一种基于多视图深度行为识别的在线学习行为识别方法及系统

本发明涉及教育信息化技术领域，尤其涉及一种基于多视图深度行为识别的在线学习行为识别方法及系统。该方法通过获取学生在线学习时的正面与侧面RGB视频数据及骨架数据，经过预处理后，利用深度学习技术提取视频和骨架数据的特征向量，使用模态间循环生成对抗网络进行视频与骨架数据的特征对齐，得到总融合特征向量，将融合特征向量输入多层感知机进行分类，最终输出学生的学习行为分类结果。本发明能够有效地融合不同视角和模态的数据，提升在线学习行为识别的准确性与可靠性。通过多视角和多模态信息的结合，不仅能够全面捕捉学生的行为状态，还能为个性化学习推荐、行为预测等提供精确数据支持。