[發明專利]一種基于圖像識別的學生專注力的檢測方法

在審

• 申請號: 202011623615.1
• 申請日: 2020-12-29
• 公開（公告）號: CN112733663A
• 公開（公告）日: 2021-04-30
• 發明（設計）人: 劉全明
• 申請（專利權）人: 山西大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/42;G06N3/04
• 代理公司: 山西五維專利事務所(有限公司) 14105
• 代理人: 茹牡花

本發明涉及一種基于圖像識別的學生專注力的檢測方法。目的是解決現有的專注力檢測方法效率不高的技術問題。技術方案為：一種基于圖像識別的學生專注力的檢測方法，包括如下步驟：采集視頻數據；圖像預處理；圖像信息識別；為學生的專注度狀態分類；專注度對比；輸出對比結果，其中圖像識別采用基于改進的深度可分離卷積搭建的輕量級卷積神經網絡，將深度可分離卷積模塊和連續非對稱卷積按照Inception結構進行組合，輕量級表情識別卷積神經網絡模型包括輸入流程模塊、中間流程模塊和輸出流程模塊。本發明使用深度可分離卷積和連續非對稱卷積有效的壓縮了參數量，加快了表情識別的檢測效率，提升了學生專注力的檢測效率。

技術領域

本發明屬于教育技術領域，具體涉及一種基于圖像識別的學生專注力的檢測方法。

背景技術

專注力，又稱注意力，指一個人專心于某一事物、或活動時的心理狀態，人的注意力，受多方面因素的影響，注意力缺陷，常常是許多學習差學生的共同特點，因此，如何全面有效的把握、分析學生的專注程度，對于把握學習狀態，提高課堂教學質量，開展教學研究都是十分必要的。

近年來，隨著人臉檢測技術的快速發展、日益成熟，人臉檢測已經成為一項成熟的技術進入人們的日常生活和工作中，計算機硬件性能的飛躍提升很好的促進了人臉圖像處理相關的應用發展，因而人臉圖像處理在當今應用和研究也顯得愈發重要。

老師在上課過程中很難對學生的每一個細節進行觀察，而且會分散老師的注意力，現有的檢測方法效率不高。

發明內容

本發明的目的是解決現有的專注力檢測方法效率不高的技術問題，提供一種基于圖像識別的學生專注力的檢測方法。

為解決上述技術問題，本發明采用的技術方案是：

一種基于圖像識別的學生專注力的檢測方法，包括如下步驟：

1)采集視頻數據：通過教室內的攝像頭實時采集學生的視頻數據；

2)圖像預處理：對步驟1)所采集的視頻數據進行截圖，抓取出學生面部圖像信息，然后對圖像依次進行平移、旋轉、縮放、切割的標準化處理，處理得到尺寸一致的圖像信息；

3)圖像信息識別：將步驟2)處理所得的圖像信息輸入到訓練好的輕量級表情識別卷積神經網絡模型中，對圖像中的學生表情進行識別，得到學生的專注度狀態；

4)為學生的專注度狀態分類；

5)專注度對比：將步驟3)中得到的專注度狀態與步驟4)中的專注度分類狀態進行對比分析；

6)輸出對比結果：老師根據步驟5)的輸出結果對專注力不認真的學生作出對應的反饋。

進一步的，所述步驟3)中的輕量級表情識別卷積神經網絡模型是基于改進的深度可分離卷積搭建的輕量級卷積神經網絡，將深度可分離卷積模塊和連續非對稱卷積按照Inception結構進行組合；

所述輕量級表情識別卷積神經網絡模型包括輸入流程模塊、中間流程模塊和輸出流程模塊。

進一步的，所述中間流程模塊使用了4段重復的經過改進的具有Inception結構的深度可分離卷積模塊，且引入殘差連接。

進一步的，所述改進的具有Inception結構的深度可分離卷積模塊引入了深度可分離卷積和連續的非對稱卷積。

進一步的，所述輸出流程模塊使用了普通的深度可分離卷積、激活函數、批歸一化層和最大池化層，實現了特征向量的平穩過度。

進一步的，所述步驟3)中的專注度狀態分為認真、一般和不認真三種；

專注度認真的學生可以捕捉到完整的面部特征，坐姿居中、表情比較嚴肅；