CN112669966A - 一种基于监控数据的行为分析系统 - Google Patents
一种基于监控数据的行为分析系统 Download PDFInfo
- Publication number
- CN112669966A CN112669966A CN202011481751.1A CN202011481751A CN112669966A CN 112669966 A CN112669966 A CN 112669966A CN 202011481751 A CN202011481751 A CN 202011481751A CN 112669966 A CN112669966 A CN 112669966A
- Authority
- CN
- China
- Prior art keywords
- information
- audio
- participating
- platform
- participating subject
- 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
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于监控数据的行为分析系统，包括：采集每一个参与主体的视频信息的多个视频采集设备；采集每一个参与主体的音频信息的多个音频采集设备；数据库平台，用于预先获取并关联存储每一个参与主体的个人信息；数据处理平台，用于对视频信息和音频信息进行结构化处理，得到每一个参与主体的动作特征、表情特征以及音频特征，将表情特征对应的脸部特征信息和音频特征对应的声纹信息与数据库平台的声纹信息和脸部特征信息进行比对，确定动作特征、表情特征以及音频信息隶属的身份信息；分析平台，用于根据每一个参与主体的动作特征、表情特征以及音频特征，对参与主体的行为进行分析得到分析结果，分析结果用于指导多动症评估。
Description
技术领域
本发明涉及认知障碍评估技术领域，具体涉及一种基于监控数据的行为分析系统。
背景技术
儿童注意力缺陷多动障碍(ADHD)常称作少儿多动症，是一种常见的儿童行为异常疾病，但也是一种影响终身的慢性精神疾病。这类患儿的智力正常或基本正常，但学习、行为以及情绪方面有缺陷，主要表现为注意缺陷、活动过度以及行为冲动，其不仅会影响孩子的学习成绩和人际交往，也会影响教学秩序。因此，需要时刻关注孩子的状态。
相关技术中，对ADHD的评估通常依靠人力的主观判断，但是人力评估带有一定的主观色彩，评估准确率低，故亟待提出一种基于监控数据的行为分析系统以提高多动症评估准确率。
发明内容
因此，本发明要解决的技术问题在于克服现有技术中人力评估多动症带有主观色彩而导致评估准确率低的缺陷，从而提供一种基于监控数据的行为分析系统。
根据第一方面，本发明实施例公开了一种基于监控数据的行为分析系统，包括：多个视频采集设备，用于采集目标场景下的每一个参与主体的视频信息；多个音频采集设备，用于采集所述目标场景下的每一个参与主体的音频信息；数据库平台，用于预先获取并关联存储每一个参与主体的个人信息，所述个人信息包括参与主体的身份信息、声纹信息和脸部特征信息；数据处理平台，分别与所述视频采集设备、所述音频采集设备以及数据库平台连接，用于对所述视频信息和所述音频信息进行结构化处理，得到每一个参与主体的动作特征、表情特征以及音频特征，将所述表情特征对应的脸部特征信息和音频特征对应的声纹信息与所述数据库平台的声纹信息和脸部特征信息进行比对，确定所述动作特征、表情特征以及所述音频信息隶属的身份信息，所述表情特征和动作特征以及音频特征的类型根据预设的多动症评估特征确定；分析平台，与所述数据处理平台连接，用于根据每一个参与主体的动作特征、表情特征以及音频特征，对参与主体的行为进行分析得到分析结果，所述分析结果用于指导多动症评估。
可选地，所述系统还包括：存储器，与所述视频采集设备、所述音频采集设备以及所述分析平台连接，用于存储所述视频信息、所述音频信息以及所述评估结果。
可选地，所述数据处理平台包括：视频信息结构化处理模块，用于对所述视频信息进行序列建模以及识别处理，得到所述每一个参与主体的动作特征和表情特征；音频信息结构化处理模块，用于对所述音频信息进行序列建模以及识别处理，得到所述每一个参与主体的音频特征；格式处理模块，用于按照预设格式对结构化处理的视频信息和音频信息进行清洗及归档处理；所述存储器，与所述数据处理平台连接，还用于存储格式处理后的视频信息和音频信息。
可选地，所述分析平台包括：特征融合模块，用于对所述动作特征、表情特征以及所述音频特征进行信息融合，得到所述预设的多动症评估特征；评估模块，用于根据所述多动症评估特征对参与主体的行为进行分析得到分析结果。
