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：2024-04-02

公开（公告）号：CN117574098B

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：有效-授权

法律状态：2024.04.02#授权;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；所述动作识别模型包括动作生成网络、动作评估网络；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，包括：利用所述目标特征数据获得所述目标对象对应的状态信息；确定所述状态信息和初始肢体微动信息之间的映射关系，并根据所述动作生成网络和所述映射关系得到所述目标对象对应的连续动作向量；通过所述动作评估网络对所述状态信息和所述连续动作向量进行动作价值评估，得到动作价值评估函数；优化所述动作价值评估函数得到目标动作价值评估函数；根据所述目标动作价值评估函数指导所述动作生成网络根据所述状态信息生成对应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，包括：对所述目标肢体微动信息进行预测，得到目标对象在学习过程中的候选专注度水平对应的概率值： 其中，Py＝k|x表示所述候选专注度水平对应的所述概率值，y表示类别的标签，k表示类别索引，exp表示指数函数，fkx表示所述目标肢体微动信息属于第k个类别的决策，K是类别总数，表示对所有类别的决策函数进行求和；将所述概率值大于概率阈值的所述候选专注度水平作为专注度水平。

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