CN108875785A - 基于行为特征对比的关注度检测方法以及装置 - Google Patents

基于行为特征对比的关注度检测方法以及装置 Download PDF

Info

Publication number
CN108875785A
CN108875785A CN201810476073.6A CN201810476073A CN108875785A CN 108875785 A CN108875785 A CN 108875785A CN 201810476073 A CN201810476073 A CN 201810476073A CN 108875785 A CN108875785 A CN 108875785A
Authority
CN
China
Prior art keywords
user
behavior
information
user behavior
criterion
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.)
Granted
Application number
CN201810476073.6A
Other languages
English (en)
Other versions
CN108875785B (zh
Inventor
陈鹏宇
卢炀
赵鹏祥
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.)
Shenzhen Eaglesoul Technology Co Ltd
Original Assignee
Shenzhen Eaglesoul 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 Shenzhen Eaglesoul Technology Co Ltd filed Critical Shenzhen Eaglesoul Technology Co Ltd
Priority to CN201810476073.6A priority Critical patent/CN108875785B/zh
Priority to PCT/CN2018/092786 priority patent/WO2019218427A1/zh
Publication of CN108875785A publication Critical patent/CN108875785A/zh
Application granted granted Critical
Publication of CN108875785B publication Critical patent/CN108875785B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • 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
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Biology (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Acoustics & Sound (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • User Interface Of Digital Computer (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本公开是关于一种基于行为特征对比的关注度检测方法、装置、电子设备以及存储介质。其中，该方法包括：获取视频采集设备采集的视频信息，识别语音指令信息，分析识别到语音指令信息后指定时间段内所述用户行为信息中的用户行为特征，在预先建立的标准行为特征模型中查找与当前语音指令信息对应的标准行为特征，并将所述用户行为特征与所述标准行为特征进行对比，按照预设计分标准对与所述标准行为特征不一致的用户行为特征进行评分，并统计所述视频信息全部时间段中的评分结果，根据所述评分结果生成所述视频信息的教学关注度。本公开可以通过对用户行为的一致性分析生成教学关注度。

