CN112613780A - 一种学习报告生成的方法、装置、电子设备及存储介质 - Google Patents
一种学习报告生成的方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112613780A CN112613780A CN202011593133.6A CN202011593133A CN112613780A CN 112613780 A CN112613780 A CN 112613780A CN 202011593133 A CN202011593133 A CN 202011593133A CN 112613780 A CN112613780 A CN 112613780A
- Authority
- CN
- China
- Prior art keywords
- learning
- management object
- target management
- behavior
- target
- 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
Links
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
Abstract
本公开提供了一种学习报告生成的方法、装置、电子设备及存储介质,其中,该方法包括:获取目标管理对象的行为状态数据;基于目标管理对象的行为状态数据,确定目标管理对象的至少一种异常学习行为的状态分布信息;根据目标管理对象的至少一种异常学习行为的状态分布信息,生成目标管理对象的学习报告。本公开基于学习报告可以对目标管理对象的异常学习行为进行分析、处理,从而能够帮助准确且及时地掌握目标管理对象(例如学生)的学习情况,节省管理者(例如学生家长)时间。
Description
技术领域
本公开涉及计算机应用技术领域,具体而言,涉及一种学习报告生成的方法、装置、电子设备及存储介质。
背景技术
现如今,人们对儿童的教育越来越重视,很多家长都会花费很多心思在孩子的教学成长道路上,特别是在家庭教育中,家长一般试图通过言传身教,促使孩子养成良好的学习习惯。
实际上,孩子在学习过程中常常伴随着注意力不集中、坐姿不标准等问题。为了发现上述问题,通常需要家长在工作之余,花费大量时间监督孩子学习,此外还需要耗费大量精力评估孩子的学习情况。因此,目前亟需一种学习报告生成的方法,以帮助家长准确且及时地掌握孩子的学习情况。
发明内容
本公开实施例至少提供一种学习报告生成的方法、装置、电子设备及存储介质。
第一方面,本公开实施例提供了一种学习报告生成的方法,包括:
获取目标管理对象的行为状态数据;
基于所述目标管理对象的行为状态数据,确定所述目标管理对象的至少一种异常学习行为的状态分布信息;
根据所述目标管理对象的至少一种异常学习行为的状态分布信息,生成所述目标管理对象的学习报告。
采用上述学习报告生成的方法,可以在获取到目标管理对象的行为状态数据的情况下,基于该行为状态数据确定目标管理对象是否存在异常学习行为,并可以基于异常学习行为的状态分布信息,生成目标管理对象的学习报告。可知,基于学习报告可以对目标管理对象的异常学习行为进行分析、处理,从而能够帮助准确且及时地掌握目标管理对象(例如学生)的学习情况,节省管理者(例如学生家长)时间。
在一种可能的实施方式中,所述获取目标管理对象的行为状态数据,包括如下至少一项:
获取通过摄像装置采集的待分析视频,并基于所述待分析视频确定所述目标管理对象的行为状态数据;
在所述摄像装置基于拍摄的待分析视频,得到所述目标管理对象的行为状态数据的情况下,从所述摄像装置获取所述目标管理对象的行为状态数据。
这里的行为状态数据可以是基于摄像装置上传的待分析视频分析得到的,也可以是直接从摄像装置获取的已分析好的数据,从而可以适应于不同的应用场景的需求。
在一种可能的实施方式中,按照如下步骤确定所述目标管理对象的行为状态数据:
从所述待分析视频中提取出目标视频帧;
对所述目标视频帧进行人脸识别,确定所述目标视频帧中目标对象的身份识别结果;
在根据所述目标对象的身份识别结果,确定所述目标对象为待生成对应的学习报告的目标管理对象的情况下,基于所述目标视频帧,确定识别出的目标管理对象的行为状态数据。
在一种可能的实施方式中,所述从所述待分析视频中提取出目标视频帧,包括:
获取待分析视频,并按照预设的初始帧数间隔,从所述待分析视频中提取第一批次的目标视频帧;
在基于所述第一批次的视频帧,确定识别出的目标管理对象存在异常学习行为的情况下,缩短所述初始帧数间隔,并按照缩短后的帧数间隔,从所述待分析视频中提取第二批次的视频帧;
将提取的所述第一批次的视频帧以及所述第二批次的视频帧,确定为所述目标视频帧。
这里,对于获取的待分析视频而言,由于视频帧的采集频率较高,同一目标对象在多个连续的视频帧中的运动变化通常不会太明显,这里,为了在确保目标对象的行为状态分析的完整性的前提下,降低分析计算量,可以按照预设的初始帧数间隔,从待分析视频中提取部分的视频帧(对应第一批次的目标视频帧),而在基于第一批次的视频帧,确定识别出的目标管理对象存在异常学习行为的情况,可以缩短初始帧数间隔(对应提取到第二批次的目标视频帧),以通过提取出的目标视频帧对目标管理对象的异常学习行为进行及时的跟踪。
在一种可能的实施方式中,所述目标管理对象为多个,所述方法还包括:
存储生成的多个目标管理对象的学习报告;
在接收到目标客户端发送的报告查询请求的情况下,根据客户端与管理对象之间的绑定关系,从所述绑定关系中确定与所述目标客户端匹配的目标管理对象,并从存储的所述多个目标管理对象的学习报告中查找与确定的目标管理对象对应的学习报告,并向所述目标客户端发送查找到的学习报告。
这里,针对存储的多个目标管理对象的学习报告,可以实现针对特定目标管理对象的学习报告的查询,也即,基于学习报告的统一管理,可以实现学习报告的快速查询。
在一种可能的实施方式中,在接收目标客户端发送的报告查询请求之前,所述方法还包括:
获取操控目标客户端的用户的身份信息;
在根据获取的所述身份信息验证所述用户为合法用户的情况下,通过目标客户端的显示界面展示查询入口,以通过所述查询入口响应所述目标客户端的报告查询请求。
在一种可能的实施方式中,所述在接收到目标客户端发送的报告查询请求的情况下,根据客户端与管理对象之间的绑定关系,从所述绑定关系中确定与所述目标客户端匹配的目标管理对象,包括:
在接收到目标客户端发送的报告查询请求、并基于所述报告查询请求携带的身份信息对所述目标客户端验证通过的情况下,根据客户端与管理对象之间的绑定关系,从所述绑定关系中确定与所述目标客户端匹配的目标管理对象。
在一些实施例中,所述状态分布信息包括如下至少一种信息:
每种异常学习行为的持续时间;
出现每种异常学习行为的累计次数;
多种异常学习行为的累计时间;
出现多种异常学习行为的累计次数。
在一种可能的实施方式中,所述异常学习行为包括未学习行为,所述状态分布信息包括未学习行为的持续时间;所述基于所述目标管理对象的行为状态数据,确定所述目标管理对象的至少一种异常学习行为的状态分布信息,包括:
基于所述目标管理对象的行为状态数据,判断在预设学习时间段内,所述目标管理对象进入学习模式的第一时间信息以及离开学习模式的第二时间信息;
基于所述第一时间信息和所述第二时间信息,确定所述目标管理对象处于未学习行为的持续时间;
根据所述目标管理对象的至少一种异常学习行为的状态分布信息,生成所述目标管理对象的学习报告,包括:
基于所述目标管理对象处于未学习行为的持续时间在所述预设学习时间段的占比,生成所述学习报告中的未学习异常报告。
