CN107370976A - 录制方法、装置与终端 - Google Patents
录制方法、装置与终端 Download PDFInfo
- Publication number
- CN107370976A CN107370976A CN201710603709.4A CN201710603709A CN107370976A CN 107370976 A CN107370976 A CN 107370976A CN 201710603709 A CN201710603709 A CN 201710603709A CN 107370976 A CN107370976 A CN 107370976A
- Authority
- CN
- China
- Prior art keywords
- recording
- video
- wave band
- audio
- learning
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 210000004556 brain Anatomy 0.000 claims abstract description 76
- 206010041349 Somnolence Diseases 0.000 claims abstract description 42
- 238000005070 sampling Methods 0.000 claims description 40
- 230000007958 sleep Effects 0.000 claims description 39
- 238000012545 processing Methods 0.000 claims description 24
- 230000008901 benefit Effects 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000005192 partition Methods 0.000 claims description 3
- 230000005236 sound signal Effects 0.000 claims description 2
- 238000012552 review Methods 0.000 abstract description 13
- 230000008569 process Effects 0.000 description 21
- 238000005265 energy consumption Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000000354 decomposition reaction Methods 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000003780 insertion Methods 0.000 description 3
- 230000037431 insertion Effects 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- 206010001854 Altered state of consciousness Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 210000000624 ear auricle Anatomy 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000001061 forehead Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003446 memory effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/76—Television signal recording
-
- G—PHYSICS
- G11—INFORMATION STORAGE
- G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
- G11B21/00—Head arrangements not specific to the method of recording or reproducing
- G11B21/02—Driving or moving of heads
- G11B21/10—Track finding or aligning by moving the head ; Provisions for maintaining alignment of the head relative to the track during transducing operation, i.e. track following
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供一种录制方法,所述方法包括:实时采集脑电波;根据脑电波对学习状态划分级别,所述级别包括高效学习期、低效学习期及瞌睡期;录制音频或视频;判断学习状态是否符合预设录制条件;如果判断学习状态是否符合预设录制条件的结果为是,则录制音频或视频。本发明还提供了一种录制装置和终端,解决现有技术中通过课堂上录制的音频或视频进行复习时耗费时间长,重点不突出,造成在听课效率低时产生知识盲点难以消除的技术问题,能够节省复习时间,突出复习重点。
