技术领域
[0001] 本发明属于智慧教室技术领域，具体涉及一种教学综合控制平台、智慧校园系统。
相关背景技术
[0002] 智慧教室是数字技术应用于学习场景下的产物，是多媒体教室和网络教室相融合的现代化教室。智慧教室作为校园信息化建设中的重要一环，正在逐步取代传统教室，以构建全新的教室环境来提高教师的教学质量、也提高学生学习质量和效率。但是目前的智慧教室还存在诸多问题，例如教室中的各个系统模块隶属不同厂商，有各自的管理平台，数据链条没有完全打通，这也导致智慧教室的设备在后续拓展中会加剧这些问题的严重程度；注重多媒体设备的建设，但是教室的应用层设备没有纳入平台进行总体管理。
[0003] 为此，本发明提供了一种用于智慧教室的教学综合控制平台。
具体实施方式
[0038] 以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
[0039] 但是目前的智慧教室还存在诸多问题，例如教室中的各个系统模块隶属不同厂商，有各自的管理平台，数据链条没有完全打通，这也导致智慧教室的设备在后续拓展中会加剧这些问题的严重程度；注重多媒体设备的建设，但是教室的应用层设备没有纳入平台进行总体管理。
[0040] 为了解决教室中各个功能模块互不隶属，平台管理困难，不易进行设备拓展、控制和管理等问题，本发明提供了的一种教学综合控制平台，其包括设置在教室内的环境设备、教学设备和多媒体讲台。其中，所述多媒体讲台包括讲台、安装在讲台上的触摸屏和OPS电脑，所述OPS电脑与所述触摸屏连接；所述OPS电脑分别与所述教学设备和所述环境设备连接，所述OPS电脑部署有综合控制系统，所述综合控制系统用于控制教室内的全部功能设备。
[0041] 本发明能够有效整合教室的软硬件资源，实现教室设备的集中管理与控制，解决了当前部分智慧教室中各个功能模块各自管理与控制。本发明的教学综合控制平台，所有设备通过一个系统进行集中管理，系统部署在教师的多媒体讲台上，极大的提高了操作的简便性和教学效率，且教师只需要通过多媒体讲台上的触摸屏，即可控制教室内的全部功能设备。可以显著提升教室的管理水平和教学质量，同时也为教师提供了一个更加舒适和便捷的工作环境。
[0042] 实施例一
[0043] 在本实施例一，所述教学综合控制平台包括：
[0044] 环境设备，所述环境设备设置于教室内；一般来说，环境设备包括但不限于照明系统中的灯光组件、空调、电风扇、电动窗帘、电源插座等，用于提供教室内的舒适环境。
[0045] 教学设备，所述教学设备设置于教室内；一般来说，教学设备包括但不限于智慧黑板、投影仪、电子白板、音响系统、麦克风等，用于支持教学活动的进行。
[0046] 多媒体讲台，所述多媒体讲台包括讲台、安装在讲台上的触摸屏和OPS电脑，所述OPS电脑与所述触摸屏连接。所述OPS电脑分别与所述教学设备和所述环境设备连接，所述OPS电脑部署有综合控制系统，所述综合控制系统用于控制教室内的全部功能设备。
[0047] 在一种具体实施中，多媒体讲台是一种集成多种教学设备和控制功能的平台，专为现代化智慧教室设计，旨在提升教学效率和教学体验。
[0048] 多媒体讲台的组成部分中，讲台主要由柜体、五金件以及扶手构成，柜体是其主要构件，柜体在材料方面选用1.2～1.5mm厚优质冷轧钢板，通过钣金加工工艺经裁剪、成型、焊接等加工而成，表面经酸洗处理，磷化防腐防锈后静电喷塑，具有防腐防锈耐磨、防火防潮、防盗功能；抽屉的材质选择特制金属导轨，即使在满载的情况下也可以进出顺畅；门与箱体通过轴螺丝连接，门中间焊接支撑条，增加稳固性。讲台的上表面嵌装触摸屏。讲台的抽屉及柜体用来安装OPS电脑、网关等硬件设备。
[0049] 在一种具体实施中，所述触摸屏支持多点触控，方便教师直接在屏幕上操作。尺寸：常见尺寸为15英寸至27英寸，具体尺寸可根据需求选择。
[0050] OPS电脑(Open Pluggable Specification)，ops电脑是一种小型、紧凑且高度可定制的计算机，主要应用于嵌入式系统、自动化控制、数据采集、自助终端等工业自动化和物联网应用场景。在一种优选实施中，OPS电脑具有高性能处理能力、大容量内存和存储空间，确保运行流畅。支持常见操作系统，如Windows、Linux等，方便兼容各种教学软件。输入输出接口：包括USB接口、HDMI接口、VGA接口、音频接口等，方便连接外部设备。支持有线网络和Wi‑Fi连接，确保稳定的互联网接入。
[0051] 在基础设备的设施控制实施例中，所述教学设备包括音响组件和麦克风组件，所述多媒体讲台包括混合矩阵，所述混合矩阵分别连接所述触摸屏、OPS电脑、音响组件和麦克风组件。
[0052] 所述教学综合控制系统包括音频控制模块，所述音频控制模块用于控制所述音响组件和麦克风组件；
[0053] 所述教学综合控制系统包括显示模块，所述显示模块用于在所述触摸屏显示预设控制界面，所述预设控制界面包括分别用于进行音量调节和麦克风设置的虚拟按钮。
[0054] 所述环境设备包括空调、电风扇和灯光组件；
[0055] 所述教学综合控制系统包括环境控制模块，所述环境控制模块用于控制所述空调、电风扇和灯光组件。在一种优选实施中，针对电风扇和灯光组件是进行开关控制，为此还需要配备一些电路元件，如断路器进行实现，通过环境控制模块输出控制信号至断路器中，以控制电风扇和灯光组件的电路通断，实现开关控制。
[0056] 所述教学综合控制系统包括显示模块，所述显示模块用于在所述触摸屏显示预设控制界面，所述预设控制界面包括分别用于进行空调设置、电风扇启闭和灯杆组件启闭的虚拟按钮。
[0057] 在本发明中，触摸屏是整个系统最重要、最方便的控制方式，是指令发送中心。触摸屏和OPS电脑部署的综合控制系统配套使用，为方便控制和交互策略的实现，一般采用可编程和自定义的解决方案，集成可编程的设备管理/控制的按钮，也支持物联网智慧管控，实现对教学设备的控制、信号源切换以及对声音音量及话筒音量的调节，配套相关物联网的控制模块可以实现对灯光、电源、温湿度、空调等物联网设备的管理，实时显示教室温湿度、PM2.5等数据信息。操作面板界面简单明了，不需要复杂的操作，通过点击屏幕功能按钮，即可轻松实现对教室设备的控制，让老师更专注于教学。
[0058] 以上实例中，通过在触摸屏上显示预设控制界面，可供教师进行人机交互的控制。预设控制界面可以在触摸屏的右侧局部区域内，专供教师进行独立控制。触摸屏的中部及左侧区域，主要显示教师系统的主界面，以及在多屏交互过程中，与智慧黑板共享屏幕使用。
[0059] 实施例二
[0060] 智慧教室的多屏主要是指教室内老师用于多媒体教学展示用的屏幕、学生分组用来组内讨论和汇报分享的小组屏幕、师生自带的终端设备屏幕以及多媒体设备终端控制屏幕。在本发明中，主要是指多媒体讲台的触摸屏、与智慧黑板、与多个学生用屏幕的交互。传统智慧教室中，多媒体讲台与智慧黑板是两个独立的屏幕，教师在进行教学时，往往需要再智慧黑板和多媒体讲台之间来回走动、操作等，造成诸多不便，也影响教学质量。
[0061] 互动是指各屏幕之间进行的广播、共享、协作等，利用不同的显示策略实现教学互动时各个屏幕可以辅助进行画面和数据等的传输交互，来支持不同的教学模式。但由于目前多屏互动技术多种协议之间互不兼容，各个屏幕、师生、资源实现互动有一定的技术壁垒，给多屏互动的智慧教室建设带来了诸多的不便。为此，本发明提供了
[0062] 为此，本实施例二在实施例一的基础上，还进一步的提供了一种优选的实施方式。
[0063] 在本实施例二中，所述教学设备包括智慧黑板和多个学生用屏幕，所述多媒体讲台包括混合矩阵，所述混合矩阵分别连接所述触摸屏、OPS电脑和智慧黑板和多个学生用屏幕；
[0064] 对应的，所述OPS电脑设置有触控整合器；所述教学综合控制系统包括触控整合模块，所述触控整合模块用于触摸屏和智慧黑板、触摸屏和多个学生用屏幕的多屏交互，所述触控整合模块用于触摸屏和移动终端的通信与交互。
[0065] 在本发明中，混合矩阵是可以根据需求将任意信号源定向的切换输出至任意目标终端的专业设备。混合矩阵的类型有很多，数字高清混合矩阵等等，一些类型，所以接口的类型就有很多种。SDI接口；DVI接口；HDMI接口；VGA接口；YPBPR分量接口；网口；AV接口；S‑端子接口；RJ45接口；RS232接口等一些常见接口。
[0066] 如图2所示，其为本发明的触控整合器的连接框图。触摸屏的机身上都有USB‑TOUCH接口，且设备往往自带一根USB线，用来与OPS电脑的USB接口连接，完成触控信号的传输。
[0067] 触控整合器上有多个USB‑Host接口，分别用于来连接触摸屏等机身上的USB‑Touch接口，串口模块用于调试、下载程序等。
[0068] 在一种具体实施中，触控整合器采用Linux操作系统，Linux内核中有USB驱动程序，可以实现与USB设备通信。如图3所示，从Linux主机侧观看USB驱动总体结构，其由上至下依次包括连通的USB Device Driver Mass Storage/CDC/HID、USB Core、USB Host Controller Driver OHCI/EHCI/UHCI、USB Host Controller OHCI/EHCI/UHCI。主机侧的USB控制器被称为Host Controller，每条总线上只有一个Host Controller，连接在总线上的设备需要Host Controller协调其与主机间的通信，不能在没有Host Controller的协调下主动向主机发送任何信息。
[0069] 结合图3，看出USB的拓扑结构采用树形，USB Host Controller硬件层处于USB驱动结构的最底层，在其上运行的是USB Host Controller Driver层，USB Host Controller Driver层上面是USB Core层，最上层是USB Device Driver层口。因此，USB Host Controller Driver和USB Device Driver是在Linux主机侧需要实现的两类USB驱动。USB Host Controller Driver的主要功能是控制接主机USB总线的USB设备；USB Device Driver的主要功能是控制设各与主机间的通信方式。Linux内核中的USB Core非常重要，它是USB Device Driver和USB Host Controller Driver知之间的桥梁，向上可以为USB Device Driver提供编程接口，向下可为USB Host Controller Driver提供编程接口。除此之外，USB Core还负责对设备热插拔、总线，数据传输等方面进行控制。
[0070] 在具体实施中，触摸屏等均属于HID类设备，只需要配套相应的USB HID DEVICE DRIVER即可，该驱动程序用于为触摸屏产生对应的设备文件，应用层程序可以直接从该设备文件读数据，来实现触控整合器与触摸屏、智慧黑板灯的通信，实现触控信号的输出。
[0071] 实施例三
[0072] 预警系统是智慧教室的重要组成部分，预警系统可以帮助教师、校园安保人员等迅速锁定紧急情况并第一时间做出有效反应。将物联网等新一代信息技术应用到学校安防领域，可以大幅降低事故发生率，保障师生生命财产安全。
