CN113221798A - 一种基于网络课堂学员积极度评价系统 - Google Patents

一种基于网络课堂学员积极度评价系统 Download PDF

Info

Publication number
CN113221798A
CN113221798A CN202110565999.4A CN202110565999A CN113221798A CN 113221798 A CN113221798 A CN 113221798A CN 202110565999 A CN202110565999 A CN 202110565999A CN 113221798 A CN113221798 A CN 113221798A
Authority
CN
China
Prior art keywords
image
video
unit
eyeball
student
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
Application number
CN202110565999.4A
Other languages
English (en)
Inventor
陈军
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.)
Nanjing Plaso Network Technology Co ltd
Original Assignee
Nanjing Plaso Network Technology Co ltd
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 Nanjing Plaso Network Technology Co ltd filed Critical Nanjing Plaso Network Technology Co ltd
Priority to CN202110565999.4A priority Critical patent/CN113221798A/zh
Publication of CN113221798A publication Critical patent/CN113221798A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
    • 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

Abstract

本发明公开了一种基于网络课堂学员积极度评价系统，包括对学员进行摄像的摄像模块以及将实时视频上传到数据处理模块中的视频流媒体传输模块；数据处理模块包括视频储存单元、图像提取单元、图像预处理单元、人脸边界定位单元、人脸图像裁剪模块、二值化处理单元、眼球定位测量单元、统计比对单元。本发明中，在学员学习过程中对学员进行全程视频摄影，并通过流媒体技术将实时视频上传至数据处理模块，数据处理模块按设定时间间隔提取图像，标定该图像中两个眼球位置并测量两个眼球之间的距离，并统计该眼球距离，得出眼球合理值范围，并将低于该合理值范围的眼球距离数据标记为不正常，当不正常的数据的次数既能体现学员学习的积极度。

