申请/专利权人：珠海谷田科技有限公司

申请日：2024-01-15

公开（公告）日：2024-02-20

公开（公告）号：CN117574098A

主分类号：G06F18/20

分类号：G06F18/20;G06N3/045;G06Q50/20;G06F18/2415;G06F18/25

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.08#实质审查的生效;2024.02.20#公开

摘要：本发明实施例提供一种学习专注度分析方法以及相关装置。该方法包括：获取目标对象在学习过程中的第一传感器数据、第二传感器数据、第三传感器数据；对第一传感器数据、第二传感器数据、第三传感器数据进行预处理；对预处理后的第一传感器数据、第二传感器数据、第三传感器数据分别进行特征提取，得到第一特征数据、第二特征数据以及第三特征数据；对第一特征数据、第二特征数据以及第三特征数据进行特征融合，得到目标特征数据；将目标特征数据输入至动作识别模型中，得到目标对象在学习过程中的目标肢体微动信息；将目标肢体微动信息输入至专注度识别模型中，得到目标对象在学习过程中的专注度水平；将目标对象在学习过程中的专注度进行展示。

主权项：1.一种学习专注度分析方法，其特征在于，所述方法包括：获取目标对象在学习过程中的第一传感器数据、第二传感器数据、第三传感器数据；对所述第一传感器数据、所述第二传感器数据、所述第三传感器数据进行预处理；对预处理后的所述第一传感器数据、所述第二传感器数据、所述第三传感器数据分别进行特征提取，得到第一特征数据、第二特征数据以及第三特征数据；对所述第一特征数据、所述第二特征数据以及所述第三特征数据进行特征融合，得到目标特征数据；将所述目标特征数据输入至动作识别模型中，得到目标对象在学习过程中的目标肢体微动信息；将所述目标肢体微动信息输入至专注度识别模型中，得到目标对象在学习过程中的专注度水平；将所述目标对象在学习过程中的所述专注度水平进行可视化展示；对所述第一特征数据、所述第二特征数据以及所述第三特征数据进行特征融合，得到目标特征数据，包括：将所述第一特征数据、所述第二特征数据以及所述第三特征数据分别输入到时间序列模型，得到每个时间步对应的隐藏状态；对每个所述时间步对应的所述隐藏状态进行融合处理，得到目标特征数据。

全文数据：

权利要求：

百度查询： 珠海谷田科技有限公司 一种学习专注度分析方法以及相关装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD