CN111935453A - 一种学习监督方法、装置、电子设备及存储介质 - Google Patents
一种学习监督方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111935453A CN111935453A CN202010730123.6A CN202010730123A CN111935453A CN 111935453 A CN111935453 A CN 111935453A CN 202010730123 A CN202010730123 A CN 202010730123A CN 111935453 A CN111935453 A CN 111935453A
- Authority
- CN
- China
- Prior art keywords
- learning
- supervised
- information
- image
- acquisition device
- 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 61
- 238000012544 monitoring process Methods 0.000 claims abstract description 40
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 230000006399 behavior Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000003442 weekly effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007786 learning performance Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000276 sedentary effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000003797 telogen phase Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Abstract
本申请实施例提供了一种学习监督方法、装置、电子设备及存储介质,用于对学生的学习效率进行监控,使家长能够及时掌握学生的学习状态,帮助学生培养良好的学习习惯。所述方法包括:获取图像采集装置拍摄的图像信息,所述图像信息中包括被监督对象;通过所述图像信息识别所述被监督对象的学习状态信息,所述学习状态信息包括所述被监督对象的学习时长信息和/或学习科目信息;通过预设算法模型和所述学习状态信息,确定所述被监督对象的学习效率。
Description
技术领域
本发明涉及视频监控领域,尤其涉及一种学习监督方法、装置、电子设备及存储介质。
背景技术
孩子从读小学开始,每天都会有很多家庭作业,且中小学生在做作业时,由于自制力不足,需要家长的陪伴和监督,但是很多家长工作繁忙,无法长时间对学生的家庭作业进行监督。然而,在家长不能对学生进行学习监督时,对于自制力不足的学生,由于缺少家长的监督,容易使其养成不好的学习习惯,导致学习效率较低,长此以往,容易造成学生出现学习成绩不好或者偏科等现象。
发明内容
本申请实施例提供了一种学习监督方法、装置、电子设备及存储介质,用于对学生的学习效率进行监控,使家长能够及时掌握学生的学习状态,帮助学生培养良好的学习习惯。
第一方面,提供一种学习监督方法,所述方法包括:
获取图像采集装置拍摄的图像信息,所述图像信息中包括被监督对象;
通过所述图像信息识别所述被监督对象的学习状态信息,所述学习状态信息包括所述被监督对象的学习时长信息和/或学习科目信息;
通过预设算法模型和所述学习状态信息,确定所述被监督对象的学习效率。
可选的,在获取图像采集装置拍摄的图像信息之前,还包括:
通过所述图像采集装置检测所述被监督对象的数量;
在所述被监督对象的数量大于1时,控制所述图像采集装置按照预设轮巡规则拍摄每个被监督对象的图像信息。
可选的,通过所述图像采集装置检测所述被监督对象的数量,包括:
控制所述图像采集装置进行全景监控,以采集到包括被拍摄场景内所有被监督对象的全景信息;
识别所述全景信息中的被监督对象的数量。
可选的,控制所述图像采集装置按照预设轮巡规则拍摄到每个被监督对象的图像信息,包括:
调整所述图像采集装置的拍摄倍率,以使所述图像采集装置拍摄所述被拍摄场景内的第一被监督对象的图像信息;
等待第一预设时长之后,调整所述图像采集装置的拍摄角度,以使所述图像采集装置拍摄所述被拍摄场景内除去所述第一被监督对象之外的其它被监督对象的图像信息。
可选的,通过所述图像信息识别所述被监督对象的学习状态信息,包括:
确定第二预设时长内,所述被监督对象出现在所述图像采集装置的监控范围内的第一时长,所述第一时长为所述被监督对象的学习时长,所述第二预设时长为所述被监督对象需要的学习时长,所述被监督对象的学习效率为所述第一时长与所述第二预设时长的比值。
可选的,所述被监督对象的数量为1,通过所述图像信息识别所述被监督对象的学习状态信息,包括:
获取所述图像采集装置拍摄的图像中的文字信息,根据所述文字信息识别所述被监督对象的学习科目信息;
在所述被监督对象的学习科目为第一科目的时间段内,确定所述被监督对象出现在所述图像采集装置的监控范围内的第二时长,所述第二时长为所述被监督对象学习所述第一科目的学习时长,所述被监督对象的学习效率为所述第二时长与所述时间段的比值。
可选的,所述图像采集装置为单球摄像机。
可选的,所述图像采集装置还包括枪球一体机,所述枪球一体机包括枪机和球机,所述枪球一体机通过所述枪机进行全景监控,通过所述球机进行细节监控。
第二方面,提供一种学习监督装置,所述装置包括:
获取模块,用于获取图像采集装置拍摄的图像信息,所述图像信息中包括被监督对象;
处理模块,用于通过所述图像信息识别所述被监督对象的学习状态信息,所述学习状态信息包括所述被监督对象的学习时长信息和/或学习科目信息;
所述处理模块,还用于通过预设算法模型和所述学习状态信息,确定所述被监督对象的学习效率。
可选的,所述处理模块,还用于:
通过所述图像采集装置检测所述被监督对象的数量;
在所述被监督对象的数量大于1时,控制所述图像采集装置按照预设轮巡规则拍摄每个被监督对象的图像信息。
可选的,所述处理模块,具体用于:
控制所述图像采集装置进行全景监控,以采集到包括被拍摄场景内所有被监督对象的全景信息;
识别所述全景信息中的被监督对象的数量。
可选的,所述处理模块,具体用于:
调整所述图像采集装置的拍摄倍率,以使所述图像采集装置拍摄所述被拍摄场景内的第一被监督对象的图像信息;
等待第一预设时长之后,调整所述图像采集装置的拍摄角度,以使所述图像采集装置拍摄所述被拍摄场景内除去所述第一被监督对象之外的其它被监督对象的图像信息。
可选的,所述处理模块,具体用于:
确定第二预设时长内,所述被监督对象出现在所述图像采集装置的监控范围内的第一时长,所述第一时长为所述被监督对象的学习时长,所述第二预设时长为所述被监督对象需要的学习时长,所述被监督对象的学习效率为所述第一时长与所述第二预设时长的比值。
可选的,所述处理模块,具体用于:
获取所述图像采集装置拍摄的图像中的文字信息,根据所述文字信息识别所述被监督对象的学习科目信息;
在所述被监督对象的学习科目为第一科目的时间段内,确定所述被监督对象出现在所述图像采集装置的监控范围内的第二时长,所述第二时长为所述被监督对象学习所述第一科目的学习时长,所述被监督对象的学习效率为所述第二时长与所述时间段的比值。
可选的,所述图像采集装置为单球摄像机。
可选的,所述图像采集装置还包括枪球一体机,所述枪球一体机包括枪机和球机,所述枪球一体机通过所述枪机进行全景监控,通过所述球机进行细节监控。
第三方面,提供一种电子设备,所述电子设备包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序指令执行第一方面中任一所述的方法包括的步骤。
第四方面,提供一种计算可读存储介质,所述计算可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行第一方面中任一所述的方法包括的步骤。
第五方面,提供一种包含指令的计算机程序产品,当所述计算机程序产品在计算机上运行时,使得计算机执行上述各种可能的实现方式中所描述的学习监督方法。
在本申请实施例中,获取图像采集装置拍摄的包括被监督对象的图像信息,通过图像信息识别被监督对象的学习状态信息,通过预设算法模型和学习状态信息确定被监督对象的学习效率。也就是说,通过对被监督对象的学习状态进行监督,将获取到的关于学习状态的相关数据输入预设算法模型进行深度分析,得出被监督对象的学习效率,使得家长在不能亲自监督学习时,可以根据该学习效率确定被监督对象在做作业过程中的学习习惯,从而有针对性的进行干预,辅助被监督对象良好学习习惯的养成。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例描述中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申请的一些实施例。
图1为本申请实施例提供的一种学习监督方法的流程图;
图2为本申请实施例提供的关于一周内每个科目学习时长的变化曲线图;
图3为本申请实施例提供的关于一月内学习效率的曲线图;
图4为本申请实施例提供的一种学习监督装置的结构框图;
图5为本发明实施例中的计算机设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚明白,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互任意组合。并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本申请的说明书和权利要求书及上述附图中的术语“第一”和“第二”是用于区别不同对象,而非用于描述特定顺序。此外,术语“包括”以及它们任何变形,意图在于覆盖不排他的保护。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请中的“多个”可以表示至少两个,例如可以是两个、三个或者更多个,本申请实施例不做限制。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,在不做特别说明的情况下,一般表示前后关联对象是一种“或”的关系。
为了便于理解,下面先对本发明实施例的技术背景进行介绍。
目前,在家长不能亲自对孩子进行学习监督时,为了让孩子能够保持良好的学习状态,养成良好的学习习惯,有一种方案是家长购买专业的智能课桌,在该课桌上设有若干个采集学习者状态信息的摄像头、用于扫描作业信息的扫描装置、显示装置及扬声器。学习者在做作业时,将作业进行扫描上传到网络进行批改,然后获取针对错题的讲解信息,通过显示装置和扬声器为学习者进行讲解,并通过摄像头采集学习者的学习状态信息,在获取的学习状态的参数超过预设参数范围时,通过扬声器对学习者进行提醒。但是,该课桌的成本高昂,并且一张课桌同时仅能提供给一个学习者使用,因此对于有多个学习者的家庭来说,在只有一张课桌的情况下不能同时完成对多个学习者的学习辅导。例如,家里有两个小孩,哥哥读四年级,弟弟读二年级,两个小孩的年龄都较小,学习时需要家长的监督,此时,若家里只购买了一张该智能课桌,那么在对一个小孩的学习进行监督时,则不能同时兼顾到另一个小孩,若两个小孩同时坐在课桌前学习,由于两个小孩完成的学习任务是不相同的,该课桌只能识别一个小孩的作业内容进行批改并讲解。若购买两张课桌对于一般的家庭来说会造成较大的经济负担,从而不利于大范围推广。
另一种方案是接收至少一个学习任务,通过云数据库以及私人数据库确定完成至少一个作业任务中每个作业任务的预计完成时间,根据每个作业的预计完成时间以及久坐提醒时间设置每个作业阶段和休息阶段,并监控每个作业任务的完成情况。然而不同学生每次作业任务的完成时间受作业的难易程度、中途打断、学生当时的状态和作业效率等因素的影响,与云数据库和私人数据库中保存的作业时间进行对比,可能存在较大的误差。
鉴于此,本申请实施例提供了一种学习监督方法,通过根据图像采集装置拍摄的图像信息识别被监督对象的学习状态信息,将学习状态信息的相关数据输入预设算法模型进行深度分析,得出被监督对象的学习效率。其中,由于本申请仅通过图像采集装置拍摄被监督对象的相关信息,无需智能课桌的一整套设备,即可实现对学习者进行监督,减少了进行学习监督时购买设备的成本,且使用、部署更加方便快捷。同时,由于结合了深度分析,获得被监督对象的学习效率的相关数据更加科学有效、更具说服力,而且家长也可以根据该学习效率确定被监督对象(孩子)在做作业过程中的学习习惯,从而采取措施进行相应的干预。
在介绍完本申请实施例的设计思想后,下面对本申请实施例的技术方案能够适用的应用场景做一些简单的介绍,需要说明的是,以下介绍的应用场景仅用于说明本申请实施例而非限定。在具体实施时,可以根据实际需要灵活地应用本申请实施例提供的技术方案。
