一种基于图像识别的学生课堂学习习惯分析方法及系统技术方案

本申请涉及一种基于图像识别的学生课堂学习习惯分析方法及系统，其包括步骤间隔接收来自拍摄终端的课堂图像；实时将所接收的课堂图像发送至图像比对模型，图像比对模型基于课堂图像预设的区域划分规则，拆分课堂图像得到代表每个学生课堂状态的若干特征图像；将特征图像与图像比对模型中预存储的目标特征图像集合进行特征比对，判定并输出当前的课堂场景信息，目标特征图像集合中包含若干不同行为类型的目标特征图像；判定特征图像所属的行为类型；基于该特征图像识别预先绑定的学生信息，将该特征图像的行为类型与学生信息绑定并存档

【技术实现步骤摘要】
一种基于图像识别的学生课堂学习习惯分析方法及系统


[0001]本申请涉及智能分析的
，尤其是涉及一种基于图像识别的学生课堂学习习惯分析方法及系统
。

技术介绍

[0002]学生的课堂行为举止很大程度能够反映学生的课堂学习习惯，也影响着学生的在校成绩
。
目前，对于学生课堂行为举止的监督，普遍还是靠教师在课堂上的人为监督，但教师精力有限且较难在课堂教学的同时监督所有学生的行为举止，因此，对于学生课堂学习习惯的获知
、
了解的难度较大，较难做到针对每一个学生的学习习惯进行分析指正，存在需要改进的空间
。

技术实现思路

[0003]为了方便监督课堂上学生的行为举止，从而方便对学生的学习习惯进行分析指正；本申请提供了一种基于图像识别的学生课堂学习习惯分析方法及系统
。
[0004]本申请的上述专利技术目的一是通过以下技术方案得以实现的：
[0005]一种基于图像识别的学生课堂学习习惯分析方法，包括步骤：
[0006]间隔接收来自拍摄终端的课堂图像，拍摄终端固定于教室内以拍摄学生上课时的课堂图像；
[0007]实时将所接收的课堂图像发送至图像比对模型，图像比对模型基于课堂图像预设的区域划分规则，拆分课堂图像得到代表每个学生课堂状态的若干特征图像；
[0008]将特征图像与图像比对模型中预存储的目标特征图像集合进行特征比对，判定并输出当前的课堂场景信息，目标特征图像集合中包含若干不同行为类型的目标特征图像；/>[0009]基于当前课堂场景信息以及特征图像与目标特征图像的比对结果，判定特征图像所属的行为类型；
[0010]基于该特征图像识别预先绑定的学生信息，将该特征图像的行为类型与学生信息绑定并存档
。
[0011]通过采用上述技术方案，拍摄终端可根据教师大小设置多台，由于拍摄终端固定在教室内，因此每次拍摄的课堂图像角度是一定的，因此能够通过对课堂图像进行区域划分，拆分出课堂上每个学生的专属位置上的特征图像，进一步对若干特征图像进行图像特征对比，通过间隔不断接收的特征图像，能够判定特征图像是否属于预设的目标特征图像，目标特征图像是指学生上课时行为举止的图像，例如记笔记
、
玩笔转笔
、
举手回答
、
低头抬头
、
不看黑板发呆
、
低头睡觉等行为举止，若识别到存在上述行为举止的特征图像，则证明该学生在课堂上出现上述行为举止
。
[0012]而行为举止的判定之前，需要通过课堂图像先判定当前的课堂场景，例如判定当前是听讲台老师讲课的场景或是全班一起低头写课堂练习的场景，以确保行为类型的正确识别，进一步才通过每个特征图像分别与目标特征图像集合进行特征比对识别，得到每个
学生在整堂课上出现的行为举止并与该学生的学生信息进行绑定，例如识别教师讲课时哪位学生出现了不看黑板发呆
、
玩笔
、
低头等不认真听课的行为举止，或是识别教师讲课时有认真听讲
、
积极回答问题，做课堂练习时有低头拿笔做题，能够实现智能化地对学生在课堂的行为举止监督，从而达到能够评定学生的学习习惯好坏的目的，对课堂上行为举止不认真的学生和行为举止认真的学生进行批评和鼓励
。
[0013]本申请在一较佳示例中：目标特征图像集合中包含有绑定了课堂场景信息的场景特征图像集合，所述将特征图像与图像比对模型中预存储的目标特征图像集合进行特征比对，判定并输出当前的课堂场景信息的步骤，包括步骤：
[0014]将若干特征图像与目标特征图像集合中的目标特征图像进行特征比对；
[0015]基于特征比对结果，若超过预设数量比例的特征图像均判定为同一个场景特征图像集合，则判定当前课堂场景信息为该场景特征图像集合预先绑定的课堂场景信息
。
[0016]通过采用上述技术方案，每个班级同一次获取到的特征图像数量是固定的，若超过预设数量比例的特征图像均判定为同一个特征图像集合，即例如
50
张特征图像中，有
45
张以上在在经过特征对比后判定为学生看着黑板的行为举止，即判定当前的课堂场景为听教师讲课的课堂场景，若
50
张特征图像中，有
45
张特征图像属于低头拿笔的行为举止，则判定当前的课堂场景是做课堂练习的场景，实现对当前课堂场景信息的识别判定
。
[0017]本申请在一较佳示例中：所述基于当前课堂场景信息以及特征图像与目标特征图像的比对结果，判定特征图像所属的行为类型的步骤，包括步骤：
[0018]将特征图像与目标特征图像集合中的目标特征图像进行特征比对，获取与特征图像近似的若干目标特征图像；
[0019]基于课堂场景信息，从若干目标特征图像中筛选出符合该课堂场景信息的一个目标特征图像，识别该筛选出的目标特征图像对应的行为类型；
[0020]在预设时间段内，判断所接收的若干课堂图像中，同一拆分区域的特征图像在经过特征比对后，得到的目标特征图像的行为类型是否均相同；
[0021]若相同，则将该筛选出的目标特征图像对应的行为类型，作为该特征图像的行为类型
。
[0022]通过采用上述技术方案，对于特征图像中学生的行为举止的判定，需要先结合课堂场景来进行判定，若课堂场景信息是做课堂练习，则学生低头看题时，不能判定为不认真听讲的行为，而是判定为低头做题的行为，因此需要结合课堂场景信息进行判定，进一步的，不能仅靠一张课堂图像就判定学生在课堂上的行为举止，例如拍摄终端每
50
毫秒获取一张课堂图像，需要用连续1‑2秒内所有的课堂图像中的特征图像连续比对，即预设时间段内若有的课堂图像，才能判定学生是否出现与目标特征图像相同的行为举止，使得特征图像的行为类型判定更为准确
。
[0023]本申请在一较佳示例中：所述基于该特征图像识别预先绑定的学生信息，将该特征图像的行为类型与学生信息绑定并存档的步骤，包括步骤：
[0024]识别该特征图像基于区域划分规则拆分后所绑定的标识信息，课堂图像中每个特征图像的标识信息互不相同；
[0025]识别与该标识信息预先绑定的学生信息，将该特征图像的行为类型与学生信息绑定并存档，每个学生信息按时间先后绑定多个行为类型
。
[0026]通过采用上述技术方案，由于课堂图像的角度是固定的，因此能够对课堂图像进行区域划分，每个区域为一个学生的座位所在的区域，并给每个区域绑定标识信息，即能够获知每个区域的学生的姓名信息，实现学生课堂的行为类型与其身份信息的绑定，每个学生能够绑定多个行为类型，即能够获知学生每节课
、
每周
、
每个月或每个学期出现的所有行为举止
。
[0027]本申请在一较佳示例中：特征图像中还包含了学生桌面图像，课堂场景信息包括课堂练本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于图像识别的学生课堂学习习惯分析方法，其特征在于：包括步骤：间隔接收来自拍摄终端的课堂图像，拍摄终端固定于教室内以拍摄学生上课时的课堂图像；实时将所接收的课堂图像发送至图像比对模型，图像比对模型基于课堂图像预设的区域划分规则，拆分课堂图像得到代表每个学生课堂状态的若干特征图像；将特征图像与图像比对模型中预存储的目标特征图像集合进行特征比对，判定并输出当前的课堂场景信息，目标特征图像集合中包含若干不同行为类型的目标特征图像；基于当前课堂场景信息以及特征图像与目标特征图像的比对结果，判定特征图像所属的行为类型；基于该特征图像识别预先绑定的学生信息，将该特征图像的行为类型与学生信息绑定并存档
。2.
根据权利要求1所述的一种基于图像识别的学生课堂学习习惯分析方法，其特征在于：目标特征图像集合中包含有绑定了课堂场景信息的场景特征图像集合，所述将特征图像与图像比对模型中预存储的目标特征图像集合进行特征比对，判定并输出当前的课堂场景信息的步骤，包括步骤：将若干特征图像与目标特征图像集合中的目标特征图像进行特征比对；基于特征比对结果，若超过预设数量比例的特征图像均判定为同一个场景特征图像集合，则判定当前课堂场景信息为该场景特征图像集合预先绑定的课堂场景信息
。3.
根据权利要求1所述的一种基于图像识别的学生课堂学习习惯分析方法，其特征在于：所述基于当前课堂场景信息以及特征图像与目标特征图像的比对结果，判定特征图像所属的行为类型的步骤，包括步骤：将特征图像与目标特征图像集合中的目标特征图像进行特征比对，获取与特征图像近似的若干目标特征图像；基于课堂场景信息，从若干目标特征图像中筛选出符合该课堂场景信息的一个目标特征图像，识别该筛选出的目标特征图像对应的行为类型；在预设时间段内，判断所接收的若干课堂图像中，同一拆分区域的特征图像在经过特征比对后，得到的目标特征图像的行为类型是否均相同；若相同，则将该筛选出的目标特征图像对应的行为类型，作为该特征图像的行为类型
。4.
根据权利要求1所述的一种基于图像识别的学生课堂学习习惯分析方法，其特征在于：所述基于该特征图像识别预先绑定的学生信息，将该特征图像的行为类型与学生信息绑定并存档的步骤，包括步骤：识别该特征图像基于区域划分规则拆分后所绑定的标识信息，课堂图像中每个特征图像的标识信息互不相同；识别与该标识信息预先绑定的学生信息，将该特征图像的行为类型与学生信息绑定并存档，每个学生信息按时间先后绑定多个行为类型
。5.
根据权利要求1所述的一种基于图像识别的学生课堂学习习惯分析方法，其特征在于：特征图像中还包含了学生桌面图像，课堂场景信息包括课堂练习场景和教师讲课场景，所述基于该特征图像识别预先绑定的学生信息，将该特征图像的行为类型与学生信息绑定并存档的步骤之后，还执行如下步骤：

【专利技术属性】
技术研发人员：廖劲光，唐武雷，
申请(专利权)人：广州乐庚信息科技有限公司，
类型：发明
国别省市：