CN116844206A - 学生电脑的监控方法、装置、设备及存储介质 - Google Patents

学生电脑的监控方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN116844206A
CN116844206A CN202310788542.9A CN202310788542A CN116844206A CN 116844206 A CN116844206 A CN 116844206A CN 202310788542 A CN202310788542 A CN 202310788542A CN 116844206 A CN116844206 A CN 116844206A
Authority
CN
China
Prior art keywords
target
student
monitoring
determining
learning task
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
CN202310788542.9A
Other languages
English (en)
Inventor
林胜超
黄斌
汪礼明
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.)
Shenzhen Zhuo Chuang Intelligent Technology Co ltd
Original Assignee
Shenzhen Zhuo Chuang Intelligent 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 Shenzhen Zhuo Chuang Intelligent Technology Co ltd filed Critical Shenzhen Zhuo Chuang Intelligent Technology Co ltd
Priority to CN202310788542.9A priority Critical patent/CN116844206A/zh
Publication of CN116844206A publication Critical patent/CN116844206A/zh
Pending legal-status Critical Current

Links

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
    • G06V40/10—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
    • G06V40/174—Facial expression recognition
    • 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
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of 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
    • G06V20/50—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
    • G06V40/18—Eye characteristics, e.g. of the iris
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Human Computer Interaction (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Educational Technology (AREA)
  • Operations Research (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Quality & Reliability (AREA)
  • Ophthalmology & Optometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Game Theory and Decision Science (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于互联网在线教育技术领域，公开了一种学生电脑的监控方法、装置、设备及存储介质。该方法包括：确定目标学生的学习任务；若所述学习任务为观看网课，则在所述目标学生开启所述学习任务之后，实时采集所述目标学生的监测图像；确定目标监测图像中第一监测图像的占比率；将所述目标监测图像中的第二监测图像输入至目标表情识别图像中，得到所述第二监测图像对应的识别表情；基于所述占比率以及所述识别表情的表情权重，确定所述目标学生的专注情况，并将所述专注情况发送至目标终端，以完成对所述目标学生的监控。通过上述方式，能够实时监控学生的学习情况。

Description

学生电脑的监控方法、装置、设备及存储介质
技术领域
本发明涉及互联网在线教育技术领域，尤其涉及一种学生电脑的监控方法、装置、设备及存储介质。
背景技术
近年来，随着宽带互联网不断在普通家庭和教育机构中普及，教与学可以不受时间、空间和地点条件的限制，知识获取渠道灵活与多样化；在线教育的模式通过把线下学习模式下的课表、教材加以电子化，视频化，搬上互联网，提高了学习的便利性；然而线上教育的学习过程是难以监督的，对于自主性不强的学生来说，在缺乏监督的情况下，学习的专注度不够，会对学习成绩有较大的影响。但是人工监控学生的学习情况是费时费力的。
