一种AI视频分析学生学习专注度的方法
文献发布时间:2023-06-19 09:57:26
技术领域
本发明涉及AI视频分析技术领域,具体为一种AI视频分析学生学习专注度的方法。
背景技术
AI是人工智能技术,它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。图像识别技术是人工智能的一个重要领域。为了编制模拟人类图像识别活动的计算机程序,人们提出了不同的图像识别模型。例如模板匹配模型。通过模式识别和自学习,能够实现对视频内容目标物进行辨识,对目标物进行动作矢量分析。实现对现实世界的只学习感知。
目前学生学习专注度容易受到外界干扰,导致学习效率低下,以及无法实时监测学生学习专注度的缺点。
发明内容
针对现有技术的不足,本发明提供了一种AI视频分析学生学习专注度的方法,解决了上述背景技术中提出目前学生学习专注度容易受到外界干扰,导致学习效率低下,以及无法实时监测学生学习专注度的问题。
为实现以上目的,本发明通过以下技术方案予以实现:一种AI视频分析学生学习专注度的方法,包括以下步骤:
S1、采集视频数据:视频流数据采集,基于两种神经网络配合实现;
S2、分析数据:基于KNN神经网络实时分析,通过Logistic回归算法进行分类归纳,得到学生肢体动作和头部动作矢量数据;
S3、计算专注度:再基于NEAT神经网络将动作矢量数据作为输入端,将专注度指标作为输出端。
可选的,所述步骤S1、采集视频数据中,两种神经网络分别为KNN神经网络和NEAT神经网络。
可选的,所述S1、采集视频数据包括以下步骤:
S101、装配设备:在用户桌面前方放置CCD摄像头装置;
S102、采集视频数据:基于两种神经网络,通过CCD摄像头收集视频信号,以及通过传感系统的图像传感器采集光源信号;
S103、传输视频数据:将步骤S102、数据采集中的光源信号转化为电信号,完成视频数据采集的转换,以及传输转化的电信号;
S104、储存视频数据:将步骤S101、传输视频数据中的视频数据储存,以及备份视频数据;
S105、提取视频数据:提取步骤S103、储存视频数据中的备份数据,为视频数据分析提供预处理。
可选的,所述CCD摄像头用于视频拍摄,采集视频数据。
可选的,所述光电转换功用于光电信号的转换。
本发明提供了一种AI视频分析学生学习专注度的方法,具备以下有益效果:
该AI视频分析学生学习专注度的方法,视频流数据采集,基于两种神经网络配合实现,以及基于KNN神经网络实时分析,通过Logistic回归算法进行分类归纳,得到学生肢体动作和头部动作矢量数据,再基于NEAT神经网络将动作矢量数据作为输入端,将专注度指标作为输出端,通过对典型样本标记的方式,实现周期性自学习,自优化神经网络节点,不断提升专注度判断准确性,实现学生专注度判断的方法。
具体实施方式
下面,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
本发明提供一种技术方案:一种AI视频分析学生学习专注度的方法,包括以下步骤:
S1、采集视频数据:视频流数据采集,基于两种神经网络配合实现;
S2、分析数据:基于KNN神经网络实时分析,通过Logistic回归算法进行分类归纳,得到学生肢体动作和头部动作矢量数据;
S3、计算专注度:再基于NEAT神经网络将动作矢量数据作为输入端,将专注度指标作为输出端。
步骤S1、采集视频数据中,两种神经网络分别为KNN神经网络和NEAT神经网络。
S1、采集视频数据包括以下步骤:
S101、装配设备:在用户桌面前方放置CCD摄像头装置;
S102、采集视频数据:基于两种神经网络,通过CCD摄像头收集视频信号,以及通过传感系统的图像传感器采集光源信号;
S103、传输视频数据:将步骤S102、数据采集中的光源信号转化为电信号,完成视频数据采集的转换,以及传输转化的电信号;
S104、储存视频数据:将步骤S101、传输视频数据中的视频数据储存,以及备份视频数据;
S105、提取视频数据:提取步骤S103、储存视频数据中的备份数据,为视频数据分析提供预处理。
CCD摄像头用于视频拍摄,采集视频数据。
光电转换功用于光电信号的转换。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
- 一种AI视频分析学生学习专注度的方法
- 一种基于音视频分析技术的教师授课专注度的评估方法