一种基于学生行为的身心状态分析系统

技术领域

本发明涉及数据处理技术领域，具体涉及一种基于学生行为的身心状态分析系统。

背景技术

学生的身心健康状况一直备受家长及学校的关注，为了及时发现学生的异常，需要时刻关注学生的状态，但是由于学生在学校的时间较长，家长无法了解到学生在学校的情况，无法及时发现学生的异常情况，而学校老师面对的学生数量较多，难以注意到每个学生的状态，因此，亟待提出一种能够实现及时且准确地对学生的身心健康状况进行分析的方案。

发明内容

因此，本发明要解决的技术问题在于克服现有技术中的无法及时且准确地对学生的状态进行分析的缺陷，从而提供一种基于学生行为的身心状态分析系统。

本发明第一方面提供了一种基于学生行为的身心状态分析系统，包括：图像采集设备，用于采集目标对象的图像数据；数据处理装置，用于根据目标对象的图像数据获取目标对象的标识信息，根据标识信息确定与目标对象相对应的分析模型，并根据图像数据和分析模型对目标对象的状态进行分析，得到分析结果。

可选地，在本发明提供的基于学生行为的身心状态分析系统中，数据处理装置包括：人脸识别模块，用于根据图像数据识别人脸信息，并根据人脸信息确定目标对象的标识信息；分析模型确定模块，用于根据标识信息确定与目标对象相对应的分析模型；特征提取模块，用于根据图像数据提取多个状态分析特征；状态分析模块，用于根据状态分析特征和分析模型对目标对象的状态进行分析，得到分析结果。

可选地，在本发明提供的基于学生行为的身心状态分析系统中，数据处理装置还包括：状态分析量表获取模块，用于获取目标对象的状态分析量表，状态分析量表中包含目标对象的调研分析结果；分析结果对应关系确定模块，用于根据目标对象的特征指标进行多元线性回归拟合，确定状态分析结果与特征指标的对应关系；分析模型构建模块，用于根据状态分析结果与特征指标的对应关系及状态分析量表构建不同目标对象对应的分析模块。

可选地，在本发明提供的基于学生行为的身心状态分析系统中，数据处理装置还包括：分析模型优化模块，状态分析量表获取模块还用于对状态分析量表进行更新；若分析结果与更新后的状态分析量表中的调研分析结果的差大于预设阈值，分析模型优化模块用于根据更新后的状态分析量表对分析模型进行优化处理。

可选地，在本发明提供的基于学生行为的身心状态分析系统中，还包括数据存储单元，数据存储单元用于存储目标对象的标识信息以及与目标对象相对应的分析模型。

可选地，在本发明提供的基于学生行为的身心状态分析系统中，数据存储单元还用于存储目标对象的历史分析结果，数据处理装置还包括分析结果统计模块，分析结果统计模块用于根据预设时间段内的历史分析结果对目标对象在预设时间段内的状态进行统计分析，得到统计分析结果。

可选地，在本发明提供的基于学生行为的身心状态分析系统中，还包括：通信设备，用于向与目标对象相关联的目标终端发送目标对象的分析结果和统计分析结果。

可选地，在本发明提供的基于学生行为的身心状态分析系统中，数据处理装置还包括：分类模块，用于根据分析结果和预设分类阈值对分析结果进行等级分类。

可选地，在本发明提供的基于学生行为的身心状态分析系统中，分析模型为：Y

可选地，在本发明提供的基于学生行为的身心状态分析系统中，述分析模型优化模块通过如下公式对分析模型进行优化处理：

其中，

本发明技术方案，具有如下优点：

1.本发明提供的基于学生行为的身心状态分析系统，包括图像采集设备和数据处理装置，数据处理装置可以根据图像采集设备采集到的目标对象的图像数据得到目标对象的分析结果，由于图像采集设备对目标对象的图像采集不受时间限制，因此通过实施本发明能够实现对目标对象的对象进行实时分析，并且，本发明提供的基于学生行为的身心状态分析系统中的数据处理装置在对目标对象的状态进行分析时，先根据图像数据获取目标对象的标识信息，然后根据标识信息确定与目标对象相对应的分析模型，通过与目标对象相对应的分析模型对目标对象的状态进行分析，由于不同的目标对象的特征不同，因此一个分析模型并不适用于所有的目标对象，本发明中通过与目标对象相对应的分析模型对目标对象的状态进行分析，得到的分析结果更准确。

