CN112183238A - 一种远程教育注意力检测方法及系统 - Google Patents

一种远程教育注意力检测方法及系统 Download PDF

Info

Publication number
CN112183238A
CN112183238A CN202010948012.2A CN202010948012A CN112183238A CN 112183238 A CN112183238 A CN 112183238A CN 202010948012 A CN202010948012 A CN 202010948012A CN 112183238 A CN112183238 A CN 112183238A
Authority
CN
China
Prior art keywords
opening degree
face
threshold
attention
mouth
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
CN202010948012.2A
Other languages
English (en)
Other versions
CN112183238B (zh
Inventor
朱静
王茹皓
尹邦政
杨盛元
黄朗
钟长岳
李浩明
明家辉
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.)
Guangzhou University
Original Assignee
Guangzhou University
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 Guangzhou University filed Critical Guangzhou University
Priority to CN202010948012.2A priority Critical patent/CN112183238B/zh
Publication of CN112183238A publication Critical patent/CN112183238A/zh
Application granted granted Critical
Publication of CN112183238B publication Critical patent/CN112183238B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06V40/161—Detection; Localisation; Normalisation
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G06Q50/205—Education administration or guidance
    • 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
    • G06V40/16—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
    • G06V40/20—Movements or behaviour, e.g. gesture recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种远程教育注意力检测方法及系统，该方法的步骤为：采集面部图像；对采集到的面部图像进行图像预处理，进行高斯滤波后将图像从RGB图像转换为灰度图；框选面部特征，通过人脸识别算法识别到人脸特征值，进行特征值匹配验证；构建人脸实时情绪分类系统；标注人脸特征点，根据特征点之间的几何距离，计算嘴巴张开程度、眼睛张开程度；预设眼睛张开程度阈值、嘴巴张开程度第一阈值和嘴巴张开第二阈值，判定注意力状态处于专注或者分心；设置间隔时间采集面部图像，注意力状态判定为分心时反馈提示。本发明设置了实时注意力检测，检测学生学习的注意力状态，辅助提高远程教育的学习效果，达到智能教学目的。

Description

一种远程教育注意力检测方法及系统
技术领域
本申请涉及图像识别处理技术领域，具体涉及一种远程教育注意力检测方法及系统。
背景技术
远程教育是指使用电视及互联网等传播媒体的教学模式，打破时空界限，使老师远程授课，自己在家学习的一种教育形式。现代远程教育也称为网络教育，是现代信息技术应用于教育后产生的新概念。
远程教育的特点决定了远程教育以自学为主，现在的网络远程学习大多缺少学生评估模块，学生和教师、同学相互分离，也没有课堂的氛围，教师无法实时了解到学生状态，导致远程教育学习效果差、质量低，最后大部分学生的学习效果差强人意。
发明内容
为了克服现有技术存在的缺陷与不足，本发明提供一种远程教育注意力检测方法及系统，在传统远程教育管理系统的基础上增加了实时注意力检测，起到检测学生学习的注意力状态，辅助提高远程教育的学习效果，达到智能教学的目的。
为了达到上述目的，本发明采用以下技术方案：
本发明提供一种远程教育注意力检测方法，包括下述步骤；
采集面部图像；
对采集到的面部图像进行图像预处理，进行高斯滤波后将图像从RGB图像转换为灰度图；
框选面部特征，得到人脸的高度和宽度，通过人脸识别算法识别到人脸特征值，并与数据库中预先存入的特征值进行比较，进行特征值匹配验证；
构建人脸实时情绪分类系统，在设定的时间间隔内定时检测学生的情绪，并得出检测人脸与系统训练样本的相似度；
标注人脸特征点，根据特征点之间的几何距离，计算嘴巴张开程度、眼睛张开程度；
预设眼睛张开程度阈值、嘴巴张开程度第一阈值和嘴巴张开第二阈值，结合学生情绪分类结果，判定注意力状态处于专注或者分心；
设置间隔时间采集面部图像，注意力状态判定为分心时反馈提示。
作为优选的技术方案，所述将面部特征进行框选，具体步骤为：
将采集到的面部图像采用Opencv中的haarcascade_frontalface_default.xml分类器和face_cascade.detectMultiScale()函数进行框选；
所述进行特征值匹配验证，具体步骤为：
采用Haar获得人脸特征值，与数据库中预先存入的特征值进行比较验证。
作为优选的技术方案，所述计算嘴巴张开程度、眼睛张开程度，具体步骤为：
所述标注人脸特征点采用Dlib训练好的模型进行特征点68点标定；
通过上、下嘴唇中点特征点的纵轴差值与脸部高度之比计算得到嘴巴的张开程度；
通过上、下眼睛重点特征点的纵轴差值与脸部高度之比计算得到眼睛的张开程度。
作为优选的技术方案，所述预设眼睛张开程度阈值、嘴巴张开程度第一阈值和嘴巴张开程度第二阈值，判定注意力状态处于专注或者分心，具体步骤为：
若嘴巴张开程度小于嘴巴张开程度第二阈值，眼睛张开程度大于眼睛张开程度阈值，则判定注意力状态为专注；
若嘴巴张开程度大于嘴巴张开程度第二阈值，眼睛张开程度大于眼睛张开程度阈值，则判定注意力状态为惊讶专注；
若嘴巴张开程度小于嘴巴张开程度第一阈值，眼睛张开程度小于眼睛张开程度阈值，判断出现次数超过预设阈值，则判定注意力状态为分心打瞌睡；
若嘴巴张开程度大于嘴巴张开程度第二阈值，眼睛张开程度小于眼睛张开程度阈值，判断出现次数超过预设阈值，则判定注意力状态为分心打哈欠；
若嘴巴张开程度大于嘴巴张开程度第一阈值，小于嘴巴张开程度第二阈值，眼睛张开程度小于眼睛张开程度阈值，则判定注意力状态为平静。
作为优选的技术方案，所述注意力状态判定为分心时反馈提示，具体步骤为：
判定注意力状态为分心时，设置弹窗提示窗口，并执行成绩扣分操作。
本发明还提供一种远程教育注意力检测系统，包括：图像采集模块、实时人脸识别模块和注意力检测分类模块；
所述图像采集模块用于采集学习用户的面部图像；所述实时人脸识别模块用于对采集的面部图像进行图像预处理、人脸框选和人脸特征识别，注意力检测分类模块用于接收实时人脸识别模块数据，根据人脸特征值的几何距离进行注意力状态的检测和分类。
作为优选的技术方案，还设置有用户端，所述用户端设置有摄像头，所述用户端界面用于进行教学显示和注意力弹窗提醒。
作为优选的技术方案，所述用户端采用电脑、手机或者平板中的任意一种。
本发明与现有技术相比，具有如下优点和有益效果：
(1)本发明在传统远程教育管理系统的基础上增加了实时注意力检测模块，起到检测学生学习的注意力状态，督促学生认真完成课程内容，辅助提高远程教育的学习效果，达到智能教学的目的。
(2)本发明不需要额外添置任何摄像头等硬件设备，只需要多媒体设备本身的摄像头开启，就可以进行检测，结构简单，检测方便快捷。
附图说明
图1为本实施例远程教育注意力检测方法的步骤流程图；
图2为本实施例专注度分组二维示意图；
图3为本实施例学习结束后学习趋势示意图；
图4为本实施例远程教育注意力检测方法的人脸特征点标定示意图；
图5为本实施例远程教育注意力检测方法的注意力检测分类示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例
如图1所示，本实施例提供一种远程教育注意力检测方法，包括下述步骤：
S1：启动注意力检测系统，初始化摄像头，图像采集模块通过摄像头抓取原始的面部图像；
S2：图像预处理：接收到图像采集模块采集的面部图像数据后进行图像预处理，对采集的原始面部图像进行高斯滤波，消除图像噪声，然后将该图像从RGB图像转换为灰度图，完成预处理后进行人脸识别；
S3：人脸框选和识别考勤：将采集到的面部图像通过Opencv中的haarcascade_frontalface_default.xml分类器和face_cascade.detectMultiScale()函数框选出来；
在本实施例中，调用矩形边框(Bounding Rectangle)，用一个最小的矩形，将得到的面部特征框选起来，本实施例调用cv2.boundingRect(img)函数实现，其中img表示一个二值图，返回四个值，分别为d.left()、d.top()、d.right()、d.bottom()；然后调用以下函数：
cv2.rectangle(im_rd,(d.left(),d.top()),(d.right(),d.bottom()),(0,0,255))画出矩形，其中，im_rd表示原图，(d.left(),d.top())表示矩阵的左上点坐标，(d.right(),d.bottom())表示矩阵的右下点坐标，(0,0,255)表示画线对应的RGB颜色；
计算人脸的高度self.face_higth和宽度self.face_width，分别为：
self.face_higth＝d.top()-d.bottom()
self.face_width＝d.right()-d.left()
再利用Haar获得其特征值并与数据库中预先存入的注册学生人脸照片库的特征值进行人脸高度和宽度比较分析，本实施例考虑到天气、室内外环境等因素对于摄像头的影响，设置了10％浮动的误差范围，特征值匹配之后则登录成功；
S4：构建人脸实时情绪分类系统，在设定的时间间隔内定时检测学生的情绪，并得出检测人脸与系统训练样本的相似度；
在68个特征点识别前加入深度学习人脸情绪分类系统，用深度学习表情直接进行分类(分心平静专注)，并且输出与模型相似度百分比β。而dilb 68特征点只提取出关于眼睛、嘴巴和脸周的相关特征点进行进一步的数据细化，用来说明情绪体现程度。
例如，学生学习情况专注且与训练样本相似度为β＝87％，进一步采集眼睛和嘴巴张开程度分别为：0.35和0.4.
在专注度分组中，满分5分，专注为5分，平静为3分，分心为0分。此刻学生为5分；
如图2所示，在二维图中，满分5分，此刻学生得分为4分，4x87％＝3.48.则3.48为此刻学生的专注程度，则该学生一共得分为5+3.48＝8.48分。
如图3所示，在学习结束后可以画出该学生整个学习趋势，在原有基础上更加数字化。
在本实施例中，训练数据集为fer2013，根据目前远程学习需要分为三类。
S5：特征点的标注和计算：如图4所示，采用Dlib训练好的模型“shape_predictor_68_face_landmarks.dat”对眼睛和嘴巴进行68点标定；
通过特征点的49点和55点(即左右嘴角)的横轴差值与脸部宽度之比计算得到嘴巴的咧开程度，具体函数式为：
mouth_width＝(shape.part(55).x-shape.part(49).x)/self.face_width；
通过特征点的67点和63点(即上下嘴唇的中点)的纵轴的差值与脸部高度之比计算得到嘴巴的张开程度，计算函数式为：
mouth_higth＝(shape.part(67).y-shape.part(63).y)/self.face_higth；
通过特征点计算眼睛的睁开程度：将左右眼内角(特征点40、特征点43)和左右眼外角(特征点37、特征点46)所对应的位置数值读取相加，具体函数式为：
eye_sum＝(shape.part(42).y-shape.part(38).y+shape.part(41).y-shape.part(39).y
+shape.part(48).y-shape.part(44).y+shape.part(47).y-shape.part(45).y)；eye_hight＝(eye_sum/4)/self.face_higth；
S6：注意力检测：计算特征点之间的几何距离，将学生在学习期间的注意力状态分为三类：专注concentrate、平静natrue和分心be distracted；
如图5所示，具体实现方式为：
如果嘴巴张开程度的比值小于0.5，眼睛的张开程度大于0.056，可以认为学生在专注盯着屏幕，咧嘴微笑，判断为专注；
如果嘴巴张开程度的比值大于0.5，眼睛的张开程度大于0.056，可以认为学生在专注盯着屏幕，表示惊讶，判断为专注；
如果嘴巴张开程度的比值小于0.3，眼睛的张开程度小于0.056，可以认为学生犯困打瞌睡，如果连续三次如此，判断为分心；
如果嘴巴张开程度的比值大于0.5，眼睛的张开程度小于0.056，可以认为学生在打哈欠，如果连续三次判断为打哈欠，则认为学生是分心；
如果嘴巴张开程度的比值大于0.3但小于0.5，眼睛的张开程度小于0.056，，可以认为学生是在平静状态下观看视频，判断为平静；
S7：注意力状态反馈：摄像头会在每节课的不定时间抓取学生图像，如果学生一直处在专心状态，则提示窗口在用户端页面上不会弹出；如果学生有两次的分心，则弹出窗口提醒；三次及以上则在学生成绩上相应减分，本实施例采用一次减0.1分。
本实施例还提供一种远程教育注意力检测系统，包括：图像采集模块、实时人脸识别模块和注意力分类模块；
本实施例的图像采集模块用于采集学习用户(学生)的面部图像，可调用用户终端的摄像头，在一定时间间隔内进行学习用户面部图像采集；实时人脸识别模块设置在用户终端的内部，接收到图像采集模块采集的面部图像数据后进行图像预处理、人脸框选和人脸特征识别，注意力分类模块在收到实时人脸识别模块的相关数据之后，进行学生注意力情况分类；
本实施例的远程教育注意力检测系统设置的用于检测学生学习状态的用户端，用户端界面在学生进行远程学习的媒体上进行显示，用于视频播放、讨论测试和注意力提醒，当检测到学生分心时，用户端界面会自动弹出窗口提醒。
本实施例的用户端可采用电脑、手机或者平板中的任意一种。
本实施在传统远程教育管理系统的基础上增加了实时注意力检测模块，起到检测学生学习的注意力状态，辅助提高远程教育的学习效果，达到智能教学的目的。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (8)

1.一种远程教育注意力检测方法，其特征在于，包括下述步骤；
采集面部图像；
对采集到的面部图像进行图像预处理，进行高斯滤波后将图像从RGB图像转换为灰度图；
框选面部特征，得到人脸的高度和宽度，通过人脸识别算法识别到人脸特征值，并与数据库中预先存入的特征值进行比较，进行特征值匹配验证；
构建人脸实时情绪分类系统，在设定的时间间隔内定时检测学生的情绪，并得出检测人脸与系统训练样本的相似度；
标注人脸特征点，根据特征点之间的几何距离，计算嘴巴张开程度、眼睛张开程度；
预设眼睛张开程度阈值、嘴巴张开程度第一阈值和嘴巴张开第二阈值，结合学生情绪分类结果，判定注意力状态处于专注或者分心；
设置间隔时间采集面部图像，注意力状态判定为分心时反馈提示。
2.根据权利要求1所述的远程教育注意力检测方法，其特征在于，所述将面部特征进行框选，具体步骤为：
将采集到的面部图像采用Opencv中的haarcascade_frontalface_default.xml分类器和face_cascade.detectMultiScale()函数进行框选；
所述进行特征值匹配验证，具体步骤为：
采用Haar获得人脸特征值，与数据库中预先存入的特征值进行比较验证。
3.根据权利要求1所述的远程教育注意力检测方法，其特征在于，所述计算嘴巴张开程度、眼睛张开程度，具体步骤为：
所述标注人脸特征点采用Dlib训练好的模型进行特征点68点标定；
通过上、下嘴唇中点特征点的纵轴差值与脸部高度之比计算得到嘴巴的张开程度；
通过上、下眼睛重点特征点的纵轴差值与脸部高度之比计算得到眼睛的张开程度。
4.根据权利要求1所述的远程教育注意力检测方法，其特征在于，所述预设眼睛张开程度阈值、嘴巴张开程度第一阈值和嘴巴张开程度第二阈值，判定注意力状态处于专注或者分心，具体步骤为：
若嘴巴张开程度小于嘴巴张开程度第二阈值，眼睛张开程度大于眼睛张开程度阈值，则判定注意力状态为专注；
若嘴巴张开程度大于嘴巴张开程度第二阈值，眼睛张开程度大于眼睛张开程度阈值，则判定注意力状态为惊讶专注；
若嘴巴张开程度小于嘴巴张开程度第一阈值，眼睛张开程度小于眼睛张开程度阈值，判断出现次数超过预设阈值，则判定注意力状态为分心打瞌睡；
若嘴巴张开程度大于嘴巴张开程度第二阈值，眼睛张开程度小于眼睛张开程度阈值，判断出现次数超过预设阈值，则判定注意力状态为分心打哈欠；
若嘴巴张开程度大于嘴巴张开程度第一阈值，小于嘴巴张开程度第二阈值，眼睛张开程度小于眼睛张开程度阈值，则判定注意力状态为平静。
5.根据权利要求1所述的远程教育注意力检测方法，其特征在于，所述注意力状态判定为分心时反馈提示，具体步骤为：
判定注意力状态为分心时，设置弹窗提示窗口，并执行成绩扣分操作。
6.一种远程教育注意力检测系统，其特征在于，包括：图像采集模块、实时人脸识别模块和注意力检测分类模块；
所述图像采集模块用于采集学习用户的面部图像；所述实时人脸识别模块用于对采集的面部图像进行图像预处理、人脸框选和人脸特征识别，注意力检测分类模块用于接收实时人脸识别模块数据，根据人脸特征值的几何距离进行注意力状态的检测和分类。
7.根据权利要求6所述的远程教育注意力检测系统，其特征在于，还设置有用户端，所述用户端设置有摄像头，所述用户端界面用于进行教学显示和注意力弹窗提醒。
8.根据权利要求7所述的远程教育注意力检测系统，其特征在于，所述用户端采用电脑、手机或者平板中的任意一种。
CN202010948012.2A 2020-09-10 2020-09-10 一种远程教育注意力检测方法及系统 Active CN112183238B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010948012.2A CN112183238B (zh) 2020-09-10 2020-09-10 一种远程教育注意力检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010948012.2A CN112183238B (zh) 2020-09-10 2020-09-10 一种远程教育注意力检测方法及系统

Publications (2)

Publication Number Publication Date
CN112183238A true CN112183238A (zh) 2021-01-05
CN112183238B CN112183238B (zh) 2024-01-05

Family

ID=73921789

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010948012.2A Active CN112183238B (zh) 2020-09-10 2020-09-10 一种远程教育注意力检测方法及系统

Country Status (1)

Country Link
CN (1) CN112183238B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112784733A (zh) * 2021-01-21 2021-05-11 敖客星云(北京)科技发展有限公司 一种基于线上教育的情绪识别方法、装置及电子设备
CN113239841A (zh) * 2021-05-24 2021-08-10 桂林理工大学博文管理学院 基于人脸识别的课堂专注状态检测方法及相关仪器
CN113469023A (zh) * 2021-06-28 2021-10-01 北京百度网讯科技有限公司 确定警觉度的方法、装置、设备和存储介质
CN113570916A (zh) * 2021-08-03 2021-10-29 浙江鸿昌机械有限公司 一种多媒体远程教学辅助方法、设备及其系统
CN113869241A (zh) * 2021-09-30 2021-12-31 西安理工大学 一种融合人脸多属性的在线学习状态分析与报警方法
CN114998975A (zh) * 2022-07-15 2022-09-02 电子科技大学成都学院 一种基于大数据的外语教学方法及装置
CN116467739A (zh) * 2023-03-30 2023-07-21 江苏途途网络技术有限公司 一种计算机大数据存储系统及方法
CN117315536A (zh) * 2023-09-25 2023-12-29 南通大学 一种在线学习专注度监测方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106781282A (zh) * 2016-12-29 2017-05-31 天津中科智能识别产业技术研究院有限公司 一种智能行车驾驶员疲劳预警系统
CN108021893A (zh) * 2017-12-07 2018-05-11 浙江工商大学 一种用于判断学生上课专注度的算法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106781282A (zh) * 2016-12-29 2017-05-31 天津中科智能识别产业技术研究院有限公司 一种智能行车驾驶员疲劳预警系统
CN108021893A (zh) * 2017-12-07 2018-05-11 浙江工商大学 一种用于判断学生上课专注度的算法

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112784733A (zh) * 2021-01-21 2021-05-11 敖客星云(北京)科技发展有限公司 一种基于线上教育的情绪识别方法、装置及电子设备
CN113239841A (zh) * 2021-05-24 2021-08-10 桂林理工大学博文管理学院 基于人脸识别的课堂专注状态检测方法及相关仪器
CN113469023A (zh) * 2021-06-28 2021-10-01 北京百度网讯科技有限公司 确定警觉度的方法、装置、设备和存储介质
CN113570916A (zh) * 2021-08-03 2021-10-29 浙江鸿昌机械有限公司 一种多媒体远程教学辅助方法、设备及其系统
CN113570916B (zh) * 2021-08-03 2023-02-10 浙江鸿昌机械有限公司 一种多媒体远程教学辅助方法、设备及其系统
CN113869241A (zh) * 2021-09-30 2021-12-31 西安理工大学 一种融合人脸多属性的在线学习状态分析与报警方法
CN114998975A (zh) * 2022-07-15 2022-09-02 电子科技大学成都学院 一种基于大数据的外语教学方法及装置
CN116467739A (zh) * 2023-03-30 2023-07-21 江苏途途网络技术有限公司 一种计算机大数据存储系统及方法
CN117315536A (zh) * 2023-09-25 2023-12-29 南通大学 一种在线学习专注度监测方法及系统
CN117315536B (zh) * 2023-09-25 2024-06-04 南通大学 一种在线学习专注度监测方法

Also Published As

Publication number Publication date
CN112183238B (zh) 2024-01-05

Similar Documents

Publication Publication Date Title
CN112183238A (zh) 一种远程教育注意力检测方法及系统
CN110991381B (zh) 一种基于行为和语音智能识别的实时课堂学生状态分析与指示提醒系统和方法
CN109522815B (zh) 一种专注度评估方法、装置及电子设备
CN111242049B (zh) 一种基于面部识别的学生网课学习状态评价方法及系统
WO2021077382A1 (zh) 一种学习状态的判断方法、装置及智能机器人
CN111523444A (zh) 基于改进的Openpose模型和面部微表情的课堂行为检测的方法
CN111523445B (zh) 一种基于改进的Openpose模型和面部微表情的考试行为检测方法
CN114708658A (zh) 一种在线学习专注度识别方法
CN112883867A (zh) 一种基于图像情感分析的学生在线学习评估方法及系统
CN113762107A (zh) 对象状态评估方法、装置、电子设备及可读存储介质
CN110399810A (zh) 一种辅助点名方法及装置
CN115719516A (zh) 一种基于多通道的课堂教学行为识别方法及系统
CN110766580A (zh) 一种基于人脸特征的课堂质量监控系统
CN111178263B (zh) 一种实时表情分析方法及其装置
CN113705510A (zh) 目标识别跟踪的方法、装置、设备及存储介质
CN111611854A (zh) 一种基于模式识别的课堂情况评价方法
CN105631410B (zh) 一种基于智能视频处理技术的课堂检测方法
CN114581271A (zh) 一种在线教学视频的智能处理方法及系统
CN113989608A (zh) 基于顶部视觉的学生实验课堂行为识别方法
CN116403218B (zh) 基于远程音视频互动的线上线下混合式教学管理系统
CN115829234A (zh) 基于课堂检测的自动化督导系统及其工作方法
CN113569761B (zh) 一种基于深度学习的学生视点估计方法
CN110837790B (zh) 一种识别方法
CN113688739A (zh) 基于情绪识别和视觉分析的课堂学习效率预测方法及系统
CN113469001A (zh) 一种基于深度学习的学生课堂行为检测方法

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