CN109086676A - 一种学生注意力分析系统及其判定方法 - Google Patents
一种学生注意力分析系统及其判定方法 Download PDFInfo
- Publication number
- CN109086676A CN109086676A CN201810738223.6A CN201810738223A CN109086676A CN 109086676 A CN109086676 A CN 109086676A CN 201810738223 A CN201810738223 A CN 201810738223A CN 109086676 A CN109086676 A CN 109086676A
- Authority
- CN
- China
- Prior art keywords
- attention
- student
- module
- image
- database
- 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.)
- Withdrawn
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
- G06V40/168—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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- 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
- G06V40/193—Preprocessing; Feature extraction
-
- 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
- G06V40/197—Matching; Classification
Abstract
本发明公开了一种学生注意力分析系统及其判定方法,涉及图像识别领域。本发明包括:用于通过外部设备获取图像作为系统输入的图像采集模块、用于对采集到的图像进行预处理的图像处理模块、用于对预处理完成后的图像进行人脸识别、人脸方位识别以及眼睛瞳孔位置识别的模式识别模块、用于根据识别的眼球位置偏移的情况给出注意力的判定结果的注意力分析模块以及数据库模块。本发明通过建立学生注意力分析系统,利用模式识别模块对采集图片进行人脸识别、人脸方位识别以及瞳孔位置识别,再通过注意力分析模块根据眼球位置判定出当前学生的注意力是否集中并给出相应提示,提高了学生注意力判定精准度、降低了判定成本。
Description
技术领域
本发明属于图像识别领域,特别是涉及一种学生注意力分析系统及其判定方法。
背景技术
随着科技的发展,信息化智能化已经广泛应用于人们日常生活中的各个领域。在教学领域中,学生听课时的注意力焦点是管理者和教师非常重视的一个指标。
目前已有的学生注意力焦点的测量系统和方法,多是通过检测学生的视线进行测量;包括近距离测量和远距离测量两种方式;近距离的视线测量多采用前置测量仪,如Tobii等,在人体姿态基本固定的状态下可以比较准确的测量出近距离学生的视线数据,从而推算出学生视线落在屏幕上的位置来确定注意力焦点;但是距离过远的话,由于人体姿态等因素的影响,视线数据测量误差较大,测量计算不准确。对于远距离的视线测量多采用头戴式测量仪,通过头戴式测量仪直接测量该学生的视线数据,进而推算出学生视线落在教学屏幕上的位置来确定注意力焦点。但是这种方式需要每个学生佩戴头戴式测量仪,成本代价高,且大大影响学生的教学体验和教学效果。
发明内容
本发明的目的在于提供一种学生注意力分析系统及其判定方法,通过建立学生注意力分析系统,利用模式识别模块对采集图片进行人脸识别、人脸方位识别以及瞳孔位置识别,再通过注意力分析模块根据眼球位置判定出当前学生的注意力是否集中,解决了现有的学生注意力测量系统判定误差较大、判定成本高的问题。
为解决上述技术问题,本发明是通过以下技术方案实现的:
本发明为一种学生注意力分析系统,包括图像采集模块、图像处理模块、模式识别模块、注意力分析模块以及数据库模块;
所述图像采集模块、图像处理模块、模式识别模块和注意力分析模块依次连接;
所述图像采集模块用于通过外部设备获取图像作为系统输入;
所述图像处理模块用于对采集到的图像进行预处理;
所述模式识别模块用于对预处理完成后的图像进行人脸识别、人脸方位识别以及眼睛瞳孔位置识别;
所述注意力分析模块用于根据识别的眼球位置偏移的情况给出注意力的判定结果;
所述数据库模块包括学生信息数据库、原始图片数据库、图片处理数据库和注意力数据库;其中,所述学生信息数据库用于录入并存储学生的基本信息;所述原始图片数据库用以储存外部设备采集的图片信息;所述图片处理数据库用于存储模式识别模块处理完成的图片信息;所述注意力数据库用于存储不同时段学生的注意力判定结果。
优选地,所述图像处理模块包括图像二值化处理、图像高斯平滑处理以及直方图均衡化处理。