发明内容
本发明的主要目的在于提供一种学生电脑的监控方法、装置、设备及存储介质，旨在解决现有技术中人工监控学生的学习情况是费时费力的技术问题。
为实现上述目的，本发明提供了一种学生电脑的监控方法，所述方法包括以下步骤：
确定目标学生的学习任务，其中，所述学习任务包括观看网课视频和课后测试；
若所述学习任务为观看网课，则在所述目标学生开启所述学习任务之后，实时采集所述目标学生的监测图像；
确定目标监测图像中第一监测图像的占比率，其中，所述目标监测图像为在所述学习任务的生命周期内采集到的所有监测图像，所述第一监测图像为未检测到人脸的监测图像；
将所述目标监测图像中的第二监测图像输入至目标表情识别模型中，得到所述第二监测图像对应的识别表情，其中，所述第二监测图像为检测到人脸的监测图像；
基于所述占比率以及所述识别表情的表情权重，确定所述目标学生的专注情况，并将所述专注情况发送至目标终端，以完成对所述目标学生的监控。
可选地，所述专注情况包括高度专注、中度专注以及低度专注；其中，
所述基于所述占比率以及所述识别表情的表情权重，确定所述目标学生的专注情况，包括：
判断所述占比率是否大于预设值；
在判定所述占比率大于所述预设值时，确定所述目标学生的专注情况为低度专注；
在判定所述占比率不大于所述预设值时，根据预设表情权重表确定所述识别表情的表情权重，并基于所述第二监测图像以及所述表情权重，确定所述目标学生的专注分数；
在所述专注分数处于第一范围内时，确定所述目标学生的专注情况为高度专注；
在所述专注分数处于第二范围内时，确定所述目标学生的专注情况为中度专注；
在所述专注分数处于第三范围内时，确定所述目标学生的专注情况为低度专注。
可选地，所述学生电脑的监控方法，还包括：
若所述学习任务为观看网课视频，则在所述学习任务的生命周期内，计算所述目标学生输入的进度条拖动指令的次数；
判断所述次数是否大于预设次数；
若判定所述次数大于所述预设次数，则认定所述目标学生未完成所述学习任务；
若判定所述次数不大于所述预设次数，则确定所述目标学生的进度条总拖动时长，并在判定所述进度条总拖动时长大于第一预设时长时，认定所述目标学生未完成所述学习任务；
在认定所述目标学生未完成所述学习任务时，将所述目标学生的未完成情况发送至目标终端。
可选地，所述学生电脑的监控方法，还包括：
若所述学习任务为课后测试，则在所述学习任务的生命周期内，实时监听所述目标学生是否切出所述课后测试的显示界面；
在监听到所述目标学生切出所述课后测试的显示界面时，认定所述目标学生的课后测试无效，并将所述课后测试无效发送至目标终端。
可选地，所述学生电脑的监控方法，还包括：
获取所述目标学生的课后测试成绩；
判断所述课后测试成绩是否与所述目标学生的专注情况相匹配；
若判定所述课后测试成绩与所述目标学生的专注情况不匹配，则通知所述目标终端。
可选地，所述学生电脑的监控方法，还包括：
在监测到所述目标学生的连续屏幕使用时长大于第二预设时长时，采集所述目标学生的眼部图像；
判断所述眼部图像中眼睛是否出现红血丝/或黄斑；
若判定所述眼部图像中眼睛出现红血丝/或黄斑，则认定所述目标学生处于疲劳状态；
若判定所述眼部图像中眼睛未出现血丝/或黄斑，则确定所述眼部图像中目标眼部图像的数量，其中，目标眼部图像包括第一眼部图像和第二眼部图像，所述第一眼部图像中眼部位置出现覆盖物，所述第二眼部图像中眼睛处于预闭合状态/或闭合状态；
根据所述目标眼部图像的数量判断所述目标学生是否处于疲劳状态；
在判定所述目标学生处于疲劳状态之后，提醒所述目标学生适当用眼，并记录下所述目标学生的当前学习任务完成情况。
可选地，所述学生电脑的监控方法，还包括：
将所述目标监测图像中的第二监测图像输入至目标坐姿识别图像中，得到所述第二监测图像对应的识别坐姿；
判断所述识别坐姿是否属于不良坐姿；
在判定所述识别坐姿属于不良坐姿时，提醒所述目标学生调整坐姿。
此外，为实现上述目的，本发明还提出一种学生电脑的监控装置，所述学生电脑的监控装置包括：
此外，为实现上述目的，本发明还提出一种学生电脑的监控设备，所述学生电脑的监控设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的学生电脑的监控程序，所述学生电脑的监控程序配置为实现如上文所述的学生电脑的监控方法的步骤。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有学生电脑的监控程序，所述学生电脑的监控程序被处理器执行时实现如上文所述的学生电脑的监控方法的步骤。
本发明提出的学生电脑的监控方法、装置、设备及存储介质，通过确定目标学生的学习任务，其中，所述学习任务包括观看网课视频和课后测试；若所述学习任务为观看网课，则在所述目标学生开启所述学习任务之后，实时采集所述目标学生的监测图像；确定目标监测图像中第一监测图像的占比率，其中，所述目标监测图像为在所述学习任务的生命周期内采集到的所有监测图像，所述第一监测图像为未检测到人脸的监测图像；将所述目标监测图像中的第二监测图像输入至目标表情识别模型中，得到所述第二监测图像对应的识别表情，其中，所述第二监测图像为检测到人脸的监测图像；基于所述占比率以及所述识别表情的表情权重，确定所述目标学生的专注情况，并将所述专注情况发送至目标终端，以完成对所述目标学生的监控。通过上述方式，学生开启学习任务之后，能够实时采集监测图像，并识别出所有监测图像中的人脸表情，再根据识别到的人脸表情以及占比率来确定学生在课堂上的专注情况，从而实现对学生在课堂上的学习情况的监控。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的学生电脑的监控设备的结构示意图；
