一种基于人工智能的行为分析方法和系统的制作方法
【专利摘要】本发明提供一种基于人工智能的行为分析方法和系统，用于培养儿童的良好习惯，包括：信息采集模块，用于采集待分析用户的实时状态信息；行为处理分析模块，用于对实时状态信息进行分析处理，从而判断待分析用户的疲劳度和专注度。实时状态信息包括：行为信息和环境信息。处理分析模块包括：用于对行为信息进行检测和提取处理，获取特征行为信息的预处理子模块，以及根据特征行为信息与标准行为模型进行比较分析，从而判断出待分析用户的疲劳度和专注度的判断分析子模块。本发明基于人工智能与大数据分析，对儿童的不良学习习惯的行为信息进行分析，通过家长的引导教育进行矫正，提高儿童的学习专注力与自主学习能力，最终实现儿童的良好习性养成。
【专利说明】
一种基于人工智能的行为分析方法和系统
技术领域
[0001]本发明涉及物联网的信息处理领域，特别是涉及一种针对儿童习惯的基于人工智能的行为分析系统和方法。【背景技术】
[0002]当今社会，儿童的教育问题已经成为家长们最关心的话题之一。一般来讲，5-12岁的年龄段是儿童培养学习习惯、提高专注力的关键时期，良好的注意力及学习习惯，对其成长将有着决定性的作用。因此，如何培养孩子良好的学习习惯，使其身心得以健康发展一直是家长和老师们最为关心的话题。活泼好动是大多数儿童的天性。然而，如果不加以约束和培养，这个天性对儿童的学习将带来一定的负面影响。
[0003]现实中，家长们往往因为繁忙的工作，常常没有太多的时间陪伴在孩子的身边;而孩子本身的自控能力较差，无法长时间集中注意力，久而久之，不良的学习习惯就会养成， 从而严重影响到孩子的学习成绩。即便家长可以腾出时间，实时陪伴在孩子的身边，辅导并纠正孩子的学习习惯，但是长期下来也容易助长儿童的惰性及其逆反心理，同样影响儿童的心理健康。
[0004]并且，儿童正处于身体发育期，不正确的坐姿也容易引起骨骼变形、驼背、歪头斜视和视力下降等问题，这对于儿童的生理同样要产生莫大的伤害。
[0005]如何在保证儿童的身心健康的同时，对儿童学习时的行为进行分析，引导儿童纠正不良的学习习惯，最终养成良好的学习习惯已经成为家长及其老师所亟待解决的一个问题。
【发明内容】
[0006]鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于人工智能的行为分析系统和方法，用于解决现有技术中如何有效培养孩子的良好学习习性，养成良好的学习习惯的问题。
[0007]为实现上述目的及其他相关目的，本发明提供一种基于人工智能的行为分析系统，包括:信息采集模块，用于采集待分析用户的实时状态信息;行为处理分析模块，用于对所述实时状态信息进行分析处理，从而判断所述待分析用户的精神状态。
[0008]于本发明的一实施例中，所述实时状态信息包括:行为信息和环境信息；其中，所述行为信息包括面部表情信息和肢体行为信息;所述待分析用户的精神状态包括:疲劳度和专注度。
[0009]于本发明的一实施例中，所述信息采集模块包括视频设备和音频设备，其中，所述视频设备用于采集所述待分析用户的视频格式和/或图片格式的实时的所述行为信息;所述音频设备用于采集所述待分析用户所处环境的音频格式的所述环境信息。
[0010]于本发明的一实施例中，所述处理分析模块包括预处理子模块和判断分析子模块;所述预处理子模块，用于对视频格式和/或图像格式的所述行为信息进行检测和提取处理，获取特征行为信息;所述判断分析子模块，用于根据所述预处理子模块处理获得的所述特征行为信息，与标准行为模型进行比较分析，从而判断出所述待分析用户的疲劳度和专注度。
[0011]于本发明的一实施例中，所述标准行为模型对于不同的所述待分析用户是不同的，其是对所述待分析用户的长期的行为信息进行自适应匹配而形成的。
