【技术实现步骤摘要】
本专利技术涉及图像处理，更具体地，涉及一种基于边缘计算的教育心理学情绪与行为分析方法与系统。
技术介绍
1、现当下，对青少年学生的心理健康和情绪识别检测至关重要。而对于青少年学生抑郁障碍有别于成年人，早期往往难以被发现，往往是在孩子出现自残等极端行为时，父母才发现送医。家长往往单方面地认为孩子可能是学习压力过大，与同学关系不好，导致无法及时发现问题。因此，利用无感手写板进行学生的手写笔迹检测和人脸表情分析来对学生的情绪和心理进行评估和预测具有很重要的意义，不仅可以有效使教师和家长更精确地把握孩子的心理动态，更是对于学生本人有着显著的帮助作用，是值得深入研究和开发的课题。
2、传统方案将采集的数据上传到云端进行计算，这样在传递过程中具备一定的不安全性，假如受到“中间人”攻击，那采集到的人脸表情数据就会被完全捕获拦截，造成学生敏感数据的丢失。
3、传统摄像头的精度难以精确覆盖到每一个学生的细微表情，而且学生在课堂上、测验中难免会出现低头做题、看书等情况。在这种情况下，摄像头就无法捕获到学生的表情神态，导致采集到的数据出现一定的时序中断。这样经由大模型分析出来的结果就会出现一定的偏差。
4、现有技术提供了一种基于人工智能的智能教育评价监督方法，包括使用摄像头以及多个拾音设备，捕获学生、老师的行为动作以及课堂上的语言。本专利技术是一种融合计算机视觉技术以及语音识别、语义分析技术的智能化监督、评价系统，该系统通过分布在教室的多个摄像头以及多个拾音设备，捕获学生、老师的行为动作以及课堂上的语言，并将行为和
技术实现思路
1、本专利技术为克服上述人脸识别精度不高和隐私安全性低的缺陷，提供一种基于边缘计算的教育心理学情绪与行为分析方法与系统。
2、为解决上述技术问题，本专利技术的技术方案如下：
3、本专利技术提供了一种基于边缘计算的教育心理学情绪与行为分析方法，所述方法包括：
4、s1：获取学生的肢体动作和表情图像并进行加密处理；
5、s2：基于获取的肢体动作和表情图像进行预处理，获得随机的肢体动作和表情图像训练集、肢体动作和表情图像验证集和肢体动作和表情图像测试集；
6、s3：利用肢体动作和表情图像训练集和肢体动作和表情图像验证集对构建的情绪与行为分析模型进行训练，获得训练好的情绪与行为分析模型；
7、s4：将肢体图像测试集输入训练好的情绪与行为分析模型中，获得学生的肢体动作和表情分析结果。
8、优选地，在s1中，利用设置在教室四周的传感摄像头和设置在桌面的无感摄像头收集肢体动作和表情图像。
9、优选地，在s1中，采用md5哈希散列算法对肢体动作和表情图像进行加密处理。
10、优选地，在s2中，将获取的肢体动作和表情图像格式转为voc格式；并按照预设的比例将肢体动作和表情图像随机分为肢体动作和表情图像训练集、肢体动作和表情图像验证集和肢体动作和表情图像测试集。
11、优选地，在s3中，利用肢体动作和表情图像训练集和肢体动作和表情图像验证集对构建的情绪与行为分析模型进行训练的方法为：
12、s31：设置情绪与行为分析模型每次训练的数据量和训练周期；
13、s32：将肢体动作和表情图像训练集和肢体动作和表情图像验证集输入构建的情绪与行为分析模型中进行训练；直至所有的图像都用完时，获得训练好的情绪与行为分析模型。
14、优选地，一种基于边缘计算的教育心理学情绪与行为分析系统，用于实现上述的方法，所述系统包括：
15、数据获取与加密模块，获取肢体动作和表情图像并进行加密处理；
16、预处理模块，基于获取的肢体动作和表情图像进行预处理，获得随机的肢体动作和表情图像训练集、肢体动作和表情图像验证集和肢体动作和表情图像测试集；
17、模型训练模块，利用肢体动作和表情图像训练集和肢体动作和表情图像验证集对构建的情绪与行为分析模型进行训练，获得训练好的情绪与行为分析模型；
18、测试模块，将肢体图像测试集输入训练好的情绪与行为分析模型中，获得肢体动作和表情分析结果。
19、优选地，在数据获取与加密模块，利用设置教室四周的传感摄像头和设置在桌面的无感摄像头收集肢体动作和表情图像。
20、优选地，在数据获取与加密模块，采用md5哈希散列算法对肢体动作和表情图像进行加密处理。
21、优选地，在预处理模块，将获取的肢体动作和表情图像格式转为voc格式；并按照预设的比例将肢体动作和表情图像随机分为肢体动作和表情图像训练集、肢体动作和表情图像验证集和肢体动作和表情图像测试集。
22、优选地，在模型训练模块中，利用肢体动作和表情图像训练集和肢体动作和表情图像验证集对构建的情绪与行为分析模型进行训练的方法为：
23、模型参数单元，设置情绪与行为分析模型每次训练的数据量和训练周期；
24、模型训练单元，将肢体动作和表情图像训练集和肢体动作和表情图像验证集输入构建的情绪与行为分析模型中进行训练；直至所有的图像都用完时，获得训练好的情绪与行为分析模型。
25、与现有技术相比，本专利技术技术方案的有益效果是：
26、本专利技术提供了一种基于边缘计算的教育心理学情绪与行为分析方法与系统，能够准确获取学生成绩、心理、德育等的各方面数据并进行加密处理，防止隐私数据泄露，提高了隐私安全性；本专利技术不仅能够针对学生实际情况制定有针对性的教学模式，还能提升老师的教学实际质量与效率。
本文档来自技高网...【技术保护点】
1.一种基于边缘计算的教育心理学情绪与行为分析方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于边缘计算的教育心理学情绪与行为分析方法，其特征在于，在S1中，利用设置在教室四周的传感摄像头和设置在桌面的无感摄像头收集肢体动作和表情图像。
3.根据权利要求1所述的基于边缘计算的教育心理学情绪与行为分析方法，其特征在于，在S1中，采用MD5哈希散列算法对肢体动作和表情图像进行加密处理。
4.根据权利要求1所述的基于边缘计算的教育心理学情绪与行为分析方法，其特征在于，在S2中，将获取的肢体动作和表情图像格式转为VOC格式；并按照预设的比例将肢体动作和表情图像随机分为肢体动作和表情图像训练集、肢体动作和表情图像验证集和肢体动作和表情图像测试集。
5.根据权利要求1所述的基于边缘计算的教育心理学情绪与行为分析方法，其特征在于，在S3中，利用肢体动作和表情图像训练集和肢体动作和表情图像验证集对构建的情绪与行为分析模型进行训练的方法为：
6.一种基于边缘计算的教育心理学情绪与行为分析系统，用于实现权利要求1-5所述的方法，
7.根据权利要求6所述的基于边缘计算的教育心理学情绪与行为分析系统，其特征在于，在数据获取与加密模块，利用设置教室四周的传感摄像头和设置在桌面的无感摄像头收集肢体动作和表情图像。
8.根据权利要求6所述的基于边缘计算的教育心理学情绪与行为分析系统，其特征在于，在数据获取与加密模块，采用MD5哈希散列算法对肢体动作和表情图像进行加密处理。
9.根据权利要求6所述的基于边缘计算的教育心理学情绪与行为分析系统，其特征在于，在预处理模块，将获取的肢体动作和表情图像格式转为VOC格式；并按照预设的比例将肢体动作和表情图像随机分为肢体动作和表情图像训练集、肢体动作和表情图像验证集和肢体动作和表情图像测试集。
10.根据权利要求6所述的基于边缘计算的教育心理学情绪与行为分析系统，其特征在于，在模型训练模块中，利用肢体动作和表情图像训练集和肢体动作和表情图像验证集对构建的情绪与行为分析模型进行训练的方法为：
...【技术特征摘要】
1.一种基于边缘计算的教育心理学情绪与行为分析方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于边缘计算的教育心理学情绪与行为分析方法，其特征在于，在s1中，利用设置在教室四周的传感摄像头和设置在桌面的无感摄像头收集肢体动作和表情图像。
3.根据权利要求1所述的基于边缘计算的教育心理学情绪与行为分析方法，其特征在于，在s1中，采用md5哈希散列算法对肢体动作和表情图像进行加密处理。
4.根据权利要求1所述的基于边缘计算的教育心理学情绪与行为分析方法，其特征在于，在s2中，将获取的肢体动作和表情图像格式转为voc格式；并按照预设的比例将肢体动作和表情图像随机分为肢体动作和表情图像训练集、肢体动作和表情图像验证集和肢体动作和表情图像测试集。
5.根据权利要求1所述的基于边缘计算的教育心理学情绪与行为分析方法，其特征在于，在s3中，利用肢体动作和表情图像训练集和肢体动作和表情图像验证集对构建的情绪与行为分析模型进行训练的方法为：
6.一种基于边缘计算的教育心...
【专利技术属性】
技术研发人员：施煜锴，陈润宇，蔡思杰，胡佳彤，洪施施，杨志景，
申请(专利权)人：广东工业大学，
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。