基于深度学习的高中学生课堂坐姿识别研究

随着人工智能技术在教育领域的不断交叉融合，校园信息化和网络化逐渐由数字化转向智能化。通过机器自动识别学生的课堂行为活动可帮助教师高效精准地获取学生课堂状态，并进行科学分析。近年来，高中生由长期不良坐姿导致的脊柱侧弯和近视比例不断攀升，对青少年的身体健康产生巨大的威胁。本文通过深度学习技术对深圳某高中采集的225名学生的9种正确及不良坐姿的图片数据进行处理和模型训练，分别使用Densenet和Xception网络获得7种坐姿80%以上的准确率，并将其用于学生课堂状态识别，有效助力学生课堂坐姿的提醒。