Description

基于行为特征对比的关注度检测方法以及装置
技术领域
本公开涉及计算机技术领域，具体而言，涉及一种基于行为特征对比的关注度检测方法、装置、电子设备以及计算机可读存储介质。
背景技术
在教学中，快速而准确的检测学生对教学内容的关注度，既可以提醒教师对高关注度教学内容的重点教学，又可以促进学生对不同关注度知识点的着重学习，起到事半功倍的教学效果。
然而，在实际教学中，通常都是通过教师凭借个人经验实际观察各学生的学习状态，来实现学生对教学内容的关注度的检测，这样的方法既占用的了老师的教学精力，也不易在网络教学等场合适用。
申请号为CN201110166693.8的专利申请公开了一种量化对象的区域关注度的方法，包括：获取人眼视线方向；记录所述视线方向在所述对象的各个区域的停留时间；以及将停留时间长的区域赋予高关注度权重，将停留时间短的区域赋予低关注度权重。由于该申请主要是通过对人眼停留时长分析的方式来实现对关注度的评估，并不能综合的反应教学内容中各种关注度指标，无法全面的对教学内容关注度进行评估。
申请号为CN201110166693.8的专利申请公开了一种评价用户关注度的方法和设备，评价用户关注度的方法包括：检测用户的视线方向；确定所检测的视线方向所对应的屏幕上的区域；获得用户针对所确定的区域的表情在各个预定情绪上的度量；以及根据所获得的度量，生成用户对所确定的区域的关注度。由于该申请主要是通过用户实现方向上情绪的度量，来实现对关注度的评估，并不能综合的反应教学内容中各种关注度指标，不能全面的对教学内容关注度进行评估。
申请号为CN201110166693.8的专利申请公开了一种显示屏关注度统计方法及系统，通过无线接入点设备发送无线接入广播信号；当进入无线接入点设备的信号强度距离范围内的用户终端接收到无线接入广播信号并接入无线接入点设备，通过无线接入点设备获取接入的用户终端的信息例如唯一标识和接入时间信息；通过无线接入点设备将接入的用户终端的信息提供给服务器；以及通过服务器根据接入的用户终端的信息统计目标显示屏的关注度。由于该申请主要是通过统计无线接入点中连接设备数量的方式来实现对显示屏关注度的统计，所述方法只能用在用户较为集中的场合，并不适合网络教学用户较分散的情况。
因此，需要提供一种或多种至少能够解决上述问题的技术方案。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种基于行为特征对比的关注度检测方法、装置、电子设备以及计算机可读存储介质，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。
根据本公开的一个方面，提供一种基于行为特征对比的关注度检测方法，包括：
视频信息获取步骤，获取视频采集设备采集的视频信息，所述视频信息包含用户行为信息以及语音指令信息；
行为特征识别步骤，识别语音指令信息，分析识别到语音指令信息后指定时间段内所述用户行为信息中的用户行为特征；
行为特征对比步骤，在预先建立的标准行为特征模型中查找与当前语音指令信息对应的标准行为特征，并将所述用户行为特征与所述标准行为特征进行对比；
关注度评分步骤，按照预设计分标准对与所述标准行为特征不一致的用户行为特征进行评分，并统计所述视频信息全部时间段中的评分结果，根据所述评分结果生成所述视频信息的教学关注度。
在本公开的一种示例性实施例中，所述行为特征识别步骤，包括：
在分析指定时间段内所述用户行为信息中的用户行为特征后，将所述指定时间段内相同的用户行为特征数量大于预设数量的用户行为特征作为待参考标准行为特征；
所述方法还包括：
根据所述待参考标准行为特征训练预先建立的标准行为特征模型。
在本公开的一种示例性实施例中，将所述用户行为特征与所述标准行为特征进行对比，包括：
对比在识别到语音指令信息后的指定时间段内，视频信息中的用户行为信息是否包含与语音指令信息对应的标准行为特征，若包含，判断所述用户行为特征的保持时长是否满足所述标准行为特征的预设时间范围。
在本公开的一种示例性实施例中，所述方法还包括计分标准生成步骤，所述计分标准生成步骤包括：
若所述用户行为特征的保持时长满足所述标准行为特征的预设时间范围，对该指定时间段内对应用户的用户行为特征计满分。
在本公开的一种示例性实施例中，所述方法还包括计分标准生成步骤，所述计分标准生成步骤包括：
若对比在识别到语音指令信息后的指定时间段内，视频信息中的用户行为信息不包含与语音指令信息对应的标准行为特征，对该指定时间段内对应用户的用户行为特征计零分。
在本公开的一种示例性实施例中，所述用户行为信息包括用户的头部转动行为以及眼部对焦行为；所述行为特征识别步骤包括：
提取用户头部转动行为中头部移动方向、移动角度，以及用户眼部对焦行为中的眼睛对焦状态；
将用户头部转动行为中头部移动方向、移动角度，以及用户眼部对焦行为中的眼睛对焦状态作为用户行为特征。
在本公开的一种示例性实施例中，所述眼部对焦行为包括用户眼睛的闭眼信息，所述行为特征识别步骤，还包括：
根据用户眼睛的闭眼信息，统计用户闭眼时长。
在本公开的一种示例性实施例中，所述方法还包括计分标准生成步骤，所述计分标准生成步骤包括：
若指定时间段内，根据用户眼部对焦行为确定用户闭眼时长大于预设时长，对该指定时间段内对应用户的用户行为特征记零分。
在本公开的一种示例性实施例中，所述用户行为获取步骤包括：
获取同一视频采集设备采集的包含多个用户的用户行为信息的视频信息；或者，
获取一个或多个视频采集设备采集的包含多个用户的用户行为信息的视频信息。
在本公开的一种示例性实施例中，所述方法还包括：
当采集到多个用户的用户行为信息后，分别生成与各个用户对应的用户行为特征评分并生成关注度；
对各个用户的用户行为关注度排序，并将各个用户的关注度排序发送至指定对象。
在本公开的一个方面，提供一种基于行为特征对比的关注度检测装置，包括：
视频信息获取模块，用于获取视频采集设备采集的视频信息，所述视频信息包含用户行为信息以及语音指令信息；
行为特征识别模块，用于识别语音指令信息，分析识别到语音指令信息后指定时间段内所述用户行为信息中的用户行为特征；
行为特征对比模块，用于在预先建立的标准行为特征模型中查找与当前语音指令信息对应的标准行为特征，并将所述用户行为特征与所述标准行为特征进行对比；
关注度评分模块，用于按照预设计分标准对与所述标准行为特征不一致的用户行为特征进行评分，并统计所述视频信息全部时间段中的评分结果，根据所述评分结果生成所述视频信息的教学关注度。
在本公开的一个方面，提供一种电子设备，包括：
处理器；以及
存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现根据上述任意一项所述的方法。
在本公开的一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现根据上述任意一项所述的方法。
本公开的示例性实施例中的基于行为特征对比的关注度检测方法，获取视频采集设备采集的视频信息，识别语音指令信息，分析识别到语音指令信息后指定时间段内所述用户行为信息中的用户行为特征，在预先建立的标准行为特征模型中查找与当前语音指令信息对应的标准行为特征，并将所述用户行为特征与所述标准行为特征进行对比，按照预设计分标准对与所述标准行为特征不一致的用户行为特征进行评分，并统计所述视频信息全部时间段中的评分结果，根据所述评分结果生成所述视频信息的教学关注度。一方面，将语音指令信息与用户行为特征对比，可以准确的判断用户行为是否与所述语音指令信息一致，进而实现对关注度的准确推断；另一方面，在指定时间段对用户行为特征时长分析来实现对用户行为特征对应比例计分的方式，使用户关注度的统计结果更加精确。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
通过参照附图来详细描述其示例实施例，本公开的上述和其它特征及优点将变得更加明显。
图1示出了根据本公开一示例性实施例的基于行为特征对比的关注度检测方法的流程图；
图2示出了根据本公开一示例性实施例的基于行为特征对比的关注度检测方法应用场景的示意图；
图3示出了根据本公开一示例性实施例的基于行为特征对比的关注度检测方法应用场景的示意图；
图4示出了根据本公开一示例性实施例的基于行为特征对比的关注度检测装置的示意框图；
图5示意性示出了根据本公开一示例性实施例的电子设备的框图；以及
