CN112906633A - 一种基于学生注意力的教学优化方法 - Google Patents

一种基于学生注意力的教学优化方法 Download PDF

Info

Publication number
CN112906633A
CN112906633A CN202110289021.XA CN202110289021A CN112906633A CN 112906633 A CN112906633 A CN 112906633A CN 202110289021 A CN202110289021 A CN 202110289021A CN 112906633 A CN112906633 A CN 112906633A
Authority
CN
China
Prior art keywords
student
control unit
central control
time period
attention
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
CN202110289021.XA
Other languages
English (en)
Other versions
CN112906633B (zh
Inventor
高巧萍
夏国祥
纪宏伟
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.)
Nantong Normal College
Original Assignee
Nantong Normal College
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 Nantong Normal College filed Critical Nantong Normal College
Priority to CN202110289021.XA priority Critical patent/CN112906633B/zh
Publication of CN112906633A publication Critical patent/CN112906633A/zh
Application granted granted Critical
Publication of CN112906633B publication Critical patent/CN112906633B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16Human faces, e.g. facial parts, sketches or expressions
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395Quality analysis or management
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • G06Q50/20Education
    • G06Q50/205Education administration or guidance
    • G06Q50/2053Education institution selection, admissions, or financial aid
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18Eye characteristics, e.g. of the iris

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Educational Administration (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Educational Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Multimedia (AREA)
  • Marketing (AREA)
  • Human Computer Interaction (AREA)
  • General Business, Economics & Management (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Ophthalmology & Optometry (AREA)
  • Primary Health Care (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本发明涉及一种基于学生注意力的教学优化方法,包括:步骤S1,利用图像采集模块实时采集脸部图像,身份识别模块识别学生身份,识别后,中控单元将该学生的实际脸部图像与预设脸部图像进行比较以确定学生黑眼球中心位置;步骤S2,确定学生黑眼球中心位置时,中控单元将实际视线角度与预设视线角度进行比较以确定学生注意力是否集中;步骤S3,学生注意力集中时,时间储存模块储存该时间段为学生注意力集中时间段;步骤S4,教学完善模块根据上述储存的学生注意力集中时间段对教学内容进行调整;从而能够通过视线角度确定学生注意力集中时间段,通过关键词位置和学生注意力集中时间段的学生数量对教学内容进行调整,进而能够有效提高教学质量。

