基于机器视觉的学生专注度综合评价研究

发布时间：2021-12-24 11:59

　　随着教育改革的逐渐深入,因材施教、个性化人才培养是未来教育的重要方向。中国国情决定了大班制授课方式在短期内无法得到有效缓解,导致教师无法实时的获取每一名学生的真实学习状态,也就无法实现真正的针对性教学与指导。在学习状态分析中,专注度（表征课堂参与程度）是其中非常重要的一个因素,对学习者的学习效果有着重要的影响。在传统的课堂环境中,学生的课堂参与研究大多是通过课后设计的问卷调查获得的,缺乏在课堂上实时的学习监控和分析,已经远远不能满足现代教育发展的需要,因此,急需要研究一种借助人工智能技术,对学生进行全员、全过程评估的自动化的学习状态评价方法,辅助教师认识和掌握学生的学习状态,采取针对性的教学方法,提高学生的个性化培养水平。根据现有的研究成果,学生课堂专注程度（参与程度）与学生出勤率、课堂互动行为、注意目标和学习过程中的情感状态直接相关。目前自动化学生学习监控分析大多是基于学生的学习情绪或学习中的动作姿态中的单一维度,都不足以准确的反映学生的真实学习状态。本文从三个维度对学生专注度进行综合分析,分别是反映学生兴趣的学习情绪、反映学生关注范围的头部姿态和反映学生精力集中程度的身体特征这三个... 

【文章来源】：北方工业大学北京市

【文章页数】：74 页

【学位级别】：硕士

【部分图文】：

录像信息示意图

丶?闱缀投认蛄砍〗饩龉丶?愕木劾辔侍狻Ｋ?奶氐?就是采用了自上而下的解析（parse），这样效率更高，并且排除了人数的干扰。OpenPose采用了两个分支，也就是前面所述的branch，其中一个是关键点置信度预测网络，另一个是关键点亲和度向量场预测网络。图2-2表示一个二级架构的多阶段CNN[20]。第一个分支中的每个阶段预测置信度图tS，第二个分支中的每个阶段预测PAFstL。每个阶段结束后，将两个分支的预测与图像特征连接起来，进行下一个阶段。其中S是置信度网络,L是亲和度向量场网络。图2-3显示的Openpose的整体流程图。图2-2OpenPose多阶段示意图

第二章基于OpenPose的专注度关键点信息提取11图2-3OpenPose流程图2.2关键点信息及特征提取2.2.1面部特征点提取在过去的一些研究工作中，人体骨骼关节点、人脸关键点以及手部关节点的提取是分开的。人体骨骼关节点的提取一般是由对身体行为分析识别进行研究的有关人员来完成，而面部关键点提取是由人脸识别或者一些美颜算法的有关开发团队来完成，手部关节点由手势识别人机交互团队来研究、开发和完善，这些都属于不同的细分方向。直到后来出现的CMU团队，在前期人体骨骼关节点识别的基础上，将面部与手部都结合起来，做成了一个统一的图像，并且效果极佳，也就是本文所用的OpenPose平台。它能提取到面部70个关键点，其中边缘点是从0到26，其余43个关键点即27到70号点都在脸部中央体现出来。图2-4具体展示了OpenPose提取的这70个关键点。图2-4OpenPose提取的人脸关键点示意图由于本文研究内容是基于学生表情强度变化的专注度分析，所以我们只选取这70个关键点中的19个点。通过这19个点计算可以得到f1到f24这24个值，其中f12到f16是可以为这次研究工作所用。f12和f13分别表示左右两个眼睛的

【参考文献】：
期刊论文
[1]上市公司创新能力指数的构建[J]. 肖淑芳,石琦,张一鸣.  北京理工大学学报(社会科学版). 2020(01)
[2]初中“导师制+导生制”学生发展指导模式的探索[J]. 陈国才,苏海燕,杨枫.  基础教育参考. 2019(24)
[3]基于多模态身体行为信息融合的学生学习兴趣分析方法研究[J]. 任婕.  仪器仪表用户. 2019(12)
[4]部门业绩评价研究——基于ABC公司的案例分析[J]. 郭峰伟,鄂丽丽.  中国管理会计. 2019(03)
[5]决策树算法的比较与应用研究[J]. 张海燕,刘岩,马丽萌,苑津莎,巨汉基,魏彤珈.  华北电力技术. 2017(06)
[6]我国汽车产业技术创新与对外开放协同水平研究[J]. 汪芳,朱德宇.  商业研究. 2016(12)
[7]基于深度学习的头部姿态估计[J]. 贺飞翔,赵启军.  计算机技术与发展. 2016(11)
[8]基于类决策树分类的特征层融合识别算法[J]. 尚朝轩,王品,韩壮志,彭刚.  控制与决策. 2016(06)
[9]Dempster-Shafer证据融合金字塔韦伯局部特征的表情识别[J]. 王晓华,金超,任福继,胡敏.  中国图象图形学报. 2014(09)
[10]浅谈建筑之熵[J]. 张毅,韦娜,王渊.  住宅科技. 2014(05)

博士论文
[1]课堂教学环境下学生学习兴趣智能化分析[D]. 罗珍珍.华中师范大学 2018
[2]地面激光点云模型自动构建方法研究[D]. 石宏斌.武汉大学 2014

硕士论文
[1]基于标准成本法的高层住宅建安成本控制[D]. 王礼瀚.南昌大学 2019
[2]基于多维特征融合的学习者兴趣度评价[D]. 张童.北方工业大学 2019
[3]基于深度学习的婴儿姿势估计算法研究[D]. 何宏周.电子科技大学 2019
[4]视频识别辅助的学生评价系统研究[D]. 麻皓东.北方工业大学 2018
[5]大学生学习行为分析研究与应用[D]. 王子清.苏州大学 2018
[6]网络教学中的学习状态与学习情绪识别方法研究[D]. 孙重亮.吉林大学 2018
[7]基于支持向量机的多品种小批量产品质量预测[D]. 王涵.沈阳大学 2016
[8]中学生学习状态的初步研究[D]. 肖婉军.河北师范大学 2016
[9]基于GIS和组合赋权法的张掖市生态环境质量综合评价研究[D]. 付金霞.西北师范大学 2006



本文编号：3550445