可选地，所述评估模块包括：计算模块，用于分别计算每一个多动症评估特征的平均数以及方差；置信区间确定模块，用于根据预设置信度、所述多动症评估特征的平均数、方差以及预设分布函数确定所述每一个多动症评估特征的置信区间；结果生成模块，用于根据所述参与主体的多动症评估特征以及所述置信区间对所述参与主体的行为进行分析，得到分析结果。
可选地，所述系统还包括：通信设备，与所述分析平台连接，用于发送所述参与主体的分析结果。
可选地，所述预设分布函数为正态分布函数。
本发明技术方案，具有如下优点：
本发明提供的基于监控数据的行为分析系统，通过多个视频采集设备采集目标场景下的每一个参与主体的视频信息，多个音频采集设备采集目标场景下的每一个参与主体的音频信息，数据库平台，用于预先获取并关联存储每一个参与主体的个人信息，个人信息包括参与主体的身份信息、声纹信息和脸部特征信息，数据处理平台，用于对视频信息和音频信息进行结构化处理，得到每一个参与主体的动作特征、表情特征以及音频特征，将表情特征对应的脸部特征信息和音频特征对应的声纹信息与数据库平台的声纹信息和脸部特征信息进行比对，确定动作特征、表情特征以及音频信息隶属的身份信息，表情特征和动作特征以及音频特征的类型根据预设的多动症评估特征确定，分析平台，用于根据每一个参与主体的动作特征、表情特征以及音频特征，对参与主体的行为进行分析得到分析结果，分析结果用于指导多动症评估。本发明以音视频信息为依据，根据音视频信息得到的结构化信息与数据库平台存储的信息进行比对确定参与主体的特征信息，量化了参与主体的行为，根据量化后的行为进行分析，根据得到的分析结果指导孩子的多动症评估，帮助可能存在隐患的孩子及早发现病症及时治疗，相较于人力评估的评估准确率高。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例中基于监控数据的行为分析系统的一个具体示例图；
图2为本发明实施例中基于监控数据的行为分析系统的另一个具体示例图；
图3为本发明实施例参与主体XX的在周期内的评估结果图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，还可以是两个元件内部的连通，可以是无线连接，也可以是有线连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
本发明实施例公开了一种基于监控数据的行为分析系统，如图1所示，包括：
多个视频采集设备10，用于采集目标场景下的每一个参与主体的视频信息。
示例性地，该目标场景可以为学生在学校或培训机构的上课场景，也可以为学校或社会上的讲座场景，本发明实施例对该目标场景不作具体限定，本领域技术人员可以根据实际情况确定。该参与主体可以包括：听课的学生和授课的教师。该视频采集设备10可以为监控摄像头，为了保证可以采集到所有参与主体的视频信息，在一个具体实施例中，在教室中设置有多个视频采集设备10，例如教室顶的4个顶角处。
多个音频采集设备11，用于采集目标场景下的每一个参与主体的音频信息。
示例性地，该音频采集设备11可以为拾音器、录音机或阵列麦克风等。本发明实施例对该音频采集设备11不作具体限定，本领域技术人员可以根据实际情况设定。为了保证可以采集到所有参与主体的音频信息，可以在教室中设置有多个音频采集设备11。在一个具体实施例中，为了保证能够准确采集到每一个参与主体的音频信息，可以给每一个参与主体配戴可穿戴麦克风。
需要说明的是，采集视频信息和音频信息是经过每一个参与主体的授权的。
数据库平台12，用于预先获取并关联存储每一个参与主体的个人信息，个人信息包括参与主体的身份信息、声纹信息和脸部特征信息。
示例性地，个人信息包括参与主体的身份信息、声纹信息和脸部特征信息，其中，身份信息可以包括：参与主体的姓名、年龄等，身份信息、声纹信息和脸部特征信息可以提前关联存储在数据库平台12。参与主体的个人信息可以由每一个参与主体独立发送到数据库平台12，也可以集中采集后存储在数据库平台12，本发明实施例对该个人信息的获取方式不作具体限定，本领域技术人员可以根据实际情况设定。
作为本发明实施例一个可选实施方式，当应用场景为学校的上课场景时，该数据库平台12还可以存储每一个参与主体的课程信息和班级信息，便于向对应课程的任课教师反馈结果。课程信息和班级信息可以按照提前预设好的格式进行存储，例如，课堂日期：格式为XX年-XX月-XX日，班级：格式为XX年级-XX班，科目：格式为：语文/数学/英语……，第几堂课：格式为数字：1-12。
数据处理平台13，分别与视频采集设备10、音频采集设备11以及数据库平台12连接，用于对视频信息和音频信息进行结构化处理，得到每一个参与主体的动作特征、表情特征以及音频特征，将表情特征对应的脸部特征信息和音频特征对应的声纹信息与数据库平台的声纹信息和脸部特征信息进行比对，确定动作特征、表情特征以及音频信息隶属的身份信息，表情特征和动作特征以及音频特征的类型根据预设的多动症评估特征确定。
