[发明专利]基于深度学习的多维度多任务学习评价系统

说明书

本发明公开了一种基于深度学习的多维度多任务学习评价系统，包括第一瞌睡疲倦识别模块，通过张开闭合眼睛动作识别，以及眼动轨迹识别；张开闭合动作识别用于识别用户疲倦瞌睡状态，以及结合眼动轨迹判断用户的注意力；结合头部姿态识别用户判断用户的看书学习姿势正确和错误，结合眼睛的动作判断用户的疲倦瞌睡状态等。本发明具有人脸识别功能、瞌睡疲倦识别功能、学习情绪评价功能、自动阅卷评分模块、近视识别功能等，能对学习进修多维度评价等。

技术领域

本发明涉及智能设备技术领域，更为具体地，涉及一种基于深度学习的多维度多任务学习评价系统。

背景技术

现有技术存在如下缺点：

现有技术带语音识别控制灯光的亮度，但是并没有同时，以及头部姿态和坐姿形态，眼动轨迹，以及眼睛张开闭合的动作识别，存在智能化程度低，近视预防效果差，对用户学习帮助促进小等问题。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于深度学习的多维度多任务学习评价系统，具有人脸识别功能、瞌睡疲倦识别功能、学习情绪评价功能、自动阅卷评分模块、近视识别功能等，能对学习进修多维度评价，提高了助学智能化程度，提高了近视预防效果，对用户学习帮助促进作用大。

本发明的目的是通过以下技术方案来实现的：

一种基于深度学习的多维度多任务学习评价系统，包括第一瞌睡疲倦识别模块，通过张开闭合眼睛动作识别，以及眼动轨迹识别；张开闭合动作识别用于识别用户疲倦瞌睡状态，以及结合眼动轨迹判断用户的注意力；结合头部姿态识别用户判断用户的看书学习姿势正确和错误，结合眼睛的动作判断用户的疲倦瞌睡状态；面部表情分析模块，用于判断用户在学习过程中的高兴、紧张、兴奋状态，对学习过程进行具体的评价；第二瞌睡疲倦识别模块，通过眼睛张开与闭合，以及头部姿态识别来判断用户的学习瞌睡疲倦状态，通过采集不同的瞌睡姿态建立数据集，用于训练数据集，测试数据集；学习课程科目识别模块，通过用户阅读、写字的内容建立学习课程科目数据集，用于训练数据集、测试数据集；数字摄像头通过采集的阅读、写字图像，通过其对应的训练集和测试集的识别，确认阅读、写字科目内容分类；学习情绪评价模块，用于通过学习课程科目识别模块确认用户学习的具体课程，同时结合面部表情识别模块识别学习该科目的表情指数值，用于多维度评价用户在学习不同科目时的兴趣程度、对课程内容的掌握能力；阅卷评分模块，图像识别确认用户在书写作业任务时，通过用户控制终端把标准的答案输入后台管理系统，能够扫描带有答案的图像输入，并能够根据作业的内容结构，输入每个小题的标准答案，再采集用户答题的实际结果，然后与输入每个小题的标准答案进行比对识别，用于阅卷评分。

进一步的，所述防近视识别模块，用于通过直线距离的阀值计算进行近视预防预警。

进一步的，包括如下步骤：

S1，确定线段两点的起始位置；

S2，通过图像识别确认眼睛所观察阅读的平面位置，确认阅读平面的中心线，通过利用霍夫变换进行直线检测找到两眼与阅读平面的最短距离点；

S3，计算阅读最小距离的数据与设计阀值进行比较，如小于阀值则通过扬声器预警提醒，如大于等于阀值则确认用户属于正常的阅读方式。

进一步的，在步骤S1中，将双眼眼轴中心两点之间的中心点为起始点。

进一步的，步骤S2中，终点为写字笔尖与作业文本的接触点；通过利用霍夫变换进行直线检测两眼中心点连线的轴中心点与写字笔尖接触作业文本点的距离。

进一步的，包括管理模块，用于用户身份信息管理。

进一步的，包括人脸识别模块，用于通过采集的人脸数据建立个人身份人脸识别数据，在用户使用该智能台灯的同时，通过数字摄像头采集人脸数据，识别用户身份信息。

进一步的，包括云服务器，用于分发更新固件程序及数据备份。