一种基于人工智能的学习评价方法及装置制造方法及图纸

本申请涉及一种基于人工智能的学习评价方法及装置，所述评价方法包括：建立学习评价模型；获取眼动识别信息；将所述眼动识别信息与所述学习评价模型的眼动识别信息设定值进行匹配，获得对应的评价值。本申请能够快速进行眼动识别，同时能够识别眼动幅度，为眼动识别应用到学习评价中带来了有力支撑。

A Learning Evaluation Method and Device Based on Artificial Intelligence

【技术实现步骤摘要】
一种基于人工智能的学习评价方法及装置
本申请涉及人工智能
，例如涉及一种基于人工智能的学习评价方法及装置。
技术介绍
学习评价是课堂教与学活动中的一个重要环节，是学习系统的反馈调节机制，甚至可以说，学习评价的内容以及评价方式在很大程度上影响着教学过程。在传统的教育环境下，了解学生的主要方法为课堂行为观察、考试、作业分析等，通常又以考试与测验为主，且一般在课程结束后进行评价。这种评价方式中存在的偏重结果评价、忽略过程评价，偏重群体发展、忽视个体发展等问题，虽长期倍受诟病，却一直没有有效办法从根本上解决。目前，在人机交互
已经有许多新兴交互方式的尝试，比如体感交互、眼动跟踪、语音交互、生物识别等方式，但大部分的交互方式使用率都不是非常高，也还未进入真正意义上的商业应用普及中，更没有哪种人机交互方式，能够达到人可以毫无障碍、随心所欲地和设备交流的水平。眼动研究是探索人类注意和认知规律的主要手段：它通过记录眼球的真实运动，描述人的视觉行为，反映人的认知加工和心理活动。目前眼动识别在技术实用性以及使用稳定性上还有待突围。针对学习评价，如何有效且高效的把眼动识别融合进去，是一个亟待解决的问题。
技术实现思路
为了对披露的实施例的一些方面有基本的理解，下面给出了简单的概括。所述概括不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围，而是作为后面的详细说明的序言。本公开实施例提供了一种基于人工智能的学习评价方法。在一些实施例中，所述方法包括：建立学习评价模型；所述学习评价模型包括眼动识别信息设定值及对应的评价值；获取眼动识别信息；将所述眼动识别信息与所述学习评价模型的眼动识别信息设定值进行匹配，获得对应的评价值；所述眼动识别信息按以下方式获得：获取至少一对眼球图像，所述眼球图像包括眼白区域和眼仁区域；在所述眼仁区域内的中心点作为参考点；在各所述眼球图像建立坐标系；计算各眼球图像中所述参考点与所述坐标系的原点的距离，将其作为参考距离；根据各眼球图像的参考距离进行眼动识别。本公开实施例提供了一种基于人工智能的学习评价装置。在一些实施例中，所述装置包括：评价单元，被配置为建立学习评价模型；所述学习评价模型包括眼动识别信息设定值及对应的评价值；通过识别单元获取眼动识别信息；将所述眼动识别信息与所述学习评价模型的眼动识别信息设定值进行匹配，获得对应的评价值；所述识别单元，被配置为获取至少一对眼球图像，所述眼球图像包括眼白区域和眼仁区域；在所述眼仁区域内的中心点作为参考点；在各所述眼球图像建立坐标系；计算各眼球图像中所述参考点与所述坐标系的原点的距离，将其作为参考距离；根据各眼球图像的参考距离进行眼动识别。本公开实施例提供的一些技术方案可以实现以下技术效果：能够快速进行眼动识别，同时能够识别眼动幅度，为眼动识别应用到学习评价中带来了有力支撑。以上的总体描述和下文中的描述仅是示例性和解释性的，不用于限制本申请。附图说明一个或多个实施例通过与之对应的附图进行示例性说明，这些示例性说明和附图并不构成对实施例的限定，附图中具有相同参考数字标号的元件示为类似的元件，附图不构成比例限制，并且其中：图1是本公开实施例提供的流程示意图；图2是本公开实施例提供的电子设备的结构示意图。附图标记：100：处理器；101：存储器；102：通信接口；103：总线。具体实施方式为了能够更加详尽地了解本公开实施例的特点与
技术实现思路
，下面结合附图对本公开实施例的实现进行详细阐述，所附附图仅供参考说明之用，并非用来限定本公开实施例。在以下的技术描述中，为方便解释起见，通过多个细节以提供对所披露实施例的充分理解。然而，在没有这些细节的情况下，一个或多个实施例仍然可以实施。在其它情况下，为简化附图，熟知的结构和装置可以简化展示。如图1所示，本公开实施例提供了一种基于人工智能的学习评价方法，包括：建立学习评价模型；所述学习评价模型包括眼动识别信息设定值及对应的评价值；获取眼动识别信息；将所述眼动识别信息与所述学习评价模型的眼动识别信息设定值进行匹配，获得对应的评价值；所述眼动识别信息按以下方式获得：获取至少一对眼球图像，所述眼球图像包括眼白区域和眼仁区域；在所述眼仁区域内的中心点作为参考点；在各所述眼球图像建立坐标系；计算各眼球图像中所述参考点与所述坐标系的原点的距离，将其作为参考距离；根据各眼球图像的参考距离进行眼动识别。在教学场景中，获取PPT画面切换的时间点，及切换后的一段时间，如切换后的t分钟，t＞0，当然，也可以是其他设备或其他教学内容的画面，例如还可以是VR眼镜中播放的教学内容画面。当获取到切换时间点及切换后的时间t，逐帧判断各对眼球图像是否具备相应的眼球移动动作，将获取到的这些眼球移动信息与建立好的学习评价模型进行匹配，获得对应的评价值，也就获得了各学生在某一时间段的学习评价值，通过该种方式，能够有效且高效的针对学生学习过程进行评价，丰富了教学考评手段。在一些实施例中，参考点按以下方式确定，根据眼仁区域的边上距离最远的两点，将其连接形成直线，找出垂直于该直线的辅助线，以包含眼仁区域的边上距离最远的两点的辅助线，其与所述直线的交点为参考点。在一些实施例中，所述根据各眼球图像的参考距离进行眼动识别，包括：判断各对眼球图像的参考距离是否均减小/增加。采用以上方案，能够判断双眼的眼动一致性。由于很多眼动追踪设备特别是VR眼镜，多是采用双眼分别通过识别装置来进行眼动识别，因此通过识别眼动一致性，能够更加准确的判断眼球是否移动，避免了由于单一识别装置的抖动或其他原因造成误判。在一些实施例中，所述根据各眼球图像的参考距离进行眼动识别，包括：判断各对眼球图像的参考距离变化值是否在设定范围内。首先判断双眼一致性，各对眼球图像的参考距离是否均增大或均减小，然后判断各参考距离的变化差值绝对值是否在设定范围内，避免了识别装置在剧烈运动下的不稳定所造成的误判，进一步提高了眼球移动识别的准确性。在一些实施例中，还包括：确定所述眼仁区域的移动方向。在一些实施例中，所述确定所述眼仁区域的移动方向，包括：将所述眼球图像进行二值化处理；所述眼仁区域的灰度值大于所述眼白区域的灰度值；例如将眼白区域的像素灰度值设置为0，将眼仁区域的像素灰度值设置为255.将不同时间的眼仁区域进行匹配：当眼仁区域重合的像素数量大于或等于设定值则眼仁区域没有移动；当眼仁区域重合的像素数量小于设定值时，则根据在所述坐标系的各象限中增加的眼仁区域像素数量确定所述眼仁区域的移动方向。可选地，通过像素的灰度值判断像素是否重合。可选地，当所述坐标系中第一象限增加的眼仁区域像素数量最多时，所述眼仁区域往第一象限移动；当所述坐标系中第二象限增加的眼仁区域像素数量最多时，所述眼仁区域往第二象限移动；当所述坐标系中第三象限增加的眼仁区域像素数量最多时，所述眼仁区域往第三象限移动；当所述坐标系中第四象限增加的眼仁区域像素数量最多时，所述眼仁区域往第四象限移动；当所述坐标系中四个象限增加的眼仁区域像素相同时，根据参考点与所述坐标系的原点的距离变化确定所述眼仁区域的移动方向：当参考点与所述坐标系的原点的距离沿所述坐标系的横坐标轴正方向变大时，所述眼仁区域沿横坐标轴正方向移动；当参考点与所述坐标系的本文档来自技高网...

