[发明专利]一种基于人工智能的学生课堂学习行为的监测系统在审

专利信息
申请号: 201910447608.1 申请日: 2019-05-27
公开(公告)号: CN112001209A 公开(公告)日: 2020-11-27
发明(设计)人: 刘军 申请(专利权)人: 深圳市希科普股份有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06Q50/20;A61B5/11
代理公司: 深圳市睿智专利事务所 44209 代理人: 邢海兵
地址: 518055 广东省深圳市南山区*** 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 基于 人工智能 学生 课堂 学习 行为 监测 系统
【权利要求书】:

1.一种基于人工智能的学生课堂学习行为的监测系统,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系统的注册;

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,用于提供该监测系统与外部交互的接口;

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,用于对系统预设的合成时间段内的每一个在系统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,与系统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所述的监测系统,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所述的监测系统,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所述的监测系统,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系统中作为每个学生正确坐姿的比对参数。

5.根据权利要求4所述的监测系统,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系统预存的标准比例参数,进行匹配。

6.根据权利要求1所述的监测系统,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所述的监测系统,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所述的监测系统,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所述的监测系统,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任一项所述的监测系统,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。

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市希科普股份有限公司,未经深圳市希科普股份有限公司许可,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/201910447608.1/1.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