CN112001209A - 一种基于人工智能的学生课堂学习行为的监测*** - Google Patents
一种基于人工智能的学生课堂学习行为的监测*** Download PDFInfo
- Publication number
- CN112001209A CN112001209A CN201910447608.1A CN201910447608A CN112001209A CN 112001209 A CN112001209 A CN 112001209A CN 201910447608 A CN201910447608 A CN 201910447608A CN 112001209 A CN112001209 A CN 112001209A
- Authority
- CN
- China
- Prior art keywords
- student
- sitting posture
- unit
- students
- classroom
- 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
- 230000006399 behavior Effects 0.000 title claims abstract description 47
- 238000012544 monitoring process Methods 0.000 title claims abstract description 38
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 9
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 30
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 30
- 238000001514 detection method Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 12
- 206010036436 Posture abnormal Diseases 0.000 claims abstract description 3
- 230000036544 posture Effects 0.000 claims description 80
- 230000002159 abnormal effect Effects 0.000 claims description 23
- 210000003739 neck Anatomy 0.000 claims description 10
- 230000002194 synthesizing effect Effects 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 230000001815 facial effect Effects 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 5
- 230000005856 abnormality Effects 0.000 description 3
- 230000004379 myopia Effects 0.000 description 3
- 208000001491 myopia Diseases 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000037237 body shape Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000004402 high myopia Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 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
- G06V40/10—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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1116—Determining posture transitions
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1118—Determining activity level
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range of movement