这里的学习模式指示的是目标管理对象处于学习状态的模式,基于这一模式下的学习时长可以确定在预设学习时间段中有关目标管理对象的有效学习情况,例如,在预设时间段是17:30-20:30的情况下,若学习模式下的学习时长为1.5小时,对应18:00-19:30,则可以确定有关目标管理对象在这一时段是处于学习状态的,其它时段则处于未学习行为,便于及时了解学生的学习情况。
在一种可能的实施方式中,按照以下步骤确定所述目标管理对象是否进入所述学习模式:
基于所述目标管理对象的行为状态数据,确定在所述预设学习时间段内,所述目标管理对象出现在预设学习区域内的时长是否超过第一预设时长;
若是,则确定所述目标管理对象进入所述学习模式;
和/或,
按照以下步骤确定所述目标管理对象是否离开所述学习模式:
基于所述目标管理对象的行为状态数据,确定在所述预设学习时间段内,所述目标管理对象未出现在预设学习区域内的时长是否超过第二预设时长;
若是,则确定所述目标管理对象离开所述学习模式。
在一种可能的实施方式中,所述异常学习行为包括注意力异常学习行为,所述状态分布信息包括注意力异常学习行为的持续时间;所述基于所述目标管理对象的行为状态数据,确定所述目标管理对象的至少一种异常学习行为的状态分布信息,包括:
基于所述目标管理对象的行为状态数据,确定所述目标管理对象在所述预设学习时间段内存在注意力异常学习行为的第一时长;
所述根据所述目标管理对象的至少一种异常学习行为的状态分布信息,生成所述目标管理对象的学习报告,包括:
确定所述存在注意力异常行为的第一时长在所述学习模式下的学习时长中的第一占比;
基于所述第一占比,生成所述学习报告中的注意力异常报告。
这里,可以针对目标管理对象的注意力情况进行异常分析,确定目标管理对象存在注意力异常学习行为的第一时长,该时长越大,一定程度上可以表征目标管理对象的学习情况越不佳,这样,通过第一时长在学习模式下的学习时长的占比,可以呈现出比较清晰的注意力异常报告,从而可以进行针对性的学习指导。
在一种可能的实施方式中,所述注意力异常学习行为包括以下行为中的至少一项:
所述目标管理对象离开台面对应区域的时间超过第三预设时长、且小于所述第二预设时长的学习行为;
所述目标管理对象趴在所述台面上的学习行为;
所述目标管理对象多动的学习行为;
所述目标管理对象转头和/或转身的学习行为。
在一种可能的实施方式中,所述异常学习行为包括姿态异常学习行为,所述状态分布信息包括姿态异常学习行为的持续时间;所述基于所述目标管理对象的行为状态数据,确定所述目标管理对象的至少一种异常学习行为的状态分布信息,包括:
基于所述目标管理对象的行为状态数据,确定所述目标管理对象在所述预设学习时间段内存在姿态异常学习行为的第二时长;
所述根据所述目标管理对象的至少一种异常学习行为的状态分布信息,生成所述目标管理对象的学习报告,包括:
确定所述存在姿态异常学习行为的第二时长在所述学习模式下的学习时长中的第二占比;
基于所述第二占比,生成所述学习报告中的姿态异常报告。
这里,可以针对目标管理对象的学习姿态情况进行异常分析,确定目标管理对象存在姿态异常学习行为的第二时长,该时长越大,一定程度上可以表征目标管理对象的学习情况越不佳,这样,通过第二时长在学习模式下的学习时长的占比,可以呈现出比较清晰的姿态异常报告,从而可以进行针对性的学习指导。
在一种可能的实施方式中,所述基于所述目标管理对象的行为状态数据,确定所述目标管理对象的至少一种异常学习行为的状态分布信息,包括:
基于所述目标管理对象的行为状态数据,确定在各个预设学习课程下,所述目标管理对象的至少一种异常学习行为的状态分布信息;
所述根据所述目标管理对象的至少一种异常学习行为的状态分布信息,生成所述目标管理对象的学习报告,包括:
基于在各个预设学习课程下,所述目标管理对象的至少一种异常学习行为的状态分布信息,确定所述目标管理对象的学习偏好信息;
基于所述学习偏好信息,生成所述学习报告中的课程偏好分析报告。
本公开实施例提供的学习报告生成的方法可以针对不同的预设学习课程,考察目标管理对象的学习偏好情况,进而可以通过生成的课程偏好分析报告及时了解目标管理对象对于不同学习课程的学习情况,做到有针对性的学习指导。
第二方面,本公开实施例还提供了一种学习报告生成的装置,包括:
获取模块,用于获取目标管理对象的行为状态数据;
确定模块,用于基于所述目标管理对象的行为状态数据,确定所述目标管理对象的至少一种异常学习行为的状态分布信息;
生成模块,用于根据所述目标管理对象的至少一种异常学习行为的状态分布信息,生成所述目标管理对象的学习报告。
第三方面,本公开实施例还提供了一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如第一方面及其各种实施方式任一所述的学习报告生成的方法的步骤。
第四方面,本公开实施例还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如第一方面及其各种实施方式任一所述的学习报告生成的方法的步骤。
关于上述学习报告生成的装置、电子设备、及计算机可读存储介质的效果描述参见上述学习报告生成的方法的说明,这里不再赘述。
为使本公开的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,此处的附图被并入说明书中并构成本说明书中的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。应当理解,以下附图仅示出了本公开的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1示出了本公开实施例所提供的一种学习报告生成的方法的流程图;
图2示出了本公开实施例所提供的学习报告生成的方法中,摄像装置的设置示意图;
图3(a)示出了本公开实施例所提供的一种学习报告生成的方法中,一种学习报告的示例图;
图3(b)示出了本公开实施例所提供的一种学习报告生成的方法中,另一种学习报告的示例图;
图3(c)示出了本公开实施例所提供的一种学习报告生成的方法中,另一种学习报告的示例图;
图4示出了本公开实施例所提供的一种学习报告生成的装置的示意图;
图5示出了本公开实施例所提供的一种电子设备的示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中附图,对本公开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公开一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围,而是仅仅表示本公开的选定实施例。基于本公开的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本公开保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
本文中术语“和/或”,仅仅是描述一种关联关系,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,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
经研究发现,孩子在学习的过程中常常伴随着注意力不集中、坐姿不标准等问题。为了发现上述问题,通常需要家长在工作之余,花费大量时间监督孩子学习,此外还需要耗费大量精力评估孩子的学习情况。因此,目前亟需一种学习报告生成的方法,以帮助家长准确且及时地掌握孩子的学习情况。
基于上述研究,本公开提供了一种学习报告生成的方法、装置、电子设备及存储介质,可以自动生成指示学生学习状态的学习报告,从而能够及时了解目标管理对象的学习情况。
