CN111753624B - 化学实验的考点分析方法和装置 - Google Patents

化学实验的考点分析方法和装置 Download PDF

Info

Publication number
CN111753624B
CN111753624B CN202010171865.XA CN202010171865A CN111753624B CN 111753624 B CN111753624 B CN 111753624B CN 202010171865 A CN202010171865 A CN 202010171865A CN 111753624 B CN111753624 B CN 111753624B
Authority
CN
China
Prior art keywords
target video
video frame
rule
chemical
examination point
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010171865.XA
Other languages
English (en)
Other versions
CN111753624A (zh
Inventor
赵帅帅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Hikvision Digital Technology Co Ltd
Original Assignee
Hangzhou Hikvision Digital Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Hikvision Digital Technology Co Ltd filed Critical Hangzhou Hikvision Digital Technology Co Ltd
Priority to CN202010171865.XA priority Critical patent/CN111753624B/zh
Publication of CN111753624A publication Critical patent/CN111753624A/zh
Application granted granted Critical
Publication of CN111753624B publication Critical patent/CN111753624B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G06Q50/205—Education administration or guidance
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Educational Technology (AREA)
  • Educational Administration (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Image Analysis (AREA)

Abstract

本申请实施例提供一种化学实验的考点分析方法和装置，方法包括：对于操作视频中的每一目标视频帧，从目标视频帧中识别出化学器皿；所述操作视频由位于化学实验台前方和/或上方的摄像装置拍摄得到；分析所述化学器皿的图像状态信息、和/或所述化学器皿之间的位置关系是否满足考点判定规则，得到该目标视频帧基于考点判定规则的分析结果；根据目标视频帧基于考点判定规则的分析结果获得每个考点的分析结果。该方法能够对化学实验进行规范、准确的智能化考点分析。

