CN111507555B - 人体状态检测方法、课堂教学质量的评价方法及相关装置 - Google Patents
人体状态检测方法、课堂教学质量的评价方法及相关装置 Download PDFInfo
- Publication number
- CN111507555B CN111507555B CN201911072568.3A CN201911072568A CN111507555B CN 111507555 B CN111507555 B CN 111507555B CN 201911072568 A CN201911072568 A CN 201911072568A CN 111507555 B CN111507555 B CN 111507555B
- Authority
- CN
- China
- Prior art keywords
- information
- determining
- detected
- state
- person
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims description 48
- 238000013441 quality evaluation Methods 0.000 title claims description 19
- 230000006399 behavior Effects 0.000 claims abstract description 69
- 230000008921 facial expression Effects 0.000 claims abstract description 43
- 238000011156 evaluation Methods 0.000 claims abstract description 9
- 210000003128 head Anatomy 0.000 claims description 46
- 210000001747 pupil Anatomy 0.000 claims description 20
- 238000012797 qualification Methods 0.000 claims description 14
- 238000010586 diagram Methods 0.000 description 8
- 210000001508 eye Anatomy 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 210000005252 bulbus oculi Anatomy 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000006386 memory function Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- 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
- G06Q10/06395—Quality analysis or management
-
- 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
- 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
- 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
- G06V40/23—Recognition of whole body movements, e.g. for sport training
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Educational Technology (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Psychiatry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Game Theory and Decision Science (AREA)
- Social Psychology (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种人体状态检测方法、课堂教学质量的评价方法及相关装置,该人体状态检测方法包括:获取到待检测人员的行为信息和面部表情信息;其中,所述行为信息包括头部信息、手臂信息和躯体信息中至少一种;对所述行为信息和所述面部表情信息进行判断并确定所述待检测人员的状态。从而不仅能够对人体的具体行为进行细致分析,且适用范围较广。
Description
技术领域
本发明涉及人体状态检测技术领域,尤其涉及一种人体状态检测方法、课堂教学质量的评价方法及相关装置。
背景技术