Description

一种基于网络课堂学员积极度评价系统
技术领域
本发明涉及一种基于网络课堂学员积极度评价系统。
背景技术
随着我国教育信息化的推进，网络课堂教学发展迅猛，但网络课堂所采用的技术工具未得到有效涉及，因此本应为课堂现状带来显著改变的技术还未能激发网络课堂的巨大潜能。
网络课堂相较于线下课堂不仅可以根据需求挑选自己喜欢的老师，课程可以多次循环播放，另外相对利用时间也比较方便。
但是，网络课堂也存在有一定的劣势，比如学习质量较差，而学习质量在某些阶段性教育中又显得格外重要。
发明内容
本发明的目的在于提出一种能够有效提高网络课堂学习质量的系统。
为解决上述问题，本发明提供了一种基于网络课堂学员积极度评价系统，包括通过学员客户端上的摄像机以固定的角度对学员进行摄像的摄像模块以及通过流媒体将实时视频上传到数据处理模块中的视频流媒体传输模块；所述数据处理模块包括：
视频储存单元，用于视频的储存；
图像提取单元，按设定时间至少从所述视频储存单元中提取至少一帧图像；
图像预处理单元，对提取的图像进行预处理以获得预处理图像I，预处理包括灰度化处理以及归一化处理；
人脸边界定位单元，根据预处理图像I建立垂直灰度积分投影曲线，在垂直灰度积分投影曲线中获得连续上升中最小函数值的上升点n1，以及连续下降中最小函数值的下降点n2；
人脸图像裁剪模块，将所述上升点n1作为人脸图像的左边界，将所述下降点n2作为人脸识别的右边界进行裁剪，获得裁剪后的人脸图像；
二值化处理单元，对所述裁剪后的人脸图像进行二值化处理，获得二值化图像；
眼球定位测量单元，自左向右或者自右向左对所述二值化图像进行扫描，将连续阈值范围内RGB值为0的像素点定义为眼球像素点，取同一范围内眼球像素点的中间点位置，计算两个眼球像素点的连线长度L；
统计比对单元，统计所述连线长度L的数值，并将低于连线长度L的数值设定范围内的数据标记为不正常数据，统计所述不正常数据的数量。
作为本发明的进一步改进，所述人脸边界定位单元将预处理图像I[x,y]在图像M×N上的垂直灰度积分投影曲线函数定义为
Figure 485226DEST_PATH_IMAGE001
，并使用M×D的图像块在预处理图像I[x,y]移动以计算垂直灰度积分投影曲线函数的数值，其计算公式为
Figure DEST_PATH_IMAGE002
，其中M为所述预处理图像I的高度，N和D均为所述预处理图像的宽度，所述D值取5。
作为本发明的进一步改进，所述眼球定位测量单元对所述二值化图像进行扫描时，当某像素点相邻RGB值为0的像素点超过设定个数时，将该像素点的相邻像素点的RGB值都设定为0。
作为本发明的进一步改进，所述眼球定位测量单元测量所述眼球的高度数值H，所述统计比对单元统计所述高度数值H，并将低于高度数值H设定范围内的数据标记为不正常数据，统计所述不正常数据的数量。
作为本发明的进一步改进，所述视频储存单元包括：
视频分割子单元，用于将接收到的视频按照设定时间分割成若干视频段；
视频缓存子单元，用于储存所述视频段，并按照时间顺序予以标记，所述图像提取单元按时间顺序标记提取最早被保存的所述视频段，所述视频段被提取后所述视频缓存子单元将其删除。
本发明的有益效果在于，本发明中，在学员学习过程中对学员进行全程视频摄影，并通过流媒体技术将实时视频上传至数据处理模块，数据处理模块按设定时间间隔提取图像，标定该图像中两个眼球位置并测量两个眼球之间的距离，并统计该眼球距离，得出眼球合理值范围，并将低于该合理值范围的眼球距离数据标记为不正常，当不正常的数据的次数既能体现学员学习的积极度。
附图说明
图1是本发明流程图。
图2是本发明预处理图像I[x,y]垂直灰度积分投影曲线图。
图中：200-摄像模块；400-视频流媒体传输模块；600-数据处理模块；610-视频储存单元；611-视频分割子单元；612-视频缓存子单元；620-图像提取单元；630-图像预处理单元；640-人脸边界定位单元；650-人脸图像裁剪模块；660-二值化处理单元；670-眼球定位测量单元；680-统计比对单元。
具体实施方式
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
如图1和2所示，本发明包括通过学员客户端上的摄像机以固定的角度对学员进行摄像的摄像模块200以及通过流媒体将实时视频上传到数据处理模块600中的视频流媒体传输模块400；其特征在于，所述数据处理模块600包括：
视频储存单元610，用于视频的储存；
图像提取单元620，按设定时间至少从所述视频储存单元610中提取至少一帧图像；
图像预处理单元630，对提取的所述图像进行预处理以获得预处理图像I，所述预处理包括灰度化处理以及归一化处理；
人脸边界定位单元640，其根据预处理图像I建立垂直灰度积分投影曲线，在该垂直灰度积分投影曲线中获得连续上升中最小函数值的上升点n1，以及连续下降中最小函数值的下降点n2；