Description

化学实验的考点分析方法和装置
技术领域
本申请涉及教育信息化技术领域，特别涉及化学实验的考点分析方法和装置。
背景技术
目前的化学实验考试中，实验的判分流程由监考老师执行。监考老师对教室中同时进行实验的多个学生进行监管，没办法做到兼顾所有考生的实际操作情况，很容易忽略学生在实验操作过程中的错误操作；而且，不同监考老师对同一化学实验的考试判定标准很难做到排除主观因素，完全统一。
发明内容
本申请提供了一种化学实验的考点分析方法和装置，能够对化学实验进行规范、准确的智能化考点分析。
第一方面，本申请提供了一种化学实验的考点分析方法，包括：
对于操作视频中的每一目标视频帧，从目标视频帧中识别出化学器皿；所述操作视频由位于化学实验台前方和/或上方的摄像装置拍摄得到；
分析所述化学器皿的图像状态信息、和/或所述化学器皿之间的位置关系是否满足考点判定规则，得到该目标视频帧基于考点判定规则的分析结果；
根据目标视频帧基于考点判定规则的分析结果获得每个考点的分析结果。
其中，所述从目标视频帧中识别出化学器皿，包括：
从目标视频帧中检测化学器皿所在区域；
从所述区域中识别出所述化学器皿的边界关键点；
将所述边界关键点连接起来，得到所述化学器皿的边界线。
其中，所述从目标视频帧中检测化学器皿所在区域，包括：
预先训练用于检测化学器皿所在区域的模型；所述模型通过将标注了各个化学器皿的区域的视频图像作为样本输入深度学习框架以及目标检测网络进行训练得到；
将所述目标视频帧输入所述模型，得到所述目标视频帧中每个化学器皿所在区域。
其中，所述分析所述化学器皿的图像状态信息、和/或所述化学器皿之间的位置关系是否满足考点判定规则，得到该目标视频帧基于考点判定规则的分析结果，包括：
获得目标视频帧所需满足的考点判定规则；
分析所述化学器皿的图像状态信息、和/或所述化学器皿之间的位置关系是否满足获得的所述考点判定规则，得到该目标视频帧基于所述考点判定规则的分析结果。
其中，所述获得目标视频帧所需满足的考点判定规则，包括：
获得目标视频帧的前一帧目标视频帧基于考点判定规则的分析结果；
如果所述分析结果为满足考点判定规则，则将考点判定规则下一顺序的考点判定规则作为目标视频帧所需满足的考点判定规则；
如果所述分析结果为不满足考点判定规则，则将前一帧目标视频帧的考点判定规则作为目标视频帧所需满足的考点判定规则。
其中，所述获得目标视频帧所需满足的考点判定规则，包括：
获得目标视频帧的前n帧目标视频帧基于考点判定规则的分析结果；n大于1；
判断分析结果为满足所述考点判定规则的连续数量是否等于n；
如果连续数量大于0小于n，将考点判定规则以及考点判定规则下一顺序的考点判定规则作为目标视频帧所需满足的考点判定规则；
如果连续数量等于0，将考点判定规则作为目标视频帧所需满足的考点判定规则；
如果连续数量等于n，将考点判定规则下一顺序的考点判定规则作为目标视频帧所需满足的考点判定规则。
其中，所述获得目标视频帧所需满足的考点判定规则，包括：
获得持续目标视频帧数不满足持续帧数要求的考点判定规则，将获得的考点判定规则作为目标视频帧所需满足的考点判定规则。
第二方面，本申请实施例提供一种化学实验的考点分析装置，包括：
识别单元，用于对于操作视频中的每一目标视频帧，从目标视频帧中识别出化学器皿；所述操作视频由位于化学实验台前方和/或上方的摄像装置拍摄得到；
分析单元，用于分析所述化学器皿的图像状态信息、和/或所述化学器皿之间的位置关系是否满足考点判定规则，得到该目标视频帧基于考点判定规则的分析结果；
获得单元，用于根据目标视频帧基于考点判定规则的分析结果获得每个考点的分析结果。
第三方面，本申请实施例提供一种电子设备，包括：
显示屏；一个或多个处理器；存储器；多个应用程序；以及一个或多个计算机程序，其中所述一个或多个计算机程序被存储在所述存储器中，所述一个或多个计算机程序包括指令，当所述指令被所述设备执行时，使得所述设备执行以下步骤：
对于操作视频中的每一目标视频帧，从目标视频帧中识别出化学器皿；所述操作视频由位于化学实验台前方和/或上方的摄像装置拍摄得到；
分析所述化学器皿的图像状态信息、和/或所述化学器皿之间的位置关系是否满足考点判定规则，得到该目标视频帧基于考点判定规则的分析结果；
根据目标视频帧基于考点判定规则的分析结果获得每个考点的分析结果。
第四方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，当其在计算机上运行时，使得计算机执行第一方面所述的方法。
第五方面，本申请提供一种计算机程序，当所述计算机程序被计算机执行时，用于执行第一方面所述的方法。
在一种可能的设计中，第五方面中的程序可以全部或者部分存储在与处理器封装在一起的存储介质上，也可以部分或者全部存储在不与处理器封装在一起的存储器上。
本申请实施例化学实验的考点分析方法中，对于操作视频中的每一目标视频帧，从目标视频帧中识别出化学器皿，所述操作视频由位于化学实验台前方和/或上方的摄像装置拍摄得到，分析所述化学器皿的图像状态信息、和/或所述化学器皿之间的位置关系是否满足考点判定规则，得到该目标视频帧基于考点判定规则的分析结果，根据目标视频帧基于考点判定规则的分析结果获得每个考点的分析结果，从而能够对化学实验进行规范、准确的智能化考点分析。
附图说明
图1为本申请摄像装置设置位置示例图；
图2为本申请化学实验的考点分析方法一个实施例的流程图；
图3为本申请化学实验的考点分析方法另一个实施例的流程图；
图4为本申请化学实验的考点分析方法又一个实施例的流程图；
图5为本申请化学实验的考点分析装置一个实施例的结构图；
图6为本申请化学实验的考点分析装置另一个实施例的结构图；
图7为本申请化学实验的考点分析装置又一个实施例的结构图；
图8为本申请电子设备一个实施例的结构示意图。
具体实施方式
本申请的实施方式部分使用的术语仅用于对本申请的具体实施例进行解释，而非旨在限定本申请。
现有的实现方案中，化学实验考试的判分流程由监考老师执行，具体的，监考老师对教室中同时进行化学实验的多个学生进行监管，为每个学生的实验操作流程判分。但是，由于监考老师监管多个学生，很容易忽略学生在实验操作过程中的错误操作；而且，不同监考老师对同一化学实验的考试判定标准很难做到排除主观因素，完全统一。
为此，本申请提出一种化学实验的考点分析方法，能够对化学实验进行规范、准确的智能化考点分析。
图1为本申请化学实验的考点分析方法的应用场景示例，参见图1，可以在化学实验台的前方设置摄像装置，正向拍摄学生进行化学实验的操作视频。为了更好的拍摄到学生的操作视频，该摄像装置的高度最好高于化学实验台，具体可以基于化学实验中搭建的各种实验装置的高度来决定，例如在过滤实验中，摄像装置可以高于化学实验台20～40厘米。参见图1，还可以在化学实验台的上方设置摄像装置，俯拍学生进行化学实验的操作视频，该摄像装置的位置没有固定要求，只要能够清楚的拍到学生的操作视频即可。
