一种在线网络课堂学生专注度监管方法技术

本发明专利技术公开了一种在线网络课堂学生专注度监管方法，涉及数据处理技术领域，解决了现有技术应用于网络课堂时，无法保证获取的人脸照片或者人脸视频是有效真实的，导致在线上课堂上对学生专注度的监测不全面的技术问题；本发明专利技术在现有人脸识别技术的基础上，引入体征数据，将二者结合实现对学生专注度的监测，即根据体征数据生成体征时序序列，根据图像数据生成图像时序序列，再将体征时序序列和图像时序序列进行比较，获取专注度标签，降低学生作弊的可能性，提高专注度监测精度；本发明专利技术在进行专注度监测之前，在学生允许或者知情的情况下，验证学生账户，并生成权限控制信号，在权限控制信号生成之后再连接智能监测终端，有助于保障学生的隐私。保障学生的隐私。保障学生的隐私。

【技术实现步骤摘要】
一种在线网络课堂学生专注度监管方法


[0001]本专利技术属于数据处理领域，涉及一种在线网络课堂学生专注度监管技术，具体是一种在线网络课堂学生专注度监管方法。

技术介绍

[0002]无论是线下课堂还是线上课堂，学生的专注度是影响学生成绩和教学效果的重要因素，也是众多家长重点关注的问题之一。因此，学生专注度的监测是一个研究热点。
[0003]现有技术(硕士论文《基于机器视觉的学生上课专注度的分析评测系统》)通过机器视觉技术获取人脸照片，基于人脸识别技术提出侧脸算法、抬(低)头算法和眼睛张合度算法来实现学生专注度的监控；现有技术应用于网络课堂时，无法保证获取的人脸照片或者人脸视频是有效真实的，导致在线课堂上对学生专注度的监测不全面。因此，亟须一种在线网络课堂学生专注度监管方法。