图2为本发明学生电脑的监控方法第一实施例的流程示意图；
图3为本发明学生电脑的监控方法第二实施例的流程示意图；
图4为本发明学生电脑的监控方法第三实施例的流程示意图；
图5为本发明学生电脑的监控方法第四实施例的流程示意图；
图6为本发明屏幕亮度的智能调节方法第四实施例中的眼部状态图；
图7为本发明学生电脑的监控装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的学生电脑的监控设备结构示意图。
如图1所示，该学生电脑的监控设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity，Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)存储器，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对学生电脑的监控设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及学生电脑的监控程序。
在图1所示的学生电脑的监控设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明学生电脑的监控设备中的处理器1001、存储器1005可以设置在学生电脑的监控设备中，所述学生电脑的监控设备通过处理器1001调用存储器1005中存储的学生电脑的监控程序，并执行本发明实施例提供的学生电脑的监控方法。
基于上述硬件结构，提出本发明学生电脑的监控方法实施例。
参照图2，图2为本发明一种学生电脑的监控方法第一实施例的流程示意图。
本实施例中，所述学生电脑的监控方法包括以下步骤：
步骤S10：确定目标学生的学习任务，其中，所述学习任务包括观看网课视频和课后测试。
需要说明的是，本实施例的执行主体可以是一种具有数据处理、网络通信以及程序运行功能的计算服务设备，例如手机、平板电脑、个人电脑等，或者是一种能够实现上述功能的电子设备或学生电脑的监控设备。以下以所述学生电脑的监控设备为例，对本实施例及下述各实施例进行说明。
步骤S20：若所述学习任务为观看网课，则在所述目标学生开启所述学习任务之后，实时采集所述目标学生的监测图像。
步骤S30：确定目标监测图像中第一监测图像的占比率，其中，所述目标监测图像为在所述学习任务的生命周期内采集到的所有监测图像，所述第一监测图像为未检测到人脸的监测图像。
可以理解的是，当目标监测图像中第一监测图像的占比率过高时，说明目标学生在进行学习任务的过程中，经常离开学习电脑的桌前，使得学习电脑上的摄像头采集到的监测图像中有很多图像都未检测到人脸，故可以通过确定目标监测图像中第一监测图像的占比率来对学生的专注情况进行评估。
步骤S40：将所述目标监测图像中的第二监测图像输入至目标表情识别模型中，得到所述第二监测图像对应的识别表情，其中，所述第二监测图像为检测到人脸的监测图像。
需要说明的是，在课堂中，学生的微表情是学生的自发反应，当学生对网课内容感兴趣时，学生的面部表情会很专注，当学生对网课内容不感兴趣时，面部会出现眉头紧皱以及目光飘忽不定导致无法专注，所以学生的面部表情往往可以反应学生在课堂中的专注情况。
需要说明的是，目标表情识别模型是训练好的表情识别模型，能够识别出监测图像中的人脸表情即识别表情。
需要说明的是，目标表情识别模型采用的是改进EfficientNet网络结构，改进EfficientNet网络结构为对输入图像使用全局平均池化做压缩操作，然后再使用两个全连接层和ReLU激活函数做激励操作建立网络通道之间的联系，其中，压缩和激励操作如下所示：
S＝σ(K2ReLU(K1z))
式中，zc表示全局平均池化的结果，u表示特征通道，C为u的通道数，HxW为u的空间维度，S表示激励操作的结果，z表示经过平均池化后得到的数值的结合，K1和K2为两个全连接层的权值矩阵，σ为Sigmoid函数，将权重参数归一化到[0，1]，最后再将权重参数sc乘以特征通道uc完成各个通道重要度等级的计算，如下所示：
xc＝Fscale(uc，sc)＝sc·uc
式中，xc表示通道重要度等级。
步骤S50：基于所述占比率以及所述识别表情的表情权重，确定所述目标学生的专注情况，并将所述专注情况发送至目标终端，以完成对所述目标学生的监控。
需要说明的是，目标终端可以是家长终端，也可以是老师终端。
可以理解的是，结合占比率和表情权重能够更加精准地确定学生的专注情况。
可以理解的是，目标终端可以根据学生的专注情况来了解学生在学习时的状态，当学生状态不佳时可以及时向学生了解情况，防止学生因学习专注度不够而影响学习成绩。
在一实施例中，所述专注情况包括高度专注、中度专注以及低度专注；其中，
所述基于所述占比率以及所述识别表情的表情权重，确定所述目标学生的专注情况，包括：
判断所述占比率是否大于预设值；
在判定所述占比率大于所述预设值时，确定所述目标学生的专注情况为低度专注；
在判定所述占比率不大于所述预设值时，根据预设表情权重表确定所述识别表情的表情权重，并基于所述第二监测图像以及所述表情权重，确定所述目标学生的专注分数；
在所述专注分数处于第一范围内时，确定所述目标学生的专注情况为高度专注；
在所述专注分数处于第二范围内时，确定所述目标学生的专注情况为中度专注；
在所述专注分数处于第三范围内时，确定所述目标学生的专注情况为低度专注。
需要说明的是，当占比率大于预设值时，说明学生在学习时经常离开学习电脑，导致学习电脑上的摄像头采集到的很多监测图像中未出现人脸，这个时候可以认为学生在学习时是非常不专注的。