本申请实施例中的摄像装置可以为：摄像头或者具有摄像功能的电子设备。
在以下的本申请实施例中，将以过滤实验作为实例对本申请实施例化学实验的考点分析方法进行举例说明，因此，提前对过滤实验中学生的操作流程进行说明。在过滤实验中，学生的操作需要遵循以下流程：将滤纸浸湿后套在锥形漏斗上来组装过滤器；按照由下向上的顺序搭建过滤装置，具体的，先将烧杯放置在铁架台上，再将过滤器放在铁圈上，使过滤器中漏斗的下端尖嘴紧靠烧杯内壁；进行液体转移，具体的，使用玻璃棒紧贴三层滤纸处，烧杯尖嘴紧贴玻璃棒倾倒液体，最终要求过滤出来的液体要澄清不浑浊。以上流程中，学生是否将浸湿的滤纸紧贴漏斗内壁、是否按照由下向上的正确顺序搭建过滤装置、漏斗尖嘴是否紧贴烧杯内壁、玻璃棒是否紧贴滤纸的三层滤纸处、烧杯尖嘴是否紧贴玻璃棒和所得滤液是否澄清无浑浊等均是过滤实验的关键问题。基于此，将过滤实验的上述关键问题划分为5个关键点，依次是：
1、正确制作过滤器，将滤纸用水湿润后紧贴漏斗内壁；
2、由下向上搭建过滤装置；
3、漏斗下端尖嘴紧靠烧杯内壁；
4、液体转移过程中正确使用玻璃棒；
5、所得滤液澄清透明，不含固体杂质。
需要说明的是，过滤实验仅为实例，本申请实施例化学实验的考点分析方法并不限于过滤实验，还可以适用于其他化学实验如固体药品的取用、液体药品的取用等，这里不再过多列举。
图2为本申请化学实验的考点分析方法一个实施例的流程图，如图2所示，该方法可以包括：
步骤201：对于操作视频中的每一目标视频帧，从目标视频帧中识别出化学器皿；所述操作视频由位于化学实验台前方和/或上方的摄像装置拍摄得到；
所述目标视频帧是操作视频中被选择出来的、进行化学器皿识别处理的视频帧，所述目标视频帧最好近似均匀的分布在操作视频中，以便化学实验的考点分析结果更为准确。优选地，目标视频帧可以是均匀分布在操作视频中的视频帧。
步骤202：分析所述化学器皿的图像状态信息、和/或所述化学器皿之间的位置关系是否满足考点判定规则，得到该目标视频帧基于考点判定规则的分析结果；
步骤203：根据目标视频帧基于考点判定规则的分析结果获得每个考点的分析结果。
图2所示的方法，对于操作视频中的每一目标视频帧，从目标视频帧中识别出化学器皿，所述操作视频由位于化学实验台前方和/或上方的摄像装置拍摄得到，分析所述化学器皿的图像状态信息、和/或所述化学器皿之间的位置关系是否满足考点判定规则，得到该目标视频帧基于考点判定规则的分析结果，根据目标视频帧基于考点判定规则的分析结果获得每个考点的分析结果，从而实现了化学实验的智能化考点分析，上述智能化考点分析标准统一，使得分析结果更为规范，上述智能化考点分析是针对一个化学实验台上的实验操作进行考点分析，能够更为准确的分析出使用该化学实验台的学生的实验操作是否正确。
以下，对步骤201的实现进行说明。
基于图2所示的方法，参见图3，步骤201中所述从目标视频帧中识别出化学器皿，可以包括：
步骤301：从目标视频帧中检测化学器皿所在区域；
步骤302：从所述区域中识别出所述化学器皿的边界关键点；
步骤303：将所述边界关键点连接起来，得到所述化学器皿的边界线。
其中，所述从目标视频帧中检测化学器皿所在区域，可以包括：
将目标视频帧输入预先训练的用于检测化学器皿所在区域的模型，得到目标视频帧中每个化学器皿所在区域；所述模型通过将标注了各个化学器皿的区域的视频图像作为样本输入深度学习框架以及目标检测网络进行训练得到。
具体的，可以预先训练用于检测化学器皿所在区域的模型，训练方法可以包括：
获得标注了各个化学器皿的区域的视频图像作为样本；
将所述样本输入深度学习框架、以及目标检测网络进行训练，得到用于检测化学器皿所在区域的模型。
其中，化学器皿的所在区域可以是一个矩形框出的区域，然后针对每个化学器皿所在区域，进行边界关键点识别得到边界关键点。
其中，可以使用相关的关键点检测方法来实现化学器皿的边界关键点的检测。
其中，所述深度学习框架可以为：Caffe，所述目标检测网络可以为：YOLOv2、或者YOLOv3。
以下，对步骤202的实现进行说明。
本申请实施例中的考点与化学实验的关键点对应，可以包括参数：考点判定规则，可选的，考点还可以包括参数：考点先后顺序、和/或操作视频、和/或考点判定规则标识、和/或执行顺序、和/或规则先后顺序、和/或持续帧数。考点的先后顺序与化学实验中关键点的执行顺序一致。每个考点的考点判定规则可以为1个或多个。
考点先后顺序这一参数用于记录：考点的先后顺序；
考点判定规则这一参数用于记录：考点的操作要求；
考点判定规则标识这一参数用于标识不同的考点判定规则；
操作视频这一参数用于记录：被分析是否满足考点判定规则的目标视频帧的视频来源是：设置于化学实验台前方的摄像装置、或者设置于化学实验台上方的摄像装置；
执行顺序这一参数用于记录：同一考点不同考点判定规则之间的先后顺序；
规则先后顺序这一参数用于记录：所有考点的考点判定规则之间的先后顺序；
持续帧数这一参数用于记录：满足考点判定规则的目标视频帧的最小数量。
考点判定规则与化学实验的关键点有关，例如上述的过滤实验中列举的5个关键点，考点判定规则可以从关键点中提炼出来的。例如，可以根据关键点1将考点1的考点判定规则设置为：滤纸与漏斗之间没有空隙；可以根据关键点2将考点2的考点判定规则设置为：考点判定规则1、烧杯放置于铁架台，考点判定规则2、过滤器放置于铁圈；可以根据关键点3将考点3的考点判定规则设置为：漏斗下端尖嘴与烧杯内壁之间没有空隙；可以根据关键点4将考点4的考点判定规则设置为：考点判定规则1、玻璃棒指向滤纸的三层滤纸处，考点判定规则2、烧杯的尖嘴与玻璃棒之间没有空隙，且玻璃棒与滤纸的三层滤纸处之间没有空隙；可以根据关键点5将考点5的考点判定规则设置为：烧杯内图像的纹理和/或颜色差异不超过预设阈值；
执行顺序这一参数为可选参数，如果某一化学实验中各个考点的考点判定规则都不存在执行顺序的限制，那么考点中可以不包括执行顺序这一参数；如果考点中包括执行顺序这一参数，而某个考点仅包括一个考点判定规则，或者虽然包括多个考点判定规则但是多个考点判定规则之间没有执行顺序的限制，该考点的执行顺序这一参数可以缺省。
持续帧数与化学实验本身的操作时间有关。例如，对于某些只要完成动作的实验操作，只要有一帧目标视频帧检测到对应的考点判定规则就可以，连续帧数可以为1或者缺省，例如在固体药品的取用这一化学实验中，需要把试管直立起来，让药品均匀落到试管底部，对于这一操作来说，对应的考点判定规则为：试管直立，只要有一帧目标视频帧检测到试管直立就可以，那么持续帧数可以为1或者缺省；而对于一些需要持续一定时间的实验操作，可以预先设置满足考点判定规则的连续帧数，连续帧数的具体数值可以在实际应用中根据实验操作的要求的持续时间自主设定，例如过滤实验的考点4，可以统计学生倾倒液体的最短时间，根据该最短时间设置烧杯的尖嘴与玻璃棒之间没有空隙的持续帧数。
