用于教育机器人的AI识别管理方法技术

本发明专利技术涉及教育机器人管理技术领域，具体为用于教育机器人的AI识别管理方法。通过对学生对应当前监控时段中各子时段的眼睛专注度和身体专注度进行分析，一方面，实现了对学生对应眼睛专注度的多维度分析，在很大程度上提升了教育机器人对学生眼睛专注度分析结果的全面性和精准性，能够为教育机器人后续对学生的教学内容进行相应的调整；另一方面，能够直观地判断出学生对应当前监控时段的身体移动变化，并且能更精准的对学生对应当前监控时段的专注度进行分析，为后续教育机器人对应下一阶段调整模式的分析提供了可靠的数据支撑。阶段调整模式的分析提供了可靠的数据支撑。阶段调整模式的分析提供了可靠的数据支撑。

【技术实现步骤摘要】
用于教育机器人的AI识别管理方法


[0001]本专利技术涉及教育机器人管理
，具体为用于教育机器人的AI识别管理方法。

技术介绍

[0002]随着人工智能技术的不断发展，教育机器人的应用范围越来越广泛，教育机器人是一种能够模拟人类教学过程的智能机器人，它可以与学生进行交互，并且能够提供个性化的教学服务。其中，AI识别管理方法是实现教育机器人个性化教学的重要技术之一。
[0003]因教育机器人的特殊性，目前还无法广泛的应用于各个领域当中，而教育机器人虽然在一定程度上节省了人力资源，但是其教学方式还存在一定的缺陷，具体体现在：教育机器人的教学过程通常是固定的，无法根据学生的学习的专注度和情绪状态对学生进行个性化教学，从而在一定程度上影响了学生学习的积极性，使得学生学习的效率不高，无法取得显著的学习成果，不仅造成了教学资源的浪费，同时还无法针对性的为学生制定相应的学习内容。
[0004]教育机器人无法对学生的专注度与学生的情绪状态进行分析，无法判断学生学习的专注度，使得教育机器人在教学过程中缺乏智能性和灵活性，不利于保障学生的学本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.用于教育机器人的AI识别管理方法，其特征在于，包括如下步骤：F1、专注力监控识别：对学生对应当前监控时段的学习视频进行监控和分析，得到学生对应当前监控时段的一级参数集合，并基于学生对应各子时段的眨眼次数、眼球转动次数、发呆次数和各发呆时段的发呆时长分析得到学生对应各子时段的眼睛专注度，同时基于学生对应当前监控时段内各监控片段的身体重合面积分析得到学生对应当前监控时段的身体专注度，进而基于学生对应各子时段的眼睛专注度和学生对应当前监控时段的身体专注度对学生对应当前监控时段的专注力评估系数进行分析，得到学生对应当前监控时段的专注力评估系数；F2、情绪监控识别：对学生对应当前监控时段的面部图像进行监控，得到学生对应当前监控时段的二级参数集合，并由此对学生对应当前监控时段的各情绪稳定时段各情绪波动时段进行识别和分析，同时基于学生对应当前监控时段内情绪稳定的总时长和情绪波动的总时长分析得到学生对应当前监控时段的情绪状态评估指数，进而基于学生对应当前监控时段内的情绪变化参数分析得到学生对应当前监控时段的情绪变化频率，从而基于对学生对应当前监控时段的情绪状态评估指数和情绪变化频率对学生对应当前监控时段的情绪状态进行分析，得到学生对应当前监控时段的学习情绪符合系数；F3、机器人管理分析：对学生对应当前监控时段的学习阶段进行识别和分析，得到学生对应当前监控时段的学习阶段，并由此对教育机器人对应下一阶段的调整模式进行分析，得到教育机器人对应下一阶段的调整模式；F4、机器人调整执行：基于教育机器人对应下一阶段的调整模式对学生对应下一阶段的学习内容进行相应的调整。2.根据权利要求1所述的用于教育机器人的AI识别管理方法，其特征在于，所述对学生对应当前监控时段的学习视频进行监控和分析，其具体监控分析步骤如下：f101：通过高清摄像头对学生对应当前监控时段的学习视频进行采集，得到学生对应当前监控时段的学习视频；f102：对学生对应当前监控时段的学习视频中学生对应当前监控时段的眼部进行聚焦放大，得到学生对应当前监控时段的眼部放大视频；f103：对学生对应当前监控时段的学习视频按照监控时间点进行画面分解，得到学生对应当前监控时段内各监控时间点的学习画面，并从中提取学生对应当前监控时段内各监控时间点的身体轮廓图像；f104：由学生对应当前监控时段的眼部放大视频和各监控时间点的身体轮廓图像构成学生对应当前监控时段的一级参数集合。3.根据权利要求1所述的用于教育机器人的AI识别管理方法，其特征在于，所述对学生对应当前监控时段的专注力评估系数进行分析，其具体分析步骤如下：f201：将学生对应当前监控时段的眼部放大视频按照设定的划分方式划分为各子时段，得到学生对应各子时段的眼部放大视频，并从学生对应各子时段的眼部放大视频中统计学生对应各子时段的眨眼次数和眼球转动次数；f202：基于学生对应各子时段的眼部放大视频对学生对应各子时段中各次眨眼与下一次眨眼的间隔时长进行获取，记为标记时段的间隔时长，得到学生对应各子时段中各标记时段的间隔时长，并将其与设定的参考间隔时长进行对比，若某标记时段的间隔时长大于
设定的参考间隔时长，则将该标记时段记为异常时段；f203：基于学生对应各子时段的眼部放大视频对学生对应各子时段中各异常时段的眼球转动次数进行获取，得到学生对应各子时段中各异常时段的眼球转动次数，并将其与设定的参考眼球转动次数进行对比，若某异常时段的眼球转动次数小于参考眼球转动次数，则将该异常时段判定为发呆时段，由此得到学生对应各子时段的各发呆时段，并统计学生对应各子时段的发呆次数，同时统计学生对应各子时段中各发呆时段的发呆时长；f204：对学生对应各子时段的眨眼次数和眼球转动次数以及学生对应各子时段的发呆次数和各发呆时段的发呆时长进行综合分析，得到学生对应各子时段的眼睛专注度；f205：将学生对应当前监控时段内各监控时间点的身体轮廓图像与下一监控时间点的身体轮廓图像进行重合对比，得到学生对应当前监控时段内各监控时间点与下一监控时间点的身体重合面积，并将各监控时间点与下一监控时间点之间的时段记为监控片段，得到学生对应当前监控时段内各监控片段的身体重合面积；f206：基于学生对应当前监控时段内各监控片段的身体重合面积对学生对应当前监控时段的身体专注度进行分析，得到学生对应当前监控时段的身体专注度；f207：基于学生对应各子时段的眼睛专注度和学生对应当前监控时段的身体专注度...

【专利技术属性】
技术研发人员：潘鑫，黄勇，朱松，武庆三，潘若木，
申请(专利权)人：深圳市玩瞳科技有限公司，
类型：发明
国别省市：