人体姿态识别近年来随着互动游戏、虚拟现实及可穿戴设备的发展,受到了越来越多的关注,对人体姿态识别的研究有很高的学术价值和商业价值。
目前存在很多人体姿态识别的方案,比如使用摄像头以图像的方法捕捉识别人体姿态,或使用特定的标记块或运动捕获设备;然而,这些方法无法对人体的行为进行细致分析,且对使用环境具有一定的局限性。
发明内容
本申请提供一种人体状态检测方法、课堂教学质量的评价方法及相关装置,不仅能够对人体的具体行为进行细致分析,且适用范围较广。
为解决上述技术问题,本申请采用的第一个技术方案是:
一种人体状态检测方法,包括:
获取到待检测人员的行为信息和面部表情信息;其中,所述行为信息包括头部信息、手臂信息和躯体信息中至少一种;
对所述行为信息和所述面部表情信息进行判断并确定所述待检测人员的状态。
为解决上述技术问题,本申请采用的第二个技术方案是:
一种课堂教学质量的评价方法,包括:
获取到各个目标学生的行为信息和面部表情信息;其中,所述行为信息包括头部信息、手臂信息和躯体信息中至少一种;
对所述行为信息和所述面部表情信息进行判断并确定所述各个目标学生的状态;其中,所述学生的状态包括听讲状态、阅读状态、走神状态、举手状态、玩手机状态、听写状态、聊天状态以及趴桌子状态。
根据所述各个目标学生的状态确定当前课堂的教学质量。
为解决上述技术问题,本申请采用的第三个技术方案是:
一种人体状态检测装置,所述人体状态检测装置包括:
信息获取模块,用于获取到待检测人员的行为信息和面部表情信息;其中,所述行为信息包括头部信息、手臂信息和躯体信息中至少一种;
状态确定模块,用于对所述行为信息和所述面部表情信息进行判断并确定所述待检测人员的状态。
为解决上述技术问题,本申请采用的第四个技术方案是:
一种课堂教学质量的评价装置,所述课堂教学质量的评价装置包括:
信息获取模块,用于获取到各个目标学生的行为信息和面部表情信息;其中,所述行为信息包括头部信息、手臂信息和躯体信息中至少一种;
状态确定模块,用于对所述行为信息和所述面部表情信息进行判断并确定所述各个目标学生的状态;其中,所述学生的状态为听讲状态、阅读状态、走神状态、举手状态、玩手机状态、听写状态、聊天状态或趴桌子状态;
质量评价模块,用于根据所述各个目标学生的状态以对当前课堂的教学质量进行评价。
为解决上述技术问题,本申请采用的第五个技术方案是:
一种智能终端,包括相互连接的存储器和处理器,其中,
所述存储器用于存储实现上述所涉及的人体状态检测方法的程序指令或者实现上述所涉及的课堂教学质量的评价方法的程序指令;
所述处理器用于执行所述存储器存储的所述程序指令。
为解决上述技术问题,本申请采用的第六个技术方案是:
一种存储介质,存储有程序文件,所述程序文件能够被执行以实现上述所涉及的人体状态检测方法或者实现上述所涉及的课堂教学质量的评价方法。
本申请提供的人体状态检测方法、课堂教学质量的评价方法及相关装置,其中,人体状态检测方法通过获取待检测人员的行为信息和面部表情信息,然后对行为信息和面部表情信息进行判断并确定待检测人员的状态,并基于待检测人员的状态以对当前课堂的教学质量进行评价;由于行为信息包括头部信息、手臂信息和躯体信息中至少一种,且在该检测方法中同时考虑行为信息和面部表情信息两种因素,从而使该方法不仅能够对待检测人员的具体行为进行细致分析,且可使教学质量的评价结果更加精准;另外,该方法不受环境限制,适用范围较广。
附图说明
图1为本申请一实施例提供的人体状态检测方法的流程示意图;
图2为本申请另一实施例提供的人体状态检测方法的流程示意图;
图3为本申请图2中步骤S20的具体流程示意图;
图4为本申请图2中步骤S21的具体流程示意图;
图5为本申请一实施例提供的课堂教学质量的评价方法的流程示意图;
图6为本申请另一实施例提供的课堂教学质量的评价方法的流程示意图;
图7为本申请一实施例提供的人体状态检测装置的结构示意图;
图8为本申请一实施例提供的课堂教学质量的评价装置的结构示意图;
图9为本申请一实施例提供的智能终端的结构示意图;
图10为本申请一实施例提供的存储介质的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
本申请中的术语“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或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”、“第三”的特征可以明示或者隐含地包括至少一个该特征。本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。本申请实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
下面结合附图和实施例对本申请进行详细的说明。
请参阅图1,为本申请一实施例提供的人体状态检测方法的流程示意图。
在本实施例中,提供一种人体状态检测方法,该方法包括:
步骤S10:获取到待检测人员的行为信息和面部表情信息;其中,所述行为信息包括头部信息、手臂信息和躯体信息中至少一种。
