一种专注度检测方法和系统，及存储介质与流程

1.本发明涉及在线教学技术领域，尤其涉及一种专注度检测方法和系统，及存储介质。


背景技术：

2.目前，远程在线教育已成为一种重要的学习方式，然而由于远程在线教育缺少监管途径，导致远程在线教育的教学效果低于线下教育，因此，针对远程在线教育进行远程监督的技术应运而生。
3.常见的专注度检测方法，主要利用眼动仪对眼动轨迹进行跟踪，从而探讨检测对象在学习过程中的心理状态，但是，该专注度检测方法仍然存在反馈效果差，判定规则单一的问题，无法获得更有效和准确的专注度检测结果。


技术实现要素：

4.本技术实施例提供了一种专注度检测方法和系统，及存储介质，检测方法更为灵活和有效，能够获得更好的反馈效果。
5.本技术实施例的技术方案是这样实现的：
6.第一方面，本技术实施例提供了一种专注度检测方法，所述方法包括：
7.获取待检测人脸特征信息，并根据所述待检测人脸特征信息在人脸信息库中确定所述第一目标对象；
8.获取所述第一目标对象在待检测时间段内的第一眼动数据；其中，所述第一眼动数据包括凝视点、注视点、热图以及关注顺序；
9.按照预设检测策略对所述第一眼动数据进行眼动分析处理，获得所述第一目标对象的专注度检测结果；其中，所述预设检测策略用于进行多个考核维度的检测，所述多个考核维度包括以下多个维度中的至少两个：标准维度、横向维度、纵向维度以及自主评价维度。
10.第二方面，本技术实施例提供了一种专注度检测系统，所述专注度检测系统包括确定单元，获取单元以及分析单元，
11.所述确定单元，用于获取待检测人脸特征信息，并根据所述待检测人脸特征信息在人脸信息库中确定所述第一目标对象；
12.所述获取单元，用于获取所述第一目标对象在待检测时间段内的第一眼动数据；其中，所述第一眼动数据包括凝视点、注视点、热图以及关注顺序；
13.所述分析单元，用于按照预设检测策略对所述第一眼动数据进行眼动分析处理，获得所述第一目标对象的专注度检测结果；其中，所述预设检测策略用于进行多个考核维度的检测，所述多个考核维度包括以下多个维度中的至少两个：标准维度、横向维度、纵向维度以及自主评价维度。
14.第三方面，本技术实施例提供了一种专注度检测系统，所述专注度检测系统还包
括处理器、存储有所述处理器可执行指令的存储器，当所述指令被所述处理器执行时，实现如上所述的专注度检测方法。
15.第四方面，本技术实施例提供了一种计算机可读存储介质，其上存储有程序，应用于专注度检测系统中，所述程序被处理器执行时，实现如上所述的专注度检测方法。
16.本技术实施例提供了一种专注度检测方法和系统，及存储介质，专注度检测系统获取待检测人脸特征信息，并根据待检测人脸特征信息在人脸信息库中确定第一目标对象；获取第一目标对象在待检测时间段内的第一眼动数据；其中，第一眼动数据包括凝视点、注视点、热图以及关注顺序；按照预设检测策略对第一眼动数据进行眼动分析处理，获得第一目标对象的专注度检测结果；其中，预设检测策略用于进行多个考核维度的检测，多个考核维度包括以下多个维度中的至少两个：标准维度、横向维度、纵向维度以及自主评价维度。也就是说，在本技术的实施例中，首先，专注度检测系统在获取了待检测人脸特征信息后，可以在人脸特征信息库中确定出该待检测人脸特征信息所对应的第一目标对象，进而可以对第一目标对象在待检测时间段内的第一眼动数据进行采集，第一眼动数据中包括凝视点、注视点、热图以及关注顺序，能够全面描述第一目标对象在待检测时间段内的眼动情况，进而专注度检测系统可以利用预设检测策略对第一眼动数据进行多个考核维度的检测，且多个考核维度包括标准维度、横向维度、纵向维度以及自主评价维度中的至少两个，从而通过多考核维度的检测方式获得准确、客观且有效的专注度检测结果，提高了专注度检测方法的灵活度，获得了更好的反馈效果。
附图说明
17.图1为本技术实施例提出的专注度检测方法的实现流程示意图一；
18.图2是本技术实施例提出的专注度检测方法的实现流程示意图二；
19.图3为本技术实施例提出的专注度检测方法的实现流程示意图三；
20.图4为本技术实施例提出的专注度检测方法的实现流程示意图四；
21.图5为本技术实施例提出的专注度检测方法的实现流程示意图五；
22.图6为本技术实施例提出的专注度检测方法的实现流程示意图六；
23.图7为本技术实施例提出的专注度检测方法的实现流程示意图七；
24.图8为本技术实施例提出的专注度检测方法的实现流程示意图八；
25.图9为本技术实施例提出的专注度检测方法的实现流程示意图九；
26.图10为本技术实施例提出的专注度检测方法的实现示意图；
27.图11为本技术实施例提出的专注度检测系统的组成结构示意图一；
28.图12为本技术实施例提出的专注度检测系统的组成结构示意图二。
具体实施方式
29.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述。可以理解的是，此处所描述的具体实施例仅用于解释相关申请，而非对该申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关申请相关的部分。
30.在现有技术中，可以使用信号采集装置与监控中心，首先通过信号采集装置收集数据，然后利用监控中心对数据进行分析、处理和判断，最终把所有的数据投放在教师的计
算机上，促进对学生学习过程的监督，为在教室中实现远程教育与监督提供了一种方式；然而现有技术虽然利用了瞳孔角膜反射技术与数据分析处理的技术，能够对学生的远程学习状态进行分析，但是仍然存在缺陷，例如只能机械的对学习者在某一时刻下的眼动数据是正常还是异常进行判定，规则单一，无法做出系统、客观的分析。
31.为了解决现有技术中所存在的问题，本技术实施例提供了一种专注度检测方法和系统，及存储介质，获取待检测人脸特征信息，并根据待检测人脸特征信息在人脸信息库中确定第一目标对象；获取第一目标对象在待检测时间段内的第一眼动数据；其中，第一眼动数据包括凝视点、注视点、热图以及关注顺序；按照预设检测策略对第一眼动数据进行眼动分析处理，获得第一目标对象的专注度检测结果；其中，预设检测策略用于进行多个考核维度的检测，多个考核维度包括以下多个维度中的至少两个：标准维度、横向维度、纵向维度以及自主评价维度。能够实现更为灵活、有效的专注度检测方法，获得更好的反馈效果。
