CN103679591A - 一种远程学习状态监测系统及方法 - Google Patents
一种远程学习状态监测系统及方法 Download PDFInfo
- Publication number
- CN103679591A CN103679591A CN201210357691.1A CN201210357691A CN103679591A CN 103679591 A CN103679591 A CN 103679591A CN 201210357691 A CN201210357691 A CN 201210357691A CN 103679591 A CN103679591 A CN 103679591A
- Authority
- CN
- China
- Prior art keywords
- human eye
- learning
- learning state
- image
- face
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供一种可以实时获取学生当前学习状态的远程学习状态监测系统及方法，从而对学生的监控视频图像处理，检测被测对象人脸，定位眼睛等敏感点，分析监督学生是否在电脑前认真听讲，识别他的眼睛和表情与正常听课的状态相符合。远程学习状态监测系统，包括远程学习服务器、学习终端、学习状态监测服务器和视频采集设备，所述视频采集设备与所述学习终端连接，所述学习终端分别与所述学习状态监测服务器和所述远程学习服务器连接。
Description
技术领域
本发明涉及远程教学领域，尤其涉及一种远程学习状态监测系统及方法。
背景技术
在当今社会中网络教育和远程教学已经非常普遍，特别是国家在推行名校老师远程实时授课过程中更加快了远程教学的普及，远程教育的实时性、授教面无地域限制、单次讲课授教人群广、教学成本低等传统教学方式无法比拟的优势也突显出来。但是随着远程教学的普及，远程教育的一些缺点也逐渐显露出来，其中最为明显的就是由于没有老师现场看管，学生在听讲时很容易出现疲惫或瞌睡的情况，从而影响远程授课效果。
发明内容
本发明的目的在于提供一种可以实时获取学生当前学习状态的远程学习状态监测系统及方法，从而解决现有技术中存在的前述问题。为了实现上述目的，本发明采用的技术方案如下：
一种远程学习状态监测系统，包括远程学习服务器、学习终端、学习状态监测服务器和视频采集设备，所述视频采集设备与所述学习终端连接，所述学习终端分别与所述学习状态监测服务器和所述远程学习服务器连接。
优选的，所述学习终端通过有线网络和/或无线网络分别与所述学习状态监测服务器和所述远程学习服务器连接。
优选的，所述学习终端是PC机。
应用所述远程学习状态监测系统的远程学习状态监测方法，包括以下步骤：
S1，所述视频采集设备按照预设时间间隔截取所述学习终端的使用者的监测图像，并将所述监测图像发送到所述学习状态监测服务器；
S2，所述学习状态监测服务器分析所述监测图像，得到人脸图像，判断所述人脸图像中的人眼特征是否具备闭合特征，如果不具备则所述使用者处于正常学习状态，并执行S4，如果具备则所述使用者处于非正常学习状态，并执行S3；
S3，向所述使用者发出提醒信息，并将所述非正常学习状态记录；
S4，继续执行S1，直到当前学习课程完毕后则结束。
优选的，S1前还包括以下步骤：
S01，所述学习状态监测服务器预先构建和维护人脸样本库，并对所述人脸样本库中的人脸样本进行训练，根据所述人脸样本的面部结构生成人脸分类器；
S02，所述学习状态监测服务器构建和维护人眼样本库，并对所述人眼样本库中的人眼样本进行训练，根据所述人眼样本的人眼特征生成人眼分类器。
优选的，S2具体包括以下步骤：
S21，所述学习状态监测服务器接收到所述监测图像后，应用所述人脸分类器用所述人脸样本与所述监测图像相匹配，当匹配结果为所述监测图像中存在人脸图像时，将所述人脸图像分离出来；
S22，对S21分离出来的所述人脸图像进行人眼预定位；
S23，对S21分离出来的所述人脸图像通过人脸对称轴进行人眼精确定位；
S24，对S23中精确定位得到的人眼图像进行眼睛状态识别，取得所述人眼的眼睑是否具备闭合特征，从而判断所述学习终端的使用者是否处于非正常学习状态。
优选的，S22具体包括以下步骤：
S221，采用直方图均衡和阈值调整的图像增强方法，得到所述人脸图像的二值化图像；
S222，应用所述人眼分类器对所述二值化图像进行几何约束，定位出人眼黑块，并框取出所述人眼黑块的最小外接矩形区域，将所述矩形区域作为初步定位出的人眼。
优选的，S23具体包括以下步骤：
S231，对人脸图像采用嘴唇辅助定位法，精确定位人眼，即结合肤色匹配方法，对归一化RGB颜色向量进行有约束的Fisher线性变换，将肤色和唇色区分开，再利用连通成分标示算法标记出嘴唇区域，根据所述嘴唇区域得到人脸对称轴，从而实现人眼的精确定位，得到精确的人眼图像。
优选的，S24具体包括以下步骤：
S241，对S231中取得的精确的人眼图像进行二值化处理，并从二值化处理过的图像中分割出一只人眼，得到精确的人眼黑块的中心高度；
S242，计算得出所述中心高度与S222中得到的所述人眼黑块的最小外接矩形区域的高度的比值；
S243，用所述比值与预设阈值进行比较，当所述比值持续小于所述阈值时则判定所述人眼具备闭合特征，说明所述使用者正在打瞌睡，则所述使用者处于非正常学习状态。
优选的，所述远程学习状态监测方法中还包括，通过获取嘴唇形态和眼睛形态，得到所述使用者的表情状态，再判断所述表情状态是否为正常听课的表情，从而得到所述使用者学习状态的步骤。本发明的有益效果是：
本发明的系统和方法通过对学生的监控视频图像处理，检测被测对象人脸，定位眼睛等敏感点，分析监督学生是否在电脑前认真听讲，识别他的眼睛和表情与正常听课的状态相符合。本发明的系统和方法通过比较眼睛黑块的中心高度占人眼区域分割高度的比值与阈值来判断人眼状态，极大的降低了算法的复杂度。
附图说明
图1是；本发明的远程学习状态监测系统的结构示意图；
图2是；本发明的远程学习状态监测方法的总体步骤流程示意图；
图3是；是本发明的远程学习状态监测方法的人眼检测的步骤流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不用于限定本发明。
如图1所示，本发明的远程学习状态监测系统，包括远程学习服务器、学习终端、学习状态监测服务器和视频采集设备，所述视频采集设备与所述学习终端连接，所述学习终端分别与所述学习状态监测服务器和所述远程学习服务器连接。所述学习终端通过有线网络和/或无线网络分别与所述学习状态监测服务器和所述远程学习服务器连接。所述远程学习服务器用于将学习内容或老师讲课的视频等数据传送给所述学习终端，学生使用学习终端进行学习；而所述学习状态监测服务器通过视频采集设备实时采集学生的图像并判断学生的学习状态。所述学习终端可以是普通PC机也可以是专用的学习终端设备，当然还可以是其他的具备PC机功能的设备，比如平板电脑等。
如图2、3所示，本发明的远程学习状态监测方法，包括以下步骤：
S1，所述视频采集设备按照预设时间间隔截取所述学习终端的使用者的监测图像，并将所述监测图像发送到所述学习状态监测服务器；
S2，所述学习状态监测服务器分析所述监测图像，得到人脸图像，判断所述人脸图像中的人眼特征是否具备闭合特征，如果不具备则所述使用者处于正常学习状态，并执行S4，如果具备则所述使用者处于非正常学习状态，并执行S3；
S2具体包括以下步骤：
S21，所述学习状态监测服务器接收到所述监测图像后，应用所述人脸分类器用所述人脸样本与所述监测图像相匹配，当匹配结果为所述监测图像中存在人脸图像时，将所述人脸图像分离出来；
S22，对S21分离出来的所述人脸图像进行人眼预定位；
S22具体包括以下步骤：
S221，采用直方图均衡和阈值调整的图像增强方法，得到所述人脸图像的二值化图像；
S222，应用所述人眼分类器对所述二值化图像进行几何约束，定位出人眼黑块，并框取出所述人眼黑块的最小外接矩形区域，将所述矩形区域作为初步定位出的人眼。
S23，在S22预定位的基础上通过人脸对称轴进行人眼精确定位；
S23具体包括以下步骤：
S231，对人脸图像采用嘴唇辅助定位法，精确定位人眼，即结合肤色匹配方法，对归一化RGB颜色向量进行有约束的Fisher线性变换，将肤色和唇色区分开，再利用连通成分标示算法标记出嘴唇区域，根据所述嘴唇区域得到人脸对称轴，从而实现人眼的精确定位，得到精确的人眼图像。
S24，对S23中精确定位得到的人眼图像进行眼睛状态识别，取得所述人眼的眼睑是否具备闭合特征，从而判断所述学习终端的使用者是否处于非正常学习状态。
S24具体包括以下步骤：
S241，对S231中取得的精确的人眼图像进行二值化处理，并从二值化处理过的图像中分割出一只人眼，得到精确的人眼黑块的中心高度；
S242，计算得出所述中心高度与S222中得到的所述人眼黑块的最小外接矩形区域的高度的比值；
S243，用所述比值与预设阈值进行比较，当所述比值持续小于所述阈值时则判定所述人眼具备闭合特征，说明所述使用者正在打瞌睡，则所述使用者处于非正常学习状态。简单的讲就是判断睁开的眼睑的高度与所述人眼黑块的外接矩形区域的高度相差多少，如果相差过大则认为眼睛是眯着的或是闭着的，是快睡着了或者已经睡着了，此时就说明人眼具备了闭合特征，把这种状态作为异常处理。但是由于人眼会有正常的眨眼动作，所以为了避免误判，还应该判断这种眼睛眯着或闭着的情况是不是持续的，比如截取的连续10个人眼图像或是截取的连续1分钟的人眼图像都是眯的着或是闭着的则判定所述使用者已经处于非正常学习状态了，应立即发出提醒。
S3，向所述使用者发出提醒信息，并将所述非正常学习状态记录；
S4，继续执行S1，直到当前学习课程完毕后则结束。
在于S1前还可以包括以下步骤：
S01，所述学习状态监测服务器预先构建和维护人脸样本库，并对所述人脸样本库中的人脸样本进行训练，根据所述人脸样本的面部结构生成人脸分类器；
S02，所述学习状态监测服务器构建和维护人眼样本库，并对所述人眼样本库中的人眼样本进行训练，根据所述人眼样本的人眼特征生成人眼分类器。
为了使监测更智能化，所述远程学习状态监测方法中还可以包括，通过获取嘴唇形态和眼睛形态，得到所述使用者的表情状态，再判断所述表情状态是否为正常听课的表情，从而得到所述使用者学习状态的步骤。
具体的讲，本发明使用基于统计模型的人脸检测方法。由于人脸图像的复杂性，显式地描述人脸特征具有一定困难，本发明采用基于统计模型的方法，将人脸区域看作一类模式，使用大量的人脸与非人脸样本训练，构造人脸分类器，通过判别图像中所有可能区域属于哪类模式的方法实现检测，将检测问题转化为统计模式识别的二分类问题。本发明采用多种线索(头发、肤色、器官、轮廓、模板等)，综合多种分类方法(混合高斯模型、概率模型、神经网与支持向量机等)，启发式信息与统计学习方法相结合的方法：
首先，采集大量的人脸样本，包括不同姿势、表情、面部细节、时间和光照、背景等条件下的人脸，对这些样本进行训练，根据人脸面部结构和人眼特征，设计人脸分类器。
然后，对预处理过的视频序列进行人脸检测。本发明使用基于统计模型的人脸检测方法。由于人脸图像的复杂性，显式地描述人脸特征具有一定困难，本发明采用基于统计模型的方法，将人脸区域看作一类模式，使用大量的人脸与非人脸样本训练，构造人脸分类器，通过判别图像中所有可能区域属于哪类模式的方法实现检测，将检测问题被转化为统计模式识别的二分类问题。本发明采用多种线索(头发、肤色、器官、轮廓、模板等)，综合多种分类方法(混合高斯模型、概率模型、神经网与支持向量机等)，启发式信息与统计学习方法相结合的方法。
接下来，对定位后的人脸图像进行人眼预定位。本发明首先采用了直方图均衡和阈值调整的图像增强方法，使不同条件下的人脸均可得到较好的二值化图像。然后根据眼睛分类器，对面部进行几何约束，找出人眼黑块，并框取出黑块的最小外接矩形区域，作为初步定位出的人眼。
再接下来，根据人脸对称轴实现人眼精确定位。由于人脸旋转角度太大、光照或眼镜框的影响，常常定位出一只眼睛或还有眼睛之外的区域，根据人脸和人眼的对称性，可以通过寻找人脸对称轴来进行人眼精确定位。本发明采用嘴唇辅助定位法，首先结合肤色匹配方法，对归一化RGB颜色向量进行有约束的Fi sher线性变换将肤色和唇色很好的区分开，再利用连通成分标示算法标记出嘴唇区域，定位出人脸对称轴，从而实现人眼的精确定位。根据定位出的人眼进行眼睛状态识别。现有技术的方法是基于睁闭眼模板匹配、虹膜或眼白检测、眼睑边缘提取等来判断眼睛睁闭，但对本发明的系统而言，提取的人眼区域的像素精度很低，提取不到边缘或检测不到虹膜，现有方法存在精度降低或误判现象。本发明采用的方法是，分割出二值图中的一只人眼区域，得出人眼黑块中心高度与分割高度(即人眼黑块最小外接矩形的高度)的比值，并给定一个阈值，当比值大于阈值时，则判定人眼睁开，反之则闭合。对某些人眼区域二值效果不好的图像，直接分割出RGB图像，利用局部阈值重新二值化，再判断睁闭，达到了较好的效果，能实现系统速率和准确率的统一。最后分析眼睑闭合特征来判定被测目标的状态，判定为疲惫或者瞌睡时，系统发出提示。
本发明使用基于统计模型的方法进行人脸检测，可以解决实际场景下的复杂的人脸检测问题。具体有如下优点：1、不依赖于人脸的先验知识和参数模型，可以避免不精确或不完整的知识造成的错误；2、采用了实例学习的方法获取模型的参数，统计意义上更为可靠；3、通过增加学习的实例可以扩充检测模式的范围，提高检测系统的准确性，适用于复杂背景图像中的检测。
本发明还使用了通过观察人眼细微状态变化分析被测目标状态的方法：1、首先通过设计人眼分类器来分别定位出两只眼睛黑块，提高了算法的准确率和速率。2、通过人脸对称轴来精确定位人眼，并提出采用嘴唇辅助定位对称轴的方法，缩小了检测范围，提高效率。3、在进行人眼状态识别时，传统算法都是在精度足够高的图像中检测虹膜或眼睑来判断眼睛睁闭，而本发明在人眼区域像素精度较低的情况下同样可以检测出眼睛的状态，本发明采用的方法为，通过比较眼睛黑块的中心高度占人眼区域分割高度的比值与阈值来判断人眼状态，很好的降低了算法的复杂度。
通过采用本发明公开的上述技术方案，得到了如下有益的效果：
本发明的系统和方法通过对学生的监控视频图像处理，检测被测对象人脸，定位眼睛等敏感点，分析监督学生是否在电脑前认真听讲，识别他的眼睛和表情与正常听课的状态相符合。本发明的系统和方法通过比较眼睛黑块的中心高度占人眼区域分割高度的比值与阈值来判断人眼状态，极大的降低了算法的复杂度。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视本发明的保护范围。
Claims (10)
1.一种远程学习状态监测系统，其特征在于，包括远程学习服务器、学习终端、学习状态监测服务器和视频采集设备，所述视频采集设备与所述学习终端连接，所述学习终端分别与所述学习状态监测服务器和所述远程学习服务器连接。
2.根据权利要求1所述的远程学习状态监测系统，其特征在于，所述学习终端通过有线网络和/或无线网络分别与所述学习状态监测服务器和所述远程学习服务器连接。
3.根据权利要求1所述的远程学习状态监测系统，其特征在于，所述学习终端是PC机。
4.应用权利要求1-3任一所述的远程学习状态监测系统的远程学习状态监测方法，其特征在于，包括以下步骤：
S1，所述视频采集设备按照预设时间间隔截取所述学习终端的使用者的监测图像，并将所述监测图像发送到所述学习状态监测服务器；
S2，所述学习状态监测服务器分析所述监测图像，得到人脸图像，判断所述人脸图像中的人眼特征是否具备闭合特征，如果不具备则所述使用者处于正常学习状态，并执行S4，如果具备则所述使用者处于非正常学习状态，并执行S3；
S3，向所述使用者发出提醒信息，并将所述非正常学习状态记录；
S4，继续执行S1，直到当前学习课程完毕后则结束。
5.根据权利要求4所述的远程学习状态监测方法，其特征在于，S1前还包括以下步骤：
S01，所述学习状态监测服务器预先构建和维护人脸样本库，并对所述人脸样本库中的人脸样本进行训练，根据所述人脸样本的面部结构生成人脸分类器；
S02，所述学习状态监测服务器构建和维护人眼样本库，并对所述人眼样本库中的人眼样本进行训练，根据所述人眼样本的人眼特征生成人眼分类器。
6.根据权利要求5所述的远程学习状态监测方法，其特征在于，S2具体包括以下步骤：
S21，所述学习状态监测服务器接收到所述监测图像后，应用所述人脸分类器用所述人脸样本与所述监测图像相匹配，当匹配结果为所述监测图像中存在人脸图像时，将所述人脸图像分离出来；
S22，对S21分离出来的所述人脸图像进行人眼预定位；
S23，对S21分离出来的所述人脸图像通过人脸对称轴进行人眼精确定位；
S24，对S23中精确定位得到的人眼图像进行眼睛状态识别，取得所述人眼的眼睑是否具备闭合特征，从而判断所述学习终端的使用者是否处于非正常学习状态。
7.根据权利要求6所述的远程学习状态监测方法，其特征在于，S22具体包括以下步骤：
S221，采用直方图均衡和阈值调整的图像增强方法，得到所述人脸图像的二值化图像；
S222，应用所述人眼分类器对所述二值化图像进行几何约束，定位出人眼黑块，并框取出所述人眼黑块的最小外接矩形区域，将所述矩形区域作为初步定位出的人眼。
8.根据权利要求7所述的远程学习状态监测方法，其特征在于，S23具体包括以下步骤：
S231，对人脸图像采用嘴唇辅助定位法，精确定位人眼，即结合肤色匹配方法，对归一化RGB颜色向量进行有约束的Fi sher线性变换，将肤色和唇色区分开，再利用连通成分标示算法标记出嘴唇区域，根据所述嘴唇区域得到人脸对称轴，从而实现人眼的精确定位，得到精确的人眼图像。
9.根据权利要求8所述的远程学习状态监测方法，其特征在于，S24具体包括以下步骤：
S241，对S231中取得的精确的人眼图像进行二值化处理，并从二值化处理过的图像中分割出一只人眼，得到精确的人眼黑块的中心高度；
S242，计算得出所述中心高度与S222中得到的所述人眼黑块的最小外接矩形区域的高度的比值；
S243，用所述比值与预设阈值进行比较，当所述比值持续小于所述阈值时则判定所述人眼具备闭合特征，说明所述使用者正在打瞌睡，则所述使用者处于非正常学习状态。
10.根据权利要求4-9任一所述的远程学习状态监测方法，其特征在于，所述远程学习状态监测方法中还包括，通过获取嘴唇形态和眼睛形态，得到所述使用者的表情状态，再判断所述表情状态是否为正常听课的表情，从而得到所述使用者学习状态的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210357691.1A CN103679591A (zh) | 2012-09-25 | 2012-09-25 | 一种远程学习状态监测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210357691.1A CN103679591A (zh) | 2012-09-25 | 2012-09-25 | 一种远程学习状态监测系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN103679591A true CN103679591A (zh) | 2014-03-26 |
Family
ID=50317051
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201210357691.1A Pending CN103679591A (zh) | 2012-09-25 | 2012-09-25 | 一种远程学习状态监测系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103679591A (zh) |
Cited By (29)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104299091A (zh) * | 2014-10-17 | 2015-01-21 | 深圳市能士信息安全有限公司 | 一种基于人脸识别的网络远程培训方法 |
| CN104408783A (zh) * | 2014-12-04 | 2015-03-11 | 重庆晋才富熙科技有限公司 | 一种专注度考勤系统 |
| CN104408782A (zh) * | 2014-12-04 | 2015-03-11 | 重庆晋才富熙科技有限公司 | 面视度考勤系统 |
| CN104794438A (zh) * | 2015-04-08 | 2015-07-22 | 天脉聚源（北京）教育科技有限公司 | 一种人物状态监测方法及装置 |
| CN105302698A (zh) * | 2015-11-11 | 2016-02-03 | 苏州润居装饰工程有限公司 | 一种计算机一体式监管软件 |
| CN105491355A (zh) * | 2016-01-28 | 2016-04-13 | 江苏科技大学 | 一种基于手机图像采集的学生课堂监测系统及其监测方法 |
| CN105516280A (zh) * | 2015-11-30 | 2016-04-20 | 华中科技大学 | 一种多模态学习过程状态信息压缩记录方法 |
| CN105915974A (zh) * | 2016-05-10 | 2016-08-31 | 乐视控股（北京）有限公司 | 一种智能的投影播放方法和装置 |
| CN106303367A (zh) * | 2016-08-23 | 2017-01-04 | 广东欧珀移动通信有限公司 | 一种用户交互数据的处理方法、装置及系统 |
| CN106409031A (zh) * | 2015-08-03 | 2017-02-15 | 北京鸿合智能系统股份有限公司 | 一种录播学生端记录问题的方法和装置 |
| CN106485968A (zh) * | 2016-12-15 | 2017-03-08 | 重庆市巫溪县中小企业公共服务中心 | 在线课堂互动交流系统 |
| CN106601036A (zh) * | 2017-03-06 | 2017-04-26 | 广东小天才科技有限公司 | 一种学习监控方法及装置 |
| CN107085721A (zh) * | 2017-06-26 | 2017-08-22 | 厦门劢联科技有限公司 | 一种基于人像识别的智能巡课管理系统 |
| CN107240315A (zh) * | 2017-06-16 | 2017-10-10 | 山东大学 | 基于boppps教学模型的糖尿病病人健康教育系统 |
| CN107396170A (zh) * | 2017-07-17 | 2017-11-24 | 上海斐讯数据通信技术有限公司 | 一种基于虹膜控制视频播放的方法及系统 |
| CN107422858A (zh) * | 2017-07-23 | 2017-12-01 | 肇庆高新区长光智能技术开发有限公司 | 辅助学习方法、装置与终端 |
| CN107566471A (zh) * | 2017-08-25 | 2018-01-09 | 维沃移动通信有限公司 | 一种远程控制方法、装置及移动终端 |
| CN108062737A (zh) * | 2017-12-23 | 2018-05-22 | 合肥微商圈信息科技有限公司 | 一种基于人脸识别的网上教育系统及其方法 |
| CN108122439A (zh) * | 2017-12-20 | 2018-06-05 | 联创中控（北京）教育科技有限公司 | 一种云课堂实验方法和装置 |
| CN110333774A (zh) * | 2019-03-20 | 2019-10-15 | 中国科学院自动化研究所 | 一种基于多模态交互的远程用户注意力评估方法及系统 |
| CN110348328A (zh) * | 2019-06-24 | 2019-10-18 | 北京大米科技有限公司 | 教学质量的评估方法、装置、存储介质及电子设备 |
| CN110572615A (zh) * | 2019-09-09 | 2019-12-13 | 南京兴语传文信息科技有限公司 | 一种基于互联网直播的共享教师系统 |
| CN110728595A (zh) * | 2019-09-04 | 2020-01-24 | 重庆特斯联智慧科技股份有限公司 | 一种基于边缘计算的社区学习监控方法和系统 |
| CN111027477A (zh) * | 2019-12-10 | 2020-04-17 | 珠海读书郎网络教育有限公司 | 一种基于面部识别的在线平板学习度预警方法 |
| CN111199378A (zh) * | 2018-11-20 | 2020-05-26 | 深圳云天励飞技术有限公司 | 学员管理方法、装置、电子设备及存储介质 |
| CN111241968A (zh) * | 2020-01-06 | 2020-06-05 | 上海摩督信息科技有限公司 | 一种学习监督系统及方法 |
| CN111986530A (zh) * | 2019-05-23 | 2020-11-24 | 深圳市希科普股份有限公司 | 一种基于学习状态检测的交互学习系统 |
| CN112380261A (zh) * | 2020-10-10 | 2021-02-19 | 杭州翔毅科技有限公司 | 基于5g技术的远程辅导方法、装置、系统及存储介质 |
| CN116665291A (zh) * | 2023-07-24 | 2023-08-29 | 泸州职业技术学院 | 一种图像处理系统以及图像处理方法 |
-
2012
- 2012-09-25 CN CN201210357691.1A patent/CN103679591A/zh active Pending
Cited By (33)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104299091A (zh) * | 2014-10-17 | 2015-01-21 | 深圳市能士信息安全有限公司 | 一种基于人脸识别的网络远程培训方法 |
| CN104408783A (zh) * | 2014-12-04 | 2015-03-11 | 重庆晋才富熙科技有限公司 | 一种专注度考勤系统 |
| CN104408782A (zh) * | 2014-12-04 | 2015-03-11 | 重庆晋才富熙科技有限公司 | 面视度考勤系统 |
| CN104794438A (zh) * | 2015-04-08 | 2015-07-22 | 天脉聚源（北京）教育科技有限公司 | 一种人物状态监测方法及装置 |
| CN106409031A (zh) * | 2015-08-03 | 2017-02-15 | 北京鸿合智能系统股份有限公司 | 一种录播学生端记录问题的方法和装置 |
| CN105302698A (zh) * | 2015-11-11 | 2016-02-03 | 苏州润居装饰工程有限公司 | 一种计算机一体式监管软件 |
| CN105516280A (zh) * | 2015-11-30 | 2016-04-20 | 华中科技大学 | 一种多模态学习过程状态信息压缩记录方法 |
| CN105516280B (zh) * | 2015-11-30 | 2019-01-04 | 华中科技大学 | 一种多模态学习过程状态信息压缩记录方法 |
| CN105491355A (zh) * | 2016-01-28 | 2016-04-13 | 江苏科技大学 | 一种基于手机图像采集的学生课堂监测系统及其监测方法 |
| CN105915974A (zh) * | 2016-05-10 | 2016-08-31 | 乐视控股（北京）有限公司 | 一种智能的投影播放方法和装置 |
| CN106303367A (zh) * | 2016-08-23 | 2017-01-04 | 广东欧珀移动通信有限公司 | 一种用户交互数据的处理方法、装置及系统 |
| CN106485968A (zh) * | 2016-12-15 | 2017-03-08 | 重庆市巫溪县中小企业公共服务中心 | 在线课堂互动交流系统 |
| CN106601036A (zh) * | 2017-03-06 | 2017-04-26 | 广东小天才科技有限公司 | 一种学习监控方法及装置 |
| CN107240315A (zh) * | 2017-06-16 | 2017-10-10 | 山东大学 | 基于boppps教学模型的糖尿病病人健康教育系统 |
| CN107085721A (zh) * | 2017-06-26 | 2017-08-22 | 厦门劢联科技有限公司 | 一种基于人像识别的智能巡课管理系统 |
| CN107396170A (zh) * | 2017-07-17 | 2017-11-24 | 上海斐讯数据通信技术有限公司 | 一种基于虹膜控制视频播放的方法及系统 |
| CN107422858A (zh) * | 2017-07-23 | 2017-12-01 | 肇庆高新区长光智能技术开发有限公司 | 辅助学习方法、装置与终端 |
| CN107566471A (zh) * | 2017-08-25 | 2018-01-09 | 维沃移动通信有限公司 | 一种远程控制方法、装置及移动终端 |
| CN108122439A (zh) * | 2017-12-20 | 2018-06-05 | 联创中控（北京）教育科技有限公司 | 一种云课堂实验方法和装置 |
| CN108122439B (zh) * | 2017-12-20 | 2021-03-02 | 联创中控（北京）教育科技有限公司 | 一种云课堂实验方法和装置 |
| CN108062737A (zh) * | 2017-12-23 | 2018-05-22 | 合肥微商圈信息科技有限公司 | 一种基于人脸识别的网上教育系统及其方法 |
| CN111199378A (zh) * | 2018-11-20 | 2020-05-26 | 深圳云天励飞技术有限公司 | 学员管理方法、装置、电子设备及存储介质 |
| CN111199378B (zh) * | 2018-11-20 | 2024-03-26 | 深圳云天励飞技术有限公司 | 学员管理方法、装置、电子设备及存储介质 |
| CN110333774A (zh) * | 2019-03-20 | 2019-10-15 | 中国科学院自动化研究所 | 一种基于多模态交互的远程用户注意力评估方法及系统 |
| CN111986530A (zh) * | 2019-05-23 | 2020-11-24 | 深圳市希科普股份有限公司 | 一种基于学习状态检测的交互学习系统 |
| CN110348328A (zh) * | 2019-06-24 | 2019-10-18 | 北京大米科技有限公司 | 教学质量的评估方法、装置、存储介质及电子设备 |
| CN110728595A (zh) * | 2019-09-04 | 2020-01-24 | 重庆特斯联智慧科技股份有限公司 | 一种基于边缘计算的社区学习监控方法和系统 |
| CN110572615A (zh) * | 2019-09-09 | 2019-12-13 | 南京兴语传文信息科技有限公司 | 一种基于互联网直播的共享教师系统 |
| CN111027477A (zh) * | 2019-12-10 | 2020-04-17 | 珠海读书郎网络教育有限公司 | 一种基于面部识别的在线平板学习度预警方法 |
| CN111241968A (zh) * | 2020-01-06 | 2020-06-05 | 上海摩督信息科技有限公司 | 一种学习监督系统及方法 |
| CN112380261A (zh) * | 2020-10-10 | 2021-02-19 | 杭州翔毅科技有限公司 | 基于5g技术的远程辅导方法、装置、系统及存储介质 |
| CN116665291A (zh) * | 2023-07-24 | 2023-08-29 | 泸州职业技术学院 | 一种图像处理系统以及图像处理方法 |
| CN116665291B (zh) * | 2023-07-24 | 2023-10-03 | 泸州职业技术学院 | 一种图像处理系统以及图像处理方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103679591A (zh) | 一种远程学习状态监测系统及方法 | |
| CN101593425B (zh) | 一种基于机器视觉的疲劳驾驶监控方法及系统 | |
| CN104637246B (zh) | 一种驾驶员多种行为预警系统及危险评估方法 | |
| CN105809178A (zh) | 一种基于人脸属性的人群分析方法及装置 | |
| CN106056968B (zh) | 一种基于光学图像的车位检测方法 | |
| CN110334600A (zh) | 一种多特征融合驾驶员异常表情识别方法 | |
| Hu et al. | Research on abnormal behavior detection of online examination based on image information | |
| CN103390151B (zh) | 人脸检测方法及装置 | |
| CN107085715A (zh) | 一种电视智能检测用户睡眠状态的系统及方法 | |
| CN104504856A (zh) | 基于Kinect及人脸识别的疲劳驾驶检测方法 | |
| CN106156688A (zh) | 一种动态人脸识别方法及系统 | |
| CN111652189A (zh) | 一种智能化教学的学生管理系统 | |
| CN105701467A (zh) | 一种基于人体形态特征的多人异常行为识别方法 | |
| CN107977639A (zh) | 一种人脸清晰度判断方法 | |
| CN106485191A (zh) | 一种驾驶员疲劳状态检测方法及系统 | |
| CN105516280A (zh) | 一种多模态学习过程状态信息压缩记录方法 | |
| CN105844245A (zh) | 一种伪装人脸检测方法及系统 | |
| CN109544523A (zh) | 基于多属性人脸比对的人脸图像质量评价方法及装置 | |
| CN109543577A (zh) | 一种基于面部表情特征的疲劳驾驶检测预警方法 | |
| CN112906453A (zh) | 智能识别并实时反馈的洗手监测系统 | |
| CN106570885A (zh) | 基于亮度和纹理融合阈值的背景建模方法 | |
| CN110210382A (zh) | 一种基于时空特征识别的人脸疲劳驾驶检测方法及装置 | |
| CN115169673A (zh) | 一种智慧校园疫情风险监测与预警系统及方法 | |
| CN105631410B (zh) | 一种基于智能视频处理技术的课堂检测方法 | |
| Gao et al. | Research on facial expression recognition of video stream based on OpenCV |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140326 |