- A61B5/1122—Determining geometric values, e.g. centre of rotation or angular range of movement of movement trajectories
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
- A61B5/1128—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique using image 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Surgery (AREA)
- Public Health (AREA)
- Molecular Biology (AREA)
- Dentistry (AREA)
- Physiology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Animal Behavior & Ethology (AREA)
- Educational Administration (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Educational Technology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Human Computer Interaction (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出一种基于人工智能的学生课堂学习行为的监测***,包括以下程序模块:注册单元;摄像单元;存储单元;数据处理中心;体型检测单元;以及虚拟机器人;其中,该数据处理中心包括:课堂位置图片处理单元;学生行为轨迹合成单元;坐姿模型库;学生坐姿匹配单元;该虚拟机器人将该学生行为轨迹合成单元提供的在设定阶段时间内的学生身份对应的教室行为轨迹图和该学生坐姿匹配单元提供的坐姿异常情况汇报作为反馈信息,为外部提供反馈。能够实现个性化的无痕监测,对学生在课堂学习的正常体验没有影响。
Description
技术领域
本发明涉及图像识别和数据处理,尤其涉及学生课堂学习行为的监测。
背景技术
教室是学生的主要学习场所,学生在校学习,在教室待的时间也最长,因此对学生在教室的学习状态的监测和管理显得尤为重要。目前,班级的学生人数比较多,老师很难对班级所有学生的学习状况进行全天候的监管和记录,特别是对于学生的坐姿。全国小学生的近视率高达34%-60%,初中生68%,重点高中高达90%。近视率高的一个很重要的因素是学生没有科学的坐姿,另一个因素是每个学生的身高、体重、形态不一样,老师没有精力对每个学生的坐姿进行校正和提醒。
另外,在教室里面活动、学习,哪些同学比较活跃,教室哪些区域比较活跃,学生的学习行为老师也不能时刻在教室进行观察,因此对于学生在教室学习的坐姿和学习状态,无法得到准确和科学的监测。
现有的学生课堂学习行为的监测***,均需要学生穿戴能进行通讯的特定设备,以进行数据采集和定位。通过穿戴设备,对学生的坐姿和教室内的行动轨迹进行统计和分析、提醒,需要每个学生在学习过程中,配置额外的装置,无法实现无痕监测,对学生在课堂学习的正常体验有一定的影响。
发明内容
本发明要解决的技术问题在于,针对现有技术的上述缺陷,提出一种基于人工智能的学生课堂学习行为的监测***,能够实现个性化的无痕监测,对学生在课堂学习的正常体验没有影响。
本发明解决其技术问题所采用的技术方案是:提供一种基于人工智能的学生课堂学习行为的监测***,包括以下程序模块:
注册单元,用于实现学生在该监测***的注册;
摄像单元,用于实时采集班级所有学生的脸部图像、教室图像的采集,以及对被识别成功后的学生进行整个身体的图像采集;
存储单元,用于存储该摄像单元所采集的图片;
数据处理中心,用于对该摄像单元所提供的图片进行特征参数的计算,以及对每个学生进行人脸识别,身份的确认和比对;
体型检测单元,用于获取每个学生在校医院或者体育部门进行的体型检测数据,该体型检测数据与学生的身份信息相捆绑;以及
虚拟机器人,用于提供该监测***与外部交互的接口;
其中,该数据处理中心包括:
课堂位置图片处理单元,用于对该摄像单元拍摄的教室的场景图片进行人脸识别,并对图片中识别成功的人脸特征进行标签的备注,使图片附带其中识别成功的学生的身份信息;
学生行为轨迹合成单元,用于对***预设的合成时间段内的每一个在***注册成功的学生进行图片合成;