32.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述。
33.实施例一
34.本技术实施例提供了一种专注度检测方法，图1为本技术实施例提出的专注度检测方法的实现流程示意图一，如图1所示，专注度检测方法可以包括以下步骤：
35.步骤101、获取待检测人脸特征信息，并根据待检测人脸特征信息在人脸信息库中确定第一目标对象。
36.在本技术的实施例中，专注度检测系统在进行专注度检测时，可以先获取待检测人脸特征信息，并根据待检测人脸特征信息在人脸信息库中确定第一目标对象。
37.可以理解的是，在本技术的实施例中，待检测人脸特征信息即为要进行专注度检测的待检测对象的人脸特征信息；例如，对学生a进行专注度检测，就需要获取学生a的人脸特征信息，学生a即为待检测对象，学生a的人脸特征信息即为待检测人脸特征信息。
38.进一步地，在本技术的实施例中，待检测人脸特征信息的数量可以为多个，也就是说，可以同时获取多个待检测人脸特征信息。
39.需要说明的是，在本技术的实施例中，人脸信息库是预先在专注度检测系统中建立的信息库，用于存储和管理人脸特征信息；人脸信息库中包括大量的人脸特征信息，以及与这些人脸特征信息相对应的身份标签。
40.可以理解的是，在本技术的实施例中，由于人脸信息库中包括预先存储的人脸特征信息和与人脸特征信息相对应的身份标签，因此在获取了待检测人脸特征信息以后，可以利用待检测人脸特征信息在人脸信息库中确定出待检测人脸特征信息所对应的待检测目标对象，即第一目标对象。
41.进一步地，在本技术的实施例中，第一目标对象是指与待检测人脸特征信息相对应的待检测目标对象，也就是说，待检测人脸特征信息与第一目标对象的人脸特征信息一致，且人脸信息库中预先存储有第一目标对象的人脸特征信息。
42.步骤102、获取第一目标对象在待检测时间段内的第一眼动数据；其中，第一眼动数据包括凝视点、注视点、热图以及关注顺序。
43.在本技术的实施例中，专注度检测系统在获取待检测人脸特征信息，并根据待检测人脸特征信息在人脸信息库中确定第一目标对象之后，可以获取第一目标对象在待检测
时间段内的第一眼动数据；其中，第一眼动数据包括凝视点、注视点、热图以及关注顺序。
44.需要说明的是，在本技术的实施例中，待检测时间段是指需要对第一目标对象进行专注度检测的时间段，例如，第一目标对象的在线学习时间段为11:00至12:00，需要对第一目标对象在11:00至12:00的在线学习过程进行专注度检测，则待检测时间段为11:00至12:00。
45.可以理解的是，在本技术的实施例中，第一眼动数据是指第一目标对象在待检测时间段内的眼动数据，第一眼动数据包括凝视点、注视点、热图以及关注顺序；也就是说，眼动数据能够全面反映第一目标对象在待检测时间段内的眼动情况。
46.进一步地，在本技术的实施例中，凝视点是一个基本测量单位，示例性的，在待检测时间段内，检测到第一目标对象看向客户端屏幕的a点，则a点就可以作为一个凝视点。
47.进一步地，在本技术的实施例中，第一个凝视点的时间为首次注视时间；例如，在待检测时间段内，检测到第一目标对象首次看向客户端屏幕的a点，而看向a点的时刻为11:58:03，则11:58:03为第一目标对象注视a点的首次注视时间。
48.需要说明的是，在本技术的实施例中，若第一目标对象保持注视某一区域一段时间，则可以形成注视点，例如，在待检测时间段内，检测到第一目标对象持续注视客户端屏幕的a点一段时间，则a点为注视点；也就是说，当凝视点持续一段时间，则可以形成注视点。
49.进一步地，在本技术的实施例中，形成注视点所持续的时间可以自行设置，也就是说，可以对形成注视点的持续时间阈值进行设置，例如，预先设置形成注视点的持续时间阈值为5秒，当专注度检测系统检测到第一目标对象对某一凝视点a的注视时间达到5秒时，则可以将a确定为一个注视点。
50.需要说明的是，在本技术的实施例中，热图是由注视点的数量和频率决定的，例如，在待检测时间段内，如果检测到第一目标对象在客户端屏幕的某一区域b存在多个注视点，且频率较高，则可以将区域b确定为热区。
51.需要说明的是，在本技术的实施例中，关注顺序是指在待检测时间段内，看向客户端屏幕中的不同区域的顺序，例如，在待检测时间段内，检测到第一目标对象首先在11：00看向客户端屏幕区域中的a，然后在11:05时看向客户端屏幕区域中的b，在11:20看向客户端屏幕区域中的c，则关注顺序为a、b、c。
52.可以理解的是，在本技术的实施例中，关注顺序不限于前述的凝视点、注视点和热图，也就是说，关注顺序可以是检测到的第一目标对象在待检测时间段内的凝视点、注视点以及热图的顺序，例如，在待检测时间段内，检测到第一目标对象首先在客户端屏幕区域中的a存在一个凝视点，然后检测到在b存在一个注视点，接着检测到c为一个热图，则第一目标对象在待检测时间段内的关注顺序为a、b、c。
53.步骤103、按照预设检测策略对第一眼动数据进行眼动分析处理，获得第一目标对象的专注度检测结果；其中，预设检测策略用于进行多个考核维度的检测，多个考核维度包括以下多个维度中的至少两个：标准维度、横向维度、纵向维度以及自主评价维度。
54.在本技术的实施例中，专注度检测系统在获取第一目标对象在待检测时间段内的第一眼动数据；其中，第一眼动数据包括凝视点、注视点、热图以及关注顺序之后，可以按照预设检测策略对第一眼动数据进行眼动分析处理，获得第一目标对象的专注度检测结果；其中，预设检测策略用于进行多个考核维度的检测，多个考核维度包括以下多个维度中的
至少两个：标准维度、横向维度、纵向维度以及自主评价维度。
55.需要说明的是，在本技术的实施例中，预设检测策略用于进行多个考核维度的检测，从而可以得到第一目标对象的专注度检测结果；其中，多个考核维度包括标准维度、横向维度、纵向维度以及自主评价维度中的至少两个。