人脸图像裁剪模块650，将上述上升点n1作为人脸图像的左边界，将上述下降点n2作为人脸识别的右边界进行裁剪，获得裁剪后的人脸图像；
二值化处理单元660，对所述裁剪后的人脸图像进行二值化处理，获得二值化图像；
眼球定位测量单元670，自左向右或者自右向左对上述二值化图像进行扫描，将连续阈值范围内RGB值为0的像素点定义为眼球像素点，取同一范围内眼球像素点的中间点位置，计算两个眼球像素点的连线长度L；
统计比对单元680，统计上述连线长度L的数值，并将低于该数值设定范围内的数据标记为不正常数据，统计上述不正常数据的数量。
作为本发明的进一步改进，所述人脸边界定位单元640将所述预处理图像I[x,y]在图像M×N上的垂直灰度积分投影曲线函数定义为
Figure 440544DEST_PATH_IMAGE003
，并使用M×D的图像块在预处理图像I[x,y]移动以计算该垂直灰度积分投影曲线函数的数值，其计算公式为
Figure DEST_PATH_IMAGE004
，其中M为所述预处理图像I的高度，N和D均为所述预处理图像的宽度，所述D值取5。
作为本发明的进一步改进，所述眼球定位测量单元670对所述二值化图像进行扫描时，当某像素点相邻RGB值为0的像素点超过设定个数时，将该像素点的相邻像素点的RGB值都设定为0。
作为本发明的进一步改进，所述眼球定位测量单元670还能够测量所述眼球的高度数值H，所述统计比对单元680能够统计上述高度数值H，并将低于该数值设定范围内的数据标记为不正常数据，统计上述不正常数据的数量。
作为本发明的进一步改进，所述视频储存单元610包括：
视频分割子单元611，其用于将接受到的视频按照设定时间分割成若干视频段；
视频缓存子单元612，用于储存所述视频段，并按照时间顺序予以标记，所述图像提取单元620按时间顺序标记提取最早被保存的所述视频段，该视频段被提取后所述视频缓存子单元612将其删除。
本发明的具体原理如下：
（1）摄影模块对学员进行实时摄像，获得视频；
（2）视频流媒体传输模块400将上述视频通过流媒体传输至视频储存单元610的视频分割子单元611中；
（3）视频分割子单元611将上述视频按照设定时长分割成视频段；
（4）视频缓存子单元612接收视频分割子单元611传输的视频段，并根据时间顺序进行标记，在供给图像提取单元620时优先供给保存在先的视频段，并在图像提取单元620完成图像提取后删除该视频段；
（5）图像提取单元620在视频段中提取若干帧图像；
（6）图像预处理单元630对上述图像进行灰度化处理和归一化处理，获得人脸的预处理图像I[x,y]，该预处理图像I[x,y]为8位灰度图像；
（7）人脸边界定位单元640将预处理图像I[x,y]在图像M×N上的垂直灰度积分投影曲线函数定义为
Figure 607214DEST_PATH_IMAGE005
，该投影曲线如图2所示，其具有一定宽度的凸峰，该凸峰左右边界即为人脸的左右边界，此时使用M×D的图像块在预处理图像I[x,y]移动以计算该垂直灰度积分投影曲线函数的数值，其计算公式为
Figure DEST_PATH_IMAGE006
，其中M为所述预处理图像I的高度，N和D均为所述预处理图像的宽度，所述D值取5，获得连续上升中最小函数值的上升点n1，以及连续下降中最小函数值的下降点n2；
（7）人脸图像裁剪模块650沿上述上升点n1和下降点n2分别所在竖直线对图像进行裁剪获得裁剪后的人脸图像；
（8）二值化处理单元660对裁剪后的人脸图像进行二值化处理，获得二值化图像，在该二值化图像中，人脸所在大部分区域像素点的RGB值为255，眼球、眉毛等特征像素点的RGB值为0；
（9）眼球定位测量单元670自左向右对上述二值化图像进行扫描，将连续阈值范围内RGB值为0的像素点定义为眼球像素点（因为眼球大致为一个球形，其区域面积有异于其他面部特征），取同一范围内眼球像素点的中间点位置，计算两个眼球像素点的连线长度L，另外为了确保眼球像素面积的精确性，在眼球定位测量单元670进行扫描时，当某像素点相邻RGB值为0的像素点超过设定个数时，将该像素点的相邻像素点的RGB值都设定为0，从而获得更加精确的眼球像素；
（10）眼球定位测量单元670还可以对还能够测量所述眼球的高度数值H；
（11）统计比对单元680能够统计两个眼球像素点的连线长度L和/或眼球高度数值H，并将低于该数值设定范围内的数据标记为不正常数据，统计上述不正常数据的数量，该数量用于评价学员学习的积极度，主要是因为，当学员眼球离开网课界面转向其他地方时，其眼球连线相对于正面面对网课方向时的连线数值要小（摄像模块200最好正向面对学员），同理，当学员疲劳时眼球的上下高度也会小于眼球正常时的高度值。
以上结合具体实施例描述了本发明的技术原理。这些描述只是为了解释本发明的原理，而不能以任何方式解释为对本发明保护范围的限制。基于此处的解释，本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式，这些方式都将落入本发明的保护范围之内。

