学习习惯矫正方法、装置及机器人制造方法及图纸

本发明专利技术提供了一种学习习惯矫正方法、装置及机器人；其中，该方法应用于机器人，该方法包括：采集用户的学习表现数据；学习表现数据包括表情特征、姿势特征、语义特征和语气特征中的一种或多种；将学习表现数据输入至预先建立的学习习惯分析模型中，输出预设的学习习惯表现对应的分析结果；学习习惯表现包括注意力状态、坐姿状态、与老师互动状态、与同学讨论状态中的一种或多种；根据预先建立的学习习惯纠正数据库，发出分析结果对应的学习习惯纠正指令，以使该用户矫正学习习惯。本发明专利技术可以辅助用户对多种学习习惯进行校正，从而提高了学习习惯矫正的效率。

【技术实现步骤摘要】
学习习惯矫正方法、装置及机器人
本专利技术涉及机器人教育
，尤其是涉及一种学习习惯矫正方法、装置及机器人。
技术介绍
目前，低龄学生的学习习惯一般由家长或老师进行监督及矫正；但家长或老师对学习习惯表现的认识可能并不正确，难以帮助学生养成正确的学习习惯。现有技术也可以采用多种传感器对学生的学习习惯进行监督，并将相关数据反映至相关人员处，以使相关人员对学生的不正确的学习习惯进行矫正；然而该方式需要依赖相关人员的专业素养，对学习习惯进行矫正的效率较低。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种学习习惯矫正方法、装置及机器人，以辅助用户对多种学习习惯进行校正，提高学习习惯矫正的效率。第一方面，本专利技术实施例提供了一种学习习惯矫正方法，该方法应用于机器人，该方法包括：采集用户的学习表现数据；学习表现数据包括表情特征、姿势特征、语义特征和语气特征中的一种或多种；将学习表现数据输入至预先建立的学习习惯分析模型中，输出预设的学习习惯表现对应的分析结果；学习习惯表现包括注意力状态、坐姿状态、与老师互动状态、与同学讨论状态中的一种或多种；根据预先建立的学习习惯纠正数据库，发出分析结果对应的学习习惯纠正指令，以使该用户矫正学习习惯。结合第一方面，本专利技术实施例提供了第一方面的第一种可能的实施方式，其中，上述采集用户的学习表现数据的步骤，包括：采集用户在学习过程中的图像数据和语音数据；从图像数据中提取用户的表情特征和姿势特征，从语音数据中提取用户的语义特征和语气特征。结合第一方面，本专利技术实施例提供了第一方面的第二种可能的实施方式，其中，上述根据预先建立的学习习惯纠正数据库，发出该分析结果对应的学习习惯纠正指令的步骤，包括：在学习习惯纠正数据库中查找预设的学习习惯表现对应的标准数据；将标准数据与分析结果进行对比，生成并发出分析结果对应的学习习惯纠正指令。结合第一方面，本专利技术实施例提供了第一方面的第三种可能的实施方式，其中，上述方法还包括：将用户对应的预设的学习习惯表现对应的分析结果，以及分析结果对应的学习习惯纠正指令发送并保存至云服务器。结合第一方面，本专利技术实施例提供了第一方面的第四种可能的实施方式，其中，上述方法还包括：接收用户的学习习惯分析指令；学习习惯分析指令包括多个待分析的学习习惯；学习习惯包括注意力、坐姿、与老师互动、与同学讨论中的一种或多种；根据学习习惯分析指令，生成调查问卷，以使该用户答复该调查问卷；根据该用户对调查问卷的答复结果及学习习惯纠正数据库，发出答复结果对应的学习习惯纠正指令，以使用户矫正学习习惯。第二方面，本专利技术实施例还提供一种学习习惯矫正装置，该装置设置于机器人，该装置包括：数据采集模块，用于采集用户的学习表现数据；学习表现数据包括表情特征、姿势特征、语义特征和语气特征中的一种或多种；数据分析模块，用于将学习表现数据输入至预先建立的学习习惯分析模型中，输出预设的学习习惯表现对应的分析结果；学习习惯表现包括注意力状态、坐姿状态、与老师互动状态、与同学讨论状态中的一种或多种；指令发出模块，用于根据预先建立的学习习惯纠正数据库，发出分析结果对应的学习习惯纠正指令，以使用户矫正学习习惯。结合第二方面，本专利技术实施例提供了第二方面的第一种可能的实施方式，其中，上述数据采集模块还用于：采集用户在学习过程中的图像数据和语音数据；从图像数据中提取该用户的表情特征和姿势特征，从语音数据中提取该用户的语义特征和语气特征。第三方面，本专利技术实施例还提供一种机器人，包括中央处理器、显示屏和移动地盘；上述装置设置于该中央处理器。本专利技术实施例带来了以下有益效果：本专利技术实施例提供了一种学习习惯矫正方法、装置及机器人；采集用户的学习表现数据后，将学习表现数据输入至预先建立的学习习惯分析模型中，输出预设的学习习惯表现对应的分析结果；根据预先建立的学习习惯纠正数据库，发出分析结果对应的学习习惯纠正指令，以使该用户矫正学习习惯；该方式可以辅助用户对多种学习习惯进行校正，提高了学习习惯矫正的效率。本专利技术的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本专利技术的上述技术即可得知。为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施方式，并配合所附附图，作详细说明如下。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本专利技术的一些实施方式，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。图1为本专利技术实施例提供的一种不良学习习惯提醒装置的工作示意图；图2为本专利技术实施例提供的一种学习习惯矫正方法的流程图；图3为本专利技术实施例提供的一种学习习惯矫正方法的流程图；图4为本专利技术实施例提供的一种学习习惯矫正装置的结构示意图；图5为本专利技术实施例提供的一种机器人的结构示意图；图6为本专利技术实施例提供的交互机器人与云服务器的连接示意图；图7为本专利技术实施例提供的交互机器人与学生交互的过程图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合附图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他实施例，都属于本专利技术保护的范围。目前，现有的学习习惯的矫正方式通常为不良学习习惯提醒方法，通过图1所示的提醒装置实现，该装置主要由学习状态传感器(头部倾角监测、用眼距离监测、脑电波监测)、处理控制器、提醒装置等组成；该装置的工作过程如下：对学习状态数据进行统计，计算随着学习状态的变化而改变的统计数值，根据统计数值设置不良学习状态判断阈值；当出现不良学习状态时，处理器触发提醒；学习状态包括头部姿态、用眼距离、用脑状况；采用统计方法，根据个人习惯，建立具有明显个体特征的判断标准，并且在使用过程中跟踪使用情况的变化，不断自我调整，以适应不同的群体和个体。该方式针对性强，对不良状态的改变采取循序渐进的方式，易于接受；然而，该方式对学习习惯监测要素不全面，控制器处理性能偏低，且随着监测要素增加，使用时间增加，监测数据量庞大。基于此，本专利技术实施例提供了一种学习习惯矫正方法、装置及机器人，可以应用于智能教育领域。为便于对本实施例进行理解，首先对本专利技术实施例所公开的一种学习习惯矫正方法进行详细介绍。参见图2所示的一种学习习惯矫正方法的流程图，该方法应用于机器人，该方法包括以下步骤：步骤S100，采集用户的学习表现数据；学习表现数据包括表情特征、姿势特征、语义特征和语气特征中的一种或多种。具体地，可以在用户的学习过程中，进行录像和录音，从获取的语音数据及图像数据中，提取用户在该过程的表情特征、姿势特征、语义特征和语气特征作为学习表现数据；也可以通过在用户周围设置传感器，以采集用户学习表现数据；如在用户的座椅上设置传感器，以检测用户的坐姿状态，以此作为学习表现数据等。步骤S102，将学习表现数据输入至预先建立的学习习惯分析模型中，输出预设的学习习惯表现对应的分析结果；学习习惯表现包括注意力状态、坐姿状态、与老师互动状态本文档来自技高网...