56.进一步地，在本技术的实施例中，标准维度是指与预设的标准眼动数据进行比较的考核维度；横向维度是指与第一目标对象以外的其他待检测对象的眼动数据进行比较的考核维度；纵向维度是指与第一目标对象的历史眼动数据进行比较的考核维度；自主评价维度是指根据眼动数据生成评价请求，从而通过检测响应于评价请求的操作，所得到专注度检测结果的考核维度。
57.需要说明的是，在本技术的实施例中，专注度检测结果为一个分值，也就是说，专注度检测系统通过眼动分析处理以后，得到的专注度检测结果为一个分值，这个分值可以反映第一目标对象的专注度程度，从而为衡量第一目标对象的专注度提供参考。
58.图2是本技术实施例提出的专注度检测方法的实现流程示意图二，如图2所示，若预设检测策略包括标准维度，专注度检测系统按照预设检测策略对第一眼动数据进行多个考核维度的眼动分析处理，获得第一目标对象的专注度检测结果，即步骤103可以包括以下步骤：
59.步骤103a、计算第一眼动数据与标准眼动数据之间的第一相似度。
60.在本技术的实施例中，若预设检测策略包括标准维度，专注度检测系统按照预设检测策略对第一眼动数据进行多个考核维度的眼动分析处理，获得第一目标对象的专注度检测结果，具体地，专注度检测系统可以先计算第一眼动数据与标准眼动数据之间的第一相似度。
61.需要说明的是，在本技术的实施例中，标准眼动数据是在专注度检测系统中预先录入的眼动数据，也就是说，在利用预设检测策略进行专注度检测结果的确定之前，还需要对标准眼动数据进行录入处理。
62.进一步地，在本技术的实施例中，标准眼动数据可以是由老师提前录入的眼动数据，标准眼动数据可以是待检测时间段内，理想状态下的眼动数据；标准眼动数据可以包括凝视点、注视点、感兴趣区域以及固定顺序；其中，感兴趣区域可以是老师预设的热图，也就是说，感兴趣区域在表现形式上和热图相同，但感兴趣区域的区别在于其为预设的、规定的热图，进而可以将感兴趣区域与第一眼动数据中的热图进行对比，以获得专注度检测结果；固定顺序则可以为老师预设的关注顺序，也就是说，固定顺序表示在待检测时间段内，理想状态下的关注顺序；进而可以将固定顺序与第一眼动数据中的关注顺序进行对比，以获得专注度检测结果。
63.可以理解的是，在本技术的实施例中，通过对比标准眼动数据和第一眼动数据，就可以判断第一眼动数据是否与标准眼动数据之间存在较大差异，从而得到第一目标对象的专注度检测结果。具体的对比方式可以是计算第一眼动数据与标准眼动数据之间的第一相似度。
64.示例性的，在本技术的实施例中，标准眼动数据为注视点a和b以及感兴趣区域c和d，固定顺序为a、c、b、d；也就是说，在线上学习过程中，理想状态下，即专注度较高的情况下，第一目标对象的眼动数据应该是首先在客户端屏幕中的a产生注视点，然后在c产生热
图，接着在b产生注视点，最后在d产生热图；从而可以计算标准眼动数据与第一目标对象的第一眼动数据之间的第一相似度。
65.需要说明的是，在本技术的实施例中，第一相似度即为第一眼动数据与标准眼动数据之间的相似度，第一相似度的计算方法可以是：对待检测时间段进行均分，然后将均分后的每段时间段作为单位时间段，根据每个单位时间段内的第一眼动数据和标准眼动数据进行相似度计算，第一相似度可以通过如下公式进行计算：
[0066][0067]
其中，r1为第一相似度，l为待检时间段，αi为单位时间段内的第一眼动数据，βi为单位时间段内的标准眼动数据。
[0068]
步骤103b、根据第一相似度和预存相似度与分值的对应关系确定专注度检测结果。
[0069]
在本技术的实施例中，专注度检测系统在计算第一眼动数据与标准眼动数据之间的第一相似度之后，可以根据第一相似度和预存相似度与分值的对应关系确定专注度检测结果。
[0070]
需要说明的是，在本技术的实施例中，预存相似度与分值的对应关系用于描述相似度和分值之间的对应关系；预存相似度与分值的对应关系可以为一个表，表中包括相似度和对应的分值；其中，相似度可以包括第一眼动数据与标准眼动数据之间的第一相似度、第一眼动数据与第二目标对象的第二眼动数据之间的第二相似度以及第一眼动规律和第二眼动规律之间的第三相似度；从而可以利用预存相似度与分值的对应关系，对获得的上述任意一种相似度的计算结果给出相应的专注度检测结果。
[0071]
示例性的，在本技术的实施例中，预存相似度与分值的对应关系中第一相似度为a时，分值为b，那么当计算的第一相似度为a时，就可以根据预存相似度与分值的对应关系确定第一目标对象的专注度检测结果为b。
[0072]
进一步地，在本技术的实施例中，预存相似度与分值的对应关系中包括不同的分值，不同的分值可以反映不同的专注程度；可以在预存相似度与分值的对应关系中设置一个分数阈值，分值超过分数阈值的部分均属于专注度正常，分值超过和等于分数阈值的部分均属于专注度异常；例如，分数阈值为60，则预存相似度与分值的对应关系中超过和等于60的分值均被归类为专注度正常，而分值低于60的部分均属于专注度异常；进一步地，如果确定的专注度检测结果为59分，则可以确定第一目标对象在待检测时间段的专注度属于异常。
[0073]
图3为本技术实施例提出的专注度检测方法的实现流程示意图三，如图3所示，若考核维度为横向维度，按照预设检测策略对第一眼动数据进行眼动分析处理，获得第一目标对象的专注度检测结果，即步骤103可以包括以下步骤：
[0074]
步骤103c、确定第二目标对象在待检测时间段内的第二眼动数据；其中，第二目标对象为第一目标对象以外的其他待检测对象。
[0075]
在本技术的实施例中，若考核维度为横向维度，按照预设检测策略对第一眼动数据进行眼动分析处理，获得第一目标对象的专注度检测结果，具体地，专注度检测系统可以先确定第二目标对象在待检测时间段内的第二眼动数据；其中，第二目标对象为第一目标
对象以外的其他待检测对象。
[0076]
需要说明的是，在本技术的实施例中，第二目标对象为第一目标对象以外的其他待检测对象，也就是说，第二目标对象可以包括多个待检测对象，但是第二目标对象中不包括第一目标对象。
