CN113221728A - 基于机器视觉的学习环境及状态监测方法及装置 - Google Patents
基于机器视觉的学习环境及状态监测方法及装置 Download PDFInfo
- Publication number
- CN113221728A CN113221728A CN202110505203.6A CN202110505203A CN113221728A CN 113221728 A CN113221728 A CN 113221728A CN 202110505203 A CN202110505203 A CN 202110505203A CN 113221728 A CN113221728 A CN 113221728A
- Authority
- CN
- China
- Prior art keywords
- illumination intensity
- state
- data
- face
- intensity value
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000012544 monitoring process Methods 0.000 title claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 40
- 238000005286 illumination Methods 0.000 claims abstract description 39
- 230000002411 adverse Effects 0.000 claims abstract description 9
- 230000009982 effect on human Effects 0.000 claims abstract description 8
- 238000010801 machine learning Methods 0.000 claims abstract description 8
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 238000004891 communication Methods 0.000 claims description 12
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 238000012806 monitoring device Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000004397 blinking Effects 0.000 claims description 2
- 230000004424 eye movement Effects 0.000 claims description 2
- 238000003709 image segmentation Methods 0.000 claims description 2
- 238000005457 optimization Methods 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 claims description 2
- 238000013480 data collection Methods 0.000 claims 2
- 238000005259 measurement Methods 0.000 claims 2
- 241001282135 Poromitra oscitans Species 0.000 claims 1
- 206010048232 Yawning Diseases 0.000 claims 1
- 208000003464 asthenopia Diseases 0.000 abstract description 2
- 230000000694 effects Effects 0.000 abstract 1
- 230000007613 environmental effect Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004438 eyesight Effects 0.000 description 2
- 230000001815 facial effect Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 206010023509 Kyphosis Diseases 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000004379 myopia Effects 0.000 description 1
