通过功能丰富的HRNet在智能课堂场景中增强人类姿势估计
Dongxu Li1, Zhaoyu Shou2,3, Xiaohu Yuan1
1School of Information and Communication, Guilin University of Electronic Technology, Guilin, 541004, GuangXi, China.
Scientific reports
|November 25, 2025
概括
本研究引入了一个功能增强的高分辨率网络 (FE-HRNet),用于在复杂的课堂环境中准确地估计人体姿势 (HPE). 这种新的方法改善了关键点的本地化,以便更好地分析学生的行为.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 教育技术的教育技术
背景情况:
- 人体姿势估计 (HPE) 对于智能课堂分析至关重要,但由于学生分布密集而困难.
- 现有的HPE方法在复杂环境中面临特征提取和本地化准确性的挑战.
研究的目的:
- 提出一个先进的人体姿势估计模型,FE-HRNet,以提高复杂课堂场景中的表现.
- 为了提高关键点特征提取和本地化准确性,用于分析学生行为.
主要方法:
- 将Res2Net模块集成到骨干中,用于分层,多尺度的特征表示和扩展的受体场.
- 引入了多尺度卷积注意 (MSCA) 模块,以捕捉多尺度空间环境并以适应方式增强关键特征.
- 在COCO和定制智能课堂姿势 (SCP) 数据集上开发和验证了FE-HRNet模型.
主要成果:
- FE-HRNet模型在复杂,人口密集的课堂环境中展示了优越的姿势估计性能.
- 通过MSCA模块实现了关键点本地化能力的显著改进.
- 在公共和定制数据集上的验证证实了该模型的有效性.
结论:
- 拟议的FE-HRNet有效地解决了复杂场景中现有的HPE方法的局限性.
- FE-HRNet提供了一个强大的解决方案,用于分析学生的行为动态,并为智能教室的教学评估提供信息.
- 开发的模型显示了在教育技术中的现实应用的前景.