Description
技术领域
本发明涉及教育领域,具体而言,涉及一种录制方法、装置与终端。
背景技术
当人所处状态不同时,脑电波的频率也不同。根据频率,脑电波可以按频率由低到高分为δ波、θ波、α波、β波等。当频率于8-13Hz的α波段为优势脑电波时,人体进入放松性警觉状态,主意力高度集中,记忆效果好,创造力强,是学习的最佳状态。当频率于13-25Hz的β波为优势脑电波时时,人体处于紧张状态,此时往往课堂气氛过于紧张或压力过大,学生感到厌烦或恐惧。此时大脑过于兴奋或紧张,注意力难于集中,记忆力下降,不容易产生创意,学习能力受到压抑。频率于4-8Hz的θ波为优势脑电波时,人体处于半醒半睡的朦胧状态,学习效率低。频率于4Hz以下的δ波为优势脑电波时,人体处于深度睡眠,无法学习。
上课时,学生在长时间的听课过程中难以始终保持的最佳学习状态。大脑经历从能够高效学习的高效期,再到思考、学习状态差的低效期。学生往往难以在理解、记忆低效期时教师所讲授的内容,因而产生知识盲点。传统方式下,学生在通过课堂上录制的音频或视频进行复习时,往往需要从头开始回放,耗费时间多,重点不突出,而且容易漏掉处于因为大脑处于低效率工作状态时造成知识盲点。
针对上述现有技术中通过课堂上录制的音频或视频进行复习时耗费时间长,重点不突出,造成在听课效率低时产生知识盲点难以消除的问题,目前尚未提出有效的解决方案。
发明内容
本发明旨在至少在一定程度上解决上述技术问题。
本发明实施例提供了一种录制方法与装置,以解决现有技术中通过课堂上录制的音频或视频进行复习时耗费时间长,重点不突出,造成在听课效率低时产生知识盲点难以消除的技术问题。
根据本发明实施例的一个方面,提供了一种录制方法,包括:
S110:实时采集脑电波;
S120:根据脑电波对学习状态划分级别,所述级别包括高效学习期、低效学习期及瞌睡期;录制音频或视频;
S130:判断学习状态是否符合预设录制条件;
S140:如果判断学习状态是否符合预设录制条件的结果为是,则录制音频或视频。
在一种优选的方案中,所述实时采集脑电波步骤前还包括:
S100:设置录制条件,所述录制条件包括高效学习期、低效学习期或瞌睡期中一种或多种的组合。
在一种优选的方案中,所述根据脑电波对学习状态划分级别步骤还包括:
S121:对所采集的脑电波进行预处理;
S122:提取所述经预处理的脑电波的特征信息;
S123:根据所述特征信息对学习状态划分级别。
在一种优选的方案中,根据所述特征信息对学习状态划分级别步骤还包括:
S124:确定采样周期的优势波段;
S125:计算状态判断时间内低效学习波段比例P及睡眠波段比例Q;
S126:根据低效学习波段比例P及睡眠波段比例Q判断状态判断时间内的学习状态级别。
所述低效学习波段比例P的计算公式为:
。
所述睡眠波段比例Q的计算公式为:
。
其中:
M为该状态判断时间内,当前优势波段为α波时的采样周期数量;
N为该状态判断时间内,当前优势波段为β波时的采样周期数量;
L为该状态判断时间内,当前优势波段为δ波或θ波时的采样周期数量。
在一种优选的方案中,根据低效学习波段比例P及睡眠波段比例Q判断状态判断时间内的学习状态级别步骤包括:
当低效学习波段比例P小于第一阈值时,则判断状态判断时间内学习状态处于高效学习期;
当低效学习波段比例P大于第一阈值,且睡眠波段比例Q小于第二阈值时,则判断状态判断时间内学习状态处于低效学习期;
当低效学习波段比例P大于第一阈值,且睡眠波段比例Q大于第二阈值时,则判断状态判断时间内学习状态处于瞌睡期。
在一种优选的方案中,所述录制音频或视频步骤后还包括:
S150:判断脑电波级别是否符合结束录制条件;
S160:如果判断脑电波级别是否符合结束录制条件的结果为是,则结束录制。
在一种优选的方案中,所述录制音频或视频步骤后还包括:
S170:根据学习状态回放所录制的音频或视频。
根据本发明实施例的一个方面,提供了一种录制装置,包括:
采集模块,用于实时采集脑电波;
分级模块,用于根据脑电波对学习状态划分级别,所述级别包括高效学习期、低效学习期及瞌睡期;录制音频或视频;
录制判断模块,用于判断学习状态是否符合预设录制条件;
录制模块,用于在判断学习状态是否符合预设录制条件的结果为是时,录制音频或视频。
在一种优选的方案中,所述装置还包括:
设置模块,用于设置录制条件,所述录制条件包括高效学习期、低效学习期或瞌睡期中一种或多种的组合。
在一种优选的方案中,所述分级模块包括:
预处理单元,用于对所采集的脑电波进行预处理;
特征提取单元,用于提取所述经预处理的脑电波的特征信息;
状态分级单元,用于根据所述特征信息对学习状态划分级别。
在一种优选的方案中,所述分级模块还包括:
确定单元,用于确定采样周期的优势波段;
计算单元,用于计算状态判断时间内低效学习波段比例P及睡眠波段比例Q;
判断单元,用于根据低效学习波段比例P及睡眠波段比例Q判断状态判断时间内的学习状态级别。
所述低效学习波段比例P的计算公式为:
。
所述睡眠波段比例Q的计算公式为:
。
其中:
M为该状态判断时间内,当前优势波段为α波时的采样周期数量;
N为该状态判断时间内,当前优势波段为β波时的采样周期数量;
L为该状态判断时间内,当前优势波段为δ波或θ波时的采样周期数量。
在一种优选的方案中,所述分级模块还包括:
第一判断单元,用于当低效学习波段比例P小于第一阈值时,判断状态判断时间内学习状态处于高效学习期;
第二判断单元,用于当低效学习波段比例P大于第一阈值,且睡眠波段比例Q小于第二阈值时,判断状态判断时间内学习状态处于低效学习期;