- 208000001491 myopia Diseases 0.000 description 1
- 238000004445 quantitative analysis Methods 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Life Sciences & Earth Sciences (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于机器视觉的学习环境及状态监测方法及装置，所述方法包括：通过摄像头获取被测试者视频信息；对视频图像进行处理，获取处理后的多张视频图像；利用通过机器学习算法得到的视频图像与人脸接收到的光照强度值之间的对应关系，由每张视频图像计算得到人脸接收到的光照强度值；对光照强度值进行数据处理，得到频闪频率，并与标准比较，判定人脸部分图像的频闪频率是否对人体会产生不良影响；对被测试者状态进行数据采集及判断；将上述光照强度、频闪频率数据与状态数据上传至云端，通过计算机连接云端对该数据进行标准分析，并对被测试者给出相关建议。通过本发明，可以降低因环境不佳、视疲劳或不正确的坐姿等带来的不良影响。
Description
技术领域
本发明涉及机器视觉领域，尤其涉及一种基于机器视觉的学习环境及状态监测方法及装置
背景技术
随着人们生活节奏的加快，工作或学习的时长有增无减，而由其所处环境与自身的状态所引发的问题却常常被忽视。例如在过低温度的室内学习，容易生病感冒；不良的光照环境对视力有着不可逆的影响，而长时间处于视觉疲劳状态下学习或不正确的坐姿都更容易导致近视和驼背含胸甚至更为严重的脊椎问题。
公开号：CN111631553A基于物联网控制的净化空气正姿椅，只考虑了空气质量和坐姿；
授权公告号：CN211882730U一种基于物联网技术的智能书桌，主要考虑光照；
公开号：CN110664114A一种新型的智能书桌，考虑环境因素以及使用穿带装备监测坐姿；
公开号：CN110197169A一种非接触式的学习状态监测系统及学习状态检测方法，学习状态的检测主要从学习者的疲劳程度和注意力程度两方面着手，没有考虑学习环境的影响；
公开号：CN111738196A学习状态跟踪和分析设备和系统，主要对学习状态进行跟踪和分析；
公开号：CN110348316A一种基于教育心理学的学习疲劳智能检测系统与方法，通过采集图像，对人脸和眼睛进行检测及跟踪，实现疲劳检测；
公开号：CN111782029A一种电子课程学习督促方法及系统，通过脸部图像、注视点等对学习者的学习状态进行督促，并对学习者专注状态数据进行记录和分析，为学习者改善学习专注状态，提高学习效率提供指导依据；
公开号：CN111652189A一种智能化教学的学生管理系统，设置了可实时监测学生上课专注度的系统，能够根据学生客户端上的摄像头所采集的信息，判断学生是否处于认真学习的状态，并实时对学生以及教师做出提醒、提示；
公开号：CN111694980A一种鲁棒的家庭儿童学习状态视觉监督方法及装置，通过量化分析模块实时获取所述面部关键点数据和所述面部热力信息，整合分类后与所述标准特征数据库中的对应数据进行比对，得出量化后的学习状态评价的结果。
总而言之，目前专利大都单一考虑学习环境或学习状态，没有全面的考虑到影响学习的温湿度、光照等各个环境因素和疲劳状态下学习，坐姿不良等多种不佳学习状态；一些专利有桌椅实体或穿戴装备，监测的场合单一固定，还可能影响用户体验感；一些专利没有通过云端连接手机的功能，家长无法实时了解到孩子的学习状况；一些专利没有兼顾到对监测的数据进行整理分析，无法得出最佳学习状态对应的学习环境，以便提高学习效率。
发明内容
本发明提供了一种基于机器视觉的学习环境及状态监测方法及装置，能获得包含环境及被测试者的状态在内的基本信息，将数据上传云端，进行数据分析与提取，以实时了解被测试者的状态，提供准确建议。
本发明基于机器视觉的学习环境及状态监测方法，包括：通过摄像头获取被测试者视频信息；对视频图像进行处理，获取处理后的多张视频图像；利用通过机器学习算法得到的视频图像与人脸接收到的光照强度值之间的对应关系，由每张视频图像计算得到人脸接收到的光照强度值；对光照强度值进行数据处理，得到频闪频率，并与标准比较，判定人脸部分图像的频闪频率是否对人体会产生不良影响；对被测试者状态进行数据采集及判断；将上述频闪频率数据与状态数据上传至云端，通过计算机连接云端对该数据进行标准分析，并对被测试者给出相关建议。