在本申请实施例中,所提供的学习监督方法和学习监督装置可以应用于视频监控系统中,在该视频监控系统中,包括图像采集系统和数据处理系统。本申请提供的学习监督方法可以由视频监控系统中的数据处理系统执行。其中,图像采集系统提供了一种拍摄设备,该拍摄设备例如是摄像机、具备摄像功能的电子设备、监控设备,等等可以拍摄图像的图像采集装置,用于采集监控区域的图像,以下实施例中将以该图像采集装置是摄像机进行说明。以及,在视频监控系统中还可以包括音频采集系统和扬声器,音频采集系统用于获取被监督区域的声音信息,扬声器用于输出语音提示信息。
下面结合说明书附图对本申请实施例提供的学习监督方法进行介绍。请参见图1所示,本申请实施例中的学习监督方法的流程描述如下:
步骤101:获取图像采集装置拍摄的包括被监督对象的图像信息。
在本申请实施例中,摄像机在没有需要监督的对象时,处于休眠模式,处于休眠模式的摄像机不进行图像的拍摄。因此,当有监督需求时,需要打开摄像机,让摄像机从休眠模式切换到工作模式。打开摄像机的方式可以有多种,例如可以是通过按键唤醒、通过相应的软件唤醒、感应唤醒等,也可以通过设置预设开启时间,例如周一到周五的开启时间设置为下午六点,周末的开启时间设置为上午九点,则每当到了预设开启时间摄像机自动开启进行摄像。
在一种可能的实施方式中,在检测到摄像机进入工作模式之后(即获取摄像机拍摄的包括被监督对象的图像信息之前),首先需要通过摄像机检测该摄像机的最大拍摄范围内存在的被监督对象的数量,在检测到被监督对象的数量大于1时,为了能够拍摄到所有的被监督对象,可以控制摄像机按照预设轮巡规则拍摄每个被监督对象的图像信息。在检测到只有1个被监督对象时,则摄像机只对该1个被监督对象所在的区域进行拍摄。其中,预设轮巡规则是按照预设轮巡时间轮流拍摄每个被监督对象,例如,存在A、B、C、D四个被监督对象,对这四个被监督对象的轮巡方式至少可以包括以下几种方式:
第一种:对每个被监督对象拍摄1分钟。
第二种:A、B、C、D四个被监督对象中,A和B是重点监督对象(学习自觉性较低等原因,需要对其进行重点监督),则每次对A和B两个监督对象分别拍摄2分钟,对C和D拍摄1分钟。
第三种:A、B、C、D四个被监督对象中,A和B的距离较近,则对A和B一起拍摄1分钟之后再分别对C和D拍摄1分钟。
以及,摄像机在拍摄到被监督对象时,可以通过面部识别技术识别被监督对象的用户信息,将识别得到的结果与与先存储的用户信息进行比对,若该被监督对象的用户信息已经存在,则将对该被监督对象进行监督获得的结果存储到该被监督对象对应的信息中。若该被监督对象的用户信息不存在,则为该被监督对象建立新的用户信息,并将相应的监督结果存储到该被监督对象对应的信息中。
摄像机在检测完被监督对象的数量之后,由于被监督对象是活动的,因此被监督对象的数量随时可能发生改变,下面介绍如何确定被监督对象的数量是否发生改变。
第一种可能的实施方式,还可以控制该摄像机按照预定的周期检测该摄像机的最大拍摄范围内存在的被监督对象的数量,在检测到被监督对象的数量发生改变时(增加或减少),调整摄像机的拍摄策略。
例如,摄像机刚开始检测到在最大拍摄范围内只存在一个被监督对象,摄像机只对该一个被监督对象所在的区域进行拍摄,当过五分钟再次检测时,发现在最大拍摄范围内存在两个被监督对象,此时,需要调整摄像机的拍摄策略,控制摄像机按照预设轮巡时间轮流拍摄每个被监督对象(也可以说是对两个被监督对象所在的区域进行轮流拍摄),以使该摄像机可以同时监控两个被监督对象。又例如,摄像机刚开始检测到在最大拍摄范围内存在两个被监督对象,此时摄像机是按照预设轮巡时间对两个被监督对象所在的区域进行轮流拍摄,当过5分钟再次检测时,发现在最大拍摄范围内只存在一个被监督对象,此时摄像机不需要再按照预设轮巡时间对多个被监督对象进行轮流拍摄,只需要拍摄该一个被监督对象所在的区域。
这样,通过按照预设周期检测摄像机最大拍摄范围内的被监督对象的数量是否发生改变,可以有效避免由于某个被监督对象来的较晚不能对其进行监督,或者,某个被监督对象已离开被监督区域,但是摄像机还需要一直对其所在的区域进行拍摄的情况。
第二种可能的实施方式,通过摄像机的音频采集系统采集摄像机最大拍摄范围内的声音信息,并确定声音的位置信息,根据确定结果判断当前的位置是否在已确定的被监督范围内,若该声音的位置不在已确定的被监督范围内,则控制该摄像机调整拍摄方向,以进一步确定该声音所在的位置是否存在新的被监督对象,当存在新的被监督对象时,则调整摄像机的拍摄策略,当不存在新的被监督对象时,则保持当前的拍摄策略不变。例如,当前摄像机在对房间内的A、B两个区域的被监督对象进行轮流拍摄,此时,声音采集系统采集到来自C区域的声音信息,则控制该摄像机调整拍摄方向,检测C区域是否存在新的被监督对象,若C区域存在新的被监督对象,则控制摄像机按照预设轮巡时间轮流对A、B、C三个区域的被监督对象进行轮流拍摄。若C区域不存在新的被监督对象,则该摄像机还是按照原来的拍摄策略对A、B两个区域的被监督对象进行轮流拍摄。
上述两种方式可以单独使用,或者结合使用,具体的使用方式本申请实施例不做具体限定。
在介绍完如何确定被监督对象的数量是否发生改变的方式之后,下面介绍摄像机检测最大拍摄范围内被监督对象的数量的方法。
在本申请实施例中,在检测被监督对象的数量时,控制摄像机进行全景监控(也可以称作是拍摄全景),通过图像识别技术识别全景区域内存在的被监督对象的数量。其中,全景是指摄像机能够拍摄的最大拍摄范围。
在一种可能的实施方式中,当被监督对象的数量大于1时,需要控制摄像机按照预设轮巡时间轮流拍摄每个被监督对象的图像信息。此时,针对不同类型的摄像机,进行轮流拍摄时的拍摄方式不同,以下从摄像机为单球摄像机或枪球一体机为例,分别对其拍摄方式进行阐述。
第一种方式:摄像机是单球摄像机,由于单球摄像机同时只能进行一个操作,即通过全景监控(即进行小倍率拍摄)采集包括拍摄场景内所有的被监督对象的图像信息,或者通过细节监控(即进行大倍率拍摄)拍摄被拍摄场景内多个被监督对象中的每个被监督对象的图像信息,因此单球摄像机在通过全景监控拍摄所有被监督对象的图像信息之后,若要轮流拍摄每个被监督对象的图像信息,则需要调整单球摄像机的拍摄倍率。
单球摄像机在调整倍率之后,首先拍摄多个被监督对象中的第一被监督对象的图像信息,等待第一预设时长后,调整摄像机的拍摄角度拍摄除去第一被监督对象之外的其它被监督对象的图像信息,第一预设时长即为摄像机的预设轮巡时间。
其中,第一被监督对象或其它被监督对象包含的被监督对象的数量可以是一个,也可以是多个。在第一被监督对象或其它被监督对象包含的被监督对象的数量是多个时,可以在轮流拍摄每个被监督对象之前,对多个被监督对象进行分组,将距离较近的被监督对象确定为一组,使得摄像机在进行轮流拍摄时,对一组的被监督对象可以只拍摄一次,不用再对这一组的每一个被监督对象进行轮流拍摄。例如,两个被监督对象面对面坐在同一张桌子上进行学习,由于两个人距离较近,摄像机进行小倍率拍摄时可以同时获取两个被监督对象的细节信息,因此可以不用再对两个被监督对象进行轮流拍摄即可获取到需要的细节信息。
