买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江大学申请的专利一种基于多源特征融合的课堂学生注意力评估方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119559703B 。

龙图腾网通过国家知识产权局官网在2025-06-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510099263.0，技术领域涉及：G06V40/20；该发明授权一种基于多源特征融合的课堂学生注意力评估方法及系统是由于昊文;陈娟娟设计研发完成，并于2025-01-22向国家知识产权局提交的专利申请。

本一种基于多源特征融合的课堂学生注意力评估方法及系统在说明书摘要公布了：本发明公开了一种基于多源特征融合的课堂学生注意力评估方法及系统。本发明通过系统的人脸检测单元进行人脸识别，通过表情识别单元中的训练完成的包含四种表情判别块的学生表情识别神经网络模型获得学生的不同情绪状态的出现频率，通过疲劳度检测单元获得学生的疲劳度的次数，通过头部姿态估计单元获得学生的异常头部姿态的次数，最终通过注意力评估单元的极限学习机模型获得学生的注意力评估参数，进而评估课堂的学生注意力状态并进行显示。本发明能够提供更加高效的动态学生表情识别方法，为教师提供实时、精确的课堂反馈，支持个性化教学策略的优化与实施，有利于教师教学得以纵向延伸，学生学习方式得以横向扩展，扩展了新质人才培养新范式。

本发明授权一种基于多源特征融合的课堂学生注意力评估方法及系统在权利要求书中公布了：1.一种基于多源特征融合的课堂学生注意力评估方法，其特征在于，包括：步骤S1：通过摄像头获取若干学生课堂听课视频并提取出初始视频帧，将每张初始视频帧进行人脸检测预处理，然后通过人脸关键点定位识别出人脸的不同情绪状态并添加表情标签，从而获得若干人脸表情图像并构建人脸表情图像数据集；步骤S2：构建包含四种表情判别块的学生表情识别神经网络模型SFaceNet，通过人脸表情图像数据集对学生表情识别神经网络模型SFaceNet进行训练；步骤S3：通过摄像头获取待识别的学生课堂听课视频并提取出待识别的视频帧，然后进行人脸识别，进而通过训练完成的学生表情识别神经网络模型SFaceNet识别出每个学生的不同情绪状态，统计获得每个学生的不同情绪状态的出现频率，通过人脸关键点定位识别出每个学生的疲劳度和异常头部姿态的次数；步骤S4：针对每个学生，将学生的不同情绪状态的出现频率、疲劳度和异常头部姿态的次数输入预训练的极限学习机模型ELM中，处理完成后输出学生的注意力评估参数，根据各个学生的注意力评估参数评估所在课堂的学生注意力状态并进行显示；所述的步骤S2中，学生表情识别神经网络模型SFaceNet包括依次连接的输入层、特征提取和融合层以及输出层，输入层包括依次连接的第一卷积层、第一批量规范化层BatchNorm、第一激活函数层ReLu和最大池化层Maxpooling，特征提取和融合层包括依次连接的三个表情判别块一EmotionBlockV1、四个表情判别块二EmotionBlockV2、六个表情判别块三EmotionBlockV3、三个表情判别块四EmotionBlockV4和注意力机制模块CBAM，还包括第二卷积层、第三卷积层和第四卷积层，最大池化层Maxpooling的输出再输入至第一个表情判别块一EmotionBlockV1中，最大池化层Maxpooling和第一个表情判别块一EmotionBlockV1的输出相加后获得第一相加结果，第一相加结果输入至第二个表情判别块一EmotionBlockV1中，第一相加结果和第二个表情判别块一EmotionBlockV1的输出相加后获得第二相加结果，第二相加结果输入至第三个表情判别块一EmotionBlockV1中，第二相加结果和第三个表情判别块一EmotionBlockV1的输出相加后获得第三相加结果，第三相加结果输入至第一个表情判别块二EmotionBlockV2中，第三相加结果经第二卷积层处理后和第一个表情判别块二EmotionBlockV2的输出相加获得第四相加结果，第四相加结果输入至第二个表情判别块二EmotionBlockV2中，第四相加结果和第二个表情判别块二EmotionBlockV2的输出相加后获得第五相加结果，第五相加结果输入至第三个表情判别块二EmotionBlockV2中，第五相加结果和第三个表情判别块二EmotionBlockV2的输出相加后获得第六相加结果，第六相加结果输入至第四个表情判别块二EmotionBlockV2中，第六相加结果和第四个表情判别块二EmotionBlockV2的输出相加后获得第七相加结果，第七相加结果输入至第一个表情判别块三EmotionBlockV3中，第七相加结果经第三卷积层处理后和第一个表情判别块三EmotionBlockV3的输出相加获得第八相加结果，第八相加结果输入至第二个表情判别块三EmotionBlockV3中，第八相加结果和第二个表情判别块三EmotionBlockV3的输出相加后获得第九相加结果，第九相加结果输入至第三个表情判别块三EmotionBlockV3中，第九相加结果和第三个表情判别块三EmotionBlockV3的输出相加后获得第十相加结果，第十相加结果输入至第四个表情判别块三EmotionBlockV3中，第十相加结果和第四个表情判别块三EmotionBlockV3的输出相加后获得第十一相加结果，第十一相加结果输入至第五个表情判别块三EmotionBlockV3中，第十一相加结果和第五个表情判别块三EmotionBlockV3的输出相加后获得第十二相加结果，第十二相加结果输入至第六个表情判别块三EmotionBlockV3中，第十二相加结果和第六个表情判别块三EmotionBlockV3的输出相加后获得第十三相加结果，第十三相加结果经第四卷积层处理后和第一个表情判别块四EmotionBlockV4的输出相加获得第十四相加结果，第十四相加结果输入至第二个表情判别块四EmotionBlockV4中，第十四相加结果和第二个表情判别块四EmotionBlockV4的输出相加后获得第十五相加结果，第十五相加结果输入至第三个表情判别块四EmotionBlockV4中，第十五相加结果和第三个表情判别块四EmotionBlockV4的输出相加后再输入至注意力机制模块CBAM中；输出层包括依次连接的平均池化层Avgpooling和全连接层FC。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。