为便于对本实施例进行理解,首先对本公开实施例所公开的一种学习报告生成的方法进行详细介绍,本公开实施例所提供的学习报告生成的方法的执行主体一般为具有一定计算能力的计算机设备,该计算机设备例如包括:终端设备或服务器或其它处理设备,终端设备可以为用户设备(User Equipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中,该学习报告生成的方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
需要说明的是,考虑到云端服务器所具备的稳定性佳、安全性好、成本低等优良特性,本公开实施例提供的学习报告生成的方法可以是在云端服务器上实现的。
参见图1所示,为本公开实施例提供的学习报告生成的方法的流程图,所述方法包括步骤S101~S103,其中:
S101:获取目标管理对象的行为状态数据;
S102:基于目标管理对象的行为状态数据,确定目标管理对象的至少一种异常学习行为的状态分布信息;
S103:根据目标管理对象的至少一种异常学习行为的状态分布信息,生成目标管理对象的学习报告。
这里,为了便于理解本公开实施例提供的学习报告生成的方法,首先对该学习报告生成的方法的应用场景进行详细描述。上述学习报告生成的方法主要可以应用于学生教育,尤其是对于低学龄儿童的课后教育中。对于低学龄儿童而言,完成家庭作业是其学习阶段不可或缺的一个环节,而一个良好学习状态可以帮助儿童更好更快的完成家庭作业。
目前,在以家庭方式为主的课后教育中,考虑到用于监督孩子学习的时间比较少,家长不能很多好的了解孩子在学习的时候的学习情况,如注意力是否集中,坐姿是否标准等,而这些不良的学习习惯将导致学生的学习效率低下,学习效果较差。
正是为了解决这一问题,本公开实施例才提供了一种基于异常学习行为检测自动生成学习报告的方案,基于学习报告可以对目标管理对象的异常学习行为进行分析、处理,从而能够帮助准确且及时地掌握目标管理对象(例如学生)的学习情况,节省管理者(例如学生家长)时间。
本公开实施例中的目标管理对象可以指的是需要进行学习状态管理的对象,例如,学生。这里的目标管理对象可以是一个也可以是多个,例如,在具体应用场景中,可以是对于一个家庭中的一个孩子进行学习状态管理,也可以是对于一个家庭中的两个孩子进行学习状态管理。
为了实现有关目标管理对象的管理,本公开实施例中,需要获取目标管理对象的行为状态数据。这里的行为状态数据可以是与目标管理对象的行为状态相关的数据,例如,是否处于学习状态、坐姿是否良好、注意力是否集中等数据。
其中,有关行为状态数据可以是基于待分析视频所确定,也即,本公开实施例中可以通过对待分析视频进行视频分析处理,确定上述有关目标管理对象的行为状态数据,这里的视频分析处理可以是在摄像装置中完成的,也可以是在云端服务器中完成的。
这里的待分析视频可以是摄像装置针对预设学习区域进行拍摄所摄取到的原始视频,也可以是经过预处理的视频,比如原始视频的片段(从原始视频中提取部分关键帧/关键片段)、对原始视频进行格式调整(以减少数据传输资源的浪费等)后的视频、对采集到的视频进行识别后得到的识别结果,而后云端服务器可基于获取到的识别结果通过数据处理、分析,得到最终的行为状态数据。
其中,这里的待分析视频可以是包含学生人脸、人手、台面(比如,书桌)、人体(比如,学生上半身)的图像的集合。在具体应用中可以将摄像装置设置于书桌上,将拍摄装置的摄像头面向人体,并位于学习位置的前方。其中,学习位置指的是书桌上用于写作、放置书本的位置。
这里,可以将摄像装置设置在距离人体0.5m-0.6m的位置,与此同时,可以将拍摄装置正对人体设置,也可以是设置在一个较小的偏离范围内,例如,可以将拍摄装置设置在偏离人体正前方的左边的15°范围内。为了采集到质量更高的视频,这里可以将摄像装置正对人体设置,如图2所示。
这里的视频分析处理可以是针对待分析视频中的各个视频帧进行姿态检测、注意力检测的过程。在具体应用中,可以将视频帧输入到姿态检测神经网络里,以确定目标管理对象的姿态信息,例如,是否出现左倾、右倾、前俯、后仰等坐姿异常情况,还可以将视频帧输入到注意力检测神经网络里,以确定目标管理对象的注意力信息,例如,是否出现多动、转头/转身、离开书桌、趴在书桌睡觉等情况。
本公开实施例提供的学习报告生成的方法旨在通过目标管理对象的至少一种异常学习行为的状态分布信息生成相关目标管理对象的学习报告,这里的学习报告可以包括学习时间分布、姿态分析结果、注意力状态分析结果、合理化建议等相关内容。在实际应用中可以同时对上述异常学习行为进行分析、处理,以实现对目标管理对象更为全面的学习指导和管理。
其中,上述状态分布信息可以是每种异常学习行为的持续时间,例如,一个学生的未学习行为占学习时段的时长;还可以是出现每种异常学习行为的累计次数,例如,可以是在学习时间内出现2次未学习行为的情况下,确定行为累计次数为2次;还可以是多种异常学习行为的累计时间,例如,例如,可以是在学习时间内出现未学习行为的持续时间达到2分钟、注意力异常行为的持续时间达到3分钟的情况下,确定行为累计时间为5分钟;还可以是出现多种异常学习行为的累计次数,例如,可以是在学习时间内出现未学习行为、注意力异常行为的情况下,确定行为累计次数为2次。
这里,为了确保异常学习行为管理过程的安全性,可以先进行身份识别,再进行行为状态数据的确定,具体包括以下步骤:
步骤一、从待分析视频中提取出目标视频帧;
步骤二、对目标视频帧进行人脸识别,确定目标视频帧中目标对象的身份识别结果;
步骤三、在根据目标对象的身份识别结果,确定目标对象为待生成对应的学习报告的目标管理对象的情况下,基于目标视频帧,确定识别出的目标管理对象的行为状态数据。
本公开实施例中,可以先从待分析视频中提取目标视频帧,而后通过人脸识别技术确定目标视频帧中目标对象的身份识别结果,这样,在确定目标对象为待生成对应的学习报告的目标管理对象的情况下,再基于目标视频帧确定行为状态数据进而生成对应的学习报告以实现针对异常学习行为的数据分析及处理。
采用上述先验证再分析、处理的方式,即使待分析视频中出现多个目标对象,也可以进行针对性的异常学习行为分析、处理。例如,对于包含有两个目标对象(分别为对象A和对象B)的待分析视频而言,若对象A的相关身份信息预先存储在数据库、对象B的相关身份信息未预先存储在数据库中,可以在基于人脸识别结果确定对象A出现在待分析视频的情况下,基于对象A的相关目标视频帧进行图像分析,确定属于对象A的行为状态数据,与此同时,可以不对对象B进行相关行为状态数据的分析,也可以对对象B进行相关行为状态数据的分析,并将对象B的身份信息更新到数据库中,以便于后续基于身份信息进行学习报告的查询等操作。
其中,上述目标视频帧可以是基于待分析视频的分帧结果所确定的。这里,可以是基于分帧得到的所有视频帧确定目标视频帧。考虑到目标对象在较短的一个时间范围内,其动作通常不会发生较大的变化,而针对所有视频帧进行行为状态分析则需要耗费大量的计算资源,因而,这里可以采用隔帧方式进行目标视频帧的提取,从分帧得到的所有视频帧中提取的部分视频帧以确定目标视频帧,以在确保状态分析完整性的前提下,降低计算量。
在具体应用中,本公开实施例可以结合实际的应用场景以及自适应帧数间隔调节操作来确定目标视频帧,具体包括如下步骤:
步骤一、获取待分析视频,并按照预设的初始帧数间隔,从待分析视频中提取第一批次的视频帧;
步骤二、在基于第一批次的视频帧,确定识别出的目标管理对象存在异常学习行为的情况下,缩短初始帧数间隔,并按照缩短后的帧数间隔,从待分析视频中提取第二批次的视频帧;
步骤三、将提取的第一批次的视频帧以及第二批次的视频帧,确定为目标视频帧。
这里,可以首先基于预设的初始帧数间隔从待分析视频中提取第一批次的视频帧,在基于这些视频帧确定识别出的目标管理对象存在异常学习行为的情况下,缩短初始帧数间隔,也即,两个视频帧之间的时间间隔缩短,相比初始帧数间隔,可以抽取到更多数量的视频帧,进而可以针对目标管理对象所存在的异常学习行为进行监控,以及时了解异常情况。
