袁立

摘要：目前物联网技术正在迅速的发展，智慧校园中基于物联网网络基础架构环境开始广泛搭建，但基于教室教学物联网终端仍然没有普及。智慧学生桌椅是在智慧教室中日常学生桌子和椅子加入物联网技术、传感器技术、语音识别技术、有线传输技术和无线传输技术等，收集学生在教室里的统计数据。利用大数据手段分析学生上课的行为、性格和心理。该技术作为辅助教学手段的工具，根据学生的不同类型，通过语音方式播放对其感兴趣的话题，开导学生，调节学习情绪，提升学习热情。学校通过收集到的数据信息和不同学生类型的性格特点，向学生提供不同的教学方式和指导意见。

关键字：智慧学生桌椅;物联网;智慧校园;行为;性格

1 产品外观设计

如图1所示，在桌面下方、椅子椅座下方、椅脚处放置十个阻应变式传感器，收集被测试者按压数据。桌面嵌入微型摄像头，收集被测试者图像数据。场景上方安装场景摄像头，收集教室里的图像信息，确定场景类型。智能手环佩戴在被测试者手腕上，收集被测试者心跳、呼吸、血压、温度和睡眠状态等信息。桌面镶嵌微型麦克风，收集被测试者语音数据，接收人机语音交互信息。语音输出接口用于外接语音设备或者耳机，播放被测试者感兴趣的信息或语音应答。数据采集终端放置在桌面摄像头下方，为摄像头、收音设备、传感器类的仪器供电，并把收集的信息通过wifi无线网络统一发送到无线接入点AP，AP再把信息上送到服务器进行分析处理。

2 技术应用

2.1 传感器技术

阻应变式传感器是一种使用阻应变片测量方法获取压力参数的电阻应变式传感器[1]。在桌面下方、椅子椅座下方、椅脚处下方放置十个传感器，桌面下方四个传感器分为一组，用于收集被测试者上肢动作的按压变化，椅座下方四个传感器分为一组，用于测试测试者臀部以及身体的按压变化，脚部两个传感器分为一组，用于收集被测试者脚部的按压变化。不同组别的传感器设置不同优先级别，三组传感器收集被测试者动作变化情况。

被测人员测试时，三组传感器统计桌面、椅子、脚部总体重量前提下，传感器收集通过不同方位的传感器信号量变化，分析该被测人员动作按压的变化、幅度和时间规律等，对数据长期的收集分析，得出该被测人员属于安静、活泼、好动等性格特点的测试依据。但这份依据准确性应该建立在被测人员的正在进行行为之上，假设该测试者在写字、做手工作品、与别人交谈等情景，会导致傳感器数据的变化，导致数据输出不准确，因此应该结合图像识别技术来准确识别该学生的行为，对这段情景传感器数据进行屏蔽和删除，该段数据应不作为依据。

2.2 图像识别技术

人脸识别技术可以通过计算机提取人脸部的特征信息，如眼睛、嘴唇、肤色和鼻子等一系列特征，并根据脸部的信息进行身份验证的一种脸部图像识别技术[2]。利用计算机进行面部图像理解时要解决的问题关键在于创建情绪分类库和表情模型，用这些信息和面部特征与表情的变化关联起来[3]。

对视频中人的行为识别时，可以根据视频中的人物图像判断其动作，可以通过组合动作形成行为[4]。

场景有两种摄像头，桌面镶嵌微型摄像头和场景摄像头。桌面摄像头主要观测被测试者的身份信息、脸部表情、动作。场景摄像头是桌面摄像头的一个补充，判断桌面摄像头单个视角无法判断的场景特征，例如上课和下课场景是不一样的，上课时大部分学生所坐的位置是很整齐的，动作幅度并没有那么大。

桌面镶嵌微型摄像头收集被测人员面部、上身动作图像信息上送到图像分析系统分析。省先进行人员身份认证，确认是否为被测人员身份。通过脸部信息判断被测试者面部表情和嘴部信息，面部表情可以分为专注、中性表情、高兴、愤怒等，并对这些被测试者面部表情信息进行数据统计。

通过图像中被测者整体行为，例如手部物品、键盘动作、交谈等，判断该行为是什么。假设在上课的场景，学生在都在听课、做笔记、思考和咨询老师问题，系统通过桌面微型摄像头图像和场景摄像头图像要先对该行为进行识别，判别该学生在做什么（但不是所有的行为都可以进行判别，一个学生在听课和思考很难通过图像进行判别），然后对学生的面部表情、谈论的内容、动作的幅度等做其他判别和统计记录。

2.3 语音识别功能

语音转换文字技术是一种语音识别技术，可以通过把传入的一段语音信息变成声音波形图，然后提取波形图的特征信息集合获取记忆样本模式，通过函数转换与参考模式的相似度进行相似度比对，找出最大相似度语音语句[5]。 在被测者说话时，通过语音转文字技术，把语音转换成文字，通过大数据技术或本地数据库分析，分析谈论该话是属于哪一方面的内容，并将内容进行分类，例如地理、自然、生活、新闻、学习等。通过后台的数据分析和索引，获取学生感兴趣的话题。同时也能通过脸部识别技术识别该话是否由该学生说出，从说话时声音与脸部的嘴型、人员的身份和时间是否一致等进行判定，提高判断的精确度。

2.4 智能手环技术

智能手环佩戴在被测者手腕上，通过收集被测试者的心跳、呼吸、血压和睡眠状态一系列信息，通过被测者的内在心理波动、心理状态等一系列内在的信息，对从被测者表面和声音识别技术无法判断的内在信息提供一种技术补充。

2.5 人机交互技术

人机交互技术主要是人与计算机之间的信息交换一种技术，人们可以通过设备、动作、声音、脑电波等向计算机传递信息[6]。通过人机交互系统实现人与机器系统的交互，主动了解被测试者的心理状态，并听取被测试者的需求，系统通过模仿老师和学生进行沟通交流的过程，了解学生的真实心理状态，降低因被动的测试，导致误判的可能性。

2.6 心理学和行为科学

心理与行为科学统计是属于行为科学，心理与行为科学中要把观察结果直观地展示给大家，必然要用到统计方法。而在心理学中，心理实验和调查都离不开统计方法的应用[7]。系统通过长期收集被测试者的动作、声音、脸部表情、心跳和血压等一系列变化，甚至通过人机交互主动了解被测试者需求，学习被测试者的心理状态，或者识别系统未识别行为，最后利用心理与行为科学统计方法了解学生的性格特点和心理承受能力等状况。并使用教学心理学知识，根据不同学生的性格和行为特点，使用语音通过故事、音乐、人物故事等方式，调节被测者心理压力，提高学习兴趣。统计的数据并作为老师了解学生性格和状态的依据之一。