[0077]
可以理解的是，在本技术的实施例中，第二眼动数据即为第二目标对象的眼动数据；由于在待检测时间段内，同时学习一个课程的待检测对象，其眼动数据之间应该是基本相同的，因此，可以将第一眼动数据与第二目标对象的第二眼动数据进行对比，如果第一眼动数据与第二眼动数据之间存在较大差异，则可能存在专注度异常。
[0078]
步骤103d、计算第一眼动数据与第二目标对象的第二眼动数据之间的第二相似度。
[0079]
在本技术的实施例中，专注度检测系统在确定第二目标对象在待检测时间段内的第二眼动数据之后，可以计算第一眼动数据与第二目标对象的第二眼动数据之间的第二相似度。
[0080]
需要说明的是，在本技术的实施例中，第二相似度的计算方式与前述第一相似度的计算方式基本相同，不同之处在于，由于，第二眼动数据中可能包括多个待检测对象的眼动数据，因此，需要先获得第二眼动数据的均值，进而将第一眼动数据与第二眼动数据的均值进行对比，第二相似度可以通过如下公式进行计算：
[0081][0082]
其中，r2为第二相似度，δi为第二眼动数据的均值。
[0083]
步骤103e、根据第二相似度和预存相似度与分值的对应关系确定专注度检测结果。
[0084]
在本技术的实施例中，专注度检测系统在计算任意两个向量之间的角度相关值之后，可以基于角度相关值生成特征信息。
[0085]
可以理解的是，在本技术的实施例中，由于预存相似度与分值的对应关系中包括第二相似度和分值的对应关系，因此，在得到第二相似度以后，可以根据第二相似度在预存相似度与分值的对应关系中获得对应的分值，从而将这个分值确定为专注度检测结果。
[0086]
图4为本技术实施例提出的专注度检测方法的实现流程示意图四，如图4所示，若考核维度为纵向维度，专注度检测系统按照预设检测策略对第一眼动数据进行眼动分析处理，获得第一目标对象的专注度检测结果，即步骤103可以包括以下步骤：
[0087]
步骤103f、获取第一目标对象的历史眼动数据。
[0088]
在本技术的实施例中，若考核维度为纵向维度，专注度检测系统按照预设检测策略对第一眼动数据进行眼动分析处理，获得第一目标对象的专注度检测结果，具体地，可以先获取第一目标对象的历史眼动数据。
[0089]
需要说明的是，在本技术的实施例中，历史眼动数据是指第一目标对象往日的眼动数据。
[0090]
步骤103g、确定第一眼动数据的第一眼动规律和历史眼动数据的第二眼动规律，并计算第一眼动规律和第二眼动规律之间的第三相似度。
[0091]
在本技术的实施例中，专注度检测系统在获取第一目标对象的历史眼动数据之
后，可以确定第一眼动数据的第一眼动规律和历史眼动数据的第二眼动规律，并计算第一眼动规律和第二眼动规律之间的第三相似度。
[0092]
需要说明的是，在本技术的实施例中，第一眼动规律是从第一眼动数据中提取的眼动规律，其反映第一目标对象在待检测时间段内所展现的眼动规律；而第二眼动规律是从历史眼动数据中提取的眼动规律，其反映的是第一目标对象在往日的在先学习过程中所展现出的眼动规律，换句话说，第二眼动规律可以反映第一目标对象的眼动习惯。
[0093]
进一步地，在本技术的实施例中，第三相似度是指第一眼动规律和第二眼动规律之间的相似度。
[0094]
需要说明的是，在本技术的实施例中，纵向维度实际上存在一个“容错”的作用，因为在纵向维度中，是与第一目标对象的第二眼动规律进行对比，而第二眼动规律能够反映第一目标对象一直以来的眼动习惯，也就是说，假设第一目标对象的第一眼动规律表现为注视点较为分散等可能会被认为是专注度异常的情况，但是第一目标对象的第二眼动规律同样表现为注视点较为分散等情况，即第三相似度较高，则说明第一目标对象的眼动习惯可能一直如此，并不能将其判定为专注度异常。
[0095]
步骤103h、根据第三相似度和预存相似度与分值的对应关系确定专注度检测结果。
[0096]
在本技术的实施例中，专注度检测系统在确定第一眼动数据的第一眼动规律和历史眼动数据的第二眼动规律，并计算第一眼动规律和第二眼动规律之间的第三相似度之后，可以根据第三相似度和预存相似度与分值的对应关系确定专注度检测结果。
[0097]
可以理解的是，在本技术的实施例中，预存相似度与分值的对应关系包括第三相似度和分值之间的对应关系，因此，可以根据第三相似度和预存相似度与分值的对应关系确定专注度检测结果。
[0098]
图5为本技术实施例提出的专注度检测方法的实现流程示意图五，如图5所示，若预设检测策略包括自主评价维度，专注度检测系统按照预设检测策略对第一眼动数据进行眼动分析处理，获得第一目标对象的专注度检测结果，即步骤103可以包括以下步骤：
[0099]
步骤103i、基于第一眼动数据生成评价请求。
[0100]
在本技术的实施例中，若预设检测策略包括自主评价维度，专注度检测系统按照预设检测策略对第一眼动数据进行眼动分析处理，获得第一目标对象的专注度检测结果，具体地，可以先基于第一眼动数据生成评价请求。
[0101]
需要说明的是，在本技术的实施例中，评价请求用于指示对第一眼动数据进行评价。
[0102]
示例性的，在本技术的实施例中，专注度检测系统可以基于第一眼动数据生成评价请求，并将获取的第一眼动数据和评价请求发送至老师所在的客户端。
[0103]
步骤103j、获取响应于评价请求的专注度检测结果。
[0104]
在本技术的实施例中，专注度检测系统在基于第一眼动数据生成评价请求之后，可以获取响应于评价请求的专注度检测结果。
[0105]
可以理解的是，在本技术的实施例中，专注度检测系统可以通过检测客户端上对评价请求的响应操作，来获取专注度检测结果。
[0106]
示例性的，在本技术的实施例中，专注度检测系统检测客户端的输入操作，检测到
输入数值86，则可以获取专注度检测结果，专注度检测结果为86分；专注度检测系统还可以通过检测到客户端的语音录入操作，检测到语音录入数值86，从而确定专注度检测结果为86分。
[0107]