第三判断单元,用于当低效学习波段比例P大于第一阈值,且睡眠波段比例Q大于第二阈值时,判断状态判断时间内学习状态处于瞌睡期。
在一种优选的方案中,所述装置还包括:
结束判断模块,用于判断学习状态是否符合结束录制条件;
结束模块,用于在学习状态是否符合结束录制条件的结果为是时,结束录制音频或视频。
在一种优选的方案中,所述装置还包括:
属性设置模块,用于将学习状态级别设置为所录制音频或视频的属性。
在一种优选的方案中,所述装置还包括:
回放模块,用于根据学习状态回放所录制的音频或视频。
在一种优选的方案中,所述回放模块还包括:
自动播放单元,用于自动播放属性为低效学习期和\或瞌睡期的视频。
在一种优选的方案中,所述回放模块还包括:
指定播放单元,用于播放指定属性的视频。
与现有技术相比,本发明技术方案的优点有:
1、通过计算和对比低效学习波段比例P和睡眠波段比例Q,对各时间段中用户的学习状态划分级别,有利于筛选出处于低效学习期间,尤其是瞌睡期间的具体时间;
2、在符合预设录制条件结果时开始录制音频或视频,可以选择性地录制,存储空间要求小,而且不需要长时间一直保持边录制音频或视频边进行脑电波的采样判断,计算能力要求低,可以采用廉价的硬件去实现,成本低。同时,能耗低,非常适合学校这种需要大量听课时间的场景。能耗低,计算能力要求不高,因此适合制作成为可穿戴式电子产品,方便携带;
3、将学习状态与所录制音频或视频对应的时间段关联起来,将学习状态级别设置为关联时间段内视频的属性,有利于用户在复习时,从大量视频中迅速甄别出处于低效学习期和\或瞌睡期的视频;
4、用户可以按级别快速播放所需要的视频,尤其是处于低效学习期或瞌睡期的视频,不需要将视频全部查看,节省视频回放时间,可以有针对性、有重点地复习,防止知识盲点的形成,提高复习效率。
本发明解决现有技术中通过课堂上录制的音频或视频进行复习时耗费时间长,重点不突出,造成在听课效率低时产生知识盲点难以消除的技术问题,提供一种能够节省复习时间,突出复习重点的录制方法、装置与终端。
附图说明
图1为本发明实施例的一种录制方法流程图。
图2为本发明又一实施例的一种录制方法流程图。
图3为本发明实施例的一种录制方法根据脑电波对学习状态划分级别步骤流程图。
图4为本发明实施例的一种录制方法根据所述特征信息对学习状态划分级别步骤流程图。
图5为本发明另一实施例的一种录制方法流程图。
图6为本发明实施例的一种录制装置结构示意图。
图7为本发明实施例的一种录制装置分级模块结构示意图。
图8为本发明实施例的一种录制装置回放模块结构示意图。
图9为本发明实施例的一种录制终端结构示意图。
图10为本发明实施例的一种录制终端结构示意图。
图11为本发明实施例的又一种录制终端结构示意图。
图12为本发明实施例的再一种录制终端结构示意图。
其中:2、录制装置;3、录制终端;210、采集模块;220、分级模块;221、预处理单元;222、特征提取单元;223、状态分级单元;224、确定单元;225、计算单元;226、判断单元;227、第一判断单元;228、第二判断单元;229、第三判断单元;230、录制判断模块;240、录制模块;250、设置模块;260、结束判断模块;270、结束模块;280、属性设置模块;290、回放模块;291、自动播放单元;292、指定播放单元;301、脑电波采集组件;302、处理组件;303、存储器;304、摄像头;305、音频输入组件;306、显示组件;307、音频输出组件;320、处理器。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
如图1所示,本发明实施例提供了一种录制方法,包括:
S110:实时采集脑电波;
S120:根据脑电波对学习状态划分级别,所述级别包括高效学习期、低效学习期及瞌睡期;录制音频或视频;
S130:判断学习状态是否符合预设录制条件;
S140:如果判断学习状态是否符合预设录制条件的结果为是,则录制音频或视频。
在一种示例性实施例中,采集脑电波的采样间隔为1至3秒,采样长度为5至10秒。
在具体实施过程中,如图2所示,所述实时采集脑电波步骤前还包括:
S100:设置录制条件,所述录制条件包括高效学习期、低效学习期或瞌睡期中一种或多种的组合。
在设置录制条件时,用户可以选择设置在低效学习期录制音频或视频,或者在瞌睡期录制音频或视频,也可以设置在低效学习期和瞌睡期均录制音频或视频。
在具体实施过程中,如图3所示,所述根据脑电波对学习状态划分级别步骤还包括:
S121:对所采集的脑电波进行预处理;
S122:提取所述经预处理的脑电波的特征信息;
S123:根据所述特征信息对学习状态划分级别。
具体地,由于脑电信号比较弱,在采集、传输过程中容易受到影响,因此需要对所采集的脑电波进行预处理,进行降噪、去伪迹,预处理的方法包括:采用时域分析方法、频域分析方法、小波变换或小波包变换等方法。
在一种示例性实施例中,利用小波包变换,可以提取所述经小波包变换预处理后的脑电波的特征信息。选取db4作为小波基,根据脑电波的输出频率,及脑电波的频率划分,小波包的分解层数优选为6层,利用小波包分解系数作为特征可以提取到δ波、θ波、α波及β波的功率谱。
在具体实施过程中,如图4所示,根据所述特征信息对学习状态划分级别步骤还包括:
S124:确定采样周期的优势波段;
S125:计算状态判断时间内低效学习波段比例P及睡眠波段比例Q;
S126:根据低效学习波段比例P及睡眠波段比例Q判断状态判断时间内的学习状态级别。
