System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种基于机器视觉的学生上课期间专注力统计方法技术_技高网

一种基于机器视觉的学生上课期间专注力统计方法技术

技术编号:43028575 阅读:13 留言:0更新日期:2024-10-18 17:28
本发明专利技术公开了一种基于机器视觉的学生上课期间专注力统计方法,属于教育教学辅助技术领域,包括以下步骤:S1原始做标设置,S2准确做标确认,S3定义倾向角,S4专注时间计算,S5专注百分比计算,该方法应能够自动检测和追踪个体行为,通过深度学习等先进技术提取行为特征,并结合心理学和行为学理论,实现对个体专注力和行为模式的深入分析,系统还考虑到用户隐私保护和数据安全性,确保在分析过程中遵守相关法律法规和伦理标准,提供一种创新的基于机器视觉的专注力及行为分析系统,通过集成先进的图像处理算法、机器学习模型和用户友好的界面,实现对个体行为的实时监测和分析,为教育、医疗等领域提供有力的技术支持。

【技术实现步骤摘要】

一种基于机器视觉的学生上课期间专注力统计方法,本专利技术属于教育教学辅助,具体涉及基于机器视觉的学生上课期间专注力统计方法。


技术介绍

1、在当今社会,随着人工智能和计算机视觉技术的飞速发展,基于机器视觉的系统在多个领域展现出了巨大的潜力和应用价值。特别是在教育、工作环境以及医疗健康等领域,对个体的专注力和行为模式的分析成为了一个重要的研究方向。传统的专注力及行为分析方法主要依赖于问卷调查、人工观察等手段,这些方法存在效率低下、主观性强、难以大规模应用等局限性。

2、为了解决这些问题,研究者开始探索自动化的分析方法,利用机器视觉技术来捕捉和分析个体的行为和专注力状态。例如,通过摄像头捕捉个体的面部表情、眼球运动、姿态变化等非侵入式的行为数据,结合先进的图像处理和模式识别算法,可以更准确地评估个体的专注度、情绪状态以及行为模式。

3、然而,尽管已有一些初步的研究和应用,现有的基于机器视觉的专注力及行为分析系统仍面临着一些挑战。例如,如何提高行为识别的准确性和鲁棒性、如何处理复杂环境中的多人体行为分析、如何保护用户隐私等问题。此外,大多数现有系统还缺乏实时性,难以满足某些应用场景对快速响应的需求。

4、针对这些挑战,开发一种高效、准确、实时的基于机器视觉的专注力及行为分析系统显得尤为迫切。


技术实现思路

1、本专利技术要解决的技术问题是克服现有的缺陷,提供一种基于机器视觉的学生上课期间专注力统计方法,由此来解决现有系统还缺乏实时性,难以满足某些应用场景对快速响应的需求的问题。

2、为实现上述目的,本专利技术提供如下技术方案:

3、一种基于机器视觉的学生上课期间专注力统计方法,包括以下步骤:

4、s1:原始做标设置:预设置教室内学生座位的每横竖排的起始坐标;

5、s2:准确做标确认:比对每个座位与摄像头的距离从而确定每位学生的准确坐标位置(xp,yp);

6、s3:定义倾向角:学生人脸与黑板因位置关系,以及比较舒适的面向老师会有个转体角度,这个角度我们定义为倾向角θx实θy;

7、s4:不专注时间计算:把摄像头拍摄的每个学生的实时角度带入公式进行计算,从而得出不专注时间a和所有同学集体偏移时间b;

8、s5:专注百分比计算:得出每个学生的专注力百分比为[45-(a-b)]/45x 100%=专注力百分比。

9、作为本专利技术的一种优选技术方案,s3中学生面向黑板的倾向角θx的计算公式为:

10、

11、水平方向实际距离x的计算公式为:

12、

13、垂直方向的倾向角θy的计算公式为:

14、

15、垂直方向实际距离y的计算公式为:

16、

17、作为本专利技术的一种优选技术方案,所述s4中学生低头或头部左右转动偏离角度不在θx±30°和θy±30°的区间内部时记为不专注,从而得出不专注时间a,同时在80%的学生头部偏移角度均不在θx±30°和θy±30°的区间内部时,可为判定为时集体行为,此时所有同学集体偏移时间记为b。

18、作为本专利技术的一种优选技术方案,所述s4中每节课的上课时间为45分钟。

19、与现有技术相比,本专利技术的有益效果是:通过上述技术方案,本系统能够提供可量化的专注力的百分比,经过时间积累,会产生一个专注力百分比平均值。当学生的专注力百分比大幅度偏离平均值时(30%以上),则系统可提醒班主任和家长,学生可能生病或遇有疑难问题等,亦有可能被霸凌,及学生不愉快长期积累产生抑郁的潜在风险。提早发现以免造成更恶劣的后果,实现快速响应。学生专注力百分比的变化,结合其精神面貌及情绪,可及时发现学生的不良状态,具有良好的用户体验,丰富其算法会产生更广泛的应用场景。

本文档来自技高网...

【技术保护点】

1.一种基于机器视觉的学生上课期间专注力统计方法,其特征在于:包括以下步骤:

2.根据权利要求1所述的一种基于机器视觉的学生上课期间专注力统计方法,其特征在于:所述S3中学生面向黑板的倾向角θx的计算公式为:

3.根据权利要求1所述的一种基于机器视觉的学生上课期间专注力统计方法,其特征在于:所述S4中学生低头或头部左右转动偏离角度不在θx±30°和θy±30°的区间内部时记为不专注,从而得出不专注时间a,同时在80%的学生头部偏移角度均不在θx±30°和θy±30°的区间内部时,可为判定为时集体行为,此时所有同学集体偏移时间记为b。

4.根据权利要求1所述的一种基于机器视觉的学生上课期间专注力统计方法,其特征在于:所述S4中每节课的上课时间为45分。

【技术特征摘要】

1.一种基于机器视觉的学生上课期间专注力统计方法,其特征在于:包括以下步骤:

2.根据权利要求1所述的一种基于机器视觉的学生上课期间专注力统计方法,其特征在于:所述s3中学生面向黑板的倾向角θx的计算公式为:

3.根据权利要求1所述的一种基于机器视觉的学生上课期间专注力统计方法,其特征在于:所述s4中学生低头或头部左右转动...

【专利技术属性】
技术研发人员:王常琦
申请(专利权)人:视云科技大连有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1