摘要学生课堂行为检测是智能教育监控系统中的关键任务对于教学质量评估、学生注意力分析和课堂管理具有重要意义。本研究基于YOLO26目标检测算法构建了一个包含6类常见课堂行为举手、阅读、写字、使用手机、低头、趴桌的检测系统。实验数据集包含训练集1422张图像、验证集203张图像和测试集407张图像。实验结果表明该系统在IoU0.5阈值下的平均精度(mAP0.5)达到0.905其中“使用手机”和“趴桌”两类行为的F1分数接近0.97表现最为优异。混淆矩阵分析显示“阅读”和“写字”两类行为存在一定混淆而“举手”行为有35%的概率被误识别为背景表明该类别的特征提取仍有改进空间。本研究验证了YOLO26在学生课堂行为检测任务中的有效性为后续智能课堂监控系统的开发提供了参考。目录摘要详细功能展示视频功能模块1、用户管理模块2、界面与交互模块3、检测源管理模块4、检测参数配置模块5、YOLO检测核心模块6、结果显示模块7、结果保存模块8、工具栏功能9、辅助功能10、数据校验模块引言背景数据集介绍数据集规模类别定义训练结果Ultralytics YOLO26概述主要功能常用标注工具详细功能展示视频功能模块✅用户登录注册支持密码检测密码加密。注册登录✅图片检测可对图片进行检测返回检测框及类别信息。✅支持选择检测目标可以选择一个或者多个类目的目标进行检测✅参数实时调节置信度和IoU阈值✅视频检测支持视频文件输入检测视频中每一帧的情况。✅摄像头实时检测连接USB 摄像头实现实时监测。✅日志记录日志标签页记录操作和错误信息带时间戳✅结果保存模块支持图片/视频/摄像头检测结果保存1、用户管理模块功能描述用户注册用户名、密码、确认密码、邮箱选填注册密码SHA256加密存储用户登录用户名密码验证自动跳转主界面用户数据存储JSON文件存储用户信息密码加密、注册时间、邮箱登录状态主界面显示当前登录用户名2、界面与交互模块功能描述玻璃效果界面半透明毛玻璃背景圆角边框现代化视觉风格无边框窗口自定义标题栏支持窗口拖动、最小化、最大化、关闭响应式布局主窗口三栏布局左侧控制区、中央显示区、右侧信息区状态栏显示设备信息、模型状态、当前用户、实时时间3、检测源管理模块功能描述图片检测支持JPG/JPEG/PNG/BMP格式图片载入视频检测支持MP4/AVI/MOV/MKV格式视频载入摄像头检测实时调用摄像头默认ID 0进行检测检测源切换下拉菜单切换三种检测模式自动更新界面状态4、检测参数配置模块功能描述置信度阈值滑动条调节0-100%步长1%实时显示当前值IoU阈值滑动条调节0-100%步长1%实时显示当前值类别选择动态生成检测类别复选框支持全选/取消全选参数同步参数实时同步到检测器核心5、YOLO检测核心模块功能描述模型加载加载best.pt模型文件自动检测GPU可用性支持CPU/GPU切换多模式检测图片检测、视频检测、摄像头实时检测检测线程基于QThread的多线程处理避免界面卡顿检测结果返回目标类别、置信度、边界框坐标FPS计算实时计算处理帧率进度反馈视频处理进度条实时更新6、结果显示模块功能描述实时画面中央区域显示检测结果图像带标注框统计信息检测状态、目标数量、FPS、处理帧数实时更新检测列表右侧列表显示当前帧所有检测到的目标类别置信度日志记录日志标签页记录操作和错误信息带时间戳占位显示未选择检测源时显示系统LOGO和提示文字7、结果保存模块功能描述保存开关复选框控制是否保存检测结果路径选择自定义保存路径支持图片/视频格式自动识别自动命名保存文件自动添加时间戳detection_result_20240101_120000.jpg视频保存支持检测结果视频录制MP4格式手动保存工具栏保存按钮可随时保存当前画面保存反馈保存成功弹窗提示日志记录保存路径8、工具栏功能功能描述图片按钮快速切换到图片检测模式并打开文件选择器视频按钮快速切换到视频检测模式并打开文件选择器摄像头按钮快速切换到摄像头检测模式保存按钮手动保存当前显示画面9、辅助功能功能描述错误处理统一错误弹窗提示日志记录错误详情资源清理检测停止时自动释放摄像头、视频文件、视频写入器资源时间显示状态栏实时显示系统时间模型状态状态栏显示模型加载状态和当前设备CPU/GPU10、数据校验模块功能描述注册验证用户名长度≥3密码长度≥6密码一致性检查邮箱格式验证协议确认注册前需勾选同意用户协议文件校验模型文件存在性检查文件大小验证≥6MB输入非空登录/注册时必填项非空检查引言随着人工智能技术在教育领域的深入应用智能课堂监控系统逐渐成为研究热点。学生课堂行为检测作为其中的核心任务能够自动识别学生在课堂上的各种行为表现为教师提供教学反馈帮助学生提高学习效率同时也为教育管理者提供客观的教学质量评估依据。