2.本发明提供的基于学生行为的身心状态分析系统，还包括分析模型优化模块，状态分析量表获取模块对状态分析量表进行更新，若根据当前的分析模型得到的分析结果户与更新后的状态分析量表中的调研分析结果的差大于预设阈值，则分析模型优化模块根据更新后的状态分析量表对分析模型进行优化处理，由于目标对象在不同时间阶段的特征不同，分析模型优化模块可以对分析模型进行及时更新，使得本发明提供的基于学生行为的身心状态分析系统能够对处于任何时间阶段的目标对象进行准确分析。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例中基于学生行为的身心状态分析系统的一个具体示例的示意框图；

图2为本发明实施例中基于学生行为的身心状态分析系统的另一具体示例的示意框图；

图3为本发明实施例中基于学生行为的身心状态分析系统的又一具体示例的示意框图；

图4为本发明实施例中基于学生行为的身心状态分析系统的再一具体示例的示意框图。

具体实施方式

下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明的描述中，需要说明的是，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。

本发明实施例提供了一种基于学生行为的身心状态分析系统，如图1所示，包括：

图像采集设备1，用于采集目标对象的图像数据。在具体实施例中，图像采集设备可以安装在任一经过目标对象授权的空间或区域中，目标对象可以为学生、公司员工等，图像采集设备1可以为摄像机等设备。

数据处理装置2，用于根据目标对象的图像数据获取目标对象的标识信息，根据标识信息确定与目标对象相对应的分析模型，并根据图像数据和分析模型对目标对象的状态进行分析，得到分析结果，在具体实施例中，分析结果可以用于指导抑郁症评估或其他心理健康状态的评估。

在具体实施例中，对目标对象的状态进行分析可以是对目标对象的心理健康状态进行分析，也可以是对目标对象的行为进行分析等，具体地，本发明实施例提供的状态分析系统可以用于对目标对象的抑郁程度进行分析。

由于各目标对象之间存在差异，难以通过统一的分析模型对所有的目标对象进行分析，为了实现对目标对象的精准分析，在本发明实施例中，该基于学生行为的身心状态分析系统在对目标对象进行分析时，所用的分析模型为与不同的目标对象相对应的分析模型。

具体地，为了更精准地对目标对象的状态进行分析，可以为每个目标对象都建立一个分析模型，当目标对象与分析模型为一对一的关系时，标识信息可以是唯一标识目标对象的信息，通过标识信息可以确定与目标对象对应的分析模型，从而完成对目标对象的分析，得到分析结果。

考虑到当目标对象数量较多时，为每个目标对象建立唯一的分析模型较为困难，因此，可以先根据目标对象的性格、年龄等特征对目标对象进行分类，为每一类目标对象建立一个分析模型，此时标识信息可以是用于表示目标对象所属类别的信息，例如，当目标对象为学生时，可以将一个年级的学生确定为一类，并分别为每个年级建立一个分析模型，标识信息用于表示目标对象所在年级，根据目标对象所在年级可以确定与目标对象相对应的分析模型。

本发明提供的基于学生行为的身心状态分析系统，包括图像采集设备1和数据处理装置2，数据处理装置2可以根据图像采集设备1采集到的目标对象的图像数据得到目标对象的分析结果，由于图像采集设备1对目标对象的图像采集不受时间限制，因此通过实施本发明能够实现对目标对象的对象进行实时分析，并且，本发明提供的基于学生行为的身心状态分析系统中的数据处理装置2在对目标对象的状态进行分析时，先根据图像数据获取目标对象的标识信息，然后根据标识信息确定与目标对象相对应的分析模型，通过与目标对象相对应的分析模型对目标对象的状态进行分析，由于不同的目标对象之间存在差异，因此一个分析模型并不适用于所有的目标对象，本发明实施例中通过与目标对象相对应的分析模型对目标对象的状态进行分析，得到的分析结果更准确。