【技术保护点】
1.一种学习习惯矫正方法，其特征在于，所述方法应用于机器人，所述方法包括：采集用户的学习表现数据；所述学习表现数据包括表情特征、姿势特征、语义特征和语气特征中的一种或多种；将所述学习表现数据输入至预先建立的学习习惯分析模型中，输出预设的学习习惯表现对应的分析结果；所述学习习惯表现包括注意力状态、坐姿状态、与老师互动状态、与同学讨论状态中的一种或多种；根据预先建立的学习习惯纠正数据库，发出所述分析结果对应的学习习惯纠正指令，以使所述用户矫正学习习惯。

【技术特征摘要】
1.一种学习习惯矫正方法，其特征在于，所述方法应用于机器人，所述方法包括：采集用户的学习表现数据；所述学习表现数据包括表情特征、姿势特征、语义特征和语气特征中的一种或多种；将所述学习表现数据输入至预先建立的学习习惯分析模型中，输出预设的学习习惯表现对应的分析结果；所述学习习惯表现包括注意力状态、坐姿状态、与老师互动状态、与同学讨论状态中的一种或多种；根据预先建立的学习习惯纠正数据库，发出所述分析结果对应的学习习惯纠正指令，以使所述用户矫正学习习惯。2.根据权利要求1所述的方法，其特征在于，所述采集用户的学习表现数据的步骤，包括：采集用户在学习过程中的图像数据和语音数据；从所述图像数据中提取所述用户的表情特征和姿势特征，从所述语音数据中提取所述用户的语义特征和语气特征。3.根据权利要求1所述的方法，其特征在于，所述根据预先建立的学习习惯纠正数据库，发出所述分析结果对应的学习习惯纠正指令的步骤，包括：在所述学习习惯纠正数据库中查找所述预设的学习习惯表现对应的标准数据；将所述标准数据与所述分析结果进行对比，生成并发出所述分析结果对应的学习习惯纠正指令。4.根据权利要求1所述的方法，其特征在于，还包括：将所述用户对应的预设的学习习惯表现对应的分析结果，以及所述分析结果对应的学习习惯纠正指令发送并保存至云服务器。5.根据权利要求1所述的方法，其特征在于，还...

【专利技术属性】
技术研发人员：林远长，何国田，刘东，张振军，黄银，
申请(专利权)人：重庆鲁班机器人技术研究院有限公司，
类型：发明
国别省市：重庆,50