传统的课堂行为观察主要依靠人工记录这种方式不仅耗时耗力而且受观察者主观因素影响较大难以实现大规模、长时间的持续监测。近年来随着计算机视觉技术的快速发展特别是深度学习在目标检测领域的突破使得自动化的课堂行为检测成为可能。YOLO系列算法因其检测速度快、精度高的特点特别适合实时课堂监控场景的应用需求。然而课堂环境复杂多变学生姿态多样光照条件不一加之行为类别间的相似性如阅读和写字给准确检测带来了挑战。本研究旨在通过构建一个基于YOLO26的学生课堂行为检测系统探索该算法在实际课堂环境下的检测性能分析各类行为的识别难点为后续优化提供方向。背景学生课堂行为检测系统的研究与发展源于教育信息化和智能化的深度融合。随着“智慧校园”、“智能教育”等概念的提出如何利用先进技术手段提升教学质量、优化教学管理已成为教育领域的重要课题。从教育学的角度来看学生在课堂上的行为表现直接反映了其学习状态和注意力水平。举手代表参与互动阅读和写字体现学习投入使用手机可能表示分心低头和趴桌则往往暗示疲劳或注意力下降。对这些行为的实时监测和分析可以帮助教师及时调整教学策略提高课堂互动效果。同时长期积累的行为数据也能为教育研究提供有价值的定量分析基础。从技术发展的角度来看课堂行为检测经历了从传统图像处理到深度学习的重要转变。早期的研究主要依赖于人工设计的特征如方向梯度直方图(HOG)、局部二值模式(LBP)等结合支持向量机(SVM)等分类器进行行为识别。这类方法在简单场景下有一定效果但难以应对课堂环境的复杂性和多样性。2012年以来卷积神经网络(CNN)的兴起为图像识别带来了革命性变化。目标检测算法从R-CNN、Fast R-CNN发展到YOLO、SSD等单阶段检测器检测速度和精度不断提升。特别是YOLO26作为YOLO系列的最新版本在保持实时检测优势的同时进一步提升了检测精度和小目标识别能力非常适合课堂行为检测这类需要同时关注多个学生、多种行为的应用场景。当前课堂行为检测仍面临诸多挑战学生姿态变化大、遮挡严重、光照不均、行为类别间相似度高、样本类别不平衡等。如何提高模型在复杂场景下的鲁棒性如何更好地区分相似行为如何处理类别不平衡问题都是本研究需要重点关注的方向。数据集介绍数据集规模本研究所使用的课堂行为数据集共包含2032张标注图像按照约7:1:2的比例划分为训练集、验证集和测试集具体分布如下训练集1422张图像验证集203张图像测试集407张图像类别定义数据集共包含6类学生课堂行为分别为举手(hand-raising)学生单臂或双臂举起表示提问或回答问题阅读(reading)学生注视书本或阅读材料写字(writing)学生持笔在纸张或笔记本上书写使用手机(using phone)学生手持手机或低头注视手机屏幕低头(bowing the head)学生低头但不涉及手机使用可能是在思考或疲劳趴桌(leaning over the table)学生头部趴在桌面上通常表示疲劳或注意力分散训练结果1、总体性能评估1.mAP0.5 和 mAP0.5:0.905mAP0.5 最高达到 0.97见 BoxF1_curve说明模型在IoU0.5时表现非常好。mAP0.5:0.95 在训练后期达到 0.145见 results.png说明模型在更严格的IoU阈值下仍有不错的表现但还有提升空间。2.精度与召回率精度Precision和召回率Recall在训练后期稳定在0.05左右见 results.png这可能是因为数据量较大或标签不平衡导致指标偏低。但从BoxPR_curve.png看所有类别的 Recall 都接近 1.0说明模型能较好地找出正样本。2、类别表现分析1.F1-Confidence 曲线BoxF1_curve所有类别的最高 F1 分数为 0.97出现在 confidence0.5 左右。各类别表现均衡“using phone” 和 “leaning over the table” 表现最好F1 分数接近 0.97。2.召回率曲线BoxR_curve所有类别的召回率在 confidence0 时达到 0.90说明模型在低阈值下能识别出大部分目标。随着 confidence 提高召回率下降符合预期。3.精度-召回率曲线BoxPR_curve所有类别的 Recall 几乎都接近 1.0说明模型在大多数情况下都能正确识别目标。mAP0.5 达到 0.905说明模型在 IoU0.5 时表现良好。3、混淆矩阵分析1.原始混淆矩阵confusion_matrix.png“hand-raising” 类别被误识别为背景background较多213次说明该类别容易被忽略。“reading” 和 “writing” 之间有一定混淆如 reading 被误识别为 writing 97次说明这两类行为视觉上相似。