具体的,确定采样周期的优势波段步骤中,比较每个采样周期中对应的特征信息中δ波、θ波、α波及β波的能量分布情况,确定能量占比最大的波段为该采样周期的优势波段。
具体地,计算状态判断时间内低效学习波段比例P及睡眠波段比例Q步骤中,根据若干个连续采样周期组成的状态判断时间内,δ波、θ波、α波及β波占优势波段的采样周期的数量,计算学习波段比例P及睡眠波段比例Q。
所述低效学习波段比例P的计算公式为:
。
所述睡眠波段比例Q的计算公式为:
。
其中:
M为该状态判断时间内,当前优势波段为α波时的采样周期数量;
N为该状态判断时间内,当前优势波段为β波时的采样周期数量;
L为该状态判断时间内,当前优势波段为δ波或θ波时的采样周期数量。
具体地,根据低效学习波段比例P及睡眠波段比例Q判断状态判断时间内的学习状态级别步骤包括:
当低效学习波段比例P小于第一阈值时,则判断状态判断时间内学习状态处于高效学习期;
当低效学习波段比例P大于第一阈值,且睡眠波段比例Q小于第二阈值时,则判断状态判断时间内学习状态处于低效学习期;
当低效学习波段比例P大于第一阈值,且睡眠波段比例Q大于第二阈值时,则判断状态判断时间内学习状态处于瞌睡期。
在一种示例性实施例中,所述第一阈值为0.4。
在一种示例性实施例中,所述第二阈值为0.5。
例如, T1(10点55分10秒-10点55分15秒)、T2(10点55分16秒-10点55分21秒)、T3(10点55分22秒-10点55分27秒)、T4(10点55分28秒-10点55分33秒)、T5(10点55分34秒-10点55分39秒)为5个连续的脑电波采样周期,其中T1、T2为α波占优势波段、T5为β波占优势波段,T4、T3为优势波段为δ波或θ波。则按照低效学习波段比例P的计算公式可得P=0.6,大于第一阈值为0.4;按照睡眠波段比例Q的计算公式可得Q=0.66,大于第二阈值0.5。因此,在T1到T5的状态判断时间内,该时间段内学习状态处于瞌睡期。
具体地,所述的由若干个连续脑电波采样周期组成的状态判断时间,可以是监测到第一个δ波或θ波为优势波的采样周期开始计算的连续n个采样周期,n可以是固定的正整数,也可以根据上课时间、历史记录、用户习惯动态调整。在一种示范性实施例中,n可以是5,即从监测到第一个δ波或θ波为优势波的采样周期,连续5个采样周期作为状态判断时间。
通过计算和对比低效学习波段比例P和睡眠波段比例Q,可以对各时间段中用户的学习状态划分级别。
在具体实施过程中,判断学习状态是否符合预设录制条件步骤中,对比用户预设条件,判断当前学习状态级别是否符合。例如,学习状态级别为低效学习期,而用户预设录制条件为:在低效学习期或瞌睡期录制音频或视频,在高效学习期不录制。则学习状态级别符合预设录制条件,判断结果为是。
在具体实施过程中,如果判断学习状态是否符合预设录制条件的结果为是,则录制音频或视频。
在具体实施过程中,如图5所示,所述录制音频或视频步骤后还包括:
S150:判断学习状态是否符合结束录制条件;
S160:如果学习状态是否符合结束录制条件的结果为是,则结束录制音频或视频。
具体地,结束录制条件可以为预先设置,也可以由用户设定。例如,结束录制条件可以预先设置为:录制视频时,如果连续两个状态判断时间中,学习状态级别从瞌睡期转到高效学习期,则结束录制。
在符合预设录制条件结果时开始录制音频或视频,可以选择性地录制,存储空间要求小,而且不需要长时间一直保持边录制音频或视频边进行脑电波的采样判断,计算能力要求低,可以采用廉价的硬件去实现,成本低。同时,能耗低,非常适合学校这种需要大量听课时间的场景。能耗低,计算能力要求不高,因此适合制作成为可穿戴式电子产品,方便携带。
在具体实施过程中,所述结束录制音频或视频步骤后,将学习状态与所录制音频或视频关联起来,将学习状态级别设置为所录制音频或视频的属性。如,在10点55分10秒-10点55分39秒之间,根据脑电波分析判断的结果,用户处于瞌睡期,则将10点55分10秒-10点55分39秒所录制的音频或视频关联到10点55分10秒-10点55分39秒的脑电波,设置10点55分10秒-10点55分39秒所录制的音频或视频的属性为瞌睡期。
将学习状态与所录制音频或视频对应的时间段关联起来,将学习状态级别设置为关联时间段内视频的属性,有利于用户在复习时,从大量视频中迅速甄别出处于低效学习期和\或瞌睡期的视频。
在具体实施过程中,如图5所示,所述结束录制音频或视频步骤后还包括:
S170:根据学习状态回放所录制的音频或视频。
在具体实施过程中,根据学习状态回放所录制的音频或视频步骤中,在用户启动复习模式时,自动播放属性为低效学习期和\或瞌睡期的视频。
在具体实施过程中,根据学习状态回放所录制的音频或视频步骤中,在用户启动复习模式时,可播放指定属性的视频。如选择播放瞌睡期视频,即可播放属性为瞌睡期的视频。
用户可以按级别快速播放所需要的视频,尤其是处于低效学习期或瞌睡期的视频,不需要将视频全部查看,节省视频回放时间,可以有针对性、有重点地复习,防止知识盲点的形成,提高复习效率。
本发明实施例解决现有技术中通过课堂上录制的音频或视频进行复习时耗费时间长,重点不突出,造成在听课效率低时产生知识盲点难以消除的技术问题,提供一种能够节省复习时间,突出复习重点的录制方法。
实施例2
如图6所示,本发明实施例提供了一种录制装置2,包括:
采集模块210,用于实时采集脑电波;
分级模块220,用于根据脑电波对学习状态划分级别,所述级别包括高效学习期、低效学习期及瞌睡期;录制音频或视频;
录制判断模块230,用于判断学习状态是否符合预设录制条件;
录制模块240,用于在判断学习状态是否符合预设录制条件的结果为是时,录制音频或视频。
