[发明专利]一种在线教学学习专注度识别方法、装置、系统及介质在审

专利信息
申请号: 202110579030.2 申请日: 2021-05-26
公开(公告)号: CN113536893A 公开(公告)日: 2021-10-22
发明(设计)人: 孙悦;李天驰;乔伟 申请(专利权)人: 深圳点猫科技有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06Q50/20
代理公司: 广东良马律师事务所 44395 代理人: 张柯
地址: 518000 广东省深圳市前海深港合作区南山街道兴海大道3044号信*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 在线 教学 学习 专注 识别 方法 装置 系统 介质
【权利要求书】:

1.一种在线教学学习专注度识别方法,其特征在于,包括如下步骤:

接收预设摄像头实时采集的学生用户的人脸图像;

将所述人脸图像输入至预设的眼神识别模型中得到实时的眼神信息,所述眼神信息包括方向信息和/或睁合度信息;

根据所述实时的眼神信息对学生用户的学习专注度进行识别,确定学生用户的注意力是否集中;

若所述学生用户的注意力不集中,则向教师终端发送提醒信息,所述提醒信息用于指示所述学生用户的注意力不集中。

2.根据权利要求1所述的在线教学学习专注度识别方法,其特征在于,所述根据所述实时的眼神信息对学生用户的学习专注度进行识别,确定学生用户的注意力是否集中,包括:

按图像帧识别所述眼神信息后得到各帧对应的学习专注度识别结果;

若预设时间段内各帧对应的学习专注度识别结果均为未集中注意力,则确定学生用户的注意力不集中。

3.根据权利要求2所述的在线教学学习专注度识别方法,其特征在于,所述按图像帧识别所述眼神信息后得到各帧对应的学习专注度识别结果,包括:

逐帧识别所述眼神信息,判断各帧对应的所述眼神信息是否满足预设专注条件;

若满足则识别为已集中注意力,若不满足则识别为未集中注意力。

4.根据权利要求2所述的在线教学学习专注度识别方法,其特征在于,所述按图像帧识别所述眼神信息后得到各帧对应的学习专注度识别结果,包括:

跳帧识别所述眼神信息,判断各帧对应的所述眼神信息是否满足预设专注条件;

若满足则识别为已集中注意力,若不满足则识别为未集中注意力。

5.根据权利要求3或4所述的在线教学学习专注度识别方法,其特征在于,所述若预设时间段内各帧对应的学习专注度识别结果均为未集中注意力,则确定学生用户的注意力不集中,具体包括:

当识别到未集中注意力的人脸图像时开始计时,当识别到已集中注意力的人脸图像则停止计时,若计时值达到预设时间段时则确定学生用户的注意力不集中。

6.根据权利要求3或4所述的在线教学学习专注度识别方法,其特征在于,所述预设专注条件包括视线方向为显示屏方向和/或眼睛为睁开状态。

7.根据权利要求1所述的在线教学学习专注度识别方法,其特征在于,所述将所述人脸图像输入至预设的眼神识别模型中得到实时的眼神信息之前,还包括:

构建深度学习网络模型;

根据预先采集的眼神训练样本对所述深度学习网络模型进行训练,使所述深度学习网络模型达到预设收敛条件后生成所述眼神识别模型。

8.一种在线教学学习专注度识别装置,其特征在于,包括:

采集模块,用于实时采集学生用户的人脸图像;

信息提取模块,用于将所述人脸图像输入至预先构建并完成训练的眼神识别模型中得到实时的眼神信息,所述眼神信息包括方向信息和/或睁合度信息;

判断模块,用于根据所述实时的眼神信息对学生用户的学习专注度进行识别,判断学生用户的注意力是否集中;

提醒模块,用于若所述学生用户的注意力不集中,则向教师终端发送提醒信息,所述提醒信息用于指示所述学生用户的注意力不集中。

9.一种在线教学学习专注度识别系统,其特征在于,所述系统包括至少一个处理器;以及,

与所述至少一个处理器通信连接的存储器;其中,

所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1-7任一项所述的在线教学学习专注度识别方法。

10.一种非易失性计算机可读存储介质,其特征在于,所述非易失性计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个处理器执行时,可使得所述一个或多个处理器执行如权利要求1-7任一项所述的在线教学学习专注度识别方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳点猫科技有限公司,未经深圳点猫科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110579030.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top