本发明基于机器视觉的学习环境及状态监测装置，包括摄像头、传感器、处理模块、通信模块，摄像头、传感器、通信模块分别与处理模块连接；摄像头用于获取被测试者视频图像；传感器用于获取环境的温湿度情况；通信模块用以将处理模块中的数据上传至云端；处理模块用于：对视频图像进行处理，获取处理后的多张视频图像；利用通过机器学习算法得到的视频图像与人脸接收到的光照强度值之间的对应关系，由每张视频图像计算得到人脸接收到的光照强度值；对光照强度值进行数据处理，得到频闪频率，并与标准比较，判定人脸部分图像的频闪频率是否对人体会产生不良影响；对环境光照强度、频闪频率通过构建深层神经网络，产生环境参数理论推测值；对被测试者疲劳状态进行数据采集及判断。
相对现有技术，本发明基于机器视觉的学习环境及状态监测方法及装置，通过获得包含环境及被测试者的状态在内的基本信息，将数据上传云端，结合基于机器视觉得到的环境参数理论推测值，进行数据分析与提取，从而能实时了解被测试者的状态，给提供准确建议。
附图说明
图1为本发明提供的一种基于机器视觉的学习环境及状态监测方法的流程图。
图2为本发明提供的一种测量光照强度、频闪频率等光参数的方法的流程图。
图3为本发明提供的一种监测被测试者疲劳状态的方法的流程图。
图4为本发明提供的一种监测被测试者坐姿状态的方法的流程图。
图5为本发明提供的一种将数据上传云端的方法的流程图。
图6为本发明提供的一种基于机器视觉的学习环境及状态监测装置的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步地详细描述。显然，所描述的实施例仅仅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。
本发明实施例提供一种基于机器视觉的学习环境及状态监测方法，如图1所示，包括：通过摄像头获取被测试者视频信息，通过传感器获取用户所处环境信息；对所获取信息进行处理，并将数据上传至云端；以及对数据进行输出整合，并给出相关建议。
具体而言，本方法可包括：通过摄像头获取被测试者视频信息；对视频图像进行处理，获取处理后的多张视频图像；利用通过机器学习算法得到的视频图像与人脸接收到的光照强度值之间的对应关系，由每张视频图像计算得到人脸接收到的光照强度值；对光照强度值进行数据处理，得到频闪频率，并与标准比较，判定人脸部分图像的频闪频率是否对人体会产生不良影响；对被测试者状态进行数据采集及判断；将上述频闪频率数据与状态数据上传至云端，通过计算机连接云端对该数据进行标准分析，并对被测试者给出相关建议。
通过传感器获取用户所处环境信息并分析可包括：采用温湿度传感模块读取温湿度数据(同样地，可以通过PM2.5传感器、二氧化碳浓度传感器等多种传感器模块读取多项环境数据)；通过数据分析，对环境舒适度及空气质量做出评价。温湿度环境的监测可结合到上述方法中，也可省略。
上述测量光照强度、频闪频率等光参数的方法，可包括：
101通过设置在被测试者桌前的一个摄像头获取被测试者视频图像；
102对视频图像进行降噪处理及图像灰度化处理，获得处理后的视频图像；
其中，降噪处理采用BM3D(Block-matching and 3D filtering，3维块匹配滤波)算法，通过与相邻图像块进行匹配，将若干相似的块整合为一个三维矩阵，在三维空间进行滤波处理，再将结果反变换融合到二维，形成去噪后的图像。该步骤的详细操作为本领域技术人员所公知，本发明实施例对此不做赘述。
103利用K-means聚类算法对视频图像进行图像分割处理获取人脸图像边缘；
其中，算法的输入为本实施例中经过降噪处理及图像灰度化处理后的视频图像，通过该算法将具有相似特征的样本聚为一类，在视频图像中分割出人脸图像边缘。
104通过边缘计算提取人脸部分图像的面积像素值；
105通过TensorFlow构建神经网络层；
大量训练优化、调整参数以提高精准度的基础上，由人脸部分图像的平均像素值计算得到人脸接收到的光照强度值；
106在一定时间内对人脸部分区域多次生成图像，将每一次生成图像的测量所得到人脸接收到的光照强度值与测量得到的总的平均光照强度值存储在内存中，借助Numpy进行方差计算等数据处理，最后与多次试验取得的标准比较，判定所考察区域(人脸部分图像)的频闪频率是否对人体会产生不良影响。
上述监测被测试者状态的方法，可包括监测疲劳状态与坐姿状态。其中监测疲劳状态的方法包括：
201通过摄像头获取被测试者视频图像；
202通过人脸标记模型完成脸部和眼部特征点定位，通过EAR法计算眼部特征对应的参数，判定被测试者眨眼状态，以此发生频率判断被测试者疲劳状态；