这里的初始帧数间隔不宜过大,也不宜过小,过大的初始帧数间隔可能导致无法捕捉到完整的行为状态,过小的初始帧数间隔可能导致行为状态数据的高冗余性,因而,本公开实施例中可以基于不同的应用场景设置不同的帧数间隔,例如,这里可以选用10帧间隔,缩短后可以用2帧间隔。
本公开实施中的行为状态数据,可以是云端服务器基于摄像装置上传的待分析视频确定的,还可以直接获取的是摄像装置基于待分析视频处理好的。
在摄像装置集成有视频分析处理模块的情况下,可以直接利用摄像装置处理好的行为状态数据进行异常学习行为的分析,也即,摄像装置可以集成视频分析功能,将分析处理后的行为状态数据发送至云端,云端根据摄像装置传输的行为状态数据进行异常学习行为分析、处理,以及学生报告生成等操作。
在摄像装置不具有视频分析处理功能的情况下,可以先基于摄像装置采集的待分析视频进行相关处理以得到行为状态数据,再基于这一行为状态数据进行异常学习行为的分析,这种情况下摄像装置可以不进行任何处理,将全部处理过程落实到云端。
在实际应用中,为了避免用户的隐私泄露,这里,在云端可以尽量不存储用户的视频或图片,而是将简单的视频分析处理过程集成在摄像装置里。而在取得用户授权的情况下,云端也可以进行视频或图片的处理,这主要是考虑到云端的计算能力更强,处理速度更快,可以结合不同的应用场景进行相应的运算配置,这里不再赘述。
本公开实施例中,利用目标管理对象的行为状态数据,可以进行有关异常学习行为的分析、处理,这里的异常学习行为可以包括未学习行为、注意力异常学习行为以及姿态异常学习行为。除此之外,还可以包括其它与学习状态相关的异常情况,在此不做具体的限制。针对不同的异常学习行为,对应生成的学习报告也不同,接下来结合图3(a)~图3(c)可以分别对上述异常学习行为下进行学习报告生成的过程进行说明。
第一方面:在异常学习行为包括未学习行为的情况下,可以按照以下步骤确定该种异常学习行为的持续时间:
步骤一、基于目标管理对象的行为状态数据,判断在预设学习时间段内,目标管理对象进入学习模式的第一时间信息以及离开学习模式的第二时间信息;
步骤二、基于第一时间信息和第二时间信息,确定目标管理对象处于未学习行为的持续时间。
这里,可以基于目标管理对象的行为状态数据,确定在预设学习时间段内,目标管理对象出现在预设学习区域内的时长是否超过第一预设时长,例如目标管理对象是否超过10秒出现在预设学习区域,若是,可以确定进入学习模式,并记录进入学习模式的第一时间信息(例如13:30),此外,还可以基于目标管理对象的行为状态数据,确定在预设学习时间段内,目标管理对象未出现在预设学习区域内的时长是否超过第二预设时长,例如目标管理对象是否超过10分钟未出现在预设学习区域,若是,可以确定离开学习模式,并记录离开学习模式的第二时间信息(例如16:30),从而可以确定目标管理对象在13:30-16:30是处于学习模式下的,而在确定预设学习时间段为13:00-17:00的情况下,可以确定出未学习时间占比为2/5,基于这一占比可以生成对应的未学习异常报告,如图3(a)所示。
其中,上述预设学习区域可以是预先设置的区域,在进行摄像装置安装的情况下,可以基于该预设学习区域进行校准,这样,摄像装置所采集的待分析视频上可以对应有与预设学习区域对应的区域。这样,在基于图像识别技术确定出人体进入这一区域的情况下即可以确定学生在预设学习区域内,确定出人体离开这一图像区域的情况下即可以确定学生不在预设学习区域内。
第二方面:在异常学习行为包括注意力异常学习行为的情况下,可以按照以下步骤确定该种异常学习行为下所生成的注意力异常报告:
步骤一、基于目标管理对象的行为状态数据,确定目标管理对象在预设学习时间段内存在注意力异常学习行为的第一时长;
步骤二、确定存在注意力异常行为的第一时长在学习模式下的学习时长中的第一占比;
步骤三、基于第一占比,生成学习报告中的注意力异常报告。
这里,可以针对目标管理对象的注意力行为进行分析,确定在预设学习时间段内目标管理对象存在注意力异常学习行为的第一时长,该时长越长说明目标管理对象的注意力集中度越差,越是需要及时的进行相关的学习指导。基于第一时长在学习模式下的学习时长的第一占比,可以生成注意力异常报告。
这里仍以预设学习时间段为13:00-17:00,目标管理对象在13:30-16:30是处于学习模式为例,对上述注意力异常报告的展示过程进行简单描述。若确定在14:30-15:00、15:20-15:50出现了注意力异常学习行为,可以确定注意力异常占比为1/3,如图3(b)所示。
本公开实施例中的注意力异常学习行为可以包括学习场景任何注意力不集中的表现状态,例如,可以是在预设学习时间段内离开学习书桌超过第三预设时长、且小于第二预设时长的行为(离开时间超过第二预设时长可以认为离开学习模式),还可以是趴在学习书桌上的学习行为,还可以是多动的学习行为、转头和/或转身的学习行为等等。除此之外,本公开实施例中的注意力异常学习行为还可以包括其它表现状态,这里不做赘述。
针对不同种类的注意力异常学习行为可以采用不同的行为检测方法,在实际应用中,可以同时采用多种行为检测方法对各类注意力异常学习行为进行检测,以及时的捕捉到影响注意力集中的是哪一个或哪一些不规范学习行为,从而可以进行针对性的学习指导。
例如,可以是在确定存在趴在书桌上的学习状态的情况下,观测学生的睡眠是否不充足才导致这一状态,并能够在确定是睡眠不足导致的注意力不集中问题的情况下,及时的调整学生的作息时间;再如,可以是在确定存在背过头的学习状态的情况下,观测是否存在其它吸引学生注意力的因素,如电视节目、玩具等等,并能够在确定是上述因素导致注意力不集中问题的情况下,及时的将调整学习环境。
需要说明的是,在实际应用中,可以是针对上述各种注意力异常学习行为生成一份注意力异常报告,也可以是针对每种注意力异常学习行为均生成一份注意力异常报告。在具体应用中,也可以是先以集成的方式生成一份注意力异常报告,在展开注意力异常报告的情况下,可以对应展示各种注意力异常学习行为下所对应的异常分析结果。
第三方面:在异常学习行为包括姿态异常学习行为的情况下,可以按照以下步骤确定该种异常学习行为下所生成的注意力异常报告:
步骤一、基于目标管理对象的行为状态数据,确定目标管理对象在预设学习时间段内存在姿态异常学习行为的第二时长;
步骤二、确定存在姿态异常学习行为的第二时长在学习模式下的学习时长中的第二占比;
步骤三、基于第二占比,生成学习报告中的姿态异常报告。
这里,可以针对目标管理对象的姿态进行分析,确定在预设学习时间段内目标管理对象存在姿态异常学习行为的第二时长,该时长越长说明目标管理对象的姿态保持度越差,越是需要及时的进行相关的学习指导。基于第二时长在学习模式下的学习时长的第二占比,可以生成姿态异常报告。
这里仍以预设学习时间段为13:00-17:00,目标管理对象在13:30-16:30是处于学习模式为例,对上述姿态异常报告的展示过程进行简单描述。若确定在14:10-14:40、15:00-16:00出现了姿态异常学习行为,可以确定注意力异常占比为1/2,如图3(c)所示。
本公开实施例中的姿态异常学习行为可以包括学习场景任何姿态异常的表现状态,例如,可以是身体倾斜角度过大导致的坐姿异常,还可以是较大幅度转头所导致的姿态异常,此外,还可以是其它姿态异常状态,在此不做限制。
同理,在实际应用中,可以是针对上述各种姿态异常学习行为生成一份姿态异常报告,也可以是针对每种姿态异常学习行为均生成一份姿态异常报告。具体参见上述描述,在此不再赘述。
需要说明的是,考虑到在实际的学习场景中,目标管理对象需要参与的学习课程较多,而针对不同的学习课程而言,由于未进行较好的学习习惯的管理而导致目标管理对象可能会存在偏科等问题。正是为了及时的发现并有针对性的解决上述问题,本公开实施例提供了一种基于课程分析的学习报告生成方法,具体可以通过如下步骤来实现:
步骤一、基于目标管理对象的行为状态数据,确定在各个预设学习课程下,目标管理对象的至少一种异常学习行为的状态分布信息;
步骤二、基于在各个预设学习课程下,目标管理对象的至少一种异常学习行为的状态分布信息,确定目标管理对象的学习偏好信息;
步骤三、基于学习偏好信息,生成学习报告中的课程偏好分析报告。
这里,可以针对不同的预设学习课程,确定目标管理对象的至少一种异常学习行为的持续时间,针对一个预设学习课程的持续时间越久,一定程度上说明对这一学习课程的偏好度越差。
例如,可以确定目标管理对象对于数学和语文这两个学习课程,在异常学习行为下的持续时间分别为1小时和2小时,一定程度上可以说明目标管理对象对于数学的偏好度更佳,对于语文的偏好度更差,这时可以生成有关建立各学科的综合学习能力的课程偏好分析报告。
需要说明的是,本公开实施例中有关目标管理对象的学习报告可以是基于预设学习时间段生成的,例如,在设置每天的13:00-17:00作为预设学习时间段的情况下,每天均可以生成对应的学习报告。除此之外,本公开实施例还可以综合月度、季度、半年等相关学习情况的观测,以实现对目标管理对象的综合评估,给出更为合理的学习建议和指导意见。
本公开实施例提供的学习报告生成的方法中的目标管理对象可以为多个,而针对每个目标管理对象均可以对应存储有一份学习报告,为了便于提升指定目标管理对象的学习报告的查询速度,这里,可以在接收到目标客户端的报告查询请求的情况下,根据客户端与管理对象之间的绑定关系,从绑定关系中确定与目标客户端匹配的目标管理对象,并向目标客户端发送查找到的学习报告。
其中,上述客户端与管理对象之间可以是有关身份信息的绑定,例如,可以是家长与学生的关系绑定,这样,家长可以随时掌握学生的学习情况,以及时的进行学习指导,从而克服了现有的由于无法实时的监督学生的学习情况而导致无法及时发现学习问题,无法给予及时解决的问题。
在实际应用中,为了确保学习报告的相关信息不被泄露,可以对目标客户端进行相应的身份验证。
其一,可以在获取到操控目标客户端的用户的身份信息的情况下,对身份信息进行验证。这样,在验证上述用户为合法用户的情况下,再通过目标客户端的显示界面展示查询入口,以通过查询入口响应目标客户端的报告查询请求,即在查询入口被触碰、长按、滑动等操作方式触控的情况下,可以响应目标客户端的报告查询请求,比如,展示相应报告,或是将相应报告向其他设备推送等。换言之,在验证为非法用户的情况下,查询入口不进行开放,从而确保了学习报告的隐私性。
在一种实现方式中,查询入口不进行开放,指的可以是,在显示界面展示查询入口,但未赋予查询入口相应的功能,比如,用户无法通过点击、滑动等操作触发查询入口所指示的操作。在另一种实现方式中,查询入口不进行开放,指的还可以是,在显示界面中不展示查询入口,比如,隐藏查询入口等。
其二,这里可以是在目标客户端发送的报告查询请求的时候,基于报告查询请求携带的身份信息对目标客户端验证,在验证通过的情况下,再去确定与目标客户端匹配的目标管理对象,进而查找相应的学习报告,同样可以确保学习报告的隐私不被泄露。
本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
基于同一发明构思,本公开实施例中还提供了与学习报告生成的方法对应的学习报告生成的装置,由于本公开实施例中的装置解决问题的原理与本公开实施例上述学习报告生成的方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
参照图4所示,为本公开实施例提供的一种学习报告生成的装置的示意图,装置包括:获取模块401、确定模块402、生成模块403;其中,
获取模块401,用于获取目标管理对象的行为状态数据;
确定模块402,用于基于目标管理对象的行为状态数据,确定目标管理对象的至少一种异常学习行为的状态分布信息;
生成模块403,用于根据目标管理对象的至少一种异常学习行为的状态分布信息,生成目标管理对象的学习报告。
采用上述学习报告生成的装置,可以在获取到目标管理对象的行为状态数据的情况下,基于该行为状态数据确定目标管理对象是否存在异常学习行为,并可以基于异常学习行为的状态分布信息,生成目标管理对象的学习报告。可知,基于学习报告可以对目标管理对象的异常学习行为进行分析、处理,从而能够帮助准确且及时地掌握目标管理对象(例如学生)的学习情况,节省管理者(例如学生家长)时间。
在一种可能的实施方式中,获取模块401,用于按照以下步骤获取目标管理对象的行为状态数据,包括如下至少一项:
获取通过摄像装置采集的待分析视频,并基于待分析视频确定目标管理对象的行为状态数据;
在摄像装置基于拍摄的待分析视频,得到目标管理对象的行为状态数据的情况下,从摄像装置获取目标管理对象的行为状态数据。
在一种可能的实施方式中,获取模块401,用于按照如下步骤确定目标管理对象的行为状态数据:
从待分析视频中提取出目标视频帧;
对目标视频帧进行人脸识别,确定目标视频帧中目标对象的身份识别结果;
在根据目标对象的身份识别结果,确定目标对象为待生成对应的学习报告的目标管理对象的情况下,基于目标视频帧,确定识别出的目标管理对象的行为状态数据。
在一种可能的实施方式中,获取模块401,用于根据以下步骤从待分析视频中提取出目标视频帧:
获取待分析视频,并按照预设的初始帧数间隔,从待分析视频中提取第一批次的目标视频帧;
在基于第一批次的视频帧,确定识别出的目标管理对象存在异常学习行为的情况下,缩短初始帧数间隔,并按照缩短后的帧数间隔,从待分析视频中提取第二批次的视频帧;
将提取的第一批次的视频帧以及第二批次的视频帧,确定为目标视频帧。
在一种可能的实施方式中,目标管理对象为多个,上述装置还包括:
查询模块404,用于存储生成的多个目标管理对象的学习报告;在接收到目标客户端发送的报告查询请求的情况下,根据客户端与管理对象之间的绑定关系,从绑定关系中确定与目标客户端匹配的目标管理对象,并从存储的多个目标管理对象的学习报告中查找与确定的目标管理对象对应的学习报告,并向目标客户端发送查找到的学习报告。
在一种可能的实施方式中,查询模块404,还用于:
在接收目标客户端发送的报告查询请求之前,获取操控目标客户端的用户的身份信息;在根据获取的身份信息验证用户为合法用户的情况下,通过目标客户端的显示界面展示查询入口,以通过查询入口响应目标客户端的报告查询请求。
在一种可能的实施方式中,查询模块404,用于按照以下步骤在接收到目标客户端发送的报告查询请求的情况下,根据客户端与管理对象之间的绑定关系,从绑定关系中确定与目标客户端匹配的目标管理对象:
在接收到目标客户端发送的报告查询请求、并基于报告查询请求携带的身份信息对目标客户端验证通过的情况下,根据客户端与管理对象之间的绑定关系,从绑定关系中确定与目标客户端匹配的目标管理对象。
在一些实施例中,状态分布信息包括如下至少一种信息:
每种异常学习行为的持续时间;
出现每种异常学习行为的累计次数;
多种异常学习行为的累计时间;
出现多种异常学习行为的累计次数。
在一种可能的实施方式中,异常学习行为包括未学习行为,状态分布信息包括未学习行为的持续时间;确定模块402,用于按照以下步骤基于目标管理对象的行为状态数据,确定目标管理对象的至少一种异常学习行为的状态分布信息:
基于目标管理对象的行为状态数据,判断在预设学习时间段内,目标管理对象进入学习模式的第一时间信息以及离开学习模式的第二时间信息;
基于第一时间信息和第二时间信息,确定目标管理对象处于未学习行为的持续时间;
生成模块403,用于按照以下步骤根据目标管理对象的至少一种异常学习行为的状态分布信息,生成目标管理对象的学习报告:
基于目标管理对象处于未学习行为的持续时间在预设学习时间段的占比,生成学习报告中的未学习异常报告。
