-
公开(公告)号：CN117152841A
公开(公告)日：2023-12-01
申请号：CN202311108274.8
申请日：2023-08-30
Applicant: 华中师范大学
IPC: G06V40/20 , G06V40/10 , G06F18/213 , G06F18/25 , G06F18/214 , G06N3/045
Abstract: 本申请实施例公开了一种基于双流滑动注意力网络的学生注意力评价方法，涉及智能教学技术领域，所述方法包括：获取授课时段内目标学生的图像信息和生理信号，将预处理后的数据输入训练好的模型识别得到头部姿态和生理指标；判断头部姿态类型，计算第一注意力评价指标；若第一注意力评价指标低于阈值，进一步基于头部姿态类型对应时间段内的生理指标，计算第二注意力评价指标；进一步计算注意力评价结果。本申请实施例通过同时采集目标学生的生理信号和图像信息，能基于头部姿态和生理指标自动、实时、准确的给出注意力的评价指标，能有效避免误判，有利于给出更准确的注意力评价结果，可以在网络授课场景下帮助教师更好地了解学生的学习状态。
-
公开(公告)号：CN116466816A
公开(公告)日：2023-07-21
申请号：CN202211596376.4
申请日：2022-12-12
Applicant: 华中师范大学
Abstract: 本申请公开了一种基于双相机多分支网络的虚拟现实教学手势识别方法，包括：获取待识别对象不同时刻手势变化的3D点云图像和深度图像；分别对3D点云图像、深度图像进行手部区域检测，从中分割出手部区域图像；将不同时刻的手部区域图像输入到训练好的手势识别模型中，生成待识别对象在不同时刻的手势识别结果；根据所述手势识别结果以及预设的标准手势与指令之间的映射关系，形成待识别对象在不同时刻的操作指令。本发明融合深度图像和3D点云图像两个模态的数据进行手部识别，两个模态的数据之间可以互补，具有更鲁棒的识别能力，能够提高识别精度；基于识别结果实现虚拟场景教学，可以使学生在课堂上更加专注于学习。
-
公开(公告)号：CN116311572A
公开(公告)日：2023-06-23
申请号：CN202211596369.4
申请日：2022-12-12
Applicant: 华中师范大学
IPC: G07C1/10 , G06Q50/20 , G06V20/40 , G06V40/10 , G06V10/44 , G06V10/80 , G06V10/766 , G06V10/75 , G06V10/764 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/048 , G06N3/084
Abstract: 本申请公开了一种基于人体姿态估计的动态课堂签到方法，包括：采集进入课堂的检测对象的侧向人体姿态视频序列，得到人体姿态RGB图像和深度图像；对人体姿态RGB图像进行关键点检测，得到人体关键点坐标并将其输入骨架提取网络中，获取人体骨架特征；将人体姿态深度图像输入轮廓提取网络中，获取人体姿态轮廓特征；融合人体骨架特征和轮廓特征，得到人体姿态多模态特征；在人体姿态特征库中搜索可与人体姿态多模态特征匹配的特征，如匹配成功，则确认检测对象的身份信息并生成签到信息。本发明使用多路径多模态融合思想进行人体姿态识别，具有更好地融合适应性，能够提高识别准确率。此外，本发明能够有效避免签到造假，并降低签到管理和维护成本。
-
公开(公告)号：CN115116117A
公开(公告)日：2022-09-27
申请号：CN202210845735.9
申请日：2022-07-19
IPC: G06V40/16 , G06V10/80 , G06V10/764 , G06V10/82 , G06V10/774 , G06V10/44 , G06F3/01 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多模态融合网络的学习投入度数据的获取方法，该方法将待监测学习主体的脸部图像、头部旋转图像和脑电信息同时用于学习投入度的评估中，采用新颖的多模态网络模型CGVNet提高了待监测学习主体的学习投入度数据监测的准确性。将获取的头部旋转角度特征向量、凝视方向特征向量以及脑电信息进行融合并分类，从而克服了传统学习投入度监测方法中监测维度单一的局限性，减少漏检、误检的问题，对学习质量的提高和辅助教学具有重要意义。
-
公开(公告)号：CN114299603A
公开(公告)日：2022-04-08
申请号：CN202111359560.2
申请日：2021-11-17
Abstract: 本发明公开了一种基于人体动作识别的风险行为监测方法及系统。该方法包括步骤：分别采集待识别对象的红外图像数据和结构光图像数据；将所述红外图像数据和所述结构光图像数据融合后输入到训练后的人体检测器，输出人体剪裁图像；将所述人体剪裁图像输入到训练后的人体动作识别模型，输出人体动作关键点信息；根据所述人体动作关键点信息判断是否存在风险行为。本发明可以实现不同模态的信息互补，提高干扰与复杂光照情况下的人体动作识别精准度，从而提高风险行为判断准确率，有助于预防和阻止危险行为的发生。
-
Patent Agency Ranking
公开(公告)号：CN113792626A
公开(公告)日：2021-12-14
申请号：CN202111002386.6
申请日：2021-08-30
Applicant: 华中师范大学
Abstract: 本发明公开了一种基于教师非言语行为的教学过程评价方法，包括以下步骤：1)非言语行为数据采集，获取教学课堂中教师的非言语行为数据；2)采用行为特征矩阵对教师教学非言语行为进行全方位表征量化；3)行为特征分类器训练：使用情绪标签训练分类器，得到相应教师类人格型特征表征、课堂非言语行为特征表征；4)根据某一特定教师非言语行为采集数据，进行特征表征和特征分解，得到教师本身的特征表征和课堂行为特征表征，并将两者的特征向量相乘，得到教师的教学评价表示。本发明通过情绪、身势、生理信号三种模态数据，建立全面、精准的教师课堂非言语行为的刻画，建立了基于教师非言语行为的教学过程的定量评价框架。
-
公开(公告)号：CN113723277A
公开(公告)日：2021-11-30
申请号：CN202110998162.9
申请日：2021-08-27
Applicant: 华中师范大学
Abstract: 本发明公开了一种融入多模态视觉信息的学习意图监测方法及系统。该方法包括步骤：分别采集学习者的红外图像数据和可见光图像数据；分别对所述红外图像数据和所述可见光图像数据进行预处理；将预处理后的所述红外图像数据和所述可见光图像数据输入到人脸检测器；将人脸检测器的输出数据输入到图像融合模型；将所述图像融合模块的输出数据输入到头部姿态识别模型，获取头部姿态识别数据，根据所述头部姿态识别数据判断学习者的学习意图。本发明可以实现不同模态的信息互补，提高光照变化或复杂背景下的头部姿态识别精准度，从而提高学习意图判断精准度。
-
公开(公告)号：CN108664615A
公开(公告)日：2018-10-16
申请号：CN201810451382.8
申请日：2018-05-11
Applicant: 华中师范大学
IPC: G06F17/30
Abstract: 本发明公开了一种面向学科教育资源的知识图谱构建方法，该方法包括了以下步骤：(1)提取学科教育资源中的实体、关系信息；(2)对信息进行清理整合，剔除信息冗余和错误信息，从而确保信息的质量；(3)将信息进行分类和语义关联，形成“实体-关系-实体”三元组的知识表现形式，利用可视化工具构建学科资源知识图谱；(4)通过知识推理进一步挖掘隐含的知识，对知识图谱进行进化更新，从而丰富、扩展知识库。本方法提出构建学科资源的知识图谱，实现学科资源内容的连续性和一致性，为学习者提供系统化和体系化的学科知识图谱，促进知识图谱技术在教育资源管理、信息检索、知识推荐等领域的实际应用。
-
公开(公告)号：CN108647657A
公开(公告)日：2018-10-12
申请号：CN201810467548.5
申请日：2018-05-11
Applicant: 华中师范大学
Abstract: 本发明提出一种基于多元行为数据的云端教学过程评价方法，旨在提供一种对学习者学习过程中多元行为数据进行记录和评价的方法，从而实现云端教学过程的综合评价。本发明包括学生信息采集装置、信息处理和评价系统，通过对学生姿态、表情、眼部状态、视线的信息进行采集结合学生对云端系统的使用数据，利用信息处理系统对学习者的学习情况进行处理和分析，并通过评价系统对云端教学过程进行评价。本发明提出的基于多元行为数据的云端教学过程评价方法能够为与教学相关的教学系统提供学生行为状态的参照数据，对于辅助提升教学效果和制定科学的教学决策等方面具有重要的意义。
-
公开(公告)号：CN119251901A
公开(公告)日：2025-01-03
申请号：CN202411199248.5
申请日：2024-08-29
Applicant: 华中师范大学
IPC: G06V40/20 , G06V10/82 , G06V10/80 , G06N3/0455
Abstract: 本申请实施例公开了一种基于多视角注意力融合的握笔姿势检测方法，涉及计算机视觉技术领域，该方法包括：通过红外图像采集装置采集待检测目标的第一图像数据，通过3D图像采集装置采集第二图像数据；基于第一图像数据提取得到第一手部区域图像，基于第二图像数据提取得到第二手部区域图像，输入训练好的握笔姿势识别模型中，提取得到握笔姿势特征向量，并基于握笔姿势特征向量确定握笔姿势检测结果。本申请提供的方法通过在提取握笔姿势特征向量中加入运动学约束，通过transformer模块引入关节角度和关节节点，使得检测模型输出的特征向量可以反应更真实、合理的握笔状态下的手部姿势，提高握笔姿势识别模型估计的握姿的准确性。
-
-
-
-
-
-
-
-
-
Search Results
88
records
(took 0.032 seconds)