图6示意性示出了根据本公开一示例性实施例的计算机可读存储介质的示意图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本公开将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有所述特定细节中的一个或更多，或者可以采用其它的方法、组元、材料、装置、步骤等。在其它情况下，不详细示出或描述公知结构、方法、装置、实现、材料或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个软件硬化的模块中实现这些功能实体或功能实体的一部分，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
在本示例实施例中，首先提供了一种基于行为特征对比的关注度检测方法，可以应用于计算机等电子设备；参考图1中所示，该基于行为特征对比的关注度检测方法可以包括以下步骤：
视频信息获取步骤S110，获取视频采集设备采集的视频信息，所述视频信息包含用户行为信息以及语音指令信息；
行为特征识别步骤S120，识别语音指令信息，分析识别到语音指令信息后指定时间段内所述用户行为信息中的用户行为特征；
行为特征对比步骤S130，在预先建立的标准行为特征模型中查找与当前语音指令信息对应的标准行为特征，并将所述用户行为特征与所述标准行为特征进行对比；
关注度评分步骤S140，按照预设计分标准对与所述标准行为特征不一致的用户行为特征进行评分，并统计所述视频信息全部时间段中的评分结果，根据所述评分结果生成所述视频信息的教学关注度。
根据本示例实施例中的基于行为特征对比的关注度检测方法，一方面，将语音指令信息与用户行为特征对比，可以准确的判断用户行为是否与所述语音指令信息一致，进而实现对关注度的准确推断；另一方面，在指定时间段对用户行为特征时长分析来实现对用户行为特征对应比例计分的方式，使用户关注度的统计结果更加精确。
下面，将对本示例实施例中的基于行为特征对比的关注度检测方法进行进一步的说明。
在视频信息获取步骤S110中，可以获取视频采集设备采集的视频信息，所述视频信息包含用户行为信息以及语音指令信息。
本示例实施方式中，在常见的教学场景，特别是网络教学的场景中，都有视频采集设备可以采集用户的视频，通过分析所述视频中的用户行为信息及音频中的语音指令信息，可以作为进一步判断用户关注度的依据。
本示例实施方式中，所述用户行为获取步骤包括：获取同一视频采集设备采集的包含多个用户的用户行为信息的视频信息；或者，获取一个或多个视频采集设备采集的包含多个用户的用户行为信息的视频信息。如在现实的教学场景中，通过一个置于教学前方高处的摄像头，就可以采集到整个教室所有用户的视频图像，又如网络教学场景中，通过用户视频观看设备特别是移动便携设备的摄像头，可以采集到每个网络教学用户的视频图像。
在行为特征识别步骤S120中，可以识别语音指令信息，分析识别到语音指令信息后指定时间段内所述用户行为信息中的用户行为特征。
本示例实施方式中，对用户语音指令信息的识别，可以判断出用户的下一步的动作行为，如在现实的教学场景中，所有用户都在观看教室前方的黑板上的内容，然后教师语音指令“请打开课本第3页”，此时所有用户的应该都会从观看教室前方的黑板转而去看书本的内容，这样的行为就包含了用户行为特征；又如当教学内容为课本第一页，然后教师语音指令“请看第二页的习题”，此时用户应该都应该有头部旋转及眼睛对焦变化的动作。
本示例实施方式中，所述用户行为信息包括用户的头部转动行为以及眼部对焦行为；所述行为特征识别步骤包括：提取用户头部转动行为中头部移动方向、移动角度，以及用户眼部对焦行为中的眼睛对焦状态；将用户头部转动行为中头部移动方向、移动角度，以及用户眼部对焦行为中的眼睛对焦状态作为用户行为特征。以上行为都可以当作用户行为信息来作为用户关注度变化的依据。
本示例实施方式中，所述行为特征识别步骤，包括：在分析指定时间段内所述用户行为信息中的用户行为特征后，将所述指定时间段内相同的用户行为特征数量大于预设数量的用户行为特征作为待参考标准行为特征。在有些教学场景中，可能并没有语音指令信息，如图2所的教学场景中，老师讲述课文第一页的内容，随着讲述逻辑进度的推进，讲到第二页，那么所有用户的用户行为信息中头部转动或者眼镜对焦状态应该都有一致性的动画变化趋势，将这样的行为趋势统计分析出来作为待参考标准行为特征，就可以进行对比作为非常规行为的判断依据。所述方法还包括：根据所述待参考标准行为特征训练预先建立的标准行为特征模型，对一些待参考标准行为特征训练的结果统计，可以作为标准行为特征模型储存，在实际运算对比时，减少计算负荷，加快响应速度。