图6为本技术实施例提出的专注度检测方法的实现流程示意图六，如图6所示，专注度检测系统获取待检测人脸特征信息，并根据待检测人脸特征信息在人脸信息库中确定第一目标对象之前，即步骤101之前，专注度检测方法还可以包括以下步骤：
[0108]
步骤104、获得多个待检测对象的多个人脸图像；其中，多个待检测对象至少包括第一目标对象和第二目标对象。
[0109]
在本技术的实施例中，专注度检测系统获取待检测人脸特征信息，并根据待检测人脸特征信息在人脸信息库中确定第一目标对象之前，可以获得多个待检测对象的多个人脸图像；其中，多个待检测对象至少包括第一目标对象和第二目标对象。
[0110]
需要说明的是，在本技术的实施例中，获取多个待检测对象的多个人脸图像，可以通过人脸采集设备对人脸图像进行采集，在采集到多个待检测对象的多个人脸图像之后，还需要对多个人脸图像进行裁剪处理；裁剪处理是指确定人脸在人脸图像中的大小和位置，然后将人脸从人脸图像中裁剪出来，从而得到仅包含人脸的人脸图像。
[0111]
进一步地，在本技术的实施例中，多个待检测对象至少包括第一目标对象和第二目标对象。
[0112]
步骤105、对多个人脸图像进行特征提取处理，获得多个人脸特征信息。
[0113]
在本技术的实施例中，专注度检测系统在获得多个待检测对象的多个人脸图像之后，对多个人脸图像进行特征提取处理，获得多个人脸特征信息。
[0114]
可以理解的是，在本技术的实施例中，进行特征提取处理是为了从人脸图像中获取人脸特征信息。
[0115]
步骤106、确定多个人脸特征信息对应的多个身份标签。
[0116]
在本技术的实施例中，专注度检测系统在多个人脸图像进行特征提取处理，获得多个人脸特征信息之后，可以确定多个人脸特征信息对应的多个身份标签。
[0117]
需要说明的是，在本技术的实施例中，身份标签包括姓名、班级、学号等信息，也就是说，身份标签可以用于对不同的人脸特征信息进行区分。
[0118]
示例性的，在本技术的实施例中，多个人脸特征信息为a、b、c，a、b、c对应的多个身份标签分别为：张三，1班，200701；李四，1班，200706；王五，1班，200715。
[0119]
进一步地，在本技术的实施例中，专注度检测系统确定多个身份标签可以通过响应身份标签的录入操作，从而对身份标签进行确定。
[0120]
步骤107、根据多个人脸特征信息和多个身份标签的对应关系生成人脸信息库。
[0121]
在本技术的实施例中，专注度检测系统在确定多个人脸特征信息对应的多个身份标签之后，可以根据多个人脸特征信息和多个身份标签的对应关系生成人脸信息库。
[0122]
可以理解的是，在本技术的实施例中，人脸信息库用于存储多个人脸特征信息和多个身份标签的对应关系，进而可以根据待检测人脸特征信息在人脸信息库中获取其身份标签，从而确定其身份信息。
[0123]
图7为本技术实施例提出的专注度检测方法的实现流程示意图七，如图7所示，专注度检测系统对多个人脸图像进行特征提取处理，获得多个人脸特征信息，即步骤105可以
包括以下步骤：
[0124]
步骤105a、对多个人脸图像进行对齐处理，获得多个标准人脸图像。
[0125]
在本技术的实施例中，专注度检测系统对多个人脸图像进行特征提取处理，获得多个人脸特征信息，具体地，专注度检测系统可以先对多个人脸图像进行对齐处理，获得多个标准人脸图像。
[0126]
需要说明的是，在本技术的实施例中，对齐处理是指从人脸图像中确定人脸上若干数量的关键点，例如眼角、鼻尖、嘴角等，然后根据这些关键点，通过相似变换操作，例如旋转、缩放、平移等，将多个人脸图像转换为标准规格的人脸图像，即多个标准人脸图像。
[0127]
步骤105b、对多个标准人脸图像进行特征建模处理，获得多个人脸特征信息。
[0128]
在本技术的实施例中，专注度检测系统在对多个人脸图像进行对齐处理，获得多个标准人脸图像之后，可以对多个标准人脸图像进行特征建模处理，获得多个人脸特征信息。
[0129]
需要说明的是，在本技术的实施例中，特征建模处理是指对多个标准人脸图像进行特征建模，得到人脸特征向量。
[0130]
可以理解的是，在本技术的实施例中，多个人脸特征信息即是指多个标准人脸图像对应的多个人脸特征向量。
[0131]
图8为本技术实施例提出的专注度检测方法的实现流程示意图八，如图8所示，专注度检测系统根据待检测人脸特征信息在人脸信息库中确定第一目标对象可以包括以下步骤：
[0132]
步骤201、将待检测人脸特征信息与人脸信息库中的多个人脸特征信息进行匹配处理，获得待检测人脸特征信息对应的身份标签。
[0133]
在本技术的实施例中，专注度检测系统根据待检测人脸特征信息在人脸信息库中确定第一目标对象，具体地，可以先将待检测人脸特征信息与人脸信息库中的多个人脸特征信息进行匹配处理，获得待检测人脸特征信息对应的身份标签。
[0134]
需要说明的是，在本技术的实施例中，可以设置分辨器进行匹配处理，分辨器可以利用主成分分析(principal components analysis，pca)，线性判别分析(linear discriminant analysis，lda)等技术进行识别，从而在人脸信息库中匹配到预存的人脸特征信息，进而根据匹配的人脸特征信息获取其对应的身份标签。
[0135]
步骤202、根据身份标签确定第一目标对象。
[0136]
在本技术的实施例中，专注度检测系统在将待检测人脸特征信息与人脸信息库中的多个人脸特征信息进行匹配处理，获得待检测人脸特征信息对应的身份标签之后，可以根据身份标签确定第一目标对象。
[0137]
可以理解的是，在本技术的实施例中，由于获取了身份标签，而身份标签可以展示该人脸特征信息对应的待检测对象的身份信息，因此，可以根据身份标签确定第一目标对象。
[0138]
示例性的，在本技术的实施例中，身份标签为张三，1班，200701，则可以确定第一目标对象为张三。
[0139]
图9为本技术实施例提出的专注度检测方法的实现流程示意图九，如图9所示，专注度检测系统在按照预设检测策略对第一眼动数据进行眼动分析处理，获得第一目标对象
的专注度检测结果之后，即步骤103之后，专注度检测方法还包括以下步骤：
[0140]
步骤108、对专注度检测结果和第一眼动数据进行显示处理。
[0141]
在本技术的实施例中，专注度检测系统在按照预设检测策略对第一眼动数据进行眼动分析处理，获得第一目标对象的专注度检测结果之后，可以对专注度检测结果和第一眼动数据进行显示处理。
[0142]
需要说明的是，在本技术的实施例中，显示处理是指对专注度检测结果和第一眼动数据进行显示，其中，在对第一眼动数据进行显示时，可以将第一眼动数据以柱状图、饼图、表格等的形式进行显示，令显示方式更直观。
[0143]
本技术实施例提供了一种专注度检测方法，专注度检测系统获取待检测人脸特征信息，并根据待检测人脸特征信息在人脸信息库中确定第一目标对象；获取第一目标对象在待检测时间段内的第一眼动数据；其中，第一眼动数据包括凝视点、注视点、热图以及关注顺序；按照预设检测策略对第一眼动数据进行眼动分析处理，获得第一目标对象的专注度检测结果；其中，预设检测策略用于进行多个考核维度的检测，多个考核维度包括以下多个维度中的至少两个：标准维度、横向维度、纵向维度以及自主评价维度。也就是说，在本技术的实施例中，首先，专注度检测系统在获取了待检测人脸特征信息后，可以在人脸特征信息库中确定出该待检测人脸特征信息所对应的第一目标对象，进而可以对第一目标对象在待检测时间段内的第一眼动数据进行采集，第一眼动数据中包括凝视点、注视点、热图以及关注顺序，能够全面描述第一目标对象在待检测时间段内的眼动情况，进而专注度检测系统可以利用预设检测策略对第一眼动数据进行多个考核维度的检测，且多个考核维度包括标准维度、横向维度、纵向维度以及自主评价维度中的至少两个，从而通过多考核维度的检测方式获得准确、客观且有效的专注度检测结果，提高了专注度检测方法的灵活度，获得了更好的反馈效果。
[0144]
实施例二
[0145]
在本技术的另一实施例中，图10为本技术实施例提出的专注度检测方法的实现示意图，如图10所示，专注度检测系统主要可以包括人脸采集模块、人脸识别模块以及数据分析模块，其中，人脸采集模块主要用于录入待检测对象的人脸特征信息，并根据人脸特征信息建立并管理人脸信息库；人脸识别模块主要用于识别目标对象，识别出目标对象后，就可以针对该目标对象进行眼动数据的获取和具体分析；数据分析模块主要用于对目标对象的眼动数据进行分析，并输出专注度检测结果。
[0146]
进一步地，在本技术的实施例中，在确认目标对象时，需要将目标对象的人脸特征信息和人脸信息库中的多个人脸特征信息进行匹配处理，从而确认该目标对象的身份信息。
[0147]
需要说明的是，在本技术的实施例中，如果目标对象的人脸特征信息和人脸信息库中的多个人脸特征信息匹配失败，则可以重新录入该目标对象的人脸特征信息。
[0148]
示例性的，在本技术的实施例中，可以先在专注度检测系统中录入标准眼动数据，标准眼动数据可以是由老师录入的眼动数据，专注度检测系统通过响应标准眼动数据的录入操作对标准眼动数据进行录入并存储，以用于后续的标准维度的考核方式。进一步地，在录入标准眼动数据之前，还可以对老师的人脸特征信息进行录入。
[0149]
进一步地，在本技术的实施例中，专注度检测系统还可以通过响应制定规则的操
作，来实现定制化的规则设置。示例性的，当老师有定制规则的需求时，专注度检测系统可以生成规则设置请求并在显示端进行显示，进而通过响应规则设置请求生成定制规则；例如，老师可以设置凝视点消失时间超过预设时间间隔时进行相应的扣分，或者注视点持续时间超过预设时间间隔进行相应的扣分等。
[0150]
示例性的，在本技术的实施例中，待检测对象可以是多个学生，进而将这些学生的人脸特征信息进行录入，并保存在人脸信息库中。
[0151]
进一步地，在本技术的实施例中，当待检测对象处于上课过程中时，专注度检测系统可以实时采集目标对象的眼动数据，包括凝视点、注视点、热图以及关注顺序。
[0152]
进一步地，在本技术的实施例中，通过实时采集目标对象的眼动数据，并结合标准维度、横向维度、纵向维度以及自主评价维度中的至少两个考核维度，对眼动数据进行分析，得到专注度检测结果；其中，自主评价维度是通过响应评价请求的方式，得到专注度检测结果，例如，通过检测客户端的输入操作或者客户端的语音录入操作，来确定专注度检测结果。
[0153]
可以理解的是，在本技术的实施例中，采用至少两个考核维度对对眼动数据进行分析能够得到更为客观和准确的专注度检测结果。例如，在标准维度下，目标对象的专注度检测结果被判定为异常，但是在纵向维度的分析下，认为该目标对象的眼动情况与其一直以来所表现出的眼动规律相似，不能仅依靠标准维度将其判定为专注度异常，从而通过标准维度和纵向维度结合的考核方式，能够对目标对象的专注度进行更准确的判定。
[0154]
进一步地，在本技术的实施例中，可以在专注度检测系统后台建立考核维度和相关模型与算法，以用于专注度检测，同时需要录入人脸信息建立人脸信息库，用于对目标对象的身份信息进行确认；进而，专注度检测系统在根据眼动数据进行分析并得到专注度检测结果后，可以以多种直观的方式对专注度检测结果和眼动数据进行显示，例如以柱状图、饼图、表格等的形式进行显示。
[0155]
需要说明的是，在本技术的实施例中，专注度检测方法还可以应用于考试场景中，包括防作弊功能和分析目标对象考试状态等功能。示例性的，在防作弊功能中，利用专注度检测系统实时获取目标对象在待检测时间段内的眼动数据，若在预设时间间隔内没有检测到目标对象的眼动数据，或检测到目标对象的眼动数据长时间处于异常状态，例如注视点或热图处于规定区域以外，则可能存在作弊嫌疑，进而生成作弊提示信息；而在分析目标对象考试状态功能中，利用专注度检测系统获取目标对象在待检测时间段内的眼动数据，进而对凝视点、注视点、热图以及关注顺序进行分析，例如可以获得目标对象的答题顺序，以及对于不同题目的停留时间等，从而获取目标对象的考试状态。
[0156]
