CN108509923A - 课堂注意力检测方法、装置、设备及计算机可读介质 - Google Patents

课堂注意力检测方法、装置、设备及计算机可读介质 Download PDF

Info

Publication number
CN108509923A
CN108509923A CN201810297899.6A CN201810297899A CN108509923A CN 108509923 A CN108509923 A CN 108509923A CN 201810297899 A CN201810297899 A CN 201810297899A CN 108509923 A CN108509923 A CN 108509923A
Authority
CN
China
Prior art keywords
attention
classroom
current student
student
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
Application number
CN201810297899.6A
Other languages
English (en)
Inventor
杨锐
崔磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Baidu Online Network Technology Beijing Co Ltd
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201810297899.6A priority Critical patent/CN108509923A/zh
Publication of CN108509923A publication Critical patent/CN108509923A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/174—Facial expression recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Ophthalmology & Optometry (AREA)
  • Image Processing (AREA)

Abstract

本发明提出一种课堂注意力检测方法、装置、设备及计算机可读介质，所述方法包括：获取处于课堂的当前学生的脸部图像；从脸部图像中提取注意力相关特征；根据注意力相关特征判断当前学生的注意力是否集中。本发明通过对学生的脸部朝向分析、眼睛的瞳孔的分析和疲劳度分析，从而可以更加精确地获得当前学生的注意力。