Claims (5)

1.一种基于网络课堂学员积极度评价系统，包括通过学员客户端上的摄像机以固定的角度对学员进行摄像的摄像模块（200）以及通过流媒体将实时视频上传到数据处理模块（600）中的视频流媒体传输模块（400）；其特征在于，所述数据处理模块（600）包括：
视频储存单元（610），用于视频的储存；
图像提取单元（620），按设定时间至少从所述视频储存单元（610）中提取至少一帧图像；
图像预处理单元（630），对提取的图像进行预处理以获得预处理图像I，预处理包括灰度化处理以及归一化处理；
人脸边界定位单元（640），根据预处理图像I建立垂直灰度积分投影曲线，在垂直灰度积分投影曲线中获得连续上升中最小函数值的上升点n1，以及连续下降中最小函数值的下降点n2；
人脸图像裁剪模块（650），将所述上升点n1作为人脸图像的左边界，将所述下降点n2作为人脸识别的右边界进行裁剪，获得裁剪后的人脸图像；
二值化处理单元（660），对所述裁剪后的人脸图像进行二值化处理，获得二值化图像；
眼球定位测量单元（670），自左向右或者自右向左对所述二值化图像进行扫描，将连续阈值范围内RGB值为0的像素点定义为眼球像素点，取同一范围内眼球像素点的中间点位置，计算两个眼球像素点的连线长度L；
统计比对单元（680），统计所述连线长度L的数值，并将低于连线长度L的数值设定范围内的数据标记为不正常数据，统计所述不正常数据的数量。
2.根据权利要求1所述的一种基于网络课堂学员积极度评价系统，其特征在于，所述人脸边界定位单元（640）将预处理图像I[x,y]在图像M×N上的垂直灰度积分投影曲线函数定义为
Figure 626609DEST_PATH_IMAGE001
，并使用M×D的图像块在预处理图像I[x,y]移动以计算垂直灰度积分投影曲线函数的数值，其计算公式为
Figure 937505DEST_PATH_IMAGE002
，其中M为所述预处理图像I的高度，N和D均为所述预处理图像的宽度，所述D值取5。
3.根据权利要求2所述的一种基于网络课堂学员积极度评价系统，其特征在于，所述眼球定位测量单元（670）对所述二值化图像进行扫描时，当某像素点相邻RGB值为0的像素点超过设定个数时，将该像素点的相邻像素点的RGB值都设定为0。
4.根据权利要求3所述的一种基于网络课堂学员积极度评价系统，其特征在于，所述眼球定位测量单元（670）测量所述眼球的高度数值H，所述统计比对单元（680）统计所述高度数值H，并将低于高度数值H设定范围内的数据标记为不正常数据，统计所述不正常数据的数量。
5.根据权利要求4所述的一种基于网络课堂学员积极度评价系统，其特征在于，所述视频储存单元（610）包括：
视频分割子单元（611），用于将接收到的视频按照设定时间分割成若干视频段；
视频缓存子单元（612），用于储存所述视频段，并按照时间顺序予以标记，所述图像提取单元（620）按时间顺序标记提取最早被保存的所述视频段，所述视频段被提取后所述视频缓存子单元（612）将其删除。
CN202110565999.4A 2021-05-24 2021-05-24 一种基于网络课堂学员积极度评价系统 Pending CN113221798A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110565999.4A CN113221798A (zh) 2021-05-24 2021-05-24 一种基于网络课堂学员积极度评价系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110565999.4A CN113221798A (zh) 2021-05-24 2021-05-24 一种基于网络课堂学员积极度评价系统

Publications (1)

Publication Number Publication Date
CN113221798A true CN113221798A (zh) 2021-08-06

Family

ID=77099350

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110565999.4A Pending CN113221798A (zh) 2021-05-24 2021-05-24 一种基于网络课堂学员积极度评价系统

Country Status (1)

Country Link
CN (1) CN113221798A (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105354986A (zh) * 2015-11-12 2016-02-24 熊强 汽车司机驾驶状态监测系统及方法
CN106339676A (zh) * 2016-08-22 2017-01-18 湖南联信科技有限公司 一种人脸认证及人脸识别方法
CN106778676A (zh) * 2016-12-31 2017-05-31 中南大学 一种基于人脸识别及图像处理的注意力评估方法
CN108256391A (zh) * 2016-12-29 2018-07-06 广州映博智能科技有限公司 一种基于投影积分和边缘检测的瞳孔区域定位方法
CN108256379A (zh) * 2016-12-29 2018-07-06 广州映博智能科技有限公司 一种基于瞳孔定位的眼睛姿势识别方法
CN109446880A (zh) * 2018-09-05 2019-03-08 广州维纳斯家居股份有限公司 智能用户参与度评价方法、装置、智能升降桌及存储介质
CN110533971A (zh) * 2019-07-19 2019-12-03 山东至信信息科技有限公司 一种深入互动的智能教学系统
CN112287891A (zh) * 2020-11-23 2021-01-29 福州大学 基于表情及行为特征提取的通过视频评估学习专注力的方法
CN112329631A (zh) * 2020-11-05 2021-02-05 浙江点辰航空科技有限公司 一种使用无人机对高速公路进行车流量统计的方法
CN112654546A (zh) * 2020-04-30 2021-04-13 华为技术有限公司 用户感兴趣对象的识别方法以及识别装置