[0073] 为此，本发明的教学综合控制系统包含如下技术效果：
[0074] (1)教室学生检测和行为识别
[0075] 通过教室学生检测和行为识别，可以很好地了解教师的教学活动和学生的学业发展情况，并能够很好地反映学员的上课行为，进而提升课堂教学质量。同时上课期间，实时判别到课人数和学生行为，为老师节省掉查勤的时间和发现逃课的学生情况，通过检测结果也可以更方便、快捷的搜寻到学生的上课质量情况，不用花费多余精力去维持课堂纪律，极大的提升了教学质量。
[0076] 为此，所述环境设备包括用于监控教室内部环境的监控摄像头；
[0077] 所述教学综合控制系统包括视频处理模块，所述视频处理模块与所述监控摄像头连接，所述视频处理模块用于获取监控摄像头的视频数据，以对教室内进行异常监控；
[0078] 所述教学综合控制系统包括警报模块，所述警报模块与所述视频处理模块连接，所述警报模块根据所述视频处理模块发出的异常结果进行异常信息推送。
[0079] (2)精准防护人的不安全因素
[0080] 教学综合控制系统对教室及实训室内设备被盗有预警作用。采用高清摄像头和远红外传感器，能够检测教室内是否有人在现场。如果人以非正常途径或在夜间进入教室等，系统就会发出报警信号，第一时间做出相应的反应。
[0081] 为此，所述环境设备包括红外线传感器，所述红外线传感器用于对教室进行入侵监测。所述警报模块用于按预设时间自动开启红外传感器，且所述警报模块用于获取红外传感器的检测信号，并根据检测信号发出警报信息。
[0082] (3)有效预防环境的不安全因素
[0083] 由于本发明主要针对教室及实训室等普通场所，而非化学实验室等高危场所，因此考虑的环境安全因素主要是火情。教学综合控制系统采用高清摄像头、温度传感器和烟感传感器双重检测，可以有效预防火情发生。
[0084] 为此，所述环境设备包括温度传感器和烟感传感器；所述警报模块用于获取温度传感器和烟感传感器的检测信号，并根据检测信号发出警报信息。
[0085] 在一种具体实施中，所述视频处理模块用于获取监控摄像头的视频数据，以对教室内进行异常监控。具体包括如下第一种视频分析处理步骤：
[0086] S100、获取监控摄像头的视频数据。
[0087] 在本发明中，视频数据是指连续的图像序列，其实质是由一组组连续的图像构成的。帧(Frame)是组成视频的最小视觉单位，是一幅静态的图像。将时间上连续的帧序列合成到一起便形成动态视频。对于帧的描述可以采用图像的描述方法。
[0088] 具体的，视频处理模块通过混合矩阵直接监控摄像头的视频数据即可。
[0089] S200、对视频数据进行目标物识别，所述目标物为人体。
[0090] 在本发明中，视频数据的AI识别算法较为普及，是本领域技术人员可实现的。
[0091] 在一种具体实施中，可以采用现有技术中，基于深度卷积神经网络(deep convolutional neural networks,Deep CNN),采用YoLov5单阶段目标检测算法架构对目标物进行识别，该算法均值权重文件更小，训练时间和推理速度短，更符合教室的场景需要。
[0092] 通过TensorRT加速工具部署加速YoLov5模型，有效降低参数冗余，减少存储占用和计算复杂度,使之能加载到多媒体讲台的OPS电脑中,在提升OPS电脑处理速度时降低能耗。通过TensorRT加速后的YoLov5模型可实现近20倍加速，达到45帧每秒的运算速度足实时性要求且准确率高。
[0093] S300、当识别所述视频数据中存在目标物时，采用多任务级联卷积神经网络算法对目标物的头部检测、手部检测和手部持有物检测，输出目标物的头部检测框、手部检测框和手部持有物检测框。