坐姿模型库,用于对该摄像单元采集的图片进行人脸识别成功后,以桌子轮廓值与拍摄比例为参考标准,判断出坐姿;
学生坐姿匹配单元,用于将该坐姿模型库提供的坐姿参数,与***预存的标准坐姿参数,进行匹配;
该虚拟机器人将该学生行为轨迹合成单元提供的在设定阶段时间内的学生身份对应的教室行为轨迹图和该学生坐姿匹配单元提供的坐姿异常情况汇报作为反馈信息,为外部提供反馈。
在一些实施例中,该学生行为轨迹合成单元采用一定数量为一组的方式,进行图片合成;后续的图片,在前一组的基础上进行迭代。
在一些实施例中,该学生行为轨迹合成单元,预设合成图片人脸标签信息重合区域的阈值范围,对超过该阈值的部分进行颜色标记,得到识别对象在预设时间段内的教室行为轨迹图。
在一些实施例中,该坐姿模型库,包含权威机构发布的每个年龄段、性别下的不同身高、体重的标准的体型特征,以及其蹲坐时的头、手、肩颈等身体部位之间的比例范围,其正常各体型比例参数预存在***中作为每个学生正确坐姿的比对参数。
在一些实施例中,该学生坐姿匹配单元,对上述识别成功的学生进行身份中年龄和身高的匹配,输出其对应的标准身体比例,并对该坐姿模型库中计算出的每个脸部特征识别成功的学生的头、手、肩颈部位相对尺寸比例值与***预存的标准比例参数,进行匹配。
在一些实施例中,该虚拟机器人包含一种虚拟机器人形象或者卡通动漫形象,其与该数据处理中心相连,在接受到用户或者老师、家长的查询指令时,可以及时调取该数据处理中心的在设定阶段时间内的学生身份对应的教室行为轨迹图和坐姿异常情况汇报。
在一些实施例中,该虚拟机器人,还用于对任意学生的坐姿比例设置异常阈值,比对值超过阈值范围的,判定为坐姿异常。
在一些实施例中,该坐姿模型库根据β=(注册身高-检测身高)/注册身高,计算β值,在该β值超过设定值,判断识别对象处于坐姿。
在一些实施例中,该数据处理中心对成功识别脸部特征并且进行了身份认证的学生,进行图片的坐姿识别,计算图片中人物的头、手、肩颈部位与桌子轮廓的相对比例数据。
在一些实施例中,该虚拟机器人向学生所在班级的智慧班牌,提供该反馈信息;和/或,该虚拟机器人向学生所在班级的老师和/或家长的手机,提供该反馈信息。
本发明的有益效果在于,通过的巧妙注册单元、摄像单元、存储单元、数据处理中心、体型检测单元以及虚拟机器人的巧妙配合;进一步,通过在数据处理中心中巧妙地配置课堂位置图片处理单元、学生行为轨迹合成单元、坐姿模型库和学生坐姿匹配单元,借助虚拟机器人将学生行为轨迹合成单元提供的在设定阶段时间内的学生身份对应的教室行为轨迹图和学生坐姿匹配单元提供的坐姿异常情况汇报作为反馈信息,为外部提供反馈,能够实现个性化的无痕监测,对学生在课堂学习的正常体验没有影响。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1示意出本发明的基于人工智能的学生课堂学习行为的监测***的框架结构。
图2示意出本发明获得特定学生的轨迹合成的结果图片的处理过程。
其中,附图标记说明如下:100、监测*** 10、注册单元 20、摄像单元 30、存储单元 40、数据处理中心 41、课堂位置图片处理单元 42、坐姿模型库 43、学生行为轨迹合成单元 44、学生坐姿匹配单元 50、体型检测单元 60、虚拟机器人 65、反馈信息 70、智慧班牌 80、手机 411、412、413、41n 图片 410 合成图片 430 结果图片 A41 统计区域 A43 结果区域。
具体实施方式
现结合附图,对本发明的较佳实施例作详细说明。
参见图1和图2,图1示意出本发明的基于人工智能的学生课堂学习行为的监测***的框架结构。图2示意出本发明获得特定学生的轨迹合成的结果图片的处理过程。本发明提出一种基于人工智能的学生课堂学习行为的监测***100,其包括:注册单元10、摄像单元20、存储单元30、数据处理中心40、体型检测单元50和虚拟机器人60。其中,数据处理中心40包含课堂位置图片处理单元41、学生行为轨迹合成单元42、坐姿模型库43和学生坐姿匹配单元44。虚拟机器人60根据数据处理中心40给出的监测结果,可以将相应的反馈信息65,传送给到学生教室的智慧班牌70,和/或,家长和/或老师的手机80。
可以理解的是,监测***100是运行在特定的计算设备的处理器的一个软件***。注册单元10、摄像单元20、存储单元30、数据处理中心40、体型检测单元50和虚拟机器人60均可以理解成组成这个软件***的程序模块。举例而言,特定的计算设备包括设置在特定班级的教室内的一台计算机和与计算机相连的若干摄像头。特定的计算设备还可包括与计算机通过网络通信连接的服务器和其他计算机。
注册单元10,用于实现学生在监测***100的注册。注册信息包括姓名、学号、班级等个人信息的填写,以及人脸图像的录入和身份信息的认证和绑定。