Description

课堂注意力检测方法、装置、设备及计算机可读介质
技术领域
本发明涉及课堂行为检测技术领域，尤其涉及一种课堂注意力检测方法及装置、设备和计算机可读介质。
背景技术
传统教学中，对于教学行为的观察、分析手段大多停留在传统的问卷调查或案例等人工分析的基础上，其评价结果较为主观，且需要经过较长时间的统计分析，不能实时反馈以改善教学行为。如果授课老师能够在课堂上实时了解学生注意力状况，便能及时调整教学方式，势必有效提高教学效果。
发明内容
本发明实施例提供一种课堂注意力检测方法、装置、设备及计算机可读介质，以解决或缓解现有技术中的一个或多个技术问题。
第一方面，本发明实施例提供了一种课堂注意力检测方法，包括：
获取处于课堂的当前学生的脸部图像；
从脸部图像中提取注意力相关特征；
根据注意力相关特征判断当前学生的注意力是否集中。
结合第一方面，本发明在第一方面的第一种实施方式中，所述注意力相关特征包括：脸部朝向特征、眼睛瞳孔特征中的至少一种。
结合第一方面的第一种实施方式，本发明在第一方面的第二种实施方式中，所述根据注意力相关特征判断当前学生的注意力是否集中的步骤，包括：
根据脸部朝向特征判断当前学生的脸部是否朝向讲台；
如果是，则判定当前学生的注意力不集中；否则，判定当前学生的注意力集中。
结合第一方面的第一种实施方式，本发明在第一方面的第三种实施方式中，所述根据注意力相关特征判断当前学生的注意力是否集中的步骤，包括：
根据眼睛瞳孔特征判断学生的眼睛瞳孔是否处于发散状态；
如果是，则判定当前学生的注意力不集中；否则，判定当前学生的注意力集中。
结合第一方面或第一方面的任一种实施方式，本发明在第一方面的第四种实施方式中，还包括步骤：
将获取的脸部图像输入疲劳度的检测模型；
通过检测模型将脸部图像与样本图像进行匹配，输出疲劳度等级。
第二方面，本发明实施例提供了一种课堂注意力检测装置，包括：
图像获取模块，用于获取处于课堂的当前学生的脸部图像；
特征提取模块，用于从脸部图像中提取注意力相关特征；
注意力判断模块，用于根据注意力相关特征判断当前学生的注意力是否集中。
结合第二方面，本发明在第二方面的第一种实施方式中，所述注意力相关特征包括：脸部朝向特征、眼睛瞳孔特征中的至少一种。
结合第二方面的第一种实施方式，本发明在第二方面的第二种实施方式中，所述注意力判断模块用于根据脸部朝向特征判断当前学生的脸部是否朝向讲台；如果是，则判定当前学生的注意力不集中；否则，判定当前学生的注意力集中。
结合第二方面的第一种实施方式，本发明在第二方面的第三种实施方式中，所述注意力判断模块用于根据眼睛瞳孔特征判断学生的眼睛瞳孔是否处于发散状态；如果是，则判定当前学生的注意力不集中；否则，判定当前学生的注意力集中。
结合第二方面或第二方面的任一种实施方式，本发明在第二方面的第四种实施方式中，还包括：
输入模块，用于将获取的脸部图像输入疲劳度的检测模型；
疲劳度输出模块，用于通过检测模型将脸部图像与样本图像进行匹配，输出疲劳度等级。
所述装置的功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。
在一个可能的设计中，课堂注意力检测装置的结构中包括处理器和存储器，所述存储器用于存储支持课堂注意力检测装置执行上述第一方面中课堂注意力检测方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。所述课堂注意力检测装置还可以包括通信接口，用于课堂注意力检测装置与其他设备或通信网络通信。
第三方面，本发明实施例提供了一种计算机可读介质，用于存储课堂注意力检测装置所用的计算机软件指令，其包括用于执行上述第一方面的课堂注意力检测方法所涉及的程序。
上述技术方案中的一个技术方案具有如下优点或有益效果：本发明通过对学生的脸部朝向分析、眼睛的瞳孔的分析和疲劳度分析，从而可以更加精确地获得当前学生的注意力。
上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本发明进一步的方面、实施方式和特征将会是容易明白的。
附图说明
在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本发明公开的一些实施方式，而不应将其视为是对本发明范围的限制。
图1为本发明一实施例的课堂注意力检测方法的步骤流程图；
图2为本发明另一实施例的课堂注意力检测方法的步骤流程图；
图3为本发明一实施例的课堂注意力检测装置的连接框图；
图4为本发明另一实施例的课堂注意力检测装置的连接框图；
图5为本发明一实施例的课堂注意力检测设备连接框图。
具体实施方式
在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样，在不脱离本发明的精神或范围的情况下，可通过各种不同方式修改所描述的实施例。因此，附图和描述被认为本质上是示例性的而非限制性的。本发明实施例主要提供了一种通课堂注意力检测的方法及装置，下面分别通过以下实施例进行技术方案的展开描述。
请参阅图1，其为本发明一实施例的课堂注意力检测方法的步骤流程图。本实施例提供了一种课堂注意力检测方法，包括以下步骤：
S110：获取处于课堂的当前学生的脸部图像。
例如，可以在课堂内设置摄像头，实时采集学生的脸部图像。摄像头的位置可以设置在例如讲台或黑板等的正上方，从讲台或黑板的方向拍摄课堂学生的脸部图像。
S120：从脸部图像中提取注意力相关特征。其中，所述注意力相关特征包括但不限于：脸部朝向特征、眼睛瞳孔特征中的至少一种。
例如，若从讲台方向上采集学生的脸部图像，则通过分析学生脸部与摄像头的相对角度，则可以获取此时学生的脸部朝向。若采集到图像为正面的脸部图像，则表明此时学生朝向讲台。
再如，摄像头采集学生的脸部图像中包括瞳孔，可以根据瞳孔的图像特征判断学生的瞳孔是否处于发散状态。
S130：根据注意力相关特征判断当前学生的注意力是否集中。
在一种实施方式中，所述S130中可以根据脸部朝向特征判断当前学生的脸部是否朝向讲台。如果是，则判定当前学生的注意力不集中；否则，判定当前学生的注意力集中。通过分析学生的脸部朝向，可以判断此时学生是否在认真听讲。
在另一种实施方式中，所述步骤S130中还可以根据眼睛瞳孔特征判断学生的眼睛瞳孔是否处于发散状态；如果是，则判定当前学生的注意力不集中；否则，判定当前学生的注意力集中。有时候学生虽然脸部朝向讲台位置，但可能处于发呆状态，此时可以通过瞳孔分析判断学生的注意力是否集中。
如图2所示，在另一种实施例中，所述课堂注意力检测方法还可以包括步骤：
S140：将获取的脸部图像输入疲劳度的检测模型。
这里的检测模型可以利用疲劳时人脸图像作为样本进行训练。
S150：通过检测模型将脸部图像与样本图像进行匹配，输出疲劳度等级。
在进行匹配时，可以先对采集到的人脸提取对应的特征，并转化为相应维度的向量，然后与样本图像的向量特征进行相似度计算，最后再输出疲劳程度等级。
比如：这里的疲劳程度的等级可以设置为：非常疲劳、一般疲劳和轻度疲劳等。在进行样本训练时，可以将样本图像划分为三个等级。然后，在进行匹配计算时，将采集到的图像与这三个等级的样本图像分别进行相似度计算，再将相似度最大的等级输出。
通过进行疲劳程度的计算，可以判断当前学生的精神状态。而此时教师可以根据学生的精神状态进行讲课方式的调整，比如：增加课堂互动等。
在另一个实施例中，本发明提供了一种课堂注意力检测装置。请参阅图3，其为本实施例的课堂注意力检测装置的连接框图。
本实施例的课堂注意力检测装置，包括：
图像获取模块110，用于获取处于课堂的当前学生的脸部图像。
特征提取模块120，用于从脸部图像中提取注意力相关特征。所述注意力相关特征包括：脸部朝向特征、眼睛瞳孔特征中的至少一种。
注意力判断模块130，用于根据注意力相关特征判断当前学生的注意力是否集中。
在一种实施方式中，所述注意力判断模块130用于根据脸部朝向特征判断当前学生的脸部是否朝向讲台；如果是，则判定当前学生的注意力不集中；否则，判定当前学生的注意力集中。
在另一种实施方式中，所述注意力判断模块130用于根据眼睛瞳孔特征判断学生的眼睛瞳孔是否处于发散状态；如果是，则判定当前学生的注意力不集中；否则，判定当前学生的注意力集中。
如图4所示，在另一个实施例中，所述课堂注意力检测装置还包括：
输入模块140，用于将获取的脸部图像输入疲劳度的检测模型。
疲劳度输出模块150，用于通过检测模型将脸部图像与样本图像进行匹配，输出疲劳度等级。
本实施例的模块的功能特征与上述实施例课堂注意力检测方法相似，故不再赘述。
在另一个实施例中，本发明还提供一种课堂注意力检测设备，如图5所示，该设备包括：存储器310和处理器320，存储器310内存储有可在处理器320上运行的计算机程序。所述处理器320执行所述计算机程序时实现上述实施例中的课堂注意力检测方法。所述存储器310和处理器320的数量可以为一个或多个。
该设备还包括：
通信接口330，用于与外界设备进行通信，进行数据交互传输。
存储器310可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
如果存储器310、处理器320和通信接口330独立实现，则存储器310、处理器320和通信接口330可以通过总线相互连接并完成相互间的通信。所述总线可以是工业标准体系结构(ISA，Industry Standard Architecture)总线、外部设备互连(PCI，PeripheralComponent)总线或扩展工业标准体系结构(EISA，Extended Industry StandardComponent)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
可选的，在具体实现上，如果存储器310、处理器320及通信接口330集成在一块芯片上，则存储器310、处理器320及通信接口330可以通过内部接口完成相互间的通信。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
本发明实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质的更具体的示例至少(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式只读存储器(CDROM)。另外，计算机可读存储介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
在本发明实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于指令执行系统、输入法或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、射频(Radio Frequency，RF)等等，或者上述的任意合适的组合。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读存储介质中。所述存储介质可以是只读存储器，磁盘或光盘等。
综上所述，本发明不仅可以判断学生的脸部朝向，还进一步通过眼睛的瞳孔的分析和疲劳度分析，从而可以更加精确地获得当前学生的注意力。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到其各种变化或替换，这些都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (12)

