[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

说明书

本发明涉及一种学生在校学习状态智能档案系统及使用方法，解决的是行为分析的计算复杂度高的技术问题，通过采用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；的技术方案，较好的解决了该问题，用于智慧教学信息中。

技术领域

本发明涉及智慧教学信息和图像智能处理领域，具体涉及一种学生在校学习状态智能档案系统及使用方法。

背景技术

在智慧教学领域中，学生的在校学习状态是重点关注的核心要素之一。现有技术中，对学生的在校学习状态研究可借助图像识别技术实现有限的几种动作识别，例如：看书、写字、看黑板等。在一定程度上为学习状态的自动分析研究提供了支持，但存在着多种动作不识别，并且缺乏对学生学习状态共性和个性的系统性研究，分析误差过大，导致现有技术实用性不高。

现有的学生在校学习状态智能档案系统及使用方法不能兼顾全体学生的共性和差异性，分析效率低，识别误差大。本发明提供一种学生在校学习状态智能档案系统及使用方法解决了上述技术问题。

发明内容

本发明所要解决的技术问题是现有技术中存在的行为分析的计算复杂度高的技术问题。提供一种新的学生在校学习状态智能档案系统，该学生在校学习状态智能档案系统具有减少行为分析的计算复杂度、适用于对学生群体学习状态的实时分析的特点。

为解决上述技术问题，采用的技术方案如下：

一种学生在校学习状态智能档案系统，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。

本发明的工作原理：本发明为了兼顾全体学生的共性和差异性，提高分析效率，降低识别误差，本发明还加入了泛化对比方法，大大减少行为分析的计算复杂度，特别适用于对学生群体学习状态的实时分析，实现了将学生在校学习状态智能建档，学生个体离群学习状态和原因的智能发现，并用于科学指导教学工作，提高教学质量。一方面大大降低了行为分析的计算复杂度，另一方面又能为学生上课行为的离群分析提供直接的依据。

上述方案中，为优化，进一步地，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。

本发明还提供一种学生在校学习状态智能档案使用方法，所述学生在校学习状态智能档案使用方法基于前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；