Description

一种基于学生注意力的教学优化方法
技术领域
本发明涉及计算机图像处理技术领域,尤其涉及一种基于学生注意力的教学优化方法。
背景技术
教室教学活动仍然是目前最为广泛采用的教学形式,在教室教学活动中,由于目前学生学习压力大、精神疲惫或其他生理方面的原因,容易在教室中产生注意力不集中现象,影响了教室教学效果,在教室教学活动中,有经验的教师往往会根据学生的注意力集中时间段来调整教学内容以使学生能够掌握更多的重点知识。
已有的学生注意力焦点的测量系统和方法,多是通过检测学生的视线进行测量;包括近距离测量和远距离测量两种方式;近距离的视线测量多采用前置测量仪,如Tobii等,在人体姿态基本固定的状态下可以比较准确的测量出近距离学生的视线数据,从而推算出学生视线落在屏幕上的位置来确定注意力焦点;但是距离过远的话,由于人体姿态等因素的影响,视线数据测量误差较大,测量计算不准确。对于远距离的视线测量多采用头戴式测量仪,通过头戴式测量仪直接测量该学生的视线数据,进而推算出学生视线落在教学屏幕上的位置来确定注意力焦点。但是这种方式需要每个学生佩戴头戴式测量仪,成本代价高,且大大影响学生的教学体验和教学效果。
目前,已经有一些基于学生注意力的教学优化方法,但普遍不能通过关键词位置和学生注意力时间段对教学内容进行调整以提高教学质量。
发明内容
为此,本发明提供一种基于学生注意力的教学优化方法,可以有效解决现有技术中不能通过关键词位置和学生注意力时间段对教学内容进行调整以提高教学质量的技术问题。
为实现上述目的,本发明提供一种基于学生注意力的教学优化方法,包括:
步骤S1,利用图像采集模块实时采集教室内上课学生的脸部图像,身份识别模块根据采集的脸部图像识别学生身份,识别后,中控单元将该学生的实际脸部图像与中控单元内储存的预设脸部图像进行比较以确定学生黑眼球中心位置;
步骤S2,所述中控单元确定学生黑眼球中心位置时,中控单元将实际视线角度与中控单元内储存的预设视线角度进行比较以确定学生注意力是否集中;
步骤S3,所述中控单元确定学生注意力集中时,时间储存模块储存该时间段为学生注意力集中时间段;
步骤S4,教学完善模块根据上述储存的学生注意力集中时间段对教学内容进行调整;
所述步骤S2中,所述中控单元将实际黑眼球中心位置与预设黑眼球中心位置进行比较以确定实际视线角度;
所述步骤S4中,对教学内容进行调整时,所述中控单元结合关键词的位置和集中注意力的学生数量确定重点内容讲解时间段和最佳关键词位置。
进一步地,所述步骤S1中,所述身份识别模块识别学生身份后,所述中控单元以该学生的预设脸部图像为基础社会人脸虚线框,并以虚线框中的左眼轮廓线最左边位置A为原点建立平面直角坐标系,其中,右眼轮廓线最右边位置记为B,坐标为B(x,y),x>y,建立并设置完成时,中控单元将所述图像采集模块采集到的该学生的实际脸部图像中左眼轮廓线最左边位置设置为As,右眼轮廓线最右边位置设置为Bs,设置完成时,中控单元将实际脸部图像中左眼轮廓线最左边位置As与预设脸部图像中左眼轮廓线最左边位置A进行匹配,
若匹配不成功,所述中控单元判定不能获取学生黑眼球中心位置;
若匹配成功,所述中控单元将此时实际脸部图像中右眼轮廓线最右边位置Bs的坐标设置为Bs(xs,ys);
设置完成时,所述中控单元将预设脸部图像中右眼轮廓线最右边位置的坐标与实际脸部图像中右眼轮廓线最右边位置的坐标进行比较:
若x=xs且y=ys,所述中控单元判定能够确定学生黑眼球中心位置;
若x≠xs且y≠ys,或,x=xs但y≠ys,或,y=ys但x≠xs,所述中控单元判定不能确定学生黑眼球中心位置;
所述中控单元判定能够确定学生黑眼球中心位置时,中控单元以实际脸部图像中左眼球的中心位置C为原心建立直角坐标系以获取左眼黑眼球中心位置的坐标Dz(Cx,Cy)。
进一步地,所述中控单元判定不能确定学生黑眼球中心位置时,所述中控单元继续获取该学生的脸部图像直至能够获取该学生黑眼球中心位置,并将实际间隔时间设置为T,同时,中控单元设置有预设时间间隔T0,获取并设置完成时,中控单元将实际间隔时间T与预设间隔时间T0进行比较:
若T≤T0,所述中控单元判定能够确定学生黑眼球中心位置;
若T>T0,所述中控单元判定不能确定学生黑眼球中心位置。
进一步地,所述步骤S2中,所述中控单元根据确认的学生黑眼球中心位置确定左眼实际视线角度并将其设置为e,设定e<90°,设置完成时,中控单元将左眼实际视线角度e与预设左眼视线角度e0进行比较:
若e=e0,所述中控单元判定该学生注意力集中;
若e≠e0,所述中控单元需要结合视线角度差值进一步确定学生注意力是否集中。
进一步地,所述中控单元内还设置有预设左眼黑眼球中心位置的坐标Dz0(Cx0,Cy0),所述坐标Dz0(Cx0,Cy0)以预设脸部图片的左眼中心位置为原心建立直角坐标系得到;
所述步骤S2中,所述中控单元获取确定的左眼黑眼球中心位置的坐标Dz(Cx,Cy),获取完成时,中控单元结合左眼黑眼球中心位置的坐标Dz(Cx,Cy)与预设左眼黑眼球中心位置的坐标Dz0(Cx0,Cy0)进行比较以计算左眼实际视线角度e:
(tan e’)2=[(Cx0-Cx)2+(Cy0-Cy)2]/D2
e=e’+e0;
式中,e0表示预设左眼视线角度,通过所述中控单元设置,e’表示视线偏移角度。
进一步地,所述脸部图像对应学生的右眼黑眼球中心位置的确定和右眼视线角度的确定均与左眼一致。
进一步地,所述图像采集模块共有三个图像采集单元,包括第一图像采集单元、第二图像采集单元和第三图像采集单元,采集脸部图像时,所述中控单元根据学生的座位与屏幕的相对距离将座位分为三个区域,包括第一区域,第二区域和第三区域,所述各区域的学生不重复,其中,第一图像采集单元实时采集第一区域的学生脸部图像,第二图像采集单元实时采集第二区域的学生脸部图像,第三图像采集单元实时采集第三区域的学生脸部图像;