在具体实施过程中,如图6所示,所述装置2还包括:
设置模块250,用于设置录制条件,所述录制条件包括高效学习期、低效学习期或瞌睡期中一种或多种的组合。
在具体实施过程中,如图7所示,所述分级模块220还包括:
预处理单元221,用于对所采集的脑电波进行预处理;
特征提取单元222,用于提取所述经预处理的脑电波的特征信息;
状态分级单元223,用于根据所述特征信息对学习状态划分级别。
具体地,由于脑电信号比较弱,在采集、传输过程中容易受到影响,因此需要对所采集的脑电波进行预处理,进行降噪、去伪迹,预处理的方法包括:采用时域分析方法、频域分析方法、小波变换或小波包变换等方法。
在一种示例性实施例中,利用小波包变换,可以提取所述经小波包变换预处理后的脑电波的特征信息。选取db4作为小波基,根据脑电波的输出频率,及脑电波的频率划分,小波包的分解层数优选为6层,利用小波包分解系数作为特征可以提取到δ波、θ波、α波及β波的功率谱。
在具体实施过程中,如图7所示,所述分级模块220还包括:
确定单元224,用于确定采样周期的优势波段;
计算单元225,用于计算状态判断时间内低效学习波段比例P及睡眠波段比例Q;
判断单元226,用于根据低效学习波段比例P及睡眠波段比例Q判断状态判断时间内的学习状态级别。
具体的,确定单元用于比较每个采样周期中对应的特征信息中δ波、θ波、α波及β波的能量分布情况,确定能量占比最大的波段为该采样周期的优势波段。
具体的,计算单元用于状态判断时间内,δ波、θ波、α波及β波占优势波段的采样周期的数量,计算学习波段比例P及睡眠波段比例Q。
所述低效学习波段比例P的计算公式为:
。
所述睡眠波段比例Q的计算公式为:
。
其中:
M为该状态判断时间内,当前优势波段为α波时的采样周期数量;
N为该状态判断时间内,当前优势波段为β波时的采样周期数量;
L为该状态判断时间内,当前优势波段为δ波或θ波时的采样周期数量。
具体地,如图7所示,所述分级模块220还包括:
第一判断单元227,用于当低效学习波段比例P小于第一阈值时,判断状态判断时间内学习状态处于高效学习期;
第二判断单元228,用于当低效学习波段比例P大于第一阈值,且睡眠波段比例Q小于第二阈值时,判断状态判断时间内学习状态处于低效学习期;
第三判断单元229,用于当低效学习波段比例P大于第一阈值,且睡眠波段比例Q大于第二阈值时,判断状态判断时间内学习状态处于瞌睡期。
在一种示例性实施例中,所述第一阈值为0.4。
在一种示例性实施例中,所述第二阈值为0.5。
例如, T1(10点55分10秒-10点55分15秒)、T2(10点55分16秒-10点55分21秒)、T3(10点55分22秒-10点55分27秒)、T4(10点55分28秒-10点55分33秒)、T5(10点55分34秒-10点55分39秒)为5个连续的脑电波采样周期,其中T1、T2为α波占优势波段、T5为β波占优势波段,T4、T3为优势波段为δ波或θ波。则按照低效学习波段比例P的计算公式可得P=0.6,大于第一阈值为0.4;按照睡眠波段比例Q的计算公式可得Q=0.66,大于第二阈值0.5。因此,在T1到T5的状态判断时间内,该时间段内学习状态处于瞌睡期。
通过计算和对比低效学习波段比例P和睡眠波段比例Q,可以对各时间段中用户的学习状态划分级别。
在具体实施过程中,如图6所示,所述装置2还包括:
结束判断模块260,用于判断学习状态是否符合结束录制条件;
结束模块270,用于在学习状态是否符合结束录制条件的结果为是时,结束录制音频或视频。
在符合预设录制条件结果时开始录制音频或视频,可以选择性地录制,存储空间要求小,而且不需要长时间一直保持边录制音频或视频边进行脑电波的采样判断,计算能力要求低,可以采用廉价的硬件去实现,成本低。同时,能耗低,非常适合学校这种需要大量听课时间的场景。能耗低,计算能力要求不高,因此适合制作成为可穿戴式电子产品,方便携带。
在具体实施过程中,如图6所示,所述装置2还包括:
属性设置模块280,用于将学习状态级别设置为所录制音频或视频的属性。
如,在10点55分10秒-10点55分39秒之间,根据脑电波分析判断的结果,用户处于瞌睡期,则将10点55分10秒-10点55分39秒所录制的音频或视频关联到10点55分10秒-10点55分39秒的脑电波,且设置10点55分10秒-10点55分39秒所录制的音频或视频的属性为瞌睡期。
将学习状态与所录制音频或视频对应的时间段关联起来,将学习状态级别设置为关联时间段内视频的属性,有利于从视频中甄别出处于低效学习期和\或瞌睡期的视频。
在具体实施过程中,如图6所示,所述装置2还包括:
回放模块290,用于根据学习状态回放所录制的音频或视频。
在具体实施过程中,如图8所示,所述回放模块290还包括:
自动播放单元291,用于自动播放属性为低效学习期和\或瞌睡期的视频。
在用户启动复习模式时,自动播放单元用于自动播放属性为低效学习期和\或瞌睡期的视频。
在具体实施过程中,如图8所示,所述回放模块204还包括:
指定播放单元292,用于播放指定属性的视频。
在用户启动复习模式时,指定播放单元用于播放指定属性的视频。如用户选择播放瞌睡期视频,即可播放属性为瞌睡期的视频。
用户可以按级别快速播放所需要的视频,尤其是处于低效学习期或瞌睡期的视频,不需要将视频全部查看,节省视频回放时间,可以有针对性、有重点地复习,防止知识盲点的形成,提高复习效率。
本发明实施例解决现有技术中通过课堂上录制的音频或视频进行复习时耗费时间长,重点不突出,造成在听课效率低时产生知识盲点难以消除的技术问题,提供一种能够节省复习时间,突出复习重点的录制装置。
