。

随着智慧教育的快速发展#xff0c;学生的课堂表现和专注度成为评估学习效果的重要因素之一。

然而#xff0c;传统的专注度评估方法往往依赖于主观…本研究提出了一种基于YOLOv8深度学习的智慧课堂学生专注度检测系统旨在实现对课堂中学生专注度的实时分析与评估。

随着智慧教育的快速发展学生的课堂表现和专注度成为评估学习效果的重要因素之一。

然而传统的专注度评估方法往往依赖于主观观察或通过问卷调查收集信息存在耗时、效率低下、主观性强等问题。

为了解决这些问题本文设计了一种基于YOLOv8目标检测算法的智能系统结合深度学习技术对学生的面部表情、姿态、眼动等多种行为特征进行自动检测和分类从而对其专注度进行科学量化。

该系统采用PyQt5作为用户界面界面简洁直观用户能够通过该平台实时监控课堂中的学生表现。

通过自定义的数据集该系统将学生的专注度划分为七个等级分别是中等专注、较高专注、高度专注、没有专注、低专注、中等偏低专注和较低专注。

每个专注度等级的划分基于学生的多模态行为特征尤其是面部表情变化、头部运动和眼神专注方向等深度学习模型通过大量数据的训练和优化能够精准识别这些特征并做出判断。

在系统的实现过程中本文详细描述了数据采集、标注以及模型训练的全过程。

使用的YOLOv8深度学习模型因其强大的检测精度和实时性能够快速响应并处理多名学生的专注度信息。

此外系统还提供了结果的可视化功能教师可以通过界面查看专注度分类结果及时了解课堂中每个学生的专注状态。

系统还支持对历史数据的统计和分析帮助教育工作者从更长远的时间尺度上观察学生的专注度变化为教学改进提供数据支持。

实验部分本研究在多个真实课堂场景中对系统进行了验证。

实验结果表明系统在准确性、鲁棒性和实时性方面表现优异能够有效应对不同照明条件、学生面部遮挡等复杂场景。

与现有方法相比该系统不仅提高了检测效率还减少了教师的负担进一步增强了课堂管理的智能化水平。

该系统的应用前景广泛不仅可用于课堂教学还可以在远程教育、个性化学习管理等领域发挥重要作用。

本文所提出的基于YOLOv8的智慧课堂学生专注度检测系统为教育领域的智能化管理提供了一种全新的解决方案。

未来随着数据集的进一步丰富和模型性能的持续优化该系统有望在更大范围内推广应用推动智慧教育的深度发展。

算法流程

通过搜集关于数据集为各种各样的学生专注度相关图像并使用Labelimg标注工具对每张图片进行标注分7检测类别分别是’中等专注’,’较高专注’,’高度专注’,’没有专注’,’低专注’,’中等偏低专注’,’较低专注’。

目标检测标注工具

1labelimg:开源的图像标注工具标签可用于分类和目标检测它是用python写的并使用Qt作为其图形界面简单好用虽然是英文版的。

其注释以

PASCAL

VOC格式保存为XML文件这是ImageNet使用的格式。

此外它还支持

2安装labelimg

https://pypi.tuna.tsinghua.edu.cn/simple

结束后在cmd中输入labelimg

接下来就开始标注画框标记目标的label然后d切换到下一张继续标注不断重复重复。

3数据准备

这里建议新建一个名为data的文件夹这个是约定俗成不这么做也行里面创建一个名为images的文件夹存放我们需要打标签的图片文件再创建一个名为labels存放标注的标签文件最后创建一个名为

classes.txt

定义自己要标注的所有类别这个文件可有可无但是在我们定义类别比较多的时候最好有这个创建一个这样的txt文件来存放类别

生成文件如下:

存放标签信息的文件的文件名为与图片名相同内容由N行5列数据组成。

每一行代表标注的一个目标通常包括五个数据从左到右依次为类别id、x_center、y_center、width、height。

模型训练

YOLOv8是一个SOTA模型它建立在Yolo系列历史版本的基础上并引入了新的功能和改进点以进一步提升性能和灵活性使其成为实现目标检测、图像分割、姿态估计等任务的最佳选择。

其具体创新点包括一个新的骨干网络、一个新的Ancher-Free检测头和一个新的损失函数可在CPU到GPU的多种硬件平台上运行。

YOLOv8是Yolo系列模型的最新王者各种指标全面超越现有对象检测与实例分割模型借鉴了Yolov5、Yolov6、YoloX等模型的设计优点在全面提升改进Yolov5模型结构的基础上实现同时保持了Yolov5工程化简洁易用的优势。

