[发明专利]一种基于机器视觉的学生上课专注度的评测方法

说明书

本发明公开了一种基于机器视觉的学生上课专注度的评测方法，包括以下步骤：S1、使用摄像头对课堂上的学生听课状态的图像信息进行采集；S2、对采集的图像进行预处理；S3、对人脸特征进行提取，获取专注度评测指标；S4、通过层次分析法确定专注度评测指标的权重，建立专注度分析模型；S5、建立专注度分析模型对应的专注度分级评分标准；S6、根据专注度分析模型中的各专注度评测指标评分及对应的权重，确定专注度等级。本发明采用上述的一种基于机器视觉的学生上课专注度的评测方法，通过多指标对学生上课的专注度进行评测，提高了专注度评测的效率和精准度。

技术领域

本发明涉及教育信息技术领域，尤其是涉及一种基于机器视觉的学生上课专注度的评测方法。

背景技术

学生是课堂的主体，学生上课专注度是学生参与学习，影响有效教学的一个重要因素。随着科学技术的高速发展，人脸检测的研究也越来越多，而将脸检测应用于学生上课的注意力研究是重要的发展方向之一。

目前，关于学生上课专注度的研究，大多是研究如何提高学生上课的专注度的方法，而对于学生课堂专注并没有明确的界定。学生上课专注度多通过老师的主观判断，这也就导致了此判断会存在老师的主观意识，从而影响判断结果的准确性。将基于机器视觉技术应用于学生上课专注度评测则可以解决此问题，因此，亟需一种基于机器视觉的学生上课专注度的评测方法。

发明内容

本发明的目的是提供一种基于机器视觉的学生上课专注度的评测方法，通过多指标对学生上课的专注度进行评测，提高了专注度评测的效率和精准度。

为实现上述目的，本发明提供了一种基于机器视觉的学生上课专注度的评测方法，包括以下步骤：

S1、使用摄像头对课堂上的学生听课状态的图像信息进行采集；

S2、对采集的图像进行预处理；

S3、对人脸特征进行提取，获取专注度评测指标；

S4、通过层次分析法确定专注度评测指标的权重，建立专注度分析模型；

S5、建立专注度分析模型对应的专注度分级评分标准；

S6、根据专注度分析模型中的各专注度评测指标评分及对应的权重，确定专注度等级。

优选的，步骤S1中，学生听课状态的图像信息采集包括学生的脸部信息和动作信息。

优选的，步骤S2中，对采集的图像进行预处理为灰度化处理，灰度化处理的方法为：获取图像中R、G、B三通道的平均值Avg_R、Avg_G、Avg_B，灰度均值计算如下，

其中，Avg_H为灰度平均值；

其中，K_r、K_g、K_b均为增益系数。

优选的，步骤S3中，对人脸特征进行提取具体包括：将灰度化处理的图像通过Viola-Jones算法进行人脸识别和追踪定位，检测人脸的眼睛、鼻子、嘴巴。

优选的，步骤S3中，专注度评测指标包括人脸的朝向指标，头部俯仰指标、朝向俯仰指标、眼睛张合度指标、嘴巴张合度指标、综合张合度指标。

优选的，步骤S4中，通过层次分析法确定专注度评测指标的权重：

S41、构建专注度评测指标判断矩阵；

S42、计算专注度评测指标的权重；