在本实施例中,待检测人员具体可为学生。
具体的,利用头肩检测算法和视频跟踪算法对待检测人员进行定位跟踪,并实时采集待检测人员的视频图像,然后通过物体检测方法对视频图像中的待检测人员的头部、手臂及躯体分别进行检测,以确定各自的具***置,然后利用物体识别方法对头部、手臂及躯体的行为方式分别进行识别以获取头部信息、手臂信息及躯体信息,最后将头部信息、手臂信息及躯体信息送入至循环神经网络以获取到待检测人员的行为信息。
具体的,在本实施例中采用关键点检测技术来对人体骨骼关键点进行检测。
其中,头部信息具体可包括抬头、低头或扭头;手臂信息具体可包括举起、在桌上或在桌下;躯体信息具体可包括挺直或弯曲;需要说明的是,躯体具体是指待检测人员的背部脊梁。
在具体实施过程中,当头部信息为抬头时,通过物体识别方法对待检测人员的面部表情进行识别以获取面部表情信息,具体的是指通过物体识别方法对待检测人员的瞳孔的睁开程度进行识别。
在本实施例中获取人体面部表情信息及待检测人员的头部信息、手臂信息及躯体信息,相比于现有技术中获取眼球信息,这些信息更以获取且更通用;另外,利用头肩检测算法、物体检测方法、物体识别方法、关键点检测技术共同实现对人体行为的检测判别,能够更加准确细致的识别人体的动作特征。
步骤S11:对所述行为信息和所述面部表情信息进行判断并确定所述待检测人员的状态。
可以理解的是,待检测人员的状态是基于行为信息和面部表情信息进行确定的,从而可以更加准确细致的对待检测人员的当前状态进行识别并确定,且该方法符合人为分析的特点。
本实施例提供的人体状态检测方法,通过获取待检测人员的行为信息和面部表情信息,然后对行为信息和面部表情信息进行判断并确定待检测人员的状态;由于该行为信息包括头部信息、手臂信息和躯体信息中至少一种,且在该检测方法中同时考虑行为信息和面部表情信息两种因素,从而能够对待检测人员的具体行为进行细致分析,以更加精确细致地确定待检测人员的状态;同时,该方法不受环境限制,适用范围较广。
具体的,参见图2,为本申请另一实施例提供的人体状态检测方法的流程示意图。
在本实施例中,与第一实施例不同的是,步骤S11具体包括:
步骤S20:对所述头部信息和所述面部表情信息进行判断并确定所述待检测人员的关注度。
具体的,对头部信息和面部表情信息进行判断,然后根据判断结果确定待检测人员的关注度。
步骤S21:对所述行为信息和所述关注度判断并确定所述待检测人员的状态。
具体的,参见图3至图4,其中,图3为本申请图2中步骤S20的具体流程示意图;图4为本申请图2中步骤S21的具体流程示意图。
在本实施例中,与第二实施例不同的是,步骤S20具体包括:
步骤S200:判断所述待检测人员的头部信息是否为抬头;若否,则执行步骤S201,若是,则执行步骤S202。
步骤S201:确定所述待检测人员的关注度为不合格。
步骤S202:判断所述待检测人员的瞳孔的睁开程度是否大于或等于预设瞳孔的睁开程度;若否,则执行步骤S203;若是,则执行步骤S204。
步骤S203:确定所述关注度为不合格。
步骤S204:确定所述关注度为合格。
具体的,瞳孔的睁开程度具体可分为睁开和不睁开,其中,瞳孔睁开具体可分为眼睛正视前方和眼睛向下倾斜;其中,眼睛正视前方视为瞳孔的睁开程度大于或等于预设瞳孔的睁开程度;当瞳孔不睁开或眼睛向下倾斜时,视为瞳孔的睁开程度小于预设瞳孔的睁开程度。
步骤S21具体包括:
步骤S210:判断所述手臂信息是否为举手;若是,则执行步骤S211;若否,则执行步骤S212。
步骤S211:确定所述待检测人员为举手状态。
步骤S212:判断所述头部信息是否为抬头;若是,则执行步骤S213;若否,则执行步骤S218。
步骤S213:判断所述躯体信息是否为挺直;若否,则执行步骤S214;若是,则执行步骤S215。
步骤S214:确定所述待检测人员为趴桌子状态。
步骤S215:判断所述专注度是否为合格;若是,则执行步骤S216;若否,则执行步骤S217。
步骤S216:确定所述待检测人员为听讲状态。
步骤S217:确定所述待检测人员为趴桌子状态。
步骤S218:判断所述头部信息是否为低头;若否,则执行步骤S219;若是,则执行步骤S220。
步骤S219:确定所述待检测人员为聊天状态。
步骤S220:判断所述待检测人员的手中是否有笔;若是,则执行步骤S221;若否,则执行步骤S222。
步骤S221:确定所述待检测人员为听写状态。
步骤S222:判断所述待检测人员的手中是否有手机;若是,则执行步骤S223;若否,则执行步骤S224。
步骤S223:确定所述待检测人员为玩手机状态。
步骤S224:判断所述躯体信息是否为挺直;若是,则执行步骤S225;若否,则执行步骤S226。
步骤S225:确定所述待检测人员为阅读状态。
步骤S226:确定所述待检测人员为趴桌子状态。
请参阅图5,为本申请一实施例提供的课堂教学质量的评价方法的流程示意图;在本实施例中,提供一种课堂教学质量的评价方法,该方法包括:
步骤SS30:获取到各个目标学生的行为信息和面部表情信息;其中,所述行为信息包括头部信息、手臂信息和躯体信息中至少一种。
