CN112199974A - 一种学习评价方法、装置及设备 - Google Patents
一种学习评价方法、装置及设备 Download PDFInfo
- Publication number
- CN112199974A CN112199974A CN201910608821.6A CN201910608821A CN112199974A CN 112199974 A CN112199974 A CN 112199974A CN 201910608821 A CN201910608821 A CN 201910608821A CN 112199974 A CN112199974 A CN 112199974A
- Authority
- CN
- China
- Prior art keywords
- behavior
- information
- learning
- image
- recognition result
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 145
- 230000006399 behavior Effects 0.000 claims abstract description 336
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000012549 training Methods 0.000 claims description 53
- 230000008569 process Effects 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 19
- 230000009471 action Effects 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 8
- 238000010295 mobile communication Methods 0.000 description 8
- 238000012706 support-vector machine Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 4
- 239000012141 concentrate Substances 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 206010011469 Crying Diseases 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 238000006748 scratching Methods 0.000 description 1
- 230000002393 scratching effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- 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
-
- 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
- G10L15/26—Speech to text systems
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Acoustics & Sound (AREA)
- Human Resources & Organizations (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- Social Psychology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Economics (AREA)
- Psychiatry (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Electrically Operated Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Analysis (AREA)
Abstract
本发明适用于计算机技术领域,提供了一种学习评价方法、装置及设备,包括:通过获取学习影像信息,基于所述学习影像信息提取特征信息;所述特征信息包括行为特征图像和语音特征信息;将所述行为特征图像输入经过训练行为识别模型,得到行为识别结果;基于所述语音特征信息确定语音识别结果;基于所述行为识别结果和所述语音识别结果确定所述学习影像信息的评价信息。上述方法,通过对孩子学习影像的分析和识别,可以直接获取到行为识别结果和语音识别结果,确定识别结果的评价信息和建议信息,家长可以直观的通过评价信息和建议信息了解到孩子的学习情况,从而对孩子的学习进行评价。
Description
技术领域
本发明属于计算机技术领域,尤其涉及一种学习评价方法、装置及设备。
背景技术
目前几乎所有家长都为在孩子教育劳心费神,孩子的优秀的学习习惯确需要一天天去养成,往往许多家长觉得孩子还小忽略了幼儿园乃至整个小学阶段是孩子培养好习惯的黄金时间,这个时期没有良好习惯,后面将会付出非常大的代价。由于家长能够陪伴孩子的时间有限,对孩子的学习评价也并不及时,所以,市面上出现了大量辅助评价学习的教育系统。
但是现有的辅助评价学习的教育系统中采用的辅助评价学习的方法更多像是个简单的知识视频库,对于孩子而言更像是个玩具,大量的知识库让孩子迷失其中,毫无效率可言,也无法对孩子的学习起到评价的作用。
发明内容
有鉴于此,本发明实施例提供了一种学习评价方法、装置及设备,以解决现有技术中的辅助评价学习的教育系统无法对孩子的学习起到评价作用的问题。
本发明实施例的第一方面提供了一种学习评价方法,包括:
获取学习影像信息,基于所述学习影像信息提取特征信息;所述特征信息包括行为特征图像和语音特征信息;
将所述行为特征图像输入经过训练行为识别模型,得到行为识别结果;所述行为识别结果用于标识所述行为特征图像中的行为动作;基于所述语音特征信息确定语音识别结果;
基于所述行为识别结果和所述语音识别结果确定所述学习影像信息的评价信息。
本发明实施例的第二方面提供了一种学习评价装置,包括:
处理单元,用于获取学习影像信息,基于所述学习影像信息提取特征信息;所述特征信息包括行为特征图像和语音特征信息;
第一识别单元,用于将所述行为特征图像输入经过训练行为识别模型,得到行为识别结果;所述行为识别结果用于标识所述行为特征图像中的行为动作;
第二识别单元,用于基于所述语音特征信息确定语音识别结果;
确定单元,用于基于所述行为识别结果和所述语音识别结果确定所述学习影像信息的评价信息。
本发明实施例的第三方面提供了一种学习评价设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面所述的学习评价方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面所述的学习评价方法的步骤。
本发明实施例,通过获取学习影像信息,基于所述学习影像信息提取特征信息;所述特征信息包括行为特征图像和语音特征信息;将所述行为特征图像输入经过训练行为识别模型,得到行为识别结果;所述行为识别结果用于标识所述行为特征图像中的行为动作;基于所述语音特征信息确定语音识别结果;基于所述行为识别结果和所述语音识别结果确定所述学习影像信息的评价信息。上述方法,通过对孩子学习影像的分析和识别,可以直接获取到行为识别结果和语音识别结果,确定识别结果的评价信息和建议信息,家长可以直观的通过评价信息和建议信息了解到孩子的学习情况,从而对孩子的学习进行指导评价。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种学习评价方法的实现流程图;
图2是本发明实施例提供的另一种学习评价方法的实现流程图;
图3是本发明实施例提供的另一种学习评价方法的实现流程图;
图4是本发明实施例提供的另一种学习评价方法中自定义支持向量机的工作流程图;
图5是本发明实施例提供的另一种学习评价方法的实现流程图;
图6是本发明实施例提供的另一种学习评价方法的多个设备之间的交互结构图;
图7是本发明实施例提供的另一种学习评价方法的设备内部结构图;
图8是本发明实施例提供的另一种学习评价方法的核心流程的模块划分图;
图9是本发明实施例提供的另一种学习评价方法的实现流程图;
图10是本发明实施例提供的另一种学习评价方法中S503细化的实现流程图;
图11是本发明实施例提供的一种学习评价装置的示意图;
图12是本发明实施例提供的一种学习评价设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
请参阅图1,图1是本发明实施例提供的一种学习评价方法的实现流程图。本实施例中学习评价方法的执行主体为设备,例如,学习评价设备,学习评价设备包括但不限于终端或服务器。如图1所示的学习评价方法可包括:
S101:获取学习影像信息,基于所述学习影像信息提取特征信息;所述特征信息包括行为特征图像和语音特征信息。
设备获取待评价的孩子的学习影像信息,其中,待评价的孩子的学习影像信息即为待评价的孩子处于学习状态时采集到的影像信息,影像信息可以为视频信息,也可以为带有声音的图片信息,此处不做限制。待评价的孩子的学习影像信息可以通过与设备建立通信连接的摄像头来采集,设备通过网络接收摄像头采集到的待评价的孩子的学习影像信息,此处,对于摄像头的数量和位置并不做限制,只要能够采集到待评价的孩子的学习影像信息即可。上述通信方式可以包括第三代移动通信技术/第四代移动通信技术连接/第四代移动通信技术连接(3G/4G/5G)、WiFi通信、蓝牙通信等等。在实际应用中,可以使用微软的Kinect2.0深度相机对待评价的孩子的学习影像信息进行采集,将该深度相机放置于孩子的书桌正前方,该相机可以同时跟踪6人,对每个人的25个关节进行追踪,功能十分的强大,能够准确全面的获取到待评价的孩子的学习影像信息。
设备基于学习影像信息提取特征信息,特征信息是用于识别出行为识别结果以及语音识别结果的信息,特征信息包括行为特征图像和语音特征信息。
S102:将所述行为特征图像输入经过训练行为识别模型,得到行为识别结果;所述行为识别结果用于标识所述行为特征图像中的行为动作。
设备中存储预先训练行为识别模型,预先训练行为识别模型可以是该设备预先训练好,也可以是通过其他设备进行训练的。预先训练好的行为识别模型可以包括输入层、隐含层、输出层(损失函数层)。输入层包括一个输入层节点,用于从外部接收输入的行为特征图像。隐含层用于对行为特征图像进行识别。输出层用于输出行为识别结果。在训练过程中,行为识别模型的输入为带有行为标记的样本行为特征图像,例如,样本行为特征图像中为一个孩子在书桌前端坐写字,该样本行为特征图像的行为标记为“端坐写字”,行为识别模型的输出为样本行为特征图像的行为识别结果。
设备将行为特征图像输入预先训练好的行为识别模型,得到行为识别结果,行为识别结果用于标识行为特征图像中的行为动作。例如,将行为特征图像输入预先训练好的行为识别模型,得到的行为识别结果为“趴在书桌上”,该识别结果标识行为特征图像中的行为动作为“趴在书桌上”。
此外,当行为特征图像输入预先训练好的行为识别模型,得到正确的行为识别结果时,可以关联存储该行为特征图像及其行为识别结果,作为样本,对行为识别模型进行优化训练。
进一步地,为了实现由学习评价设备进行训练行为识别模式,在S102之前,还可以包括:对带有行为标记的样本行为特征图像进行训练得到所述行为识别模型;其中,所述行为识别模型的输入为带有行为标记的样本行为特征图像,所述行为识别模型的输出为所述样本行为特征图像的行为识别结果。具体模型的训练过程请参照S102,此处不再赘述。
S103:基于所述语音特征信息确定语音识别结果。
设备中预先设定一个语音识别标准,用于对语音特征信息进行识别获取到语音识别结果,在学习过程中获取到的语音特征信息主要是当孩子进行朗读时获取的,以及孩子不学习进行哭闹时获取的。所以,在对语音特征信息进行识别时,可以对语音特征信息的声波以及音量进行识别,例如,有规律的声音,且声音音量高于设置的阈值,说明孩子在朗读课业内容,且声音洪亮,此时语音识别结果即为“朗读-良好”;当音量低于阈值,说明孩子读书小声小气,此时语音识别结果即为“朗读-不合格”;当通过声波判断出声音无规律且波动很大时,可以推断孩子此时处于哭闹状态,此时语音识别结果即为“哭闹”。
此外,在对语音特征信息进行识别时,也可以对将语音特征信息进行转化,转化为文字信息,对文字的内容进行关键字的提取,对提取到的关键字进行识别,获取识别结果,此处不做限制。
S104:基于所述行为识别结果和所述语音识别结果确定所述学习影像信息的评价信息。
学习影像信息的评价信息是对学习影像信息的行为识别结果和语音识别结果的评价,例如,评价信息可以为“努力学习”、“朗读表现良好”、“学习不专心”等等。家长可以直观的通过评价信息了解到孩子的学习情况,从达到对孩子的学习进行评价的效果。设备中预先设置了行为识别结果与评价信息的对应关系、语音识别结果与评价信息的对应关系。设备基于获取到的行为识别结果、以及行为识别结果与评价信息的对应关系获取到行为识别结果对应的评价信息,设备基于获取到的语音识别结果、以及语音识别结果与评价信息的对应关系获取到语音识别结果对应的评价信息,将行为识别结果对应的评价信息和语音识别结果对应的评价信息进行整合,不同的评价信息可以保留,相同的评价信息可以去重处理,获取学习影像信息的评价信息。
进一步地,为了家长可以在获取到针对孩子的学习情况以的建议,在S104之后,还可以包括:基于所述评价信息、预设评价信息与建议信息之间的对应关系,确定所述评价信息对应的建议信息。学习影像信息的建议信息是基于学习影像信息的行为识别结果和语音识别结果对家长提出的一些建议,给予家长适当的提醒,例如,建议家长对孩子适当的进行批评教育、建议家长对孩子进行奖励、建议家长调整孩子的学习时间或者建议家长减少孩子的学习任务等等。设备中预先设置了评价信息与建议信息的对应关系,基于上文中获取到的评价信息、以及评价信息与建议信息的对应关系获取到学习影像信息的建议信息。
此外,学习影像信息的建议信息也可以通过以下方式获取,设备中预先设置了行为识别结果与建议信息的对应关系、语音识别结果与建议信息的对应关系。设备基于获取到的行为识别结果、以及行为识别结果与建议信息的对应关系获取到行为识别结果对应的建议信息,设备基于获取到的语音识别结果、以及语音识别结果与建议信息的对应关系获取到语音识别结果对应的建议信息,将行为识别结果对应的建议信息和语音识别结果对应的建议信息进行整合,不同的建议信息可以保留,相同的建议信息可以去重处理,获取学习影像信息的建议信息。
进一步地,为了家长可以在其他设备上获取到孩子的学习情况以及评价和建议,在基于所述评价信息、预设评价信息与建议信息之间的对应关系,确定所述评价信息对应的建议信息之后,还可以包括:将所述学习影像信息、所述评价信息和所述建议信息发送至绑定的设备上。
绑定的设备为家长使用的设备,设备预先绑定了家长使用的设备,家长使用的设备可以为移动终端,也可以是台式电脑等等。本设备可以通过无线通信方式与家长使用的设备连接,上述无线通信方式可以包括第三代移动通信技术/第四代移动通信技术连接/第四代移动通信技术连接(3G/4G/5G)、WiFi通信、蓝牙通信等等。将学习影像信息、评价信息和建议信息发送至绑定的设备上,家长可以通过学习影像信息直观的看到孩子的学习状态,同时通过评价信息和建议信息可以了解到孩子的学习情况,并且得到相应的建议。
此外,为了家长可以在获取到孩子的学习情况以及相关的评级和建议时,能够对孩子进行指导和教育,家长还可以通过绑定的设备向学习评价设备发送指导指令或者教育指令,例如当家长看到孩子趴在桌子上学习时,家长可以发送指导指令,提示孩子坐直。
此外,本设备中可以预先设置相关的教育理论知识,如儿童心理学的学习资料、成功的家庭教育经验等等,这些用于教育理论知识家长提升自己的相关能力,例如,设备中可以预先设置教育理论知识:“坏习惯的养成有三个条件,模仿,重复,和纵容”,家长了解学习后明白,以身作则对孩子也是非常好的教育,不让孩子的坏习惯重复,不纵容孩子的坏习惯。
本发明实施例,通过获取学习影像信息,基于所述学习影像信息提取特征信息;所述特征信息包括行为特征图像和语音特征信息;将所述行为特征图像输入经过训练的行为识别模型,得到行为识别结果;所述行为识别结果用于标识所述行为特征图像中的行为动作;基于所述语音特征信息确定语音识别结果;基于所述行为识别结果和所述语音识别结果确定所述学习影像信息的评价信息。上述方法,通过对孩子学习影像的分析和识别,可以直接获取到行为识别结果和语音识别结果,确定识别结果的评价信息和建议信息,家长可以直观的通过评价信息和建议信息了解到孩子的学习情况,从而对孩子的学习进行指导评价。
请参见图2,图2是本发明实施例提供的另一种学习评价方法的实现流程图。本实施例中学习评价方法的执行主体为设备,例如,学习评价设备,学习评价设备包括但不限于终端或服务器。为了获取到用于输出行为特征图像的行为识别结果的行为识别模型,本实施例中还包括S201~S202,本实施例与第一实施例的不同之处在于还包括S201~S202,本实施例中S203~S207与上一实施例中的S101~S105相同,具体请参见上一实施例中的S101~S105,其中,S201~S202可以在S203之前执行,也可以在S203之后执行,S201~S202只要在S204之前执行即可,S201~S202具体如下:
S201:获取样本行为图像训练集;所述样本行为图像训练集包括样本行为特征图像及其对应的行为标记。
设备获取样本行为图像训练集,样本行为图像训练集用于训练得到行为识别模型。其中,样本行为图像训练集包括样本行为特征图像及其对应的行为标记。
在获取样本行为图像训练集时,为了样本的丰富性,可以通过多种渠道获取样本行为图像。可以通过采集实体图像的方式获取样本行为图像,例如,邀请若干个孩子作为实验对象,他们将做一组动作:在书桌前端坐写字、端坐看书、趴在书桌上、挠头、咬手指、踢东西、摔东西等等,采集每个动作的图像作为样本行为图像,并且记录对应的行为标记,为了样本的准确性,每个动作可以执行多次;也可以在网络上获取样本行为图像机器对应的行为标记。
S202:基于所述样本行为图像训练集进行训练,得到用于输出行为特征图像的行为识别结果的行为识别模型;所述行为识别模型用于对所述行为特征图像进行识别,获取所述行为特征图像的行为识别结果;其中,所述行为识别模型的输入为带有行为标记的样本行为特征图像,所述行为识别模型的输出为所述样本行为特征图像的行为识别结果。
在本实施例中,对样本行为图像训练集进行训练,在训练过程中,行为识别模型的输入为带有行为标记的样本行为特征图像,行为识别模型的输出为所述样本行为特征图像的行为识别结果,经过训练后,得到用于输出行为特征图像的行为识别结果的行为识别模型,行为识别模型用于对行为特征图像进行识别,获取行为特征图像的行为识别结果。在训练结束后,可以采用样本行为图像训练集中未经训练的样本,对行为识别模型进行测试。
请参见图3,图3是本发明实施例提供的另一种学习评价方法的实现流程图。本实施例中学习评价方法的执行主体为设备,例如,学习评价设备,学习评价设备包括但不限于终端或服务器。为了增强行为识别模型的识别能力,本实施例中对行为识别模型进行优化训练。本实施例与第二实施例的不同之处在于在S304之后还包括S305~S307,本实施例中S301~S304与上一实施例中的S201~S204相同,本实施例中S308~S310与上一实施例中的S205~S207相同,具体请参见上一实施例,其中,在S304之后,当检测到所述行为识别模型无法识别出所述行为特征图像的行为识别结果时,执行S305~S307,当得到行为识别结果时,执行S308~S310,S305~S307具体如下:
S305:当检测到所述行为识别模型无法识别出所述行为特征图像的行为识别结果时,获取所述行为特征图像的标记结果。
由于硬件条件的限制以及资源合理分配的原因,行为识别模型在训练的过程中,样本的数量以及质量都会受到限制,所以行为识别模型在识别过程中可能会出现无法识别出行为特征图像的行为识别结果的情况。设备检测行为识别模型对于行为特征图像的识别情况,当检测到行为识别模型无法识别出行为特征图像的行为识别结果时,推送这一行为特征图像以及提醒家长对该行为特征图像进行标记的提示信息至家长的设备,获取行为特征图像的标记结果。例如,行为特征图像中显示孩子在咬笔,但是行为识别模型无法识别出行为识别结果,则推送至家长的设备并提醒家长对该行为特征图像进行标记,家长标记该行为特征图像的标记结果为“咬笔”,获取行为特征图像的标记结果“咬笔”。
S306:将所述行为特征图像及其标记结果关联添加至所述样本行为图像训练集以更新所述样本行为图像训练集。
设备将行为特征图像及其标记结果关联添加至样本行为图像训练集,由于本实施例的实际应用场景为孩子学习的场景,所以通过人为新增的样本不会很多,只是在该设备的使用前期会遇到行为识别模型无法识别的情况,此时,通过人为标记获取新增的样本。这样,样本行为图像训练集的样本数量增加,并且更新的样本为在实际应用过程中出现的行为特征图像及其标记结果,这种样本的质量很高,有助于对行为识别模型进行优化训练。
S307:基于更新后的样本行为图像训练集对所述行为识别模型进行优化训练。
基于更新后的样本行为图像训练集怼行为识别模型进行优化训练,训练过程可以参照S202,此处不再赘述。其中,由于数据量较小直接训练会很容易过拟合,我们采取的是将其上传至数据集用于行为识别支持向量机模型(SVM)的优化训练增强其能力,可以创建自定义支持向量机(SVM),具体流程如图4所示。
请参见图5,图5是本发明实施例提供的另一种学习评价方法的实现流程图。本实施例中学习评价方法的执行主体为设备,例如,学习评价设备,学习评价设备包括但不限于终端或服务器。本实施例与第一实施例的区别在于在S401~S402之后还包括S403~S404,本实施例中S401~S402与第一实施例中的S101~S102相同,S405~S407与第一实施例中的S103~S105相同,具体请参阅第一实施例,此处不再赘述,S403~S404与S405~S407可以同时执行,也可以不同时执行,此处并无限制,S403~S404具体如下:
S403:基于所述行为识别结果对所述行为特征图像进行分类。
设备中预先设置行为识别结果的分类以及对应的类别标签,例如,分类的类别标签可以包括“积极”和“消极”、“正面”和“负面”等等。根据行为特征图像的行为识别结果以及行为识别结果的分类,对行为特征图像进行分类,同意类别的行为特征图像会具有一个类别标签。
S404:基于分类后的所述行为特征图像和预设音乐库,生成成长图册;所述成长图册用来展示分类后的行为特征图像和从预设音乐库中为所述分类后的行为特征图像选择的音乐。
设备中预先设置了音乐库,预设音乐库中包括多个音乐文件以及音乐文件与类别标签的对应关系,设备基于分类后的所述行为特征图像的类别标签、以及音乐文件与类别标签的对应关系,确定与分类后的所述行为特征图像匹配的音乐。
基于分类后的所述行为特征图像和与分类后的所述行为特征图像匹配的音乐,生成成长图册,成长图册用于展示分类后的行为特征图像和和与分类后的所述行为特征图像匹配的音乐,其中,成长图册可以为音乐相册的形式,例如,每间隔几秒钟播放一张行为特征图像,在播放行为特征图像的过程中,同时播放匹配的音乐。此外,成长图册中可以只播放一个类别的行为特征图像,也可以播放多个类别的行为特征图像,此处不做限制。
本实施例中,在学习评价方法的基础上,增加了生成成长图册的功能,使得孩子可以看到自己在学习过程中的进步和不足,有助于孩子的学习和进步,使得孩子能够正视自己的不足,改进并且进步,看到自己的优点,坚持并且发扬。
进一步地,在孩子未学习前,可以获取孩子的学习计划信息。基于所述学习计划信息生成学习任务;所述学习任务包括学习内容、学习时间段以及学习地点。
孩子的学习计划信息可以包括阶段计划学习内容、学习时间安排以及计划学习时长。设备获取孩子的学习计划信息,其中,一种实施方式中,孩子的学习计划信息可以是家长自行设置的,家长可以参照孩子的个人情况以及学习情况进行设置,例如,家长可以设置孩子的计划学习内容为小学三年级英语第三单元的内容,学习时间安排为在一个星期内完成学习,计划学习时长为每天45分钟。
另一种实施方式中,孩子的学习计划信息可以是基于孩子的个人信息生成的,孩子的个人信息包括孩子的年龄、孩子的学习情况、过往任务完成情况等等。由于不同年龄的孩子按照心理学理论来说,注意力集中的时间不同,5―6岁的儿童的注意力集中时间约为10-15分钟;7-10岁的儿童的注意力集中时间约为15-20分钟;10-12岁的儿童的注意力集中时间约为25-30分钟;12岁以上的儿童的注意力集中时间能超过30分钟。由此,设备中预先设置不同年龄对应的计划学习时长,可以通过孩子的年龄来确定计划学习时长,例如,获取到孩子的个人信息,其中,孩子的年龄为14岁,则基于预设的12岁以上的儿童的计划学习时长为45分钟,可以确定该儿童的计划学习时长为45分钟。通过个人信息中的孩子的年龄也可以获取孩子当前在学校学习的教材,基于孩子当前在学校学习的教材可以确定计划学习内容。通过个人信息中的孩子的学习情况、过往任务完成情况可以判断孩子是否适合当前年龄对应的计划学习时长以及计划学习内容,例如,当14岁的孩子过往任务完成情况很差时,说明孩子对于14岁的在学校学习的教材内容掌握不够,可以适当进行调整,降低学习内容的难度;当14岁的孩子的学习情况较差,计划学习时长为45分钟,但是只能集中学习35分钟,说明孩子对于45分钟的计划学习时长难以全程集中精神,可以将计划学习时长由45分钟调整为35分钟。
设备基于学习计划信息生成学习任务,其中,学习任务为当前孩子需要执行的学习任务,学习任务包括学习内容、学习时间段以及学习地点,学习内容为在该学习时间段内孩子需要完成的内容,可以包括多个学科内容,可以理解的是,由于本实施例中需要通过摄像头采集孩子的学习影像,所以学习地点应该为具有摄像头的地点。基于学习计划信息生成的学习任务,为了孩子好习惯的养成,可以采取的策略是固定时间段,固定地点,和相对固定的任务。例如,任务可以包括每天早上6:00-7:00在书桌前朗读语文、英语课文,每天晚上7:00-7:30在书桌前预习对应年级的教学视频片段,等等。
进一步地,为了孩子在学习过程中不被电视等娱乐设备影响,当检测到当前时间处于所述学习时间段时,向预设的娱乐设备发出用于禁止使用所述娱乐设备的控制指令。
设备预先绑定家中的娱乐设备,设备检测当前时间是否处于学习时间段内,当检测到当前时间处于所述学习时间段时,设备向预设的娱乐设备发出用于禁止使用娱乐设备的控制指令,当娱乐设备接收到该控制指令时,该娱乐设备将无法正常使用,当孩子试图启用娱乐设备时,娱乐设备无法使用,并且可以进行“此时处于学习时间段”的提醒。其中,娱乐设备可以为电视、电脑、移动平板等等具有娱乐功能的设备。可以理解的是,当检测到当前时间不处于所述学习时间段时,即孩子处于休息状态下,设备向娱乐设备发送用于解除禁止使用娱乐设备的控制指令。
如图6所示的多个设备的交互结构图,绑定的设备为家长使用的设备,即家长手机端,设备预先绑定了家长使用的设备,家长使用的设备可以为移动终端,也可以是台式电脑等等。本设备为图中的服务器,可以通过无线通信方式与家长使用的设备连接,上述无线通信方式可以包括第三代移动通信技术/第四代移动通信技术连接/第四代移动通信技术连接(3G/4G/5G)、WiFi通信、蓝牙通信等等。具体本设备,即服务器的内部结构图如图7所示。将学习影像信息、评价信息和建议信息发送至绑定的设备上,家长可以通过学习影像信息直观的看到孩子的学习状态,同时通过评价信息和建议信息可以了解到孩子的学习情况,并且得到相应的建议,同时,服务器也可以控制电视端,处于学习时间段时,保持关闭状态。图8是本发明实施例提供的核心流程的模块划分图,具体在实施过程中,可以包括任务规划模块、信息录入特征提取模块、行为识别反馈模块以及成长图册模块,每个模块的具体功能可以参照图7中的具体内容。
请参见图9,图9是本发明实施例提供的另一种学习评价方法的实现流程图。本实施例中学习评价方法的执行主体为设备,例如,学习评价设备,学习评价设备包括但不限于终端或服务器。为了限定获取学习影像信息的触发条件以及获取过程,本实施例与第一实施例的不同之处在于S501~S503,本实施例中S504~S506与第一实施例中的S102~S104相同,具体请参见第一实施例,其中,S501~S503是对S101具体的细化,在S504~S506之前执行S501~S503,S501~S503具体如下:
S501:当检测到人体图像信息时,获取初始学习影像信息。
设备接收到待评价的孩子的人体图像信息,其中,人体图像信息包括脸部图像、肢体图像,人体图像信息可以由安装的摄像头采集并发送给设备。本实施例中,设备与摄像头之间的通讯方式可以包括第三代移动通信技术/第四代移动通信技术连接/第四代移动通信技术连接(3G/4G/5G)、WiFi通信、蓝牙通信等等。当检测到人体图像信息时,触发摄像头获取初始学习影像信息,其中,初始学习影像信息为未经过处理的学习影像信息,可以包括多个摄像头获取到的学习影像信息。
S502:对所述初始学习影像信息进行预设处理,得到学习影像信息。
设备对初始学习影像信息进行预设处理,预设处理可以是对多个摄像头获取到的学习影像信息进行合并或者剪辑,此处不做限制,得到学习影像信息。
S503:基于所述学习影像信息提取特征信息。
S503与S101中基于所述学习影像信息提取特征信息相同,具体可以参阅S101,此处不再赘述。
进一步地,为了细化提取特征信息的过程,S503可以包括S5031~S5032,如图10所示,S5031~S5032具体如下:
S5031:基于所述学习影像信息确定所述学习影像信息对应的图像信息和语音信息。
当学习影像信息为视频信息时,可以对当前的视频信息进行音频和视频的分离,当学习影像信息为带有声音的时,获取图片信息为学习影像信息对应的图像信息。
S5032:基于所述图像信息确定行为特征图像,基于所述语音信息确定语音特征信息。设备基于图像信息确定行为特征图像,如果图像信息为视频的话,将视频进行分帧处理获取到行为特征图像。基于语音信息确定语音特征信息,提取语音信息中的关键字、语音语调等等,作为语音特征信息。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
请参见图11,图11是本发明实施例提供的一种学习评价装置的示意图。包括的各单元用于执行图1~图3、图5、图9~图10各自对应的实施例中的各步骤。具体请参阅图1~图3、图5、图9~图10各自对应的实施例中的相关描述。为了便于说明,仅示出了与本实施例相关的部分。参见图11,学习评价装置11包括:
处理单元1110,用于获取待评价的孩子的学习影像信息,基于所述学习影像信息提取特征信息;所述特征信息包括行为特征图像和语音特征信息;
第一识别单元1120,用于将所述行为特征图像输入预先训练好的行为识别模型,得到行为识别结果;所述行为识别结果用于标识所述行为特征图像中的行为动作;
第二识别单元1130,用于基于所述语音特征信息确定语音识别结果;
确定单元1140,用于基于所述行为识别结果和所述语音识别结果确定所述学习影像信息的评价信息和建议信息。
进一步地,学习评价装置还包括:
第一获取单元,用于获取样本行为图像训练集;所述行为图像训练集包括样本行为特征图像及其对应的行为标记;
训练单元,用于基于所述样本行为图像训练集进行训练,得到用于输出行为特征图像的行为识别结果的行为识别模型;所述行为识别模型用于对所述行为特征图像进行识别,获取所述行为特征图像的行为识别结果。
进一步地,学习评价装置还包括:
第二获取单元,用于当检测到所述行为识别模型无法识别出所述行为特征图像的行为识别结果时,获取所述行为特征图像的标记结果;
添加单元,用于将所述行为特征图像及其标记结果关联添加至所述样本行为图像训练集以更新所述样本行为图像训练集;
优化单元,用于基于更新后的样本行为图像训练集对所述行为识别模型进行优化训练。
进一步地,学习评价装置还包括:
分类单元,用于基于所述行为识别结果对所述行为特征图像进行分类;
第一生成单元,用于基于分类后的所述行为特征图像和预设音乐库,生成成长图册;所述成长图册用来展示分类后的行为特征图像和从预设音乐库中为所述分类后的行为特征图像选择的音乐。
进一步地,学习评价装置还包括:
训练单元,用于对带有行为标记的样本行为特征图像进行训练得到所述行为识别模型;其中,所述行为识别模型的输入为带有行为标记的样本行为特征图像,所述行为识别模型的输出为所述样本行为特征图像的行为识别结果。
进一步地,学习评价装置还包括:
发出单元,用于当检测到当前时间处于所述学习时间段时,向预设的娱乐设备发出用于禁止使用所述娱乐设备的控制指令。
进一步地,学习评价装置还包括:
发送单元,用于将所述学习影像信息、所述评价信息和所述建议信息发送至绑定的设备上。
图12是本发明一实施例提供的学习评价装置设备的示意图。如图12所示,该实施例的学习评价装置设备12包括:处理器120、存储器12以及存储在所述存储器121中并可在所述处理器120上运行的计算机程序122,例如学习评价装置程序。所述处理器120执行所述计算机程序122时实现上述各个学习评价方法实施例中的步骤,例如图1所示的步骤101至104。或者,所述处理器120执行所述计算机程序122时实现上述各装置实施例中各单元的功能,例如图11所示模块1110至1140的功能。
示例性的,所述计算机程序122可以被分割成一个或多个单元,所述一个或者多个模块/单元被存储在所述存储器121中,并由所述处理器120执行,以完成本发明。所述一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序122在所述学习评价设备12中的执行过程。例如,所述计算机程序122可以被分割成处理单元、第一识别单元、第二识别单元、确定单元、发送单元,各单元具体功能如下:
处理单元,用于获取待评价的孩子的学习影像信息,基于所述学习影像信息提取特征信息;所述特征信息包括行为特征图像和语音特征信息;
第一识别单元,用于将所述行为特征图像输入预先训练好的行为识别模型,得到行为识别结果;所述行为识别结果用于标识所述行为特征图像中的行为动作;第二识别单元,用于基于所述语音特征信息确定语音识别结果;
确定单元,用于基于所述行为识别结果和所述语音识别结果确定所述学习影像信息的评价信息和建议信息。
所述学习评价设备可包括,但不仅限于,处理器120、存储器121。本领域技术人员可以理解,图12仅仅是学习评价设备6的示例,并不构成对学习评价设备12的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述学习评价设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器120可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器121可以是所述学习评价设备12的内部存储单元,例如学习评价设备12的硬盘或内存。所述存储器121也可以是所述学习评价设备12的外部存储设备,例如所述学习评价设备12上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器121还可以既包括所述学习评价设备12的内部存储单元也包括外部存储设备。所述存储器121用于存储所述计算机程序以及所述学习评价设备所需的其他程序和数据。所述存储器121还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,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单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,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,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,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单元中,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单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (12)
1.一种学习评价方法,其特征在于,包括:
获取学习影像信息,基于所述学习影像信息提取特征信息;所述特征信息包括行为特征图像和语音特征信息;
将所述行为特征图像输入经过训练的行为识别模型,得到行为识别结果;所述行为识别结果用于标识所述行为特征图像中的行为动作;
基于所述语音特征信息确定语音识别结果;
基于所述行为识别结果和所述语音识别结果确定所述学习影像信息的评价信息。
2.如权利要求1所述的学习评价方法,其特征在于,在所述将所述行为特征图像输入预先训练好的行为识别模型,得到行为识别结果之前,还包括:
获取样本行为图像训练集;所述样本行为图像训练集包括样本行为特征图像及其对应的行为标记;
基于所述样本行为图像训练集进行训练,得到用于输出行为特征图像的行为识别结果的行为识别模型;所述行为识别模型用于对所述行为特征图像进行识别,获取所述行为特征图像的行为识别结果;其中,所述行为识别模型的输入为带有行为标记的样本行为特征图像,所述行为识别模型的输出为所述样本行为特征图像的行为识别结果。
3.如权利要求2所述的学习评价方法,其特征在于,在所述将所述行为特征图像输入预先训练好的行为识别模型,得到行为识别结果之后,还包括:
当检测到所述行为识别模型无法识别出所述行为特征图像的行为识别结果时,获取所述行为特征图像的标记结果;
将所述行为特征图像及其标记结果关联添加至所述样本行为图像训练集以更新所述样本行为图像训练集;
基于更新后的样本行为图像训练集对所述行为识别模型进行优化训练。
4.如权利要求1所述的学习评价方法,其特征在于,在所述将所述行为特征图像输入预先训练好的行为识别模型,得到行为识别结果之后,还包括:
基于所述行为识别结果对所述行为特征图像进行分类;
基于分类后的所述行为特征图像和预设音乐库,生成成长图册;所述成长图册用来展示分类后的行为特征图像和从预设音乐库中为所述分类后的行为特征图像选择的音乐。
5.如权利要求1所述的学习评价方法,其特征在于,所述获取学习影像信息,基于所述学习影像信息提取特征信息;所述特征信息包括行为特征图像和语音特征信息,包括:
当检测到人体图像信息时,获取初始学习影像信息;
对所述初始学习影像信息进行预设处理,得到学习影像信息;
基于所述学习影像信息提取特征信息。
6.如权利要求5所述的学习评价方法,其特征在于,所述基于所述学习影像信息提取特征信息,包括:
基于所述学习影像信息确定所述学习影像信息对应的图像信息和语音信息;
基于所述图像信息确定行为特征图像,基于所述语音信息确定语音特征信息。
7.如权利要求5所述的学习评价方法,其特征在于,在所述基于所述行为识别结果和所述语音识别结果确定所述学习影像信息的评价信息之后,还包括:
基于所述评价信息、预设评价信息与建议信息之间的对应关系,确定所述评价信息对应的建议信息。
8.如权利要求7所述的学习评价方法,其特征在于,在所述基于所述评价信息、预设评价信息与建议信息之间的对应关系,确定所述评价信息对应的建议信息之后,还包括:
将所述学习影像信息、所述评价信息和所述建议信息发送至绑定的设备上。
9.如权利要求1-8任一项所述的学习评价方法,其特征在于,还包括:
当检测到当前时间处于所述学习时间段时,向预设的娱乐设备发出用于禁止使用所述娱乐设备的控制指令。
10.一种学习评价装置,其特征在于,包括:
处理单元,用于获取学习影像信息,基于所述学习影像信息提取特征信息;所述特征信息包括行为特征图像和语音特征信息;
第一识别单元,用于将所述行为特征图像输入经过训练行为识别模型,得到行为识别结果;所述行为识别结果用于标识所述行为特征图像中的行为动作;在训练过程中,所述行为识别模型的输入为带有行为标记的样本行为特征图像,所述行为识别模型的输出为所述样本行为特征图像的行为识别结果;
第二识别单元,用于基于所述语音特征信息确定语音识别结果;
确定单元,用于基于所述行为识别结果和所述语音识别结果确定所述学习影像信息的评价信息。
11.一种学习评价设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至9任一项所述方法的步骤。
12.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至9任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910608821.6A CN112199974A (zh) | 2019-07-08 | 2019-07-08 | 一种学习评价方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910608821.6A CN112199974A (zh) | 2019-07-08 | 2019-07-08 | 一种学习评价方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112199974A true CN112199974A (zh) | 2021-01-08 |
Family
ID=74004355
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910608821.6A Pending CN112199974A (zh) | 2019-07-08 | 2019-07-08 | 一种学习评价方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112199974A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103793446A (zh) * | 2012-10-29 | 2014-05-14 | 汤晓鸥 | 音乐视频的生成方法和系统 |
CN104268150A (zh) * | 2014-08-28 | 2015-01-07 | 小米科技有限责任公司 | 一种基于图片内容播放音乐的方法及装置 |
CN104657251A (zh) * | 2015-02-04 | 2015-05-27 | 广东小天才科技有限公司 | 一种电子设备使用状态监控方法和装置 |
CN106128188A (zh) * | 2016-08-31 | 2016-11-16 | 华南理工大学 | 桌面教育专注度分析系统及其分析方法 |
CN106919251A (zh) * | 2017-01-09 | 2017-07-04 | 重庆邮电大学 | 一种基于多模态情感识别的虚拟学习环境自然交互方法 |
CN108351968A (zh) * | 2017-12-28 | 2018-07-31 | 深圳市锐明技术股份有限公司 | 一种针对犯罪活动的告警方法、装置、存储介质及服务器 |
CN109508741A (zh) * | 2018-11-09 | 2019-03-22 | 哈尔滨工业大学 | 基于深度学习筛选训练集的方法 |
CN109919434A (zh) * | 2019-01-28 | 2019-06-21 | 华中科技大学 | 一种基于深度学习的教师课堂表现智能评价方法 |
CN109919079A (zh) * | 2019-03-05 | 2019-06-21 | 百度在线网络技术(北京)有限公司 | 用于检测学习状态的方法和装置 |
-
2019
- 2019-07-08 CN CN201910608821.6A patent/CN112199974A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103793446A (zh) * | 2012-10-29 | 2014-05-14 | 汤晓鸥 | 音乐视频的生成方法和系统 |
CN104268150A (zh) * | 2014-08-28 | 2015-01-07 | 小米科技有限责任公司 | 一种基于图片内容播放音乐的方法及装置 |
CN104657251A (zh) * | 2015-02-04 | 2015-05-27 | 广东小天才科技有限公司 | 一种电子设备使用状态监控方法和装置 |
CN106128188A (zh) * | 2016-08-31 | 2016-11-16 | 华南理工大学 | 桌面教育专注度分析系统及其分析方法 |
CN106919251A (zh) * | 2017-01-09 | 2017-07-04 | 重庆邮电大学 | 一种基于多模态情感识别的虚拟学习环境自然交互方法 |
CN108351968A (zh) * | 2017-12-28 | 2018-07-31 | 深圳市锐明技术股份有限公司 | 一种针对犯罪活动的告警方法、装置、存储介质及服务器 |
CN109508741A (zh) * | 2018-11-09 | 2019-03-22 | 哈尔滨工业大学 | 基于深度学习筛选训练集的方法 |
CN109919434A (zh) * | 2019-01-28 | 2019-06-21 | 华中科技大学 | 一种基于深度学习的教师课堂表现智能评价方法 |
CN109919079A (zh) * | 2019-03-05 | 2019-06-21 | 百度在线网络技术(北京)有限公司 | 用于检测学习状态的方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Stork et al. | Speechreading by humans and machines: models, systems, and applications | |
CN108563780B (zh) | 课程内容推荐方法和装置 | |
CN108460707B (zh) | 一种学生的作业智能监管方法及其系统 | |
Huttenlocher et al. | Language input and child syntax | |
US20010041330A1 (en) | Interactive adaptive learning system | |
KR101182675B1 (ko) | 장기 기억 자극을 통한 외국어 학습 방법 | |
Carroll | The effects of parental literacy involvement and child reading interest on the development of emergent literacy skills | |
JP2008513840A (ja) | 状況のフィードバックを使用する学習システム及び方法 | |
CN110007768A (zh) | 学习场景的处理方法及装置 | |
CN108830467A (zh) | 阅读行为的评价方法、装置、设备和存储介质 | |
CN108629497A (zh) | 课程内容掌握程度评价方法和装置 | |
Ertmer | Relationships between speech intelligibility and word articulation scores in children with hearing loss | |
CN106373444A (zh) | 一种具有英语教具的多功能英语教室 | |
Myers et al. | Theory and Practice in the Teaching of Composition: Processing, Distancing, and Modeling. | |
Liang | Exploring language learning with mobile technology: A qualitative content analysis of vocabulary learning apps for ESL learners in Canada | |
Wang | Home Literacy Environment, the Quality of Mother-Child Book Reading Interactions, and Taiwanese Children's Early Literacy Development | |
Yang | The effect of four different approaches to parent-child reading on young Chinese children’s reading | |
CN111966839A (zh) | 数据处理方法、装置、电子设备及计算机存储介质 | |
CN112199974A (zh) | 一种学习评价方法、装置及设备 | |
CN206348971U (zh) | 一种演讲训练电子仪 | |
Man et al. | Developing a mobile learning application for preschooler | |
Nittrouer | The duality of patterning in language and its relationship to reading in children with hearing loss | |
Sood et al. | Participatory research toolkit | |
CN108364526A (zh) | 一种音乐教学方法、装置、机器人及存储介质 | |
US10792557B1 (en) | Memory puzzle system |
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 |