申请/专利权人:刘嘉骥
申请日:2023-04-26
公开(公告)日:2024-04-16
公开(公告)号:CN117894046A
主分类号:G06V40/16
分类号:G06V40/16;G06V20/40;G06T7/269;G06V20/52;G06V40/20;G06V10/82;G06N3/0464;G06N3/08;G06Q50/20
优先权:
专利状态码:在审-公开
法律状态:2024.04.16#公开
摘要:本发明公开了一种面向监控视频流的智慧课堂分析方法及平台,通过面部表情及学生行为识别作为研究学生学习投入状况的关键技术,旨在通过面部表情观察意识,分析心理状态;通过行为识别,分析学生上课认真程度,使用基于深度学习的面部表情识别及学生行为动作识别技术辅助分析学生课堂学习投入状况,根据实验结果将学生们的课堂行为表现群像化,绘制课堂画像,让教师能够高效且直观地掌握学生学习投入的情况,对于后续优化教学设计与实施教学干预提供数据支持,促进“智慧课堂”的建设都有重要意义。
主权项:1.一种面向监控视频流的智慧课堂分析方法,其特征在于,包括内隐情感的分析以及外显行为分析;所述内隐情感的分析包括以下步骤:1将微表情视频帧输入至DeepCNN中,提取人脸关键点特征;2根据关键点信息进行ROI划分,并将划分好ROI的第一帧与每一帧合成图像组作为改进FlowNet2光流估计网络的输入,通过减少光流特征信息的维度,预测分析帧图像间保留的重要运动信息,统计微表情发生的局部特征变化;3采用SVM算法对特征分类进行微表情识别;所述外显行为分析包括以下步骤:1基于ImprovedYolov3网络实现对多目标的快速检测;2通过Lite-HRNet模型实现精准的人体关键点检测,并输出多目标的骨架数据;3经过分类器对人体关键点坐标信息与骨架图分类,实现行为识别。
全文数据:
权利要求:
百度查询: 刘嘉骥 一种面向监控视频流的智慧课堂分析方法及平台
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。