[發(fā)明專利]學(xué)生課堂學(xué)習(xí)興趣智能分析方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201810124929.3
• 申請(qǐng)日: 2018-02-07
• 公開(kāi)（公告）號(hào): CN108399376B
• 公開(kāi)（公告）日: 2020-11-06
• 發(fā)明（設(shè)計(jì)）人: 陳靚影;徐如意;張坤;韓加旭;劉樂(lè)元;彭世新
• 申請(qǐng)（專利權(quán)）人: 華中師范大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06Q10/06;G06Q50/20
• 代理公司: 武漢東喻專利代理事務(wù)所(普通合伙) 42224
• 代理人: 方可

1.一種學(xué)生課堂學(xué)習(xí)興趣智能分析方法，其特征在于，包括以下步驟：

(1)采集教室內(nèi)場(chǎng)景圖像，在場(chǎng)景圖像中定位人臉；

(2)在人臉區(qū)域中估計(jì)頭部姿態(tài)，根據(jù)頭部姿態(tài)評(píng)估學(xué)生的認(rèn)知注意力；

(3)在人臉區(qū)域中估計(jì)面部表情，根據(jù)表情評(píng)估學(xué)生的學(xué)習(xí)情緒；

(4)記錄學(xué)生在課堂上互動(dòng)答題的頻率與正確率，根據(jù)答題的頻率與正確率評(píng)估學(xué)生的參與度；

(5)融合學(xué)生的認(rèn)知注意力、學(xué)習(xí)情緒和課堂參與度三維信息，分析學(xué)生的學(xué)習(xí)興趣；

其中步驟(3)中，所述估計(jì)面部表情的具體實(shí)現(xiàn)方式為：采用vgg-face模型提取人臉圖片的fc6層特征，按照頭部姿態(tài)劃分為五個(gè)區(qū)間Ω₁＝{-30°≤ω≤+30°}、Ω₂＝{-60°≤ω＜-30°}、Ω₃＝{+30°≤ω＜+60°}、Ω₄＝{-90°≤ω＜-60°}和Ω₅＝{+60°≤ω＜+90°}；根據(jù)估計(jì)的頭部姿態(tài)在五個(gè)區(qū)間的概率分布作為條件概率，并按照此條件概率從對(duì)應(yīng)的隨機(jī)森林表情分類器中選擇相應(yīng)數(shù)量的決策樹(shù)；將選擇的決策樹(shù)組裝成新的隨機(jī)森林分類器并估計(jì)面部表情。

2.根據(jù)權(quán)利要求1所述的學(xué)生課堂學(xué)習(xí)興趣智能分析方法，其特征在于，所述融合學(xué)生的認(rèn)知注意力、學(xué)習(xí)情緒和課堂參與度三維信息，分析學(xué)生的學(xué)習(xí)興趣的具體實(shí)現(xiàn)方式為：

提取認(rèn)知注意力、學(xué)習(xí)情緒和課堂參與度三個(gè)指標(biāo)兩兩之間的重要性程度，構(gòu)建判斷矩陣A＝[a_ij],1≤i,j≤3，其中，a_ij表示第i個(gè)指標(biāo)對(duì)第j個(gè)指標(biāo)的重要程度；根據(jù)判別矩陣計(jì)算特征值和特征向量，最大特征值對(duì)應(yīng)的特征向量歸一化后即為三個(gè)指標(biāo)所分配的權(quán)重v＝[v₁,v₂,v₃]；

融合課堂參與度評(píng)分S1、注意力評(píng)分S2和學(xué)習(xí)情緒評(píng)分S3得到學(xué)生課堂學(xué)習(xí)興趣評(píng)估值S＝S1*v₁+S2*v₂+S3*v₃。

3.根據(jù)權(quán)利要求1或2所述的學(xué)生課堂學(xué)習(xí)興趣智能分析方法，其特征在于，所述根據(jù)答題的頻率與正確率評(píng)估學(xué)生的參與度的具體實(shí)現(xiàn)方式為：

根據(jù)所有參與統(tǒng)計(jì)的N個(gè)學(xué)生的答題頻率p_Rn和答題頻率p_Cn計(jì)算信息熵然后根據(jù)信息熵計(jì)算答題頻率和答題正確率的融合權(quán)重w_R和w_C：計(jì)算課堂參與度評(píng)分S1＝R×w_R+C×w_C。

4.根據(jù)權(quán)利要求1或2所述的學(xué)生課堂學(xué)習(xí)興趣智能分析方法，其特征在于，所述根據(jù)頭部姿態(tài)評(píng)估學(xué)生的認(rèn)知注意力的具體實(shí)現(xiàn)方式為：

在教學(xué)時(shí)間段內(nèi)統(tǒng)計(jì)學(xué)生注視黑板、教師和學(xué)生端手持設(shè)備的時(shí)間，將其定義為注意力集中時(shí)間；將注意力集中時(shí)間與預(yù)定注意力閾值段匹配，將匹配成功的閾值段對(duì)應(yīng)的分值記為注意力評(píng)分S2。

5.根據(jù)權(quán)利要求1或2所述的學(xué)生課堂學(xué)習(xí)興趣智能分析方法，其特征在于，所述根據(jù)表情評(píng)估學(xué)生的學(xué)習(xí)情緒的具體實(shí)現(xiàn)方式為：

若注意力集中且表情為笑臉，表明學(xué)習(xí)情緒正面，其所持續(xù)的時(shí)間定義為正面學(xué)習(xí)情緒時(shí)間；計(jì)算正面學(xué)習(xí)情緒時(shí)間所占教學(xué)時(shí)間的比例；將該比例與預(yù)定情緒閾值段匹配，將匹配成功的閾值段對(duì)應(yīng)的分值記為學(xué)習(xí)情緒評(píng)分S3。

6.根據(jù)權(quán)利要求1或2所述的學(xué)生課堂學(xué)習(xí)興趣智能分析方法，其特征在于，所述頭部姿態(tài)估計(jì)的具體實(shí)現(xiàn)方式為：采用vgg-face模型提取人臉圖片的fc6層特征，然后送入離線訓(xùn)練的回歸隨機(jī)森林中估計(jì)頭部姿態(tài)。