在行为特征对比步骤S130中，可以在预先建立的标准行为特征模型中查找与当前语音指令信息对应的标准行为特征，并将所述用户行为特征与所述标准行为特征进行对比。
本示例实施方式中，可以将接收到的语音指令信息与标准行为特征的对应关系建立模型，在接收到语音指令信息时，直接将所述语音指令信息作为输入在所述模型中查找，就可以得到对应的标准行为特征，然后使用所述标准行为特征与用户行为特征对比，就可以判断出所述用户的行为状态。如在用户观看黑板内容时，接收到教师语音指令“请打开课本第3页”，对应的标准行为特征为头部大幅向下转动，然后小幅左右转动，没有执行这个标准行为特征的用户将被标记并进行下一步数据处理工作。
本示例实施方式中，将所述用户行为特征与所述标准行为特征进行对比，包括：对比在识别到语音指令信息后的指定时间段内，视频信息中的用户行为信息是否包含与语音指令信息对应的标准行为特征，若包含，判断所述用户行为特征的保持时长是否满足所述标准行为特征的预设时间范围。如在所述标准行为特征的指定时间段内，用户执行标准行为特征符合预设时间段的要求，所述预设时间段可以是指定时间段的全部或者部分时长。
在关注度评分步骤S140中，可以按照预设计分标准对与所述标准行为特征不一致的用户行为特征进行评分，并统计所述视频信息全部时间段中的评分结果，根据所述评分结果生成所述视频信息的教学关注度。
本示例实施方式中，根据所述用户行为特征与标准行为特征的对比，特别是在指定时间段的行为特征对比，可以作为教学关注度评分的重要依据。
本示例实施方式中，所述方法还包括计分标准生成步骤，所述计分标准生成步骤包括：若所述用户行为特征的保持时长满足所述标准行为特征的预设时间范围，对该指定时间段内对应用户的用户行为特征计满分。在指定时间段内的预设时间范围完成标准行为特征，说明用户关注度达到预设标准，则对所述用户在该指定时间段的关注度计满分。
本示例实施方式中，所述方法还包括计分标准生成步骤，所述计分标准生成步骤包括：若对比在识别到语音指令信息后的指定时间段内，视频信息中的用户行为信息不包含与语音指令信息对应的标准行为特征，对该指定时间段内对应用户的用户行为特征计零分。在指定时间段内没有标准行为特征的用户行为，说明用户关注度完全没有达到预设标准，则对所述用户在该指定时间段的关注度计零分。
本示例实施方式中，所述眼部对焦行为包括用户眼睛的闭眼信息，所述行为特征识别步骤，还包括：根据用户眼睛的闭眼信息，统计用户闭眼时长。对闭眼时长的统计主要是为了实现对教学场景中打瞌睡的情况的统计。
本示例实施方式中，所述方法还包括计分标准生成步骤，所述计分标准生成步骤包括：若指定时间段内，根据用户眼部对焦行为确定用户闭眼时长大于预设时长，对该指定时间段内对应用户的用户行为特征记零分。
本示例实施方式中，所述用户行为信息包括用户的头面部行为；所述行为特征识别步骤，还包括：提取用户的面部特征；在预设用户面部特征库中查找所述用户信息；建立所述用户信息与用户行为特征的对应关系。基于视频采集设备的人脸识别算法可以在本方法中作为用户信息对比查找的手段，通过对用户面部识别并查找对应用户的用户信息，可以实现用户关注的自动评分统计并与所述用户对应，不需要人工再次统计识别计算。
本示例实施方式中，所述方法还包括：当采集到多个用户的用户行为信息后，分别生成与各个用户对应的用户行为特征评分，根据用户行为特征评分生成教学关注度；对各个用户的教学关注度排序，并将教学关注度排序发送至指定对象。如图3为某关注度显示的应用场景，在所述教学场景中，根据采集到的所有用户的用户行为信息得到用户关注度排序，并推送给所有用户和/或教学者显示。
需要说明的是，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
此外，在本示例实施例中，还提供了一种基于行为特征对比的关注度检测装置。参照图4所示，该基于行为特征对比的关注度检测装置400可以包括：视频信息获取模块410、行为特征识别模块420、行为特征对比模块430以及关注度评分模块440。其中：
视频信息获取模块410，用于获取视频采集设备采集的视频信息，所述视频信息包含用户行为信息以及语音指令信息；
行为特征识别模块420，用于识别语音指令信息，分析识别到语音指令信息后指定时间段内所述用户行为信息中的用户行为特征；
