[發(fā)明專利]一種兒童學(xué)習(xí)專注度的檢測方法

在審

• 申請?zhí)枺?/td>: 202111431401.9
• 申請日: 2021-11-29
• 公開（公告）號: CN114648808A
• 公開（公告）日: 2022-06-21
• 發(fā)明（設(shè)計）人: 胡東明
• 申請（專利權(quán)）人: 杭州好學(xué)童科技有限公司
• 主分類號: G06V40/20
• 分類號: G06V40/20;G06V40/16;G06V30/40;G06V10/774;G06V10/82;G06K9/62;G06N3/04
• 代理公司: 杭州杭誠專利事務(wù)所有限公司 33109
• 代理人: 尉偉敏

1.一種兒童學(xué)習(xí)專注度的檢測方法，其特征在于，包括以下步驟：

S1：獲取學(xué)習(xí)桌前的圖像數(shù)據(jù)，通過人形檢測算法判斷學(xué)習(xí)桌前是否存在兒童學(xué)習(xí)；

S2：根據(jù)人形檢測算法判斷結(jié)果啟停識別算法；識別算法包括課本識別算法、動作識別算法和人臉表情識別算法；

S3：分別將識別算法的識別結(jié)果輸入到專注度學(xué)習(xí)模型計量，輸出學(xué)習(xí)專注度。

2.根據(jù)權(quán)利要求1所述的一種兒童學(xué)習(xí)專注度的檢測方法，其特征在于，

通過人形檢測算法判斷學(xué)習(xí)桌前是否存在兒童；若是，則進(jìn)行持續(xù)時間判斷；若否，則繼續(xù)判斷學(xué)習(xí)桌前是否存在兒童；

判斷檢測到學(xué)習(xí)桌前存在兒童的持續(xù)時間是否超過時間閾值；若是，則開啟識別算法；若否，則保持識別算法停止，累積持續(xù)時間，返回人形檢測算法判斷。

3.根據(jù)權(quán)利要求1或2所述的一種兒童學(xué)習(xí)專注度的檢測方法，其特征在于，所述的人形檢測算法的訓(xùn)練過程為：

A1：采集圖像樣本數(shù)據(jù)；圖像樣本數(shù)據(jù)包括包含人體的圖像、人體照片或人體視頻；

A2：對圖像樣本進(jìn)行標(biāo)定，標(biāo)出圖像中人體所在的位置坐標(biāo)，得到與圖像同名的xml文件；

A3：將標(biāo)定好的樣本集按照8:2的訓(xùn)練樣本集與測試樣本集比例進(jìn)行隨機(jī)劃分；

A4：采用深度學(xué)習(xí)檢測算法訓(xùn)練人體檢測算法模型；根據(jù)深度學(xué)習(xí)訓(xùn)練平臺要求轉(zhuǎn)換訓(xùn)練樣本集中訓(xùn)練數(shù)據(jù)的數(shù)據(jù)格式，選擇適合的網(wǎng)絡(luò)，配置相關(guān)參數(shù)，訓(xùn)練模型直到滿足終止條件為止；

A5：測試評估算法模型；

使用訓(xùn)練好的模型，對訓(xùn)練樣本集和測試樣本集中的樣本進(jìn)行測試；

分別計算人體的檢測率和誤檢率；若測試樣本集檢測率與訓(xùn)練樣本集結(jié)果一致，則選擇檢測率高且誤檢率低的模型為最終的人體檢測算法模型；否則返回步驟A2重新訓(xùn)練。

4.根據(jù)權(quán)利要求1所述的一種兒童學(xué)習(xí)專注度的檢測方法，其特征在于，所述的識別算法訓(xùn)練過程為

B1：確定識別算法所需識別的結(jié)果類型，并采集對應(yīng)的圖像樣本；

B2：樣本標(biāo)定，使用標(biāo)注工具對圖像樣本進(jìn)行標(biāo)注分類；

B3：將標(biāo)定好的樣本集按照8:2的訓(xùn)練樣本集與測試樣本集比例進(jìn)行隨機(jī)劃分；

B4：采用深度學(xué)習(xí)識別算法進(jìn)行模型訓(xùn)練，訓(xùn)練模型直到滿足終止條件為止；

B5：測試評估算法模型；

使用訓(xùn)練好的模型，對訓(xùn)練樣本集和測試樣本集中的樣本進(jìn)行測試；

分別計算識別率和識別錯誤率；若測試樣本集識別率與訓(xùn)練樣本集結(jié)果一致，則選擇識別率高且識別錯誤率低的模型為最終的識別算法模型；否則返回步驟B2重新訓(xùn)練。

5.根據(jù)權(quán)利要求4所述的一種兒童學(xué)習(xí)專注度的檢測方法，其特征在于，

所述的課本識別算法所需識別的結(jié)果類型包括圖像中課本的位置、圖像的教材版本、課本科目、年級、學(xué)期和頁碼；

將翻開的左右兩頁在標(biāo)注時分為一頁，采集圖片時采集每一頁的課本圖像，并且將圖片做一定的處理，包括但不限于旋轉(zhuǎn)、裁剪和涂鴉，同時劃分科目確定為語數(shù)外三門科目以及一個其他學(xué)習(xí)四種科目。

6.根據(jù)權(quán)利要求4所述的一種兒童學(xué)習(xí)專注度的檢測方法，其特征在于，

所述的動作識別算法確定兒童學(xué)習(xí)時出現(xiàn)的小動作，包括玩東西、咬手指、睡覺、打哈欠和讀書寫字；

采集一定時間內(nèi)的一套小動作的圖像樣本數(shù)據(jù)，圖像樣本數(shù)據(jù)必須包含標(biāo)志動作圖片以及對應(yīng)標(biāo)志動作圖片的時序，將該套小動作的圖像樣本數(shù)據(jù)合成為一張合成圖。

7.根據(jù)權(quán)利要求6所述的一種兒童學(xué)習(xí)專注度的檢測方法，其特征在于，所述的圖像樣本數(shù)據(jù)在各標(biāo)志動作圖片中隨機(jī)插入非標(biāo)志動作的中間行為圖片。

8.根據(jù)權(quán)利要求4所述的一種兒童學(xué)習(xí)專注度的檢測方法，其特征在于，所述的表情識別算法確定兒童學(xué)習(xí)時出現(xiàn)的表情，包括傷心、困惑、平靜、興奮和開心。