基于SVM和OpenCV的学生异常行为识别监测系统设计

为提升高职院校学生管理的智能化和自动化程度,基于线性分类SVM方法设计了无教师值守状态下学生异常行为预测识别模型,详细分析了学生异常行为特征变量选取、类别标签设置和训练测试方法;以SVM预测识别模型为基础,引入OpenCV人脸识别算法设计了学生异常行为监测系统,对系统功能模块、硬件设施等进行了阐述。最后对系统应用效果进行了测试,结果表明:该系统能够自动识别学生异常离校、异常跌倒、异常俯身、上课玩手机等行为,异常行为监测精准度、异常行为抓取识别时间、异常行为计算判定时间等指标均符合预期。