在一可选实施例中，如图2所示，本发明实施例提供的基于学生行为的身心状态分析系统中，数据处理装置2包括：人脸识别模块21、分析模型确定模块22、特征提取模块23及状态分析模块24。

其中，人脸识别模块21，用于根据图像数据识别人脸信息，并根据人脸信息确定目标对象的标识信息。

在一具体实施例中，可以在基于学生行为的身心状态分析系统中加入存储单元，存储单元中存储有预先建立的人脸信息库，将各目标对象的人脸信息和标识信息对应存储，人脸识别模块21根据图像数据识别得到人脸信息后，可以将识别得到的人脸信息和预先建立的人脸信息库中的人脸信息进行比对，将人脸信息库中与图像数据中的人脸信息相似度最高的人脸信息所对应的标识信息确定为目标对象的标识信息。

分析模型确定模块22，用于根据标识信息确定与目标对象相对应的分析模型。

在具体实施例中，可以在上述预先建立的人脸信息库中添加标识信息与分析模型的关联关系，从而可以在确定标识信息后确定分析模型。

在具体实施例中，当目标对象与分析模型为一一对应的关系时，在预先建立的人脸信息库中可以直接建立人脸信息与分析模型的关联关系，但是当同一分析模型对应一个群体时，先建立人脸信息与标识信息的关联关系，再建立标识信息与分析模型的关联关系，便于分析模型的重复使用，例如，当目标对象为学生，且标识信息为年级时，若当前目标对象群体A的标识信息为二年级，则可以通过该标识信息确定与“二年级”相对应的分析模型，但是当目标对象群体A的标识信息更新为“三年级”时，可以利用与标识信息“三年级”相对应的分析模型对目标对象群体A中的目标对象进行分析，避免了在标识信息发生变化时重新为目标对象群体A建立模型。

特征提取模块23，用于根据图像数据提取多个状态分析特征。在具体实施例中，当需要分析的状态不同时，根据图像数据所提取的状态分析特征也不同。具体地，若需要通过分析结果对学生的抑郁症进行评估时，则可以根据学生的图像数据识别学生的高兴、厌恶、思考、点头示意、鼓掌、举手、回答问题、与同学交流、打瞌睡、睡觉等指标，并记录学生不同指标的持续时间或发生次数，并根据学生不同指标的持续时间和发生次数计算状态分析特征，具体地，指标的获取方式见下表1所示：

表1

在获取指标后，通过如下公式计算与该指标相对应的状态分析特征：

X

其中，γ

状态分析模块24，用于根据状态分析特征和分析模型对目标对象的状态进行分析，得到分析结果。

在具体实施例中，分析模型为：

Y

其中，A＝(A

在具体实施例中，对于不同的目标对象，相对应的分析模型中的模型参数集合的值不同，残差也不同。

在一可选实施例中，如图3所示，在本发明实施例提供的基于学生行为的身心状态分析系统中，数据处理装置2还包括：状态分析量表获取模块25、分析结果对应关系确定模块26及分析模型构建模块27。

其中，状态分析量表获取模块25，用于获取目标对象的状态分析量表，状态分析量表中包含目标对象的调研分析结果。

在一具体实施例中，状态分析量表是对目标对象进行调查得到的，调查内容可以根据分析结果所需指导的内容确定，例如，当分析结果用于指导目标对象的抑郁症评估时，由于抑郁症在认知症状上表现为执行力、注意力、记忆力、信息加工速度等方面的衰退，在执行力方面具体表现为犹豫不决、拖延、缺乏信心、优柔寡断，注意力方面表现为难以集中注意力、走神、分心、迷茫感，记忆力方面表现为健忘、记不住事情(长期或短期)，信息加工速度方面反应慢、思维迟钝、动作迟缓等，因此可以通过状态分析量表对目标对象的上述行为进行调查，专家根据调查结果对目标对象的状态进行评分，得到调研分析结果。