行为特征对比模块430，用于在预先建立的标准行为特征模型中查找与当前语音指令信息对应的标准行为特征，并将所述用户行为特征与所述标准行为特征进行对比；
关注度评分模块440，用于按照预设计分标准对与所述标准行为特征不一致的用户行为特征进行评分，并统计所述视频信息全部时间段中的评分结果，根据所述评分结果生成所述视频信息的教学关注度。
上述中各基于行为特征对比的关注度检测装置模块的具体细节已经在对应的音频段落识别方法中进行了详细的描述，因此此处不再赘述。
应当注意，尽管在上文详细描述中提及了基于行为特征对比的关注度检测装置400的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外，在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施例、完全的软件实施例(包括固件、微代码等)，或硬件和软件方面结合的实施例，这里可以统称为“电路”、“模块”或“系统”。
下面参照图5来描述根据本发明的这种实施例的电子设备500。图5显示的电子设备500仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示，电子设备500以通用计算设备的形式表现。电子设备500的组件可以包括但不限于：上述至少一个处理单元510、上述至少一个存储单元520、连接不同系统组件(包括存储单元520和处理单元510)的总线530、显示单元540。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元510执行，使得所述处理单元510执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。例如，所述处理单元510可以执行如图1中所示的步骤S110至步骤S140。
存储单元520可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)5201和/或高速缓存存储单元5202，还可以进一步包括只读存储单元(ROM)5203。
存储单元520还可以包括具有一组(至少一个)程序模块5205的程序/实用工具5204，这样的程序模块5205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线530可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备500也可以与一个或多个外部设备570(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备500交互的设备通信，和/或与使得该电子设备500能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口550进行。并且，电子设备500还可以通过网络适配器560与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器560通过总线530与电子设备500的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备500使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施例的方法。
在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。
参考图6所示，描述了根据本发明的实施例的用于实现上述方法的程序产品600，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
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，其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
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、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。