Yolov8模型网络结构图如下图所示

本研究使用了包含学生专注度相关图像的数据集并通过Labelimg标注工具对每张图像中的目标边框Bounding

Box及其类别进行标注。

然后主要基于YOLOv8n这种模型进行模型的训练训练完成后对模型在验证集上的表现进行全面的性能评估及对比分析。

模型训练和评估流程基本一致包括数据集准备、模型训练、模型评估。

本次标注的目标类别为学生专注度数据集中共计包含6469张图像其中训练集占5108张验证集占1361张。

部分图像如下图所示

部分标注如下图所示

图片数据的存放格式如下在项目同时将检测的图片分为训练集与验证集放入datasets目录下。

接着需要新建一个data.yaml文件用于存储训练数据的路径及模型需要进行检测的类别。

YOLOv8在进行模型训练时会读取该文件的信息用于进行模型的训练与验证。

train:

E:/StudentClassroom_v8/datasets/train/images

val:

E:/StudentClassroom_v8/datasets/val/images

test:

E:/StudentClassroom_v8/datasets/test/images

nc:

这个文件定义了用于模型训练和验证的数据集路径以及模型将要检测的目标类别。

数据准备完成后通过调用train.py文件进行模型训练epochs参数用于调整训练的轮数batch参数用于调整训练的批次大小(根据内存大小调整最小为1)。

CPU/GPU训练代码如下

的预训练YOLOv8模型yolov8n.pt是预先训练好的模型文件。

使用YOLO模型进行训练主要参数说明如下

在深度学习的过程中我们通常通过观察损失函数下降的曲线来了解模型的训练情况。

对于YOLOv8模型的训练主要涉及三类损失定位损失box_loss、分类损失cls_loss以及动态特征损失dfl_loss。

训练完成后相关的训练过程和结果文件会保存在

runs/

定位损失box_loss预测框与标定框之间的误差GIoU越小定位得越准

分类损失cls_loss计算锚框与对应的标定分类是否正确越小分类得越准

动态特征损失dfl_lossDFLLoss是一种用于回归预测框与目标框之间距离的损失函数。

在计算损失时目标框需要缩放到特征图尺度即除以相应的stride并与预测的边界框计算Ciou

Loss同时与预测的anchors中心点到各边的距离计算回归DFLLoss。

这个过程是YOLOv8训练流程中的一部分通过计算DFLLoss可以更准确地调整预测框的位置提高目标检测的准确性。

训练结果如下

这张图展示了YOLOv8模型在训练和验证过程中的多个重要指标的变化趋势具体如下

train/box_loss

1这是训练过程中边界框损失的变化。

边界框损失用于衡量模型预测的目标框与实际目标框的差异。

2随着训练轮次的增加损失逐渐下降表明模型在边界框定位上的准确性在提高。

train/cls_loss

1这是训练集上的分类损失。

分类损失衡量模型对目标类别的预测准确性。

2随着训练的进行分类损失也在不断下降说明模型对目标的分类能力在不断提升。

train/dfl_loss

2这也是一种用于优化边界框的损失下降表明模型在边界框回归的精细度上表现越来越好。

metrics/precision(B)

1这是训练集上的精度precision曲线。

精度表示模型在检测到的目标中有多少是真正的目标。

metrics/recall(B)

1这是训练集上的召回率recall曲线。

召回率表示模型检测出的真实目标的比例。

2图中的曲线显示召回率逐渐提高说明模型能够找到越来越多的目标。

val/box_loss

2随着训练的进行验证集上的损失也在不断下降表明模型在验证集上具有良好的泛化能力。

val/cls_loss

2随着训练的进行损失逐渐降低表明模型对验证数据的分类能力也在提升。

val/dfl_loss

2验证集上的分布焦点损失下降趋势表明模型在验证数据上的边界框回归精度也在不断提高。

metrics/mAP50(B)

1这是验证集上的mAP50曲线表示在交并比阈值为0.5时模型的平均精度mean

Average

1这是验证集上的mAP50-95曲线表示在不同交并比阈值从0.5到0.95下模型的平均精度。

2mAP50-95比mAP50更加严格曲线表明随着训练的进行模型在更高要求下的表现也逐渐提升。

这些图表反映了模型的训练和验证过程中的性能变化。

整体来看训练损失和验证损失随着训练轮次的增加逐渐减少模型的精度和召回率逐渐提高验证集上的mAP50和mAP50-95也都在上升表明模型的检测能力在不断改善。

Precision-Recall

table的曲线浅紫色几乎紧贴右上角说明该行为的检测效果非常好具有较高的精度和召回率mAP0.5也达到了0.983。

2using

phone和sleep的曲线分别为紫色和红色也表现较好精度和召回率都很高mAP0.5分别为0.947和0.930。

3writing和reading的曲线分别为绿色和橙色表现相对较差特别是writing这一类别的曲线更靠近下方表示模型在该类别上的精度和召回率稍低mAP0.5分别为0.757和0.794。