所述中控单元内设置有视线角度标准差值,包括第一区域视线角度标准差值△e1,第二区域视线角度标准差值△e2,第三区域视线角度标准差值△e3,所述各区域角度标准差值相互之间无关系,具体数值大小根据屏幕到学生座位的相对距离确定;
所述中控单元需要结合视线角度差值进一步确定学生注意力是否集中时,中控单元计算视线角度差值△e,其计算方式如下:
△e=|e-e0|;
计算完成时,所述中控单元结合区域位置将视线角度差值△e与视线角度标准差值进行比较,
当采集的脸部图像对应的学生座位位于第i区域时,中控单元将视线角度差值△e与第i区域视线角度标准差值△ei进行比较,
若△e≤△ei,所述中控单元判定该学生注意力集中;
若△e>△ei,所述中控单元判定该学生注意力不集中;
其中,设定i=1,2,3。
进一步地,所述步骤S4中,对教学内容进行调整时,所述中控单元获取教学时间内的学生注意力集中的所有时间段,并按照时间从长到短进行排序,中控单元选取前三段为教学调整时间段,包括第一时间段t1、第二时间段t3和第三时间段t3,其中,第一时间段为时间最长的学生注意力集中时间段,第二时间段为时间第二长的学生注意力时间段,第三时间段为时间第三长的学生注意力集中时间段,排序和选取完成时,中控单元获取各个时间段内的学生数量,包括第一时间段内学生数量g1,第二时间段内学生数量g2和第三时间段内学生数量g3,获取完成时,中控单元将各时间学生数量gi之间进行比较,设定i=1,2,3,
若g1>gi,设定i=2,3,所述中控单元判定将第一时间段t1作为重点内容讲解时间段;
若g2>gi,设定i=1,3,所述中控单元判定将第二时间段t2作为重点内容讲解时间段;
若g3>gi,设定i=1,2,所述中控单元判定将第三时间段t3作为重点内容讲解时间段;
所述中控单元确定将第j时间段作为重点内容讲解时间段时,设定j=1,2,3,教学完善模块将对重点讲解内容的分布进行调整以使重点讲解内容主要分布在中控单元确定的重点内容讲解时间段。
进一步地,所述中控单元将储存模块内储存的教学内容根据位置设置为三个部分,包括第一关键词位置K1,第二关键词位置k2和第三关键词位置K3,所述各关键词位置相互之间不重叠,设置完成时,中控单元获取教学时间内各关键词位置学生注意力集中的最长时间段,包括第一关键词位置最长时间段tz1,第二关键词位置最长时间段tz2和第三关键词位置最长时间段tz3,获取完成时,中控单元将各关键词位置最长时间段tzi相互之间进行比较,设定i=1,2,3,
若tz1>tzi,设定i=2,3,所述中控单元判定第一关键词位置K1为最佳关键词位置;
若tz2>tzi,设定i=1,3,所述中控单元判定第二关键词位置K2为最佳关键词位置;
若tz3>tzi,设定i=1,2,所述中控单元判定第三关键词位置K3为最佳关键词位置;
所述中控单元确定第i关键词位置Ki为最佳关键词位置时,设定i=1,2,3,教学完善模块将对重点讲解内容的内容分布进行调整以使重点讲解内容的关键词位置主要分布在中控单元确定的最佳关键词位置。
与现有技术相比,本发明的有益效果在于,本发明通过将实际脸部图像与预设脸部图像进行比较以确定学生黑眼球中心位置,通过将实际视线角度与预设视线角度进行比较以确定学生注意力是否集中,通过将实际黑眼球中心位置与预设黑眼球中心位置进行比较以确定实际视线角度,并结合关键词的位置和集中注意力的学生数量确定重点内容讲解时间段和最佳关键词位置,从而能够通过视线角度确定学生注意力集中时间段,通过关键词位置和学生注意力集中时间段的学生数量对教学内容进行调整,进而能够有效提高教学质量。
进一步地,本发明通过将实际脸部图像中左眼轮廓线最左边位置As与预设脸部图像中左眼轮廓线最左边位置A进行匹配以确定是否能够获取学生黑眼球中心位置,将预设脸部图像中右眼轮廓线最右边位置的坐标与实际脸部图像中右眼轮廓线最右边位置的坐标进行比较以确定左眼黑眼球中心位置的坐标,从而能够进一步确定学生注意力是否集中,进而能够通过视线角度确定学生注意力集中时间段,通过关键词位置和学生注意力集中时间段的学生数量对教学内容进行调整,进而能够有效提高教学质量。
进一步地,本发明通过将实际间隔时间T与预设间隔时间T0进行比较以对中控单元判定不能确定学生黑眼球中心位置的情况进行再次确定,有效避免了由于正常眨眼、转头等情况导致的与学生注意力集中无关的不能确定学生黑眼球中心位置的情况出现,从而能够通过视线角度确定学生注意力集中时间段,通过关键词位置和学生注意力集中时间段的学生数量对教学内容进行调整,进而能够有效提高教学质量。
进一步地,本发明通过将左眼实际视线角度e与预设左眼视线角度e0进行比较以确定学生注意力是否集中,从而能够通过视线角度确定学生注意力集中时间段,通过关键词位置和学生注意力集中时间段的学生数量对教学内容进行调整,进而能够有效提高教学质量。
进一步地,本发明通过结合左眼黑眼球中心位置的坐标与预设左眼黑眼球中心位置的坐标以计算左眼实际视线角度,从而能够实时确定实际视线角度,进而能够通过视线角度确定学生注意力集中时间段,通过关键词位置和学生注意力集中时间段的学生数量对教学内容进行调整,进而能够有效提高教学质量。
进一步地,本发明通过结合区域位置将视线角度差值△e与视线角度标准差值进行比较以确定学生注意力是否集中,从而能够通过视线角度确定学生注意力集中时间段,通过关键词位置和学生注意力集中时间段的学生数量对教学内容进行调整,进而能够有效提高教学质量。
进一步地,本发明通过将各时间学生数之间进行比较以确定重点内容讲解时间段并在确定完成时通过教学完善模块对重点讲解内容的分布进行调整以使重点讲解内容主要分布在重点内容讲解时间段,从而能够通过视线角度确定学生注意力集中时间段,通过关键词位置和学生注意力集中时间段的学生数量对教学内容进行调整,进而能够有效提高教学质量。
附图说明
图1为本发明实施例基于学生注意力的教学优化系统的结构框图;
图2为本发明实施例基于学生注意力的教学优化方法的流程示意图;
图中标记说明:1、教室;2、图像采集模块;21、第一图像采集单元;22、第二图像采集单元;23、第三图像采集单元;3、身份识别模块;4、时间储存模块;5、教学完善模块;6、储存模块;7、中控单元。
具体实施方式
为了使本发明的目的和优点更加清楚明白,下面结合实施例对本发明作进一步描述;应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
需要说明的是,在本发明的描述中,术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系,这仅仅是为了便于描述,而不是指示或暗示所述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,还需要说明的是,在本发明的描述中,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,可以是两个元件内部的连通。对于本领域技术人员而言,可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1和图2所示,图1为本发明实施例基于学生注意力的教学优化系统的结构框图,图2为本发明实施例基于学生注意力的教学优化方法的流程示意图,本实施例的基于学生注意力的教学优化系统的结构包括:
教室1,包括座位和屏幕,中控单元7根据学生的座位与屏幕的相对距离将座位分为三个区域,包括第一区域,第二区域和第三区域;
图像采集模块2,其设置在座位与屏幕之间,用以采集教室1内上课学生的脸部图像,设置有三个图像采集单元,包括第一图像采集单元21、第二图像采集单元22和第三图像采集单元23,第一图像采集单元21用以实时采集第一区域的学生脸部图像,第二图像采集单元22用以实时采集第二区域的学生脸部图像,第三图像采集单元23用以实时采集第三区域的学生脸部图像;
身份识别模块3,其与所述图像采集模块2连接,用以根据采集的脸部图像识别学生身份以获取中控单元7内储存的该学生的预设脸部图像;
时间储存模块64,其与所述图像采集模块2连接,用以储存学生注意力集中时间段;
教学完善模块5,其与所述时间储存模块64连接,用以对教学内容进行调整;
储存模块6,其与所述教学完善模块5连接,用以储存教学内容;
中控单元7,其分别与所述图像采集模块2、所述身份识别模块3、所述时间储存模块64、所述教学完善模块5和所述储存模块6连接,用以对教学过程进行控制和调整。
本实施例中,所述中控单元7内设置有PLC控制板。
结合图1所示,基于上述基于学生注意力的教学优化系统,本实施的基于学生注意力的教学优化方法,包括:
步骤S1,利用图像采集模块2实时采集教室1内上课学生的脸部图像,身份识别模块3根据采集的脸部图像识别学生身份,识别后,中控单元7将该学生的实际脸部图像与中控单元7内储存的预设脸部图像进行比较以确定学生黑眼球中心位置;
步骤S2,所述中控单元7确定学生黑眼球中心位置时,中控单元7将实际视线角度与中控单元7内储存的预设视线角度进行比较以确定学生注意力是否集中;
步骤S3,所述中控单元7确定学生注意力集中时,时间储存模块64储存该时间段为学生注意力集中时间段;
步骤S4,教学完善模块5根据上述储存的学生注意力集中时间段对教学内容进行调整;
所述步骤S2中,所述中控单元7将实际黑眼球中心位置与预设黑眼球中心位置进行比较以确定实际视线角度;
所述步骤S4中,对教学内容进行调整时,所述中控单元7结合关键词的位置和集中注意力的学生数量确定重点内容讲解时间段和最佳关键词位置。
本实施例中,教学内容进行修改,主要是对教学内容中的重点与一般内容的分布时间进行调整,经过调整后,重点内容的讲解集中在学生注意力集中时间段内,从而能够便于学生理解和吸收重点知识,有效提高了教学质量。
具体而言,本发明实施例通过将实际脸部图像与预设脸部图像进行比较以确定学生黑眼球中心位置,通过将实际视线角度与预设视线角度进行比较以确定学生注意力是否集中,通过将实际黑眼球中心位置与预设黑眼球中心位置进行比较以确定实际视线角度,并结合关键词的位置和集中注意力的学生数量确定重点内容讲解时间段和最佳关键词位置,从而能够通过视线角度确定学生注意力集中时间段,通过关键词位置和学生注意力集中时间段的学生数量对教学内容进行调整,进而能够有效提高教学质量。
具体而言,所述步骤S1中,所述身份识别模块3识别学生身份后,所述中控单元7以该学生的预设脸部图像为基础社会人脸虚线框,并以虚线框中的左眼轮廓线最左边位置A为原点建立平面直角坐标系,其中,右眼轮廓线最右边位置记为B,坐标为B(x,y),x>y,建立并设置完成时,中控单元7将所述图像采集模块2采集到的该学生的实际脸部图像中左眼轮廓线最左边位置设置为As,右眼轮廓线最右边位置设置为Bs,设置完成时,中控单元7将实际脸部图像中左眼轮廓线最左边位置As与预设脸部图像中左眼轮廓线最左边位置A进行匹配,
若匹配不成功,所述中控单元7判定不能获取学生黑眼球中心位置;
若匹配成功,所述中控单元7将此时实际脸部图像中右眼轮廓线最右边位置Bs的坐标设置为Bs(xs,ys);
设置完成时,所述中控单元7将预设脸部图像中右眼轮廓线最右边位置的坐标与实际脸部图像中右眼轮廓线最右边位置的坐标进行比较:
若x=xs且y=ys,所述中控单元7判定能够确定学生黑眼球中心位置;