需要说明的是，预设表情权重表中说明了识别表情以及识别表情对应的表情权重，预设表情权重表是提前进行设定的，可以直接根据预设表情权重表来确定每一个识别表情的表情权重。
可以理解的是，不同的识别表情代表不同的专注度，故需要设定每个识别表情的表情权重。
在具体实现中，可将所有第二监测图像对应的表情权重相加，来得到目标学生的专注分数。
需要说明的是，专注分数越高，说明学生越专注；高度专注指的是学生在学习时非常专注认真，中度专注指的是学生在学习时一般专注，低度专注指的是学生在学习时不认真。
在一实施例中，所述学生电脑的监控方法，还包括：
将所述目标监测图像中的第二监测图像输入至目标坐姿识别图像中，得到所述第二监测图像对应的识别坐姿；
判断所述识别坐姿是否属于不良坐姿；
在判定所述识别坐姿属于不良坐姿时，提醒所述目标学生调整坐姿。
需要说明的是，不良坐姿包括驼背、离屏幕近等等。
在本实施例中，可以通过采集到的图像来监测学生在学习时是否出现不良坐姿，当监测到学生出现不良坐姿时能够及时提醒学生调整坐姿，防止学生因为不良坐姿而影响学生的身体健康。
本实施例通过确定目标学生的学习任务，其中，所述学习任务包括观看网课视频和课后测试；若所述学习任务为观看网课，则在所述目标学生开启所述学习任务之后，实时采集所述目标学生的监测图像；确定目标监测图像中第一监测图像的占比率，其中，所述目标监测图像为在所述学习任务的生命周期内采集到的所有监测图像，所述第一监测图像为未检测到人脸的监测图像；将所述目标监测图像中的第二监测图像输入至目标表情识别模型中，得到所述第二监测图像对应的识别表情，其中，所述第二监测图像为检测到人脸的监测图像；基于所述占比率以及所述识别表情的表情权重，确定所述目标学生的专注情况，并将所述专注情况发送至目标终端，以完成对所述目标学生的监控。通过上述方式，学生开启学习任务之后，能够实时采集监测图像，并识别出所有监测图像中的人脸表情，再根据识别到的人脸表情以及占比率来确定学生在课堂上的专注情况，从而实现对学生在课堂上的学习情况的监控。
参考图3，图3为本发明一种学生电脑的监控方法第二实施例的流程示意图。
基于上述第一实施例，本实施例学生电脑的监控方法，还包括：
步骤S601：若所述学习任务为观看网课，则在所述学习任务的生命周期内，计算所述目标学生输入的进度条拖动指令的次数。
需要说明的是，学习任务的生命周期指的是从学习任务的开始到学习任务的结束。
需要说明的是，学生在观看网课视频时，学生可以朝着网课开始方向拖动进度条，来回播网课视频中一些不清楚的内容；也有一些学生为了尽快完成学生任务，会朝着网课结束方向拖动进度条。步骤S601中计算所述目标学生输入的进度条拖动指令的次数指的是目标学生朝着网课结束方向拖动进度条的次数。
可以理解的是，当学生频繁朝着网课结束方向拖动进度条时，可以认定学生并未完成该学生任务。
步骤S602：判断所述次数是否大于预设次数。
需要说明的是，预设次数可以提前进行设定。
步骤S603：若判定所述次数大于所述预设次数，则认定所述目标学生未完成所述学习任务。
步骤S604：若判定所述次数不大于所述预设次数，则确定所述目标学生的进度条总拖动时长，并在判定所述进度条总拖动时长大于第一预设时长时，认定所述目标学生未完成所述学习任务。
需要说明的是，第一预设时长可以提前进行设定；进度条总拖动时长指的是在学习任务的生命周期内学生拖动进度条的时长的总和。
步骤S605：在认定所述目标学生未完成所述学习任务时，将所述目标学生的未完成情况发送至目标终端。
在本实施例中，在学习任务的生命周期内，可根据学生朝着网课结束方向拖动进度条的次数，或者根据学生朝着网课结束方向拖动进度条的总时长来认定学生是否完成学习任务，不仅能够起到督促学生认真完成学习任务，还能够及时了解学生完成学习任务的情况。
参考图4，图4为本发明一种学生电脑的监控方法第三实施例的流程示意图。
基于上述第一实施例，本实施例学生电脑的监控方法，还包括：
步骤S701：若所述学习任务为课后测试，则在所述学习任务的生命周期内，实时监听所述目标学生是否切出所述课后测试的显示界面。
需要说明的是，老师可以根据学生的课后测试得分来了解学生掌握知识的情况，但是学生在测试时可能会切出课后测试的显示画面去查找课后测试的答案，导致学生的课后测试得分与学生的知识掌握情况不符。
步骤S702：在监听到所述目标学生切出所述课后测试的显示界面时，认定所述目标学生的课后测试无效，并将所述课后测试无效发送至目标终端。
可以理解的是，当监听到学生在课后测试时切出课后测试的显示界面，可以认定学生的该次课后测试无效。
在一实施例中，所述学生电脑的监控方法，还包括：
获取所述目标学生的课后测试成绩；
判断所述课后测试成绩是否与所述目标学生的专注情况相匹配；
若判定所述课后测试成绩与所述目标学生的专注情况不匹配，则通知所述目标终端。
需要说明的是，课后测试成绩与的专注情况相匹配的情况下指的是学生越专注课后测试成绩越高，学生越不专注课后测试成绩越低。
需要说明的是，可根据课后测试成绩与专注情况的匹配度来确定学生课后测试成绩的真实度。
在具体实现中，当发现课后测试成绩与所述目标学生的专注情况不匹配时，可以及时发现学生的问题。
在本实施例中，通过监听学生在课后测试时是否切出课后测试的显示界面来认定学生的课后测试无效情况，能够确保学生的课后测试得分与学生的知识掌握情况相符，从而使得老师可以根据学生的课后测试得到来了解学生的知识掌握情况。
参考图5，图5为本发明一种学生电脑的监控方法第四实施例的流程示意图。
基于上述第一实施例，本实施例学生电脑的监控方法，还包括：
步骤S801：在监测到所述目标学生的连续屏幕使用时长大于第二预设时长时，采集所述目标学生的眼部图像。
需要说明的是，第二预设时长可以预先进行设定。