[0012]于本发明的一实施例中，所述特征行为信息包括眼部信息、肌肉动作和唇部表情。
[0013]于本发明的一实施例中，所述信息采集模块和所述预处理子模块位于所述待分析用户侧，所述判断分析子模块位于云端;所述预处理子模块与所述判断分析子模块之间通过无线通信方式进行数据传输;或，所述预处理子模块和所述判断分析子模块同位于云端， 所述信息采集模块与所述预处理子模块之间通过无线通信方式进行数据传输。
[0014]于本发明的一实施例中，所述行为分析系统还包括分别与所述行为处理分析模块和所述信息采集模块通过无线网络连接的报告反馈模块，所述报告反馈模块用于根据所述行为处理分析模块分析判断获得的所述待分析用户的精神状态，总结获得行为分析报告， 并根据所述行为分析报告对所述待分析用户做出相应的信息反馈。
[0015]于本发明的一实施例中，所述信息反馈的方式包括:直接反馈和间接反馈;其中， 所述直接反馈包括:将反馈的信息通过无线网络直接发送至所述信息采集模块;所述间接反馈包括:将反馈的信息通过无线网络经由所述行为处理分析模块间接反馈至所述信息采集模块。
[0016]于本发明的一实施例中，所述信息采集模块的所述视频设备用于通过播放视频或图像的方式提醒所述待分析用户;所述信息采集模块的所述音频设备用于通过播放语音的方式提醒所述待分析用户;所述信息采集模块还包括用于通过振动的方式提醒所述待分析用户的振动提示设备。
[0017]本发明还公开了一种基于人工智能的行为分析方法，包括:采集待分析用户的实时状态信息;分析处理所述待分析用户的所述实时状态信息，从而判断所述待分析用户的精神状态。
[0018]于本发明的一实施例中，所述实时状态信息包括:行为信息和环境信息；其中，所述行为信息包括面部表情信息和肢体行为信息;所述待分析用户的精神状态包括疲劳度和专注度。
[0019]于本发明的一实施例中，所述分析处理所述待分析用户的所述实时状态信息，从而判断所述待分析用户的疲劳度和专注度的步骤包括:对所述行为信息进行检测和提取处理，获取特征行为信息;将所述特征行为信息与标准行为模型进行比较分析，从而判断出所述待分析用户的疲劳度和专注度;其中，所述标准行为模型是对所述待分析用户的长期的行为信息的自适应匹配而形成的。
[0020]于本发明的一实施例中，所述行为分析方法还包括:根据判断得到的所述待分析用户的精神状态，总结获得行为分析报告；并根据所述行为分析报告对所述待分析用户做出相应的信息反馈。
[0021]如上所述，本发明的一种基于人工智能的行为分析系统和方法，是基于人工智能与大数据分析的行为分析系统。本发明的待分析用户主要是针对于儿童，用于培养儿童的良好学习习惯。儿童可以使用本发明在不受影响地情况下进行学习，娱乐等活动，儿童的实时状态信息(行为信息和环境信息)被采集并上传至云端的服务器或云处理平台，进行行为信息的数据被进一步地分类整合，从而判断儿童的疲劳度和专注度;并最终在远端平台形成完整的行为分析报告，得到全面直观的第一手资料。根据行为分析报告，家长或老师可随时随地了解儿童的当前状态信息，可对儿童行为适时提供信息反馈。并且，本发明采用的信息采集模块集声、光、电及震动为一体，可对采集到的信息进行预处理，在儿童侧完成信息反馈功能，这种自动托管模式使得该系统更为方便与人性化。本发明旨在为儿童的学习习惯提供一种远程养成矫正系统，通过家长的引导教育，矫正孩子不良的学习习惯，提高孩子的学习专注力与自主学习能力，最终实现儿童的良好习性养成。【附图说明】
[0022]图1显示为本发明实施例公开的一种基于人工智能的行为分析系统的原理示意图。
[0023]图2显示为本发明实施例公开的一种基于人工智能的行为分析系统的结构示意图。[〇〇24]图3显示为本发明实施例公开的学习曲线的示意图。
[0025]图4显示为本发明实施例公开的一种基于人工智能的行为分析系统的信息传递示意图。
