一种基于改进YOLOv9s的课堂专注度评估方法及系统技术方案

本发明专利技术涉及一种基于改进YOLOv9s的课堂专注度评估方法及系统，其中方法包括以下步骤：采集课堂视频流，根据课堂视频流获取视频帧；通过行为检测模型对视频帧中的学生行为进行检测，得到行为检测结果；提取视频帧中的面部区域，得到面部图像，通过DeepFace模型对面部图像进行图像分析，得到面部分析结果；将行为检测结果和面部分析结果进行动态加权融合，得到多模态融合特征；根据多模态融合特征通过个性化评估参数模型计算得到学生的专注度得分；将专注度得分进行平滑处理，得到专注度评估结果。与现有技术相比，本发明专利技术显著提升了专注度评估的稳定性与准确性以及模型在复杂检测任务中的检测性能和泛化能力。

【技术实现步骤摘要】

本专利技术涉及人工智能与教育信息化领域，尤其是涉及一种基于改进yolov9s的课堂专注度评估方法及系统。

技术介绍

1、随着“智慧教育”、“精准教学”等教育理念的不断推进，如何全面、客观、实时地评估学生在课堂中的专注状态成为教育信息化研究的重要方向之一。学生专注度作为教学反馈和学习效果评估的重要指标，直接关系到课堂教学的效率与质量。然而，当前在实际教学过程中，学生专注度的评估仍主要依赖教师的主观观察、经验判断或基于问卷调查等手段，这些方法不仅效率低下，而且缺乏科学性、系统性与可操作性。

2、近年来，人工智能、计算机视觉、深度学习等前沿技术在教育场景中的应用逐渐兴起，部分研究开始探索利用图像处理、姿态识别、人脸表情识别、语音识别等方式来评估学生的课堂表现与参与度。然而，目前已有的技术和系统仍存在以下显著问题和不足：

3、(1)单模态感知手段局限性大：大多数现有方法仅基于视觉模态或语音模态，缺乏多模态融合机制，无法全面感知学生的复杂状态。单一模态易受遮挡、光照、遮蔽、背景复杂度等干扰，导致识别精度下降，鲁棒性不足。</p>

4、(2本文档来自技高网...

【技术保护点】

1.一种基于改进YOLOv9s的课堂专注度评估方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于改进YOLOv9s的课堂专注度评估方法，其特征在于，所述视频帧中同时包含多名学生的行为动作和面部情绪状态。

3.根据权利要求1所述的基于改进YOLOv9s的课堂专注度评估方法，其特征在于，所述行为检测模型为EM-YOLOv9s模型，将原有损失函数替换为Focal WIoU损失函数，所述行为检测模型包括主干网络和检测头，所述主干网络的RepNCSPELAN4模块内设置有GhostConv轻量级卷积结构，所述检测头中设置有EMA注意力机制。</p>

4.根据...

【技术特征摘要】

1.一种基于改进yolov9s的课堂专注度评估方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于改进yolov9s的课堂专注度评估方法，其特征在于，所述视频帧中同时包含多名学生的行为动作和面部情绪状态。

3.根据权利要求1所述的基于改进yolov9s的课堂专注度评估方法，其特征在于，所述行为检测模型为em-yolov9s模型，将原有损失函数替换为focal wiou损失函数，所述行为检测模型包括主干网络和检测头，所述主干网络的repncspelan4模块内设置有ghostconv轻量级卷积结构，所述检测头中设置有ema注意力机制。

4.根据权利要求1所述的基于改进yolov9s的课堂专注度评估方法，其特征在于，所述行为检测结果为行为类别，所述行为类别包括举手、阅读和写作中的多种。

5.根据权利要求1所述的基于改进yolov9s的课堂专注度评估方法，其特征在于，所述图像分析结果包括学生身份和情绪类别，所述学生身份的识别采用...

【专利技术属性】
技术研发人员：张恒，彭扬，刘艳丽，吴远乐，
申请(专利权)人：上海电机学院，
类型：发明
国别省市：