一种基于AI视觉下的阅读能力辅助评估方法及系统技术方案

本发明专利技术涉及阅读能力评估的技术领域，提供了一种基于AI视觉下的阅读能力辅助评估方法及系统，方法包括：S1：在AI设备能够识别的范围内任意阅读，AI设备从首次翻页开始分析用户阅读，直至用户离开阅读状态；S2：分析出从首次翻页开始到用户离开阅读状态的时间；S3：在用户阅读行为过程中，通过AI设备识别扫描用户的阅读内容中出现的单字或单词的数量；S4：识别阅读内容，判断阅读内容的难度；S5：通过包括阅读时间、阅读量、阅读难度在内的因素，推算出用户的阅读能力分值。解决了现有技术中没有一个方法能够对读者的阅读能力，尤其是对于阅读纸质书本的阅读能力进行实时的分析的问题。

【技术实现步骤摘要】
一种基于AI视觉下的阅读能力辅助评估方法及系统
本专利技术涉及阅读能力评估的
，尤其涉及一种基于AI视觉下的阅读能力辅助评估方法及系统。
技术介绍
人类在日常进行阅读时，尤其是阅读纸质的书籍时，通常没有办法在阅读之后，对阅读的能力进行评估。不利于在后续的阅读中，推荐一个更加适合自己的学习计划。此时，就涉及到需要找到一种针对于阅读能力进行辅助评估的方案，对阅读能力，尤其是在阅读纸质书籍时的阅读能力进行评估。在现有技术中，暂时还没有能够用于评估阅读能力，尤其是纸质书籍的阅读能力的方法。市面上，能够分析读者阅读能力的应用背景，基本上都是基于电子阅读设备来提供给读者进行阅读，通过电子设备阅读的记录来分析阅读能力。然而，很多时候，我们还是需要通过传统的纸质书本进行阅读学习，如何分析纸质书籍的阅读能力，就很难了。在“CN109567817A-一种阅读能力评估方法及系统及其辅助装置”中，公开了“一种阅读能力评估方法，包括以下步骤：步骤一、数据采集，将阅读能力分为三个维度，分别为记忆、理解和推理；使待评估者完成记忆、理解、推理三种类型的阅读任务，每一阅读任务中同时向待评估者提供阅读材料和回答问题，并利用眼动数据采集装置采集以下眼动参数：阅读时眨眼次数、阅读时注视次数、阅读时注视频率、阅读时平均注视时间、阅读时扫视频率、阅读时平均扫视时间、阅读时平均瞳孔直径、阅读时回视次数、答题时眨眼次数、答题时注视次数、答题时回视次数；步骤二、数据分析，按照以下模型计算各个阅读任务的能力值，从而对阅读能力从三个维度进行评估；阅读记忆能力评估模型：阅读记忆能力值＝3.139×10-16+0.012×阅读时平均瞳孔直径+0.091×答题时眨眼次数+0.93×答题时注视次数-0.096×答题时回视次数；阅读理解能力评估模型：阅读理解能力值＝-1.814×10-16+0.032×阅读时眨眼次数+0.261×阅读时注视次数+0.410×阅读时注视频率-1.149×阅读时平均注视时间-1.077×阅读时扫视频率+0.260×阅读时平均瞳孔直径-0.379×阅读时回视次数+0.319×答题时回视次数；阅读推理能力评估模型：阅读推理能力值＝-8.297×10-16-0.487×阅读时注视频率+0.385×阅读时平均注视时间+1.331×阅读时扫视频率+0.031×阅读时平均扫视时间+0.397×答题时回视次数。”上述技术方案中，仅仅是通过眼动行为来评估阅读能力，完全脱离了书籍的具体内容，当书籍内容难易程序不同时，并不能很好的评估出正确的阅读能力。综上所述，在现有技术中，没有一个好的方法能够对读者的阅读能力，尤其是针对于阅读纸质书本的阅读能力进行实时的分析，以利于后续根据阅读能力推荐一个更加适应的学习计划。
技术实现思路
针对上述问题，本专利技术的目的在于提供一种基于AI视觉下的阅读能力辅助评估方法及系统，通过获取到包括阅读时间、阅读量、阅读难度在内的参数，计算得到最终的阅读能力分值。对阅读者的阅读能力进行一个最优的分析，且后续在指定学习计划时，能够根据阅读能力制定一个最适合的学习计划。本专利技术的上述专利技术目的是通过以下技术方案得以实现的：一种基于AI视觉下的阅读能力辅助评估方法，包括以下步骤：S1：打开AI设备，在所述AI设备能够识别的范围内任意阅读，所述AI设备从首次翻页开始分析用户阅读，直至用户离开阅读状态；S2：分析出从首次翻页开始到用户离开阅读状态的时间，作为用户阅读时间；S3：在用户阅读行为过程中，通过所述AI设备识别扫描用户的阅读内容中出现的单字或单词的数量，作为当次阅读的阅读量；S4：通过识别阅读内容，判断阅读内容的难度；S5：通过包括阅读时间、阅读量、阅读难度在内的因素，推算出用户的阅读能力分值，具体的公式为：阅读能力分值＝阅读难度/阅读量/阅读时间。进一步地，在步骤S1中，所述AI设备从首次翻页开始分析用户阅读，直至用户离开阅读状态中，还包括：对用户翻页动作进行识别，具体为：S11：通过所述AI设备针对于所述AI设备能够识别的范围内的图像进行拍摄，获取到识别范围内的信息载体图像，通过页面监控的静态图像深度学习神经网络对所述信息载体图像进行定位和边缘位置检测，实现书本的尺寸和位置信息的实时更新，其中，所述位置信息包括左右边缘和书中缝线，所述左右边缘包括书本的真实边缘和所述AI设备视界的边缘在内的任意一种形式；S12：默认翻页行为发生位置为书本的左边缘和右边缘，使用可以进行时间序列处理的深度学习神经网络对书本范围内部的图像内容进行检测，当书本从左边缘改变页面内容时，翻页行为被检测为向上一页翻，当书本从右边缘改变页面内容时，翻页行为被检测为向下一页翻；S13：在所述可以进行时间序列处理的深度学习神经网络工作完成之后，所述页面监控的静态图像深度学习神经网络持续工作，确认页面与翻页动作发生之前产生了明确的区别，确认翻页动作。进一步地，所述分析出从首次翻页开始到用户离开阅读状态的时间，具体为：记录首页翻页的时间，通过记录最后一次翻页的时间作为用户离开阅读状态的时间，计算两次时间的时间差，作为本次阅读的阅读时间。进一步地，在步骤S3中，识别扫描用户的阅读内容中出现的单字或单词的数量，具体的过程为：S31：对阅读内容的页面范围内的信息进行随机采样，作为候选焦点语言特征点图片，使用图像文字切割深度学习神经网络对所述候选焦点语言特征点图片进行切割，输出每一个单字或单词的宽度尺寸；S32：使用处理静态图像的深度学习神经网络对阅读内容中行的信息进行定位，获得行数和每一行的行宽；S33：与输出的每一个单字或单词的宽度尺寸进行计算，估算出每一行的文字数量，进一步计算出阅读内容对应的页面内的文字数量；S34：对每一次阅读所有的页面上的文本数量进行累加，获取到当前阅读的文字总数量。进一步地，在步骤S4中，通过识别阅读内容，判断阅读内容的难度，具体为：S41：针对于包括文章、诗歌、科学文献在内的阅读内容的类型设定不同的文章类型难度系数；S42：针对于阅读内容出现的词汇，设置不同的生僻词难度值；S43：在用户的阅读行为过程中，通过AI识别扫描用户的阅读内容，累积计算此次阅读的难度，在阅读完成后计算阅读难度，具体的公式为：阅读难度＝∑生僻词难度累积值*文章类型难度系数。一种基于AI视觉下的阅读能力辅助评估系统，包括：阅读状态分析模块，阅读时间获取模块，阅读量获取模块，阅读难度获取模块，阅读能力计算模块；所述阅读状态分析模块，用于在打开AI设备之后，在所述AI设备能够识别的范围内任意阅读，所述AI设备从首次翻页开始分析用户阅读，直至用户离开阅读状态；所述阅读时间获取模块，用于分析出从首次翻页开始到用户离开阅读状态的时间，作为用户阅读时间；所述阅读量获取模块，用于在用户阅读行为过程中，通过所述AI设备识别扫描用户的阅读内容中出现的单字或单词的数量，作为当次阅读的阅读量；本文档来自技高网...

【技术保护点】
1.一种基于AI视觉下的阅读能力辅助评估方法，其特征在于，包括以下步骤：/nS1：打开AI设备，在所述AI设备能够识别的范围内任意阅读，所述AI设备从首次翻页开始分析用户阅读，直至用户离开阅读状态；/nS2：分析出从首次翻页开始到用户离开阅读状态的时间，作为用户阅读时间；/nS3：在用户阅读行为过程中，通过所述AI设备识别扫描用户的阅读内容中出现的单字或单词的数量，作为当次阅读的阅读量；/nS4：通过识别阅读内容，判断阅读内容的难度；/nS5：通过包括阅读时间、阅读量、阅读难度在内的因素，推算出用户的阅读能力分值，具体的公式为：阅读能力分值＝阅读难度/阅读量/阅读时间。/n

【技术特征摘要】
1.一种基于AI视觉下的阅读能力辅助评估方法，其特征在于，包括以下步骤：
S1：打开AI设备，在所述AI设备能够识别的范围内任意阅读，所述AI设备从首次翻页开始分析用户阅读，直至用户离开阅读状态；
S2：分析出从首次翻页开始到用户离开阅读状态的时间，作为用户阅读时间；
S3：在用户阅读行为过程中，通过所述AI设备识别扫描用户的阅读内容中出现的单字或单词的数量，作为当次阅读的阅读量；
S4：通过识别阅读内容，判断阅读内容的难度；
S5：通过包括阅读时间、阅读量、阅读难度在内的因素，推算出用户的阅读能力分值，具体的公式为：阅读能力分值＝阅读难度/阅读量/阅读时间。


2.根据权利要求1所述的基于AI视觉下的阅读能力辅助评估方法，其特征在于，在步骤S1中，所述AI设备从首次翻页开始分析用户阅读，直至用户离开阅读状态中，还包括：对用户翻页动作进行识别，具体为：
S11：通过所述AI设备针对于所述AI设备能够识别的范围内的图像进行拍摄，获取到识别范围内的信息载体图像，通过页面监控的静态图像深度学习神经网络对所述信息载体图像进行定位和边缘位置检测，实现书本的尺寸和位置信息的实时更新，其中，所述位置信息包括左右边缘和书中缝线，所述左右边缘包括书本的真实边缘和所述AI设备视界的边缘在内的任意一种形式；
S12：默认翻页行为发生位置为书本的左边缘和右边缘，使用可以进行时间序列处理的深度学习神经网络对书本范围内部的图像内容进行检测，当书本从左边缘改变页面内容时，翻页行为被检测为向上一页翻，当书本从右边缘改变页面内容时，翻页行为被检测为向下一页翻；
S13：在所述可以进行时间序列处理的深度学习神经网络工作完成之后，所述页面监控的静态图像深度学习神经网络持续工作，确认页面与翻页动作发生之前产生了明确的区别，确认翻页动作。


3.根据权利要求1所述的基于AI视觉下的阅读能力辅助评估方法，其特征在于，所述分析出从首次翻页开始到用户离开阅读状态的时间，具体为：
记录首页翻页的时间，通过记录最后一次翻页的时间作为用户离开阅读状态的时间，计算两次时间的时间差，作为本次阅读的阅读时间。


4.根据权利要求1所述的基于AI视觉下的阅读能力辅助评估方法，其特征在于，在步骤S3中，识别扫描用户的阅读内容中出现的单字或单词的数量，具体的过程为：
S31：对阅读内容的页面范围内的信息进行随机采样，作为候选焦点语言特征点图片，使用图像文字切割深度学习神经网络对所述候选焦点语言特征点图片进行切割，输出每一个单字或单词的宽度尺寸；
S32：使用处理静态图像的深度学习神经网络对阅读内容中行的信息进行定位，获得行数和每一行的行宽；
S33：与输出的每一个单字或单词的宽度尺寸进行计算，估算出每一行的文字数量，进一步计算出阅读内容对应的页面内的文字数量；
S34：对每一次阅读所有的页面上的文本数量进行累加，获取到当前阅读的文字总数量。


5.根据权利要求1所述的基于AI视觉下的阅读能力辅助评估方法，其特征在于，在步骤S4中，通过识别阅读内容，判断阅读内容的难度，具体为：
S41：针对于包括文章、诗歌、科学文献在内的阅读内容的类型设定不同的文章类型难度系数；
S42：针对于阅读内容出现的词汇，设置不同的生僻词难度值；
S43：在用户的阅读行为过程中，通过AI识别扫描用户的阅读内容，累积计算此次阅读的难度，在阅读完成后计算阅读难度，具体的公式为：阅读难度＝∑生僻词难度累积值*文章类型难度系数。


6.一种基于A...

【专利技术属性】
技术研发人员：范骁骏，高旻昱，
申请(专利权)人：上海翎腾智能科技有限公司，
类型：发明
国别省市：上海;31