[0026]图5显示为本发明实施例公开的一种基于人工智能的行为分析方法的流程示意图。[〇〇27] 元件标号说明 [〇〇28]110信息采集模块[〇〇29]120处理分析模块[〇〇3〇]121预处理子模块[〇〇31]122判断分析子模块[〇〇32]130报告反馈模块
[0033]S10?S40 步骤【具体实施方式】[〇〇34]以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的【具体实施方式】加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
[0035]请参阅附图。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、 形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
[0036]本发明公开了一种基于人工智能与大数据分析的行为分析系统和行为分析方法， 用于培养儿童的良好学习习惯。本发明搭载FPGA(Field — Programmable Gate Array，现场可编程门阵列)或DSP(Digital Signal Processing，数据信号处理)等数据算法处理器、云处理等网络大数据计算平台对图像数据进行处理，通过对儿童习惯、行为进行分析与发现， 结合个体差异，从儿童行为判断其疲劳状况和讯息专注度，与优等生的习惯进行比对分析， 而后将比对分析内容提供给父母或老师，便于他们及时了解孩子当前情况，对儿童施以管教和引导，有益于培养孩子良好的学习习性，纠正不良的学习状态，提高学习效率，最终养成良好的学习习惯。[〇〇37] 实施例1
[0038]如图1、和图2所示，本实施例公开了一种基于人工智能的行为分析系统包括:信息采集模块110、处理分析模块120和报告反馈模块130。其中，
[0039]所述信息采集模块110位于待分析用户侧，S卩儿童侧，用于采集儿童的实时状态信息。其中，实时状态信息包括但不限于环境信息和儿童的行为信息。行为信息包括但不限于:面部表情信息和肢体行为信息。
[0040]进一步地，本实施例的信息采集模块110包括但不限于视频设备、音频设备、振动设备和其他可实现引导干预目的的光电辅助设备。
[0041]其中，视频设备用于采集儿童的视频格式和/或图片格式的实时的行为信息。优选地，视频设备为摄像头。摄像头可直接固定在最佳的采集位置，也可搭载在电机的转轴上， 方便摄像头灵活地转动以找寻人脸的最佳拍摄角度。
[0042]音频设备用于采集儿童所处环境的音频格式的实时的环境声音信息。[〇〇43]处理分析模块120用于对儿童的实时状态信息进行分析处理，从而判断出儿童的精神状态。其中，精神状态包括但不限于疲劳度和专注度。处理分析模块120主要基于面部及行为智能分析技术，通过锁定视频中的面部及行为图像，结合生物医学中的注意力时间曲线，利用相关图像处理技术加载算法，对人脸信息如面部表情、肌肉动作、唇语等进行智能分析，判断精神状态与疲劳程度。该模块所得的所有数据被上传至云端，经过进一步的儿童习惯行为分析与发现，对儿童的身体疲劳状况，学习专注度，最优学习曲线等进行分析， 从而判断出儿童的疲劳度和专注度。[〇〇44]处理分析模块120包括预处理子模块121和判断分析子模块122。其中，
