[toc]
本项目基于PaddlePaddle和EasyDL平台，以教务处和学工为一级用户，高校教师为二级用户，针对提升整体课堂教学质量为目的开发的一款实时课堂监测系统。
本项目主要监测课堂的出勤人数、学生的上课状态、教师的语速、情感，以及语言的用词方面。项目中语音的模型均采用EasyDL平台进行训练，调用在线API进行预测分析。而图像模型由于在线API无法达到实时性的要求，采用本地训练Paddle模型库中的模型并使用。
CPU：Intel 酷睿 I7-7700 四核8线程
内存：三星 DDR4 16G
GPU：NVIDIA GTX1070 8G
OS： Windows 10
IDE：PyCharm 2019.2.4
ffmpeg（需要加入环境变量）
Python 3.7
CUDA10 CUDNN7.3
baidu_aip==2.2.18.0 jieba==0.39 opencv_python==4.1.1.26 requests==2.22.0 PyMySQL==0.9.3 paddlepaddle_gpu==1.6.0.post107 numpy==1.16.5 Pillow==6.2.0 PyQt5==5.10.1
EasyDL平台的快速训练和快速上线是目前人工智能开发进程中的一大亮点，能够作为项目中的一个在线API进行快速调用。但是在线调用非常受网速限制，对于图片这种体积较大的文件则更加耗时，在实时性方面有待提高。但是本地部署需要企业帐号，对于一部分开发者来说无法实现。如果能将模型下载到本地进行类似SDK的方式调用，将会更好。
| 模型ID | 模型功能 |
|---|---|
| 41825 | 识别学生上课的状态 |
| 26127 | 检测教室内的所有学生 |
| 26080 | 检测教室内不同状态的学生（直接分类物体检测） |
| 26109 | 检测教室内不同状态的学生（删掉模糊的标注） |
| 24516 | 识别教师的讲课的情感（12分类） |
| 25450 | 识别教师的讲课语速（10分类） |
| 42835 | 识别教师的讲课情感（4分类） |
项目中教室内学生的位置检测以及人数统计使用Paddle模型库中的YOLOv3模型
采用我校教务处提供的一周（5天）教学视频为基础，每天视频时长14小时（8：00——22：00，有前后两个摄像头），每隔10分钟截取一张图片，一共289张图片，进行人为手工标准（EasyDL平台上也有相同模型）
在本机上以batch_size=2，一共训练20000轮
在目标检测将学生位置识别出来之后，将这些学生图像单独抠出来放入到图像分类模型中进行分类，分为：正常听课、看手机、睡觉、站立，采用Paddle模型库中的ResNet模型，56层
在上一步目标检测标注完的数据集基础上，将所有学生抠出来保存成单独的图片，进行分类，一共正常：2431张，看手机：1149张，睡觉：189张，站立：56张
为了不让数据样本偏差太大，随机抽取比较平衡的数据量：正常：300张，看手机：300张，睡觉：189张，站立：56张
以batch_size=8，进行100轮的训练
top1 acc=0.7
使用Paddle模型库中Senta情感分类模型进行文字的情感倾向分析
从互联网中查找在课堂场景中的语言文本，分为积极、消极两类
batch_size=256 训练100轮
acc=0.9
+---classroom 教室的监控视频 +---database 数据库相关操作 +---model | +---Classification 图像分类模型 | | +---weight | +---Detection 物体检测模型 | | +---weight | +---Emotion | | +---weight 情感分类模型 | ---KeyWord 敏感词识别 +---resource UI的图片资源文件 +---threads 线程类，用于实时监测 +---util 工具文件 ---view qt界面文件 +---css +---html +---images +---js +---ui
GitHub地址：https://github.com/DragonistYJ/EduWatching.git
项目监控视频链接：因学校教务处要求，视频涉及同学隐私，已删除该链接
需要克隆代码到本地，首先按照requirements.txt中的依赖进行依赖安装
将ffmpeg加入到环境变量中
需要在工程目录中新建classroom文件夹，将教室的监控视频放到classroom文件夹下，按照如下目录格式命名
文件夹序号id从1开始连续增加，前置视频名称为{id}.mp4，后置视频名称为{id}_back.mp4
运行Main.py脚本开始运行项目
本项目中的所有监测功能均采用线程的方式进行识别
对于GPU的调用、UI的刷新都用线程锁进行控制
| 线程 | 功能 |
|---|---|
| ClassBrief | 每隔10秒对所有教室进行一次人数统计 |
| StudentState | 每隔2秒首先监测教室内的人数，然后对于每一个学生进行状态分类 |
| Speech | 每隔5秒对教师的语音进行语音识别，对识别出来的文字进行情感倾向的分类以及敏感词的识别 |
| Speech | 每隔5秒对教师的语音进行情感的分类 |
| Speech | 每隔5秒对教师的语音进行语速的分类 |
| TeacherVideo | 每隔2秒刷新教室后置摄像头的截图 |
总监控页显示了对于所有教室的统筹监控，显示该课堂的基本信息以及教室内的学生人数
用户可以在教学楼栏里按照校区、教学楼、楼层进行筛选
在状态栏里可以根据该教室是上课还是下课进行筛选
在异常栏里只显示到课学生数量不足60%的教室
在本页面中首先展示教室内学生状态的检测，对于玩手机的学生以用红色圈出，睡觉的学生用黄色圈出，站立的学生用蓝色圈出，同时描绘柱状图
下面展示教师的监控视频，检测教师的语速、情感，用折线图显示
右边显示识别出来的教师语音，有情感分析和敏感词识别
在回看列表里面显示已经上过的课程的列表
该功能由于帐号管理问题，未开发完全
在这里可以看到对于一堂课中教师、学生出现的异常状态的记录
该功能由于帐号管理问题，未开发完全