Claims (13)

1.一种基于行为特征对比的关注度检测方法，其特征在于，所述方法包括：
视频信息获取步骤，获取视频采集设备采集的视频信息，所述视频信息包含用户行为信息以及语音指令信息；
行为特征识别步骤，识别语音指令信息，分析识别到语音指令信息后指定时间段内所述用户行为信息中的用户行为特征；
行为特征对比步骤，在预先建立的标准行为特征模型中查找与当前语音指令信息对应的标准行为特征，并将所述用户行为特征与所述标准行为特征进行对比；
关注度评分步骤，按照预设计分标准对与标准行为特征不一致的用户行为特征进行评分，并统计所述视频信息全部时间段中的评分结果，根据所述评分结果生成所述视频信息的教学关注度。
2.如权利要求1所述方法，其特征在于，所述行为特征识别步骤，包括：
在分析指定时间段内所述用户行为信息中的用户行为特征后，将所述指定时间段内相同的用户行为特征数量大于预设数量的用户行为特征作为待参考标准行为特征；
所述方法还包括：
根据所述待参考标准行为特征训练预先建立的标准行为特征模型。
3.如权利要求1所述方法，其特征在于，将所述用户行为特征与所述标准行为特征进行对比，包括：
对比在识别到语音指令信息后的指定时间段内，视频信息中的用户行为信息是否包含与语音指令信息对应的标准行为特征，若包含，判断所述用户行为特征的保持时长是否满足所述标准行为特征的预设时间范围。
4.如权利要求3所述方法，其特征在于，所述方法还包括计分标准生成步骤，所述计分标准生成步骤包括：
若所述用户行为特征的保持时长满足所述标准行为特征的预设时间范围，对该指定时间段内对应用户的用户行为特征计满分。
5.如权利要求3所述方法，其特征在于，所述方法还包括计分标准生成步骤，所述计分标准生成步骤包括：
若对比在识别到语音指令信息后的指定时间段内，视频信息中的用户行为信息不包含与语音指令信息对应的标准行为特征，对该指定时间段内对应用户的用户行为特征计零分。
6.如权利要求1所述方法，其特征在于，所述用户行为信息包括用户的头部转动行为以及眼部对焦行为；所述行为特征识别步骤包括：
提取用户头部转动行为中头部移动方向、移动角度，以及用户眼部对焦行为中的眼睛对焦状态；
将用户头部转动行为中头部移动方向、移动角度，以及用户眼部对焦行为中的眼睛对焦状态作为用户行为特征。
7.如权利要求6所述方法，其特征在于，所述眼部对焦行为包括用户眼睛的闭眼信息，所述行为特征识别步骤，还包括：
根据用户眼睛的闭眼信息，统计用户闭眼时长。
8.如权利要求7所述方法，其特征在于，所述方法还包括计分标准生成步骤，所述计分标准生成步骤包括：
若指定时间段内，根据用户眼部对焦行为确定用户闭眼时长大于预设时长，对该指定时间段内对应用户的用户行为特征记零分。
9.如权利要求1所述方法，其特征在于，所述用户行为获取步骤包括：
获取同一视频采集设备采集的包含多个用户的用户行为信息的视频信息；或者，
获取一个或多个视频采集设备采集的包含多个用户的用户行为信息的视频信息。
10.如权利要求9所述方法，其特征在于，所述方法还包括：
当采集到多个用户的用户行为信息后，分别对各个用户对应的用户行为特征评分，根据各个用户行为特征评分生成与各个用户对应的教学关注度；
对各个用户的教学关注度排序，并将关注度排序发送至指定对象。
11.一种基于行为特征对比的关注度检测装置，其特征在于，所述装置包括：
视频信息获取模块，用于获取视频采集设备采集的视频信息，所述视频信息包含用户行为信息以及语音指令信息；
行为特征识别模块，用于识别语音指令信息，分析识别到语音指令信息后指定时间段内所述用户行为信息中的用户行为特征；
行为特征对比模块，用于在预先建立的标准行为特征模型中查找与当前语音指令信息对应的标准行为特征，并将所述用户行为特征与所述标准行为特征进行对比；
关注度评分模块，用于按照预设计分标准对与标准行为特征不一致的用户行为特征进行评分，并统计所述视频信息全部时间段中的评分结果，根据所述评分结果生成所述视频信息的教学关注度。
12.一种电子设备，其特征在于，包括：
处理器；以及
存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现根据权利要求1至9中任一项所述的方法。
13.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现根据权利要求1至9中任一项所述方法。
CN201810476073.6A 2018-05-17 2018-05-17 基于行为特征对比的关注度检测方法以及装置 Active CN108875785B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201810476073.6A CN108875785B (zh) 2018-05-17 2018-05-17 基于行为特征对比的关注度检测方法以及装置
PCT/CN2018/092786 WO2019218427A1 (zh) 2018-05-17 2018-06-26 基于行为特征对比的关注度检测方法以及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810476073.6A CN108875785B (zh) 2018-05-17 2018-05-17 基于行为特征对比的关注度检测方法以及装置