第二种方式:摄像机是枪球一体机。其中,枪球一体机包括枪机和球机。由于枪球一体机可以通过枪机进行全景监控,通过球机进行细节监控,因此枪球一体机可以同时进行全景监控和细节监控,不需要在细节监控和全景监控之间进行来回切换。且球机在按照预设轮巡时间对每个被监督对象进行拍摄的方式和单球摄像机通过大倍率按照预设轮巡时间对每个被监督对象进行拍摄的方式相同,在此不再赘述。
在具体的实施过程中,由于可以同时监控多个被监督对象,使得对于有多个孩子的家庭或者培训机构来说,可以只购买一套设备,而不需要为每个孩子都购买一套设备,极大的减少了设备购买成本,降低家庭或培训机构的经济负担,更适合大面积推广。
步骤102:通过所述图像信息识别所述被监督对象的学习状态信息。
在本申请实施例中,从摄像机拍摄的图像信息中识别被监督对象的学习状态信息。其中,学习状态信息包括被监督对象的学习时长信息和/或学习科目信息,此时,该学习时长信息可以是总学习时长信息,也可以是学习每个科目对应的学习时长信息。当获取的是总学习时长信息时,被监督对象的学习效率是计算的总学习效率,当获取的每个学习科目对应的学习时长时,被监督对象的学习效率是计算的每个科目对应的学习效率。
在一种可能的实施方式中,根据摄像机拍摄的图像信息中识别被监督对象的学习状态信息中关于总学习时长信息的方法可以是,判断在第二预设时长内,被监督对象在自己所在的被监督区域出现的第一时长。其中,第二预设时长可以是家长规定的被监督对象每天需要的学习时长(即在摄像机设定的时长),也可以是摄像机在第一次检测到被监督对象到被监督对象离开被监督区域且在预定时长内未返回的总时长(在预定时长未返回表明被监督对象已完成相应的学习任务),或者还可以是被监督对象从开启摄像机到关闭摄像机时经历的总时长。当被监督对象出现在被监督区域时,则认为被监督对象在学习,因此可以将被监督对象出现在被监督区域的第一时长作为被监督对象的学习时长,那么第一时长和第二预设时长的比值即可作为被监督对象的学习效率。其中,当该摄像机是单球摄像机时,该图像信息是摄像机进行全景监控是拍摄的图像。当该摄像机是枪球一体机时,该图像信息是枪机拍摄的图像。
以第二预设时长是摄像机在第一次检测到被监督对象到被监督对象离开被监督区域且预定时长内未返回为例,摄像机检测到该孩子出现在被监督区域的时间(例如是下午6:10分)作为该孩子学习开始的时间,第一次检测到孩子在学习了30分钟之后离开被监督区域5分钟,再次学习了40分钟之后第二次检测到孩子离开被监督区域8分钟,再次学习了37分钟之后第三次检测到孩子离开被监督区域,且在预定时长(例如是20分钟)之内孩子未返回被监督区域,则可以确定第二预设时长为30+5+40+8+37=120分钟,该孩子在第二预设时长内总共离开被监督区域13分钟,即学习时长是107分钟,107/120=89.2%,所以该孩子的学习效率是89.2%。
在一种可能的实施方式中,根据摄像机拍摄的图像信息识别被监督对象的学习状态信息中的学习科目信息的方法可以是,获取该图像信息中的文字信息,并对该文字信息进行分析,判断该被监督对象的学习科目信息。其中,当该摄像机是单球摄像时,该图像信息是摄像机进行细节监控时拍摄的图像。当该摄像机是枪球一体时,该图像信息是球机拍摄的图像。
在另一种可能的实施方式中,确定了被监督对象的学习科目信息时,还可以确定被监督对象学习该科目的学习时长信息,用于确定每个学习科目对应的学习效率。确定每个学习科目对应的学习效率的方法可以是,判断被监督对象在学习第一科目的时间段出现在被监控区域的第二时长,第二时长与该时间段时长的比值即为第一科目对应的学习效率。其中,确定被监督对象的学习科目为第一科目的时间段的方法是,将摄像机拍摄的图像对应的时间确定为第一时间,直到通过摄像机拍摄的图像中的文字信息识别到该被监督对象更换了学习科目时,将更换学习科目时摄像机拍摄的图像对应的时间确定为第二时间,第二时间减去第一时间得到的结果即为学习第一科目的时间段。
在其它可能的实施方式中,确定被监督对象的学习科目信息的方法还可以是,通过音频采集系统获取被监督对象的声音信息,然后根据获取到的声音信息判断被监督对象的学习科目。例如,被监督对象的声音信息中包括了大量与数字相关的内容,则确定该被监督对象当前学习的科目为数学。当被监督对象的声音信息中包括了大量与英文相关的内容,则确定该被监督对象当前的学习科目为英语。当被监督对象中出现了大量与诗词相关的内容,则确定该被监督对象当前的学习科目为语文。
上面的实施例提供一种确定被监督对象的学习效率的方法,下面的实施例中,提供一种更精确的确定被监督对象学习效率的方法。
在一种可能的实施方式中,当确定被监督对象在被监督区域内时,还可以通过细节监控,以检测被监督对象的姿态信息,例如是否存在玩手机、玩闹、玩玩具、注意力不集中等开小差行为,当根据摄像机拍摄的图像信息识别到该被监督对象存在上述的开小差行为,则通过扬声器输出语音提醒,并将该行为记录在该被监督对象对应的信息中,以供家长知晓。若语音提醒之后,检测到该被监督对象仍然存在开小差行为,则将第一次检测到开小差行为到重新进入学习状态的时间段确定为非学习时长,因此,在确定该被监督对象的学习效率时,可以将该非学习时长划分到不在被监督区域的时长内进行计算,即开小差的时长不计入学习总时长。
步骤103:通过预设算法模型和所述学习状态信息,确定所述被监督对象的学习效率。
在本申请实施例中,将前述实施例得到的关于学习状态信息的相关内容输入到预设算法模型进行深度分析,得出被监督对象的总学习效率和/或每个学习科目对应的学习效率。
在一种可能的实施方式中,在得出被监督对象的学习效率之后,将该被监督对象的学习效率、离开被监督区域的时长、开小差的时长、每个科目的学习时长,以及每个科目对应的开小差时长等相关内容通过表格的形式生成日报告、周报告和月报告,以使家长可以随时查阅被监督对象当天的学习状态,观察每周、每月学习状态的变化,并进行相应的分析,找出出现问题的原因,从而进行事后的干预。其中,在生成学习报告时也可以将离开被监督区域的时长归为开小差的时长。
下面以生成的周报告和月报告进行举例。
姓名 | 日期 | 语文 | 数学 | 英语 | 开小差 | 学习效率 |
小明 | 2020年1月1日 | 45 | 50 | 40 | 5 | 96.4% |
小明 | 2020年1月2日 | 50 | 45 | 30 | 4 | 96.9% |
小明 | 2020年1月3日 | 45 | 40 | 40 | 4 | 96.9% |
小明 | 2020年1月4日 | 30 | 30 | 35 | 5 | 95.0% |
小明 | 2020年1月5日 | 45 | 20 | 40 | 7 | 93.8% |