另外，持续帧数与化学实验的评分标准有关。例如，对于过滤实验中的考点3，考点判定规则是漏斗下端尖嘴与烧杯内壁之间没有空隙，那么评分标准可以是学生在最初放置过滤器时漏斗下端尖嘴与烧杯内壁之间没有空隙就可以判定为操作正确，此时，持续帧数可以设置为1帧或几帧，评分标准也可以是放置过滤器之后一直保持漏斗下端尖嘴与烧杯内壁之间没有空隙直到实验结束，此时，持续帧数可以设置为一个很大的数值或者缺省。
基于以上考点的设置，在同一化学实验中，考点之间具有先后顺序，而且同一考点的多个考点判定规则之间可能具有先后顺序，因此，可以将化学实验中的考点判定规则进行先后顺序的排序。例如，对于上述过滤实验的5个考点，其考点判定规则的先后顺序如下：
滤纸与漏斗之间没有空隙、烧杯放置于铁架台、过滤器(漏斗)放置于铁圈、漏斗下端尖嘴与烧杯内壁之间没有空隙、玻璃棒指向滤纸的三层滤纸处、烧杯的尖嘴与玻璃棒之间没有空隙且玻璃棒与滤纸的三层滤纸处之间没有空隙、烧杯内图像的纹理和/或颜色差异不超过预设阈值。
考点判定规则的作用在于判断学生的实验操作是否能够满足实验要求，有些考点判定规则所需判定的实验操作只有位于化学实验台前方的摄像装置能够拍摄到，而有些考点判定规则所需判定的实验操作只有位于化学实验台上方的拍摄装置能够拍摄到，因此，设置操作视频这一参数，用于记录被分析是否满足考点判定规则的目标视频帧的视频来源。以上述过滤实验的考点判定规则为例，对于考点判定规则中的玻璃棒指向滤纸的三层滤纸处、以及烧杯内图像的纹理和/或颜色差异不超过预设阈值，只有位于化学实验台上方的拍摄装置拍摄到的操作视频中能够拍摄到学生在实验操作中是否将玻璃棒指向了滤纸的三层滤纸处、以及过滤后烧杯内的液体颜色，而其他考点判定规则中所要判定的实验操作，只有位于化学实验台前方的摄像装置能够拍摄到。
在其他化学实验中，多个考点判定规则可能处于同一顺序，这时只要在分析目标视频帧是否满足考点判定规则时，分别分析目标视频帧是否满足每一个考点判定规则，分别得到基于每一个考点判定规则的分析结果即可，同样可以完成本步骤。
基于以上说明，以过滤实验为例，可以在执行本申请所述方法的电子设备中预设类似下表1的信息。
表1
基于以上说明，参见图4，步骤202可以包括：
步骤401：获得目标视频帧所需满足的考点判定规则；
步骤402：分析所述化学器皿的图像状态信息、和/或所述化学器皿之间的位置关系是否满足所述考点判定规则，得到该目标视频帧基于所述考点判定规则的分析结果。
目标视频帧所需满足的考点判定规则可以为1个或多个，本申请并不限制。如果目标视频帧所需满足的考点判定规则为多个，在分析化学器皿的图像状态信息、和/或化学器皿之间的位置关系是否满足考点判定规则时，需要分别针对每个考点判定规则，分析化学器皿的图像状态信息、和/或化学器皿之间的位置关系是否满足考点判定规则。
如果按照考点判定规则的先后顺序来对视频中的目标视频帧进行分析：
在第一种可能的实现方式中，如果考点判定规则的持续帧数为1，则步骤401可以包括：
获得目标视频帧的前一帧目标视频帧基于考点判定规则的分析结果；
如果所述分析结果为满足考点判定规则，则将考点判定规则下一顺序的考点判定规则作为目标视频帧所需满足的考点判定规则；
如果所述分析结果为不满足考点判定规则，则将前一帧目标视频帧的考点判定规则作为目标视频帧所需满足的考点判定规则。
在第二种可能的实现方式中，如果考点判定规则的持续帧数为n，且n大于1，不同考点判定规则的n取值可以不同，则步骤401可以包括：
获得目标视频帧的前n帧目标视频帧基于考点判定规则的分析结果；
判断分析结果为满足所述考点判定规则的连续数量是否等于n；
如果连续数量大于0小于n，将考点判定规则以及考点判定规则下一顺序的考点判定规则作为目标视频帧所需满足的考点判定规则；
如果连续数量等于0，将考点判定规则作为目标视频帧所需满足的考点判定规则；
如果连续数量等于n，将考点判定规则下一顺序的考点判定规则作为目标视频帧所需满足的考点判定规则。
如果对视频中的目标视频帧进行分析时考点判定规则的先后顺序不限制：
在第三种可能的实现方式中，每个考点判定规则的持续帧数为m，不同考点判定规则的持续帧数m取值不同，m大于等于1，此时，可以预先设置满足考点判定规则的持续目标视频帧数列表，得到一个目标视频帧基于考点判定规则的分析结果时，根据该分析结果更新该列表；则步骤401可以包括：获得列表中持续目标视频帧数不满足持续帧数要求的考点判定规则，将获得的考点判定规则作为目标视频帧所需满足的考点判定规则。
其中，步骤201中处理的操作视频有2个，包括位于化学实验台前方的摄像装置拍摄的操作视频、以及位于化学实验台上方的摄像装置拍摄的操作视频，那么以上目标视频帧的前一帧目标视频帧、或者前n帧目标视频帧、考点判定规则下一顺序的考点判定规则，都是针对同一操作视频而言的，例如以表1为例，如果目标视频帧的操作视频来源是前方，那么该目标视频帧所需满足的考点判定规则是标识为1～4、或6的考点判定规则，标识为4的考点判定规则下一顺序的考点判定规则是标识为6的考点判定规则；如果目标视频帧的操作视频来源是上方，那么该目标视频帧所需满足的考点判定规则是标识为5或7的考点判定规则，那么标识为5的考点判定规则下一顺序的考点判定规则是标识为7的考点判定规则。
以下通过举例的方式对步骤402的实现进行说明。
假设步骤401中获得目标视频帧所需满足的考点判定规则为：滤纸与漏斗之间没有空隙，则本步骤可以根据目标视频帧中滤纸与漏斗之间的位置关系来分析两者之间是否存在空隙；
假设步骤401中获得目标视频帧所需满足的考点判定规则为：烧杯内图像的纹理和/或颜色差异不超过预设阈值，则本步骤可以根据目标视频帧中烧杯内的图像状态信息来分析其是否满足考点判定规则，具体的，分析烧杯内图像的纹理和/或颜色差异是否超过预设阈值，从而得到分析结果。
其他考点判定规则在本步骤中的处理方法类似，这里不再一一举例说明。
以下，对步骤203的实现进行说明。
本步骤的实现目的在于确定学生在实验操作中是否完成了实验要求的关键点，因此，本步骤的实现与考点判定规则、考点之间的先后顺序、同一考点不同考点判定规则之间的先后顺序、考点判定规则的持续帧数等相关，这些要求都可以通过预先设置考点的先后顺序、以及每个考点中的不同参数来实现。因此，本步骤中只要根据目标视频帧基于考点判定规则的分析结果来分析其是否满足这些预设要求即可。
以过滤实验为例，假设要求以表1的方式预先存储于电子设备中，则本步骤中只要根据目标视频帧基于考点判定规则的分析结果来依次判断其是否满足这些预设要求即可。
例如，判断基于考点判定规则1的分析结果为满足的目标视频帧是否有连续6帧，如果没有，考点1的分析结果为不合格；如果有，再判断连续6帧目标视频帧之前的目标视频帧中，是否存在分析结果为满足考点判定规则2～7的目标视频帧，如果有，考点1的分析结果为，持续帧数合格，执行顺序不合格，如果没有，那么考点1的分析结果为合格。其他考点的分析与此类似，不再赘述。