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105354986A (zh) * 2015-11-12 2016-02-24 熊强 汽车司机驾驶状态监测系统及方法
CN106339676A (zh) * 2016-08-22 2017-01-18 湖南联信科技有限公司 一种人脸认证及人脸识别方法
CN108256391A (zh) * 2016-12-29 2018-07-06 广州映博智能科技有限公司 一种基于投影积分和边缘检测的瞳孔区域定位方法
CN108256379A (zh) * 2016-12-29 2018-07-06 广州映博智能科技有限公司 一种基于瞳孔定位的眼睛姿势识别方法
CN106778676A (zh) * 2016-12-31 2017-05-31 中南大学 一种基于人脸识别及图像处理的注意力评估方法
CN109446880A (zh) * 2018-09-05 2019-03-08 广州维纳斯家居股份有限公司 智能用户参与度评价方法、装置、智能升降桌及存储介质
CN110533971A (zh) * 2019-07-19 2019-12-03 山东至信信息科技有限公司 一种深入互动的智能教学系统
CN112654546A (zh) * 2020-04-30 2021-04-13 华为技术有限公司 用户感兴趣对象的识别方法以及识别装置
CN112329631A (zh) * 2020-11-05 2021-02-05 浙江点辰航空科技有限公司 一种使用无人机对高速公路进行车流量统计的方法
CN112287891A (zh) * 2020-11-23 2021-01-29 福州大学 基于表情及行为特征提取的通过视频评估学习专注力的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
马燕，李顺宝: "《二维及三维人脸识别技术》", 31 August 2007 *

Similar Documents

Publication Publication Date Title
KR102596897B1 (ko) 모션벡터 및 특징벡터 기반 위조 얼굴 검출 방법 및 장치
CN109034036B (zh) 一种视频分析方法、教学质量评估方法及系统、计算机可读存储介质
Wong et al. Patch-based probabilistic image quality assessment for face selection and improved video-based face recognition
CN107123122B (zh) 无参考图像质量评价方法及装置
US7848548B1 (en) Method and system for robust demographic classification using pose independent model from sequence of face images
CN108564066B (zh) 一种人物识别模型训练方法以及人物识别方法
US8948533B2 (en) Increased quality of image objects based on depth in scene
CN112149761B (zh) 一种基于YOLOv4改进算法的电力智慧工地违规行为检测方法
CN105787522B (zh) 基于手写笔迹的书写态度评价方法及系统
CN105389554A (zh) 基于人脸识别的活体判别方法和设备
CN105389553A (zh) 一种活体检测方法和装置
CN113762107B (zh) 对象状态评估方法、装置、电子设备及可读存储介质
CN109559362B (zh) 一种图像主体脸部替换方法及装置
CN110543848B (zh) 一种基于三维卷积神经网络的驾驶员动作识别方法及装置
CN113111690B (zh) 一种人脸表情分析方法和系统及满意度分析方法和系统
TW202009871A (zh) 影像追蹤方法
CN111339811B (zh) 图像处理方法、装置、设备及存储介质
EP3819823A3 (en) Object detection method and apparatus, computer system, and readable storage medium
CN105678301B (zh) 一种自动识别并分割文本图像的方法、系统及装置
JP7421149B2 (ja) 広告閲覧情報出力方法及び広告閲覧情報出力プログラム、並びに情報処理装置
CN112528939A (zh) 一种人脸图像的质量评价方法及装置
Li et al. CG-DIQA: No-reference document image quality assessment based on character gradient
CN107368817B (zh) 人脸识别方法和装置
US20170358273A1 (en) Systems and methods for resolution adjustment of streamed video imaging
CN109345427B (zh) 一种结合人脸识别和行人识别技术的教室视频点到方法

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