【技术保护点】
1.一种基于人工智能的学习评价方法，其特征在于，包括：建立学习评价模型；所述学习评价模型包括眼动识别信息设定值及对应的评价值；获取眼动识别信息；将所述眼动识别信息与所述学习评价模型的眼动识别信息设定值进行匹配，获得对应的评价值；所述眼动识别信息按以下方式获得：获取至少一对眼球图像，所述眼球图像包括眼白区域和眼仁区域；在所述眼仁区域内的中心点作为参考点；在各所述眼球图像建立坐标系；计算各眼球图像中所述参考点与所述坐标系的原点的距离，将其作为参考距离；根据各眼球图像的参考距离进行眼动识别。

【技术特征摘要】
1.一种基于人工智能的学习评价方法，其特征在于，包括：建立学习评价模型；所述学习评价模型包括眼动识别信息设定值及对应的评价值；获取眼动识别信息；将所述眼动识别信息与所述学习评价模型的眼动识别信息设定值进行匹配，获得对应的评价值；所述眼动识别信息按以下方式获得：获取至少一对眼球图像，所述眼球图像包括眼白区域和眼仁区域；在所述眼仁区域内的中心点作为参考点；在各所述眼球图像建立坐标系；计算各眼球图像中所述参考点与所述坐标系的原点的距离，将其作为参考距离；根据各眼球图像的参考距离进行眼动识别。2.根据权利要求1所述的方法，其特征在于，所述根据各眼球图像的参考距离进行眼动识别，包括：判断各对眼球图像的参考距离是否均减小/增加。3.根据权利要求1所述的方法，其特征在于，所述根据各眼球图像的参考距离进行眼动识别，包括：判断各对眼球图像的参考距离变化值是否在设定范围内。4.根据权利要求1至3所述的方法，其特征在于，还包括：确定所述眼仁区域的移动方向。5.根据权利要求4所述的方法，其特征在于，所述确定所述眼仁区域的移动方向，包括：将所述眼球图像进行二值化处理；所述眼仁区域的灰度值大于所述眼白区域的灰度值；将不同时间的眼仁区域进行匹配：当眼仁区域重合的像素数量大于或等于设定值则眼仁区域没有移动；当眼仁区域重合的像素数量小于设定值时，则根据在所述坐标系的各象限中增加的眼仁区域像素数量确定所述眼仁区域的移动...

【专利技术属性】
技术研发人员：李佳，余建华，
申请(专利权)人：重庆工商职业学院，
类型：发明
国别省市：重庆,50