1.一种课堂注意力检测方法，其特征在于，包括：
获取处于课堂的当前学生的脸部图像；
从脸部图像中提取注意力相关特征；
根据注意力相关特征判断当前学生的注意力是否集中。
2.根据权利要求1所述的注意力检测方法，其特征在于，所述注意力相关特征包括：脸部朝向特征、眼睛瞳孔特征中的至少一种。
3.根据权利要求2所述的课堂注意力检测方法，其特征在于，所述根据注意力相关特征判断当前学生的注意力是否集中的步骤，包括：
根据脸部朝向特征判断当前学生的脸部是否朝向讲台；
如果是，则判定当前学生的注意力不集中；否则，判定当前学生的注意力集中。
4.根据权利要求2所述的课堂注意力检测方法，其特征在于，所述根据注意力相关特征判断当前学生的注意力是否集中的步骤，包括：
根据眼睛瞳孔特征判断学生的眼睛瞳孔是否处于发散状态；
如果是，则判定当前学生的注意力不集中；否则，判定当前学生的注意力集中。
5.根据权利要求1-4任意一项所述的课堂注意力检测方法，其特征在于，还包括步骤：
将获取的脸部图像输入疲劳度的检测模型；
通过检测模型将脸部图像与样本图像进行匹配，输出疲劳度等级。
6.一种课堂注意力检测装置，其特征在于，包括：
图像获取模块，用于获取处于课堂的当前学生的脸部图像；
特征提取模块，用于从脸部图像中提取注意力相关特征；
注意力判断模块，用于根据注意力相关特征判断当前学生的注意力是否集中。
7.根据权利要求6所述的课堂注意力检测装置，其特征在于，所述注意力相关特征包括：脸部朝向特征、眼睛瞳孔特征中的至少一种。
8.根据权利要求7所述的课堂注意力检测装置，其特征在于，所述注意力判断模块用于根据脸部朝向特征判断当前学生的脸部是否朝向讲台；如果是，则判定当前学生的注意力不集中；否则，判定当前学生的注意力集中。
9.根据权利要求7所述的课堂注意力检测装置，其特征在于，所述注意力判断模块用于根据眼睛瞳孔特征判断学生的眼睛瞳孔是否处于发散状态；如果是，则判定当前学生的注意力不集中；否则，判定当前学生的注意力集中。
10.根据权利要求6-9任意一项所述的课堂注意力检测装置，其特征在于，还包括：
输入模块，用于将获取的脸部图像输入疲劳度的检测模型；
疲劳度输出模块，用于通过检测模型将脸部图像与样本图像进行匹配，输出疲劳度等级。
11.一种课堂注意力检测设备，其特征在于，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-5中任一所述的课堂注意力检测方法。
12.一种计算机可读介质，其存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5中任一所述的课堂注意力检测方法。
CN201810297899.6A 2018-03-30 2018-03-30 课堂注意力检测方法、装置、设备及计算机可读介质 Pending CN108509923A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810297899.6A CN108509923A (zh) 2018-03-30 2018-03-30 课堂注意力检测方法、装置、设备及计算机可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810297899.6A CN108509923A (zh) 2018-03-30 2018-03-30 课堂注意力检测方法、装置、设备及计算机可读介质