若x≠xs且y≠ys,或,x=xs但y≠ys,或,y=ys但x≠xs,所述中控单元7判定不能确定学生黑眼球中心位置;
所述中控单元7判定能够确定学生黑眼球中心位置时,中控单元7以实际脸部图像中左眼球的中心位置C为原心建立直角坐标系以获取左眼黑眼球中心位置的坐标Dz(Cx,Cy)。
具体而言,本发明实施例通过将实际脸部图像中左眼轮廓线最左边位置As与预设脸部图像中左眼轮廓线最左边位置A进行匹配以确定是否能够获取学生黑眼球中心位置,将预设脸部图像中右眼轮廓线最右边位置的坐标与实际脸部图像中右眼轮廓线最右边位置的坐标进行比较以确定左眼黑眼球中心位置的坐标,从而能够进一步确定学生注意力是否集中,进而能够通过视线角度确定学生注意力集中时间段,通过关键词位置和学生注意力集中时间段的学生数量对教学内容进行调整,进而能够有效提高教学质量。
具体而言,所述中控单元7判定不能确定学生黑眼球中心位置时,所述中控单元7继续获取该学生的脸部图像直至能够获取该学生黑眼球中心位置,并将实际间隔时间设置为T,同时,中控单元7设置有预设时间间隔T0,获取并设置完成时,中控单元7将实际间隔时间T与预设间隔时间T0进行比较:
若T≤T0,所述中控单元7判定能够确定学生黑眼球中心位置;
若T>T0,所述中控单元7判定不能确定学生黑眼球中心位置。
本实施例中,实际间隔时间为上次确定学生黑眼球中心位置到下次确定学生黑眼球中心位置的时间间隔。
具体而言,本发明实施例通过将实际间隔时间T与预设间隔时间T0进行比较以对中控单元7判定不能确定学生黑眼球中心位置的情况进行再次确定,有效避免了由于正常眨眼、转头等情况导致的与学生注意力集中无关的不能确定学生黑眼球中心位置的情况出现,从而能够通过视线角度确定学生注意力集中时间段,通过关键词位置和学生注意力集中时间段的学生数量对教学内容进行调整,进而能够有效提高教学质量。
具体而言,所述步骤S2中,所述中控单元7根据确认的学生黑眼球中心位置确定左眼实际视线角度并将其设置为e,设定e<90°,设置完成时,中控单元7将左眼实际视线角度e与预设左眼视线角度e0进行比较:
若e=e0,所述中控单元7判定该学生注意力集中;
若e≠e0,所述中控单元7需要结合视线角度差值进一步确定学生注意力是否集中。
具体而言,本发明实施例通过将左眼实际视线角度e与预设左眼视线角度e0进行比较以确定学生注意力是否集中,从而能够通过视线角度确定学生注意力集中时间段,通过关键词位置和学生注意力集中时间段的学生数量对教学内容进行调整,进而能够有效提高教学质量。
具体而言,所述中控单元7内还设置有预设左眼黑眼球中心位置的坐标Dz0(Cx0,Cy0),所述坐标Dz0(Cx0,Cy0)以预设脸部图片的左眼中心位置为原心建立直角坐标系得到;
所述步骤S2中,所述中控单元7获取确定的左眼黑眼球中心位置的坐标Dz(Cx,Cy),获取完成时,中控单元7结合左眼黑眼球中心位置的坐标Dz(Cx,Cy)与预设左眼黑眼球中心位置的坐标Dz0(Cx0,Cy0)进行比较以计算左眼实际视线角度e:
(tan e’)2=[(Cx0-Cx)2+(Cy0-Cy)2]/D2
e=e’+e0;
式中,e0表示预设左眼视线角度,通过所述中控单元7设置,e’表示视线偏移角度。
具体而言,本发明实施例通过结合左眼黑眼球中心位置的坐标与预设左眼黑眼球中心位置的坐标以计算左眼实际视线角度,从而能够实时确定实际视线角度,进而能够通过视线角度确定学生注意力集中时间段,通过关键词位置和学生注意力集中时间段的学生数量对教学内容进行调整,进而能够有效提高教学质量。
具体而言,所述脸部图像对应学生的右眼黑眼球中心位置的确定和右眼视线角度的确定均与左眼一致。
具体而言,所述图像采集模块2共有三个图像采集单元,包括第一图像采集单元21、第二图像采集单元22和第三图像采集单元23,采集脸部图像时,所述中控单元7根据学生的座位与屏幕的相对距离将座位分为三个区域,包括第一区域,第二区域和第三区域,所述各区域的学生不重复,其中,第一图像采集单元21实时采集第一区域的学生脸部图像,第二图像采集单元22实时采集第二区域的学生脸部图像,第三图像采集单元23实时采集第三区域的学生脸部图像;
所述中控单元7内设置有视线角度标准差值,包括第一区域视线角度标准差值△e1,第二区域视线角度标准差值△e2,第三区域视线角度标准差值△e3,所述各区域角度标准差值相互之间无关系,具体数值大小根据屏幕到学生座位的相对距离确定;
所述中控单元7需要结合视线角度差值进一步确定学生注意力是否集中时,中控单元7计算视线角度差值△e,其计算方式如下:
△e=|e-e0|;
计算完成时,所述中控单元7结合区域位置将视线角度差值△e与视线角度标准差值进行比较,
当采集的脸部图像对应的学生座位位于第i区域时,中控单元7将视线角度差值△e与第i区域视线角度标准差值△ei进行比较,
若△e≤△ei,所述中控单元7判定该学生注意力集中;
若△e>△ei,所述中控单元7判定该学生注意力不集中;
其中,设定i=1,2,3。
具体而言,本发明实施例通过结合区域位置将视线角度差值△e与视线角度标准差值进行比较以确定学生注意力是否集中,从而能够通过视线角度确定学生注意力集中时间段,通过关键词位置和学生注意力集中时间段的学生数量对教学内容进行调整,进而能够有效提高教学质量。
具体而言,所述步骤S4中,对教学内容进行调整时,所述中控单元7获取教学时间内的学生注意力集中的所有时间段,并按照时间从长到短进行排序,中控单元7选取前三段为教学调整时间段,包括第一时间段t1、第二时间段t3和第三时间段t3,其中,第一时间段为时间最长的学生注意力集中时间段,第二时间段为时间第二长的学生注意力时间段,第三时间段为时间第三长的学生注意力集中时间段,排序和选取完成时,中控单元7获取各个时间段内的学生数量,包括第一时间段内学生数量g1,第二时间段内学生数量g2和第三时间段内学生数量g3,获取完成时,中控单元7将各时间学生数量gi之间进行比较,设定i=1,2,3,