203通过摄像头，通过视线追踪技术，监测用户在看某特定目标时的眼睛运动和注视方向，并进行相关分析，判断被测试者学习状态，是否有发呆走神、注意力不集中的情况；
将上述特征进行融合判断，得出结果。
监测坐姿状态的方法包括：
301通过摄像头，获取人体坐姿图像；
302输入至预先训练得到的人体骨架点识别模型，得到坐姿识别结果；
其中，若持续第一预设时间，人体坐姿的判断结果为不正确，则进行坐姿矫正提醒；若持续第二预设时间获取人体坐姿识别结果均为静坐状态，则进行久坐提醒操作；
将数据上传云端并进行分析给出建议的方法包括：
401通过WI-FI通信模块实现监测数据上传云端；
402利用计算机访问云端对数据进行输出与整合，生成可视化图形；
403被测试者可查看测试环境及自身状态数据；
404可根据被测试者的情况发送建议信息。例如，一段时间内环境的温湿度情况，光强质量，自身状态如何，这些均可通过标准分析生成对使用者的建议。
另外，本实施例还可包括调整步骤，即若用户处于疲劳状态或坐姿不正确，则调整环境光照强度或/和频闪频率。例如调节光源的光照强度和频闪频率，以提醒被测试者，让被测试者休息、振作精神或调整坐姿。
本发明基于机器视觉的学习环境及状态监测装置，包括摄像头、传感器、处理模块、通信模块，摄像头、传感器、通信模块分别与处理模块连接。
摄像头用于获取被测试者视频图像；传感器用于获取环境的温湿度情况；通信模块用以将处理模块中的数据上传至云端。
处理模块用于：对视频图像进行处理，获取处理后的多张视频图像；利用通过机器学习算法得到的视频图像与人脸接收到的光照强度值之间的对应关系，由每张视频图像计算得到人脸接收到的光照强度值；对光照强度值进行数据处理，得到频闪频率，并与标准比较，判定人脸部分图像的频闪频率是否对人体会产生不良影响；对环境光照强度、频闪频率通过构建深层神经网络，产生环境参数理论推测值；对被测试者疲劳状态进行数据采集及判断。
处理模块还可用于调节光源的光照强度和频闪频率，以提醒被测试者，让被测试者休息、振作精神或调整坐姿。
摄像头、传感器、处理模块、通信模块之间的具体运作过程，在前面关于监测方式的描述中已作说明，在此就不再赘述。
Claims (10)
1.一种基于机器视觉的学习环境及状态监测方法，其特征在于，所述方法包括：通过摄像头获取被测试者视频信息；对视频图像进行处理，获取处理后的多张视频图像；利用通过机器学习算法得到的视频图像与人脸接收到的光照强度值之间的对应关系，由每张视频图像计算得到人脸接收到的光照强度值；对光照强度值进行数据处理，得到频闪频率，并与标准比较，判定人脸部分图像的频闪频率是否对人体会产生不良影响；对被测试者状态进行数据采集及判断；将上述光照强度、频闪频率数据与状态数据上传至云端，通过计算机连接云端对该数据进行标准分析，并对被测试者给出相关建议。
2.根据权利要求1中所述的一种基于机器视觉的学习环境及状态监测方法，其特征在于，所述利用通过机器学习算法得到的视频图像与人脸接收到的光照强度值之间的对应关系中，对应关系的获得方式包括：对视频图像进行图像分割处理获取人脸图像边缘；通过边缘计算提取人脸部分图像的面积像素值；构建神经网络层，在大量训练优化、调整参数以提高精准度的基础上，由人脸部分图像的平均像素值计算得到人脸接收到的光照强度值。
3.根据权利要求2中所述的一种基于机器视觉的学习环境及状态监测方法，其特征在于，所述构建神经网络层包括：采集大量“特征-标签”数据，搭建神经网络的网络结构，通过反向传播，优化连线的权重，直到模型的识别准确率达到要求，得到最优的连线权重，保存模型；利用保存的模型，输入新的数据，通过前向传播，输出概率值，其中概率值最大的一个，即是分类或预测的结果。
4.根据权利要求1中所述的一种基于机器视觉的学习环境及状态监测方法，其特征在于，所述对被测试者疲劳状态进行数据采集及判断，包括采集被测试者的眨眼、哈欠、点头和眼动特征判断被测试者疲劳及专注度的情况。
5.根据权利要求1中所述的一种基于机器视觉的学习环境及状态监测方法，其特征在于，所述的将数据上传至云端，通过WI-FI通信模块实现。
6.根据权利要求1中所述的一种基于机器视觉的学习环境及状态监测方法，其特征在于，所述的标准分析及对被测试者提出建议，包括对数据进行整合处理，生成直观简洁的可视化图形，分析被测试者所处环境及自身情况，并给出相关建议。
7.根据权利要求1中所述的一种基于机器视觉的学习环境及状态监测方法，其特征在于，所述对光照强度值进行数据处理，得到频闪频率包括：将每一次生成图像的测量所得到人脸接收到的光照强度值与测量得到的总的平均光照强度值存储在内存中，借助Numpy进行数据处理，得到频闪频率。
8.根据权利要求1中所述的一种基于机器视觉的学习环境及状态监测方法，其特征在于，所述对被测试者状态进行数据采集及判断包括：通过摄像头获取被测试者视频图像；对视频图像进行处理，获取处理后的视频图像；将处理之后的图像输入至预先训练好的模型中得到结果，即判断用户是否处于疲劳状态或坐姿不正确。
9.根据权利要求1中所述的一种基于机器视觉的学习环境及状态监测方法，其特征在于，还包括：若用户处于疲劳状态或坐姿不正确，则调整环境光照强度或/和频闪频率。
10.一种基于机器视觉的学习环境及状态监测装置，其特征在于，包括摄像头、传感器、处理模块、通信模块，摄像头、传感器、通信模块分别与处理模块连接；摄像头用于获取被测试者视频图像；传感器用于获取环境的温湿度情况；通信模块用以将处理模块中的数据上传至云端；处理模块用于：对视频图像进行处理，获取处理后的多张视频图像；利用通过机器学习算法得到的视频图像与人脸接收到的光照强度值之间的对应关系，由每张视频图像计算得到人脸接收到的光照强度值；对光照强度值进行数据处理，得到频闪频率，并与标准比较，判定人脸部分图像的频闪频率是否对人体会产生不良影响；对环境光照强度、频闪频率通过构建深层神经网络，产生环境参数理论推测值；对被测试者疲劳状态进行数据采集及判断。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110505203.6A CN113221728A (zh) | 2021-05-10 | 2021-05-10 | 基于机器视觉的学习环境及状态监测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110505203.6A CN113221728A (zh) | 2021-05-10 | 2021-05-10 | 基于机器视觉的学习环境及状态监测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113221728A true CN113221728A (zh) | 2021-08-06 |
Family
ID=77094204
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110505203.6A Pending CN113221728A (zh) | 2021-05-10 | 2021-05-10 | 基于机器视觉的学习环境及状态监测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113221728A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114359794A (zh) * | 2021-12-23 | 2022-04-15 | 中国科学院自动化研究所 | 学习状态分析方法、电子设备、存储介质以及程序产品 |
| CN118228932A (zh) * | 2024-05-22 | 2024-06-21 | 北京烽火万家科技有限公司 | 一种基于物联网技术的导学个性化辅助系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109977903A (zh) * | 2019-04-03 | 2019-07-05 | 珠海读书郎网络教育有限公司 | 一种智慧课堂学生管理的方法、装置及计算机存储介质 |
| CN110406458A (zh) * | 2019-08-07 | 2019-11-05 | 阳光学院 | 一种汽车安全智能辅助系统及其工作方法 |
| CN110825808A (zh) * | 2019-09-23 | 2020-02-21 | 重庆特斯联智慧科技股份有限公司 | 一种基于边缘计算的分布化人脸数据库系统及其生成方法 |
| CN211739022U (zh) * | 2019-12-09 | 2020-10-23 | 王政 | 一种可以监测光环境的灯 |
| CN111986530A (zh) * | 2019-05-23 | 2020-11-24 | 深圳市希科普股份有限公司 | 一种基于学习状态检测的交互学习系统 |
-
2021
- 2021-05-10 CN CN202110505203.6A patent/CN113221728A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109977903A (zh) * | 2019-04-03 | 2019-07-05 | 珠海读书郎网络教育有限公司 | 一种智慧课堂学生管理的方法、装置及计算机存储介质 |
| CN111986530A (zh) * | 2019-05-23 | 2020-11-24 | 深圳市希科普股份有限公司 | 一种基于学习状态检测的交互学习系统 |
| CN110406458A (zh) * | 2019-08-07 | 2019-11-05 | 阳光学院 | 一种汽车安全智能辅助系统及其工作方法 |
| CN110825808A (zh) * | 2019-09-23 | 2020-02-21 | 重庆特斯联智慧科技股份有限公司 | 一种基于边缘计算的分布化人脸数据库系统及其生成方法 |
| CN211739022U (zh) * | 2019-12-09 | 2020-10-23 | 王政 | 一种可以监测光环境的灯 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114359794A (zh) * | 2021-12-23 | 2022-04-15 | 中国科学院自动化研究所 | 学习状态分析方法、电子设备、存储介质以及程序产品 |
| CN118228932A (zh) * | 2024-05-22 | 2024-06-21 | 北京烽火万家科技有限公司 | 一种基于物联网技术的导学个性化辅助系统 |
| CN118228932B (zh) * | 2024-05-22 | 2024-08-16 | 北京烽火万家科技有限公司 | 一种基于物联网技术的导学个性化辅助系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109157186A (zh) | 无人化自助视力监测仪 | |
| CN105516280B (zh) | 一种多模态学习过程状态信息压缩记录方法 | |
| CN111046823A (zh) | 基于课堂视频的学生课堂参与度分析系统 | |
| CN111887867A (zh) | 基于表情识别与心理学测试生成性格的分析方法及系统 | |
| CN104123543B (zh) | 一种基于人脸识别的眼球运动识别方法 | |
| KR20190030151A (ko) | 영상 분석 방법, 장치 및 컴퓨터 프로그램 | |
| CN111507592B (zh) | 一种面向服刑人员的主动改造行为的评估方法 | |
| CN105243386A (zh) | 人脸活体判断方法以及系统 | |
| CN113221728A (zh) | 基于机器视觉的学习环境及状态监测方法及装置 | |
| CN111523445B (zh) | 一种基于改进的Openpose模型和面部微表情的考试行为检测方法 | |
| CN110148092B (zh) | 基于机器视觉的青少年坐姿及情绪状态的分析方法 | |
| CN110598608A (zh) | 非接触式与接触式协同的心理生理状态智能监测系统 | |
| CN106725531B (zh) | 基于视线的儿童专注力测试分析系统和方法 | |
| WO2021248815A1 (zh) | 一种高精度的儿童坐姿检测与矫正方法及装置 | |
| CN112472089A (zh) | 一种基于眼动技术判断心理测试可靠性的系统及方法 | |
| CN114209324A (zh) | 基于图像视觉认知的心理测评数据获取方法及vr系统 | |
| KR102174345B1 (ko) | 몰입도 측정장치 및 방법 | |
| CN115607153B (zh) | 一种基于眼动追踪的心理量表回答质量评估系统及方法 | |
| CN111814718A (zh) | 一种融合多种判别技术的注意力检测方法 | |
| CN115937928A (zh) | 基于多视觉特征融合的学习状态监测方法及系统 | |
| Szankin et al. | Long distance vital signs monitoring with person identification for smart home solutions | |
| CN113255462A (zh) | 步态评分方法、系统、计算机程序产品及可读存储介质 | |
| Sengupta et al. | Driver sleep detection: A new and accurate approach | |
| CN114550918A (zh) | 一种基于绘画特征数据的心理障碍测评方法及系统 | |
| CN111209860B (zh) | 基于深度学习与强化学习的视频考勤系统及方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210806 |