一种基于机器视觉的学生上课期间专注力统计方法与流程

一种基于机器视觉的学生上课期间专注力统计方法，本发明属于教育教学辅助，具体涉及基于机器视觉的学生上课期间专注力统计方法。

背景技术：

1、在当今社会，随着人工智能和计算机视觉技术的飞速发展，基于机器视觉的系统在多个领域展现出了巨大的潜力和应用价值。特别是在教育、工作环境以及医疗健康等领域，对个体的专注力和行为模式的分析成为了一个重要的研究方向。传统的专注力及行为分析方法主要依赖于问卷调查、人工观察等手段，这些方法存在效率低下、主观性强、难以大规模应用等局限性。

2、为了解决这些问题，研究者开始探索自动化的分析方法，利用机器视觉技术来捕捉和分析个体的行为和专注力状态。例如，通过摄像头捕捉个体的面部表情、眼球运动、姿态变化等非侵入式的行为数据，结合先进的图像处理和模式识别算法，可以更准确地评估个体的专注度、情绪状态以及行为模式。

3、然而，尽管已有一些初步的研究和应用，现有的基于机器视觉的专注力及行为分析系统仍面临着一些挑战。例如，如何提高行为识别的准确性和鲁棒性、如何处理复杂环境中的多人体行为分析、如何保护用户隐私等问题。此外，大多数现有系统还缺乏实时性，难以满足某些应用场景对快速响应的需求。

4、针对这些挑战，开发一种高效、准确、实时的基于机器视觉的专注力及行为分析系统显得尤为迫切。

技术实现思路

1、本发明要解决的技术问题是克服现有的缺陷，提供一种基于机器视觉的学生上课期间专注力统计方法，由此来解决现有系统还缺乏实时性，难以满足某些应用场景对快速响应的需求的问题。

2、为实现上述目的，本发明提供如下技术方案：

3、一种基于机器视觉的学生上课期间专注力统计方法，包括以下步骤：

4、s1：原始做标设置：预设置教室内学生座位的每横竖排的起始坐标；

5、s2：准确做标确认：比对每个座位与摄像头的距离从而确定每位学生的准确坐标位置(xp,yp)；

6、s3：定义倾向角：学生人脸与黑板因位置关系，以及比较舒适的面向老师会有个转体角度，这个角度我们定义为倾向角θx实θy；

7、s4：不专注时间计算：把摄像头拍摄的每个学生的实时角度带入公式进行计算，从而得出不专注时间a和所有同学集体偏移时间b；

8、s5：专注百分比计算：得出每个学生的专注力百分比为[45-(a-b)]/45x 100％＝专注力百分比。

9、作为本发明的一种优选技术方案，s3中学生面向黑板的倾向角θx的计算公式为：

10、

11、水平方向实际距离x的计算公式为：

12、

13、垂直方向的倾向角θy的计算公式为：

14、

15、垂直方向实际距离y的计算公式为：

16、

17、作为本发明的一种优选技术方案，所述s4中学生低头或头部左右转动偏离角度不在θx±30°和θy±30°的区间内部时记为不专注，从而得出不专注时间a，同时在80％的学生头部偏移角度均不在θx±30°和θy±30°的区间内部时，可为判定为时集体行为，此时所有同学集体偏移时间记为b。

18、作为本发明的一种优选技术方案，所述s4中每节课的上课时间为45分钟。

19、与现有技术相比，本发明的有益效果是：通过上述技术方案，本系统能够提供可量化的专注力的百分比，经过时间积累，会产生一个专注力百分比平均值。当学生的专注力百分比大幅度偏离平均值时(30％以上)，则系统可提醒班主任和家长，学生可能生病或遇有疑难问题等，亦有可能被霸凌，及学生不愉快长期积累产生抑郁的潜在风险。提早发现以免造成更恶劣的后果，实现快速响应。学生专注力百分比的变化，结合其精神面貌及情绪，可及时发现学生的不良状态，具有良好的用户体验，丰富其算法会产生更广泛的应用场景。

技术特征：

1.一种基于机器视觉的学生上课期间专注力统计方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于机器视觉的学生上课期间专注力统计方法，其特征在于：所述s3中学生面向黑板的倾向角θx的计算公式为：

3.根据权利要求1所述的一种基于机器视觉的学生上课期间专注力统计方法，其特征在于：所述s4中学生低头或头部左右转动偏离角度不在θx±30°和θy±30°的区间内部时记为不专注，从而得出不专注时间a，同时在80％的学生头部偏移角度均不在θx±30°和θy±30°的区间内部时，可为判定为时集体行为，此时所有同学集体偏移时间记为b。

4.根据权利要求1所述的一种基于机器视觉的学生上课期间专注力统计方法，其特征在于：所述s4中每节课的上课时间为45分。

技术总结
本发明公开了一种基于机器视觉的学生上课期间专注力统计方法，属于教育教学辅助技术领域，包括以下步骤：S1原始做标设置，S2准确做标确认，S3定义倾向角，S4专注时间计算，S5专注百分比计算，该方法应能够自动检测和追踪个体行为，通过深度学习等先进技术提取行为特征，并结合心理学和行为学理论，实现对个体专注力和行为模式的深入分析，系统还考虑到用户隐私保护和数据安全性，确保在分析过程中遵守相关法律法规和伦理标准，提供一种创新的基于机器视觉的专注力及行为分析系统，通过集成先进的图像处理算法、机器学习模型和用户友好的界面，实现对个体行为的实时监测和分析，为教育、医疗等领域提供有力的技术支持。

技术研发人员：王常琦
受保护的技术使用者：视云科技（大连）有限公司
技术研发日：
技术公布日：2024/10/17