[发明专利]基于学生表情识别的教学监控系统及方法在审

专利信息
申请号: 202010542286.1 申请日: 2020-06-15
公开(公告)号: CN111860156A 公开(公告)日: 2020-10-30
发明(设计)人: 胡二琳 申请(专利权)人: 安徽碧耕软件有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06Q50/20
代理公司: 上海精晟知识产权代理有限公司 31253 代理人: 龙凯
地址: 230000 安徽省合肥市*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 学生 表情 识别 教学 监控 系统 方法
【说明书】:

发明公开了基于学生表情识别的教学监控系统及方法,涉及教学监控技术领域。本发明包括视频采集器、视频图像预处理模块、人脸识别模块、分析处理模块以及输出模块;视频采集器,用于采集教室内学生视频图像并传递至视频图像预处理模块;视频图像预处理模块,用于对学生视频图像进行分帧处理获得学生人脸图像并传递至人脸识别模块;分析处理模块,用于建立时间‑表情‑学习状态表。本发明通过时间‑表情‑学习状态表可以观察不同时间段学生的学习状态,以保证教师能够根据学生的学习状态调整教学方式,提高教学质量。

技术领域

本发明属于教学监控技术领域,特别是涉及一种基于学生表情识别的教学监控系统及方法。

背景技术

随着物联网以及智能教学进入校园,智慧教室也应运而生;现有的智慧教室常通过在教学过程中监控学生听课状态,对教学效果的评估,有利于调整教学模式和教学方法,以提高学生整体教学质量。

而现有的这种方式不能很好的通过学生上课的表情状态建立起与学习状态、学习成绩的关系;导致不能很好的调整教学方式。解决上述问题,本发明提供一种基于学生表情识别的教学监控系统及方法,用于建立时间-表情-学习状态表并获取学习状态与表情的关系。

发明内容

本发明的目的在于提供基于学生表情识别的教学监控系统及方法,通过建立时间-表情-学习状态表获取学习状态与表情的关系,以及学生抬头率p以及疑惑表情率q与学习成绩G的关系函数,解决了现有不能通过学生表情调节教学模式和教学方法,以提高学生整体教学质量的问题。

为解决上述技术问题,本发明是通过以下技术方案实现的:

本发明为基于学生表情识别的教学监控系统,包括:视频采集器、视频图像预处理模块、人脸识别模块、分析处理模块以及输出模块;所述视频采集器,用于采集教室内学生视频图像并传递至视频图像预处理模块;所述视频图像预处理模块,用于对所述学生视频图像进行分帧处理获得学生人脸图像并传递至人脸识别模块;

所述人脸识别模块,用于对所述学生人脸图像进行特征提取获取人脸特征信息;所述人脸识别模块,用于根据所述人脸特征信息获取表情识别结果;所述人脸识别模块,用于传递人脸特征信息以及表情识别结果至分析处理模块;所述分析处理模块,用于根据人脸特征信息从数据库中查询获取学生基础信息;所述学生基础信息包括基本信息以及学习成绩信息;所述分析处理模块,分析表情识别结果获取学习状态;所述分析处理模块,用于建立时间-表情-学习状态表并通过所述输出模块展示出来。

优选地,所述分析处理模块,用于根据人脸特征信息获取单位时间内学生抬头率p并存储到学生数据库。

优选地,所述分析处理模块,用于根据表情识别结果建立时间表情统计表并存储到学生数据库;所述分析处理模块,根据所述时间表情统计表计算疑惑表情率q。

优选地,所述分析处理模块,用于建立关于学生抬头率p以及疑惑表情率q与学习成绩G的关系函数:

其中,k为线性系数。

优选地,所述数据库中存储人脸特征集合、表情集合以及学习状态集合;所述人脸特征集合为人脸特征信息的集合;所述表情集合为表情识别结果的结合;所述学习状态集合为学习状态的集合;所述人脸特征信息对应表情识别结果;所述表情识别结果对应学习状态。

基于学生表情识别的教学监控方法,包括如下过程:

A00:视频采集器实时采集教室内学生视频图像并传递至视频图像预处理模块;

A01:视频图像预处理模块对学生视频图像进行分帧处理获得学生人脸图像并传递至人脸识别模块;

A02:人脸识别模块对学生人脸图像进行特征提取获取人脸特征信息;

A03:人脸识别模块根据人脸特征信息获取表情识别结果;

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安徽碧耕软件有限公司,未经安徽碧耕软件有限公司许可,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/202010542286.1/2.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