在一种可能的实施方式中,确定模块402,用于按照以下步骤确定目标管理对象是否进入学习模式:
基于目标管理对象的行为状态数据,确定在预设学习时间段内,目标管理对象出现在预设学习区域内的时长是否超过第一预设时长;
若是,则确定目标管理对象进入学习模式;
和/或,
按照以下步骤确定目标管理对象是否离开学习模式:
基于目标管理对象的行为状态数据,确定在预设学习时间段内,目标管理对象未出现在预设学习区域内的时长是否超过第二预设时长;
若是,则确定目标管理对象离开学习模式。
在一种可能的实施方式中,异常学习行为包括注意力异常学习行为,状态分布信息包括注意力异常学习行为的持续时间;确定模块402,用于按照以下步骤基于目标管理对象的行为状态数据,确定目标管理对象的至少一种异常学习行为的状态分布信息:
基于目标管理对象的行为状态数据,确定目标管理对象在预设学习时间段内存在注意力异常学习行为的第一时长;
生成模块403,用于按照以下步骤根据目标管理对象的至少一种异常学习行为的状态分布信息,生成目标管理对象的学习报告:
确定存在注意力异常行为的第一时长在学习模式下的学习时长中的第一占比;
基于第一占比,生成学习报告中的注意力异常报告。
在一种可能的实施方式中,注意力异常学习行为包括以下行为中的至少一项:
目标管理对象离开台面对应区域的时间超过第三预设时长、且小于第二预设时长的学习行为;
目标管理对象趴在台面上的学习行为;
目标管理对象多动的学习行为;
目标管理对象转头和/或转身的学习行为。
在一种可能的实施方式中,异常学习行为包括姿态异常学习行为,状态分布信息包括姿态异常学习行为的持续时间;确定模块402,用于按照以下步骤基于目标管理对象的行为状态数据,确定目标管理对象的至少一种异常学习行为的状态分布信息:
基于目标管理对象的行为状态数据,确定目标管理对象在预设学习时间段内存在姿态异常学习行为的第二时长;
生成模块403,用于按照以下步骤根据目标管理对象的至少一种异常学习行为的状态分布信息,生成目标管理对象的学习报告:
确定存在姿态异常学习行为的第二时长在学习模式下的学习时长中的第二占比;
基于第二占比,生成学习报告中的姿态异常报告。
在一种可能的实施方式中,确定模块402,用于按照以下步骤基于目标管理对象的行为状态数据,确定目标管理对象的至少一种异常学习行为的状态分布信息:
基于目标管理对象的行为状态数据,确定在各个预设学习课程下,目标管理对象的至少一种异常学习行为的状态分布信息;
生成模块403,用于按照以下步骤根据目标管理对象的至少一种异常学习行为的状态分布信息,生成目标管理对象的学习报告:
基于在各个预设学习课程下,目标管理对象的至少一种异常学习行为的状态分布信息,确定目标管理对象的学习偏好信息;
基于学习偏好信息,生成学习报告中的课程偏好分析报告。
关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明,这里不再详述。
本公开实施例还提供了一种电子设备,如图5所示,为本公开实施例提供的电子设备结构示意图,包括:处理器501、存储器502、和总线503。存储器502存储有处理器501可执行的机器可读指令(比如,图4中的装置中获取模块401、确定模块402、生成模块403对应的执行指令等),当电子设备运行时,处理器501与存储器502之间通过总线503通信,机器可读指令被处理器501执行时执行如下处理:
获取目标管理对象的行为状态数据;
基于目标管理对象的行为状态数据,确定目标管理对象的至少一种异常学习行为的状态分布信息;
根据目标管理对象的至少一种异常学习行为的状态分布信息,生成目标管理对象的学习报告。
本公开实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述方法实施例中所述的学习报告生成的方法的步骤。其中,该存储介质可以是易失性或非易失的计算机可读取存储介质。
本公开实施例还提供一种计算机程序产品,该计算机程序产品承载有程序代码,所述程序代码包括的指令可用于执行上述方法实施例中所述的学习报告生成的方法的步骤,具体可参见上述方法实施例,在此不再赘述。
其中,上述计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中,所述计算机程序产品具体体现为计算机存储介质,在另一个可选实施例中,计算机程序产品具体体现为软件产品,例如软件开发包(Software Development Kit,SDK)等等。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。在本公开所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,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,又例如,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信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,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,在本公开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。
所述功能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,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本公开的具体实施方式,用以说明本公开的技术方案,而非对其限制,本公开的保护范围并不局限于此,尽管参照前述实施例对本公开进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本公开实施例技术方案的精神和范围,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应所述以权利要求的保护范围为准。
Claims (17)
1.一种学习报告生成的方法,其特征在于,包括:
获取目标管理对象的行为状态数据;
基于所述目标管理对象的行为状态数据,确定所述目标管理对象的至少一种异常学习行为的状态分布信息;
根据所述目标管理对象的至少一种异常学习行为的状态分布信息,生成所述目标管理对象的学习报告。
2.根据权利要求1所述的方法,其特征在于,所述获取目标管理对象的行为状态数据,包括如下至少一项:
获取通过摄像装置采集的待分析视频,并基于所述待分析视频确定所述目标管理对象的行为状态数据;
在所述摄像装置基于拍摄的待分析视频,得到所述目标管理对象的行为状态数据的情况下,从所述摄像装置获取所述目标管理对象的行为状态数据。
3.根据权利要求2所述的方法,其特征在于,按照如下步骤确定所述目标管理对象的行为状态数据:
从所述待分析视频中提取出目标视频帧;
对所述目标视频帧进行人脸识别,确定所述目标视频帧中目标对象的身份识别结果;
在根据所述目标对象的身份识别结果,确定所述目标对象为待生成对应的学习报告的目标管理对象的情况下,基于所述目标视频帧,确定识别出的目标管理对象的行为状态数据。
4.根据权利要求3所述的方法,其特征在于,所述从所述待分析视频中提取出目标视频帧,包括:
获取待分析视频,并按照预设的初始帧数间隔,从所述待分析视频中提取第一批次的视频帧;
在基于所述第一批次的视频帧,确定识别出的目标管理对象存在异常学习行为的情况下,缩短所述初始帧数间隔,并按照缩短后的帧数间隔,从所述待分析视频中提取第二批次的视频帧;
将提取的所述第一批次的视频帧以及所述第二批次的视频帧,确定为所述目标视频帧。