步骤SS31:对所述行为信息和所述面部表情信息进行判断并确定所述各个目标学生的状态;其中,所述学生的状态为听讲状态、阅读状态、走神状态、举手状态、玩手机状态、听写状态、聊天状态或趴桌子状态。
具体的,步骤SS30和步骤SS31的具体实施过程与上述实施例所涉及的人体状态检测方法的实施过程相同,且可实现相同或相似的技术效果,本实施例在此不再一一赘述。
步骤SS32:根据所述各个目标学生的状态以对当前课堂的教学质量进行评价。
本实施例提供的课堂教学质量的评价方法,通过获取到各个目标学生的行为信息和面部表情信息,然后对行为信息和面部表情信息对各个学生的状态进行检测,最后基于各个学生的状态以对当前课堂的教学质量进行评价;由于该行为信息包括头部信息、手臂信息和躯体信息中至少一种,且在该检测方法中同时考虑行为信息和面部表情信息两种因素,从而不仅能够对待检测人员的具体行为进行细致分析,且可使教学质量的评价结果更加精准;另外,该方法既可以应用于大的教室场景,又能够应用于线上教育场景,适用范围较广;此外,相比于通过人力进行抽查以对课堂质量进行评价的方法,不仅节省人力,且检测结果更加客观、真实。
请参阅图6,为本申请另一实施例提供的课堂教学质量的评价方法的流程示意图;在本实施例中,与第五实施例不同的是,步骤S32具体包括:
步骤S320:判断所述学生的状态是否为听讲状态、阅读状态、举手状态或听写状态;若否,则执行步骤S321;若是,则执行步骤S322。
步骤S321:确定所述学生的状态为不合格。
步骤S322:确定所述学生的状态为合格。
步骤S323:计算并获取所述当前课堂的所述学生的状态为合格的合格率。
其中,合格率具体可指学生的状态为合格的学生人数占总学生人数的比例。
步骤S324:基于所述合格率对所述当前课堂进行打分以对所述当前课堂的教学质量进行评价。
具体的,将合格率与预设数据库进行匹配并根据匹配结果确定相应的分数以对当前课堂的教学质量进行评价。
具体的,预设数据库中设置有多个不同的数值范围,每个数值范围对应一个分数,分数越高则说明当前课堂的教学质量越好;可以理解的是,在本实施例中,是通过最后的分数高低以对当前课堂的教学质量进行评价的。
下面结合一具体实施例对步骤S324进行说明;假如当前课堂的学生的状态的合格率为m,该预设数据库中设置有A、B、C、D四个数值范围,且A范围对应的分数为9分,B范围对应的分数为7分,C范围对应的分数为5分,D范围对应的分数为3分;此时,将合格率m与预设数据库中的A、B、C、D四个数值范围进行匹配,若合格率m落入A范围,则确定当前课堂的教学质量为9分;若合格率m落入C范围,则确定当前课堂的教学质量为5分。
当然,在其它实施方式中,上述预设数据库中还可设置A、B、C、D、E五个数值范围,本实施例对此并不加以限制,只要能够对当前课堂的教学质量进行评价即可。
请参阅图7,为本申请一实施例提供的人体状态检测装置的结构示意图。
在本实施例中,提供一种人体状态检测装置40,该人体状态检测装置40装置包括信息获取模块400和状态确定模块401。
其中,信息获取模块400用于获取到待检测人员的行为信息和面部表情信息;其中,行为信息包括头部信息、手臂信息和躯体信息中至少一种。
具体的,信息获取模块400利用头肩检测算法和视频跟踪算法对待检测人员进行定位跟踪,并实时采集待检测人员的视频图像,然后通过物体检测方法对视频图像中的待检测人员的头部、手臂及躯体分别进行检测,以确定各自的具***置,然后利用物体识别方法对头部、手臂及躯体的行为方式分别进行识别以获取头部信息、手臂信息及躯体信息,最后将头部信息、手臂信息及躯体信息送入至循环神经网络以获取到待检测人员的行为信息。
具体的,在本实施例中采用关键点检测技术来对人体骨骼关键点进行检测。
在具体实施过程中,当头部信息为抬头时,通过物体识别方法对待检测人员的面部表情进行识别以获取面部表情信息,具体的是指通过物体识别方法对待检测人员的瞳孔的睁开程度进行识别。
状态确定模块401用于对行为信息和面部表情信息进行判断并确定待检测人员的状态。
具体的,状态确定模块401用于对头部信息和面部表情信息进行判断并确定待检测人员的关注度,然后对行为信息和关注度判断并确定待检测人员的状态。
请参阅图8,为本申请一实施例提供的课堂教学质量的评价装置的结构示意图。
在本实施例中,提供一种课堂教学质量的评价装置70,该课堂教学质量的评价装置70包括信息获取模块700、状态确定模块701以及质量评价模块702。
其中,信息获取模块700用于获取到各个目标学生的行为信息和面部表情信息;其中,所述行为信息包括头部信息、手臂信息和躯体信息中至少一种;状态确定模块701用于对所述行为信息和所述面部表情信息进行判断并确定所述各个目标学生的状态;其中,所述学生的状态为听讲状态、阅读状态、走神状态、举手状态、玩手机状态、听写状态、聊天状态或趴桌子状态。
具体的,本实施例中的信息获取模块700和状态确定模块701与第七实施例中的信息获取模块400和状态确定模块401具有相同或相似的作用,且可实现相同或相似的效果,本实施例在此不再一一赘述。
质量评价模块702用于根据所述各个目标学生的状态以对当前课堂的教学质量进行评价。
具体的,质量评价模块702用于确定学生的状态是否合格;若合格,计算并获取当前课堂的学生的状态为合格的合格率,然后基于合格率对当前课堂进行打分以对当前课堂的教学质量进行评价。
请参阅图9,为本申请一实施例提供的智能终端的结构示意图。
在本实施例中,提供一种智能终端,该设备包括相互连接的存储器500和处理器501。
其中,存储器500用于存储实现上述实施例所涉及的人体状态检测方法的程序指令或课堂教学质量的评价方法的程序指令;处理器501用于执行存储器500存储的程序指令。
其中,处理器501还可以称为CPU(Central Processing Unit,中央处理单元)。处理器501可能是一种集成电路芯片,具有信号的处理能力。处理器501还可以是通用处理器、数字信号处理器501(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器501也可以是任何常规的处理器等。
存储器500可以为内存条、TF卡等,可以存储人体状态检测装置或课堂教学质量的评价装置中全部信息,包括输入的原始数据、计算机程序、中间运行结果和最终运行结果都保存在存储器500中。它根据控制器指定的位置存入和取出信息。有了存储器500,人体状态检测装置或课堂教学质量的评价装置才有记忆功能,才能保证正常工作。人体状态检测装置或课堂教学质量的评价装置中的存储器500按用途存储器可分为主存储器(内存)和辅助存储器(外存),也有分为外部存储器和内部存储器的分类方法。外存通常是磁性介质或光盘等,能长期保存信息。内存指主板上的存储部件,用来存放当前正在执行的数据和程序,但仅用于暂时存放程序和数据,关闭电源或断电,数据会丢失。
智能终端还包括其他的器件,其与现有技术中的智能终端中的其他器件及功能相同,在此不再赘述。
请参阅图10,为本申请一实施例提供的存储介质的结构示意图。
在本实施例中,提供一种存储介质,该存储介质存储有程序文件600,程序文件600能够被执行以实现上述实施例所涉及的门状态监测方法或课堂教学质量的评价方法。其中,该程序文件600可以以软件产品的形式存储在上述存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本申请各个实施方式所述方法的全部或部分步骤。而前述的存储装置包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质,或者是计算机、服务器、手机、平板等终端设备。
以上所述仅为本申请的实施方式,并非因此限制本申请的专利范围,凡是利用本申请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,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种人体状态检测方法,其特征在于,包括:
采集包括待检测人员的视频图像;
获取到所述待检测人员的行为信息和面部表情信息;其中,所述行为信息包括头部信息、手臂信息和躯体信息中至少一种,所述面部表情信息包括所述待检测人员的瞳孔的睁开程度;
判断所述待检测人员的头部信息是否为抬头;若否,则确定所述待检测人员的关注度为不合格;若是,判断所述待检测人员的瞳孔的睁开程度是否大于或等于预设瞳孔的睁开程度;
若是,则确定所述关注度为合格;若否,则确定所述关注度为不合格;
对所述行为信息和所述关注度进行判断并确定所述待检测人员的状态。
2.根据权利要求1所述的人体状态检测方法,其特征在于,所述获取到所述待检测人员的行为信息和面部表情信息;其中,所述行为信息包括头部信息、手臂信息和躯体信息中至少一种,具体包括:
利用头肩检测算法和视频跟踪算法对所述待检测人员进行定位跟踪,并通过物体检测方法以及物体识别方法获取所述待检测人员的行为信息和面部表情信息。
3.根据权利要求1所述的人体状态检测方法,其特征在于,所述对所述行为信息和所述关注度进行判断并确定所述待检测人员的状态,具体包括:
判断所述手臂信息是否为举手;若是,则确定所述待检测人员为举手状态;若否,则判断所述头部信息是否为抬头;
若是,则判断所述躯体信息是否为挺直;若否,则确定所述检测人员为趴桌子状态;若是,则判断所述关注度是否为合格;
若是,则确定所述待检测人员为听讲状态;若否,则确定所述待检测人员为趴桌子状态;
若否,则判断所述头部信息是否为低头;
若否,则确定所述待检测人员为聊天状态;若是,则判断所述待检测人员的手中是否有笔;
若是,则确定所述待检测人员为听写状态;若否,则判断所述待检测人员的手中是否有手机;
若是,则确定所述待检测人员为玩手机状态;若否,则判断所述躯体信息是否为挺直;
若是,则确定所述待检测人员为阅读状态;若否,则确定所述待检测人员为趴桌子状态。
4.一种课堂教学质量的评价方法,其特征在于,包括:
采集包括目标学生的视频图像,获取到各个目标学生的行为信息和面部表情信息;其中,所述行为信息包括头部信息、手臂信息和躯体信息中至少一种;
判断所述目标学生的头部信息是否为抬头;若否,则确定所述目标学生的关注度为不合格;若是,判断所述目标学生的瞳孔的睁开程度是否大于或等于预设瞳孔的睁开程度;
若是,则确定所述关注度为合格;若否,则确定所述关注度为不合格;
对所述行为信息和所述关注度进行判断并确定所述目标学生的状态;其中,所述学生的状态为听讲状态、阅读状态、走神状态、举手状态、玩手机状态、听写状态、聊天状态或趴桌子状态;
根据所述各个目标学生的状态以对当前课堂的教学质量进行评价。
5.根据权利要求4所述的课堂教学质量的评价方法,其特征在于,所述根据所述各个目标学生的状态以对当前课堂的教学质量进行评价,具体包括:
判断所述学生的状态是否为听讲状态、阅读状态、举手状态或听写状态;若是,则确定所述学生的状态为合格;若否,则确定所述学生的状态为不合格;
计算并获取所述当前课堂的所述学生的状态为合格的合格率;
基于所述合格率对所述当前课堂进行打分以对所述当前课堂的教学质量进行评价。
6.根据权利要求5所述的课堂教学质量的评价方法,其特征在于,所述基于所述合格率对所述当前课堂进行打分以对所述当前课堂的教学质量进行评价,具体包括:
将所述合格率与预设数据库进行匹配并根据匹配结果确定相应的分数以对所述当前课堂的教学质量进行评价。
7.一种人体状态检测装置,其特征在于,所述人体状态检测装置包括:
信息获取模块,用于采集包括待检测人员的视频图像,获取到所述待检测人员的行为信息和面部表情信息;其中,所述行为信息包括头部信息、手臂信息和躯体信息中至少一种;
状态确定模块,用于判断所述待检测人员的头部信息是否为抬头;若否,则确定所述待检测人员的关注度为不合格;若是,判断所述待检测人员的瞳孔的睁开程度是否大于或等于预设瞳孔的睁开程度;若是,则确定所述关注度为合格;若否,则确定所述关注度为不合格,对所述行为信息和所述关注度进行判断并确定所述待检测人员的状态。
8.一种课堂教学质量的评价装置,其特征在于,所述课堂教学质量的评价装置包括:
信息获取模块,用于采集包括目标学生的视频图像,获取到各个目标学生的行为信息和面部表情信息;其中,所述行为信息包括头部信息、手臂信息和躯体信息中至少一种;
状态确定模块,用于判断所述目标学生的头部信息是否为抬头;若否,则确定所述目标学生的关注度为不合格;若是,判断所述目标学生的瞳孔的睁开程度是否大于或等于预设瞳孔的睁开程度;若是,则确定所述关注度为合格;若否,则确定所述关注度为不合格,对所述行为信息和所述关注度进行判断并确定所述目标学生的状态;其中,所述学生的状态为听讲状态、阅读状态、走神状态、举手状态、玩手机状态、听写状态、聊天状态或趴桌子状态;
质量评价模块,用于根据所述各个目标学生的状态以对当前课堂的教学质量进行评价。
9.一种智能终端,其特征在于,包括相互连接的存储器和处理器,其中,所述存储器用于存储实现如权利要求1-3任一项所述的人体状态检测方法的程序指令或者实现如权利要求4-6任一项所述的课堂教学质量的评价方法的程序指令;
所述处理器用于执行所述存储器存储的所述程序指令。
10.一种存储介质,其特征在于,存储有程序文件,所述程序文件能够被执行以实现如权利要求1-3任一项所述的人体状态检测方法或者实现如权利要求4-6任一项所述的课堂教学质量的评价方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911072568.3A CN111507555B (zh) | 2019-11-05 | 2019-11-05 | 人体状态检测方法、课堂教学质量的评价方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911072568.3A CN111507555B (zh) | 2019-11-05 | 2019-11-05 | 人体状态检测方法、课堂教学质量的评价方法及相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111507555A CN111507555A (zh) | 2020-08-07 |
CN111507555B true CN111507555B (zh) | 2023-11-14 |
Family
ID=71863828
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911072568.3A Active CN111507555B (zh) | 2019-11-05 | 2019-11-05 | 人体状态检测方法、课堂教学质量的评价方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111507555B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114708657A (zh) * | 2022-03-30 | 2022-07-05 | 深圳可视科技有限公司 | 一种基于多媒体教学的学生注意力检测方法及*** |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106228293A (zh) * | 2016-07-18 | 2016-12-14 | 重庆中科云丛科技有限公司 | 教学评估方法及*** |
CN106251065A (zh) * | 2016-07-28 | 2016-12-21 | 南京航空航天大学 | 一种基于眼动行为指标体系的管制效率评估方法 |
CN106447184A (zh) * | 2016-09-21 | 2017-02-22 | 中国人民解放军国防科学技术大学 | 基于多传感器测量与神经网络学习的无人机操作员状态评估方法 |
CN106851216A (zh) * | 2017-03-10 | 2017-06-13 | 山东师范大学 | 一种基于人脸和语音识别的课堂行为监控***及方法 |
CN107292271A (zh) * | 2017-06-23 | 2017-10-24 | 北京易真学思教育科技有限公司 | 学习监控方法、装置及电子设备 |
CN107527159A (zh) * | 2017-09-20 | 2017-12-29 | 江苏经贸职业技术学院 | 一种教学量化评估方法 |
CN107609517A (zh) * | 2017-09-15 | 2018-01-19 | 华中科技大学 | 一种基于计算机视觉的课堂行为检测*** |
CN109035089A (zh) * | 2018-07-25 | 2018-12-18 | 重庆科技学院 | 一种在线课堂氛围评估***及方法 |
CN109345894A (zh) * | 2018-12-05 | 2019-02-15 | 西安培华学院 | 一种经济教学***及其教学方法 |
CN109815795A (zh) * | 2018-12-14 | 2019-05-28 | 深圳壹账通智能科技有限公司 | 基于人脸监测的课堂学生状态分析方法及装置 |
CN110175534A (zh) * | 2019-05-08 | 2019-08-27 | 长春师范大学 | 基于多任务级联卷积神经网络的授课辅助*** |
CN110222640A (zh) * | 2019-06-05 | 2019-09-10 | 浙江大华技术股份有限公司 | 监控场所中嫌疑人的识别方法、装置、方法和存储介质 |
WO2019201215A1 (zh) * | 2018-04-17 | 2019-10-24 | 深圳市心流科技有限公司 | 课堂评测方法、装置及计算机可读存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120019153A (ko) * | 2010-08-25 | 2012-03-06 | 에스케이 텔레콤주식회사 | 학습 플랜 분석 방법, 장치 및 시스템 |
US10115038B2 (en) * | 2016-07-15 | 2018-10-30 | EdTech Learning LLC | Method for adaptive learning utilizing facial recognition |
US10289899B2 (en) * | 2017-08-31 | 2019-05-14 | Banuba Limited | Computer-implemented methods and computer systems for real-time detection of human's emotions from visual recordings |
US10769574B2 (en) * | 2017-11-28 | 2020-09-08 | International Business Machines Corporation | Maximize human resources efficiency by reducing distractions during high productivity periods |
-
2019
- 2019-11-05 CN CN201911072568.3A patent/CN111507555B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106228293A (zh) * | 2016-07-18 | 2016-12-14 | 重庆中科云丛科技有限公司 | 教学评估方法及*** |
CN106251065A (zh) * | 2016-07-28 | 2016-12-21 | 南京航空航天大学 | 一种基于眼动行为指标体系的管制效率评估方法 |
CN106447184A (zh) * | 2016-09-21 | 2017-02-22 | 中国人民解放军国防科学技术大学 | 基于多传感器测量与神经网络学习的无人机操作员状态评估方法 |
CN106851216A (zh) * | 2017-03-10 | 2017-06-13 | 山东师范大学 | 一种基于人脸和语音识别的课堂行为监控***及方法 |
CN107292271A (zh) * | 2017-06-23 | 2017-10-24 | 北京易真学思教育科技有限公司 | 学习监控方法、装置及电子设备 |
CN107609517A (zh) * | 2017-09-15 | 2018-01-19 | 华中科技大学 | 一种基于计算机视觉的课堂行为检测*** |
CN107527159A (zh) * | 2017-09-20 | 2017-12-29 | 江苏经贸职业技术学院 | 一种教学量化评估方法 |
WO2019201215A1 (zh) * | 2018-04-17 | 2019-10-24 | 深圳市心流科技有限公司 | 课堂评测方法、装置及计算机可读存储介质 |
CN109035089A (zh) * | 2018-07-25 | 2018-12-18 | 重庆科技学院 | 一种在线课堂氛围评估***及方法 |
CN109345894A (zh) * | 2018-12-05 | 2019-02-15 | 西安培华学院 | 一种经济教学***及其教学方法 |
CN109815795A (zh) * | 2018-12-14 | 2019-05-28 | 深圳壹账通智能科技有限公司 | 基于人脸监测的课堂学生状态分析方法及装置 |
CN110175534A (zh) * | 2019-05-08 | 2019-08-27 | 长春师范大学 | 基于多任务级联卷积神经网络的授课辅助*** |
CN110222640A (zh) * | 2019-06-05 | 2019-09-10 | 浙江大华技术股份有限公司 | 监控场所中嫌疑人的识别方法、装置、方法和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111507555A (zh) | 2020-08-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Singh et al. | Exam proctoring classification using eye gaze detection | |
CN109165552B (zh) | 一种基于人体关键点的姿态识别方法、***及存储器 | |
CN109063587B (zh) | 数据处理方法、存储介质和电子设备 | |
WO2019218427A1 (zh) | 基于行为特征对比的关注度检测方法以及装置 | |
CN114419736B (zh) | 一种实验评分方法、***、设备及可读存储介质 | |
CN108898115B (zh) | 数据处理方法、存储介质和电子设备 | |
CN111814587A (zh) | 人体行为检测方法、教师行为检测方法及相关***和装置 | |
CN115205764B (zh) | 基于机器视觉的在线学习专注度监测方法、***及介质 | |
WO2020007097A1 (zh) | 数据处理方法、存储介质和电子设备 | |
CN103105924A (zh) | 人机交互方法和装置 | |
CN111339801A (zh) | 一种人员注意力检测方法、装置、设备及*** | |
CN115936944B (zh) | 一种基于人工智能的虚拟教学管理方法及装置 | |
CN108647657A (zh) | 一种基于多元行为数据的云端教学过程评价方法 | |
CN111814733A (zh) | 基于头部姿态的专注度检测方法及装置 | |
CN115937928A (zh) | 基于多视觉特征融合的学习状态监测方法及*** | |
CN110991277B (zh) | 基于深度学习的多维度多任务学习评价*** | |
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 | |
CN112784733A (zh) | 一种基于线上教育的情绪识别方法、装置及电子设备 | |
CN114998440B (zh) | 基于多模态的测评方法、装置、介质及设备 | |
Jiang et al. | A classroom concentration model based on computer vision | |
Das | Activity recognition using histogram of oriented gradient pattern history | |
CN111199378A (zh) | 学员管理方法、装置、电子设备及存储介质 | |
CN115601823A (zh) | 一种中小学生专注度追踪及评估方法 | |
CN115527083A (zh) | 图像标注方法、装置和电子设备 | |
CN115690867A (zh) | 课堂专注度检测方法、装置、设备及存储介质 |
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 |