示例性地，如下表1所示，该预设的多动症评估特征是从美国精神病学会的《精神疾病的诊断与统计》第4版(DSM－IV)针对多动－冲动9条症状中选择的6条，包括：在教室内或在其他应该坐好的场合，常常离开座位(静坐听课)、在不恰当的场合常常过多地走来走去或爬上爬下(上课乱跑)、常常难以安静地游戏或参加业余活动(语速过快)、他人的问话未结束便急着回答(对话间隔短)、手或脚动个不停，座位上不停扭动(频频扭头)、常常讲话过多(不停说话)等。需要说明的是，上述预设的多动症评估特征并不用于限制本发明方案，本领域技术人员在上述特征的基础上，还可采用其他适于实施的多动症评估特征。
从视频采集设备10获取的视频信息以及从音频采集设备获取的音频信息是非结构化数据，对视频信息和音频信息进行结构化处理，得到每一个参与主体的动作特征、表情特征以及音频特征，将表情特征对应的脸部特征信息和音频特征对应的声纹信息与数据库平台的声纹信息和脸部特征信息进行一一比对，确定动作特征、表情特征以及音频信息隶属的身份信息，即确定得到的动作特征、表情特征以及音频特征是属于哪个参与主体的。
表1多动症评估特征的确定以及量化
分析平台14，与数据处理平台13连接，用于根据每一个参与主体的动作特征、表情特征以及音频特征，对参与主体的行为进行分析得到分析结果，分析结果用于指导多动症评估。
示例性地，根据每一个参与主体的动作特征、表情特征以及音频特征，对参与主体的行为进行分析得到分析结果可以为给动作特征、表情特征以及音频特征设置预设权重，根据预设权重和每一个参与主体的动作特征、表情特征以及音频特征求加权平均值得到分析结果，也可以根据每一个参与主体的动作特征、表情特征以及音频特征多动症评估特征，然后确定每一个多动症评估特征的置信区间，根据每一个参与主体的多动症评估特征以及置信区间对参与主体的行为进行分析得到分析结果。本发明实施例对该分析方法不作具体限定，本领域技术人员可以根据实际情况设定。
本发明提供的基于监控数据的行为分析系统，通过多个视频采集设备采集目标场景下的每一个参与主体的视频信息，多个音频采集设备采集目标场景下的每一个参与主体的音频信息，数据库平台，用于预先获取并关联存储每一个参与主体的个人信息，个人信息包括参与主体的身份信息、声纹信息和脸部特征信息，数据处理平台，用于对视频信息和音频信息进行结构化处理，得到每一个参与主体的动作特征、表情特征以及音频特征，将表情特征对应的脸部特征信息和音频特征对应的声纹信息与数据库平台的声纹信息和脸部特征信息进行比对，确定动作特征、表情特征以及音频信息隶属的身份信息，表情特征和动作特征以及音频特征的类型根据预设的多动症评估特征确定，分析平台，用于根据每一个参与主体的动作特征、表情特征以及音频特征，对参与主体的行为进行分析得到分析结果，分析结果用于指导多动症评估。本发明以音视频信息为依据，根据音视频信息得到的结构化信息与数据库平台存储的信息进行比对确定参与主体的特征信息，量化了参与主体的行为，根据量化后的行为进行分析，根据得到的分析结果指导孩子的多动症评估，帮助可能存在隐患的孩子及早发现病症及时治疗，相较于人力评估的评估准确率高。
作为本发明实施例一个可选实施方式，如图2所示，该基于监控数据的行为分析系统还包括：
存储器15，与视频采集设备10、音频采集设备11以及分析平台14连接，用于存储视频信息、音频信息以及评估结果。
示例性地，对于视频信息和音频信息，可以将其以统一的存储格式和命名形式进行存储，例如将音频信息统一存储为Mp3格式，将视频信息统一存储为Mp4格式；并对视频信息和音频信息进行统一命名，例如：20201203_01班_第8节_语文.mp4。
作为本发明实施例一个可选实施方式，上述数据处理平台13包括：
视频信息结构化处理模块，用于对视频信息进行序列建模以及识别处理，得到每一个参与主体的动作特征和表情特征。
示例性地，对视频信息进行结构化处理可以为将视频信息输入到预设的识别模型中，通过视频结构化算法对视频信息进行序列建模，对视频内的参与主体进行表情特征识别和动作识别，例如，一段视频序列被识别为一个表征表情特征或行为特征的单词(例如，curiosity)。
音频信息结构化处理模块，用于对音频信息进行序列建模以及识别处理，得到每一个参与主体的音频特征。
示例性地，对音频信息进行结构化处理可以为将音频信息输入到预设的识别模型中，得到一系列的英文单词。在本发明实施例中，利用声纹追踪技术将音频信息与数据库平台12中存储的声纹信息进行比对，从而识别出每一个参与主体的音频特征。
格式处理模块，用于按照预设格式对结构化处理的视频信息和音频信息进行清洗及归档处理。
示例性地，该预设格式指的是个人信息、跑动时长等统一的数据单位，如跑动时长的单位是分钟，个人信息包含：姓名(文本格式)、性别(男/女/未知)，等。
对结构化处理的视频信息和音频信息进行归档处理指的是将结构化处理之后的视频信息和音频信息和已有的结构化数据(姓名、跑动时长等)按照每个参与主体为一行，观测的变量为列进行存储。对结构化处理的视频信息和音频信息进行清洗处理指的是对于采集到的某参与主体的信息行为空，进行删除；统一采集到的数据单位，对于单位不统一、数据不规范的，修正为标准格式及单位。
存储器15，与数据处理平台13连接，还用于存储格式处理后的视频信息和音频信息。
本发明通过对结构化处理的视频信息和音频信息进行清洗及归档处理，便于后续调用后直接进行分析。
作为本发明实施例一个可选实施方式，上述分析平台14包括：
特征融合模块，用于对动作特征、表情特征以及音频特征进行信息融合，得到预设的多动症评估特征。
示例性地，对识别得到的动作特征、表情特征以及音频特征进行信息融合，将动作特征、表情特征以及音频特征整理成多动症评估信息(静坐听课、上课乱跑、语速过快、对话间隔短、频频扭头以及不停讲话)。
评估模块，用于根据多动症评估特征对参与主体的行为进行分析得到分析结果。具体的分析过程参见上述分析平台14的描述，在此不再赘述。
作为本发明实施例一个可选实施方式，上述评估模块包括：
计算模块，用于分别计算每一个多动症评估特征的平均数以及方差。
示例性地，根据平均数计算公式以及方差计算公式计算每一个多动症评估特征的平均数以及方差，具体地，
其中，n表示参与主体的数量；T表示评价周期；Xi,v(T)表示第i名参与主体的第v个多动症评估特征；Xv(T)表示第v个多动症评估特征，以n×1维向量形式表示；
和
表示n个参与主体第v个多动症评估特征的平均值；
和Var(Xv(T))表示n个参与主体第v个多动症评估特征的方差。
置信区间确定模块，用于根据预设置信度、多动症评估特征的平均数、方差以及预设分布函数确定每一个多动症评估特征的置信区间。
示例性地，该预设置信度为1-α，其可参照99％、95％、90％等不同等级进行划分。该预设分布函数可以为正态分布、t分布、F分布等。本发明实施例对该预设置信度以及预设分布函数均不作具体限定，本领域技术人员可以根据实际情况设定。
在本发明实施例中，假设Xv(T)服从正态分布
其中
未知，根据统计学原理，可得
服从自由度为j-1的t分布，即t(j-1)；根据
结合标准t分布偏差表，可确定出
的值，此时可得到μ1的置信区间为
结果生成模块，用于根据参与主体的多动症评估特征以及置信区间对参与主体的行为进行分析，得到分析结果。
示例性地，对于不同的多动症评估特征，分析过程不同，具体如下：
当多动症评估特征为他人的问话未结束便急着回答(对话间隔短)和在教室内或在其他应该坐好的场合，常常离开座位(静坐听课)时，具体分析过程如下：
(1)若某个参与主体的Xi,v(T)在该置信区间内，即认为该参与主体的第v个多动症评估特征处在正常的范围内，记作0。
(2)若某个参与主体的
则表示该参与主体的第v个多动症评估特征略低于正常的范围，可能表现出了多动-冲动症状的特性，记作1；
(3)若某个参与主体的
则表示该参与主体的第v个多动症评估特征略高于正常的范围，较为安静，记作-1。
当多动症评估特征为在不恰当的场合常常过多地走来走去或爬上爬下(上课乱跑)、常常难以安静地游戏或参加业余活动(语速过快)、常常讲话过多(不停说话)和手或脚动个不停，座位上不停扭动(频频扭头)时，具体分析过程如下：
(1)若某个参与主体的Xi,v(T)在该置信区间内，即认为该参与主体的第v个多动症评估特征处在正常的范围内，记作0。
(2)若某个参与主体的
则表示该参与主体的第v个多动症评估特征略低于正常的范围，可能表现出了多动-冲动症状的特性，记作-1；
(3)若某个参与主体的
则表示该参与主体的第v个多动症评估特征略高于正常的范围，较为安静，记作1。
由于多动症状大多是表现出异于常人的症状，本发明实施例将目标参与主体与所有参与主体进行比较，得到的分析结果更加准确。
作为本发明实施例一个可选实施方式，该基于监控数据的行为分析系统还包括：
通信设备，与分析平台14连接，用于发送参与主体的分析结果。
示例性地，分析结果的发送方法可以为通过邮件或者微信发送。该通信设备可以为智能终端，利用智能终端的将参与主体的分析结果发送到与参与主体相关联的人(例如，家长、老师等)的终端，便于家长老师及时了解参与主体的情况，协助调整家长的教育方式，并对可能出现的多动症症状及早就医，避免对孩子的成长造成更大的损害。
作为本发明一个可选实施方式，由于多动症评估是一个长期的过程，因此需要对参与主体进行长期跟踪，计算周期性结果反馈，具体计算方法如下：
假设某个周期Tk内(k为正整数)，每个学生i结合六项多动症评估特征都可以得到6维的指标值，记作
其中，
表示学生i在周期Tk内的每一个多动症评估特征的指标值，每个
的范围为：0，1，-1。
当应用场景为学校上课场景时，根据实际教学情况，可将Tk设做一节课的时间，若学生当天在教室内上m节课，那么其一天的指标值即每节课程的指标值之和，即
是6维向量，
中每一个元素范围变为了[-m，m]，其中，
表示学生i、m节课的多动症评估特征指标值的集合。
结合一个班级/其他划分群体的标准，针对多动-冲动的指标值进行计算。可得到
Y*表示n个学生m节课所有多动症评估特征的平均值；
表示n个学生m节课所有多动症评估特征的协方差矩阵；
表示n个学生m节课所有多动症评估特征的方差，为
的对角元素组成的v维向量,
以
为例，表示n个学生m节课第一个多动症评估特征的方差。
此时对于任意多动症评估特征v＝1，2，…，6，可得到：处于正常范围内的置信区间为
其中，
表示n个学生m节课第v个多动症评估特征指标值的平均值；
表示n个学生m节课第v个多动症评估特征指标值的方差的开平方，即标准差。
此时，对于具体的某个学生i，若其第v项多动症评估特征在
区间内，则认为该学生是处在正常范围，若大于
或者小于
则认为其具有多动-冲动症的第v个多动症评估特征或者其在第v个多动症评估特征处表现出了相反的结果，是相对更安静的，具体参见上述对应步骤的描述，在此不再赘述。
如图3所示，柱状图表示参与主体“XX”每一个多动症评估特征的指标值，若柱状图位于上下界之间，则表示是正常的，从这个周期来看，“XX”的多动症评估特征中的“过多活动”特征低于置信区间下界，表示“XX”可能在这一项表现得更为安静；另一个“急着回答”特征高于上界，表示“XX”在这一项表现出比一般的学生更为着急，可能具有该项症状。但总体来看，“XX”的其余四项指标都是正常的，说明“XX”从这种观察中不具备多动-冲动症状，但是其有两项指标与其他同龄儿童有些不同，若在长周期如：3个月、6个月后仍无变化，可适时通知老师和家长给予关注和关心，帮助孩子养成良好习惯。
虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (7)
1.一种基于监控数据的行为分析系统，其特征在于，包括：
多个视频采集设备，用于采集目标场景下的每一个参与主体的视频信息；
多个音频采集设备，用于采集所述目标场景下的每一个参与主体的音频信息；
数据库平台，用于预先获取并关联存储每一个参与主体的个人信息，所述个人信息包括参与主体的身份信息、声纹信息和脸部特征信息；
数据处理平台，分别与所述视频采集设备、所述音频采集设备以及数据库平台连接，用于对所述视频信息和所述音频信息进行结构化处理，得到每一个参与主体的动作特征、表情特征以及音频特征，将所述表情特征对应的脸部特征信息和音频特征对应的声纹信息与所述数据库平台的声纹信息和脸部特征信息进行比对，确定所述动作特征、表情特征以及所述音频信息隶属的身份信息，所述表情特征和动作特征以及音频特征的类型根据预设的多动症评估特征确定；
分析平台，与所述数据处理平台连接，用于根据每一个参与主体的动作特征、表情特征以及音频特征，对参与主体的行为进行分析得到分析结果，所述分析结果用于指导多动症评估。
2.根据权利要求1所述的系统，其特征在于，所述系统还包括：
存储器，与所述视频采集设备、所述音频采集设备以及所述分析平台连接，用于存储所述视频信息、所述音频信息以及所述评估结果。
3.根据权利要求1所述的系统，其特征在于，所述数据处理平台包括：
视频信息结构化处理模块，用于对所述视频信息进行序列建模以及识别处理，得到所述每一个参与主体的动作特征和表情特征；
音频信息结构化处理模块，用于对所述音频信息进行序列建模以及识别处理，得到所述每一个参与主体的音频特征；
格式处理模块，用于按照预设格式对结构化处理的视频信息和音频信息进行清洗及归档处理；
所述存储器，与所述数据处理平台连接，还用于存储格式处理后的视频信息和音频信息。
4.根据权利要求3所述的系统，其特征在于，所述分析平台包括：
特征融合模块，用于对所述动作特征、表情特征以及所述音频特征进行信息融合，得到所述预设的多动症评估特征；
评估模块，用于根据所述多动症评估特征对参与主体的行为进行分析得到分析结果。
5.根据权利要求1所述的系统，其特征在于，所述评估模块包括：
计算模块，用于分别计算每一个多动症评估特征的平均数以及方差；
置信区间确定模块，用于根据预设置信度、所述多动症评估特征的平均数、方差以及预设分布函数确定所述每一个多动症评估特征的置信区间；
结果生成模块，用于根据所述参与主体的多动症评估特征以及所述置信区间对所述参与主体的行为进行分析，得到分析结果。
6.根据权利要求1所述的系统，其特征在于，所述系统还包括：
通信设备，与所述分析平台连接，用于发送所述参与主体的分析结果。
7.根据权利要求5所述的系统，其特征在于，所述预设分布函数为正态分布函数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011481751.1A CN112669966A (zh) | 2020-12-14 | 2020-12-14 | 一种基于监控数据的行为分析系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011481751.1A CN112669966A (zh) | 2020-12-14 | 2020-12-14 | 一种基于监控数据的行为分析系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112669966A true CN112669966A (zh) | 2021-04-16 |
Family
ID=75404907
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011481751.1A Pending CN112669966A (zh) | 2020-12-14 | 2020-12-14 | 一种基于监控数据的行为分析系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112669966A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114038562A (zh) * | 2021-11-10 | 2022-02-11 | 中南大学湘雅二医院 | 一种心理发育评估方法、装置、系统及电子设备 |
| CN117414135A (zh) * | 2023-10-20 | 2024-01-19 | 郑州师范学院 | 一种行为心理异常检测方法、系统及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107111672A (zh) * | 2014-11-17 | 2017-08-29 | 埃尔瓦有限公司 | 使用从患者环境中被动捕获的语音模式来监测治疗遵从性 |
| CN108269331A (zh) * | 2017-12-12 | 2018-07-10 | 国政通科技股份有限公司 | 一种智能视频大数据处理系统 |
| CN108429619A (zh) * | 2018-01-18 | 2018-08-21 | 北京捷通华声科技股份有限公司 | 身份认证方法和系统 |
| WO2018218286A1 (en) * | 2017-05-29 | 2018-12-06 | Saltor Pty Ltd | Method and system for abnormality detection |
| CN110678935A (zh) * | 2017-02-14 | 2020-01-10 | 林苑莉 | 采用面部追踪和情感检测及其相关的方法应用在一种交互式自适应学习及神经认知障碍诊断系统 |
| CN110706786A (zh) * | 2019-09-23 | 2020-01-17 | 湖南检信智能科技有限公司 | 非接触式心理参数智能分析与评测系统 |
-
2020
- 2020-12-14 CN CN202011481751.1A patent/CN112669966A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107111672A (zh) * | 2014-11-17 | 2017-08-29 | 埃尔瓦有限公司 | 使用从患者环境中被动捕获的语音模式来监测治疗遵从性 |
| CN110678935A (zh) * | 2017-02-14 | 2020-01-10 | 林苑莉 | 采用面部追踪和情感检测及其相关的方法应用在一种交互式自适应学习及神经认知障碍诊断系统 |
| WO2018218286A1 (en) * | 2017-05-29 | 2018-12-06 | Saltor Pty Ltd | Method and system for abnormality detection |
| CN108269331A (zh) * | 2017-12-12 | 2018-07-10 | 国政通科技股份有限公司 | 一种智能视频大数据处理系统 |
| CN108429619A (zh) * | 2018-01-18 | 2018-08-21 | 北京捷通华声科技股份有限公司 | 身份认证方法和系统 |
| CN110706786A (zh) * | 2019-09-23 | 2020-01-17 | 湖南检信智能科技有限公司 | 非接触式心理参数智能分析与评测系统 |
Non-Patent Citations (1)
| Title |
|---|
| 葛察忠等: "《"双高"产品名录制定 理论与方法》", vol. 978, 广东高等教育出版社, pages: 69 - 70 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114038562A (zh) * | 2021-11-10 | 2022-02-11 | 中南大学湘雅二医院 | 一种心理发育评估方法、装置、系统及电子设备 |
| CN117414135A (zh) * | 2023-10-20 | 2024-01-19 | 郑州师范学院 | 一种行为心理异常检测方法、系统及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| 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 | |
| JP5604033B2 (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 | |
| Taglialatela et al. | Vocal production by a language-competent Pan paniscus | |
| CN109657529A (zh) | 基于面部表情识别的课堂教学效果评价系统 | |
| US20180214061A1 (en) | Systems for speech-based assessment of a patient's state-of-mind | |
| CN112669966A (zh) | 一种基于监控数据的行为分析系统 | |
| CN110930781B (zh) | 录播系统 | |
| CN113069080A (zh) | 一种基于人工智能的困难气道评估方法及装置 | |
| JP2019153303A (ja) | 情報処理装置、情報処理方法、及びプログラム | |
| CN111898881A (zh) | 一种课堂教学质量评估方法、装置、设备及存储介质 | |
| Degotardi et al. | Infants’ experience with ‘near and clear’educator talk: Individual variation and its relationship to indicators of quality | |
| CN112785205A (zh) | 一种基于教育大数据的智慧教学综合分析系统 | |
| CN110837960A (zh) | 学生情感分析方法 | |
| CN112085392A (zh) | 一种学习参与度确定方法、装置及计算机设备 | |
| CN113035232B (zh) | 一种基于语音识别的心理状态预测系统、方法及装置 | |
| CN112528890B (zh) | 一种注意力评估方法、装置及电子设备 | |
| CN112365106A (zh) | 一种基于长时序多源数据的学生综合素质分析系统 | |
| Gajšek et al. | Multi-modal emotional database: AvID | |
| US20220015687A1 (en) | Method for Screening Psychiatric Disorder Based On Conversation and Apparatus Therefor | |
| CN110353703B (zh) | 基于鹦鹉学舌语言范式行为分析的孤独症评估装置及系统 | |
| Packman et al. | Measuring the outcomes of behavioral stuttering treatments across situations: What are our data telling us | |
| CN112750057A (zh) | 基于大数据和云计算的学生学习行为数据库建立分析处理方法及云数据平台 | |
| Hux et al. | Speech and Language Characteristics of Neurologically Healthy Adults When Describing the Modern Cookie Theft Picture: Mixing the New With the Old | |
| CN214017509U (zh) | 基于幼儿语音分析的语言发展评估装置 | |
| CN117547271B (zh) | 一种心理素质智能评估分析仪 |
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 |