课堂行为分析系统-python+计算机视觉

本项目为前几天收费帮学妹做的一个项目在工作环境中基本使用不到但是很多学校把这个当作编程入门的项目来做故分享出本项目供初学者参考。一、项目描述基于计算机视觉的课堂行为分析系统智慧教室是一个基于计算机视觉的课堂行为分析系统由 AlphaPose 全身姿态估计、人脸识别和表情识别组合而成核心定位是课堂专注度分析和考试作弊检测。系统通过摄像头或图片输入识别人体姿态、面部表情和身份输出每名学生的专注状态和作弊嫌疑并支持课堂动态点名。二、项目功能智慧教室是一个基于计算机视觉的课堂行为分析系统由 AlphaPose 全身姿态估计、人脸识别和表情识别组合而成核心定位是课堂专注度分析和考试作弊检测。系统通过摄像头或图片输入识别人体姿态、面部表情和身份输出每名学生的专注状态和作弊嫌疑并支持课堂动态点名。三、运行环境操作系统为 Windows已在 Win10 验证Python 3。依赖 PyTorch支持 CUDA GPU 加速无 GPU 时回退 CPU、OpenCV、dlib、AlphaPose、PyQt5、matplotlib、Pillow。运行前需手动下载多份权重文件放到指定目录halpe136 姿态模型、yolov3-spp 检测器、dlib 人脸模型、FaceBoxes、作弊分类器等其中 reid 跟踪权重和 FaceBoxes 在当前环境已跳过。四、项目技术姿态估计采用 AlphaPose 的 Fast PoseResNet50 主干 YOLOv3 检测器输出 Halpe 136 全身关键点17 躯干 6 脚 68 面部 42 手部。人脸识别用 dlib 的 shape_predictor_68对齐 resnet_model_v1编码 FaceBoxes检测。作弊动作识别用关键点几何特征训练的逻辑回归/随机森林分类器cheating_detector_rfc_kp.pkl。跨帧身份关联用 OSNet-AIN reid 模型本项目已关闭。可视化界面用 PyQt5matplotlib 嵌入画统计图表通过 subprocess 调用 demo_inference.py 实现零侵入推理。数据集Halpe FullBody136 关键点全身姿态标注用于训练 Fast Pose 主模型。MSMT17reid 行人重识别数据集用于训练 OSNet-AIN 跟踪模型本项目跳过。COCOYOLOv3 目标检测预训练用于人体框检测。dlib 自带 68 点人脸对齐预训练模型和 ResNet 人脸编码模型。FaceBoxes 人脸检测预训练模型。课堂动作分类器和作弊分类器为作者自训练classroom_action_lr_front_v2.pth、cheating_detector_rfc_kp.pkl训练数据未公开。项目自带 examples/demo 下 3 张测试图片用于验证流程。以上系统源码经过技术整理与调试确保能正常运行五、项目截图