综上所述，本技术利用专注度检测系统实现了在远程在线教学学习场景下的有效监督与评估，能够帮助老师在课前、课上以及课后更好的根据学生的上课专注度进行教学调整，并针对性的对部分同学设计相关教学方案，提供相应的监督计划，提升老师与学生的交流和教学效率；另一方面，也可以帮助学生在课前和课后针对专注度检测结果的反馈对自己的学习状态进行适当的调整。
[0157]
本技术实施例提供了一种专注度检测方法，专注度检测系统获取待检测人脸特征信息，并根据待检测人脸特征信息在人脸信息库中确定第一目标对象；获取第一目标对象在待检测时间段内的第一眼动数据；其中，第一眼动数据包括凝视点、注视点、热图以及关
注顺序；按照预设检测策略对第一眼动数据进行眼动分析处理，获得第一目标对象的专注度检测结果；其中，预设检测策略用于进行多个考核维度的检测，多个考核维度包括以下多个维度中的至少两个：标准维度、横向维度、纵向维度以及自主评价维度。也就是说，在本技术的实施例中，首先，专注度检测系统在获取了待检测人脸特征信息后，可以在人脸特征信息库中确定出该待检测人脸特征信息所对应的第一目标对象，进而可以对第一目标对象在待检测时间段内的第一眼动数据进行采集，第一眼动数据中包括凝视点、注视点、热图以及关注顺序，能够全面描述第一目标对象在待检测时间段内的眼动情况，进而专注度检测系统可以利用预设检测策略对第一眼动数据进行多个考核维度的检测，且多个考核维度包括标准维度、横向维度、纵向维度以及自主评价维度中的至少两个，从而通过多考核维度的检测方式获得准确、客观且有效的专注度检测结果，提高了专注度检测方法的灵活度，获得了更好的反馈效果。
[0158]
实施例三
[0159]
基于上述实施例，在本技术的另一实施例中，图11为本技术实施例提出的专注度检测系统的组成结构示意图一，如图11所示，本技术实施例提出的专注度检测系统10可以包括确定单元11、获取单元12、分析单元13，处理单元14、生成单元15以及显示单元16，
[0160]
所述确定单元11，用于获取待检测人脸特征信息，并根据所述待检测人脸特征信息在人脸信息库中确定所述第一目标对象。
[0161]
所述获取单元12，用于获取所述第一目标对象在待检测时间段内的第一眼动数据；其中，所述第一眼动数据包括凝视点、注视点、热图以及关注顺序。
[0162]
所述分析单元13，用于按照预设检测策略对所述第一眼动数据进行眼动分析处理，获得所述第一目标对象的专注度检测结果；其中，所述预设检测策略用于进行多个考核维度的检测，所述多个考核维度包括以下多个维度中的至少两个：标准维度、横向维度、纵向维度以及自主评价维度。
[0163]
进一步地，所述分析单元13，具体用于若所述预设检测策略包括所述标准维度，则计算所述第一眼动数据与标准眼动数据之间的第一相似度；根据所述第一相似度和预存相似度与分值的对应关系确定所述专注度检测结果。
[0164]
进一步地，所述分析单元13，具体用于若所述考核维度为所述横向维度，则确定第二目标对象在所述待检测时间段内的第二眼动数据；其中，所述第二目标对象为所述第一目标对象以外的其他待检测对象；计算所述第一眼动数据与第二目标对象的第二眼动数据之间的第二相似度；并根据所述第二相似度和预存相似度与分值的对应关系确定所述专注度检测结果。
[0165]
进一步地，所述分析单元13，具体用于若所述考核维度为所述纵向维度，则获取所述第一目标对象的历史眼动数据；确定所述第一眼动数据的第一眼动规律和所述历史眼动数据的第二眼动规律，并计算所述第一眼动规律和所述第二眼动规律之间的第三相似度；根据所述第三相似度和预存相似度与分值的对应关系确定所述专注度检测结果。
[0166]
进一步地，所述分析单元13，具体用于若所述预设检测策略包括所述自主评价维度，则基于所述第一眼动数据生成评价请求；获取响应于所述评价请求的所述专注度检测结果。
[0167]
进一步地，所述获取单元12，还用于在所述确定单元11获取待检测人脸特征信息，
并根据所述待检测人脸特征信息在人脸信息库中确定所述第一目标对象之前，获得多个待检测对象的多个人脸图像；其中，所述多个待检测对象至少包括所述第一目标对象和第二目标对象。
[0168]
所述处理单元14，用于对所述多个人脸图像进行特征提取处理，获得多个人脸特征信息。
[0169]
进一步地，所述确定单元11，还用于确定所述多个人脸特征信息对应的多个身份标签。
[0170]
所述生成单元15，用于根据所述多个人脸特征信息和所述多个身份标签的对应关系生成所述人脸信息库。
[0171]
进一步地，所述处理单元14，具体用于对所述多个人脸图像进行对齐处理，获得多个标准人脸图像；以及对所述多个标准人脸图像进行特征建模处理，获得所述多个人脸特征信息。
[0172]
进一步地，所述确定单元11，具体用于将所述待检测人脸特征信息与所述人脸信息库中的所述多个人脸特征信息进行匹配处理，获得所述待检测人脸特征信息对应的身份标签；以及根据所述身份标签确定所述第一目标对象。
[0173]
所述显示单元16，用于在所述分析单元13按照预设检测策略对所述第一眼动数据进行眼动分析处理，获得所述第一目标对象的专注度检测结果之后，对所述专注度检测结果和所述第一眼动数据进行显示处理。
[0174]
图12为本技术实施例提出的专注度检测系统的组成结构示意图二，如图12所示，本技术实施例提出的专注度检测系统10还可以包括处理器17、存储有处理器17可执行指令的存储器18，进一步地，专注度检测系统10还可以包括通信接口19，和用于连接处理器17、存储器18以及通信接口19的总线110。
[0175]