Publications (2)

Publication Number Publication Date
CN108875785A true CN108875785A (zh) 2018-11-23
CN108875785B CN108875785B (zh) 2021-04-06

Family

ID=64334562

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810476073.6A Active CN108875785B (zh) 2018-05-17 2018-05-17 基于行为特征对比的关注度检测方法以及装置

Country Status (2)

Country Link
CN (1) CN108875785B (zh)
WO (1) WO2019218427A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN113033329A (zh) * 2021-03-04 2021-06-25 深圳市鹰硕技术有限公司 在线教育中题目非正常作答的判定方法以及装置
CN114913974A (zh) * 2022-05-10 2022-08-16 上海市东方医院（同济大学附属东方医院） 一种谵妄评估方法、装置、电子设备及存储介质

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111104979B (zh) * 2019-12-18 2023-08-01 北京思维造物信息科技股份有限公司 一种用户行为价值评估模型的生成方法、装置及设备
CN111144321B (zh) * 2019-12-28 2023-06-09 北京如布科技有限公司 专注度检测方法、装置、设备和存储介质
CN111796752B (zh) * 2020-05-15 2022-11-15 四川科华天府科技有限公司 一种基于pc的互动教学系统
CN112306832A (zh) * 2020-10-27 2021-02-02 北京字节跳动网络技术有限公司 用户状态响应方法、装置、电子设备及存储介质
CN113409822B (zh) * 2021-05-31 2023-06-20 青岛海尔科技有限公司 对象状态的确定方法、装置、存储介质及电子装置
CN113762803A (zh) * 2021-09-18 2021-12-07 陕西师范大学 注意力有效性评估方法、系统及装置
CN114971425B (zh) * 2022-07-27 2022-10-21 深圳市必提教育科技有限公司 数据库信息监控方法、装置、设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104408781A (zh) * 2014-12-04 2015-03-11 重庆晋才富熙科技有限公司 专注度考勤系统
CN104835356A (zh) * 2015-05-31 2015-08-12 深圳市采集科技有限公司 一种学生听讲专注度的测量方法及系统
CN106228293A (zh) * 2016-07-18 2016-12-14 重庆中科云丛科技有限公司 教学评估方法及系统
CN106250822A (zh) * 2016-07-21 2016-12-21 苏州科大讯飞教育科技有限公司 基于人脸识别的学生专注度监测系统及方法
CN106851216A (zh) * 2017-03-10 2017-06-13 山东师范大学 一种基于人脸和语音识别的课堂行为监控系统及方法
CN107025616A (zh) * 2017-05-08 2017-08-08 湖南科乐坊教育科技股份有限公司 一种幼儿教学状态检测方法及其系统
CN107369341A (zh) * 2017-06-08 2017-11-21 深圳市科迈爱康科技有限公司 教育机器人
CN107609517A (zh) * 2017-09-15 2018-01-19 华中科技大学 一种基于计算机视觉的课堂行为检测系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107025614B (zh) * 2017-03-20 2020-12-18 广东小天才科技有限公司 一种直播视频中的教学效果检测方法、系统及装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104408781A (zh) * 2014-12-04 2015-03-11 重庆晋才富熙科技有限公司 专注度考勤系统
CN104835356A (zh) * 2015-05-31 2015-08-12 深圳市采集科技有限公司 一种学生听讲专注度的测量方法及系统
CN106228293A (zh) * 2016-07-18 2016-12-14 重庆中科云丛科技有限公司 教学评估方法及系统
CN106250822A (zh) * 2016-07-21 2016-12-21 苏州科大讯飞教育科技有限公司 基于人脸识别的学生专注度监测系统及方法
CN106851216A (zh) * 2017-03-10 2017-06-13 山东师范大学 一种基于人脸和语音识别的课堂行为监控系统及方法
CN107025616A (zh) * 2017-05-08 2017-08-08 湖南科乐坊教育科技股份有限公司 一种幼儿教学状态检测方法及其系统
CN107369341A (zh) * 2017-06-08 2017-11-21 深圳市科迈爱康科技有限公司 教育机器人
CN107609517A (zh) * 2017-09-15 2018-01-19 华中科技大学 一种基于计算机视觉的课堂行为检测系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN113033329A (zh) * 2021-03-04 2021-06-25 深圳市鹰硕技术有限公司 在线教育中题目非正常作答的判定方法以及装置
CN114913974A (zh) * 2022-05-10 2022-08-16 上海市东方医院（同济大学附属东方医院） 一种谵妄评估方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
WO2019218427A1 (zh) 2019-11-21
CN108875785B (zh) 2021-04-06

Similar Documents

Publication Publication Date Title
CN108875785A (zh) 基于行为特征对比的关注度检测方法以及装置
US9754503B2 (en) Systems and methods for automated scoring of a user's performance
US10706738B1 (en) Systems and methods for providing a multi-modal evaluation of a presentation
US8793118B2 (en) Adaptive multimodal communication assist system
KR101563312B1 (ko) 시선 기반 교육 콘텐츠 실행 시스템
CN108537702A (zh) 外语教学评价信息生成方法以及装置
CN108563780A (zh) 课程内容推荐方法和装置
CN108564495A (zh) 网络教学关注度评估方法以及装置
CN111428686A (zh) 一种学生兴趣偏好评估方法、装置及系统
CN105139317A (zh) 兴趣取向值测验的认知指标分析方法
CN111402093A (zh) 基于大数据和人工智能的互联网精准化教学辅导管理系统
Zhang et al. Teaching chinese sign language with a smartphone
KR20210134614A (ko) 데이터 처리 방법 및 장치, 전자 기기 및 저장 매체
Gajbhiye et al. Ai human pose estimation: Yoga pose detection and correction
CN115131867A (zh) 基于学生学习效率检测方法、系统、设备及介质
Duraisamy et al. Classroom engagement evaluation using computer vision techniques
CN113591678A (zh) 课堂注意力确定方法、装置、设备、存储介质及程序产品
CN111241802B (zh) 一种作业生成方法、装置、存储介质及终端
KR100756671B1 (ko) 학습자 인증카드에 따라 제공되는 미션수행 영상을 이용한영어학습 시스템
Jiang et al. A classroom concentration model based on computer vision
CN110222166A (zh) 问答服务提供方法、装置、设备、介质及沉浸式教练系统
CN114296627B (zh) 内容显示方法、装置、设备及存储介质
CN111199378A (zh) 学员管理方法、装置、电子设备及存储介质
CN113837010A (zh) 一种教育评估系统及方法
CN111507555B (zh) 人体状态检测方法、课堂教学质量的评价方法及相关装置

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
GR01 Patent grant
GR01 Patent grant