[0045]预处理子模块121用于对信息采集模块110采集的实时状态信息进行检测和提取， 获取相应的特征行为信息。譬如说，对于通过摄像头所采集的视频格式和/或图片格式的行为信息。预处理子模块121既可以是集成特定功能的ARM处理器，也可以是集成于SoC (System on Chip，系统级芯片)内核的FPGA以及DSP处理器。预处理子模块121首先要锁定视频格式和/或图片格式的行为信息中的脸部区域，对面部表情、动作和人眼信息等进行切割和碎片化整理，实现对所述行为信息的初步提取和分类，处理获得特征行为信息。其中， 特征行为信息包括但不限于眼部信息(眨眼频率)、肌肉动作和唇部表情等等。[〇〇46]预处理子模块121既可位于儿童侧，也可位于云端。由于信息采集模块110采集的实时状态信息的数据包括视频格式、图片格式和音频格式，数据量是非常大的，因此。出于网络数据传输的考虑，优选将预处理子模块121设置于儿童侧。[〇〇47]判断分析子模块122,用于根据预处理子模块121处理获得的特征行为信息，与数据库中的标准行为数据或标准行为模型进行比较分析，得到面部的细微变化，从而对儿童的疲劳度和专注度做出相应的判断。由于儿童的疲劳度和专注度的判断和分析，数据处理量比较大，因此，判断分析子模块122被设置于云端，基于云处理技术对特征行为信息进行大数据处理分析和算法加载。[〇〇48]当预处理子模块121位于儿童侧时，预处理子模块121与判断分析子模块122之间通过无线通信方式进行数据传输。当预处理子模块121位于云端时，信息采集模块110与预处理子模块121之间通过无线通信方式进行数据传输。其中，本实施例中的无线通信方式包括但不限于:射频技术、红外技术、WIFI技术、蓝牙技术和和ZigBee技术。[〇〇49]判断分析子模块122会针对儿童常见行为习惯等已有的大数据的进行处理分析和算法加载，得出标准疲劳值，活跃度，眨眼频率，行为姿态等特征数据，进一步训练得到标准行为模型或标准行为数据，用于与预处理子模块121所获取的特征行为信息进行比对。判断分析子模块122将接收到的特征行为信息载入标准行为模型中，数据会依据特征行为信息的不同进入不同的特征域，已经过多层处理的数据经过简单的特征比对后即可输出分析结果;而较复杂的数据经过量化处理，而后通过多层算法结构的行为比对，剔除有误的标定特征，对数据再处理，最终输出分析结果。
[0050]并且，考虑到待分析儿童的差异性，标准行为模型需要通过自适应学习来匹配待分析儿童的。通过长时间的对大数据挖掘及行为习惯的分析及发现，该模型会根据与实际模型的差距，不断地存储新的信息量并更新已有数据，形成更为匹配的标准行为模块。通过不断地进行训练，进化及自学习，标准行为模型可以更加如实地映射出实际情况。
[0051]在本实施例中，为了更加方便地显示儿童学习过程中的行为状态，增加了展示儿童学习质量的学习曲线，如图3所示。并进一步地，将最优学习曲线相关的特征量存储于标准行为模型中。其中，学习曲线中的学习专注系数S主要由疲劳值，活跃度，眨眼频率，行为姿态等信息经综合评估得到。图3所示的学习曲线，其横坐标为时间t，纵坐标为学习专注系数S，结合生物医学的相关理论，学习专注越高，图中的学习专注系数S值越大。最优学习曲线1反映出儿童在学习的过程中可以保持一段较长时间的注意力，而监测学习曲线2却表明儿童此时学习注意力难以集中。考虑到儿童个体间的差异，最优学习曲线反映的是待分析儿童的最佳状态。[〇〇52]报告反馈模块130,位于远程终端侧，用于根据行为处理分析模块120分析判断获得的儿童的疲劳度和专注度，总结获得行为分析报告，并根据行为分析报告对儿童做出相应的信息反馈。报告反馈模块130分别与处理分析模块120(判断分析子模块122)和信息采集模块110通过之间通过无线通信方式进行数据传输。其中，本实施例中的无线通信方式包括但不限于:射频技术、红外技术、WIFI技术、蓝牙技术和和ZigBee技术。[〇〇53]所述报告反馈模块130是通过安装在远程终端上的应用软件或者APP来实现的。其中，远程终端包括存储器、存储器控制器、一个或多个处理器(CPU)、接口电路、RF(射频)电路、音频电路、扬声器、麦克风、输入/输出(I/O)子系统、显示屏、其他输出或控制设备，以及外部端口。这些组件通过一条或多条通信总线或信号线进行通信。远程终端是电子设备，包括但不限于笔记本电脑、电脑、平板电脑、智能手机、多媒体播放器、个人数字助理(PDA)等等，还可能包括其中两项或多项的组合。应当理解，本实施例中列举的远程终端只是电子设备的一个实例，该设备的组件可以比图示中给出的具有更多或更少的组件，或具有不同的组件配置。[〇〇54]报告反馈模块130将从处理分析模块120(判断分析子模块122)接收到的数据进行再处理，对待分析儿童的当前情况进行细致分析，最终形成以图表为主，文字说明为辅的具有个人定制风格的行为分析报告反馈给终端用户(父母或老师)。并且，如果对远程终端平台的功能进行进一步地扩展，则信息采集模块110采集的原始视频格式、和/或图片格式的行为信息、以及音频格式的环境信息可以同步显示在远程终端平台的人机交互面板的显示屏上。
[0055]报告反馈模块130还会针对行为分析报告做出相应的信息反馈。该信息反馈可以是自动提醒，也可以是人为反馈。自动提醒是根据待分析儿童的状态，直接作用于信息采集模块110,向儿童发送信息采集模块110内部存储的声、光、电或振动信息达到提醒目的。例如，在采集的实时状态信息中，儿童已经连续学习了45分钟，则向儿童发送信息采集模块 110内部存储的声音信息“用眼达到45分钟，需休息10分钟”。人为反馈是远程终端的用户根据具体的情况，选择发送语音，播放音乐或者发送灯光变换，模块震动指令等方式。例如，采集到的实时状态信息显示儿童的眼睛并没有专注于书本，父母或老师通过远程语音提醒儿童“应该集中注意力学习”。反馈的信息的模式也更为灵活多样，如视频输出，语音输出，语音输入等等。该远程终端平台可以是手机终端或其他可进行无线网络连接的触摸屏，终端用户(父母或老师)可通过手动或者语音识别系统来对其操作。该方法简化了系统复杂度， 进一步提尚人机交互体验。
[0056]进一步地，如图4所示，信息反馈的方式包括直接反馈或间接反馈:[〇〇57]直接反馈是将反馈的信息(语音、视频或其他指令信息)通过无线网络直接反馈回信息采集模块110。这种反馈方式使得整个行为分析系统的数据传输形成一个闭环。
[0058]间接反馈是将反馈的信息(语音、视频或其他指令信息)通过无线网络经由处理分析模块120反馈回信息采集模块110。
[0059]信息采集模块110根据接收到的指令不同，通过播放语音、视频或者震动的方式达到提醒儿童的目的。其中，信息采集模块110的视频设备用于通过播放视频或图像的方式提醒儿童；信息采集模块110的音频设备用于通过播放语音的方式提醒儿童；信息采集模块 110的振动设备用于通过振动的方式提醒儿童。
[0060]此外，为了突出本发明的创新部分，本实施例中并没有将与解决本发明所提出的技术问题关系不太密切的模块引入，但这并不表明本实施例中不存在其它的模块。[0061 ] 实施例2
[0062]本实施例公开了一种用于培养儿童良好习惯的基于人工智能的行为分析方法，如图5所示，包括:[〇〇63]步骤S10，采集待分析用户(儿童)的实时状态信息；
[0064]实时状态信息包括但不限于环境信息和儿童的行为信息。行为信息包括但不限于:面部表情信息和肢体行为信息。[〇〇65]步骤S20,分析处理儿童的实时状态信息，从而判断儿童的精神状态，其中，精神状态包括但不限于疲劳度和专注度。具体包括:
[0066]检测和提取实时状态信息，获取相应的特征行为信息:
[0067]锁定实时状态信息中的脸部区域，对面部表情，动作，人眼信息等进行切割和碎片化整理，实现对行为信息的初步提取和分类，处理获得特征行为信息。
[0068]依据数据库中的标准行为数据或标准行为模型对特征行为信息进行比较分析，从而判断儿童的疲劳度和专注度:
[0069]针对儿童常见行为习惯等已有的大数据的进行处理分析和算法加载，得出标准疲劳值，活跃度，眨眼频率，行为姿态等特征数据，进一步训练得到标准行为模型或标准行为数据，与特征行为信息进行比对。特征行为信息在载入标准行为模型后，数据会依据特征行为信息的不同进入不同的特征域，已经过多层处理的数据经过简单的特征比对后即可输出分析结果;而较复杂的数据经过量化处理，而后通过多层算法结构的行为比对，剔除有误的标定特征，对数据再处理，最终输出分析结果。其中，标准行为模型或标准行为数据是针对儿童常见行为习惯等已有的大数据的进行处理分析和算法加载，得出标准疲劳值，活跃度， 眨眼频率，行为姿态等特征数据，进一步训练得到的。并且，针对不同的儿童，标准行为模型还需要通过自适应学习来匹配待分析儿童的。
[0070]步骤S30,根据判断得到的儿童的疲劳度和专注度，总结获得行为分析报告:
[0071]根据判断得到的儿童的疲劳度和专注度，进行细致分析，最终形成以图表为主，文字说明为辅的具有个人定制风格的行为分析报告以供终端用户查询。[〇〇72]步骤S40,根据行为分析报告对儿童做出相应的信息反馈:
[0073]根据行为分析报告，自动或人为的对儿童做出相应的信息反馈，以达到提醒或指导儿童行为的作用。
[0074]上面方法的步骤划分，只是为了描述清楚，实现时可以合并为一个步骤或者对某些步骤进行拆分，分解为多个步骤，只要包含相同的逻辑关系，都在本专利的保护范围内； 对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计，但不改变其算法和流程的核心设计都在该专利的保护范围内。
[0075]并且，不难发现，本实施例为与第一实施例相对应的方法实施例，本实施例可与第一实施例互相配合实施。第一实施例中提到的相关技术细节在本实施例中依然有效，为了减少重复，这里不再赘述。相应地，本实施例中提到的相关技术细节也可应用在第一实施例中。
[0076]综上所述，本发明的一种行为分析系统和方法，是基于人工智能与大数据分析的行为分析系统。本发明的待分析用户主要是针对于儿童，用于培养儿童的良好学习习惯。儿童可以使用本发明在不受影响地情况下进行学习，娱乐等活动，儿童的实时状态信息(行为信息和环境信息)被采集并上传至云端的服务器或云处理平台，进行行为信息的数据被进一步地分类整合，从而判断儿童的疲劳度和专注度;并最终在远端平台形成完整的行为分析报告，得到全面直观的第一手资料。根据行为分析报告，家长或老师可随时随地了解儿童的当前状态信息，可对儿童行为适时提供信息反馈。并且，本发明采用的信息采集模块集声、光、电及震动为一体，可对采集到的信息进行预处理，在儿童侧完成信息反馈功能，这种自动托管模式使得该系统更为方便与人性化。本发明旨在为儿童的学习习惯提供一种远程养成矫正系统，通过家长的引导教育，矫正孩子不良的学习习惯，提高孩子的学习专注力与自主学习能力，最终实现儿童的良好习性养成。所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。[〇〇77]上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
【主权项】
1.一种基于人工智能的行为分析系统，其特征在于，包括: 信息采集模块，用于采集待分析用户的实时状态信息； 行为处理分析模块，用于对所述实时状态信息进行分析处理，从而判断所述待分析用户的精神状态。2.根据权利要求1所述的基于人工智能的行为分析系统，其特征在于: 所述实时状态信息包括:行为信息和环境信息;其中，所述行为信息包括面部表情信息和肢体行为信息； 所述待分析用户的精神状态包括:疲劳度和专注度。3.