[发明专利]一种智能专注力的检测方法

说明书

本发明提出了一种智能专注力检测方法，包括算法初始化、数据提取、数据标注、模型拟合和模型运算步骤，通过将面部特征提取算法、面部属性检测算法、人脸检测算法、面部关键点提取算法、人脸识别算法、头姿估计算法进行整体协作，实现了不同算法针对学习状态下的头、面部信息的快速识别检测，从多个维度获取的识别数据提高了专注力分析的准确性，为专注力改进提供了有益方向。

技术领域

本发明属于计算机视觉技术与人工智能技术领域，具体涉及一种智能专注力的检测方法。

背景技术

专注力是表示对一件事专心及投入的程度，专注力不足发生的原因很复杂，有先天因素也有后天因素。先天包括了智力、遗传、脑损伤、剖腹产等因素；后天因素包含了环境(也就是人、事、时、地物)、教养方式、情绪和兴趣(心理因素)、观察力不足、大动作发展不足、缺乏良好的阅读能力、听觉发展不足、自控能力较弱等。很多人都认为男孩子肢体动作大一点，好动一点，甚至觉得男生本来就要活泼、外向一些，所以不少早期有多动现象的男孩子被当成活泼、好动，因而耽误了纠正的黄金期。反观家长对女孩子的态度，看到女生爬高爬低、举止粗鲁，便开口制止，就会严加管教、教导正确的行为规范。

观察孩子注意时的特有表现，把注意集中在某个对象(事情和行为)上时，常伴随着一些特有的生理变化和表情动作。如果我们善于观察，那么，根据这些生理变化和表情动作，我们就能比较准确地判断出孩子是否集中了注意。注意时最显著的外部表现，主要有下面几种：(1)产生适应性的活动，即把感官朝向被注意的东西，(2)无关动作会停止，(3)呼吸变得轻微而缓慢。

但是现有技术中并没有一个准确的针对儿童、学生学习状态的检测方法，尤其是能针对学习状态，如通过长时间的视频监测，用人工智能算法从而对头面部微动作进行检测、识别、分析，从而能够检测出专注力是否不足的情况。

本发明即针对利用视频监测及人工智能算法来检测专注力是否不足的情况。

发明内容

为了解决上述问题，本发明公开了一种智能专注力监视方法包括如下步骤：

S1、算法初始化；所述算法包括：人脸检测算法、人脸识别算法、面部关键点提取算法、头姿态估计算法、面部属性检测算法、面部特征信息提取算法；

S2、数据提取；采集被检测者进行自然状态下专注行为图像，提取每帧图像的数字坐标，将每帧图像提取到的坐标信息记为一个数据项；

S3、数据标注；以视频序列对应数据项进行人工专注行为信息标注，判定是否专注；

S4、模型拟合；分析在时间轴定锚点的专注行为标注信息，生成微动作数据序列，将微动作数据序列的标注值记为LABEL，微动作数据序列中的数据记为MOTION_DATA_SEQ，将面部特征高维矩阵记为FACE_FEAT，FLATTEN_FEAT代表高维矩阵FACE_FEAT展开的一维序列；

以[INPUT,LABEL]数据对的形式，批量输入到GBDT算法模型，其中INPUT＝[MOTION_DATA_SEQ,FLATTEN_FEAT]，执行监督学习训练，最终得到训练好的模型记为MODEL；

S5、模型运算；将INPUT值输入到训练好的GBDT算法模型MODEL中，输出OUTPUT＝MODEL(INPUT＝[MOTION_DATA_SEQ,FLATTEN_FEAT])，OUTPUT包括两个值OUT1和OUT2；

采用判定函数J(OUTPUT)进行分类判定，

J(OUTPUT)＝SoftMax(OUTPUT)＝SoftMax([OUT1,OUT2])＝[exp(OUT1)/A,exp(OUT2)/A]，其中A＝exp(OUT1)+exp(OUT2)，

判定函数J(OUTPUT)的最终返回值分别为专注和非专注的评分。