Publications (1)

Publication Number Publication Date
CN108509923A true CN108509923A (zh) 2018-09-07

Family

ID=63380544

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810297899.6A Pending CN108509923A (zh) 2018-03-30 2018-03-30 课堂注意力检测方法、装置、设备及计算机可读介质

Country Status (1)

Country Link
CN (1) CN108509923A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110837810A (zh) * 2019-11-12 2020-02-25 北京儒博科技有限公司 一种人脸注意力判断方法、装置、设备及存储介质
CN111160104A (zh) * 2019-12-02 2020-05-15 中国联合网络通信集团有限公司 一种注意力分析方法和装置
CN111339801A (zh) * 2018-12-19 2020-06-26 杭州海康威视系统技术有限公司 一种人员注意力检测方法、装置、设备及系统
CN111401240A (zh) * 2020-03-16 2020-07-10 北京文香信息技术有限公司 一种课堂注意力检测方法、装置、设备及存储介质
CN111414838A (zh) * 2020-03-16 2020-07-14 北京文香信息技术有限公司 一种注意力检测方法、装置、系统、终端及存储介质
CN111436956A (zh) * 2019-01-17 2020-07-24 北京字节跳动网络技术有限公司 一种注意力检测方法、装置、设备及存储介质
CN112560638A (zh) * 2020-12-11 2021-03-26 上海明略人工智能(集团)有限公司 基于人脸识别和行为检测的会场专注评估方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101593352A (zh) * 2009-06-12 2009-12-02 浙江大学 基于面部朝向和视觉焦点的驾驶安全监测系统
CN104517102A (zh) * 2014-12-26 2015-04-15 华中师范大学 学生课堂注意力检测方法及系统
CN104537806A (zh) * 2014-11-11 2015-04-22 奇瑞汽车股份有限公司 一种基于摄像头的疲劳驾驶实时检测系统
CN106123819A (zh) * 2016-06-29 2016-11-16 华中科技大学 一种注意力焦点测量方法
CN106778658A (zh) * 2016-12-28 2017-05-31 辽宁师范大学 基于课堂场景及学习者视线分析学习者注意力的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101593352A (zh) * 2009-06-12 2009-12-02 浙江大学 基于面部朝向和视觉焦点的驾驶安全监测系统
CN104537806A (zh) * 2014-11-11 2015-04-22 奇瑞汽车股份有限公司 一种基于摄像头的疲劳驾驶实时检测系统
CN104517102A (zh) * 2014-12-26 2015-04-15 华中师范大学 学生课堂注意力检测方法及系统
CN106123819A (zh) * 2016-06-29 2016-11-16 华中科技大学 一种注意力焦点测量方法
CN106778658A (zh) * 2016-12-28 2017-05-31 辽宁师范大学 基于课堂场景及学习者视线分析学习者注意力的方法

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111339801A (zh) * 2018-12-19 2020-06-26 杭州海康威视系统技术有限公司 一种人员注意力检测方法、装置、设备及系统
CN111339801B (zh) * 2018-12-19 2023-10-17 杭州海康威视系统技术有限公司 一种人员注意力检测方法、装置、设备及系统
CN111436956A (zh) * 2019-01-17 2020-07-24 北京字节跳动网络技术有限公司 一种注意力检测方法、装置、设备及存储介质
CN110837810A (zh) * 2019-11-12 2020-02-25 北京儒博科技有限公司 一种人脸注意力判断方法、装置、设备及存储介质
CN111160104A (zh) * 2019-12-02 2020-05-15 中国联合网络通信集团有限公司 一种注意力分析方法和装置
CN111401240A (zh) * 2020-03-16 2020-07-10 北京文香信息技术有限公司 一种课堂注意力检测方法、装置、设备及存储介质
CN111414838A (zh) * 2020-03-16 2020-07-14 北京文香信息技术有限公司 一种注意力检测方法、装置、系统、终端及存储介质
CN111401240B (zh) * 2020-03-16 2021-05-28 北京文香信息技术有限公司 一种课堂注意力检测方法、装置、设备及存储介质
CN112560638A (zh) * 2020-12-11 2021-03-26 上海明略人工智能(集团)有限公司 基于人脸识别和行为检测的会场专注评估方法及系统

Similar Documents

Publication Publication Date Title
CN108509923A (zh) 课堂注意力检测方法、装置、设备及计算机可读介质
Mi et al. Wheat stripe rust grading by deep learning with attention mechanism and images from mobile devices
CN105469376B (zh) 确定图片相似度的方法和装置
EP3699817A2 (en) Liveness testing methods and apparatuses and image processing methods and apparatuses
US10719693B2 (en) Method and apparatus for outputting information of object relationship
CN108664981A (zh) 显著图像提取方法及装置
CN107292229A (zh) 一种图像识别方法和装置
CN109117773A (zh) 一种图像特征点检测方法、终端设备及存储介质
CN108172213A (zh) 娇喘音频识别方法、装置、设备及计算机可读介质
CN107862270A (zh) 人脸分类器训练方法、人脸检测方法及装置、电子设备
CN110874604A (zh) 模型训练方法及终端设备
CN112200154A (zh) 一种戴口罩人脸识别方法、装置、电子设备及存储介质
Batchelor et al. Interactive image processing for machine vision
CN109308895A (zh) 声学模型训练方法、装置、设备及计算机可读介质
CN104504368A (zh) 一种图像场景识别方法及系统
CN110879993B (zh) 神经网络训练方法、人脸识别任务的执行方法及装置
CN113822207A (zh) 高光谱遥感图像识别方法、装置、电子设备及存储介质
Ji et al. Fast segmentation of colour apple image under all-weather natural conditions for vision recognition of picking robots
CN108470290A (zh) 广告检测方法、装置及服务器
Uddin et al. Bangla sign language interpretation using bag of features and Support Vector Machine
Leavline et al. On teaching digital image processing with MATLAB
CN105979283A (zh) 视频转码方法和装置
CN104318224A (zh) 一种人脸识别方法及监控设备
CN110110070A (zh) 题目推送方法、装置、服务器以及存储介质
Zhang et al. Weakly Supervised Object Recognition and Localization with Invariant High Order Features.

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180907