【技术实现步骤摘要】
用于检测坐姿和学情状态的方法及其相关产品
[0001]本专利技术的实施方式涉及信息处理
，更具体地，本专利技术的实施方式涉及用于检测坐姿和学情状态的方法、用于检测坐姿和学情状态的装置、执行前述方法的设备和计算机可读存储介质。
技术介绍
[0002]本部分旨在为权利要求书中陈述的本专利技术的实施方式提供背景或上下文。此处的描述可包括可以探究的概念，但不一定是之前已经想到或者已经探究的概念。因此，除非在此指出，否则在本部分中描述的内容对于本申请的说明书和权利要求书而言不是现有技术，并且并不因为包括在本部分中就承认是现有技术。
[0003]随着新一波人工智能浪潮的发展，人们的生活、生产、学习等很多场景都充满了人工智能(特别是深度学习)技术带来的深刻影响。计算机视觉被认为是深度学习落地非常成功的应用方向，例如人脸识别、智慧安防等技术为人们带来极大的便利和安全。特别是，深度学习应用到智能学习硬件(例如智慧学习台灯或平板)，可以为学生提供功能丰富、效果优异的辅助学习功能(例如坐姿识别)。
[0004]相关技术中智慧...
【技术保护点】
【技术特征摘要】
1.一种用于检测坐姿和学情状态的方法，其特征在于，包括：获取关于用户学习过程的视频信息；基于多任务算法模型对所述视频信息提取关于坐姿和学情状态的特征信息；以及基于提取出的特征信息，确定在所述学习过程中的坐姿和学情状态。2.根据权利要求1所述的方法，其特征在于，获取关于用户学习过程的视频信息包括：周期性获取基于广角摄像头采集到的关于用户学习过程的视频信息。3.根据权利要求2所述的方法，其特征在于，其中进行关于坐姿和学情状态的特征信息的提取，以及确定在所述学习过程中的坐姿和学情状态包括：将每个周期内获取的视频信息实时输入到所述多任务算法模型进行分析，以得到关于坐姿和学情状态的特征信息；以及将所述特征信息分别推送至所述多任务算法模型中的坐姿识别模块和学情识别模块中进行识别处理，以获得在每个周期内的实时坐姿和学情状态。4.根据权利要求1所述的方法，其特征在于，还包括：根据对所述坐姿和学情状态的确定结果，选择性执行告警提示操作。5.根据权利要求4所述的方法，其特征在于，根据对所述坐姿和学情状态的确定结果，选择性执行告警提示操作包括：检测所述坐姿和/或所述学情状态的确定结果是否满足预警条件；响应于对所述坐姿和/或对所述学情状态的确定结果满足预警条件，执行所述告警提示操作。6.根据权利要求5所述的方法，其特征在于，检测对所述坐姿和/或所述学情状态的确定结果是否满足预警条件包括：检测所述坐姿不满足预定坐姿的持续时长是否达到第一预定时长或次数是否达到阈值；和/或检测所述学情状态不满足预定状态的持续时长是否达到第二预定时长或次数是否达到阈值。7.根据权利要求1至6中任一项所述的方法，其特征在于，其中所述方法还包括执行以下操作来预先训练所述多任务算法模型：在每一轮训练中将训练数据输入至所述多任务算法模型中，并基于所述多任务算法模型的坐姿识别模块和学情状态识别模块进行前向传播操作，以得到前向传播的输出结果；基于所述前向传播的输出结果，计算关于所述坐姿识别模块和所述学情状态识别模块的目标损失函数；以及计算关于所述目标损失函数的参数梯度和参数更新的学习率，基于所述参数梯度和参数更新的学习率对相应的参数进行更新，进行多轮次上述过程迭代更新，直至所述多任务算法模型的预测准确率达到最大值。8.根据权利要求7所述的方法，其特征在于，其中计算关于所述坐姿识别模块和所述学情状态识别模块的目标损失函数包括：计算所述坐姿识别模块的损失函数；计算所述学情状态识别模块的损失函数；以及对所述坐姿识别模块和所述学情状态识别模块的损失函数进行加权求和，以得到所述
目标损失函数，其中所述坐姿识别模块的损失函数的权重小于所述学情状态识别模块的损失函数的权重。9.一种用于检测坐姿和学情状态的装置，其特征在于，包括：获取单元，其配置成获取关于用户学习过程的视频信息；处理单元，其配置成执行以下操作：基于多任务算法模型对所述视频信息进行关于坐姿和学情状态的特征信息的提取；以及基于...
【专利技术属性】
技术研发人员：沈磊，林辉，段亦涛，
申请(专利权)人：网易有道信息技术北京有限公司，
类型：发明
国别省市：
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。