技术实现思路

[0004]本专利技术旨在至少解决现有技术中存在的技术问题之一；为此，本专利技术提出了一种在线网络课堂学生专注度监管方法，用于解决现有技术应用于网络课堂时，无法保证获取的人脸照片或者人脸视频是有效真实的，导致在线上课堂上对学生专注度的监测不全面的技术问题；
[0005]本专利技术在现有人脸识别技术的基础上，引入体征数据，将二者结合实现对学生专注度的监测，即根据体征数据生成体征时序序列，根据图像数据生成图像时序序列，再将体征时序序列和图像时序序列进行比较，获取专注度标签，降低学生作弊的可能性，提高专注度监测精度。
[0006]为实现上述目的，本专利技术的第一方面提供了一种在线网络课堂学生专注度监管方法，包括：
[0007]通过智能穿戴设备获取体征数据，对体征数据进行分析，获取体征时序序列；其中，体征时序序列表示时间和根据体征数据获取的专注度的对应关系；
[0008]通过图像采集设备获取图像数据，对图像数据进行分析，获取图像时序序列；其中，图像时序序列表示时间和根据图像数据获取的专注度的对应关系；
[0009]将图像时序序列和体征时序序列进行对比，获取专注度标签。
[0010]优选的，在进行所述体征数据和所述图像数据的采集之前，验证学生账户，并生成权限控制信号以连接智能监测终端；其中，智能监测终端包括智能穿戴设备和图像采集设备。
[0011]优选的，当学生通过智能终端登陆线上授课平台时，验证学生账户；其中，智能终端包括智能手机、平板电脑或者笔记本电脑；
[0012]当学生账户验证通过时，则生成权限控制信号；其中，权限控制信号在学生知情或者允许的情况下生成；
[0013]在权限控制信号生成后，则智能监测终端开始工作，并与智能终端进行实时数据交互。
[0014]优选的，对所述体征数据进行分析，获取体征时序序列，包括：
[0015]通过智能穿戴设备持续获取学生的体征数据；
[0016]提取体征数据中的脑电信号，对脑电信号进行分析，根据分析结果对专注度进行标记，并记为第一标记；
[0017]将第一标记以及对应的时间进行整合，获取体征时序序列。
[0018]优选的，对所述图像数据进行分析，获取图像时序序列，包括：
[0019]通过图像采集设备持续获取学生的图像数据；
[0020]根据专注度识别算法对图像数据进行分析，根据分析结果对专注度进行标记，并记为第二标记；
[0021]将第二标记以及对应的时间进行整合，获取图像时序序列。
[0022]优选的，对所述体征时序序列和所述图像时序序列进行联合分析，获取专注度标签，包括：
[0023]任意选择体征时序序列和图像时序序列中的一个作为主参考数据，则另一个作为辅参考数据；
[0024]当主参考数据和辅参考数据对应的时间周期内专注度一致，且均正常时，则将专注度标签设置为0；否则，将专注度标签设置为1。
[0025]优选的，根据所述专注度标签对学生进行提醒，包括：
[0026]当专注度标签为1时，通过智能监测终端对学生进行周期性提醒。
[0027]优选的，对设定周期内学生的专注度标签进行统计,生成统计报告，并发送至关联人员；其中，关联人员包括老师和家长。
[0028]与现有技术相比，本专利技术的有益效果是：
[0029]1、本专利技术在现有人脸识别技术的基础上，引入体征数据，将二者结合实现对学生专注度的监测，即根据体征数据生成体征时序序列，根据图像数据生成图像时序序列，再将体征时序序列和图像时序序列进行比较，获取专注度标签，降低学生作弊的可能性，提高专注度监测精度。
[0030]2、本专利技术在进行专注度监测之前，在学生允许或者知情的情况下，验证学生账户，并生成权限控制信号，在权限控制信号生成之后再连接智能监测终端，有助于保障学生的隐私。
附图说明
[0031]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0032]图1为本专利技术的工作步骤示意图。
具体实施方式
[0033]下面将结合实施例对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0034]硕士论文《基于机器视觉的学生上课专注度的分析评测系统》通过机器视觉技术获取人脸照片，基于人脸识别技术提出侧脸算法、抬(低)头算法和眼睛张合度算法来实现学生专注度的监控；现有技术在应用于下线课程时，可以实时采集教室内学生的面部图像，通过面部图像分析其专注度，但是在应用于网络课堂时，无法保证获取的人脸照片或者人脸视频是有效真实的，即学生可以通过录制好的视频来骗过图像采集设设备，导致在线课堂上对学生的专注度的监测不够准确和全面。
[0035]本专利技术在现有人脸识别技术的基础上，引入体征数据，将二者结合实现对学生专注度的监测，即根据体征数据生成体征时序序列，根据图像数据生成图像时序序列，再将体征时序序列和图像时序序列进行比较，获取专注度标签，降低学生作弊的可能性，提高专注度监测精度，以解决上述问题。
[0036]请参阅图1，本申请第一方面实施例提供了一种在线网络课堂学生专注度监管方法，包括：
[0037]通过智能穿戴设备获取体征数据，对体征数据进行分析，获取体征时序序列；
[0038]通过图像采集设备获取图像数据，对图像数据进行分析，获取图像时序序列；
[0039]将图像时序序列和体征时序序列进行对比，获取专注度标签。
[0040]本申请的主要目的是避免学生用虚假的视频或者图像干扰图像采集设备，通过体征数据和图像数据的双向验证来保证获取的专注度的准确性。
[0041]本申请中的智能穿戴设备包括智能手环、智能耳机等，主要用于采集学本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种在线网络课堂学生专注度监管方法，其特征在于，包括：获取学生的体征数据，对体征数据进行分析，获取体征时序序列；其中，体征时序序列表示时间和根据体征数据获取的专注度的对应关系；获取学生的图像数据，对图像数据进行分析，获取图像时序序列；其中，图像时序序列表示时间和根据图像数据获取的专注度的对应关系；将图像时序序列和体征时序序列进行对比，获取专注度标签。2.根据权利要求1所述的一种在线网络课堂学生专注度监管方法，其特征在于，在进行所述体征数据和所述图像数据的采集之前，验证学生账户，并生成权限控制信号以连接智能监测终端；其中，智能监测终端包括智能穿戴设备和图像采集设备。3.根据权利要求2所述的一种在线网络课堂学生专注度监管方法，其特征在于，当学生通过智能终端登陆线上授课平台时，验证学生账户；其中，智能终端包括智能手机、平板电脑和笔记本电脑；当学生账户验证通过时，则生成权限控制信号；在权限控制信号生成后，则智能监测终端开始工作，并与智能终端进行实时数据交互。4.根据权利要求2所述的一种在线网络课堂学生专注度监管方法，其特征在于，对所述体征数据进行分析，获取体征时序序列，包括：通过智能穿戴设备持续获取学生的体征数据；提取体征数据中的脑电信号，对脑电信号进行分析，根据分析结果对...

【专利技术属性】
技术研发人员：吴伟，丁伯尧，柳晨昕，
申请(专利权)人：安徽国通亿创科技股份有限公司，
类型：发明
国别省市：