[發(fā)明專利]基于人臉識別的課堂專注狀態(tài)檢測方法及相關儀器

有效

• 申請?zhí)枺?/td>: 202110568052.9
• 申請日: 2021-05-24
• 公開（公告）號: CN113239841B
• 公開（公告）日: 2023-03-24
• 發(fā)明（設計）人: 韋寧燕;韋洪浪;吳明林;李高宇;陳賽艷;陳明
• 申請（專利權）人: 桂林理工大學博文管理學院
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V40/18;G06V40/19;G06V10/82;G06N3/0464;G06N3/045;G06N3/08;A61N1/36;G06Q50/20
• 代理公司: 深圳市嘉勤知識產(chǎn)權代理有限公司 44651
• 代理人: 湯金燕

本申請公開一種基于人臉識別的課堂專注狀態(tài)檢測方法及相關儀器，其通過對課堂中各個學生進行初始專注度篩選，得到初始專注度不符合要求的選定學生，將所述選定學生的人臉照片確定為目標人臉圖像，將所述目標人臉圖像輸入預先訓練的眼眶檢測模型，獲取所述眼眶檢測模型輸出的眼眶邊長，獲取所述眼眶邊長中最小邊長以及該課堂對應的專注度檢測閾值，根據(jù)最小邊長和專注度檢測閾值的關系確定所述選定學生狀態(tài)的課堂專注狀態(tài)，能夠實現(xiàn)對課堂中各個學生課堂狀態(tài)的深入檢測，有效提高了相應的檢測精度，有利于督促相應學生提高學習效率。

技術領域

本申請涉及人臉識別技術領域，具體涉及一種基于人臉識別的課堂專注狀態(tài)檢測方法及相關儀器。

背景技術

課堂學習是人們獲取知識的主要途徑，把握課堂中各個學生的狀態(tài)，并進行有效應對或授課是提高學習效率的有效方式。傳統(tǒng)方案主要通過老師對學生的觀察了解課堂中學生的實時狀態(tài)，缺乏客觀性。還有方案可以采集學生的面部表情和姿態(tài)數(shù)據(jù)，以此對學生的課堂狀態(tài)進行評估，在一定程度上保證了評估結果的客觀性，然而所得評估結果往往不夠深入，存在精度低的問題。

發(fā)明內(nèi)容

鑒于此，本申請?zhí)峁┮环N基于人臉識別的課堂專注狀態(tài)檢測方法及相關儀器，以對學生的課堂狀態(tài)進行深入檢測，提高了所得結果的檢測精度。

本申請一方面提供一種基于人臉識別的課堂專注狀態(tài)檢測方法，包括：

S100，對課堂中各個學生進行初始專注度篩選，得到初始專注度不符合要求的選定學生，將所述選定學生的人臉照片確定為目標人臉圖像；

S200，將所述目標人臉圖像輸入預先訓練的眼眶檢測模型，獲取所述眼眶檢測模型輸出的眼眶邊長；其中，所述眼眶檢測模型用于檢測所輸出人臉圖像的眼眶描述信息；所述眼眶描述信息包括眼部最小外接矩形的邊長和代表點的坐標；

S300，獲取所述眼眶邊長中的最小邊長以及該課堂對應的專注度檢測閾值，根據(jù)所述最小邊長和所述專注度檢測閾值的關系確定所述選定學生狀態(tài)的課堂專注狀態(tài)；其中，所述專注度檢測閾值用于檢測相應課堂中學生的課堂專注狀態(tài)。

在其中一個實施例中，所述課堂專注狀態(tài)包括困倦狀態(tài)；所述專注度檢測閾值包括困倦檢測閾值；所述困倦檢測閾值用于檢測相應課堂中學生的困倦狀態(tài)；

所述根據(jù)所述最小邊長和所述專注度檢測閾值的關系確定所述選定學生狀態(tài)的課堂專注狀態(tài)包括：將所述最小邊長小于所述困倦檢測閾值的學生狀態(tài)確定為困倦狀態(tài)。

具體地，所述困倦檢測閾值的確定過程包括：

獲取所述課堂中學生的平均年齡，在預設的年齡-困倦檢測閾值關系中查找所述平均年齡對應的困倦檢測閾值，得到困倦檢測閾值；其中，所述年齡-困倦檢測閾值關系記錄各個年齡對應的困倦檢測閾值。

在其中一個實施例中，所述眼眶檢測模型的訓練過程包括：

S210，分別采集各個年齡段學生的多個人臉照片，得到第一樣本圖像，標注各個第一樣本圖像中眼部邊界框的代表點位置和各邊邊長，得到各個第一樣本圖像的圖像描述信息；

S220，以所述各個第一樣本圖像為輸入，各個圖像描述信息為輸出訓練目標檢測網(wǎng)絡，在所述目標檢測網(wǎng)絡滿足第一訓練條件時，根據(jù)所述目標檢測網(wǎng)絡當前的網(wǎng)絡參數(shù)確定所述眼眶檢測模型。

具體地，在所述目標檢測網(wǎng)絡滿足第一訓練條件時，根據(jù)所述目標檢測網(wǎng)絡當前的網(wǎng)絡參數(shù)確定所述眼眶檢測模型之前，還包括：

獲取所述目標檢測網(wǎng)絡在訓練過程中的損失函數(shù)，在所述損失函數(shù)收斂或者所述損失函數(shù)的取值小于損失閾值時，判定所述目標檢測網(wǎng)絡滿足第一訓練條件。

在其中一個實施例中，所述將所述目標人臉圖像輸入預先訓練的眼眶檢測模型，獲取所述眼眶檢測模型輸出的眼眶邊長包括：