实施例3
如图9所示,本实施例提供了一种录制终端3,包括:
脑电波采集组件301、处理组件302、存储器303、摄像头304、音频输入组件305和显示组件306。
脑电波采集组件301可以采集脑电波信号,并连接到处理组件。在一种示例性实施例中,脑电波采集组件为ThinkGear AM模块,该模块通过前额电极和耳垂处的电位获得脑电波。通过脑电波采集组件捕获脑电波信号,处理后筛选出脑波频谱、脑电信号质量、原始脑电波等数据,传输到处理组件。
处理组件302通常用于录制终端3的整体操作,诸如与处理脑电波信号,发起视频采集,计算分析,数据通信和记录操作相关联的操作。处理组件302可以包括一个或多个处理器320来执行指令,以完成上述的方法的全部或部分步骤。在一种示例性实施例中,所述处理组件302的型号为树莓派3(Raspberry Pi 3)。
存储器303被配置为存储各种类型的数据以支持在录制终端3的操作。这些数据的示例包括用于在录制终端3上操作的任何应用程序或方法的指令,用户数据及其他消息、图片、音频和视频等。存储器303可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
摄像头304与处理组件302电连接,用于获取视频图像并传输到处理组件302。
音频输入组件305与处理组件302电连接,用于获取音频信号并传输到处理组件302。
显示组件306与处理组件302连接,用于显示文字、视频和图片信息。显示组件的连接方式可以通过内部总线相连接,也可以通过VGA、DVI、DP、HDMI等视频输出线及USB线等外部线缆进行连接。在一种示例性实施例中,显示屏306还可以为触控屏,用于显示文字、视频和图片信息并获取用户触控信息。
在示意性实施例中,所述录制终端3还包括连接到处理组件的音频输出组件307,所述音频输出组件可以是音响、喇叭或耳机。
在示例性实施例中,处理组件302、存储组件303可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器303,上述指令可由录制终端3的处理器320执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在具体实施过程中,如图10所示,本实施例还提供了一种录制终端3,包括:
所述处理组件302由树莓派控制器,如Raspberry Pi 3或Raspberry Pi 3B实现;
所述存储器303由插入树莓派控制器SD卡接口的SD卡实现;
所述摄像头304由接入树莓派控制器CSI接口的摄像头实现,例如接入兼容CSI接口的Pi Cam摄像头;
所述音频输入组件305为插入树莓派控制器USB接口的USB声卡及连接到USB声卡音频输入口的麦克风实现;
所述显示组件306为接入HDMI接口或DSI接口的显示屏;
所述脑电波采集组件301为ThinkGear AM芯片,所述ThinkGear AM芯片与树莓派控制器相连接;
所述音频输出组件307为插入树莓派控制器HDMI接口或音频输出口的音频输出设备,如耳机、喇叭或音响。
在一种优选的实施例中,如图11所示,ThinkGear AM芯片与树莓派控制器的电连接。
在一种优选的实施例中,如图12所示,树莓派控制器电连接到第一蓝牙模块;第一蓝牙模块与第二蓝牙模块通过蓝牙无线网络连接;第二蓝牙模块与ThinkGear AM芯片电连接;ThinkGear AM芯片分别与第一脑电电极、第二脑电电极及第三脑电电极电连接。在一种示范性实施例中,所述第一蓝牙模块、第二蓝牙模块型号为HC-05。脑电波采集组件作为单独的部件,也可以集成到其他可穿载设备上,通过无线网络实现了控制器与脑电波采集组件的数据传输,使用方便,用户体验好。
本发明实施例的有益效果为:解决现有技术中通过课堂上录制的音频或视频进行复习时耗费时间长,重点不突出,造成在听课效率低时产生知识盲点难以消除的技术问题,提供一种能够节省复习时间,突出复习重点的录制终端。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种录制方法,其特征在于,所述方法包括:
实时采集脑电波;
根据脑电波对学习状态划分级别,所述级别包括高效学习期、低效学习期及瞌睡期;录制音频或视频;
判断学习状态是否符合预设录制条件;
如果判断学习状态是否符合预设录制条件的结果为是,则录制音频或视频。
2.根据权利要求1所述的录制方法,其特征在于,所述录制音频或视频步骤后还包括:
判断脑电波级别是否符合结束录制条件;
如果判断脑电波级别是否符合结束录制条件的结果为是,则结束录制。
3.根据权利要求2所述的录制方法,其特征在于,所述录制音频或视频步骤后还包括:
根据学习状态回放所录制的音频或视频。
4.根据权利要求3所述的录制方法,其特征在于,所述结束录制音频或视频步骤后,将学习状态级别设置为所录制音频或视频的属性。
5.根据权利要求4所述的录制方法,其特征在于,所述根据脑电波对学习状态划分级别步骤还包括:
对所采集的脑电波进行预处理;
提取所述经预处理的脑电波的特征信息;
根据所述特征信息对学习状态划分级别。
6.根据权利要求5所述的录制方法,其特征在于,根据所述特征信息对学习状态划分级别步骤还包括:
确定采样周期的优势波段;
计算状态判断时间内低效学习波段比例P及睡眠波段比例Q;
根据低效学习波段比例P及睡眠波段比例Q判断状态判断时间内的学习状态级别;
其中,所述低效学习波段比例P的计算公式为:
<math display = 'block'>
<mrow>
