[发明专利]学生课堂学习兴趣智能分析方法及系统

权利要求书

1.一种学生课堂学习兴趣智能分析方法，其特征在于，包括以下步骤：

(1)采集教室内场景图像，在场景图像中定位人脸；

(2)在人脸区域中估计头部姿态，根据头部姿态评估学生的认知注意力；

(3)在人脸区域中估计面部表情，根据表情评估学生的学习情绪；

(4)记录学生在课堂上互动答题的频率与正确率，根据答题的频率与正确率评估学生的参与度；

(5)融合学生的认知注意力、学习情绪和课堂参与度三维信息，分析学生的学习兴趣；

其中步骤(3)中，所述估计面部表情的具体实现方式为：采用vgg-face模型提取人脸图片的fc6层特征，按照头部姿态划分为五个区间Ω₁＝{-30°≤ω≤+30°}、Ω₂＝{-60°≤ω＜-30°}、Ω₃＝{+30°≤ω＜+60°}、Ω₄＝{-90°≤ω＜-60°}和Ω₅＝{+60°≤ω＜+90°}；根据估计的头部姿态在五个区间的概率分布作为条件概率，并按照此条件概率从对应的随机森林表情分类器中选择相应数量的决策树；将选择的决策树组装成新的随机森林分类器并估计面部表情。

2.根据权利要求1所述的学生课堂学习兴趣智能分析方法，其特征在于，所述融合学生的认知注意力、学习情绪和课堂参与度三维信息，分析学生的学习兴趣的具体实现方式为：

提取认知注意力、学习情绪和课堂参与度三个指标两两之间的重要性程度，构建判断矩阵A＝[a_ij],1≤i,j≤3，其中，a_ij表示第i个指标对第j个指标的重要程度；根据判别矩阵计算特征值和特征向量，最大特征值对应的特征向量归一化后即为三个指标所分配的权重v＝[v₁,v₂,v₃]；

融合课堂参与度评分S1、注意力评分S2和学习情绪评分S3得到学生课堂学习兴趣评估值S＝S1*v₁+S2*v₂+S3*v₃。

3.根据权利要求1或2所述的学生课堂学习兴趣智能分析方法，其特征在于，所述根据答题的频率与正确率评估学生的参与度的具体实现方式为：

根据所有参与统计的N个学生的答题频率p_Rn和答题频率p_Cn计算信息熵然后根据信息熵计算答题频率和答题正确率的融合权重w_R和w_C：计算课堂参与度评分S1＝R×w_R+C×w_C。

4.根据权利要求1或2所述的学生课堂学习兴趣智能分析方法，其特征在于，所述根据头部姿态评估学生的认知注意力的具体实现方式为：

在教学时间段内统计学生注视黑板、教师和学生端手持设备的时间，将其定义为注意力集中时间；将注意力集中时间与预定注意力阈值段匹配，将匹配成功的阈值段对应的分值记为注意力评分S2。

5.根据权利要求1或2所述的学生课堂学习兴趣智能分析方法，其特征在于，所述根据表情评估学生的学习情绪的具体实现方式为：

若注意力集中且表情为笑脸，表明学习情绪正面，其所持续的时间定义为正面学习情绪时间；计算正面学习情绪时间所占教学时间的比例；将该比例与预定情绪阈值段匹配，将匹配成功的阈值段对应的分值记为学习情绪评分S3。

6.根据权利要求1或2所述的学生课堂学习兴趣智能分析方法，其特征在于，所述头部姿态估计的具体实现方式为：采用vgg-face模型提取人脸图片的fc6层特征，然后送入离线训练的回归随机森林中估计头部姿态。