文，只把核心的放在这里面。

摘要

课堂是学校教育的核心，课堂教学过程评价对于教学质量的提高有重要意义，而学生的课堂行为表现是课堂教学评价的重要成分。通过评价学生的课堂行为，形成有效的反馈信息和教学导向，可以有效的促进课堂教学和学生的发展。因此，利用现在的计算机视觉技术和教学过程的相关测量手段相结合，对教室中的学生学习行为进行测量，形成对学生、对课堂的多维度的客观评价和反馈，对于提高课堂内的教学效率和教学质量有着重要的意义。本文在课堂学习场景下，研究了基于体感信息的学习者动作识别的算法以及相关应用系统的设计和实现。

论文的主要贡献是设计并实现了课堂学习场景下基于体感信息的多学习者行为测量系统:针对的Kinect骨骼数据特点，本文提出了基于人体上肢骨骼结构的姿态识别方法，该方法通过选用结构向量间的向量角和向量模比值作为最终的姿态向量特征，采用SVM分类器对姿态向量特征进行分类和识别；实现了一个集数据采集、识别、记录、分析和展示于一体的课堂行为识别系统，对课堂交互活动行为分析和课堂整体活跃态势进行了分析，并使用该系统进行了针对学习者个人评价和针对课堂活跃度评价的实验。

通过测试结果表明，本文提出的姿态识别方法能有效地识别多个学习者的举手、正坐和低头等姿态，该课堂行为识别系统具有一定的实用性；通过模拟课堂实验得出对于学生个人的参与度评价、每道题的难度评价、整个课堂活跃度的评价的实验性结论，对于课堂教学过程评价具有一定的参考意义。

绪论

将人体动作估计与行为测量结合到课堂教学中，可以作为课堂观察的辅助手段，通过对学习者行为的自动化测量，例如课堂学习过程中的问答交互行为（举手、起立等行为）测量、课堂学习过程中学生不专注听课行为（低头、趴在桌子上等行为）测量从而形成对学生课堂参与情况、对课堂的整体活跃态势等多维度的客观分析评价和反馈，对于提高课堂内的教学效率和教学质量有着重要的意义，因此，对学习者行为的测量在未来有比较广泛的应用前景和比较重要的应用价值。

1.3 本文研究目的和内容

本文通过对国内外学习行为测量相关研究的调研，发现目前在课堂学习行为测量领域引入技术手段对学生学习行为进行自动化测量的研究还比较匮乏，所以，设计了一种能够根据教学评价人员的需求在课堂上自动检测并记录学生行为、在事后能够对学生行为记录进行分析和展示的软硬件系统。本文的主要工作包括：研究基于Kinect的人体动作检测方法，教室场景下的利用Kinect骨骼数据进行多学习者行为检测的识别算法问题，能够识别教室中学生常见的举手、正坐、趴桌、起立等动作姿态；实现一套供教学人员使用、可交互的学习者行为测量软件，通过该软件能够自动完成对该课堂上的学习行为进行监控和识别，在事后能够根据教学人员需求形成可展示的行为分析结果。

2 相关技术

在这里插入图片描述

3 检测系统设计

3.1 需求分析

在课堂教学中，课堂提问、分组讨论等教学活动是教师获取学生学习效果反馈的重要形式，通过对老师的调研发现，课堂教学活动的反馈效果还存在一定的问题。以课堂提问为例，提问是传统课堂中教师获得学生反馈信息的重要手段，课堂一般的形式是提
问全部同学，学生思考后，知道问题答案的同学举手，然后老师点名起立回答。课堂提问使教师能够在课堂现场获得学生的反馈信息，但是在课堂结束后或者是整个学期结束后，如果教师没有对课堂每个学生的情况有详尽的记录，就很难形成对于课堂教学效果和每个学生参与情况的系统全面的评价。此外还有如，当学生学习状态积极时坐姿就端正，当学生学习状态消极时就会打瞌睡，趴在桌子上等学习者行为信息的测量与记录，对于教师事后分析学习者的学习状态具有重要作用。

综上所述，课堂学习行为测量系统的使用者主要是面向教学评价人员，该系统针对课堂问答活动和课堂学生听课情况两种典型课堂行为提取出的需求主要有以下三点：

1，在不影响课堂教学体验的情况下，对课堂上每一个学习者在课堂中的关键行为进行识别，如举手、起立、趴桌等

2，对于教学活动中课堂问答环节，系统需要能够自动检测学生的举手和起立事件，记录每次答题的情况包括每个学生从老师提问到举手的响应时间、每次答题的起立时间等，并能通过对记录数据的分析形成对学生个人课堂参与度和题目的难度的评价结果。

3，对于整个课堂态势分析，系统需要能够自动检测并记录每个学生的低头、趴桌等事件及每个学生这种课堂消极行为的持续时间，并能通过对记录数据的分析形成对课堂整体听课态势的评价结果。

3.2 检测识别模块

在这里插入图片描述

3.5 数据分析模块

通过第一章的调研，系统设计提供给教学评价人员两种课堂环境中的典型情况的测量和分析结果：课堂学习过程中的问答交互行为（举手、起立等行为）测量结果，通过该结果给出对学生课堂参与情况、题目难度等多维度的客观评价；课堂学习过程中学生不专注听课行为（低头、趴在桌子上等行为）测量结果，通过该结果给出对课堂的整体活跃态势、学生疲劳度等客观评价。

3.5.1 课堂活动中学生参与度和试题难度分析

在课堂学习中，学生的行为参与（如积极的参与教学活动、举手回答问题等）是参与度的重要指标，在本文中，我们选取课堂问答这种典型的场景来进行实验分析。课堂问答活动情况分析指标设计如下:

学生参与度评价指标设计：根据系统记录的条件，可以记录的信息如下：教师通过主动点击按钮记录每次提问的时刻、每次提问后每个学生举手和起立事件、起立学生的答题时间。

3.5.2 课堂学习中课堂整体态势分析

在课堂学习中，学生疲劳程度对于课堂学习质量至关重要，在本文中，我们选取了对学生不专注听课行为（低头、趴在桌子上等行为）进行检测和记录，形成对整个课堂态势的分析，设计的指标如下：系统可以记录的信息如下：每个学生低头时间发生的次数和每次持续时间、趴桌事件发生的次数和每次持续时间。根据已知数据和相关调研设计对整个课堂分时段听课人数计算规则如下：

1，以10秒为一个区间，对每一个10秒内学生低抬头次数和持续时间进行统计。

2，对于同一个学生，如果在10秒内，检测出3次低头、趴桌，则判断该学生在该时间段内没有认真听课。

3，用总人数减去系统判断没有认真听课的人数，得到该时间段内抬头听课的人数。