5.根据权利要求1-4任一所述的方法,其特征在于,所述目标管理对象为多个,所述方法还包括:
存储生成的多个目标管理对象的学习报告;
在接收到目标客户端发送的报告查询请求的情况下,根据客户端与管理对象之间的绑定关系,从所述绑定关系中确定与所述目标客户端匹配的目标管理对象,并从存储的所述多个目标管理对象的学习报告中查找与确定的目标管理对象对应的学习报告,并向所述目标客户端发送查找到的学习报告。
6.根据权利要求5所述的方法,其特征在于,在接收目标客户端发送的报告查询请求之前,所述方法还包括:
获取操控目标客户端的用户的身份信息;
在根据获取的所述身份信息验证所述用户为合法用户的情况下,通过目标客户端的显示界面展示查询入口,以通过所述查询入口响应所述目标客户端的报告查询请求。
7.根据权利要求5所述的方法,其特征在于,所述在接收到目标客户端发送的报告查询请求的情况下,根据客户端与管理对象之间的绑定关系,从所述绑定关系中确定与所述目标客户端匹配的目标管理对象,包括:
在接收到目标客户端发送的报告查询请求、并基于所述报告查询请求携带的身份信息对所述目标客户端验证通过的情况下,根据客户端与管理对象之间的绑定关系,从所述绑定关系中确定与所述目标客户端匹配的目标管理对象。
8.根据权利要求1-7任一所述的方法,其特征在于,所述状态分布信息包括如下至少一种信息:
每种异常学习行为的持续时间;
出现每种异常学习行为的累计次数;
多种异常学习行为的累计时间;
出现多种异常学习行为的累计次数。
9.根据权利要求8所述的方法,其特征在于,所述异常学习行为包括未学习行为,所述状态分布信息包括未学习行为的持续时间;所述基于所述目标管理对象的行为状态数据,确定所述目标管理对象的至少一种异常学习行为的状态分布信息,包括:
基于所述目标管理对象的行为状态数据,判断在预设学习时间段内,所述目标管理对象进入学习模式的第一时间信息以及离开学习模式的第二时间信息;
基于所述第一时间信息和所述第二时间信息,确定所述目标管理对象处于未学习行为的持续时间;
根据所述目标管理对象的至少一种异常学习行为的状态分布信息,生成所述目标管理对象的学习报告,包括:
基于所述目标管理对象处于未学习行为的持续时间在所述预设学习时间段的占比,生成所述学习报告中的未学习异常报告。
10.根据权利要求9所述的方法,其特征在于,按照以下步骤确定所述目标管理对象是否进入所述学习模式:
基于所述目标管理对象的行为状态数据,确定在所述预设学习时间段内,所述目标管理对象出现在预设学习区域内的时长是否超过第一预设时长;
若是,则确定所述目标管理对象进入所述学习模式;
和/或,
按照以下步骤确定所述目标管理对象是否离开所述学习模式:
基于所述目标管理对象的行为状态数据,确定在所述预设学习时间段内,所述目标管理对象未出现在预设学习区域内的时长是否超过第二预设时长;
若是,则确定所述目标管理对象离开所述学习模式。
11.根据权利要求10所述的方法,其特征在于,所述异常学习行为包括注意力异常学习行为,所述状态分布信息包括注意力异常学习行为的持续时间;所述基于所述目标管理对象的行为状态数据,确定所述目标管理对象的至少一种异常学习行为的状态分布信息,包括:
基于所述目标管理对象的行为状态数据,确定所述目标管理对象在所述预设学习时间段内存在注意力异常学习行为的第一时长;
所述根据所述目标管理对象的至少一种异常学习行为的状态分布信息,生成所述目标管理对象的学习报告,包括:
确定所述存在注意力异常学习行为的第一时长在所述学习模式下的学习时长中的第一占比;
基于所述第一占比,生成所述学习报告中的注意力异常报告。
12.根据权利要求11所述的方法,其特征在于,所述注意力异常学习行为包括以下行为中的至少一项:
所述目标管理对象离开台面对应区域的时间超过第三预设时长、且小于所述第二预设时长的学习行为;
所述目标管理对象趴在所述台面上的学习行为;
所述目标管理对象多动的学习行为;
所述目标管理对象转头和/或转身的学习行为。
13.根据权利要求9-12任一所述的方法,其特征在于,所述异常学习行为包括姿态异常学习行为,所述状态分布信息包括姿态异常学习行为的持续时间;所述基于所述目标管理对象的行为状态数据,确定所述目标管理对象的至少一种异常学习行为的状态分布信息,包括:
基于所述目标管理对象的行为状态数据,确定所述目标管理对象在所述预设学习时间段内存在姿态异常学习行为的第二时长;
所述根据所述目标管理对象的至少一种异常学习行为的状态分布信息,生成所述目标管理对象的学习报告,包括:
确定所述存在姿态异常学习行为的第二时长在所述学习模式下的学习时长中的第二占比;
基于所述第二占比,生成所述学习报告中的姿态异常报告。
14.根据权利要求1-13任一所述的方法,其特征在于,所述基于所述目标管理对象的行为状态数据,确定所述目标管理对象的至少一种异常学习行为的状态分布信息,包括:
基于所述目标管理对象的行为状态数据,确定在各个预设学习课程下,所述目标管理对象的至少一种异常学习行为的状态分布信息;
所述根据所述目标管理对象的至少一种异常学习行为的状态分布信息,生成所述目标管理对象的学习报告,包括:
基于在各个预设学习课程下,所述目标管理对象的至少一种异常学习行为的状态分布信息,确定所述目标管理对象的学习偏好信息;
基于所述学习偏好信息,生成所述学习报告中的课程偏好分析报告。
15.一种学习报告生成的装置,其特征在于,包括:
获取模块,用于获取目标管理对象的行为状态数据;
确定模块,用于基于所述目标管理对象的行为状态数据,确定所述目标管理对象的至少一种异常学习行为的状态分布信息;
生成模块,用于根据所述目标管理对象的至少一种异常学习行为的状态分布信息,生成所述目标管理对象的学习报告。
16.一种电子设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如权利要求1至14任一所述的学习报告生成的方法的步骤。
17.一种计算机可读存储介质,其特征在于,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如权利要求1至14任一所述的学习报告生成的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011593133.6A CN112613780B (zh) | 2020-12-29 | 2020-12-29 | 一种学习报告生成的方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011593133.6A CN112613780B (zh) | 2020-12-29 | 2020-12-29 | 一种学习报告生成的方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112613780A true CN112613780A (zh) | 2021-04-06 |
CN112613780B CN112613780B (zh) | 2022-11-25 |
Family
ID=75248768
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011593133.6A Active CN112613780B (zh) | 2020-12-29 | 2020-12-29 | 一种学习报告生成的方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112613780B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113127492A (zh) * | 2021-05-12 | 2021-07-16 | 北京市商汤科技开发有限公司 | 数据获取及存储的方法、装置、设备及存储介质 |
