基于OA-YOLOv8的学生课堂行为识别方法研究

来源：计算机测量与控制杂志2026年第6期北京时间：

作者：郭婷,闫佳,王瑞

单位：西安明德理工学院 信息工程学院

摘要：针对现有基于视觉的方法因实际课堂环境中的遮挡问题导致特征模糊、准确率下降，设计了一种改进的YOLOv8的学生课堂行为识别模型OA-YOLOv8。在YOLOv8s模型的Head结构中，并行引入一个辅助遮挡预测头OPH。通过在线数据增强策略，动态模拟不同程度的遮挡并生成代理遮挡标签，以监督OPH模块的学习，模型将遮挡程度作为一项类别属性进行预测，从而缓解因遮挡引发的特征模糊问题。通过采用SCB课堂行为数据集上进行了实验验证，实验结果表明OA-YOLOv8的精度（mAP@0.5和mAP@0.5:0.95）相较于基线YOLOv8s分别提升了4.6%和3.2%；在中度和重度遮挡场景下，模型性能分别提升了6.2%和8.8%；在区分相似视觉特征的细粒度行为时，平均精度提升了4.9%。该模型有效提升了在复杂遮挡环境下学生课堂行为识别的准确性和鲁棒性，为智慧校园建设中的个性化教学分析反馈提供了更可靠的技术支持。

关键词：学生行为识别;遮挡预测;YOLOv8;目标检测;智慧校园

基金资助：明德创新(2024MDY04)