买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉华东师范大学;上海熙育信息科技有限公司申请的专利一种基于多模态数据融合的学生课堂异常行为检测方法及检测系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116071575B 。

龙图腾网通过国家知识产权局官网在2025-12-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211131074.X，技术领域涉及：G06V10/764；该发明授权一种基于多模态数据融合的学生课堂异常行为检测方法及检测系统是由郭胜男;吴永和设计研发完成，并于2022-09-16向国家知识产权局提交的专利申请。

本一种基于多模态数据融合的学生课堂异常行为检测方法及检测系统在说明书摘要公布了：本发明公开了一种基于多模态数据融合的学生课堂异常行为检测方法，该方法包括对课堂视频中的学生表情数据和肢体数据进行预处理和兴趣区域选择，使用LBP直方图作为课堂学生表情特征描述，采用单类支持向量机One‑ClassSVM作为分类器，进行表情异常检测；使用光流直方图方法HOFO计算课堂视频流中的肢体特征向量，使用单支持向量机One‑ClassSVM作为分类器进行肢体动作异常识别，最后进行逻辑决策融合，得到课堂异常行为最终检测结果。本发明采用了一种新的多模态数据融合的方法，可综合多个模态的数据信息，使得学生课堂行为检测结果更加准确。本发明还公开了一种实现上述方法的检测系统。

本发明授权一种基于多模态数据融合的学生课堂异常行为检测方法及检测系统在权利要求书中公布了：1.一种基于多模态数据融合的学生课堂异常行为检测方法，其特征在于，所述方法包括： 步骤一、通过课堂摄像机获取学生在课堂学习过程中的视频数据； 步骤二、对步骤一中获得的课堂视频数据进行预处理； 步骤三、将步骤二预处理后的图像进行二值化，选择视频流的每一帧图像中的兴趣区域，集中提取学生行为特征； 步骤四、将上述处理完成的课堂视频流数据分别采用局部二值法LBP和光流直方图法HOFO分别提取学生课堂中的表情特征向量和肢体特征向量； 步骤五、将获得的学生课堂表情特征向量和肢体特征向量分别输入单分类支持向量机OCSVM分类器中进行分类，得到课堂学生行为是否异常的分类结果； 单分类支持向量机OCSVM旨在建立一个决策边界，该边界在正常数据集和原点之间具有最大距离；通过正常样本数据集训练出最佳学习边界，包括几乎所有的正常行为样本点，测试时，边界以内靠近原点的属于正常行为，边界以外的属于异常点；OCSVM通过内核函数将输入数据映射到高维特征空间，使其具有更好的聚集性，然后迭代地找到最优边缘超平面，实现训练数据与原点之间距离的最大化； 假设训练数据集表示正常数据集，为了获得边界，优化模型如下所示： 其中，w和ρ是用于确定决策边界的参数，能够在优化过程中定位变量；xi表示训练样本集，N是训练数据总数，ν为权衡参数，ξi＝{ξ1，ξ2，...,ξn}是xi的松弛变量，计算样本集合与坐标原点的距离；表示从数据输入空间χ到特征空间的非线性映射，由核函数变换实现，OCSVM模型的学习在特征空间进行；所述核函数的形式如下： Kx,z＝Φx·Φz， 其中，Kx,z和Φx分别表示核函数和映射函数；Φx·Φz是Φx和Φz内积；x,z∈χ,表示数据输入空间的样本； 优化模型的解通过拉格朗日乘子法LagrangeMultiplier求解得出， 其中，αi是拉格朗日算子，令α＝[α1,α2,...,αN]T；w由定义；表示能够由任意xj计算的边界参数，然后通过支持向量扩展确定最佳边界，决策函数如下式： 其中，αi表示拉格朗日算子，xi表示非零的训练样本，fx表示决策函数； 步骤六、将表情和肢体的两模态分类结果进行逻辑融合，得到最终课堂异常行为检测结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华东师范大学;上海熙育信息科技有限公司，其通讯地址为：200241 上海市闵行区东川路500号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。