[发明专利]学生信息测评方法

权利要求书

1.一种学生信息测评方法，其特征在于，所述学生信息测评方法包括：

获取教室的第一时长的监控视音频信息；

对所述监控视音频信息进行分析，得到上课姿态数据、课间活动数据和表情数据；

通过预设的行为时序分析异常智能检测模型，对所述上课姿态数据、课间活动数据和表情数据进行检测，得到情绪状态信息；

通过预设的行为交叉智能融合建模模型，对所述上课姿态数据进行检测，得到头部姿态和手部动作；

对所述头部姿态、所述手部动作和所述表情数据进行融合处理，得到精神状态信息；

根据所述情绪状态信息和人际关系，对学生心理状态进行测评；

根据所述精神状态信息和学习状态，对学生自律性进行测评；所述学习状态通过学生的考试成绩所获得。

2.根据权利要求1所述的方法，其特征在于，所述对所述监控视音频信息进行分析，得到上课姿态数据、课间活动数据和表情数据具体包括：

根据所述监控视音频信息和课程表，确定上课时间段和课间时间段；

根据所述上课时间段，从所述监控视音频信息中提取上课姿态数据；所述上课姿态数据包括每个学生的上课姿态数据；

根据所述课间时间段，从所述监控视音频信息中提取课间活动数据；所述课间活动数据包括每个学生的课间活动数据；

从所述上课姿态数据中提取第一表情数据；

从所述课间活动数据中提取第二表情数据；

根据所述第一表情数据和所述第二表情数据，得到每个学生的表情数据。

3.根据权利要求1所述的方法，其特征在于，所述通过预设的行为时序分析异常智能检测模型，对所述上课姿态数据、课间活动数据和表情数据进行检测，得到情绪状态信息具体包括：

在时间轴上，对每个学生的上课姿态数据、课间活动数据和表情数据进行分析，得到学生每天的情绪状态信息；所述情绪状态信息包括开心、正常、低落。

4.根据权利要求1所述的方法，其特征在于，所述通过预设的行为交叉智能融合建模模型，对所述上课姿态数据进行检测，得到头部姿态和手部动作具体包括：

通过所述行为交叉智能融合建模模型，将上课姿态数据中的头部2D图像映射到3D图像；

根据所述3D图像，得到人脸姿态的朝向；包括俯仰角、偏航角和滚转角；

根据所述俯仰角、偏航角和所述滚转角，确定头部姿态；所述头部姿态包括抬头、摇头和转头；

将上课姿态数据中进行手部特征提取，将手部进行标记，得到标记的手部动作检测框；

对所述手部动作检测框进行检测，得到手部动作；所述手部动作包括手部姿态和角度信息。

5.根据权利要求1所述的方法，其特征在于，所述根据所述情绪状态信息和人际关系，对学生心理状态进行测评之前，所述方法还包括：

通过头部姿态和手部动作，确定人际关系；所述人际关系包括非常好、良好、正常和孤僻。

6.根据权利要求1所述的方法，其特征在于，所述根据所述情绪状态信息和人际关系，对学生心理状态进行测评具体包括：

获取班级信息；所述班级信息包括班级学生总数、学生ID；

根据所述学生ID，统计每个学生的人际关系为非常好、良好、正常和孤僻中的任意一种；

根据学生总数，统计班级中人际关系为非常好、良好、正常和孤僻所占的比例，生成人际关系表；

统计每个学生的情绪状态信息开心、正常、失落中的任意一种；

根据学生总数，统计班级中情绪状态信息为开心、正常、失落所占的比例，生成情绪状态表。

7.根据权利要求1所述的方法，其特征在于，所述根据所述精神状态信息和学习状态，对学生自律性进行测评之前，所述方法还包括：

获取学生的考试成绩；

根据学生的考试成绩，确定学生的学习状态，所述学习状态包括非常好、良好、正常和不佳，所述学习状态中的每一种通过成绩进行区分。