分析结果对应关系确定模块26，用于根据目标对象的状态分析特征进行多元线性回归拟合，确定状态分析结果与状态分析特征的对应关系。

在一具体实施例中，根据目标对象的特征指标进行多元线性回归拟合得到的状态分析结果与状态分析特征的对应关系可表示为：

Y

分析模型构建模块27，用于根据状态分析结果与状态分析特征的对应关系及状态分析量表构建不同目标对象对应的分析模型。

在具体实施例中，上述分析结果对应关系确定模块26所确定的状态分析结果与状态分析特征的对应关系的对应关系为基础关系，无法对目标对象的状态进行准确分析，因此需要进一步对对应关系中的参数进行优化，从而得到分析模型。

具体地，对对应关系中的参数进行优化时，若分析模型只应用于一个目标对象，则可以根据获取目标对象在多个时间段的状态分析特征和调研分析结果对对应关系的参数进行优化，从而得到适用于目标对象的分析模型，若分析模型应用于划分为同一类的多个目标对象，则可以根据各目标对象在同一时间段内的状态分析特征和调研分析结果对对应关系的参数进行优化，从而得到适用于多个目标对象的分析模型，在具体实施例中，通过如下步骤对对应关系中的参数进行优化：

其中，

具体地，在对模型参数进行优化时，采用最小二乘法对参数

当X为满秩时，上述最小化残差平方和可得出：

此时

在一可选实施例中，在本发明实施提供的基于学生行为的身心状态分析系统中，如图4所示，数据处理装置2还包括：分析模型优化模块28，

状态分析量表获取模块25还用于对状态分析量表进行更新。

在具体实施例中，通过本发明实施例提供的实施提供的基于学生行为的身心状态分析系统可以实现对目标对象的状态的实时分析，但是为了保证分析结果的可靠性，在实际应用中，可周期性地通过状态分析量表对目标对象进行调查，通过专家评分得到调研分析结果，并且根据周期性得到的调研分析结果更新该状态分析量表。

此时，分析模型优化模块28用于判断分析结果与更新后的状态分析量表中的调研分析结果的差是否大于预设阈值，若分析结果与更新后的状态分析量表中的调研分析结果的差大于预设阈值，分析模型优化模块28用于根据更新后的状态分析量表对分析模型进行优化处理。

随着时间的推移，目标对象的性格等会发生一定的变化，通过原本的分析模型可能无法得到准确的分析结果，因此需要通过调研分析结果对分析模型进行优化，优化过程与上述分析模型构建模块27中的分析模型过程一致。在具体实施例中，判定是否需要对分析模型进行优化时的预设阈值可根据实际情况进行调整，例如，可以将条件设定为，当分析结果与调研分析结果的差值达到调研结果的值的10％时，则判定需要对分析模型进行优化。

需要说明的是，无论是在模型建立过程中，还是在模型优化过程中，所使用到的状态分析特征和调研分析结果的获取时间应该位于同一时间段。

在一可选实施例中，本发明实施例提供的基于学生行为的身心状态分析系统还包括分析结果统计模块，存储单元还可以还用于存储目标对象的历史分析结果，数据处理装置还包括分析结果统计模块，分析结果统计模块用于根据预设时间段内的历史分析结果对目标对象在预设时间段内的状态进行统计分析，得到统计分析结果。具体地，统计分析结果可以用于表征目标对象在预设时间段内的状态变化情况。

在一可选实施例中，本发明实施例提供的基于学生行为的身心状态分析系统还包括通信设备，用于向与目标对象相关联的目标终端发送目标对象的分析结果和统计分析结果。具体地，可以先通过数据处理装置2获取与目标对象相关联的目标终端，然后将分析结果、统计分析结果等发送至目标终端，目标终端可以为手机等，在本发明实施例中，通过将分析结果和统计分析结果发送至与目标对象相关联的目标终端中，避免了目标对象的信息泄露，对目标对象造成伤害。

在一可选实施例中，在本发明实施例提供的基于学生行为的身心状态分析系统中，数据处理装置还包括分类模块，用于根据分析结果和预设分类阈值对分析结果进行等级分类。

在一具体实施例中，通过分析模块得到的分析结果可以是具体的分值，为了使分析结果更直观，可以根据预设分类阈值对分析结果划分相应的等级，预设分类阈值可以根据专家建议确定。

显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。