优选地,所述学生信息数据库录入的信息包括学生的基础信息表、知识水平表、认知能力表、偏好信息表、学习历史表、注意力统计表;所述注意力数据库存储完成学生的注意力判定结果后,系统需根据学生的注意力判定结果更新学生信息数据库中的注意力统计表。
本发明为一种学生注意力分析系统的判定方法,包括如下步骤:
步骤S01摄像头实时采集学生头像;
步骤S02判断分析学生人脸位置朝向;
若人脸朝向正前方,则执行步骤S03;
若人脸朝向非正前方,则执行步骤S09;
步骤S03人脸特征识别;
步骤S04获取人眼特征识别;
步骤S05分析人眼中瞳孔位置;
步骤S06获取瞳孔位置所在角度判定;
步骤S07概率计算;
若概率小于80%,则执行步骤S09;
若概率大于80%,则执行步骤S08;
步骤S08录入该时段学生注意力集中;
步骤S09录入该时段学生注意力不集中
优选地,所述步骤S05中,人眼中瞳孔位置识别的具体步骤如下:
步骤T01确定人脸图像中脸部区域:采用归一化模板匹配的方法初步定位;
步骤T02眼睛区域定位:采用将谷点的搜索和方位投影以及眼球的对称性结合的方法;
步骤T03内外眼角点以及瞳孔的定位:在步骤T02的基础上对眼部区域图像使用Suan算子得到眼睛的边缘图像,再对图像中的边缘曲线进行角点提取,获取两眼内外眼角点的位置。
优选地,所述步骤T03中,Suan算子的具体操作步骤为:
步骤U01对测试的像素点应用模块;
步骤U02计算USAN区域面积;
步骤U03应用阙值,计算像素点初始相应;
步骤U04使用呢USAN区域来确定边缘与角点,保证USAN区域的向相连性;
步骤U05确定每个像素点的极大值和极小值。
优选地,所述步骤S06中,瞳孔位置所在角度判定的具体步骤如下:
步骤J01获取眼睛边缘图像后,以两个眼角点方向为X轴,以中心点为原点画平面直角坐标系;
步骤J02将眼睛的X坐标方向分为八等分,计算瞳孔所在位置坐标;
步骤J03通过集合隶属度函数计算瞳孔所在的位置横坐标的注意力集中程度;
步骤J04如果瞳孔在横坐标的注意力集中程度合格;则再通过集合隶属度函数计算瞳孔所在的位置纵坐标的注意力集中程度。
优选地,所述步骤S06中,获取瞳孔位置所在角度判定的时间间隔为每十秒判定一次。
本发明具有以下有益效果:
本发明通过建立学生注意力分析系统,利用模式识别模块对采集图片进行人脸识别、人脸方位识别以及瞳孔位置识别,再通过注意力分析模块根据眼球位置判定出当前学生的注意力是否集中并给出相应提示,提高了学生注意力判定精准度、降低了判定成本。
当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的一种学生注意力分析系统的结构框图;
图2为本发明的一种学生注意力分析系统的判定方法步骤图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1所示,本发明为一种学生注意力分析系统,包括图像采集模块、图像处理模块、模式识别模块、注意力分析模块以及数据库模块;图像采集模块、图像处理模块、模式识别模块和注意力分析模块依次连接;图像采集模块用于通过外部设备获取图像作为系统输入;图像处理模块用于对采集到的图像进行预处理;模式识别模块用于对预处理完成后的图像进行人脸识别、人脸方位识别以及眼睛瞳孔位置识别;注意力分析模块用于根据识别的眼球位置偏移的情况给出注意力的判定结果;
数据库模块包括学生信息数据库、原始图片数据库、图片处理数据库和注意力数据库;其中,学生信息数据库用于录入并存储学生的基本信息;原始图片数据库用以储存外部设备采集的图片信息;图片处理数据库用于存储模式识别模块处理完成的图片信息;注意力数据库用于存储不同时段学生的注意力判定结果。
其中,图像处理模块包括图像二值化处理、图像高斯平滑处理以及直方图均衡化处理;图像二值化处理就是一种图像的分割方法,把一个图像分成黑白急剧对比的二值图像,方便计算机更好的分析图像并减少很多计算量,通过二值图像一般用“1”设定为表示黑色,把“0”设定为表示白色;高斯平滑处理将图像进行噪声处理,除去图像中的高频部分从而降低图像的视觉噪声,使哪些本来不明细的低频成分更容易识别;直方图均衡化处理用于将原始图像转换为在全部灰度范围内分布均匀,通过点运算使输入转换为在每一灰度级上都有相同的像素点的输出图像。
其中,学生信息数据库录入的信息包括学生的基础信息表、知识水平表、认知能力表、偏好信息表、学习历史表、注意力统计表;注意力数据库存储完成学生的注意力判定结果后,系统需根据学生的注意力判定结果更新学生信息数据库中的注意力统计表。
请参阅图2所示,本发明为一种学生注意力分析系统的判定方法,包括如下步骤:
步骤S01摄像头实时采集学生头像;
步骤S02判断分析学生人脸位置朝向,是否正对着屏幕;
若人脸朝向正前方,则执行步骤S03;
若人脸朝向非正前方,则执行步骤S09;
步骤S03人脸特征识别;
步骤S04获取人眼特征识别;
步骤S05分析人眼中瞳孔位置;
步骤S06获取瞳孔位置所在角度判定;
步骤S07概率计算;
若概率小于80%,则执行步骤S09;
若概率大于80%,则执行步骤S08;
步骤S08录入该时段学生注意力集中;
步骤S09录入该时段学生注意力不集中
其中,步骤S05中,人眼中瞳孔位置识别的具体步骤如下:
步骤T01确定人脸图像中脸部区域:采用归一化模板匹配的方法初步定位;
步骤T02眼睛区域定位:采用将谷点的搜索和方位投影以及眼球的对称性结合的方法;
步骤T03内外眼角点以及瞳孔的定位:在步骤T02的基础上对眼部区域图像使用Suan算子得到眼睛的边缘图像,再对图像中的边缘曲线进行角点提取,获取两眼内外眼角点的位置;
Suan算子是一种变相的模板匹配方法,通过先确定一个模板,由于是对眼睛的定位,所以模板的图形为圆形,选取模板的半径r,那么模板的区域就是以r为半径的圆形区域,对比这个模板的像素值与识别出来的测试图像的像素值,像素值差异最大的部分就是眼睛的边缘。
优选地,步骤T03中,Suan算子的具体操作步骤为:
步骤U01对测试的像素点应用模块;
步骤U02计算USAN区域面积;
步骤U03应用阙值,计算像素点初始相应;
步骤U04使用呢USAN区域来确定边缘与角点,保证USAN区域的向相连性;
步骤U05确定每个像素点的极大值和极小值。
其中,步骤S06中,瞳孔位置所在角度判定的具体步骤如下:
步骤J01获取眼睛边缘图像后,以两个眼角点方向为X轴,以中心点为原点画平面直角坐标系,用椭圆近似表示眼睛边缘;
步骤J02将眼睛的X坐标方向分为八等分,设该区间为[-4,4],计算瞳孔所在位置坐标;
步骤J03通过集合隶属度函数计算瞳孔所在的位置横坐标的注意力集中程度;
步骤J04如果瞳孔在横坐标的注意力集中程度合格;则再通过集合隶属度函数计算瞳孔所在的位置纵坐标的注意力集中程度。
优选地,步骤S06中,获取瞳孔位置所在角度判定的时间间隔为每十秒判定一次。
值得注意的是,上述系统实施例中,所包括的各个单元只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
另外,本领域普通技术人员可以理解实现上述各实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,相应的程序可以存储于一计算机可读取存储介质中。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (8)
1.一种学生注意力分析系统,包括图像采集模块、图像处理模块、模式识别模块、注意力分析模块以及数据库模块,其特征在于:
所述图像采集模块、图像处理模块、模式识别模块和注意力分析模块依次连接;
所述图像采集模块用于通过外部设备获取图像作为系统输入;
所述图像处理模块用于对采集到的图像进行预处理;
所述模式识别模块用于对预处理完成后的图像进行人脸识别、人脸方位识别以及眼睛瞳孔位置识别;
所述注意力分析模块用于根据识别的眼球位置偏移的情况给出注意力的判定结果;
所述数据库模块包括学生信息数据库、原始图片数据库、图片处理数据库和注意力数据库;其中,所述学生信息数据库用于录入并存储学生的基本信息;所述原始图片数据库用以储存外部设备采集的图片信息;所述图片处理数据库用于存储模式识别模块处理完成的图片信息;所述注意力数据库用于存储不同时段学生的注意力判定结果。
2.根据权利要求1所述的一种学生注意力分析系统,其特征在于,所述图像处理模块包括图像二值化处理、图像高斯平滑处理以及直方图均衡化处理。
3.根据权利要求1所述的一种学生注意力分析系统及其判定方法,其特征在于,所述学生信息数据库录入的信息包括学生的基础信息表、知识水平表、认知能力表、偏好信息表、学习历史表、注意力统计表;所述注意力数据库存储完成学生的注意力判定结果后,系统需根据学生的注意力判定结果更新学生信息数据库中的注意力统计表。
4.如根据权利要求1-3所述的一种学生注意力分析系统的判定方法,其特征在于,包括如下步骤:
步骤S01摄像头实时采集学生头像;
步骤S02判断分析学生人脸位置朝向;
若人脸朝向正前方,则执行步骤S03;
若人脸朝向非正前方,则执行步骤S09;
步骤S03人脸特征识别;
步骤S04获取人眼特征识别;
步骤S05分析人眼中瞳孔位置;
步骤S06获取瞳孔位置所在角度判定;
步骤S07概率计算;
若概率小于80%,则执行步骤S09;
若概率大于80%,则执行步骤S08;
步骤S08录入该时段学生注意力集中;
步骤S09录入该时段学生注意力不集中。
5.根据权利要求4所述的一种学生注意力分析系统的判定方法,其特征在于,所述步骤S05中,人眼中瞳孔位置识别的具体步骤如下:
步骤T01确定人脸图像中脸部区域:采用归一化模板匹配的方法初步定位;
步骤T02眼睛区域定位:采用将谷点的搜索和方位投影以及眼球的对称性结合的方法;
步骤T03内外眼角点以及瞳孔的定位:在步骤T02的基础上对眼部区域图像使用Suan算子得到眼睛的边缘图像,再对图像中的边缘曲线进行角点提取,获取两眼内外眼角点的位置。
6.根据权利要求5所述的一种学生注意力分析系统的判定方法,其特征在于,所述步骤T03中,Suan算子的具体操作步骤为:
步骤U01对测试的像素点应用模块;
步骤U02计算USAN区域面积;
步骤U03应用阙值,计算像素点初始相应;
步骤U04使用呢USAN区域来确定边缘与角点,保证USAN区域的向相连性;
步骤U05确定每个像素点的极大值和极小值。
7.根据权利要求4所述的一种学生注意力分析系统的判定方法,其特征在于,所述步骤S06中,瞳孔位置所在角度判定的具体步骤如下:
步骤J01获取眼睛边缘图像后,以两个眼角点方向为X轴,以中心点为原点画平面直角坐标系;
步骤J02将眼睛的X坐标方向分为八等分,计算瞳孔所在位置坐标;
步骤J03通过集合隶属度函数计算瞳孔所在的位置横坐标的注意力集中程度;
步骤J04如果瞳孔在横坐标的注意力集中程度合格;则再通过集合隶属度函数计算瞳孔所在的位置纵坐标的注意力集中程度。
8.根据权利要求4所述的一种学生注意力分析系统的判定方法,其特征在于,所述步骤S06中,获取瞳孔位置所在角度判定的时间间隔为每十秒判定一次。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810738223.6A CN109086676A (zh) | 2018-07-06 | 2018-07-06 | 一种学生注意力分析系统及其判定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810738223.6A CN109086676A (zh) | 2018-07-06 | 2018-07-06 | 一种学生注意力分析系统及其判定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109086676A true CN109086676A (zh) | 2018-12-25 |
Family
ID=64837148
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810738223.6A Withdrawn CN109086676A (zh) | 2018-07-06 | 2018-07-06 | 一种学生注意力分析系统及其判定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109086676A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109902630A (zh) * | 2019-03-01 | 2019-06-18 | 上海像我信息科技有限公司 | 一种注意力判断方法、装置、系统、设备和存储介质 |
CN110164249A (zh) * | 2019-05-22 | 2019-08-23 | 重庆工业职业技术学院 | 一种计算机在线学习监督辅助系统 |
CN110942043A (zh) * | 2019-12-02 | 2020-03-31 | 深圳市迅雷网络技术有限公司 | 一种瞳孔图像处理方法及相关装置 |
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 |
CN111626628A (zh) * | 2020-06-01 | 2020-09-04 | 梅和珍 | 一种用于课外辅导的网络教学系统 |
CN112906633A (zh) * | 2021-03-18 | 2021-06-04 | 南通师范高等专科学校 | 一种基于学生注意力的教学优化方法 |
CN113271852A (zh) * | 2019-01-21 | 2021-08-17 | 三菱电机株式会社 | 注意力判定装置、注意力判定系统、注意力判定方法和程序 |
CN113838086A (zh) * | 2021-08-23 | 2021-12-24 | 广东电网有限责任公司 | 注意力评估测试方法、装置、电子设备及存储介质 |
CN114419861A (zh) * | 2022-01-20 | 2022-04-29 | 牡丹江师范学院 | 一种基于互联网大学教学用英语智能教学辅助系统 |
-
2018
- 2018-07-06 CN CN201810738223.6A patent/CN109086676A/zh not_active Withdrawn
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113271852A (zh) * | 2019-01-21 | 2021-08-17 | 三菱电机株式会社 | 注意力判定装置、注意力判定系统、注意力判定方法和程序 |
CN109902630A (zh) * | 2019-03-01 | 2019-06-18 | 上海像我信息科技有限公司 | 一种注意力判断方法、装置、系统、设备和存储介质 |
CN109902630B (zh) * | 2019-03-01 | 2022-12-13 | 上海像我信息科技有限公司 | 一种注意力判断方法、装置、系统、设备和存储介质 |
CN110164249A (zh) * | 2019-05-22 | 2019-08-23 | 重庆工业职业技术学院 | 一种计算机在线学习监督辅助系统 |
CN110942043A (zh) * | 2019-12-02 | 2020-03-31 | 深圳市迅雷网络技术有限公司 | 一种瞳孔图像处理方法及相关装置 |
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 |
CN110942043B (zh) * | 2019-12-02 | 2023-11-14 | 深圳市迅雷网络技术有限公司 | 一种瞳孔图像处理方法及相关装置 |
CN111626628A (zh) * | 2020-06-01 | 2020-09-04 | 梅和珍 | 一种用于课外辅导的网络教学系统 |
CN112906633A (zh) * | 2021-03-18 | 2021-06-04 | 南通师范高等专科学校 | 一种基于学生注意力的教学优化方法 |
CN113838086A (zh) * | 2021-08-23 | 2021-12-24 | 广东电网有限责任公司 | 注意力评估测试方法、装置、电子设备及存储介质 |
CN113838086B (zh) * | 2021-08-23 | 2024-03-22 | 广东电网有限责任公司 | 注意力评估测试方法、装置、电子设备及存储介质 |
CN114419861A (zh) * | 2022-01-20 | 2022-04-29 | 牡丹江师范学院 | 一种基于互联网大学教学用英语智能教学辅助系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109086676A (zh) | 一种学生注意力分析系统及其判定方法 | |
US11961227B2 (en) | Method and device for detecting and locating lesion in medical image, equipment and storage medium | |
US10082868B2 (en) | Calculation method of line-of-sight direction based on analysis and match of iris contour in human eye image | |
US9842247B2 (en) | Eye location method and device | |
US7197166B2 (en) | Iris extraction method capable of precisely determining positions and sizes of irises in a digital face image | |
CN105224285A (zh) | 眼睛开闭状态检测装置和方法 | |
CN110378227B (zh) | 修正样本标注数据的方法、装置、设备及存储介质 | |
CN104123534A (zh) | 生物识别 | |
CN104123543A (zh) | 一种基于人脸识别的眼球运动识别方法 | |
CN110634116A (zh) | 一种面部图像评分方法及摄像机 | |
CN111126330A (zh) | 一种瞳膜中心定位方法及学员听课疲劳度检测方法 | |
CN109766818A (zh) | 瞳孔中心定位方法及系统、计算机设备及可读存储介质 | |
TWI776176B (zh) | 手部作業動作評分裝置、方法及電腦可讀取存儲介質 | |
CN112597909A (zh) | 一种用于人脸图片质量评价的方法与设备 | |
CN115423870A (zh) | 一种瞳孔中心定位方法和装置 | |
CN102129556A (zh) | 一种虹膜图像清晰度判别方法 | |
CN111387932B (zh) | 一种视力检测方法、装置及设备 | |
EP3961495A1 (en) | System and method for finding an area of an eye from a facial image | |
Chen et al. | Eyes localization algorithm based on prior MTCNN face detection | |
CN108932468B (zh) | 一种适用于心理学的面部识别方法 | |
CN114227717A (zh) | 基于巡检机器人的智能巡检方法、装置、设备及存储介质 | |
CN113378790A (zh) | 视点定位方法、装置、电子设备和计算机可读存储介质 | |
CN115456974A (zh) | 基于人脸关键点的斜视检测系统、方法、设备及介质 | |
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 | |
CN115019396A (zh) | 一种学习状态监测方法、装置、设备及介质 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20181225 |
|
WW01 | Invention patent application withdrawn after publication |