摄像单元20,借助单个或者多个摄像头装置,对教室整体或者局部区域进行摄像,用于实时采集班级所有学生的脸部图像、教室图像的采集,以及对被识别成功后的学生进行整个身体的图像采集。
存储单元30,用于存储摄像单元20所采集的图片。
数据处理中心40,用于对摄像单元20所提供的图片进行特征参数的计算,以及对每个学生进行人脸识别,身份的确认和比对。
数据处理中心40对上述成功识别脸部特征并且进行了身份认证的学生,进行图片的坐姿识别,计算图片中人物的头、手、肩颈等部位与桌子轮廓的相对比例数据。
体型检测单元50,用于获取每个学生在校医院或者体育部门进行的体型检测数据,这些数据包括身高、体重、骨架异常、体型胖瘦等参数化的数据,体型检测数据与学生的身份信息相捆绑。
课堂位置图片处理单元41,用于对上述摄像单元20拍摄的教室的场景图片进行人脸识别,并对图片中识别成功的人脸特征进行标签的备注,使图片附带其中识别成功的学生的身份信息。
学生行为轨迹合成单元42,用于对***预设的合成时间段内的每一个在***注册成功的学生进行图片合成。根据实际应用的需要,***预设的合成时间段,可以是“时”、“天”“周”等。
可以理解的是,合成时间段较长时,合成的图片数量会比较大,合成速度大大减缓。因此,本发明采用一定数量为一组的方式,进行图片合成;后续的图片,在前一组的基础上进行迭代,也即,以周期性的定(图片)数量的方式,进行图片合成,以平衡合成时间段与合成速度。
值得一提的是,用于合成的图片,取自于课堂位置图片处理单元41中识别成功且带学生信息的图片(也即前述的进行了标签的备注的图片)。
学生行为轨迹合成单元42,预设合成图片人脸标签信息重合区域的阈值范围,对超过这个阈值的部分进行颜色标记,得到识别对象在预设时间段内的教室行为轨迹图。其中,颜色标记区域之外的部分进行过滤归一化处理,以识别对象身份信息进行存储最终图片。
坐姿模型库43,用于对上述摄像单元20采集的图片进行人脸识别成功后,以桌子轮廓值与拍摄比例为参考标准,判断出坐姿;具体地,根据β=(注册身高-检测身高)/注册身高,计算β的值。β的值超过一定范围,则判断识别对象在进行“坐”的状态,进而对其成功识别对象的头、手、肩颈等部位的相对尺寸比例进行计算。
坐姿模型库43,包含权威机构(例如:国家健康部门)发布的每个年龄段、性别下的不同身高、体重的标准的体型特征,以及其蹲坐时的头、手、肩颈等身体部位之间的比例范围,其正常各体型比例参数预存在***中作为每个学生正确坐姿的比对参数。
学生坐姿匹配单元44,用于对上述识别成功的学生进行身份中年龄和身高的匹配,输出其对应的标准身体比例,并对坐姿模型库43中计算出的每个脸部特征识别成功的学生的头、手、肩颈部位相对尺寸比例值与***预存的标准比例参数,进行匹配。
虚拟机器人60,用于提供监测***100与外部交互的接口。虚拟机器人60包含一种虚拟机器人形象或者卡通动漫形象,其与数据处理中心40相连,在接受到用户或者老师、家长的查询指令时,可以及时调取数据处理中心40的在设定阶段时间内的学生身份对应的教室行为轨迹图(由学生行为轨迹合成单元42提供)和坐姿异常情况汇报(由学生坐姿匹配单元44提供)。
虚拟机器人60,还用于对任意学生的坐姿比例设置异常阈值,比对值超过阈值范围的,判定为坐姿异常;进一步的,虚拟机器人60通过在反馈信息65中包含此坐姿异常信息,可以在智慧班牌70上进行交互提醒,并向老师和/或家长的手机80发送提醒或者预警信息。
反馈信息65,包括每个学生的阶段时间内的轨迹合成图,以及每个学生坐姿的异常提醒信息、异常比例情况,家长和老师通过反馈信息65,可以在手机80或者智慧班牌70中查看学生的行为轨迹和学生异常坐姿情况,并进行人为干预纠正。
以下,结合具体示例,对本发明予以更详尽的说明。
参见你图1,对于前述的学生行为轨迹合成单元42,老师可以在***中设置阶段时间为“天”,则摄像单元20在一天内对教室内的状况进行不间断地拍照,***100将按照注册单元10中每个学生的身份信息对应的人脸图片进行合成。参见图2,以小明同学为例,数据处理中心40对摄像单元20一天内所有的图片进行人脸识别,计算出所有包含小明身份信息的图片:摄像单元20在T1、T2、T3至Tn时间点,采集了若干图片411、412、413至41n,这些图片411、412、413至41n,先传输至课堂位置图片处理单元41进行身份信息的备注,其中,圆圈代表小明在各个图片中的备注位置;然后学生行为轨迹合成单元42将课堂位置图片处理单元41传送过来的带身份信息的小明的图片进行合成,得到合成图片410。
假设,***预设重复区域阈值为80%,学生行为轨迹合成单元42将合成图片410进行过滤处理,对合成图片410的统计区域A41保留超过80%的部分,得到结果区域A43,将结果区域标注为红色,得到结果图片430(即教室行为轨迹图),其中标注为红色的结果区域A43,即代表小明这一天活动的主要区域。结果图片430可以记录在存储单元3中,进行保存,以备后用。
进而,老师可以通过查询或者询问这一结果区域A43的同学情况,即可掌握小明这一天在教室和哪些同学进行了接触,是在学习还是在结伴玩耍。
假设,小明在注册单元10中的信息包括男性,年龄12岁。在坐姿模型库43中,预存了12岁男同学,身高范围(H1-H2)cm,肩部和头部长度比例α1-α2,夹角为90°±10°,手臂与肩部的夹角为150°±10°,头部与胸部的夹角为170°±10°。在体型检测单元50中,包含有小明所在班级的全班同学在校医院进行的体型扫描信息,包含了小明同学的身高,体重,骨架发育状况。则,坐姿模型库43对小明一天的图片进行分析,根据β=(注册身高-检测身高)/注册身高,计算β的值,超过一定范围(也即设定值)时,则判断识别对象处于坐姿;进而,对小明的肩部和头部长度比例、夹角、手臂与肩部的夹角进行运算。
学生坐姿匹配单元44,将坐姿模型库43提供的计算结果与上述标准值进行匹配,超过标准值的阈值范围,则判断小明坐姿异常,并对其异常参数进行反馈。举例而言,检测到头部与胸部夹角为100°,次数为20次,则判断小明坐姿异常,向虚拟机器人60提供坐姿异常情况汇报。坐姿异常情况汇报可以记录在存储单元3中,进行保存,以备后用。
虚拟机器人60将上述学生坐姿匹配单元44中的头部与胸部夹角的异常参数及项目,包含在反馈信息65中,推送到老师/家长的手机80,同时在智慧班牌70的相关区域进行显示,供老师对其坐姿异常进行及时的提醒和干预。
与现有技术相比,本发明的监测***100的有益效果包括:
1、通过体型检测单元50,能够远程链接学校医院或者体育部,调取每个学生的形体特征数据;通过坐姿模型库43建立每个学生适合的标准坐姿;通过摄像单元20对每个学生的坐姿进行实时监测和分析;通过学生坐姿匹配单元44对坐姿模型库43的计算结果与标准坐姿进行匹配,***设定匹配阈值,对每个学生的异常概率的坐姿分别进行个性化的反馈和预警信息至学生家长和/或老师的手机80。
2、通过对教室内的每个学生进行活动轨迹采集,通过人脸识别,能够对每个学生在指定时间段内不停地进行图片采集,并进行分析和识别;阶段性地将图片进行叠加合成,***设定区域概率阈值,输出每个学生在指定时间内高概率出现的区域图片,即可了解每个学生的在教室的行为轨迹;老师或者家长通过本***100可以实时了解学生在教室那一块区域停留的时间最长,通过对这一区域的学生进行询问,老师即可知道每个学生每天跟哪些同学进行了多长时间的接触以及接触的类型。
3、通过虚拟机器人60,可以在智慧班牌70和老师和/或家长的手机80进行信息反馈和交互,实现用户对***100的操作和对学生异常情况的及时了解。
综上,本发明的监测***100,能够对学生的坐姿进行无痕的监测和提醒,使得家长和老师能够实时地了解学生的坐姿是否异常,进而采取必要的干预;能够对学生在教室内的行为轨迹进行分析,让老师及时了解班级所有学生的学习行为状况;能够对每个学生的情况,进行不同标准,不同情况的分析和反馈,达成个性化的监测。
应当理解的是,以上实施例仅用以说明本发明的技术方案,而非对其限制,对本领域技术人员来说,可以对上述实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改和替换,都应属于本发明所附权利要求的保护范围。
Claims (10)
1.一种基于人工智能的学生课堂学习行为的监测***,其特征在于,包括以下程序模块:
注册单元,用于实现学生在该监测***的注册;
摄像单元,用于实时采集班级所有学生的脸部图像、教室图像的采集,以及对被识别成功后的学生进行整个身体的图像采集;
存储单元,用于存储该摄像单元所采集的图片;
数据处理中心,用于对该摄像单元所提供的图片进行特征参数的计算,以及对每个学生进行人脸识别,身份的确认和比对;
体型检测单元,用于获取每个学生在校医院或者体育部门进行的体型检测数据,该体型检测数据与学生的身份信息相捆绑;以及
虚拟机器人,用于提供该监测***与外部交互的接口;
其中,该数据处理中心包括:
课堂位置图片处理单元,用于对该摄像单元拍摄的教室的场景图片进行人脸识别,并对图片中识别成功的人脸特征进行标签的备注,使图片附带其中识别成功的学生的身份信息;
学生行为轨迹合成单元,用于对***预设的合成时间段内的每一个在***注册成功的学生进行图片合成;
坐姿模型库,用于对该摄像单元采集的图片进行人脸识别成功后,以桌子轮廓值与拍摄比例为参考标准,判断出坐姿;
学生坐姿匹配单元,用于将该坐姿模型库提供的坐姿参数,与***预存的标准坐姿参数,进行匹配;
该虚拟机器人将该学生行为轨迹合成单元提供的在设定阶段时间内的学生身份对应的教室行为轨迹图和该学生坐姿匹配单元提供的坐姿异常情况汇报作为反馈信息,为外部提供反馈。
2.根据权利要求1所述的监测***,其特征在于:该学生行为轨迹合成单元采用一定数量为一组的方式,进行图片合成;后续的图片,在前一组的基础上进行迭代。
3.根据权利要求1所述的监测***,其特征在于:该学生行为轨迹合成单元,预设合成图片人脸标签信息重合区域的阈值范围,对超过该阈值的部分进行颜色标记,得到识别对象在预设时间段内的教室行为轨迹图。
4.根据权利要求1所述的监测***,其特征在于:该坐姿模型库,包含权威机构发布的每个年龄段、性别下的不同身高、体重的标准的体型特征,以及其蹲坐时的头、手、肩颈等身体部位之间的比例范围,其正常各体型比例参数预存在***中作为每个学生正确坐姿的比对参数。
5.根据权利要求4所述的监测***,其特征在于:该学生坐姿匹配单元,对上述识别成功的学生进行身份中年龄和身高的匹配,输出其对应的标准身体比例,并对该坐姿模型库中计算出的每个脸部特征识别成功的学生的头、手、肩颈部位相对尺寸比例值与***预存的标准比例参数,进行匹配。
6.根据权利要求1所述的监测***,其特征在于:该虚拟机器人包含一种虚拟机器人形象或者卡通动漫形象,其与该数据处理中心相连,在接受到用户或者老师、家长的查询指令时,可以及时调取该数据处理中心的在设定阶段时间内的学生身份对应的教室行为轨迹图和坐姿异常情况汇报。
7.根据权利要求6所述的监测***,其特征在于:该虚拟机器人,还用于对任意学生的坐姿比例设置异常阈值,比对值超过阈值范围的,判定为坐姿异常。
8.根据权利要求1所述的监测***,其特征在于:该坐姿模型库根据β=(注册身高-检测身高)/注册身高,计算β值,在该β值超过设定值,判断识别对象处于坐姿。
9.根据权利要求1所述的监测***,其特征在于:该数据处理中心对成功识别脸部特征并且进行了身份认证的学生,进行图片的坐姿识别,计算图片中人物的头、手、肩颈部位与桌子轮廓的相对比例数据。
10.根据权利要求1至9任一项所述的监测***,其特征在于:该虚拟机器人向学生所在班级的智慧班牌,提供该反馈信息;和/或,该虚拟机器人向学生所在班级的老师和/或家长的手机,提供该反馈信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910447608.1A CN112001209A (zh) | 2019-05-27 | 2019-05-27 | 一种基于人工智能的学生课堂学习行为的监测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910447608.1A CN112001209A (zh) | 2019-05-27 | 2019-05-27 | 一种基于人工智能的学生课堂学习行为的监测*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112001209A true CN112001209A (zh) | 2020-11-27 |
Family
ID=73461269
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910447608.1A Pending CN112001209A (zh) | 2019-05-27 | 2019-05-27 | 一种基于人工智能的学生课堂学习行为的监测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112001209A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113470209A (zh) * | 2021-07-01 | 2021-10-01 | 厦门悦讯信息科技股份有限公司 | 一种人脸识别实现课堂点名的方法及*** |
CN115990012A (zh) * | 2022-11-08 | 2023-04-21 | 广东保伦电子股份有限公司 | 一种在特定空间下预防近视的综合防控方法 |
CN116935721A (zh) * | 2023-07-20 | 2023-10-24 | 云启智慧科技有限公司 | 一种面向特殊学生群体的辅助教学方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107169456A (zh) * | 2017-05-16 | 2017-09-15 | 湖南巨汇科技发展有限公司 | 一种基于坐姿深度图像的坐姿检测方法 |
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*** |
CN108509896A (zh) * | 2018-03-28 | 2018-09-07 | 腾讯科技(深圳)有限公司 | 一种轨迹跟踪方法、装置和存储介质 |
-
2019
- 2019-05-27 CN CN201910447608.1A patent/CN112001209A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107169456A (zh) * | 2017-05-16 | 2017-09-15 | 湖南巨汇科技发展有限公司 | 一种基于坐姿深度图像的坐姿检测方法 |
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*** |
CN108509896A (zh) * | 2018-03-28 | 2018-09-07 | 腾讯科技(深圳)有限公司 | 一种轨迹跟踪方法、装置和存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113470209A (zh) * | 2021-07-01 | 2021-10-01 | 厦门悦讯信息科技股份有限公司 | 一种人脸识别实现课堂点名的方法及*** |
CN115990012A (zh) * | 2022-11-08 | 2023-04-21 | 广东保伦电子股份有限公司 | 一种在特定空间下预防近视的综合防控方法 |
CN115990012B (zh) * | 2022-11-08 | 2023-08-18 | 广东保伦电子股份有限公司 | 一种在特定空间下预防近视的综合防控方法 |
CN116935721A (zh) * | 2023-07-20 | 2023-10-24 | 云启智慧科技有限公司 | 一种面向特殊学生群体的辅助教学方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108256433B (zh) | 一种运动姿态评估方法及*** | |
CN105303632B (zh) | 一种移动监控签到***及工作方法 | |
CN107212890B (zh) | 一种基于步态信息的运动识别和疲劳检测方法及*** | |
CN112001209A (zh) | 一种基于人工智能的学生课堂学习行为的监测*** | |
CN107241572B (zh) | 学员实训视频追踪评价*** | |
CN109325466B (zh) | 一种基于动作识别技术的智能运动指导***及方法 | |
CN105956960A (zh) | 大学体育教学器材管理*** | |
CN110135476A (zh) | 一种个人安全装备的检测方法、装置、设备及*** | |
WO2017161734A1 (zh) | 通过电视和体感配件矫正人体动作及*** | |
CN116092199B (zh) | 一种员工工作状态识别方法及识别*** | |
CN110478862A (zh) | 一种健身指导***及其指导方法 | |
CN110464356B (zh) | 一种运动能力综合监测方法及*** | |
CN207264314U (zh) | 一种基于可穿戴设备的运动比对*** | |
CN113597614B (zh) | 图像处理方法和装置、电子设备及存储介质 | |
CN114495169A (zh) | 一种人体姿态识别的训练数据处理方法、装置及设备 | |
CN111507301B (zh) | 视频处理方法、装置、计算机设备以及存储介质 | |
CN114783043B (zh) | 一种儿童行为轨迹定位方法和*** | |
CN113947742A (zh) | 一种基于人脸识别的人员轨迹追踪方法与装置 | |
CN114241375A (zh) | 一种用于运动过程中的监测方法 | |
CN115170998A (zh) | 人体行为动作识别方法、装置、计算机设备和存储介质 | |
CN114565976A (zh) | 一种训练智能测试方法以及装置 | |
CN210933642U (zh) | 一种健身指导*** | |
CN117292288A (zh) | 体育测试方法、***、电子设备、芯片及存储介质 | |
CN206948499U (zh) | 学员实训视频追踪监控、评价*** | |
CN115690895A (zh) | 基于人体骨骼点检测的多人运动检测方法及装置 |
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: 20201127 |