【技术实现步骤摘要】
一种专注度评估方法、系统和存储器
[0001]本专利技术涉及课堂注意力评估领域，尤其涉及一种专注度评估方法、系统和存储器。
技术介绍
[0002]课堂专注度指的是学生上课时将注意力持续集中在课堂内容上的程度。注意力是个体心理活动对一定对象的指向和集中，是认知活动的基础。注意力与工作记忆、信息加工速度等密切相关，能够在一定程度上预测智力及学业表现。注意力水平高的学生更不容易受到无关信息的干扰，而学习困难的学生往往伴随注意力水平低下的问题。根据美国《精神障碍诊断与统计手册第五版(DSM
‑
5)》给出的诊断标准，儿童长期的注意力不集中可能与ADHD(注意缺陷与多动障碍)有关。
[0003]传统的专注度和注意力测量方法多为问卷、量表形式，需要学生本人、家长或者老师进行填写。这种方法存在诸多问题：一是纸质量表的填写需要耗费时间和人力，难以进行大样本的施测；二是不适合反复施测，不能反映学生专注度水平的动态变化；三是学生作答时会受到社会期许效应的影响，所得结果缺乏效度。现有的基于机器视觉的专注度检测技术，虽能对学...
【技术保护点】
【技术特征摘要】
1.一种专注度评估方法，其特征在于，包括以下步骤：S1、设置异常行为及专注度评分模型，对监控录像进行视频帧解析，结合专注度评分模型计算监控对象的专注度得分；专注度评分模型为：其中，C
n
为监控对象n的专注度得分，I为异常行为数量，i为序数，1≦i≦I；a
i
表示第i个异常行为的权重，t
(i,n)
表示监控对象n表现第i个异常行为的持续时间，T
(i,n)
表示t
(i,n)
对应的总监控时长；S2、计算同组监控对象的专注度得分的平均值μ和标准差σ，将同组监控对象的专注度得分转换为正态分布，并将所述正态分布划分为多个正态分布区间，正态分布区间与设定的专注度层级一一对应；同组监控对象指的是需要一起进行评估的所有监控对象；S3、根据各监控对象的专注度得分对应的正态分布区间位置判断监控对象在组内的专注度层级。2.如权利要求1所述的专注度评估方法，其特征在于，用于判断课堂上学生的专注度，步骤S1中首先针对视频帧进行上下课判别，然后基于上课时间的视频帧结合专注度评分模型计算监控对象的专注度得分；上下课判别包括以下步骤：SB1、从监控录像中抽取t时刻上的视频帧，利用目标检测模型对视频帧进行检测，获得视频帧中学生，并设置监测框，监测框和视频帧中学生的位置一一对应；SB2、根据视频帧计算t时刻上监测框的连通面积s(t)和监控区域的有效面积S(t)；监控区域的有效面积S(t)为包围所有监测框的外接矩形面积；SB3、判断S(t)/S0≧T2是否成立；是，则令λ＝λ1，d(t)＝s(t)/S(t)；否，则令λ＝λ2，d(t)＝S(t)/S0；λ为设定参数项，λ1和λ2均为设定常数，0<λ1<λ2<1；T2为设定的第二阈值；SB4、计算修正人员密度d(t)
’
，d(t)
’
＝λd(t
‑
1)
’
+(1
‑
λ)d(t)；判断d(t)
’
≧T1是否成立；是，则判定t时刻为上课状态；反之，则判定t时刻为下课状态；T1为设定的第一阈值。3.如权利要求2所述的专注度评估方法，其特征在于，0.3≦T1<T2≦0.8。4.如权利要求1所述的专注度评估方法，其特征在于，S2具体包括以下步骤：S21、计算同组监控对象的专注度得分的平均值μ和标准差σ，将同组监控对象的专注度得分转换为正态分布；得分转换为正态分布；其中，M为同组监控对象的集合，即一起进行专注度得分排序的所有监控对象的集合，|M|表示集合M中的监控对象数量；S22、将所述正态分布划分为五个正态分布区间：[0，μ
‑
1.8σ)、[μ
‑
1.8σ，μ
‑
0.6σ)、[μ
‑
0.6σ，μ+0.6σ)、[μ+0.6σ，μ+1.8σ)、[μ+1.8σ，100)；所述五个正态分布区间分布对应专注度层级“低”、“较低”、“中等”、“较高”和“高”。5.如权利要求1所述的专注度评估方法，其特征在于，令摄像头巡航轨迹包含K个巡航点，每个巡航点的摄像时间为t0，监测周期为T0＝Q
×
K
×
t0，设K
n
表示巡航点集合，当摄像头处于K
n
中任一个巡航点时，监控对象n处于摄像头监控范围内；针对监控对象n，其在一个监控周期内的t
i
和T
i
的计算公式如下：r
(q,k,n,j,i)
表示摄像头第q次巡航中在第k个巡航点上第j次拍摄到监控对象n处于第i个异常行为的连续视频帧的数量；J
(q,k,n,i)
表示摄像头第q次巡航中在第k个巡航点上拍摄到监控对象n处于第i个异常行为的次数；m表示单位时间1秒内的连续视频帧数量，表示对r
(q,k,...
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。