在本技术的实施例中，上述处理器17可以为特定用途集成电路(application specific integrated circuit，asic)、数字信号处理器(digital signal processor，dsp)、数字信号处理装置(digital signal processing device，dspd)、可编程逻辑装置(programmable logic device，pld)、现场可编程门阵列(field programmable gate array，fpga)、中央处理器(central processing unit，cpu)、控制器、微控制器、微处理器中的至少一种。可以理解地，对于不同的设备，用于实现上述处理器功能的电子器件还可以为其它，本技术实施例不作具体限定。处理器17还可以包括存储器18，该存储器18可以与处理器17连接，其中，存储器18用于存储可执行程序代码，该程序代码包括计算机操作指令，存储器18可能包含高速ram存储器，也可能还包括非易失性存储器，例如，至少两个磁盘存储器。
[0176]
在本技术的实施例中，总线110用于连接通信接口19、处理器17以及存储器18以及这些器件之间的相互通信。
[0177]
在本技术的实施例中，存储器18，用于存储指令和数据。
[0178]
进一步地，在本技术的实施例中，上述处理器17，用于获取待检测人脸特征信息，并根据所述待检测人脸特征信息在人脸信息库中确定所述第一目标对象；
[0179]
获取所述第一目标对象在待检测时间段内的第一眼动数据；其中，所述第一眼动数据包括凝视点、注视点、热图以及关注顺序；
[0180]
按照预设检测策略对所述第一眼动数据进行眼动分析处理，获得所述第一目标对象的专注度检测结果；其中，所述预设检测策略用于进行多个考核维度的检测，所述多个考核维度包括以下多个维度中的至少两个：标准维度、横向维度、纵向维度以及自主评价维度。
[0181]
在实际应用中，上述存储器18可以是易失性存储器(volatile memory)，例如随机存取存储器(random-access memory，ram)；或者非易失性存储器(non-volatile memory)，例如只读存储器(read-only memory，rom)，快闪存储器(flash memory)，硬盘(hard disk drive，hdd)或固态硬盘(solid-state drive，ssd)；或者上述种类的存储器的组合，并向处理器17提供指令和数据。
[0182]
另外，在本实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
[0183]
集成的单元如果以软件功能模块的形式实现并非作为独立的产品进行销售或使用时，可以存储在一个计算机可读取存储介质中，基于这样的理解，本实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或processor(处理器)执行本实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
[0184]
本技术实施例提供了一种专注度检测系统，专注度检测系统获取待检测人脸特征信息，并根据待检测人脸特征信息在人脸信息库中确定第一目标对象；获取第一目标对象在待检测时间段内的第一眼动数据；其中，第一眼动数据包括凝视点、注视点、热图以及关注顺序；按照预设检测策略对第一眼动数据进行眼动分析处理，获得第一目标对象的专注度检测结果；其中，预设检测策略用于进行多个考核维度的检测，多个考核维度包括以下多个维度中的至少两个：标准维度、横向维度、纵向维度以及自主评价维度。也就是说，在本技术的实施例中，首先，专注度检测系统在获取了待检测人脸特征信息后，可以在人脸特征信息库中确定出该待检测人脸特征信息所对应的第一目标对象，进而可以对第一目标对象在待检测时间段内的第一眼动数据进行采集，第一眼动数据中包括凝视点、注视点、热图以及关注顺序，能够全面描述第一目标对象在待检测时间段内的眼动情况，进而专注度检测系统可以利用预设检测策略对第一眼动数据进行多个考核维度的检测，且多个考核维度包括标准维度、横向维度、纵向维度以及自主评价维度中的至少两个，从而通过多考核维度的检测方式获得准确、客观且有效的专注度检测结果，提高了专注度检测方法的灵活度，获得了更好的反馈效果。
[0185]
具体来讲，本实施例中的一种专注度检测方法对应的程序指令可以被存储在光盘，硬盘，u盘等存储介质上，当存储介质中的与一种专注度检测方法对应的程序指令被一电子设备读取或被执行时，包括如下步骤：
[0186]
获取待检测人脸特征信息，并根据所述待检测人脸特征信息在人脸信息库中确定所述第一目标对象；
[0187]
获取所述第一目标对象在待检测时间段内的第一眼动数据；其中，所述第一眼动数据包括凝视点、注视点、热图以及关注顺序；
[0188]
按照预设检测策略对所述第一眼动数据进行眼动分析处理，获得所述第一目标对象的专注度检测结果；其中，所述预设检测策略用于进行多个考核维度的检测，所述多个考核维度包括以下多个维度中的至少两个：标准维度、横向维度、纵向维度以及自主评价维度。
[0189]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
[0190]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的实现流程示意图和/或方框图来描述的。应理解可由计算机程序指令实现流程示意图和/或方框图中的每一流程和/或方框、以及实现流程示意图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在实现流程示意图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0191]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在实现流程示意图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0192]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在实现流程示意图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0193]
以上所述，仅为本技术的较佳实施例而已，并非用于限定本技术的保护范围。