小明 | 2020年1月6日 | 50 | 0 | 30 | 8 | 90.9% |
小明 | 2020年1月7日 | 45 | 5 | 40 | 3 | 96.8% |
表1:小明1月第一周学习报告
通过表格的形式生成学习报告之后,可以将该表格绘制成相应的曲线,请参见图2所示,图2为根据表1绘制的关于每个科目学习时长的变化曲线,从该曲线中可以才看出,小明在数学上投入的学习时间远低于在语文和英语上投入的时间,家长可以通过和小明以及老师沟通,确认出现这种问题的原因是作业安排不合理,还是最近对学习数学有抵触情绪导致投入数学学习的时间较少。
姓名 | 日期 | 语文 | 数学 | 英语 | 开小差 | 学习效率 |
小明 | 2020年1月1日 | 60 | 30 | 25 | 3 | 97.5% |
小明 | 2020年1月2日 | 30 | 30 | 30 | 5 | 94.7% |
小明 | 2020年1月3日 | 45 | 50 | 40 | 7 | 95.1% |
小明 | 2020年1月4日 | 30 | 50 | 30 | 5 | 95.7% |
小明 | 2020年1月5日 | 25 | 50 | 50 | 5 | 96.2% |
小明 | 2020年1月6日 | 15 | 25 | 30 | 54 | 56.5% |
小明 | 2020年1月7日 | 20 | 15 | 10 | 46 | 49.5% |
小明 | 2020年1月8日 | 10 | 15 | 15 | 34 | 54.1% |
小明 | 2020年1月9日 | 10 | 20 | 30 | 43 | 58.3% |
小明 | 2020年1月10日 | 50 | 35 | 45 | 12 | 91.5% |
小明 | 2020年1月11日 | 30 | 55 | 30 | 7 | 94.3% |
小明 | 2020年1月12日 | 30 | 25 | 15 | 5 | 93.3% |
小明 | 2020年1月13日 | 20 | 50 | 60 | 2 | 98.5% |
小明 | 2020年1月14日 | 50 | 20 | 50 | 3 | 97.6% |
小明 | 2020年1月15日 | 45 | 45 | 45 | 5 | 96.4% |
… | … | … | … | … | … | … |
表2:小明1月学习报告
请参见图3所示,图3为根据表2绘制的关于学习效率的曲线,从该曲线的变化中可以看出小明在1月6日、1月7日、1月8日、1月9日开小差时长变长,学习效率降低,家长可以调取1月6日、1月7日、1月8日、1月9日的监控信息,找出开小差的原因,并进行相应的干预。
这样,家长可以根据自己感兴趣的内容选择生成曲线的内容,从而根据生成的曲线进行相应的分析,有利于家长实时掌握孩子的学习情况,从而有针对性的进行干预,辅助孩子养成良好的学习习惯。
基于同一发明构思,本申请实施例提供了一种学习监督装置,该学习监督装置能够实现前述的学习监督方法对应的功能。该学习监督装置可以是硬件结构、软件模块、或硬件结构加软件模块。该学习监督装置可以由芯片系统实现,芯片系统可以由芯片构成,也可以包含芯片和其他分立器件。请参见图4所示,该学习监督装置包括获取模块401和处理模块402。其中:
获取模块401,用于获取图像采集装置拍摄的图像信息,所述图像信息中包括被监督对象;
处理模块402,用于通过所述图像信息识别所述被监督对象的学习状态信息,所述学习状态信息包括所述被监督对象的学习时长信息和/或学习科目信息;
所述处理模块402,还用于通过预设算法模型和所述学习状态信息,确定所述被监督对象的学习效率。
在一种可能的实施方式中,所述处理模块402,还用于:
通过所述图像采集装置检测所述被监督对象的数量;
在所述被监督对象的数量大于1时,控制所述图像采集装置按照预设轮巡规则拍摄到每个被监督对象的图像信息。
在一种可能的实施方式中,所述处理模块402,具体用于:
控制所述图像采集装置进行全景监控,以采集到包括被拍摄场景内所有被监督对象的全景信息;
识别所述全景信息中的被监督对象的数量。
在一种可能的实施方式中,所述处理模块402,具体用于:
调整所述图像采集装置的拍摄倍率,以使所述图像采集装置拍摄所述被拍摄场景内的第一被监督对象的图像信息;
等待第一预设时长之后,调整所述图像采集装置的拍摄角度,以使所述图像采集装置拍摄所述被拍摄场景内除去所述第一被监督对象之外的其它被监督对象的图像信息。
在一种可能的实施方式中,所述处理模块402,具体用于:
确定第二预设时长内,所述被监督对象出现在所述图像采集装置的监控范围内的第一时长,所述第一时长为所述被监督对象的学习时长,所述被监督对象的学习效率为所述第一时长与所述第二预设时长的比值。
在一种可能的实施方式中,所述处理模块402,具体用于:
获取所述图像采集装置拍摄的图像中的文字信息,根据所述文字信息识别所述被监督对象的学习科目信息;
在所述被监督对象的学习科目为第一科目的时间段内,确定所述被监督对象出现在所述图像采集装置的监控范围内的第二时长,所述第二时长为所述被监督对象学习所述第一科目的学习时长,所述被监督对象的学习效率为所述第二时长与所述时间段的比值。
在一种可能的实施方式中,所述图像采集装置为单球摄像机。
在一种可能的实施方式中,所述图像采集装置还包括枪球一体机,所述枪球一体机包括枪机和球机,所述枪球一体机通过所述枪机进行全景监控,通过所述球机进行细节监控。
前述的学习监督方法的实施例涉及的各步骤的所有相关内容均可援引到本申请施例中的学习监督装置所对应的功能模块的功能描述,在此不再赘述。
本申请实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,另外,在本申请各个实施例中的各功能模块可以集成在一个处理器中,也可以是单独物理存在,也可以两个或两个以上模块集成在一个模块中。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。
基于同一发明构思,本申请实施例提供一种电子设备。请参见图5所示,该电子设备包括至少一个处理器501,以及与至少一个处理器连接的存储器502,本申请实施例中不限定处理器501与存储器502之间的具体连接介质,图3中是以处理器501和存储器502之间通过总线500连接为例,总线500在图3中以粗线表示,其它部件之间的连接方式,仅是进行示意性说明,并不引以为限。总线500可以分为地址总线、数据总线、控制总线等,为便于表示,图3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。
在本申请实施例中,存储器502存储有可被至少一个处理器501执行的指令,至少一个处理器501通过执行存储器502存储的指令,可以执行前述的学习监督方法中所包括的步骤。
其中,处理器501是电子设备的控制中心,可以利用各种接口和线路连接整个电子设备的各个部分,通过运行或执行存储在存储器502内的指令以及调用存储在存储器502内的数据,电子设备的各种功能和处理数据,从而对电子设备进行整体监控。可选的,处理器501可包括一个或多个处理单元,处理器501可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器501中。在一些实施例中,处理器501和存储器502可以在同一芯片上实现,在一些实施例中,它们也可以在独立的芯片上分别实现。
处理器501可以是通用处理器,例如中央处理器(CPU)、数字信号处理器、专用集成电路、现场可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件,可以实现或者执行本申请实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本申请实施例所公开的学习监督方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器502作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。存储器502可以包括至少一种类型的存储介质,例如可以包括闪存、硬盘、多媒体卡、卡型存储器、随机访问存储器(Random AccessMemory,RAM)、静态随机访问存储器(Static Random Access Memory,SRAM)、可编程只读存储器(Programmable Read Only Memory,PROM)、只读存储器(Read Only Memory,ROM)、带电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,EEPROM)、磁性存储器、磁盘、光盘等等。存储器502是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。本申请实施例中的存储器502还可以是电路或者其它任意能够实现存储功能的装置,用于存储程序指令和/或数据。
通过对处理器501进行设计编程,可以将前述实施例中介绍的学习监督方法所对应的代码固化到芯片内,从而使芯片在运行时能够执行前述的学习监督方法的步骤,如何对处理器501进行设计编程为本领域技术人员所公知的技术,这里不再赘述。
基于同一发明构思,本申请实施例还提供一种计算可读存储介质,该计算可读存储介质存储有计算机指令,当该计算机指令在计算机上运行时,使得计算机执行如前述的学习监督方法的步骤。
在一些可能的实施方式中,本申请提供的学习监督方法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,当程序产品在电子设备上运行时,程序代码用于使该检测设备执行本说明书上述描述的根据本申请各种示例性实施方式的学习监督方法中的步骤。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (11)
1.一种学习监督方法,其特征在于,所述方法包括:
获取图像采集装置拍摄的图像信息,所述图像信息中包括被监督对象;
通过所述图像信息识别所述被监督对象的学习状态信息,所述学习状态信息包括所述被监督对象的学习时长信息和/或学习科目信息;
通过预设算法模型和所述学习状态信息,确定所述被监督对象的学习效率。
2.如权利要求1所述的方法,其特征在于,在获取图像采集装置拍摄的图像信息之前,还包括:
通过所述图像采集装置检测所述被监督对象的数量;
在所述被监督对象的数量大于1时,控制所述图像采集装置按照预设轮巡规则拍摄每个被监督对象的图像信息。
3.如权利要求2所述的方法,其特征在于,通过所述图像采集装置检测所述被监督对象的数量,包括:
控制所述图像采集装置进行全景监控,以采集到包括被拍摄场景内所有被监督对象的全景信息;
识别所述全景信息中的被监督对象的数量。
4.如权利要求3所述的方法,其特征在于,控制所述图像采集装置按照预设轮巡规则拍摄每个被监督对象的图像信息,包括:
调整所述图像采集装置的拍摄倍率,以使所述图像采集装置拍摄所述被拍摄场景内的第一被监督对象的图像信息;
等待第一预设时长之后,调整所述图像采集装置的拍摄角度,以使所述图像采集装置拍摄所述被拍摄场景内除去所述第一被监督对象之外的其它被监督对象的图像信息。
5.如权利要求1所述的方法,其特征在于,通过所述图像信息识别所述被监督对象的学习状态信息,包括:
确定第二预设时长内,所述被监督对象出现在所述图像采集装置的监控范围内的第一时长,所述第一时长为所述被监督对象的学习时长,所述第二预设时长为所述被监督对象需要的学习时长,所述被监督对象的学习效率为所述第一时长与所述第二预设时长的比值。
6.如权利要求1所述的方法,其特征在于,所述被监督对象的数量为1,通过所述图像信息识别所述被监督对象的学习状态信息,包括:
获取所述图像采集装置拍摄的图像中的文字信息,根据所述文字信息识别所述被监督对象的学习科目信息;
在所述被监督对象的学习科目为第一科目的时间段内,确定所述被监督对象出现在所述图像采集装置的监控范围内的第二时长,所述第二时长为所述被监督对象学习所述第一科目的学习时长,所述被监督对象的学习效率为所述第二时长与所述时间段的比值。
7.如权利要求4所述的方法,其特征在于,所述图像采集装置为单球摄像机。
8.如权利要求4所述的方法,其特征在于,所述图像采集装置还包括枪球一体机,所述枪球一体机包括枪机和球机,所述枪球一体机通过所述枪机进行全景监控,通过所述球机进行细节监控。
9.一种学习监督装置,其特征在于,所述装置包括:
获取模块,用于获取图像采集装置拍摄的图像信息,所述图像信息中包括被监督对象;
处理模块,用于通过所述图像信息识别所述被监督对象的学习状态信息,所述学习状态信息包括所述被监督对象的学习时长信息和/或学习科目信息;
所述处理模块,还用于通过预设算法模型和所述学习状态信息,确定所述被监督对象的学习效率。
10.一种电子设备,其特征在于,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序指令执行权利要求1-8任一项所述的方法包括的步骤。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被计算机执行时,使所述计算机执行如权利要求1-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010730123.6A CN111935453A (zh) | 2020-07-27 | 2020-07-27 | 一种学习监督方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010730123.6A CN111935453A (zh) | 2020-07-27 | 2020-07-27 | 一种学习监督方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111935453A true CN111935453A (zh) | 2020-11-13 |
Family
ID=73315243
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010730123.6A Pending CN111935453A (zh) | 2020-07-27 | 2020-07-27 | 一种学习监督方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111935453A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112597899A (zh) * | 2020-12-24 | 2021-04-02 | 北京市商汤科技开发有限公司 | 一种行为状态的检测方法、装置、电子设备及存储介质 |
CN112613780A (zh) * | 2020-12-29 | 2021-04-06 | 北京市商汤科技开发有限公司 | 一种学习报告生成的方法、装置、电子设备及存储介质 |
CN112651865A (zh) * | 2020-12-30 | 2021-04-13 | 北京市商汤科技开发有限公司 | 一种行为状态的提示方法、装置、电子设备及存储介质 |
CN112652200A (zh) * | 2020-11-16 | 2021-04-13 | 北京家有课堂科技有限公司 | 人机交互系统、方法、服务器、交互控制设备及存储介质 |
CN112699755A (zh) * | 2020-12-24 | 2021-04-23 | 北京市商汤科技开发有限公司 | 一种行为检测方法、装置、计算机设备和存储介质 |
CN112733619A (zh) * | 2020-12-24 | 2021-04-30 | 北京市商汤科技开发有限公司 | 采集设备的位姿调整方法、装置、电子设备及存储介质 |
CN113379163A (zh) * | 2021-07-09 | 2021-09-10 | 广东省华南技术转移中心有限公司 | 教学辅助方法、装置以及存储介质 |
CN113500607A (zh) * | 2021-06-07 | 2021-10-15 | 深圳市优必选科技股份有限公司 | 辅助学习方法、辅助学习装置、机器人及存储介质 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101072332A (zh) * | 2007-06-04 | 2007-11-14 | 深圳市融合视讯科技有限公司 | 一种自动跟踪活动目标进行拍摄的方法 |
KR20100000017A (ko) * | 2008-06-24 | 2010-01-06 | 주식회사 아이싸이랩 | 지능형 맞춤화된 학습서비스 방법 |
CN105791299A (zh) * | 2016-03-11 | 2016-07-20 | 南通职业大学 | 一种无人监考的智能化上机考试系统 |
CN106067943A (zh) * | 2015-04-21 | 2016-11-02 | 佳能株式会社 | 控制装置、光学设备、摄像设备和控制方法 |
CN108564673A (zh) * | 2018-04-13 | 2018-09-21 | 北京师范大学 | 一种基于全局人脸识别的课堂考勤方法及系统 |
CN108764640A (zh) * | 2018-04-26 | 2018-11-06 | 浙江商业职业技术学院 | 一种基于大数据的个性化的动态教学诊断与改进系统 |
CN109242736A (zh) * | 2018-09-27 | 2019-01-18 | 广东小天才科技有限公司 | 一种协助老师了解学生的学习情况的方法和系统 |
CN110059450A (zh) * | 2019-05-25 | 2019-07-26 | 韶关市启之信息技术有限公司 | 一种提醒教师改变课堂教学速度的方法 |
CN110223540A (zh) * | 2019-06-13 | 2019-09-10 | 广东小天才科技有限公司 | 一种学习机器人信息互动学习方法和系统,及存储介质 |
CN110458008A (zh) * | 2019-07-04 | 2019-11-15 | 深圳壹账通智能科技有限公司 | 视频处理方法、装置、计算机设备和存储介质 |
CN110503024A (zh) * | 2019-08-19 | 2019-11-26 | 联想(北京)有限公司 | 一种交互状态分析方法、装置及存储介质 |
CN110750687A (zh) * | 2019-10-23 | 2020-02-04 | 贺中彬 | 一种实现快速同步学生状态数据的方法 |
CN111382633A (zh) * | 2018-12-29 | 2020-07-07 | 中国科学院长春光学精密机械与物理研究所 | 课堂出勤管理方法、装置、终端及计算机可读存储介质 |
-
2020
- 2020-07-27 CN CN202010730123.6A patent/CN111935453A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101072332A (zh) * | 2007-06-04 | 2007-11-14 | 深圳市融合视讯科技有限公司 | 一种自动跟踪活动目标进行拍摄的方法 |
KR20100000017A (ko) * | 2008-06-24 | 2010-01-06 | 주식회사 아이싸이랩 | 지능형 맞춤화된 학습서비스 방법 |
CN106067943A (zh) * | 2015-04-21 | 2016-11-02 | 佳能株式会社 | 控制装置、光学设备、摄像设备和控制方法 |
CN105791299A (zh) * | 2016-03-11 | 2016-07-20 | 南通职业大学 | 一种无人监考的智能化上机考试系统 |
CN108564673A (zh) * | 2018-04-13 | 2018-09-21 | 北京师范大学 | 一种基于全局人脸识别的课堂考勤方法及系统 |
CN108764640A (zh) * | 2018-04-26 | 2018-11-06 | 浙江商业职业技术学院 | 一种基于大数据的个性化的动态教学诊断与改进系统 |
CN109242736A (zh) * | 2018-09-27 | 2019-01-18 | 广东小天才科技有限公司 | 一种协助老师了解学生的学习情况的方法和系统 |
CN111382633A (zh) * | 2018-12-29 | 2020-07-07 | 中国科学院长春光学精密机械与物理研究所 | 课堂出勤管理方法、装置、终端及计算机可读存储介质 |
CN110059450A (zh) * | 2019-05-25 | 2019-07-26 | 韶关市启之信息技术有限公司 | 一种提醒教师改变课堂教学速度的方法 |
CN110223540A (zh) * | 2019-06-13 | 2019-09-10 | 广东小天才科技有限公司 | 一种学习机器人信息互动学习方法和系统,及存储介质 |
CN110458008A (zh) * | 2019-07-04 | 2019-11-15 | 深圳壹账通智能科技有限公司 | 视频处理方法、装置、计算机设备和存储介质 |
CN110503024A (zh) * | 2019-08-19 | 2019-11-26 | 联想(北京)有限公司 | 一种交互状态分析方法、装置及存储介质 |
CN110750687A (zh) * | 2019-10-23 | 2020-02-04 | 贺中彬 | 一种实现快速同步学生状态数据的方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112652200A (zh) * | 2020-11-16 | 2021-04-13 | 北京家有课堂科技有限公司 | 人机交互系统、方法、服务器、交互控制设备及存储介质 |
CN112597899A (zh) * | 2020-12-24 | 2021-04-02 | 北京市商汤科技开发有限公司 | 一种行为状态的检测方法、装置、电子设备及存储介质 |
CN112699755A (zh) * | 2020-12-24 | 2021-04-23 | 北京市商汤科技开发有限公司 | 一种行为检测方法、装置、计算机设备和存储介质 |
CN112733619A (zh) * | 2020-12-24 | 2021-04-30 | 北京市商汤科技开发有限公司 | 采集设备的位姿调整方法、装置、电子设备及存储介质 |
CN112613780A (zh) * | 2020-12-29 | 2021-04-06 | 北京市商汤科技开发有限公司 | 一种学习报告生成的方法、装置、电子设备及存储介质 |
CN112651865A (zh) * | 2020-12-30 | 2021-04-13 | 北京市商汤科技开发有限公司 | 一种行为状态的提示方法、装置、电子设备及存储介质 |
CN113500607A (zh) * | 2021-06-07 | 2021-10-15 | 深圳市优必选科技股份有限公司 | 辅助学习方法、辅助学习装置、机器人及存储介质 |
CN113500607B (zh) * | 2021-06-07 | 2022-07-19 | 深圳市优必选科技股份有限公司 | 辅助学习方法、辅助学习装置、机器人及存储介质 |
CN113379163A (zh) * | 2021-07-09 | 2021-09-10 | 广东省华南技术转移中心有限公司 | 教学辅助方法、装置以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111935453A (zh) | 一种学习监督方法、装置、电子设备及存储介质 | |
CN101520842B (zh) | 信息处理装置、眼睛开/合度确定方法及图像传感装置 | |
CN103491299B (zh) | 一种拍照处理方法和装置 | |
CN110659397B (zh) | 一种行为检测方法、装置、电子设备和存储介质 | |
CN110837795A (zh) | 基于课堂监控视频的教学情况智能监测方法、装置及设备 | |
CN108961679A (zh) | 一种注意力提醒方法、装置及电子设备 | |
CN112613780B (zh) | 一种学习报告生成的方法、装置、电子设备及存储介质 | |
CN112613440A (zh) | 一种姿态检测的方法、装置、电子设备及存储介质 | |
CN114926889B (zh) | 作业提交方法、装置、电子设备和存储介质 | |
CN111382633A (zh) | 课堂出勤管理方法、装置、终端及计算机可读存储介质 | |
CN110740298A (zh) | 分布式教室违纪行为检测系统、方法及介质 | |
CN112699755A (zh) | 一种行为检测方法、装置、计算机设备和存储介质 | |
CN113963453B (zh) | 一种基于双摄像头人脸识别技术的课堂考勤方法及系统 | |
CN111639630B (zh) | 一种作业批改方法及装置 | |
CN111008914A (zh) | 对象专注度分析方法、装置、电子终端及存储介质 | |
CN103024569A (zh) | 一种通过智能电视进行亲子教育的数据交互方法及系统 | |
CN105979331A (zh) | 一种智能电视的数据推荐方法和装置 | |
CN111104915B (zh) | 一种同行分析方法、装置、设备和介质 | |
CN112162888A (zh) | 显示器黑屏的原因的确定方法、装置和计算机存储介质 | |
CN112381689A (zh) | 一种在线批改作业的方法及装置 | |
CN111680653A (zh) | 座位信息生成方法、装置、设备及存储介质 | |
CN110675291A (zh) | 学生疲劳用眼时间的获取方法、服务器及可读存储介质 | |
CN109887116A (zh) | 一种教学用点名签到电子信息系统 | |
CN116434253A (zh) | 图像处理方法、装置、设备、存储介质及产品 | |
CN110415688B (zh) | 一种信息交互方法及机器人 |
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 |
Application publication date: 20201113 |
|
RJ01 | Rejection of invention patent application after publication |