【技术实现步骤摘要】
本专利技术涉及人工智能，尤其涉及一种学习专注度分析方法以及相关装置。
技术介绍
1、随着教育信息化的发展和普及，越来越多的学校和教学机构开始关注学生的学习情况和学习效果。其中，专注度是影响学生学习效果的重要因素之一。然而，传统的专注度评估方法往往存在诸多不足，如仅依靠教师主观评价、需要耗费大量时间和人力、存在一定的误差等问题。
技术实现思路
1、本专利技术实施例的主要目的在于提供一种学习专注度分析方法以及相关装置，旨在解决相关技术中仅依靠教师主观评价、需要耗费大量时间和人力、存在一定的误差，导致专注度分析结果较差，可靠性不高的问题。
2、第一方面，本专利技术实施例提供一种学习专注度分析方法，包括：
3、获取目标对象在学习过程中的第一传感器数据、第二传感器数据、第三传感器数据；
4、对所述第一传感器数据、所述第二传感器数据、所述第三传感器数据进行预处理；
5、对预处理后的所述第一传感器数据、所述第二传感器数据、所述第三传感器数据分别进行特征提取，得到第一特征数据、第二特征数据以及第三特征数据；
6、对所述第一特征数据、所述第二特征数据以及所述第三特征数据进行特征融合，得到目标特征数据；
7、将所述目标特征数据输入至动作识别模型中，得到目标对象在学习过程中的目标肢体微动信息；
8、将所述目标肢体微动信息输入至专注度识别模型中，得到目标对象在学习过程中的专注度水平；
9、将所述目标对象在学习过
10、第二方面，本专利技术实施例提供一种学习专注度分析装置，包括：
11、数据获取模块，用于获取目标对象在学习过程中的第一传感器数据、第二传感器数据、第三传感器数据；
12、数据处理模块，用于对所述第一传感器数据、所述第二传感器数据、所述第三传感器数据进行预处理；
13、特征提取模块，用于对预处理后的所述第一传感器数据、所述第二传感器数据、所述第三传感器数据分别进行特征提取，得到第一特征数据、第二特征数据以及第三特征数据；
14、特征融合模块，用于对所述第一特征数据、所述第二特征数据以及所述第三特征数据进行特征融合，得到目标特征数据；
15、信息确定模块，用于将所述目标特征数据输入至动作识别模型中，得到目标对象在学习过程中的目标肢体微动信息；
16、结果确定模块，用于将所述肢体微动信息输入至专注度识别模型中，得到目标对象在学习过程中的专注度水平；
17、结果展示模块，用于将所述目标对象在学习过程中的所述专注度水平进行可视化展示。
18、第三方面，本专利技术实施例还提供一种终端设备，所述终端设备包括处理器、存储器、存储在所述存储器上并可被所述处理器执行的计算机程序以及用于实现所述处理器和所述存储器之间的连接通信的数据总线，其中所述计算机程序被所述处理器执行时，实现如本专利技术说明书提供的任一项学习专注度分析方法的步骤。
19、第四方面，本专利技术实施例还提供一种存储介质，用于计算机可读存储，其特征在于，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如本专利技术说明书提供的任一项学习专注度分析方法的步骤。
20、本专利技术实施例提供一种学习专注度分析方法以及相关装置，本申请通过获取目标对象在学习过程中的第一传感器数据、第二传感器数据和第三传感器数据，可以获取目标对象的行为状态和环境信息。这可以用于分析目标对象的行为模式和环境特征，以便更好地理解目标对象的学习状态。本申请对第一传感器数据、第二传感器数据和第三传感器数据进行预处理去除了各个传感器数据中的噪声和不必要的信息，以提高后续处理的效率和准确性。进而对预处理后的传感器数据进行特征提取，可以得到第一传感器数据对应的第一特征数据、第二传感器数据对应的第二特征数据和第三传感器数据对应的第三特征数据，进而根据特征数据用于描述目标对象的身体状态、肢体微动以及专注度及认知状态等信息。再者，本申请将第一特征数据、第二特征数据和第三特征数据进行特征融合，可以获得更全面的目标特征数据，以更准确地描述目标对象的状态信息，并对目标特征数据使用动作识别模型获得目标对象在学习过程中的目标肢体微动信息，进而对目标肢体微动信息使用专注度识别模型分析目标对象在学习过程中的专注度水平，进而根据专注度水平度量目标对象的学习效果和进度，并根据需要提供反馈和支持，以更好地促进目标对象的学习。最后将目标对象在学习过程中的专注度水平进行可视化展示，可以用于直观地反映目标对象的学习效果和进展，以及指导进一步的学习活动。这可以为目标对象提供更好的反馈和支持，从而提高学习效果。解决了相关技术中仅依靠教师主观评价、需要耗费大量时间和人力、存在一定的误差，导致专注度分析结果较差，可靠性不高的问题。
本文档来自技高网...【技术保护点】
1.一种学习专注度分析方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，对所述第一传感器数据、所述第二传感器数据、所述第三传感器数据进行预处理，包括；
3.根据权利要求1所述的方法，其特征在于，对每个所述时间步对应的所述隐藏状态进行融合处理，得到目标特征数据，包括：
4.根据权利要求1所述的方法，其特征在于，所述动作识别模型包括动作生成网络、动作评估网络；
5.根据权利要求4所述的方法，其特征在于，所述动作生成网络对应的表达式是：
6.根据权利要求1所述的方法，其特征在于，将所述目标肢体微动信息输入至专注度识别模型中，得到目标对象在学习过程中的专注度水平，包括：
7.一种学习专注度分析装置，其特征在于，包括：
8.一种终端设备，其特征在于，所述终端设备包括处理器、存储器；
9.一种计算机存储介质，用于计算机存储，其特征在于，所述计算机存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现权利要求1至6中任一项所述的学习专注度分析
...【技术特征摘要】
1.一种学习专注度分析方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，对所述第一传感器数据、所述第二传感器数据、所述第三传感器数据进行预处理，包括；
3.根据权利要求1所述的方法，其特征在于，对每个所述时间步对应的所述隐藏状态进行融合处理，得到目标特征数据，包括：
4.根据权利要求1所述的方法，其特征在于，所述动作识别模型包括动作生成网络、动作评估网络；
5.根据权利要求4所述的方法，其特征在于，所述动作生成网络对应的表达式...
【专利技术属性】
技术研发人员：甘俊杰，陈一丰，肖慈婉，
申请(专利权)人：珠海谷田科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。