该图显示了模型对不同类别行为的检测性能。

总体来看模型在大部分行为上的表现都不错尤其是“leaning

over

phone”类的表现非常好而“writing”和“reading”类的检测表现稍差但整体的mAP0.5为0.868表明该模型在智慧课堂场景中的学生专注度

4.检测结果识别

模型训练完成后我们可以得到一个最佳的训练结果模型best.pt文件在runs/train/weights目录下。

我们可以使用该文件进行后续的推理检测。

imgTest.py

‘models/best.pt’指定预训练模型的路径这个模型将用于目标检测任务。

2img_path

“TestFiles/imagetest.jpg”指定需要进行检测的图片文件的路径。

加载预训练模型

task’detect’)使用指定路径加载YOLO模型并指定检测任务为目标检测

conf

model(img_path)对指定的图片执行目标检测results

显示检测结果

results[0].plot()将检测到的结果绘制在图片上。

2cv2.imshow(“YOLOv8

res)使用OpenCV显示检测后的图片窗口标题为“YOLOv8

此代码的功能是加载一个预训练的YOLOv8模型对指定的图片进行目标检测并将检测结果显示出来。

执行imgTest.py代码后会将执行的结果直接标注在图片上结果如下

这段输出是基于YOLOv8模型对图片“imagetest.jpg”进行检测的结果具体内容如下

图像信息

1处理的图像路径为TestFiles/imagetest.jpg。

2图像尺寸为

这个输出表明模型成功识别了目标类别并给出了每个阶段的处理时间显示了模型在此图像上的推理效率。

运行效果

这张图表显示了基于YOLOv8模型的目标检测系统的检测结果界面。

以下是各个字段的含义解释

用时Time

2在当前情况下选择的是“全部”意味着显示所有检测到的目标信息。

结果Result:

1这表示模型对检测到的目标属于“高度专注”类别的置信度为91.25%。

2置信度反映了模型的信心置信度越高模型对这个检测结果越有信心。

目标位置Object

这些坐标表示在图像中的目标区域范围框定了检测到的“高度专注”的位置。

这张图展示了学生专注度的一次检测结果包括检测时间、检测到的种类、各行为的置信度、目标的位置信息等。

用户可以通过界面查看并分析检测结果提升学生专注度检测的效率。

3.图片检测说明

点击打开图片按钮选择需要检测的图片或者点击打开文件夹按钮选择需要批量检测图片所在的文件夹。

操作演示如下

2点击保存按钮会对检测结果进行保存存储路径为save_data目录下。

检测结果系统识别出图片中的学生专注度并显示检测结果包括总目标数、用时、目标类型、置信度、以及目标的位置坐标信息。

4.视频检测说明

点击视频按钮打开选择需要检测的视频就会自动显示检测结果再次点击可以关闭视频。

点击保存按钮会对视频检测结果进行保存存储路径为save_data目录下。

检测结果系统对视频进行实时分析检测到学生专注度并显示检测结果。

表格显示了视频中多个检测结果的置信度和位置信息。

这个界面展示了系统对视频帧中的多目标检测能力能够准确识别学生专注度并提供详细的检测结果和置信度评分。

5.摄像头检测说明

点击打开摄像头按钮可以打开摄像头可以实时进行检测再次点击可关闭摄像头。

检测结果系统连接摄像头进行实时分析检测到学生专注度并显示检测结果。

实时显示摄像头画面并将检测到的行为位置标注在图像上表格下方记录了每一帧中检测结果的详细信息。

6.保存图片与视频检测说明

点击保存按钮后会将当前选择的图片(含批量图片)或者视频的检测结果进行保存。

5optimizer’SGD’:

但在某些情况下可能由于硬件限制或其他原因用户需要在CPU上进行训练。

温馨提示在CPU上训练深度学习模型通常会比在GPU上慢得多尤其是像YOLOv8这样的计算密集型模型。

除非特定需要通常建议在GPU上进行训练以节省时间。

2.训练日志结果

1mAP50在IoU交并比阈值为0.5时的平均精度。

IoU是衡量检测边界框与真实标注框重叠程度的指标。

mAP50数值越高表示模型检测性能越好。

例如“leaning

over

2mAP50-95在IoU阈值从0.5到0.95不等的平均精度是一个更严格的检测标准。

mAP50-95值越高说明模型在不同IoU阈值下都有较好的表现。

例如”leaning

over

该验证结果表明模型在不同学生专注度类别上的检测精度和召回率表现较好尤其是在”leaning

over

phone”这些类别中表现突出但在”sleep”和”writing”这些类别中表现稍差。

模型总体检测效果较为理想且推理速度较快适合实时检测应用场景。