<mi>P</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mi>N</mi>
<mo>+</mo>
<mi>L</mi>
</mrow>
<mrow>
<mi>M</mi>
<mo>+</mo>
<mi>N</mi>
<mo>+</mo>
<mi>L</mi>
</mrow>
</mfrac>
</mrow>
</math> ;
所述睡眠波段比例Q的计算公式为:
<math display = 'block'>
<mrow>
<mi>Q</mi>
<mo>=</mo>
<mfrac>
<mi>L</mi>
<mrow>
<mi>N</mi>
<mo>+</mo>
<mi>L</mi>
</mrow>
</mfrac>
</mrow>
</math> ;
M为该状态判断时间内,当前优势波段为α波时的采样周期数量;
N为该状态判断时间内,当前优势波段为β波时的采样周期数量;
L为该状态判断时间内,当前优势波段为δ波或θ波时的采样周期数量。
7.根据权利要求6所述的录制方法,其特征在于,根据低效学习波段比例P及睡眠波段比例Q判断状态判断时间内的学习状态级别步骤包括:
当低效学习波段比例P小于第一阈值时,则判断状态判断时间内学习状态处于高效学习期;
当低效学习波段比例P大于第一阈值,且睡眠波段比例Q小于第二阈值时,则判断状态判断时间内学习状态处于低效学习期;
当低效学习波段比例P大于第一阈值,且睡眠波段比例Q大于第二阈值时,则判断状态判断时间内学习状态处于瞌睡期。
8.根据权利要求3至7之一所述的录制方法,其特征在于,根据学习状态回放所录制的音频或视频步骤还包括:
播放指定属性的音频或视频。
9.一种录制装置,其特征在于,所述装置包括:
采集模块,用于实时采集脑电波;
分级模块,用于根据脑电波对学习状态划分级别,所述级别包括高效学习期、低效学习期及瞌睡期;录制音频或视频;
录制判断模块,用于判断学习状态是否符合预设录制条件;
录制模块,用于在判断学习状态是否符合预设录制条件的结果为是时,录制音频或视频。
10.一种录制终端,其特征在于,所述终端包括:
脑电波采集组件、处理组件、存储器、摄像头、音频输入组件和显示组件;
所述脑电波采集组件,用于采集脑电波信号并传输到所述处理组件;
所述处理组件;
所述存储器,用于存储处理器可执行指令及数据;
所述摄像头,用于获取视频图像并传输到所述处理组件;
所述音频输入组件,用于获取音频信号并传输到所述处理组件;
所述显示组件与处理组件连接,用于显示文字、视频和图片信息;
其中,所述处理组件被配置为:
实时采集脑电波;
根据脑电波对学习状态划分级别,所述级别包括高效学习期、低效学习期及瞌睡期;录制音频或视频;
判断学习状态是否符合预设录制条件;
如果判断学习状态是否符合预设录制条件的结果为是,则录制音频或视频。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710603709.4A CN107370976A (zh) | 2017-07-23 | 2017-07-23 | 录制方法、装置与终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710603709.4A CN107370976A (zh) | 2017-07-23 | 2017-07-23 | 录制方法、装置与终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107370976A true CN107370976A (zh) | 2017-11-21 |
Family
ID=60308274
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710603709.4A Pending CN107370976A (zh) | 2017-07-23 | 2017-07-23 | 录制方法、装置与终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107370976A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108597264A (zh) * | 2017-12-28 | 2018-09-28 | 福州市鼓楼区智搜信息科技有限公司 | 一种可追溯复习的教学系统及其实现方法 |
CN109917915A (zh) * | 2019-03-05 | 2019-06-21 | 浙江强脑科技有限公司 | 录屏控制方法、终端及计算机可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005211239A (ja) * | 2004-01-28 | 2005-08-11 | Toyota Motor Kyushu Inc | 居眠り検出器、居眠り防止装置及び自動車 |
CN104916176A (zh) * | 2015-07-08 | 2015-09-16 | 广东小天才科技有限公司 | 一种课堂录音设备及录音方法 |
CN204765586U (zh) * | 2015-06-30 | 2015-11-18 | 深圳欧德蒙科技有限公司 | 一种腕式脉搏记录和分析装置 |
CN105933632A (zh) * | 2016-05-05 | 2016-09-07 | 广东小天才科技有限公司 | 一种课件记录方法及装置 |
CN106297448A (zh) * | 2016-08-29 | 2017-01-04 | 刘金光 | 一种计算机教学系统 |
-
2017
- 2017-07-23 CN CN201710603709.4A patent/CN107370976A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005211239A (ja) * | 2004-01-28 | 2005-08-11 | Toyota Motor Kyushu Inc | 居眠り検出器、居眠り防止装置及び自動車 |
CN204765586U (zh) * | 2015-06-30 | 2015-11-18 | 深圳欧德蒙科技有限公司 | 一种腕式脉搏记录和分析装置 |
CN104916176A (zh) * | 2015-07-08 | 2015-09-16 | 广东小天才科技有限公司 | 一种课堂录音设备及录音方法 |
CN105933632A (zh) * | 2016-05-05 | 2016-09-07 | 广东小天才科技有限公司 | 一种课件记录方法及装置 |
CN106297448A (zh) * | 2016-08-29 | 2017-01-04 | 刘金光 | 一种计算机教学系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108597264A (zh) * | 2017-12-28 | 2018-09-28 | 福州市鼓楼区智搜信息科技有限公司 | 一种可追溯复习的教学系统及其实现方法 |
CN109917915A (zh) * | 2019-03-05 | 2019-06-21 | 浙江强脑科技有限公司 | 录屏控制方法、终端及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109999314B (zh) | 一种基于脑电波监测智能助眠系统及其睡眠耳机 | |
CN107230395A (zh) | 智能学习方法、装置与终端 | |
CN103155599B (zh) | 助听器系统和适配助听器系统的方法 | |
CN105409243B (zh) | 通道化音乐信号的预处理 | |
CN106658256A (zh) | 耳机、终端及终端控制方法 | |
CN103691044A (zh) | 诱导入睡方法、诱导入睡系统和显示装置 | |
CN107391679A (zh) | 辅助复习方法、装置与设备 | |
CN104991755B (zh) | 一种信息处理方法及电子设备 | |
CN108815674A (zh) | 调节睡眠方法及相关产品 | |
CN107422858A (zh) | 辅助学习方法、装置与终端 | |
CN204408287U (zh) | 一种便携式音箱音量的智能控制装置 | |
CN109493883A (zh) | 一种智能设备及其智能设备的音频时延计算方法和装置 | |
CN110191396A (zh) | 一种音频处理方法、装置、终端及计算机可读存储介质 | |
CN105434084A (zh) | 一种移动设备、体外机、人工耳蜗系统及语音处理方法 | |
CN107370976A (zh) | 录制方法、装置与终端 | |
US6839446B2 (en) | Hearing aid with sound replay capability | |
CN104978980A (zh) | 一种控制声音播放的方法及声音播放系统 | |
US20140024961A1 (en) | System and method for detecting human emotion | |
CN105931647A (zh) | 噪声抑制的方法及装置 | |
CN108404275A (zh) | 睡眠训练方法及相关设备 | |
CN111569226A (zh) | 基于音频处理的助眠方法及装置 | |
CN105930480A (zh) | 耳鸣康复音乐的生成方法以及耳鸣康复系统 | |
CN108392201B (zh) | 大脑训练方法及相关设备 | |
CN103800005B (zh) | 一种电刺激诱发脑干频率追随反应装置及验证方法 | |
CN110302462B (zh) | 一种基于脑电信号的神经反馈训练系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210511 Address after: 510630 Telecom community, No.109, Zhongshan Avenue West, Tianhe District, Guangzhou City, Guangdong Province Applicant after: Wu Jiayin Address before: 526238 Room 101, 1st floor, No.3 building, Dongling leather goods company, Dawang District, Zhaoqing City, Guangdong Province Applicant before: ZHAOQING HI-TECH ZONE CHANGGUANG INTELLIGENT TECHNOLOGY DEVELOPMENT Co.,Ltd. |
|
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20171121 |