可以理解的是，当学生的连续屏幕使用时长大于第二预设时长时，学生可能会出现疲劳状态，会导致学生的学习效率低下。
步骤S802：判断所述眼部图像中眼睛是否出现红血丝/或黄斑。
步骤S803：若判定所述眼部图像中眼睛出现红血丝/或黄斑，则认定所述目标学生处于疲劳状态。
可以理解的是，当学生处于视觉疲劳状态时，用户的眼睛可能会出现红血丝或者黄斑，可将用户眼睛中是否出现红血丝/黄斑来作为视觉疲劳的指标。
步骤S804：若判定所述眼部图像中眼睛未出现血丝/或黄斑，则确定所述眼部图像中目标眼部图像的数量，其中，目标眼部图像包括第一眼部图像和第二眼部图像，所述第一眼部图像中眼部位置出现覆盖物，所述第二眼部图像中眼睛处于预闭合状态/或闭合状态。
需要说明的是，学生的眼部位置出现覆盖物指的是学生的眼部位置处出现遮挡情况，可以是用户揉眼而导致眼部位置处出现遮挡情况，当学生处于疲劳状态时，眼睛出现不适，学生的揉眼频率增加，可将用户的揉眼频率作为视觉疲劳指标。
需要说明的是，如图6所示，预闭合状态可以是眼睛从张开到闭合的中间状态，也可以是眼睛从闭合到张开的中间状态。
需要说明的是，当学生在眨眼时眼睛会处于预闭合状态/或闭合状态，研究表明，视觉疲劳时伴随着眼睛干涩，眨眼频率增加能够让干涩的眼球得以润滑，故可将眨眼频率可作为视觉疲劳指标，其中，预闭合状态可以是眼睛从张开到闭合的中间状态，也可以是眼睛从闭合到张开的中间状态。
在具体实现中，可预先根据学生的眼睛情况确定用户处于张开状态时上眼睑与下眼睑的距离范围，当检测到学生的当前上眼睑与当前下眼睑的距离小于所述距离范围中的最小值时，可以认为学生的眼睛处于预闭合状态。
在具体实现中，还可预先根据学生的眼睛情况确定学生处于张开状态时实际黑眼珠面积，当检测到学生的当前黑眼珠面积小于实际黑眼珠面积的百分之70时，可以认为学生的眼睛处于预闭合状态。
步骤S805：根据所述目标眼部图像的数量判断所述目标学生是否处于疲劳状态。
在具体实现中，可根据目标眼部图像的数量与眼部图像的数量的比值来判断目标学生是否处于疲惫状态，具体地，当目标眼部图像的数量与眼部图像的数量的比值大于0.5时，可以判断目标学生处于疲劳状态。
步骤S806：在判定所述目标学生处于疲劳状态之后，提醒所述目标学生适当用眼，并记录下所述目标学生的当前学习任务完成情况。
在具体实现中，若学习任务为观看网课视频，则当判定目标学生处于疲劳状态之后，可以允许学生暂停该学习任务，并记录下当前学习任务完成情况即当前网课观看进度，当学生再次开启该学习任务时，可以直接从当前网课观看进度开始继续学习该学习任务。
在本实施例中，能够基于多个疲劳判定指标对学生进行疲劳判定，能够准确判定学生是否处于疲劳状态，当判定学生处于疲劳状态时，可以允许学生先暂停学习任务，当学生再次开启学习任务时，可以从当前网课观看进度开始继续学习该学习任务，能够在学生处于疲惫状态时及时提醒学生注意用眼，还能够记录下当前学习任务完成情况以使学生重新开启学习任务时可直接从当前学习任务完成情况开始继续学习该学习任务。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有学生电脑的监控程序，所述学生电脑的监控程序被处理器执行时实现如上文所述的学生电脑的监控方法的步骤。
参照图7，图7为本发明学生电脑的监控装置第一实施例的结构框图。
如图7所示，本发明实施例提出的学生电脑的监控装置包括：
确定模块10，用于确定目标学生的学习任务，其中，所述学习任务包括观看网课视频和课后测试。
采集模块20，用于若所述学习任务为观看网课，则在所述目标学生开启所述学习任务之后，实时采集所述目标学生的监测图像。
所述确定模块10，用于确定目标监测图像中第一监测图像的占比率，其中，所述目标监测图像为在所述学习任务的生命周期内采集到的所有监测图像，所述第一监测图像为未检测到人脸的监测图像。
监测模块30，用于将所述目标监测图像中的第二监测图像输入至目标表情识别模型中，得到所述第二监测图像对应的识别表情，其中，所述第二监测图像为检测到人脸的监测图像。
所述确定模块10，用于基于所述占比率以及所述识别表情的表情权重，确定所述目标学生的专注情况，并将所述专注情况发送至目标终端，以完成对所述目标学生的监控。
应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。
本实施例通过确定目标学生的学习任务，其中，所述学习任务包括观看网课视频和课后测试；若所述学习任务为观看网课，则在所述目标学生开启所述学习任务之后，实时采集所述目标学生的监测图像；确定目标监测图像中第一监测图像的占比率，其中，所述目标监测图像为在所述学习任务的生命周期内采集到的所有监测图像，所述第一监测图像为未检测到人脸的监测图像；将所述目标监测图像中的第二监测图像输入至目标表情识别模型中，得到所述第二监测图像对应的识别表情，其中，所述第二监测图像为检测到人脸的监测图像；基于所述占比率以及所述识别表情的表情权重，确定所述目标学生的专注情况，并将所述专注情况发送至目标终端，以完成对所述目标学生的监控。通过上述方式，学生开启学习任务之后，能够实时采集监测图像，并识别出所有监测图像中的人脸表情，再根据识别到的人脸表情以及占比率来确定学生在课堂上的专注情况，从而实现对学生在课堂上的学习情况的监控。
在一实施例中，所述专注情况包括高度专注、中度专注以及低度专注；其中，
所述确定模块10，还用于：
判断所述占比率是否大于预设值；
在判定所述占比率大于所述预设值时，确定所述目标学生的专注情况为低度专注；
在判定所述占比率不大于所述预设值时，根据预设表情权重表确定所述识别表情的表情权重，并基于所述第二监测图像以及所述表情权重，确定所述目标学生的专注分数；