可以理解的是，上述实施例中的部分或全部步骤骤或操作仅是示例，本申请实施例还可以执行其它操作或者各种操作的变形。此外，各个步骤可以按照上述实施例呈现的不同的顺序来执行，并且有可能并非要执行上述实施例中的全部操作。
图5为本申请化学实验的考点分析装置一个实施例的结构图，参见图5，该装置500可以包括：
识别单元510，用于对于操作视频中的每一目标视频帧，从目标视频帧中识别出化学器皿；所述操作视频由位于化学实验台前方和/或上方的摄像装置拍摄得到；
分析单元520，用于分析所述化学器皿的图像状态信息、和/或所述化学器皿之间的位置关系是否满足考点判定规则，得到该目标视频帧基于考点判定规则的分析结果；
获得单元530，用于根据目标视频帧基于考点判定规则的分析结果获得每个考点的分析结果。
其中，参见图6所示，所述识别单元510可以包括：
检测子单元610，用于从目标视频帧中检测化学器皿所在区域；
识别子单元620，用于从所述区域中识别出所述化学器皿的边界关键点；
连接子单元630，用于将所述边界关键点连接起来，得到所述化学器皿的边界线。
其中，所述检测子单元610可以包括：
训练模块，用于预先训练用于检测化学器皿所在区域的模型；
输入模块，用于将所述目标视频帧输入所述模型，得到所述目标视频帧中每个化学器皿所在区域。
其中，所述训练模块具体可以用于：
获得标注了各个化学器皿的区域的视频图像作为样本；
将所述样本输入深度学习框架、以及目标检测网络进行训练，得到用于检测化学器皿所在区域的模型。
参见图7所示，，所述分析单元520可以包括：
获得子单元710，用于获得目标视频帧所需满足的考点判定规则；
分析子单元720，用于分析所述化学器皿的图像状态信息、和/或所述化学器皿之间的位置关系是否满足获得的所述考点判定规则，得到该目标视频帧基于所述考点判定规则的分析结果。
在一种可能的实现方式中，所述获得子单元710具体可以用于：
获得目标视频帧的前一帧目标视频帧基于考点判定规则的分析结果；
如果所述分析结果为满足考点判定规则，则将考点判定规则下一顺序的考点判定规则作为目标视频帧所需满足的考点判定规则；
如果所述分析结果为不满足考点判定规则，则将前一帧目标视频帧的考点判定规则作为目标视频帧所需满足的考点判定规则。
在另一种可能的实现方式中，所述获得子单元710具体可以用于：
获得目标视频帧的前n帧目标视频帧基于考点判定规则的分析结果；n大于1；
判断分析结果为满足所述考点判定规则的连续数量是否等于n；
如果连续数量大于0小于n，将考点判定规则以及考点判定规则下一顺序的考点判定规则作为目标视频帧所需满足的考点判定规则；
如果连续数量等于0，将考点判定规则作为目标视频帧所需满足的考点判定规则；
如果连续数量等于n，将考点判定规则下一顺序的考点判定规则作为目标视频帧所需满足的考点判定规则。
在又一种可能的实现方式中，所述获得子单元710具体可以用于：
获得持续目标视频帧数不满足持续帧数要求的考点判定规则，将获得的考点判定规则作为目标视频帧所需满足的考点判定规则。
图5～7所示的装置中，对于操作视频中的每一目标视频帧，识别单元从目标视频帧中识别出化学器皿，分析单元分析所述化学器皿的图像状态信息、和/或所述化学器皿之间的位置关系是否满足考点判定规则，得到该目标视频帧基于考点判定规则的分析结果，获得单元根据目标视频帧基于考点判定规则的分析结果获得每个考点的分析结果，从而实现了化学实验的智能化考点分析，上述智能化考点分析标准统一，使得分析结果更为规范，上述智能化考点分析是针对一个化学实验台上的实验操作进行考点分析，能够更为准确的分析出使用该化学实验台的学生的实验操作是否正确。
本申请图5～图7所示装置可以设置于摄像装置如摄像头中，或者，也可以设置于电子设备中，进一步地，可以设置于具有摄像功能的电子设备中。
图5～7所示实施例提供的装置可用于执行本申请图2～图4所示方法实施例的技术方案，其实现原理和技术效果可以进一步参考方法实施例中的相关描述。
应理解以上图5～7所示实施例装置的各个单元或模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些单元或模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分单元或模块以软件通过处理元件调用的形式实现，部分单元或模块通过硬件的形式实现。例如，识别单元可以为单独设立的处理元件，也可以集成在电子设备的某一个芯片中实现。其它单元或模块的实现与之类似。此外这些单元或模块全部或部分可以集成在一起，也可以独立实现。在实现过程中，上述方法的各步骤或以上各个单元或模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如，以上这些单元或模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(Application Specific Integrated Circuit；以下简称：ASIC)，或，一个或多个微处理器(Digital Singnal Processor；以下简称：DSP)，或，一个或者多个现场可编程门阵列(Field Programmable Gate Array；以下简称：FPGA)等。再如，这些单元或模块可以集成在一起，以片上系统(System-On-a-Chip；以下简称：SOC)的形式实现。
图8为本申请电子设备一个实施例的结构示意图，如图8所示，上述电子设备可以包括：一个或多个处理器；存储器；以及一个或多个计算机程序。
其中，上述显示屏可以包括车载计算机(移动数据中心Mobile Data Center)的显示屏；上述电子设备可以为移动终端(手机)，摄像装置如摄像头，电脑，PAD，智慧屏，无人机，智能网联车(Intelligent Connected Vehicle；以下简称：ICV)，智能(汽)车(smart/intelligent car)或车载设备等设备。
其中上述一个或多个计算机程序被存储在上述存储器中，上述一个或多个计算机程序包括指令，当上述指令被上述设备执行时，使得上述设备执行以下步骤：
对于操作视频中的每一目标视频帧，从目标视频帧中识别出化学器皿；所述操作视频由位于化学实验台前方和/或上方的摄像装置拍摄得到；
分析所述化学器皿的图像状态信息、和/或所述化学器皿之间的位置关系是否满足考点判定规则，得到该目标视频帧基于考点判定规则的分析结果；
根据目标视频帧基于考点判定规则的分析结果获得每个考点的分析结果。
其中，当上述指令被上述设备执行时，使得上述设备执行所述从目标视频帧中识别出化学器皿的步骤包括：
从目标视频帧中检测化学器皿所在区域；
从所述区域中识别出所述化学器皿的边界关键点；
将所述边界关键点连接起来，得到所述化学器皿的边界线。
其中，当上述指令被上述设备执行时，使得上述设备执行所述从目标视频帧中检测化学器皿所在区域的步骤包括：
预先训练用于检测化学器皿所在区域的模型；
