[发明专利]一种学生在校学习状态智能档案系统及使用方法

权利要求书

1.一种学生在校学习状态智能档案系统，其特征在于：所述学生在校学习状态智能档案系统包括图像数据采集模块M1、人脸识别定位模块M2、采用泛化对比方法的行为分析模块M3、学习状态分析模块M6、归档处理模块M7；

所述学生在校学习状态智能档案系统还包括场景行为库模块M10、学生档案模块M8，所述学生档案模块M8还连接设置有数据汇聚模块M9；

所述归档处理模块M7将学习状态分析模块M6的信息打包处理后推送至学生档案模块M8；

所述数据汇聚模块M9与教学教务系统对接，实现数据的汇聚与应用；

所述场景行为库模块M10包括有行为识别基础数据集。

2.根据权利要求1所述的学生在校学习状态智能档案系统，其特征在于：所述行为分析模块M3连接有疑难样本采用模块M4，疑难样本采用模块连接有异常场景处理模块M5；所述场景行为库模块M10还包括异常场景处理模块M5传入的新场景行为数据集。

3.一种学生在校学习状态智能档案使用方法，其特征在于：所述学生在校学习状态智能档案使用方法基于权利要求1或2所述学生在校学习状态智能档案系统，所述使用方法包括：

步骤一，图像数据采集模块M1，进行图像数据采集，包括采集学生和老师的人脸图像信息，作为档案的关键识别属性，以及采集学生和老师的实时图像信息，作为状态分析的输入信息；

步骤二，人脸识别定位模块M2接收到图像数据采集模块M1传入的学生和老师的实时图像信息，对图像中的人脸信息进行识别与定位；

步骤三，行为分析模块M3接收来自人脸识别定位模块M2传来的实时图像信息和人员信息后，根据场景行为库模块M10，采用泛化对比方法做行为分析；

步骤四，学习状态分析模块M6进行离群行为筛选、离群行为类型评价、老师上课行为分析、离群行为原因分析生成某时刻的群体学习状态；

步骤五，将学习状态分析模块M6的信息，进行打包和处理，并推送到学生档案模块M8，学生档案模块M8存储有个人信息、考试成绩、历史学习状态信息；

步骤六，数据汇聚模块M9对外交互数据。

4.根据权利要求3所述的学生在校学习状态智能档案使用方法，其特征在于：步骤二包括：

S201，对学生和老师的人脸图像登记信息，进行人脸识别得到人脸图像的特征，识别的特征结果记为R_c，并存入学生档案模块M8，用于人员档案登记；

S202，对采集到的学生和老师的实时图像信息，进行人脸识别与定位得到图像视野内所有的人脸信息进行识别与定位，识别与定位的特征结果记为R_lc.得到特征结果后，人脸识别定位模块M2调用学生档案模块M8中的人脸登记信息，比对得到视野内所有的人员信息；

S203，人脸识别定位模块M2将学生和老师的实时图像信息以及对应的人员信息输出到行为分析模块M3。

5.根据权利要求3所述的学生在校学习状态智能档案使用方法，其特征在于：步骤三包括：

步骤S301，成员快速分组，行为分析模块M3首先从学生档案模块M8读取实时图像画面中已识别到的学生学习成绩，若学生档案模块M8中具有学习成绩记录，则按成绩排名梯度分为n个组别；若学生档案模块M8中没有学习成绩记录，则将视频图像中所有成员定义为一个组别；

步骤3012，图像按成员分解，以步骤301中的分组结果为单位，利用人脸识别与定位方法从图像中识别出各组的成员，通过快速边缘检测方法，将图像按成员区域分解，生成用于行为分析的分解图像；

步骤S302，构建深度卷积神经网络行为分析器，对s类进行典型行为分析。

6.根据权利要求5所述的学生在校学习状态智能档案使用方法，其特征在于：通过快速边缘检测方法包括：

步骤30121：以人脸识别定位到的成员区域为目标区域，进行快速边缘检测；

步骤30122：循环进行上述检测，定义循环次数为图像中的成员数，分解为独立的分解图像，用于行为分类器的输入；

步骤3013：将步骤3012中的分解图像输入到卷积神经网络行为分类器按行为进行分类，分为s类。