若g1>gi,设定i=2,3,所述中控单元7判定将第一时间段t1作为重点内容讲解时间段;
若g2>gi,设定i=1,3,所述中控单元7判定将第二时间段t2作为重点内容讲解时间段;
若g3>gi,设定i=1,2,所述中控单元7判定将第三时间段t3作为重点内容讲解时间段;
所述中控单元7确定将第j时间段作为重点内容讲解时间段时,设定j=1,2,3,教学完善模块5将对重点讲解内容的分布进行调整以使重点讲解内容主要分布在中控单元7确定的重点内容讲解时间段。
具体而言,本发明实施例通过将各时间学生数之间进行比较以确定重点内容讲解时间段并在确定完成时通过教学完善模块5对重点讲解内容的分布进行调整以使重点讲解内容主要分布在重点内容讲解时间段,从而能够通过视线角度确定学生注意力集中时间段,通过关键词位置和学生注意力集中时间段的学生数量对教学内容进行调整,进而能够有效提高教学质量。
具体而言,所述中控单元7将储存模块6内储存的教学内容根据位置设置为三个部分,包括第一关键词位置K1,第二关键词位置k2和第三关键词位置K3,所述各关键词位置相互之间不重叠,设置完成时,中控单元7获取教学时间内各关键词位置学生注意力集中的最长时间段,包括第一关键词位置最长时间段tz1,第二关键词位置最长时间段tz2和第三关键词位置最长时间段tz3,获取完成时,中控单元7将各关键词位置最长时间段tzi相互之间进行比较,设定i=1,2,3,
若tz1>tzi,设定i=2,3,所述中控单元7判定第一关键词位置K1为最佳关键词位置;
若tz2>tzi,设定i=1,3,所述中控单元7判定第二关键词位置K2为最佳关键词位置;
若tz3>tzi,设定i=1,2,所述中控单元7判定第三关键词位置K3为最佳关键词位置;
所述中控单元7确定第i关键词位置Ki为最佳关键词位置时,设定i=1,2,3,教学完善模块5将对重点讲解内容的内容分布进行调整以使重点讲解内容的关键词位置主要分布在中控单元7确定的最佳关键词位置。
具体而言,本发明实施例通过将各关键词位置最长时间段相互之间进行比较以确定最佳关键词位置并在确定完成时通过教学完善模块5对重点讲解内容的内容分布进行调整以使重点讲解内容的关键词位置主要分布在最佳关键词位置,从而能够通过视线角度确定学生注意力集中时间段,通过关键词位置和学生注意力集中时间段的学生数量对教学内容进行调整,进而能够有效提高教学质量。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例,并不用于限制本发明;对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于学生注意力的教学优化方法,其特征在于,包括:
步骤S1,利用图像采集模块实时采集教室内上课学生的脸部图像,身份识别模块根据采集的脸部图像识别学生身份,识别后,中控单元将该学生的实际脸部图像与中控单元内储存的预设脸部图像进行比较以确定学生黑眼球中心位置;
步骤S2,所述中控单元确定学生黑眼球中心位置时,中控单元将实际视线角度与中控单元内储存的预设视线角度进行比较以确定学生注意力是否集中;
步骤S3,所述中控单元确定学生注意力集中时,时间储存模块储存该时间段为学生注意力集中时间段;
步骤S4,教学完善模块根据上述储存的学生注意力集中时间段对教学内容进行调整;
所述步骤S2中,所述中控单元将实际黑眼球中心位置与预设黑眼球中心位置进行比较以确定实际视线角度;
所述步骤S4中,对教学内容进行调整时,所述中控单元结合关键词的位置和集中注意力的学生数量确定重点内容讲解时间段和最佳关键词位置;
所述身份识别模块识别学生身份后,所述中控单元以该学生的预设脸部图像为基础社会人脸虚线框,并以虚线框中的左眼轮廓线最左边位置A为原点建立平面直角坐标系,其中,右眼轮廓线最右边位置记为B,坐标为B(x,y),x>y,建立并设置完成时,中控单元将所述图像采集模块采集到的该学生的实际脸部图像中左眼轮廓线最左边位置设置为As,右眼轮廓线最右边位置设置为Bs,设置完成时,中控单元将实际脸部图像中左眼轮廓线最左边位置As与预设脸部图像中左眼轮廓线最左边位置A进行匹配,
若匹配不成功,所述中控单元判定不能获取学生黑眼球中心位置;
若匹配成功,所述中控单元将此时实际脸部图像中右眼轮廓线最右边位置Bs的坐标设置为Bs(xs,ys);
设置完成时,所述中控单元将预设脸部图像中右眼轮廓线最右边位置的坐标与实际脸部图像中右眼轮廓线最右边位置的坐标进行比较:
若x=xs且y=ys,所述中控单元判定能够确定学生黑眼球中心位置;
若x≠xs且y≠ys,或,x=xs但y≠ys,或,y=ys但x≠xs,所述中控单元判定不能确定学生黑眼球中心位置;
所述中控单元判定能够确定学生黑眼球中心位置时,中控单元以实际脸部图像中左眼球的中心位置C为原心建立直角坐标系以获取左眼黑眼球中心位置的坐标Dz(Cx,Cy)。
2.根据权利要求1所述的基于学生注意力的教学优化方法,其特征在于,所述中控单元判定不能确定学生黑眼球中心位置时,所述中控单元继续获取该学生的脸部图像直至能够获取该学生黑眼球中心位置,并将实际间隔时间设置为T,同时,中控单元设置有预设时间间隔T0,获取并设置完成时,中控单元将实际间隔时间T与预设间隔时间T0进行比较:
若T≤T0,所述中控单元判定能够确定学生黑眼球中心位置;
若T>T0,所述中控单元判定不能确定学生黑眼球中心位置。
3.根据权利要求2所述的基于学生注意力的教学优化方法,其特征在于,所述步骤S2中,所述中控单元根据确认的学生黑眼球中心位置确定左眼实际视线角度并将其设置为e,设定e<90°,设置完成时,中控单元将左眼实际视线角度e与预设左眼视线角度e0进行比较:
若e=e0,所述中控单元判定该学生注意力集中;
若e≠e0,所述中控单元需要结合视线角度差值进一步确定学生注意力是否集中。
4.根据权利要求3所述的基于学生注意力的教学优化方法,其特征在于,所述中控单元内还设置有预设左眼黑眼球中心位置的坐标Dz0(Cx0,Cy0),所述坐标Dz0(Cx0,Cy0)以预设脸部图片的左眼中心位置为原心建立直角坐标系得到;
所述步骤S2中,所述中控单元获取确定的左眼黑眼球中心位置的坐标Dz(Cx,Cy),获取完成时,中控单元结合左眼黑眼球中心位置的坐标Dz(Cx,Cy)与预设左眼黑眼球中心位置的坐标Dz0(Cx0,Cy0)进行比较以计算左眼实际视线角度e:
(tan e’)2=[(Cx0-Cx)2+(Cy0-Cy)2]/D2
e=e’+e0;
式中,e0表示预设左眼视线角度,通过所述中控单元设置,e’表示视线偏移角度。
5.根据权利要求4所述的基于学生注意力的教学优化方法,其特征在于,所述脸部图像对应学生的右眼黑眼球中心位置的确定和右眼视线角度的确定均与左眼一致。
6.根据权利要求5所述的基于学生注意力的教学优化方法,其特征在于,所述图像采集模块共有三个图像采集单元,包括第一图像采集单元、第二图像采集单元和第三图像采集单元,采集脸部图像时,所述中控单元根据学生的座位与屏幕的相对距离将座位分为三个区域,包括第一区域,第二区域和第三区域,所述各区域的学生不重复,其中,第一图像采集单元实时采集第一区域的学生脸部图像,第二图像采集单元实时采集第二区域的学生脸部图像,第三图像采集单元实时采集第三区域的学生脸部图像;
所述中控单元内设置有视线角度标准差值,包括第一区域视线角度标准差值△e1,第二区域视线角度标准差值△e2,第三区域视线角度标准差值△e3,所述各区域角度标准差值相互之间无关系,具体数值大小根据屏幕到学生座位的相对距离确定;
所述中控单元需要结合视线角度差值进一步确定学生注意力是否集中时,中控单元计算视线角度差值△e,其计算方式如下:
△e=|e-e0|;
计算完成时,所述中控单元结合区域位置将视线角度差值△e与视线角度标准差值进行比较,
当采集的脸部图像对应的学生座位位于第i区域时,中控单元将视线角度差值△e与第i区域视线角度标准差值△ei进行比较,
若△e≤△ei,所述中控单元判定该学生注意力集中;
若△e>△ei,所述中控单元判定该学生注意力不集中;
其中,设定i=1,2,3。
7.根据权利要求1所述的基于学生注意力的教学优化方法,其特征在于,所述步骤S4中,对教学内容进行调整时,所述中控单元获取教学时间内的学生注意力集中的所有时间段,并按照时间从长到短进行排序,中控单元选取前三段为教学调整时间段,包括第一时间段t1、第二时间段t3和第三时间段t3,其中,第一时间段为时间最长的学生注意力集中时间段,第二时间段为时间第二长的学生注意力时间段,第三时间段为时间第三长的学生注意力集中时间段,排序和选取完成时,中控单元获取各个时间段内的学生数量,包括第一时间段内学生数量g1,第二时间段内学生数量g2和第三时间段内学生数量g3,获取完成时,中控单元将各时间学生数量gi之间进行比较,设定i=1,2,3,
若g1>gi,设定i=2,3,所述中控单元判定将第一时间段t1作为重点内容讲解时间段;
若g2>gi,设定i=1,3,所述中控单元判定将第二时间段t2作为重点内容讲解时间段;
若g3>gi,设定i=1,2,所述中控单元判定将第三时间段t3作为重点内容讲解时间段;
所述中控单元确定将第j时间段作为重点内容讲解时间段时,设定j=1,2,3,教学完善模块将对重点讲解内容的分布进行调整以使重点讲解内容主要分布在中控单元确定的重点内容讲解时间段。
8.根据权利要求7所述的基于学生注意力的教学优化方法,其特征在于,所述中控单元将储存模块内储存的教学内容根据位置设置为三个部分,包括第一关键词位置K1,第二关键词位置k2和第三关键词位置K3,所述各关键词位置相互之间不重叠,设置完成时,中控单元获取教学时间内各关键词位置学生注意力集中的最长时间段,包括第一关键词位置最长时间段tz1,第二关键词位置最长时间段tz2和第三关键词位置最长时间段tz3,获取完成时,中控单元将各关键词位置最长时间段tzi相互之间进行比较,设定i=1,2,3,
若tz1>tzi,设定i=2,3,所述中控单元判定第一关键词位置K1为最佳关键词位置;
若tz2>tzi,设定i=1,3,所述中控单元判定第二关键词位置K2为最佳关键词位置;
若tz3>tzi,设定i=1,2,所述中控单元判定第三关键词位置K3为最佳关键词位置;
所述中控单元确定第i关键词位置Ki为最佳关键词位置时,设定i=1,2,3,教学完善模块将对重点讲解内容的内容分布进行调整以使重点讲解内容的关键词位置主要分布在中控单元确定的最佳关键词位置。
CN202110289021.XA 2021-03-18 2021-03-18 一种基于学生注意力的教学优化方法 Active CN112906633B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110289021.XA CN112906633B (zh) 2021-03-18 2021-03-18 一种基于学生注意力的教学优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110289021.XA CN112906633B (zh) 2021-03-18 2021-03-18 一种基于学生注意力的教学优化方法

Publications (2)

Publication Number Publication Date
CN112906633A true CN112906633A (zh) 2021-06-04
CN112906633B CN112906633B (zh) 2021-11-02

Family

ID=76105333

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110289021.XA Active CN112906633B (zh) 2021-03-18 2021-03-18 一种基于学生注意力的教学优化方法

Country Status (1)

Country Link
CN (1) CN112906633B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103020594A (zh) * 2012-12-03 2013-04-03 清华大学苏州汽车研究院(吴江) 利用在线学习消除驾驶人个体差异性的疲劳状态检测方法
CN106778658A (zh) * 2016-12-28 2017-05-31 辽宁师范大学 基于课堂场景及学习者视线分析学习者注意力的方法
CN108090857A (zh) * 2017-12-29 2018-05-29 复旦大学 一种多模态的学生课堂行为分析系统和方法
CN109086676A (zh) * 2018-07-06 2018-12-25 合肥明高软件技术有限公司 一种学生注意力分析系统及其判定方法
CN109657553A (zh) * 2018-11-16 2019-04-19 江苏科技大学 一种学生课堂注意力检测方法
CN110781718A (zh) * 2019-08-28 2020-02-11 浙江零跑科技有限公司 一种驾驶室红外视觉系统及驾驶员注意力分析方法
WO2020046843A1 (en) * 2018-08-25 2020-03-05 Actiontec Electronics, Inc. Classroom assistance system
CN111291607A (zh) * 2018-12-06 2020-06-16 广州汽车集团股份有限公司 驾驶员分神检测方法、装置、计算机设备和存储介质
CN111429316A (zh) * 2020-03-23 2020-07-17 宁波视科物电科技有限公司 一种基于增强现实眼镜的在线学习专注力检测系统及方法
CN112131483A (zh) * 2020-10-19 2020-12-25 中国人民解放军国防科技大学 在线职业教育的个性化课程内容推荐方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103020594A (zh) * 2012-12-03 2013-04-03 清华大学苏州汽车研究院(吴江) 利用在线学习消除驾驶人个体差异性的疲劳状态检测方法
CN106778658A (zh) * 2016-12-28 2017-05-31 辽宁师范大学 基于课堂场景及学习者视线分析学习者注意力的方法
CN108090857A (zh) * 2017-12-29 2018-05-29 复旦大学 一种多模态的学生课堂行为分析系统和方法
CN109086676A (zh) * 2018-07-06 2018-12-25 合肥明高软件技术有限公司 一种学生注意力分析系统及其判定方法
WO2020046843A1 (en) * 2018-08-25 2020-03-05 Actiontec Electronics, Inc. Classroom assistance system
CN109657553A (zh) * 2018-11-16 2019-04-19 江苏科技大学 一种学生课堂注意力检测方法
CN111291607A (zh) * 2018-12-06 2020-06-16 广州汽车集团股份有限公司 驾驶员分神检测方法、装置、计算机设备和存储介质
CN110781718A (zh) * 2019-08-28 2020-02-11 浙江零跑科技有限公司 一种驾驶室红外视觉系统及驾驶员注意力分析方法
CN111429316A (zh) * 2020-03-23 2020-07-17 宁波视科物电科技有限公司 一种基于增强现实眼镜的在线学习专注力检测系统及方法
CN112131483A (zh) * 2020-10-19 2020-12-25 中国人民解放军国防科技大学 在线职业教育的个性化课程内容推荐方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
程文冬,付锐,袁伟,刘卓凡,张名芳,刘通: "《驾驶人注意力分散的图像检测与分级预警》", 《计算机辅助设计与图形学学报》 *

Also Published As

Publication number Publication date
CN112906633B (zh) 2021-11-02

Similar Documents

Publication Publication Date Title
CN103558910B (zh) 一种自动跟踪头部姿态的智能显示器系统
US8322855B2 (en) Method for determining the visual behaviour of a Person
CN109343700B (zh) 眼动控制校准数据获取方法和装置
CN112101124B (zh) 一种坐姿检测方法及装置
CN105354822B (zh) 自动识别读写场景中读写元素位置的智能装置及应用
CN104952221A (zh) 智能防近视台灯
JP2600114B2 (ja) ノイズに強い正確な楕円近似による計測方法
CN112906633B (zh) 一种基于学生注意力的教学优化方法
US20160178937A1 (en) Digital measurement system and method for optical applications
CN113065532B (zh) 一种基于rgbd图像的坐姿几何参数检测方法及系统
US11507774B2 (en) Device and method for selecting a deep learning network for processing images
CN117372515A (zh) 一种自适应纠偏控制系统
WO2023040576A1 (zh) 一种目标为儿童的双目测距方法及系统
CN115316939A (zh) 一种视力筛查仪的控制方法及系统
CN110276276A (zh) 一种驾考中考生人脸视线方向的判定方法及系统
CN113781940B (zh) 头戴式显示设备及其显示亮度调节方法
CN104951081B (zh) 自动识别读写姿势的方法及其智能预警装置
JP2006105868A (ja) レンズメータ
CN111507555B (zh) 人体状态检测方法、课堂教学质量的评价方法及相关装置
CN109620142B (zh) 一种基于机器视觉的颈椎活动度测量系统及方法
US11464405B2 (en) Visual function test device, visual function training device, and method thereof
CN107535090A (zh) 元件方向判定数据生成装置及元件方向判定数据生成方法
CN111582003A (zh) 一种视线跟踪学生教室预防近视系统
CN111145274B (zh) 一种基于视觉的坐姿检测方法
CN112998675B (zh) 一种基于大数据的车载智能座舱安全驾驶系统

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