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！

龙图腾网获悉深圳市七星辰科技有限公司申请的专利一种网络教学用摄像头及报警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：CN118553017B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202410930473.5，技术领域涉及：G06V40/20；该发明授权一种网络教学用摄像头及报警系统是由陈秋菊;刘斌;张序设计研发完成，并于2024-07-11向国家知识产权局提交的专利申请。

本一种网络教学用摄像头及报警系统在说明书摘要公布了：本发明公开了一种网络教学用摄像头及报警系统，具体线上教学领域，用于解决线上教学质量分析问题，是通过图像处理和深度学习技术，使得教学视频中完整捕捉每位学生的面部表情和上半身动作，提高了图像处理效率和特征识别准确性，确保数据完整性，为行为分析和参与度评估提供可靠基础。结合Haar级联分类器、VGG‑Face和SVM分类技术，精确识别和分析学生的情绪和行为，优化教学内容和方法，提升学生参与度和满意度。使用聚类算法分析学生参与时间序列，识别教学高峰与低谷，通过教学质量指数评估教学效果，指导教学调整，增强课程设计的针对性和有效性，提高教学透明度和可调整性，更好地响应学生需求。

本发明授权一种网络教学用摄像头及报警系统在权利要求书中公布了：1.一种网络教学用摄像头及报警系统，其特征在于，包括：视频部署模块、情绪行为识别模块、综合多维模块和群体行为分析模块；视频部署模块安装并配置摄像头于学习空间，实时捕捉每位学生的视频流，控制摄像头聚焦于学生的对应位置，确保视频清晰地记录下每个学生的面部表情和上半身动作，将捕捉的视频流发送至情绪行为识别模块；情绪行为识别模块使用视频捕捉和多层次机器学习技术对学生在在线教学中的面部表情和身体动作进行分析，通过识别学生的情绪状态和行为模式，理解及度量参与度和活跃度情况，将参与度和活跃度的计算结果值发送至综合多维模块；综合多维模块对学生的活跃度和参与度进行量化，并计算每个单位时间内的教学精彩情况，将每个单位时间内的教学精彩情况的度量值发送至群体行为分析模块；群体行为分析模块通过应用聚类算法于学生的精彩情况的时间序列，分析并识别教学视频中各个时间段的学生群体表现，通过密度估计与对应阈值的比较确定教学的高峰与低谷时段，分析教学是否需要调整，给出警报提示；视频部署模块的运行过程包括以下内容：依据每个学生自主提供的监督用摄像头，对采集到的每一帧图像进行预处理；使用边缘检测算法识别图像中的边缘；应用人脸识别技术来定位图像中的人脸；利用训练好的上半身检测模型来识别图像中的上半身部分；分析检测到的人脸和上半身的位置和大小，判断是否在预定义的摄像头捕捉区域内完整显示；如果发现学生的面部或上半身未被完全捕捉，将发出自动提醒信号，需要调整摄像头或学生的位置；情绪行为识别模块的运行过程包括以下内容：从每个学生的摄像头捕获视频流；首先使用Haar级联分类器来检测视频中的人脸；利用预训练的卷积神经网络，提取面部的关键特征；将提取的面部特征输入到分类模型中，识别不同的情绪状态；使用姿态估计工具，从视频数据中提取身体关键点的位置和运动信息；通过特征串联，将面部和身体的特征合并成一个单一的特征向量，具体内容如下：设面部特征向量为，其中表示从面部识别得到的第个特征，是面部特征的维度；设身体特征向量为，其中表示从身体语言分析得到的第个特征，是身体特征的维度；对于面部和身体的每个特征组合，定义一个交互函数；构建一个的矩阵，其中每个元素，其中矩阵将包含所有面部特征和身体特征对的交互信息；将矩阵的每一行或列首尾相连，则矩阵展开为一个向量，向量的长度是，每个元素代表一个特定的特征交互；对于每个学生，都有一系列时间点的特征向量，即每个时间点的特征向量，将其标记为，其中表示时间步；为了捕捉特征的变化趋势，计算每个时间点的特征向量在每个时间点的一阶差分；通过计算向量的欧几里得范数得到每个时间步的向量模长：；在每个时间步的向量模长的时间序列中检测峰值，代表特征变化的显著时刻；活跃度指数的获取过程为：根据峰值的数量、幅度和频率来计算活跃度指数，计算公式如下： ；其中： 是检测到的峰值数量； 是每个峰值的高度； 是峰值之间的平均间隔；参与度指数的获取过程为：分析学生在一段时间内参与度的一致性，通过计算每个时间步的向量模长的标准差来计算：；其中： 是每个时间步的向量模长的均值； 是每个时间步的向量模长的方差； 是在给定的最大滞后下每个时间步的向量模长的最大自相关系数；综合多维模块的运行包括以下内容：将活跃度指数和参与度指数经过归一化和加权求和后得到精彩系数，用于综合评估单位时间内的教学视频精彩程度；群体行为分析模块的运行过程包括以下内容：应用K-means聚类算法于全班学生的精彩系数时间序列，识别出各个时间段内学生精彩系数的群体表现；首先，收集全班学生在每个时间点的精彩系数；将精彩系数按时间序列组织，形成一个二维数据矩阵，其中每一行代表一个学生，每一列对应一个时间点的精彩系数；使用选定的k值，应用K-means聚类算法到标准化后的数据集；得到每个时间点精彩系数聚类结果，每个聚类代表一种群体表现模式；使用核密度估计对每个聚类进行密度估计；对于每个聚类，计算其密度估计值与精彩阈值的比率，反映出每个时间段内教学活动相对于期望标准的表现：；其中，表示第个聚类的密度估计值与精彩阈值的比率，表示第个聚类的密度估计值，表示精彩阈值；将所有时间段的相对密度得分结合起来，使用以下公式计算整体教学质量指数： ；其中，表示整体教学指数，是聚类的总数，是用于增强聚类得分的动态范围；如果整体教学指数大于1，则表明整体教学效果相对于设定的精彩阈值是积极的，教学方法在大多数时间段内能有效激发学生的兴趣和参与；如果整体教学指数小于1，这表明教学效果普遍低于期望水平，需要调整或改进，发出警报提示。

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深圳市七星辰科技有限公司，其通讯地址为：518000 广东省深圳市宝安区航城街道三围社区宝安大道5003号水产三围工业园A栋三层；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”。