[0094] 在一种具体实施中，先识别视频帧中的人体图像，在所述人体图像中识别检测出头部、手部和手部持有物，以及他们的特征点定位，用于确定人员的头部、手部及手部持有物的位置。然后根据手部位置计算出耳部区域位置，采用自适应肤色模型提取该区域的手部位置。
[0095] 其中，通过多任务级联卷积神经网络(MTCNN)实现人体的头部、手部和手部持有物检测及特征点定位，并且通过级联低复杂度的卷积神经网络实现头部、手部和手部持有物的检测任务，具有更低计算复杂度，更好的鲁棒性及实时性。
[0096] 在一种具体实施中，MTCNN算法总流程分为三个阶段。首先需要将视频帧初始化成不同尺寸大小的图像形成图像金字塔作为级联CNN的输入。提案网络阶段(Proposal Network,P‑Net)将大量视频帧样本通过低复杂度的浅层CNN快速提取头部、手部及手部持有物及特征点候选窗口。优化网络阶段(Refine Network,R‑Net)采用非极大值抑制和边界框回归向量去除大量的非头部、手部、手部持有物的区域。输出网络阶段(Output Network,O‑Net)采用深层高复杂度的CNN更精确的提取最优头部、手部、手部持有物区域以及特征点位置。
[0097] 具体的，人体特定部位的识别算法是本领域技术人员可实现的，且也是本领域技术人员基于本发明的记载可实施的，在此不过多说明。
[0098] 而当未识别视频数据中存在目标物时，则重新循环执行S200。
[0099] S400、采样预设规则，基于头部检测框和手部检测框，输出行为判别结果。
[0100] 在一种具体实施中，步骤S400包括如下步骤：
[0101] 410：获取视频数据，视频数据包括M个时间连续的视频帧，M为大于10的整数。
[0102] 在本发明中，M的数量可以根据监控摄像头设置的帧数确定的，帧数就是在一秒钟时间里传输图片的张数，通常用fps(即帧每秒)表示。
[0103] 在一种具体实施中，摄像视频可以采用25～30帧每秒，M可以是10、15、20等等。常规视频中，一秒钟是24帧，M大于10满足一般视频的需要。
[0104] 420：识别第N视频帧中，所述手部检测框在所述第N视频帧中相对头部检测框的相对位置，得到第N视频帧的位置识别结果，N为大于0的整数。
[0105] 在一种具体实施中，所述位置识别结果包括上方、下方、左方和右方；可以理解的时，上方是指手部检测框相对位移头部检测框的上方，下方是指手部检测框相对位移头部检测框的下方，左方是指手部检测框相对位移头部检测框的左侧，右方是指手部检测框相对位移头部检测框的右侧。
[0106] 因视频帧实际是静态画面，是平面图像，为此，在具体实施中，算法实现上，可以在图像中建立含有X轴和Y轴的平面直角坐标体系，通过以头部检测框为平面直角坐标体系的原点，以头部检测框的正右方为x轴的正向，以头部检测框的正上方为Y轴的正向。
[0107] 在具体实施中，在平面直角坐标体系中划分上方、下方、左方和右方的四个区域，具体的，平面直角坐标体系中，以y＝x、y＝‑x的函数图像将平面直角坐标体系上方、下方、左方和右方的四个区域。
[0108] 举例说明，在平面直角坐标体系中，y＞0，y＝x和y＝‑x的函数图像之间所形成区域，即为上方区域，以此类推，y＜0，y＝x和y＝‑x的函数图像之间所形成区域，即为下方区域，以此类推。当手部检测框落入上方区域时，即可得到手部检测框位于头部检测框上方的位置识别结果。
[0109] 在另一种实施中，为了提高容错率，可以采用以y＝0.5x、y＝‑0.5x/y＝0.6x、y＝‑0.6x/y＝0.x、y＝‑0.7x的函数图像将平面直角坐标体系上方、下方、左方和右方的四个区域，划分的方法和上述相同。