将所述目标视频帧输入所述模型，得到所述目标视频帧中每个化学器皿所在区域。
其中，当上述指令被上述设备执行时，使得上述设备执行所述预先训练用于检测化学器皿所在区域的模型的步骤包括：
获得标注了各个化学器皿的区域的视频图像作为样本；
将所述样本输入深度学习框架、以及目标检测网络进行训练，得到用于检测化学器皿所在区域的模型。
其中，当上述指令被上述设备执行时，使得上述设备执行所述分析所述化学器皿的图像状态信息、和/或所述化学器皿之间的位置关系是否满足考点判定规则，得到该目标视频帧基于考点判定规则的分析结果的步骤包括：
获得目标视频帧所需满足的考点判定规则；
分析所述化学器皿的图像状态信息、和/或所述化学器皿之间的位置关系是否满足获得的所述考点判定规则，得到该目标视频帧基于所述考点判定规则的分析结果。
其中，当上述指令被上述设备执行时，使得上述设备执行所述获得目标视频帧所需满足的考点判定规则的步骤包括：
获得目标视频帧的前一帧目标视频帧基于考点判定规则的分析结果；
如果所述分析结果为满足考点判定规则，则将考点判定规则下一顺序的考点判定规则作为目标视频帧所需满足的考点判定规则；
如果所述分析结果为不满足考点判定规则，则将前一帧目标视频帧的考点判定规则作为目标视频帧所需满足的考点判定规则。
其中，当上述指令被上述设备执行时，使得上述设备执行所述获得目标视频帧所需满足的考点判定规则的步骤包括：
获得目标视频帧的前n帧目标视频帧基于考点判定规则的分析结果；n大于1；
判断分析结果为满足所述考点判定规则的连续数量是否等于n；
如果连续数量大于0小于n，将考点判定规则以及考点判定规则下一顺序的考点判定规则作为目标视频帧所需满足的考点判定规则；
如果连续数量等于0，将考点判定规则作为目标视频帧所需满足的考点判定规则；
如果连续数量等于n，将考点判定规则下一顺序的考点判定规则作为目标视频帧所需满足的考点判定规则。
其中，当上述指令被上述设备执行时，使得上述设备执行所述获得目标视频帧所需满足的考点判定规则的步骤包括：
获得持续目标视频帧数不满足持续帧数要求的考点判定规则，将获得的考点判定规则作为目标视频帧所需满足的考点判定规则。
图8所示的电子设备可以是终端设备也可以是内置于上述终端设备的电路设备。该设备可以用于执行本申请图2～图4所示实施例提供的方法中的功能/步骤。
如图8所示，电子设备800包括处理器810和收发器820。可选地，该电子设备800还可以包括存储器830。其中，处理器810、收发器820和存储器830之间可以通过内部连接通路互相通信，传递控制和/或数据信号，该存储器830用于存储计算机程序，该处理器810用于从该存储器830中调用并运行该计算机程序。
上述存储器830可以是只读存储器(read-only memory，ROM)、可存储静态信息和指令的其它类型的静态存储设备、随机存取存储器(random access memory，RAM)或可存储信息和指令的其它类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable programmable read-only memory，EEPROM)、只读光盘(compactdisc read-only memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其它磁存储设备，或者还可以是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其它介质等。
可选地，电子设备800还可以包括天线840，用于将收发器820输出的无线信号发送出去。
上述处理器810可以和存储器830可以合成一个处理装置，更常见的是彼此独立的部件，处理器810用于执行存储器830中存储的程序代码来实现上述功能。具体实现时，该存储器830也可以集成在处理器810中，或者，独立于处理器810。
除此之外，为了使得电子设备800的功能更加完善，该电子设备800还可以包括输入单元860、显示单元870、音频电路880、摄像装置890和传感器801等中的一个或多个，所述音频电路还可以包括扬声器882、麦克风884等。其中，显示单元870可以包括显示屏。
可选地，上述电子设备800还可以包括电源850，用于给终端设备中的各种器件或电路提供电源。
应理解，图8所示的电子设备800能够实现本申请图2～图4所示实施例提供的方法的各个过程。电子设备800中的各个模块的操作和/或功能，分别为了实现上述方法实施例中的相应流程。具体可参见本申请图2～图4所示方法实施例中的描述，为避免重复，此处适当省略详细描述。
应理解，图8所示的电子设备800中的处理器810可以是片上系统SOC，该处理器810中可以包括中央处理器(Central Processing Unit；以下简称：CPU)，还可以进一步包括其他类型的处理器，例如：图像处理器(Graphics Processing Unit；以下简称：GPU)等。
总之，处理器810内部的各部分处理器或处理单元可以共同配合实现之前的方法流程，且各部分处理器或处理单元相应的软件程序可存储在存储器830中。
本申请还提供一种电子设备，所述设备包括存储介质和中央处理器，所述存储介质可以是非易失性存储介质，所述存储介质中存储有计算机可执行程序，所述中央处理器与所述非易失性存储介质连接，并执行所述计算机可执行程序以实现本申请图1～图5所示实施例提供的方法。
以上各实施例中，涉及的处理器可以例如包括CPU、DSP、微控制器或数字信号处理器，还可包括GPU、嵌入式神经网络处理器(Neural-network Process Units；以下简称：NPU)和图像信号处理器(Image Signal Processing；以下简称：ISP)，该处理器还可包括必要的硬件加速器或逻辑处理硬件电路，如ASIC，或一个或多个用于控制本申请技术方案程序执行的集成电路等。此外，处理器可以具有操作一个或多个软件程序的功能，软件程序可以存储在存储介质中。
本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，当其在计算机上运行时，使得计算机执行本申请图2～图4所示实施例提供的方法。
本申请实施例还提供一种计算机程序产品，该计算机程序产品包括计算机程序，当其在计算机上运行时，使得计算机执行本申请图2～图4所示实施例提供的方法。
本申请实施例中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示单独存在A、同时存在A和B、单独存在B的情况。其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项”及其类似表达，是指的这些项中的任意组合，包括单项或复数项的任意组合。例如，a，b和c中的至少一项可以表示：a，b，c，a和b，a和c，b和c或a和b和c，其中a，b，c可以是单个，也可以是多个。
