《人类行为识别》课程教学大纲.docx

《《人类行为识别》课程教学大纲.docx》由会员分享，可在线阅读，更多相关《《人类行为识别》课程教学大纲.docx（7页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、人类行为识别教学大纲一、课程基本信息课程名称人类行为识别Human Behavior Recognit ion课程编码CST521621015开课院部计算机科学与技术学院课程团队计算机视觉教学团队学分1.5课内学时32讲授8实验0上机24实践课外学时0适用专业智能科学与技术授课语言中文先修课程计算机视觉课程简介 （限选）本课程为面向计算机科学与技术学院智能科学系开设的专业必修课.针对本科高年级学生.学习完整的人类行为识别基础理论。要求 学生熟悉数字信号与多媒体对象、尤其是图像的处理方法，建议选修、非必要的前置课程可包括：人工智能导论、机器学习、图形图像智 能分析技术、计算机视觉等。人类行为识别

2、是计算机视觉一个更要的研究方向，本课程介绍人类行为识别的基本问题.帮助学生掌握该领域的基本概念，基础知识 和基本方法.为从事相关领域研究打开一扇大门。课程还通过经典文献阅读、经典算法与应用的聆证.锻炼学生在计算机科学领域的学习 与探索能力。并且以课程专业知识点为主，挖掘课程知识点与思政元素的融合点为目标，利用思政案例、使学生在掌握专业知识的同时, 培养学生树立正聃的价值观和深入理解社会主义核心价值观等，This course is a professional required course for the Department of Intel 1igence Science of the

3、Col lege of Computer Science and Technology. It is aimed at senior undergraduate students and learns a complete basic theory of human behavior recognition. Students are required to be familiar with digital signals and multimedia objects, especially Image processing methods. It is suggested that opti

4、onal and unnecessary pre-courses can include: Introduction to Artificial intelligence, machine learning, intelligent analysis technology of graphics and images, computer vision, etc.Human behavior recognition is an important research direction of c-Slreum和C3D两大流派 的思想及代表算法/2讲授/四、港核方式序号考核环节操作细节总评占比1课后

5、作业主要考察学生对课后作业的完成情况，包括在限定时间之前完成并能够完成作业要求的所有项目20S2平时表现主要考察出勤率.在课堂上回答问题等交互情况等10%3期末考试主要考核学生对本门课程重点介绍的知识点的掌握情况70%五、评分细则序号课程目标考核环节大致占比评分等级1Ml期末考试60%A-按时提交作业，基本知识点理解无误.B-按时提交作业，基本知识点理解存在少量错误。C-按时提交作业，基本知识点存在有限的错误。不能按时提交作业,基本知识点存在一些错误” E-不能按时提交作业，存在大量错误。2Ml平时表现40%（见试卷评分标准）3M2课后作业60%A-按时提交作业，基本知识点理解无误。B-按时提

6、交作业，基本知识点理解存在少量偌误。Q按时提交作业，基本知识点存在有限的错误。D-不能按时提交作业，基本知识点存在一些错误。E-不能按时提交作业，存在大量错误。4M2平时表现40%（见试卷评分标准）5M3期末考试100%（见试卷评分标准）评分等级说明：A, B, C, D, E=90-100,80-89,70-79,60-69,0-59; A, B, C, D=90-100,75-89,60-74,0-59: A, B, C-90-100,75-89,60-74,0-59: A, B=80-100,0-79六、教材与参考资料序号教学参考资料明细1期刊论文|A Review of Human A

7、ctivity Recognition Methods, Michalis Vrigkas, Christophoros Nikou and Ioannis A. Kakadiaris, Front. Robot. AI, 2015.2期刊论文【3D skeleton-based human action classification: A survey, Liliana Lo Presti, Marco La Cascia, Pattern Recognition, 2016.3期刊论文【A survey on vision-based human action recognition, Ronald Poppe, Image and Vision Computing, 2010.