“using phone” 和 “bowing the head” 识别准确率高误识别少。2.归一化混淆矩阵confusion_matrix_normalized.png“hand-raising” 的正确识别率仅为 0.64有 0.35 被误识别为背景说明该类别的特征不够明显或样本不足。“reading” 正确率为 0.90表现良好。“writing” 正确率为 0.84但部分被误识别为 reading。“using phone” 和 “bowing the head” 正确率分别为 0.91 和 0.98表现优异。背景类别background被误识别为其他类别的比例较低说明模型对背景的判断较为准确。4、训练过程分析results.png训练损失train/box_loss, train/cls_loss, train/dfl_loss持续下降说明模型收敛良好。验证损失val/box_loss, val/cls_loss, val/dfl_loss在后期略有波动可能存在轻微过拟合。mAP0.5 和 mAP0.5:0.95 在后期仍在缓慢上升说明模型仍有学习空间。Ultralytics YOLO26概述Ultralytics YOLO26 是 YOLO 系列实时对象检测器的最新演进从头开始专为边缘和低功耗设备而设计。它引入了简化的设计消除了不必要的复杂性同时集成了有针对性的创新以实现更快、更轻、更易于访问的部署。YOLO26 的架构遵循三个核心原则简洁性:YOLO26是一个原生的端到端模型直接生成预测结果无需非极大值抑制NMS。通过消除这一后处理步骤推理变得更快、更轻量并且更容易部署到实际系统中。这种突破性方法最初由清华大学的王傲在YOLOv10中开创并在YOLO26中得到了进一步发展。部署效率端到端设计消除了管道的整个阶段从而大大简化了集成减少了延迟并使部署在各种环境中更加稳健。训练创新YOLO26 引入了MuSGD 优化器它是SGD 和MUON的混合体——灵感来源于 Moonshot AI 在 LLM 训练中Kimi K2的突破。该优化器带来了增强的稳定性和更快的收敛将语言模型中的优化进展转移到计算机视觉领域。任务特定优化YOLO26 针对专业任务引入了有针对性的改进包括用于Segmentation的语义分割损失和多尺度原型模块用于高精度姿势估计的残差对数似然估计 (RLE)以及通过角度损失优化解码以解决旋转框检测中的边界问题。这些创新共同提供了一个模型系列该模型系列在小对象上实现了更高的精度提供了无缝部署并且在CPU 上的运行速度提高了 43%— 使 YOLO26 成为迄今为止资源受限环境中最实用和可部署的 YOLO 模型之一。主要功能DFL 移除分布式焦点损失DFL模块虽然有效但常常使导出复杂化并限制了硬件兼容性。YOLO26 完全移除了 DFL简化了推理过程并拓宽了对边缘和低功耗设备的支持。端到端无NMS推理与依赖NMS作为独立后处理步骤的传统检测器不同YOLO26是原生端到端的。预测结果直接生成减少了延迟并使集成到生产系统更快、更轻量、更可靠。ProgLoss STAL改进的损失函数提高了检测精度在小目标识别方面有显著改进这是物联网、机器人、航空影像和其他边缘应用的关键要求。MuSGD Optimizer一种新型混合优化器结合了SGD和Muon。灵感来自 Moonshot AI 的Kimi K2MuSGD 将 LLM 训练中的先进优化方法引入计算机视觉从而实现更稳定的训练和更快的收敛。CPU推理速度提升高达43%YOLO26专为边缘计算优化提供显著更快的CPU推理确保在没有GPU的设备上实现实时性能。实例分割增强引入语义分割损失以改善模型收敛以及升级的原型模块该模块利用多尺度信息以获得卓越的掩膜质量。精确姿势估计集​成残差对数似然估计​(RLE)以实现更精确的关键点定位并优化解码过程以提高推理速度。优化旋转框检测解码引入专门的角度损失以提高方形物体的检测精度并优化旋转框检测解码以解决边界不连续性问题。常用标注工具假设您现在准备好进行标注。有几种开源工具可以帮助简化数据标注流程。以下是一些有用的开放标注工具Label Studio一个灵活的工具支持各种标注任务并包含用于管理项目和质量控制的功能。 CVAT一个强大的工具支持各种标注格式和可定制的工作流程使其适用于复杂的项目。 Labelme一个简单易用的工具可以快速标注带有多边形的图像非常适合简单的任务。 LabelImg: 一款易于使用的图形图像标注工具特别适合以 YOLO 格式创建边界框标注。这些开源工具经济实惠并提供一系列功能来满足不同的标注需求。界面核心代码详细功能展示视频