CN111079692A - 用于k12教育阶段基于人脸识别的校园行为分析方法 - Google Patents

Abstract

本发明公开了一种用于K12教育阶段基于人脸识别的校园行为分析方法，包括以下步骤：用户端建立幼儿与家长和老师一一对应的用户身份信息，并上传符合标准的幼儿人像图像，建立幼儿人像图像模板并存储至数据库中；将在学校区域内获取到的幼儿人像图像与数据库中幼儿人像图像模板比对，比对一致后把当前幼儿人体图像信息归类存储至服务器中；服务器通过归类的幼儿人体图像特征，分析识别幼儿表情和行为，并将表情和行为归类，统计出现次数最多的表情和行为，以此判断幼儿的心情状况和行为趋势，并将数据报告存储至数据库中,生成当日报告；同时提取幼儿历史心情和行为数据，累计当日报告，生成趋势报告，从而对幼儿的表情和行为进行有效监测分析。

Description

用于K12教育阶段基于人脸识别的校园行为分析方法

技术领域

本发明涉及行为分析技术领域，具体为一种基于人脸识别的校园行为分析方法。

背景技术

幼儿园作为孩子进入集体生活的第一站，发挥着至关重要的作用。因幼儿较集中，在幼儿园里最能观察幼儿的日常行为表现。但由于国内幼儿教师资源不足，一个班级有数十个幼儿，教师疲于应付日常事务，无法关注到每个幼儿。且教师资质良莠不齐，不能及时关注到每个幼儿的心情转变。在校期间，孩子脱离家长视野，家长无法判断孩子在校情况，仅通过接送时的幼儿心情为判断依据具有片面性。

每一个幼儿的发育程度不同，家长和老师并非专业人士，对于发育中的幼儿身体功能不完善缺乏准确的判断能力，这会导致部分功能缺陷的孩子未得到及时引导而错失最佳治疗时机。市面上针对此类问题只能是幼儿问题突显后，在家长和老师关注到的情况下，到专业医疗机构进行检查。身体功能发育的监测无法普及到每个幼儿。

发明内容

本发明目的在于提供一种用于K12教育阶段基于人脸识别的校园行为分析方法，以便对幼儿的表情和行为进行有效监测分析。

本发明所述的一种用于K12教育阶段基于人脸识别的校园行为分析方法，包括以下步骤：

在用户端建立幼儿与家长和老师一一对应的用户身份信息，并上传符合标准的幼儿的人像图像，建立幼儿人像图像模板并存储至数据库中；

在学校区域内获取到当前的幼儿人体图像与数据库中幼儿人像图像模板比对，比对成功后把获取到幼儿人体图像归类至对应幼儿名下文件夹，并存储至服务器中；

服务器通过归类后的幼儿人体图像的特征，分析识别幼儿不同表情和不同行为，并将不同表情和不同行为归类；

统计出现次数最多的表情和行为，以此判断当日幼儿的心情和行为的具体情况，生成当日心情和当日行为报告，发送至家长，并上传至数据库；

提取数据库中历史心情和行为报告，经过分析和趋势判断，生成心情和行为发展趋势报告，发送至家长，同时数据报告存储至数据库中。

所述的一种用于K12教育阶段基于人脸识别的校园行为分析方法，将在学校区域内获取到人体图像与数据库中的人像图像模板进行比对，比对成功后判断用户类型是否为幼儿。将判断为幼儿身份类型的人体图像保留，归类存储至服务器中，此功能有效的区分老师或者其他身份类型不是幼儿的人员，且可以对拍摄到的每一位幼儿进行识别和归类。服务器通过分析归类后的幼儿人体图像的特征，识别幼儿不同表情和不同行为，并将不同表情和不同行为归类，统计出现次数最多的表情和行为，以此判断幼儿当日的心情和行为表现，生成当日数据报告，发送至家长，并上传至数据库留存。同时提取数据库中历史心情和行为报告，合并当日数据，经过分析，生成发展趋势数据报告，发送至家长。对当前幼儿的不同表情和不同行为归类，可以根据幼儿的喜怒哀惧等面部表情，对幼儿的兴趣爱好做出预判，帮助教师家长尽早发现孩子的兴趣，因材施教，培养其特长。幼儿的行为分析功能将幼儿身体发育监测融入日常生活，为教师和家长提供判断依据，帮助家长和教师尽早发现发育异常的幼儿，及时进行积极干预，有利于教师和家长正确判断幼儿是否处于正常发展水平。

附图说明

图1为本发明基于人脸识别的校园行为分析方法工作流程图；

图2为本发明面部表情分析流程图；

图3为本发明行为分析流程图。

具体实施方式

如图1所示，一种用于K12教育阶段基于人脸识别的校园行为分析方法，包括以下步骤：

在用户端建立幼儿与家长和老师一一对应的用户身份信息，并上传符合标准的幼儿的人像图像，建立幼儿人像图像模板并存储至数据库中；

在学校区域内获取到当前的幼儿人体图像与数据库中幼儿人像图像模板比对，比对成功后，把获取到的幼儿人体图像信息归类存储至服务器中；

服务器通过分析归类后的幼儿人体图像的特征，识别幼儿不同表情和不同行为，并将不同表情和不同行为归类；

统计出现次数最多的表情和行为，以此判断幼儿当日的心情和行为的具体情况，生成当日心情和行为报告，发送至家长，并上传至数据库；

提取数据库中历史心情和行为报告，合并当日的心情和行为报告，经过分析，生成发展趋势报告，发送至家长，同时数据报告存储至数据库中。

将在学校区域内获取到人体图像与数据库中的人像图像模板进行比对，比对成功后判断用户类型是否为幼儿。将判断为幼儿身份类型的人体图像保留，归类存储至服务器中，此功能有效的区分老师或者其他身份类型不是幼儿的人员，且可以对拍摄到的每一位幼儿进行识别和归类。服务器通过归类后的幼儿人体图像的特征，分析识别幼儿不同表情和不同行为，并将不同表情和不同行为归类，统计出现次数最多的表情和行为，以此判断幼儿当日的心情和行为的具体情况，生成当日心情和行为报告，经用户端发送至家长，并上传至数据库。提取数据库中历史心情和行为报告，合并当日的心情和行为报告，经过分析，生成发展趋势报告，经用户端发送至家长。

对当前幼儿的不同表情和不同行为归类，可以根据幼儿的喜怒哀惧等反应，对幼儿的兴趣爱好做出预判，帮助教师家长尽早发现孩子的兴趣，因材施教，培养其特长。对幼儿的行为分析功能将幼儿身体发育监测融入日常生活，为教师和家长提供判断依据，帮助家长和教师尽早发现发育异常的幼儿，及时进行积极干预，有利于教师和家长正确判断幼儿是否处于正常发展水平。

用户端建立用户身份信息还包括家长与幼儿、幼儿与班级、班级与老师的对应关系信息以及判断用户手机号码、身份证件号是否合法，对应关系是否正确。所有人员信息和幼儿人像图像模板建立好后，幼儿、家长、老师、班级应是对应关系。用户端建立用户身份信息时，一方面要判断该家长与幼儿、幼儿与班级、班级与老师是否已建立对应关系；另一方面判断录入的信息是否合法，例如录入手机号码、身份证件号是否合法，对应关系是否正确。有效的对用户身份信息进行管理，以及方便后期老师和家长对幼儿行为进行有效监测分析。

在学校区域内获取到当前的幼儿人体图像为在幼儿活动范围安装人像摄像装置，人像摄像装置拍摄视频，则服务器根据预设时间，将视频按规定时长截取成视频流，并在视频流中随机抽取一帧图片，进行人脸检测，判断图片是否有符合要求的面部特征；人像摄像装置拍摄图片，则直接进行人脸检测，判断图片是否有符合要求的面部特征。通过幼儿人脸识别技术，根据对幼儿人脸特征定位，进行面部表情分析。分析幼儿不同表情是通过幼儿人体图像的面部表情进行分析，幼儿人体图像的面部表情包括但不限于幼儿的喜、怒、哀、惧，统计当日出现次数最多的表情，生成当日心情报告，将结果推送给对应幼儿家长。提取幼儿历史心情数据，累计当日数据，根据不同心情出现趋势，对幼儿的兴趣爱好做出预判，帮助教师家长尽早发现孩子的兴趣，因材施教，培养其特长。

分析识别幼儿不同行为的方式是运用点到超平面距离计算，得出人体行进趋势，进行幼儿身体行为分析；超平面的方程为以下形式：

，计算样本点到平面的距离；

假设x为样本中的一个点，其中w表示为特征变量，那么该点到超平面的距离就可以用如下公式进行计算：

其中||W||为超平面的范数，常数b为截距。

根据超平面距离计算通过人体的骨骼跟踪，身体平衡的监测，行为暴力监测分析，得出幼儿身体平衡机能发展监测报告和行为暴力倾向监测报告。其中，幼儿身体平衡机能发展监测报告是根据当日分析结果，统计幼儿发生摔倒或摔倒倾向的频率，得出当日的身体平衡机能监测报告；再累计之前的分析结果，与大数据中该年龄段幼儿摔倒或摔倒倾向的平均数据做对比，判断幼儿平衡机能发育是否正常，形成报告；行为暴力倾向监测报告是根据当日分析结果，统计幼儿发生暴力举动或暴力倾向的频率，得出当日的行为暴力倾向监测报告；再累计之前的分析结果，与大数据中该年龄段幼儿发生暴力或暴力倾向的平均数据做对比，判断幼儿行为发展是否具有暴力趋势，形成报告。由于此阶段的幼儿身体机能尚处于发育之中，教师和家长难以准确判断其是否处于正常发展水平。将身体行为分析的点到超平面距离计算与人像摄像装置结合，有效的将幼儿身体发育监测融入日常生活，为家长和教师的判断提供依据，在家长和教师看不到的情况下依然能够监测幼儿的实时行为，帮助家长和教师尽早发现发育异常的幼儿，及时进行积极干预。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (10)

1.用于K12教育阶段基于人脸识别的校园行为分析方法，其特征在于,包括以下步骤：

用户端建立幼儿与家长和老师一一对应的用户身份信息，并上传符合标准的幼儿人像图像，建立幼儿人像图像模板并存储至数据库中；

在学校区域内获取到当前的幼儿人像图像与数据库中幼儿人像图像模板比对，比对成功后，把获取到的当前幼儿人体图像归类存储至服务器中；

服务器通过识别归类后的幼儿人体图像的特征，分析幼儿的不同表情和不同行为，并将不同表情和不同行为归类，进行统计；

统计出现次数最多的表情和行为，以此判断幼儿当日的心情和行为倾向，生成当日的情况报告，发送至家长，并存储至数据库中；

提取数据库中幼儿历史心情和行为数据报告，累计当日的心情和行为报告，分析各种心情和行为的出现趋势，生成趋势报告，发送至家长。

2.根据权利要求1所述用于K12教育阶段基于人脸识别的校园行为分析方法，其特征在于, 所述分析识别幼儿不同表情是通过幼儿人体图像的面部表情进行分析。

3.根据权利要求2所述用于K12教育阶段基于人脸识别的校园行为分析方法，其特征在于,所述幼儿人体图像的面部表情包括不限于幼儿的喜、怒、哀、惧。

4.根据权利要求3所述用于K12教育阶段基于人脸识别的校园行为分析方法，其特征在于, 统计当日出现次数最多的表情，生成当日心情报告，推送给对应幼儿家长，并将结果上传至数据库存档；在数据库中提取幼儿历史心情报告，累计当日心情报告，分析幼儿各类心情发生频次，生成趋势分析报告，推送给对应幼儿家长。

5.根据权利要求1所述用于K12教育阶段基于人脸识别的校园行为分析方法，其特征在于, 在学校区域内获取到当前的幼儿人体图像为在幼儿活动范围安装人像摄像装置，人像摄像装置拍摄视频，则服务器根据预设时间，将视频按规定时长截取成视频流，并在视频流中随机抽取一帧图片，进行人脸检测，判断图片是否有符合要求的面部特征；人像摄像装置拍摄图片，则直接进行人脸检测，判断图片是否有符合要求的面部特征。

6.根据权利要求5所述用于K12教育阶段基于人脸识别的校园行为分析方法，其特征在于, 分析识别幼儿不同行为的方式是运用人像摄像装置拍摄视频和图片时的点到超平面距离计算，得出人体行进趋势，进行幼儿身体行为分析；

超平面的方程为以下形式：

，计算样本点到平面的距离；

假设x为样本中的一个点，其中w表示为特征变量，那么该点到超平面的距离就可以用如下公式进行计算：

其中||W||为超平面的范数，常数b为截距。

7.根据权利要求6所述用于K12教育阶段基于人脸识别的校园行为分析方法，其特征在于, 根据超平面距离计算分析结果，得出幼儿身体平衡机能数据，并据此生成身体平衡机能发展监测报告和行为暴力倾向监测报告。

8.根据权利要求7所述用于K12教育阶段基于人脸识别的校园行为分析方法，其特征在于, 所述幼儿身体平衡机能发展监测报告是根据当日分析结果，统计幼儿发生摔倒倾向的频率，生成当日倾向报告，再累计之前的分析结果，得出发展趋势，判断幼儿平衡机能发育是否正常，形成报告。

9.根据权利要求7所述用于K12教育阶段基于人脸识别的校园行为分析方法，其特征在于, 所述行为暴力倾向监测报告是根据当日分析结果，统计幼儿发生暴力举动或倾向的频率，生成当日倾向报告，再累计之前的分析结果，得出发展趋势，判断幼儿行为发展是否具有暴力趋势，形成报告。

10.根据权利要求1所述用于K12教育阶段基于人脸识别的校园行为分析方法，其特征在于, 用户端建立用户身份信息还包括家长与幼儿、幼儿与班级、班级与老师的对应关系信息以及判断用户手机号码、身份证件号是否合法，对应关系是否正确。

Images