[0110] 需要说明的是，普通人在正常行走或提物行走时，在平面图像中，手部普遍是位于头部下方区域的，即识别得到是手部检测框位于头部检测框上方的位置识别结果。而当打架斗殴等异常事件时，手部的位置多处于非下方的位置，如手持物品进行打砸、手部进行拳打的姿态等等。本技术正是利用该规律进行分析人体的异常姿态，以对行人进行初步分析。
[0111] 在一种优选实施中，M个时间连续的视频帧是指时间上的连续性，而不是限定在视频帧的顺序排序。例如，从第一秒中提取M1、M2、M3、M4、M5的视频帧，从第二秒钟提取M6、M7、M8、M9、M10的视频帧、从第三秒钟提取M11、M12、M13、M14、M15的视频帧。通过对均匀的从若干秒钟提取等数量的视频帧，以此进行分析得到的结果更为准确。
[0112] 这是因为打架斗殴是持续一段时间的行为，若仅从一秒中提取M个数量的视频帧，则容易干扰准确性，如行人的一些日常动作(挥手、驱赶头部蚊虫、头部/二部/脸部等瘙痒进行抓绕等等)。
[0113] 430：重复上述步骤，得到多个时间连续的视频帧的多个位置识别结果。
[0114] 采用步骤S420的技术，对多个时间连续的视频帧的位置识别结果。
[0115] 440：统计多个位置识别结果，当位置识别结果为预设位置时，异常统计数加1。
[0116] 在具体实施中，预设位置为非下方的位置，包括上方、左方和右方。
[0117] 451：当异常统计数大于等于预设数值时，输出异常行为结果。
[0118] 452：当异常统计数小于预设数值时，输出正常行为结果。
[0119] 在一种具体实施中，所述预设数值＝M*百分比(40％～90％)，百分比可以根据实际需要进行设置的。利用待分析的视频帧的数量，以此分析异常统计数是否存。
[0120] 当异常统计数大于等于预设数值时，输出异常行为结果，这代表行人存在打架斗殴或者其他异常的行为。而当异常统计数小于预设数值时，输出正常行为结果，可以提高识别准确性，降低其他行为的干扰。
[0121] S500、采用物品识别算法，对手部持有物检测框的手部持有物进行识别，得到手部持有物的危险物品判别结果。
[0122] 在一种具体实施中，所述危险物品判别结果包括危险物品结果和常规物品结果。
[0123] 在一种具体实施中，针对危险物品的识别算法是本领域现有技术，是本领域技术人员可实现的，在此不过多说明。
[0124] 在一种具体实施中，对手部持有物的识别，主要包括可能明显地危害人身健康、安全或对财产造成损害的物品，如刀具、枪支、如棍状的柱状物品等等，具有三维实物构造的物品。当识别手部持有物为上述物品时，则输出危险物品结果。当不属于上述物品时，则输出常规物品结果。
[0125] S600、根据行为判别结果和危险物品判别结果，输出异常结果。
[0126] 在具体实施中，S610：当所述异常行为判别结果为危险物品结果或所述行为判别结果为异常行为结果时，输出异常结果。可以根据情况，输出不同级别的异常结果。如仅存在行为判别结果时，为严重异常结果；当存在危险物品判别结果时，为紧急异常结果。当同时存在时，为重大突发事件异常结果。
[0127] S620：当异常行为判别结果为常规物品结果和所述行为判别结果为正常行为结果，重新视频分析步骤。
[0128] 在一种具体实施中，警报模块在重大突发事件异常结果发生时，可以同步及时的联系警方、医院或消防部门等。同时，还将告警信息发送至指定移动终端，如学校管理人员的手机。另一方面，管理人员可以通过可视化后台实施调取相应监控进行查看，核实情况，当情况为误报时，则可以取消告警。
[0129] 通过行为判别结果和危险物品判别结果的组合技术，行为判别结果能够较为可靠的识别出异常行为，而利用危险物品判别结果进行兜底检测，以及时发现携带危险物品的人员进行控制和告警。
[0130] 实施例四
[0131] 本实施例四在实施例三的基础上，在一种具体实施中，所述视频处理模块用于获取监控摄像头的视频数据，以对教室内进行异常监控。具体包括如下第二种视频分析处理步骤：
[0132] S1000：定义学生行为，所述学生行为包括正常听讲(head)、站立(stand)、睡觉(sleep)以及玩手机(phone)。
[0133] 听课：学生坐姿较为端正；抬头看黑板；低头做笔记。
[0134] 站立：学生身体笔直；弯腰站立。
[0135] 睡觉：学生头趴在桌子上；双手抱头在桌上。
[0136] 玩手机：学生双手拿手机；低头看手机。
[0137] S2000：获取上课时间的课堂视频数据。
[0138] 在具体实施中，可以根据学校上课时间对视频处理模块进行设定，在周一至周五的上课时间内，对相应的视频数据执行第二种视频分析处理步骤。
[0139] S3000：基于YOLOv5算法作为多目标检测和行为识别框架，对视频数据进行学生行为的识别。
[0140] 如图4所示，其为学生课堂行为识别模型。YOLOv5的识别分类流程首先将视频流中的单帧图像作为输入，经过P1至P5的backbone网络，将图片的特征抽象化，包含着更多的语义信息，有利于分类，而低层的特征包含了纹理边缘等特征，包含更多的位置信息，通过Neck层、将低层与高层的信息进行融合，最后生成3种尺度的特征图，分别经过了8倍、16倍、32倍的下采样，感受野随着采样倍速逐渐增大，检测到目标尺寸也逐渐增大。
[0141] 特征图的每个网格均会在先验框的基础上预测3个边界框，每个边界框输出7个信息，包括目标中心点相对与位置的偏移量tx与ty、宽高tw与th、目标置信度以及目标分别属于教室各类行为状态的概率，之后对输出的数据进行后处理，还原至原图像中，得到相对于原始图像归一化的目标位置bx、by和宽高数值bw、bh。
[0142] 目标在图像的位置计算公式如下：
[0143] bx＝2σ(tx)‑0.5+cx；by＝2σ(ty)‑0.5+cy；
[0144] 其中，cx、cy为该点所在网络的左上角距离最左上角的相差的网格数。σ()为sigmoid函数，将边界框中心点约束在当前网格中。
[0145] 目标在图像中的实际宽高计算公式如下所示：
[0146] bw＝pw(2σ(tw))2；bh＝ph(2σ(th))2；
[0147] 其中，pw、ph为先验框的宽和高。最后对预测出的边界框按照置信度排序进行非极大抑制筛选，得到最后的目标位置和分类结果。
[0148] S4000：输出视频数据中存在的全部学生行为。
[0149] S5000：根据目标行为，输出标记结果；所述目标行为包括玩手机。
[0150] 当识别结果中包括玩手机时，对相关对象的检测框进行标记，并将相应的视频数据输出。
[0151] 实施例五
[0152] 本实施例五提供了一种智慧校园系统，所述智慧校园系统包括多个部署在不同教室中的教学综合控制平台，还包括控制中台，所述控制中台与每个教学综合控制平台的OPS电脑连接。
[0153] 控制中台相当于校园的总控制台，通过和每个教室的教学综合控制平台连接，统一管理和调度教室内的各种设备和资源，实现集中化控制。提供远程维护和系统升级功能，以确保系统的持续高效运行。
[0154] 本实施例所述一种教学综合控制平台、智慧校园系统的其它结构参见现有技术。
[0155] 以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，故凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
