The invention relates to the technical field of intelligent classroom. The embodiment of the present invention provides an analysis method and device for classroom students'state based on face monitoring. The method includes: collecting classroom images and identifying the identity information of multiple students in the classroom images; detecting the facial movements of each student in the classroom images; and acquiring the detected facial movements based on the neural network model of micro-expression recognition. Corresponding facial expressions, the micro-expression recognition neural network model is trained according to the training of facial movements and corresponding training facial expressions; the classroom state of each student is stored in the education analysis report corresponding to the identity information of each student, in which the classroom state includes facial expressions. Thus, the application of artificial intelligence technology, from the classroom image recognition and monitoring of students'class status, and through the education analysis report for later teachers and parents for reference, to achieve closed-loop wisdom education.
【技术实现步骤摘要】
基于人脸监测的课堂学生状态分析方法及装置
本专利技术涉及智能课堂
,具体地涉及一种基于人脸监测的课堂学生状态分析方法及装置。
技术介绍
随着科学技术的不断发展,将信息技术应用在课堂学习中的智能课堂技术得到了飞速发展,并且还出现了利用计算机监测分析课堂学习状态的新型技术。但是,如今的智慧教育或K12课堂仍然处于萌芽阶段,K12课堂教育一直都是大家关注的焦点,但是由于基础教育行业的自身规律、个体用户独立性缺乏等因素,一直缺乏能够规模化走入教师日常教学活动的的互联网应用。因此,如何借助现代互联网技术监测课堂上学生的状态,以反馈完善教学方式从而实现智慧教学是目前业界的热门研究方向。
技术实现思路
本专利技术实施例的目的是提供一种基于人脸监测的课堂学生状态分析方法及装置,应用人工智能技术监测学生上课的课堂状态,并能够完成反馈以实现闭环式智慧教育。为了实现上述目的,本专利技术实施例一方面提供一种基于人脸监测的课堂学生状态分析方法,包括:采集关于课堂的课堂图像,并识别该课堂图像中多个学生的身份信息;检测所述课堂图像中各个学生的人脸的面部动作;基于微表情识别神经网络模型,获取所检测的面部动作所对应的面部表情,其中所述微表情识别神经网络模型是依据训练面部动作和对应的训练面部表情进行训练的;将各个学生的课堂状态存储至对应于所述各个学生的身份信息的教育分析报告,其中该课堂状态包括面部表情。本专利技术实施例另一方面提供一种基于人脸监测的课堂学生状态分析装置,包括:课堂模型构建单元,用于采集关于课堂的课堂图像,并识别该课堂图像中多个学生的身份信息;面部动作检测单元,用于检测所述课 ...
【技术保护点】
1.一种基于人脸监测的课堂学生状态分析方法,其特征在于,包括:采集关于课堂的课堂图像,并识别该课堂图像中多个学生的身份信息;检测所述课堂图像中各个学生的人脸的面部动作;基于微表情识别神经网络模型,获取所检测的面部动作对应的面部表情,其中所述微表情识别神经网络模型是依据训练面部动作和对应的训练面部表情进行训练的;将各个学生的课堂状态存储至对应于所述各个学生的身份信息的教育分析报告,其中所述课堂状态包括面部表情。
【技术特征摘要】
1.一种基于人脸监测的课堂学生状态分析方法,其特征在于,包括:采集关于课堂的课堂图像,并识别该课堂图像中多个学生的身份信息;检测所述课堂图像中各个学生的人脸的面部动作;基于微表情识别神经网络模型,获取所检测的面部动作对应的面部表情,其中所述微表情识别神经网络模型是依据训练面部动作和对应的训练面部表情进行训练的;将各个学生的课堂状态存储至对应于所述各个学生的身份信息的教育分析报告,其中所述课堂状态包括面部表情。2.根据权利要求1所述的方法,其特征在于,所述检测所述课堂图像中各个学生的人脸的面部动作包括:基于OpenPose识别装置,识别所述课堂图像中各个学生的人脸关键点;以及基于所识别的人脸关键点的位置,确定相对应的所述各个学生的人脸的面部动作。3.根据权利要求1所述的方法,其特征在于,所述课堂状态还包括课堂专注度,在所述将各个学生的课堂状态存储至对应于所述各个学生的身份信息的教育分析报告之前,所述方法还包括确定各个学生的课堂专注度,所述确定各个学生的课堂专注度包括:提取所述课堂图像中各个学生的人脸关键点;基于低头动作神经网络模型模块和所提取的各个学生的人脸关键点,识别所述课堂图像中对应低头动作的学生,其中该神经网络模型依据标注有对应低头动作的训练人脸关键点的图像作为输入进行训练的;统计所述课堂图像中对应低头动作的学生占所述课堂图像中所有学生的比例,并基于所统计的比例来确定该课堂图像对应的课堂场景是否指示课堂作业场景;以及当所述课堂场景指示非课堂作业场景时,基于所检测的人脸的面部动作统计各个学生未面向教师的时间长度;根据所统计的时间长度,确定各个学生的课堂专注度。4.根据权利要求3所述的方法,其特征在于,所述教育分析报告还包括对应于课堂状态的教育建议,所述方法还包括:将各个学生的所述课堂专注度与预设定的专注度阈值进行对比;当各个学生中目标学生的所述课堂专注度低于所述专注度阈值时,生成针对所述目标学生的教育建议;在所述目标学生的教育分析报告中存储所生成的教育建议。5.根据权利要求4所述的方法,其特征在于,所述生成对应于课堂状态的教育建议包括:统计...
【专利技术属性】
技术研发人员:郑子奇,徐国强,邱寒,
申请(专利权)人:深圳壹账通智能科技有限公司,
类型:发明
国别省市:广东,44
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。