本领域普通技术人员可以意识到，本文中公开的实施例中描述的各单元及算法步骤，能够以电子硬件、计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，任一功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，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，本申请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)执行本申请各个实施例所述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；以下简称：ROM)、随机存取存储器(Random Access Memory；以下简称：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本申请的具体实施方式，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。本申请的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种化学实验的考点分析方法，其特征在于，包括：
对于操作视频中的每一目标视频帧，从目标视频帧中识别出化学器皿；所述操作视频由位于化学实验台前方和/或上方的摄像装置拍摄得到；
分析所述化学器皿的图像状态信息、和/或所述化学器皿之间的位置关系是否满足考点判定规则，得到该目标视频帧基于考点判定规则的分析结果；
根据目标视频帧基于考点判定规则的分析结果获得每个考点的分析结果；
所述考点判定规则包括：烧杯内图像的纹理和/或颜色差异不超过预设阈值；所述分析所述化学器皿的图像状态信息是否满足考点判定规则，包括：分析烧杯内图像的纹理和/或颜色差异是否超过预设阈值。
2.根据权利要求1所述的方法，其特征在于，所述从目标视频帧中识别出化学器皿，包括：
从目标视频帧中检测化学器皿所在区域；
从所述区域中识别出所述化学器皿的边界关键点；
将所述边界关键点连接起来，得到所述化学器皿的边界线。
3.根据权利要求2所述的方法，其特征在于，所述从目标视频帧中检测化学器皿所在区域，包括：
将所述目标视频帧输入预先训练的用于检测化学器皿所在区域的模型，得到所述目标视频帧中每个化学器皿所在区域；所述模型通过将标注了各个化学器皿的区域的视频图像作为样本输入深度学习框架以及目标检测网络进行训练得到。
4.根据权利要求1至3任一项所述的方法，其特征在于，所述分析所述化学器皿的图像状态信息、和/或所述化学器皿之间的位置关系是否满足考点判定规则，得到该目标视频帧基于考点判定规则的分析结果，包括：
获得目标视频帧所需满足的考点判定规则；
分析所述化学器皿的图像状态信息、和/或所述化学器皿之间的位置关系是否满足获得的所述考点判定规则，得到该目标视频帧基于所述考点判定规则的分析结果。
5.根据权利要求4所述的方法，其特征在于，所述获得目标视频帧所需满足的考点判定规则，包括：
获得目标视频帧的前一帧目标视频帧基于考点判定规则的分析结果；
如果所述分析结果为满足考点判定规则，则将考点判定规则下一顺序的考点判定规则作为目标视频帧所需满足的考点判定规则；
如果所述分析结果为不满足考点判定规则，则将前一帧目标视频帧的考点判定规则作为目标视频帧所需满足的考点判定规则。
6.根据权利要求4所述的方法，其特征在于，所述获得目标视频帧所需满足的考点判定规则，包括：
获得目标视频帧的前n帧目标视频帧基于考点判定规则的分析结果；n大于1；
判断分析结果为满足所述考点判定规则的连续数量是否等于n；
如果连续数量大于0小于n，将考点判定规则以及考点判定规则下一顺序的考点判定规则作为目标视频帧所需满足的考点判定规则；
如果连续数量等于0，将考点判定规则作为目标视频帧所需满足的考点判定规则；
如果连续数量等于n，将考点判定规则下一顺序的考点判定规则作为目标视频帧所需满足的考点判定规则。
7.根据权利要求4所述的方法，其特征在于，所述获得目标视频帧所需满足的考点判定规则，包括：
获得持续目标视频帧数不满足持续帧数要求的考点判定规则，将获得的考点判定规则作为目标视频帧所需满足的考点判定规则。
8.一种化学实验的考点分析装置，其特征在于，包括：
识别单元，用于对于操作视频中的每一目标视频帧，从目标视频帧中识别出化学器皿；所述操作视频由位于化学实验台前方和/或上方的摄像装置拍摄得到；
分析单元，用于分析所述化学器皿的图像状态信息、和/或所述化学器皿之间的位置关系是否满足考点判定规则，得到该目标视频帧基于考点判定规则的分析结果；
获得单元，用于根据目标视频帧基于考点判定规则的分析结果获得每个考点的分析结果；
所述考点判定规则包括：烧杯内图像的纹理和/或颜色差异不超过预设阈值；为实现所述分析所述化学器皿的图像状态信息是否满足考点判定规则，所述分析单元具体用于：分析烧杯内图像的纹理和/或颜色差异是否超过预设阈值。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；存储器；其中一个或多个计算机程序被存储在所述存储器中，所述一个或多个计算机程序包括指令，当所述指令被所述处理器执行时，使得所述电子设备执行以下步骤：
对于操作视频中的每一目标视频帧，从目标视频帧中识别出化学器皿；所述操作视频由位于化学实验台前方和/或上方的摄像装置拍摄得到；
分析所述化学器皿的图像状态信息、和/或所述化学器皿之间的位置关系是否满足考点判定规则，得到该目标视频帧基于考点判定规则的分析结果；
根据目标视频帧基于考点判定规则的分析结果获得每个考点的分析结果；
所述考点判定规则包括：烧杯内图像的纹理和/或颜色差异不超过预设阈值；所述分析所述化学器皿的图像状态信息是否满足考点判定规则，包括：分析烧杯内图像的纹理和/或颜色差异是否超过预设阈值。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，当其在计算机上运行时，使得计算机执行如权利要求1-7任一项所述的方法。
CN202010171865.XA 2020-03-12 2020-03-12 化学实验的考点分析方法和装置 Active CN111753624B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010171865.XA CN111753624B (zh) 2020-03-12 2020-03-12 化学实验的考点分析方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010171865.XA CN111753624B (zh) 2020-03-12 2020-03-12 化学实验的考点分析方法和装置

Publications (2)

Publication Number Publication Date
CN111753624A CN111753624A (zh) 2020-10-09
CN111753624B true CN111753624B (zh) 2023-08-22

Family

ID=72672984

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010171865.XA Active CN111753624B (zh) 2020-03-12 2020-03-12 化学实验的考点分析方法和装置

Country Status (1)

Country Link
CN (1) CN111753624B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115239940A (zh) * 2022-06-24 2022-10-25 上海锡鼎智能科技有限公司 一种用于理化生智能考评中过滤粗盐水实验的三层滤纸定位方法
CN115424005A (zh) * 2022-07-27 2022-12-02 上海大风实验室设备有限公司 一种基于视觉智能的中考实验评分方法
CN115496339A (zh) * 2022-09-01 2022-12-20 杭州海康威视数字技术股份有限公司 一种电学实验分析方法、装置及存储介质
CN115880570A (zh) * 2022-11-18 2023-03-31 成都西交智汇大数据科技有限公司 玻璃棒停靠位置的检测方法、装置、设备及可读存储介质
CN116012652B (zh) * 2023-01-18 2026-02-24 上海媒智科技有限公司 一种判断滤纸实验是否得分的方法及系统
CN115984752B (zh) * 2023-01-18 2026-02-24 上海媒智科技有限公司 一种判断烧杯实验是否得分的方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106920429A (zh) * 2015-12-24 2017-07-04 中国移动通信集团公司 一种信息处理方法及装置
CN109035091A (zh) * 2018-07-25 2018-12-18 深圳市异度信息产业有限公司 一种用于学生实验的打分方法、装置及设备
CN109271886A (zh) * 2018-08-29 2019-01-25 武汉大学 一种教育考试监控视频的人体行为分析方法及系统
CN109727172A (zh) * 2019-03-18 2019-05-07 上海中科教育装备集团有限公司 一种人工智能机器学习实验技能评分系统
CN110090424A (zh) * 2019-04-28 2019-08-06 福建省通通发科技发展有限公司 一种用于足球绕杆考核的裁判系统
CN110765814A (zh) * 2018-07-26 2020-02-07 杭州海康威视数字技术股份有限公司 一种黑板书写行为识别方法、装置及摄像机
CN110765967A (zh) * 2019-10-30 2020-02-07 腾讯科技（深圳）有限公司 一种基于人工智能的动作识别方法和相关装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070117083A1 (en) * 2005-11-21 2007-05-24 Winneg Douglas M Systems, methods and apparatus for monitoring exams
US20180225982A1 (en) * 2010-01-15 2018-08-09 ProctorU, INC. System for online automated exam proctoring

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106920429A (zh) * 2015-12-24 2017-07-04 中国移动通信集团公司 一种信息处理方法及装置
CN109035091A (zh) * 2018-07-25 2018-12-18 深圳市异度信息产业有限公司 一种用于学生实验的打分方法、装置及设备
CN110765814A (zh) * 2018-07-26 2020-02-07 杭州海康威视数字技术股份有限公司 一种黑板书写行为识别方法、装置及摄像机
CN109271886A (zh) * 2018-08-29 2019-01-25 武汉大学 一种教育考试监控视频的人体行为分析方法及系统
CN109727172A (zh) * 2019-03-18 2019-05-07 上海中科教育装备集团有限公司 一种人工智能机器学习实验技能评分系统
CN110090424A (zh) * 2019-04-28 2019-08-06 福建省通通发科技发展有限公司 一种用于足球绕杆考核的裁判系统
CN110765967A (zh) * 2019-10-30 2020-02-07 腾讯科技（深圳）有限公司 一种基于人工智能的动作识别方法和相关装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Video reports as a novel alternate assessment in the undergraduate chemistry laboratory;Mitzy A. Erdmann等;Chemistry Education Research and Practice;第2014卷(第15期);650-657 *

Also Published As

Publication number Publication date
CN111753624A (zh) 2020-10-09

Similar Documents

Publication Publication Date Title
CN111753624B (zh) 化学实验的考点分析方法和装置
WO2020151489A1 (zh) 基于面部识别的活体检测的方法、电子设备和存储介质
WO2019206209A1 (zh) 基于机器学习的眼底图像检测方法、装置及系统
CN108154105A (zh) 水下生物检测与识别方法、装置、服务器及终端设备
WO2018099194A1 (zh) 一种字符识别方法及装置
CN113095124A (zh) 一种人脸活体检测方法、装置以及电子设备
JP7036401B2 (ja) 学習用サーバ、不足学習用画像収集支援システム、及び不足学習用画像推定プログラム
CN108596338A (zh) 一种神经网络训练集的获取方法及其系统
WO2019222964A1 (zh) 一种确定检测设备的方法、检测装置及可读存储介质
CN107992199A (zh) 一种用于电子设备的情绪识别方法、系统及电子设备
CN110287862B (zh) 基于深度学习的防偷拍检测方法
CN106060142A (zh) 一种能够检查视力的手机及使用其进行视力检查的方法
CN108764176A (zh) 一种动作序列识别方法、系统及设备和存储介质
CN110889421A (zh) 目标物检测方法及装置
CN110659568A (zh) 验车方法及装置
CN103458111A (zh) 一种手机智能睡眠的方法
CN111986155A (zh) 一种通用场景文字识别方法及装置
EP4064113A1 (en) User information detection method and system, and electronic device
CN110175975A (zh) 对象检测方法、装置、计算机可读存储介质和计算机设备
US11908137B2 (en) Method, device and equipment for identifying and detecting macular region in fundus image
CN110298569B (zh) 基于眼动识别的学习评价方法及装置
CN104407699B (zh) 一种人机交互方法、装置及系统
CN115359412A (zh) 一种盐酸中和实验评分方法、装置、设备及可读存储介质
CN114627518B (zh) 数据处理方法、装置、计算机可读存储介质和处理器
CN111950591B (zh) 模型训练方法、交互关系识别方法、装置及电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant