[发明专利]基于人脸识别的课堂专注状态检测方法及相关仪器

权利要求书

1.一种基于人脸识别的课堂专注状态检测方法，其特征在于，包括：

S100，对课堂中各个学生进行初始专注度筛选，得到初始专注度不符合要求的选定学生，将所述选定学生的人脸照片确定为目标人脸图像；

S200，将所述目标人脸图像输入预先训练的眼眶检测模型，获取所述眼眶检测模型输出的眼眶边长；其中，所述眼眶检测模型用于检测所输出人脸图像的眼眶描述信息；所述眼眶描述信息包括眼部最小外接矩形的边长和代表点的坐标；

S300，获取所述眼眶边长中的最小边长以及该课堂对应的困倦检测阈值，将所述最小边长小于所述困倦检测阈值的学生状态确定为困倦状态；其中，所述困倦检测阈值为相应年龄段学生犯困或者瞌睡时，上下眼皮间的最大间距值；

所述课堂专注状态检测方法还包括：将困倦状态这一检测结果发送至老师的教学终端，使老师针对相应学生的该状态进行应对，以保证学习效率，和/或，将该检测结果发送至智能终端，以使该智能终端及时收到这一状态检测信息，进行相应提醒或者控制，以进行多方面干预，提升相应学生的学习效率。

2.根据权利要求1所述的基于人脸识别的课堂专注状态检测方法，其特征在于，所述困倦检测阈值的确定过程包括：

获取所述课堂中学生的平均年龄，在预设的年龄-困倦检测阈值关系中查找所述平均年龄对应的困倦检测阈值，得到困倦检测阈值；其中，所述年龄-困倦检测阈值关系记录各个年龄对应的困倦检测阈值。

3.根据权利要求1所述的基于人脸识别的课堂专注状态检测方法，其特征在于，所述眼眶检测模型的训练过程包括：

S210，分别采集各个年龄段学生的多个人脸照片，得到第一样本图像，标注各个第一样本图像中眼部边界框的代表点位置和各边边长，得到各个第一样本图像的图像描述信息；

S220，以所述各个第一样本图像为输入，各个图像描述信息为输出训练目标检测网络，在所述目标检测网络满足第一训练条件时，根据所述目标检测网络当前的网络参数确定所述眼眶检测模型。

4.根据权利要求3所述的基于人脸识别的课堂专注状态检测方法，其特征在于，在所述目标检测网络满足第一训练条件时，根据所述目标检测网络当前的网络参数确定所述眼眶检测模型之前，还包括：

获取所述目标检测网络在训练过程中的损失函数，在所述损失函数收敛或者所述损失函数的取值小于损失阈值时，判定所述目标检测网络满足第一训练条件。

5.根据权利要求1所述的基于人脸识别的课堂专注状态检测方法，其特征在于，所述将所述目标人脸图像输入预先训练的眼眶检测模型，获取所述眼眶检测模型输出的眼眶边长包括：

获取各个选定学生当前的多个目标人脸图像，将各个目标人脸图像分别输入所述眼眶检测模型，获取所述眼眶检测模型针对各个选定学生的各个目标人脸图像输出的初始眼眶边长，根据各个初始眼眶边长的平均值确定各个选定学生的眼眶边长。

6.根据权利要求1所述的基于人脸识别的课堂专注状态检测方法，其特征在于，所述对课堂中各个学生进行初始专注度筛选，得到初始专注度不符合要求的选定学生包括：

获取课堂中各个学生的姿态照片和人脸照片，将各个姿态照片输入预先训练的姿态检测模型，获取所述姿态检测模型输出的姿态检测值，将各个姿态照片输入预先训练的表情检测模型，获取所述表情检测模型输出的表情检测值，根据所述姿态检测值和所述表情检测值确定初始专注度不符合要求的选定学生。