在所述专注分数处于第一范围内时，确定所述目标学生的专注情况为高度专注；
在所述专注分数处于第二范围内时，确定所述目标学生的专注情况为中度专注；
在所述专注分数处于第三范围内时，确定所述目标学生的专注情况为低度专注。
在一实施例中，所述确定模块10，还用于：
若所述学习任务为观看网课视频，则在所述学习任务的生命周期内，计算所述目标学生输入的进度条拖动指令的次数；
判断所述次数是否大于预设次数；
若判定所述次数大于所述预设次数，则认定所述目标学生未完成所述学习任务；
若判定所述次数不大于所述预设次数，则确定所述目标学生的进度条总拖动时长，并在判定所述进度条总拖动时长大于第一预设时长时，认定所述目标学生未完成所述学习任务；
在认定所述目标学生未完成所述学习任务时，将所述目标学生的未完成情况发送至目标终端。
在一实施例中，所述确定模块10，还用于：
若所述学习任务为课后测试，则在所述学习任务的生命周期内，实时监听所述目标学生是否切出所述课后测试的显示界面；
在监听到所述目标学生切出所述课后测试的显示界面时，认定所述目标学生的课后测试无效，并将所述课后测试无效发送至目标终端。
在一实施例中，所述确定模块10，还用于：
获取所述目标学生的课后测试成绩；
判断所述课后测试成绩是否与所述目标学生的专注情况相匹配；
若判定所述课后测试成绩与所述目标学生的专注情况不匹配，则通知所述目标终端。
在一实施例中，所述确定模块10，还用于：
在监测到所述目标学生的连续屏幕使用时长大于第二预设时长时，采集所述目标学生的眼部图像；
判断所述眼部图像中眼睛是否出现红血丝/或黄斑；
若判定所述眼部图像中眼睛出现红血丝/或黄斑，则认定所述目标学生处于疲劳状态；
若判定所述眼部图像中眼睛未出现血丝/或黄斑，则确定所述眼部图像中目标眼部图像的数量，其中，目标眼部图像包括第一眼部图像和第二眼部图像，所述第一眼部图像中眼部位置出现覆盖物，所述第二眼部图像中眼睛处于预闭合状态/或闭合状态；
根据所述目标眼部图像的数量判断所述目标学生是否处于疲劳状态；
在判定所述目标学生处于疲劳状态之后，提醒所述目标学生适当用眼，并记录下所述目标学生的当前学习任务完成情况。
在一实施例中，所述确定模块10，还用于：
将所述目标监测图像中的第二监测图像输入至目标坐姿识别图像中，得到所述第二监测图像对应的识别坐姿；
判断所述识别坐姿是否属于不良坐姿；
在判定所述识别坐姿属于不良坐姿时，提醒所述目标学生调整坐姿。
需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的学生电脑的监控方法，此处不再赘述。
此外，需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献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(如只读存储器(Read Only Memory，ROM)/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种学生电脑的监控方法，其特征在于，所述学生电脑的监控方法，包括：
确定目标学生的学习任务，其中，所述学习任务包括观看网课视频和课后测试；
若所述学习任务为观看网课，则在所述目标学生开启所述学习任务之后，实时采集所述目标学生的监测图像；
确定目标监测图像中第一监测图像的占比率，其中，所述目标监测图像为在所述学习任务的生命周期内采集到的所有监测图像，所述第一监测图像为未检测到人脸的监测图像；
将所述目标监测图像中的第二监测图像输入至目标表情识别模型中，得到所述第二监测图像对应的识别表情，其中，所述第二监测图像为检测到人脸的监测图像；
基于所述占比率以及所述识别表情的表情权重，确定所述目标学生的专注情况，并将所述专注情况发送至目标终端，以完成对所述目标学生的监控。
2.如权利要求1所述的方法，其特征在于，所述专注情况包括高度专注、中度专注以及低度专注；其中，
所述基于所述占比率以及所述识别表情的表情权重，确定所述目标学生的专注情况，包括：
判断所述占比率是否大于预设值；
在判定所述占比率大于所述预设值时，确定所述目标学生的专注情况为低度专注；
在判定所述占比率不大于所述预设值时，根据预设表情权重表确定所述识别表情的表情权重，并基于所述第二监测图像以及所述表情权重，确定所述目标学生的专注分数；
在所述专注分数处于第一范围内时，确定所述目标学生的专注情况为高度专注；
在所述专注分数处于第二范围内时，确定所述目标学生的专注情况为中度专注；
在所述专注分数处于第三范围内时，确定所述目标学生的专注情况为低度专注。
3.如权利要求1所述的方法，其特征在于，所述学生电脑的监控方法，还包括：
若所述学习任务为观看网课视频，则在所述学习任务的生命周期内，计算所述目标学生输入的进度条拖动指令的次数；
判断所述次数是否大于预设次数；
若判定所述次数大于所述预设次数，则认定所述目标学生未完成所述学习任务；
若判定所述次数不大于所述预设次数，则确定所述目标学生的进度条总拖动时长，并在判定所述进度条总拖动时长大于第一预设时长时，认定所述目标学生未完成所述学习任务；
在认定所述目标学生未完成所述学习任务时，将所述目标学生的未完成情况发送至目标终端。
4.如权利要求1所述的方法，其特征在于，所述学生电脑的监控方法，还包括：
若所述学习任务为课后测试，则在所述学习任务的生命周期内，实时监听所述目标学生是否切出所述课后测试的显示界面；
在监听到所述目标学生切出所述课后测试的显示界面时，认定所述目标学生的课后测试无效，并将所述课后测试无效发送至目标终端。
5.如权利要求1或4所述的方法，其特征在于，所述学生电脑的监控方法，还包括：
获取所述目标学生的课后测试成绩；
判断所述课后测试成绩是否与所述目标学生的专注情况相匹配；
若判定所述课后测试成绩与所述目标学生的专注情况不匹配，则通知所述目标终端。
6.如权利要求1所述的方法，其特征在于，所述学生电脑的监控方法，还包括：
在监测到所述目标学生的连续屏幕使用时长大于第二预设时长时，采集所述目标学生的眼部图像；
判断所述眼部图像中眼睛是否出现红血丝/或黄斑；
若判定所述眼部图像中眼睛出现红血丝/或黄斑，则认定所述目标学生处于疲劳状态；
若判定所述眼部图像中眼睛未出现血丝/或黄斑，则确定所述眼部图像中目标眼部图像的数量，其中，目标眼部图像包括第一眼部图像和第二眼部图像，所述第一眼部图像中眼部位置出现覆盖物，所述第二眼部图像中眼睛处于预闭合状态/或闭合状态；
根据所述目标眼部图像的数量判断所述目标学生是否处于疲劳状态；
在判定所述目标学生处于疲劳状态之后，提醒所述目标学生适当用眼，并记录下所述目标学生的当前学习任务完成情况。
7.如权利要求1所述的方法，其特征在于，所述学生电脑的监控方法，还包括：
将所述目标监测图像中的第二监测图像输入至目标坐姿识别图像中，得到所述第二监测图像对应的识别坐姿；
判断所述识别坐姿是否属于不良坐姿；
在判定所述识别坐姿属于不良坐姿时，提醒所述目标学生调整坐姿。
8.一种学生电脑的监控装置，其特征在于，所述学生电脑的监控装置包括：
确定模块，用于确定目标学生的学习任务，其中，所述学习任务包括观看网课视频和课后测试；
采集模块，用于若所述学习任务为观看网课，则在所述目标学生开启所述学习任务之后，实时采集所述目标学生的监测图像；
所述确定模块，用于确定目标监测图像中第一监测图像的占比率，其中，所述目标监测图像为在所述学习任务的生命周期内采集到的所有监测图像，所述第一监测图像为未检测到人脸的监测图像；
监测模块，用于将所述目标监测图像中的第二监测图像输入至目标表情识别模型中，得到所述第二监测图像对应的识别表情，其中，所述第二监测图像为检测到人脸的监测图像；
所述确定模块，用于基于所述占比率以及所述识别表情的表情权重，确定所述目标学生的专注情况，并将所述专注情况发送至目标终端，以完成对所述目标学生的监控。
9.一种学生电脑的监控设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的学生电脑的监控程序，所述学生电脑的监控程序配置为实现如权利要求1至7中任一项所述的学生电脑的监控方法的步骤。
10.一种存储介质，其特征在于，所述存储介质上存储有学生电脑的监控程序，所述学生电脑的监控程序被处理器执行时实现如权利要求1至7任一项所述的学生电脑的监控方法的步骤。
CN202310788542.9A 2023-06-29 2023-06-29 学生电脑的监控方法、装置、设备及存储介质 Pending CN116844206A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310788542.9A CN116844206A (zh) 2023-06-29 2023-06-29 学生电脑的监控方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310788542.9A CN116844206A (zh) 2023-06-29 2023-06-29 学生电脑的监控方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN116844206A true CN116844206A (zh) 2023-10-03

Family

ID=88162844

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310788542.9A Pending CN116844206A (zh) 2023-06-29 2023-06-29 学生电脑的监控方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN116844206A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111898881A (zh) * 2020-07-15 2020-11-06 杭州海康威视系统技术有限公司 一种课堂教学质量评估方法、装置、设备及存储介质
WO2021077382A1 (zh) * 2019-10-25 2021-04-29 中新智擎科技有限公司 一种学习状态的判断方法、装置及智能机器人
CN113095198A (zh) * 2021-04-06 2021-07-09 上海网梯数码科技有限公司 一种基于学习者行为的ai考核方法
CN113835807A (zh) * 2021-09-23 2021-12-24 维沃移动通信有限公司 一种提醒方法、装置及电子设备
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
CN115131867A (zh) * 2022-07-22 2022-09-30 重庆第二师范学院 基于学生学习效率检测方法、系统、设备及介质
CN116029581A (zh) * 2022-11-18 2023-04-28 中国人民解放军海军士官学校 一种基于多源数据融合的在线教育用专注度评价方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021077382A1 (zh) * 2019-10-25 2021-04-29 中新智擎科技有限公司 一种学习状态的判断方法、装置及智能机器人
CN111898881A (zh) * 2020-07-15 2020-11-06 杭州海康威视系统技术有限公司 一种课堂教学质量评估方法、装置、设备及存储介质
CN113095198A (zh) * 2021-04-06 2021-07-09 上海网梯数码科技有限公司 一种基于学习者行为的ai考核方法
CN113835807A (zh) * 2021-09-23 2021-12-24 维沃移动通信有限公司 一种提醒方法、装置及电子设备
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
CN115131867A (zh) * 2022-07-22 2022-09-30 重庆第二师范学院 基于学生学习效率检测方法、系统、设备及介质
CN116029581A (zh) * 2022-11-18 2023-04-28 中国人民解放军海军士官学校 一种基于多源数据融合的在线教育用专注度评价方法

Similar Documents

Publication Publication Date Title
US20230360551A1 (en) Adaptive learning environment driven by real-time identification of engagement level
KR101834003B1 (ko) 인지 학습 및 평가 시스템
Whitehill et al. The faces of engagement: Automatic recognition of student engagementfrom facial expressions
CN106984027B (zh) 一种动作对比分析方法、装置及一种显示器
US10068490B2 (en) System and method for improving student learning by monitoring student cognitive state
US10475351B2 (en) Systems, computer medium and methods for management training systems
CN105069294B (zh) 一种用于认知能力值测试的计算和分析方法
US20200178876A1 (en) Interactive and adaptive learning, neurocognitive disorder diagnosis, and noncompliance detection systems using pupillary response and face tracking and emotion detection with associated methods
TW201830354A (zh) 採用面部追蹤和情緒檢測的互動式自我調整培訓學習管理系統和相關方法
US11475788B2 (en) Method and system for evaluating and monitoring compliance using emotion detection
KR20140027072A (ko) 인지 기능을 평가하는 시스템 및 방법
CN112801052B (zh) 一种用户专注度检测方法及用户专注度检测系统
CN109685007B (zh) 用眼习惯的预警方法、用户设备、存储介质及装置
KR20120065111A (ko) 몰입도 평가 기반 맞춤형 온라인 학습 방법 및 시스템
JP6636670B1 (ja) 学習システム、学習講義提供方法、およびプログラム
CN109805944B (zh) 一种儿童共情能力分析系统
US20190139428A1 (en) Emotional Artificial Intelligence Training
Buono et al. Assessing student engagement from facial behavior in on-line learning
WO2019180652A1 (en) Interactive, adaptive, and motivational learning systems using face tracking and emotion detection with associated methods
CN109716382A (zh) 使用情绪检测评估和监测遵从性的方法和系统
Shobana et al. I-Quiz: An Intelligent Assessment Tool for Non-Verbal Behaviour Detection.
RU2529482C2 (ru) Способ оценки восприятия информации
US20230105077A1 (en) Method and system for evaluating and monitoring compliance, interactive and adaptive learning, and neurocognitive disorder diagnosis using pupillary response, face tracking emotion detection
CN116844206A (zh) 学生电脑的监控方法、装置、设备及存储介质
US20230127335A1 (en) Intelligent and adaptive measurement system for remote education

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