CN113762184A (zh) * | 2021-09-13 | 2021-12-07 | 北京市商汤科技开发有限公司 | 图像处理方法、装置、电子设备和计算机存储介质 |
CN114339149A (zh) * | 2021-12-27 | 2022-04-12 | 海信集团控股股份有限公司 | 电子设备及学习监督方法 |
CN115052194A (zh) * | 2022-06-02 | 2022-09-13 | 北京新唐思创教育科技有限公司 | 学习报告生成方法、装置、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009108018A2 (ko) * | 2008-02-27 | 2009-09-03 | 주식회사 글맥학원 | 책상형 학습 장치 및 이를 이용한 학습 방법 |
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 |
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 |
CN111507283A (zh) * | 2020-04-21 | 2020-08-07 | 浙江蓝鸽科技有限公司 | 基于课堂场景的学生行为识别方法及系统 |
CN111553323A (zh) * | 2020-05-22 | 2020-08-18 | 北京市商汤科技开发有限公司 | 视频处理方法及装置、电子设备和存储介质 |
CN111935453A (zh) * | 2020-07-27 | 2020-11-13 | 浙江大华技术股份有限公司 | 一种学习监督方法、装置、电子设备及存储介质 |
-
2020
- 2020-12-29 CN CN202011593133.6A patent/CN112613780B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009108018A2 (ko) * | 2008-02-27 | 2009-09-03 | 주식회사 글맥학원 | 책상형 학습 장치 및 이를 이용한 학습 방법 |
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 |
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 |
CN111507283A (zh) * | 2020-04-21 | 2020-08-07 | 浙江蓝鸽科技有限公司 | 基于课堂场景的学生行为识别方法及系统 |
CN111553323A (zh) * | 2020-05-22 | 2020-08-18 | 北京市商汤科技开发有限公司 | 视频处理方法及装置、电子设备和存储介质 |
CN111935453A (zh) * | 2020-07-27 | 2020-11-13 | 浙江大华技术股份有限公司 | 一种学习监督方法、装置、电子设备及存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113127492A (zh) * | 2021-05-12 | 2021-07-16 | 北京市商汤科技开发有限公司 | 数据获取及存储的方法、装置、设备及存储介质 |
CN113762184A (zh) * | 2021-09-13 | 2021-12-07 | 北京市商汤科技开发有限公司 | 图像处理方法、装置、电子设备和计算机存储介质 |
CN114339149A (zh) * | 2021-12-27 | 2022-04-12 | 海信集团控股股份有限公司 | 电子设备及学习监督方法 |
CN115052194A (zh) * | 2022-06-02 | 2022-09-13 | 北京新唐思创教育科技有限公司 | 学习报告生成方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112613780B (zh) | 2022-11-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112613780B (zh) | 一种学习报告生成的方法、装置、电子设备及存储介质 | |
CN109522815B (zh) | 一种专注度评估方法、装置及电子设备 | |
CN111046819B (zh) | 一种行为识别处理方法及装置 | |
US9666088B2 (en) | Video-based teacher assistance | |
Xu et al. | Security and Usability Challenges of {Moving-Object}{CAPTCHAs}: Decoding Codewords in Motion | |
CN111311131A (zh) | 一种智慧课堂教学行为分析方法、存储介质及智能电视 | |
CN112801052B (zh) | 一种用户专注度检测方法及用户专注度检测系统 | |
CN110659397A (zh) | 一种行为检测方法、装置、电子设备和存储介质 | |
US20210304339A1 (en) | System and a method for locally assessing a user during a test session | |
CN109685007B (zh) | 用眼习惯的预警方法、用户设备、存储介质及装置 | |
CN111353363A (zh) | 一种教学效果检测方法及装置、电子设备 | |
CN111160277A (zh) | 行为识别分析方法和系统、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 | |
CN113762107A (zh) | 对象状态评估方法、装置、电子设备及可读存储介质 | |
CN112949461A (zh) | 一种学习状态的分析方法、装置以及电子设备 | |
CN112101231A (zh) | 学习行为的监控方法、终端、小程序以及服务器 | |
Lee et al. | Multimodality of ai for education: Towards artificial general intelligence | |
CN111402096A (zh) | 一种在线授课质量管理方法、系统、设备和介质 | |
Kumar et al. | Automated Attendance System Based on Face Recognition Using Opencv | |
CN106294406A (zh) | 一种用于处理应用访问数据的方法与设备 | |
CN111680179A (zh) | 目标数据的获取方法及装置、电子设备和存储介质 | |
CN112528790A (zh) | 基于行为识别的教学管理方法、装置及服务器 | |
Satre et al. | Online Exam Proctoring System Based on Artificial Intelligence | |
Rodriguez et al. | Sensitizing potential jurors to variations in eyewitness evidence quality using counterfactual thinking | |
CN110889313B (zh) | 学生状态的获取方法、设备及计算机可读存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |