(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211130028.8 (22)申请日 2022.09.16 (71)申请人 北京联合大 学 地址 100101 北京市朝阳区北四环东路97 号 (72)发明人 徐成　刘力铭　刘宏哲　徐冰心　 潘卫国　代松银　 (74)专利代理 机构 北京盛询知识产权代理有限 公司 11901 专利代理师 张焱 (51)Int.Cl. G06V 20/40(2022.01) G06V 20/52(2022.01) G06V 10/25(2022.01) G06V 10/82(2022.01)G06V 40/10(2022.01) G06T 7/62(2017.01) G06Q 50/20(2012.01) G06Q 10/06(2012.01) (54)发明名称 一种面向智慧教室的学生跟踪方法及系统 (57)摘要 本申请公开了一种面向智慧教室的学生跟 踪方法及系统， 包括获取教室视频信息； 基于所 述视频信息， 通过目标检测方法获取学生位置边 界框； 基于所述学生位置边界框， 构建两个高斯 概率分布函数； 基于所述学生位置边界框， 通过 IOU对比方法比较面积大小； 基于所述面积比较 结果， 对所述高斯概率分布函数作积分， 判断是 否属于同一个学生。 通过目标检测方法检测出每 个学生在图像中的位置， 然后基于每个学生的边 界框的中心坐标和宽高构建高斯概率分布函数， 然后通过计算IOU值和对高斯概率函数的积分判 断两边界框是否属于同一个学生实现到学生定 位的功能。 通过使用本发明的方法， 联合使用其 他深度学习算法， 可实现对学生听课状态的持续 记录和跟踪。 权利要求书1页 说明书5页 附图3页 CN 115471773 A 2022.12.13 CN 115471773 A 1.一种面向智慧教室的学生跟踪方法， 其特 征在于， 包括以下步骤： 获取教室视频信息； 基于所述视频信息， 通过目标检测方法获取 学生位置边界框； 基于所述学生 位置边界框， 构建两个高斯 概率分布函数； 基于所述学生 位置边界框， 通过IOU对比方法比较面积大小； 基于所述 面积比较结果， 对所述高斯 概率分布函数作积分， 判断是否属于同一个学生。 2.根据权利要求1所述的一种面向智慧教室的学生跟踪方法， 其特征在于， 所述的目标 检测方法为YOLOv5， 通过YOLOv5方法逐帧的检测教室中每 个学生的位置 。 3.根据权利要求1所述的一种面向智慧教室的学生跟踪方法， 其特征在于， 所述构建高 斯概率分布函数 的方法包括： 基于边界框在图像中的位置信息构建出两个高斯分布函数， 用于计算两个边界框属于同一个目标的概 率。 4.根据权利要求3所述的一种面向智慧教室的学生跟踪方法， 其特征在于， 所述位置信 息包括： 边界框的中心坐标、 宽和高。 5.根据权利要求1所述的一种面向智慧教室的学生跟踪方法， 其特征在于， 所述通过 IOU对比方法比较面积大小的方法包括： 计算两个边界框的IOU值并与设定的IOU的阈值进 行比较判断是否属于同一目标。 6.根据权利要求5所述的一种面向智慧教室的学生跟踪方法， 其特征在于， 所述IOU值 为两个边界框交集部分面积与并集部分面积之比。 7.根据权利要求1所述的一种面向智慧教室的学生跟踪方法， 其特征在于， 对所述高斯 概率分布函数作积分的方法包括： 对边界框的左右和上下分别选取坐标作高斯概率函数积 分， 然后将两数值相乘。 8.根据权利要求1所述的一种面向智慧教室的学生跟踪方法， 其特征在于， 对已知的边 界框， 保存其在图像中的中心坐标、 宽、 高和高斯 概率分布函数。 9.一种面向智慧教室的学生跟踪系统， 其特征在于， 包括信息模块、 目标检测模块、 高 斯函数模块、 IOU计算模块、 积分模块； 所述信息模块用于获取教室的视频信息； 所述目标检测模块用于检测教室中学生的位置信息； 所述高斯函数模块用于将所述目标检测模块检测到的学生位置信息构建高斯分布函 数； 所述IOU计算模块用于将所述目标检测模块检测到的边界框进行交集部分面积与并集 部分面积之比； 所述积分模块用于根据所述 IOU计算模块的面积比较结果作高斯分布函数积分。权　利　要　求　书 1/1 页 2 CN 115471773 A 2一种面向智慧 教室的学生跟踪 方法及系统 技术领域 [0001]本申请属于教学 领域， 具体涉及一种面向智慧教室的学生跟踪方法及系统。 背景技术 [0002]由于教室场景下学生人数多， 边缘轮廓 复杂， 现有的基于光流跟踪的学生定位方 法存在受干扰严重的问题， 其次光流跟踪的方法自身也存在着孔径问题和光滑平面上光流 梯度为0的问题。 [0003]同时对于教室中的学生的定位方法是解决学生上课状态分析的重要步骤， 对于教 室中的任一个学生， 状态分析模型仅能够输出图像中某位置的学生处于何种听课状态， 此 时就需要 所提出的学生定位方法将某个学生在一节课中的所有状态联合起来， 用于课后的 学生专注度分析。 发明内容 [0004]本申请提出了一种面向智慧教室的学生跟踪方法及系统， 判断视频中目标框的所 属学生， 然后可以将该学生在一节课中的所有听课状态联合起来对该学生做整体的状态评 估。 [0005]为实现上述目的， 本申请提供了如下 方案： [0006]一种面向智慧教室的学生跟踪方法， 包括以下步骤： [0007]获取教室视频信息； [0008]基于所述视频信息， 通过目标检测方法获取 学生位置边界框； [0009]基于所述学生 位置边界框， 构建两个高斯 概率分布函数； [0010]基于所述学生 位置边界框， 通过IOU对比方法比较面积大小； [0011]基于所述面积比较结果， 对所述高斯概率分布函数作积分， 判断是否属于同一个 学生。 [0012]优选的， 所述的目标检测方法为YOLOv5， 通过YOLOv5方法逐帧的检测教室中每个 学生的位置 。 [0013]优选的， 所述构建高斯概率分布函数的方法包括： 基于边界框在图像中的位置信 息构建出两个高斯分布函数， 用于计算两个边界框属于同一个目标的概 率。 [0014]优选的， 所述 位置信息包括： 边界框的中心坐标、 宽和高。 [0015]优选的， 所述通过IOU对比方法比较面积大小的方法包括： 计算两个边界框的IOU 值并与设定的IOU的阈值进行比较判断是否属于同一目标。 [0016]优选的， 所述 IOU值为两个边界框交集部分面积与并集部分面积之比。 [0017]优选的， 对所述高斯概率分布函数作积分的方法包括： 对边界框的左右和上下分 别选取坐标作高斯 概率函数积分， 然后将两数值相乘。 [0018]优选的， 对已知的边界框， 保存其在图像中的中心坐标、 宽、 高和高斯概率分布函 数。说　明　书 1/5 页 3 CN 115471773 A 3