根据权利要求2所述的基于人工智能的行为分析系统，其特征在于:所述信息采集模块包括视频设备和音频设备，其中，所述视频设备用于采集所述待分析用户的视频格式和/或图片格式的实时的所述行为信息;所述音频设备用于采集所述待分析用户所处环境的音频格式的所述环境信息。4.根据权利要求2所述的基于人工智能的行为分析系统，其特征在于:所述处理分析模块包括预处理子模块和判断分析子模块； 所述预处理子模块，用于对视频格式和/或图像格式的所述行为信息进行检测和提取处理，获取特征行为信息； 所述判断分析子模块，用于根据所述预处理子模块处理获得的所述特征行为信息，与标准行为模型进行比较分析，从而判断出所述待分析用户的疲劳度和专注度。5.根据权利要求4所述的基于人工智能的行为分析系统，其特征在于:所述标准行为模型对于不同的所述待分析用户是不同的，其是对所述待分析用户的长期的行为信息进行自适应匹配而形成的。6.根据权利要求4所述的基于人工智能的行为分析系统，其特征在于:所述特征行为信息包括眼部信息、肌肉动作和唇部表情。7.根据权利要求4所述的基于人工智能的行为分析系统，其特征在于: 所述信息采集模块和所述预处理子模块位于所述待分析用户侧，所述判断分析子模块位于云端;所述预处理子模块与所述判断分析子模块之间通过无线通信方式进行数据传输； 或，所述预处理子模块和所述判断分析子模块同位于云端，所述信息采集模块与所述预处理子模块之间通过无线通信方式进行数据传输。8.根据权利要求1所述的基于人工智能的行为分析系统，其特征在于:所述行为分析系统还包括分别与所述行为处理分析模块和所述信息采集模块通过无线网络连接的报告反馈模块，所述报告反馈模块用于根据所述行为处理分析模块分析判断获得的所述待分析用户的精神状态，总结获得行为分析报告，并根据所述行为分析报告对所述待分析用户做出相应的信息反馈。9.根据权利要求8所述的基于人工智能的行为分析系统，其特征在于:所述信息反馈的方式包括:直接反馈和间接反馈;其中， 所述直接反馈包括:将反馈的信息通过无线网络直接发送至所述信息采集模块； 所述间接反馈包括:将反馈的信息通过无线网络经由所述行为处理分析模块间接反馈至所述信息采集模块。10.根据权利要求9所述的基于人工智能的行为分析系统，其特征在于:所述信息采集模块的所述视频设备用于通过播放视频或图像的方式提醒所述待分析 用户；所述信息采集模块的所述音频设备用于通过播放语音的方式提醒所述待分析用户；所述信息采集模块还包括用于通过振动的方式提醒所述待分析用户的振动提示设备。11.一种基于人工智能的行为分析方法，其特征在于:包括:采集待分析用户的实时状态信息；分析处理所述待分析用户的所述实时状态信息，从而判断所述待分析用户的精神状〇12.根据权利要求11所述的基于人工智能的行为分析方法，其特征在于:所述实时状态信息包括:行为信息和环境信息;其中，所述行为信息包括面部表情信息 和肢体行为信息；所述待分析用户的精神状态包括疲劳度和专注度。13.根据权利要求12所述的基于人工智能的行为分析方法，其特征在于:所述分析处理 所述待分析用户的所述实时状态信息，从而判断所述待分析用户的疲劳度和专注度的步骤 包括:对所述行为信息进行检测和提取处理，获取特征行为信息；将所述特征行为信息与标准行为模型进行比较分析，从而判断出所述待分析用户的疲 劳度和专注度;其中，所述标准行为模型是对所述待分析用户的长期的行为信息的自适应 匹配而形成的。14.根据权利要求11所述的基于人工智能的行为分析方法，其特征在于:所述行为分析 方法还包括:根据判断得到的所述待分析用户的精神状态，总结获得行为分析报告;并根据 所述行为分析报告对所述待分析用户做出相应的信息反馈。
【文档编号】G06F19/00GK106055894SQ201610370289
【公开日】2016年10月26日
【申请日】2016年5月30日
【发明人】陈文涛
【申请人】上海芯来电子科技有限公司