学生行为识别方法、教学状态评估方法及相关设备技术

本申请提供一种学生行为识别方法、教学状态评估方法及相关设备，包括获取课堂教学视频，基于所述课堂教学视频中的图像帧进行目标识别和跟踪，得到目标图像流；然后，将所述目标图像流输入预先训练的学生行为识别模型进行识别，得到学生行为分类结果；最后，将学生行为分类结果，输入预先构建的评估模型对课堂状态进行评估，确定评估等级；进一步的，根据所述评估等级评估课堂教学状态，并显示所述教学状态。本申请，有效实现多人学生课堂行为识别，并且能够客观准确地对课堂教学视频中的教学状态进行评估，以方便授课教师及时收到课堂反馈，并根据课堂反馈对授课方式或形式进行适时调整。调整。调整。

【技术实现步骤摘要】
学生行为识别方法、教学状态评估方法及相关设备


[0001]本申请涉及智能教学评估
，尤其涉及一种学生行为识别方法、教学状态评估方法、装置及相关设备。

技术介绍

[0002]传统的学生课堂状态评估主要通过作业考察和考试成绩的方式获得，不具备学习过程中多个维度的数据支持。而且因为客观条件的限制，导致老师和家长不能够及时发现学生的问题，并做出相应调整。随着人工智能的不断发展，智慧化逐渐走进生产生活中的各个方面，智慧城市、智慧办公、智慧医疗等概念不断涌现并得到迅速发展，智慧教育也逐步从理论走进校园，成为科教之路的必然发展趋势之一。传统教育中，一个教师需要教授几十上百个学生，传统的教学经验：因材施教、寓教于乐是无法在如此大的基数下实现的，教师的精力是有限的，无法同时顾及如此多的学生，只能从偶尔的观察中得到少部分学生对于自己教学方法的反馈：学生的表情和行为状态等听课状态；并且，学生对于教师所教内容的接受度是逐渐降低的，因为教师的教学往往是由易到难，学生很可能在某个时刻就跟不上教师的教学进度，教师需要经常观察学生的听课状态，才能有效地调整自己的教学进度和方法，取得更好的教学效果。
[0003]在信息技术迅速发展的背景下，传统的课堂状态评估机制存在明显的缺陷，缺乏对学生的“显式”心理特征和“隐式”动态行为特征的挖掘。不仅消耗了大量的人力投入，还无法实现及时地与学生交互。因此，限制了教学评价的可观察维度、样本数量，导致教学效果评估的效率较低。

技术实现思路

[0004]有鉴于此，本申请的目的在于提出一种学生行为识别方法、教学状态评估方法及相关设备。
[0005]基于上述目的，本申请提供了一种学生行为识别方法，包括：获取课堂教学视频；基于所述课堂教学视频中的图像帧进行目标识别和跟踪，得到目标图像流；将所述目标图像流输入预先训练的学生行为识别模型进行识别，得到学生行为分类结果。
[0006]在一些可选的实施例中，所述基于所述课堂教学视频中的图像帧进行目标识别和跟踪，得到目标图像流，包括：对所述图像帧进行识别，得到包括目标图像的目标识别结果；基于所述目标识别结果的外观特征进行目标跟踪，得到所述目标图像流。
[0007]在一些可选的实施例中，所述方法还包括：对所述图像帧进行特征提取，得到外观特征；根据所述外观特征，对下一图像帧的外观特征进行预测，得到预测外观特征；
基于所述预测外观特征进行目标检测，得到所述目标识别结果，其中，所述目标识别结果还包括用于标识目标图像的大小和位置。
[0008]在一些可选的实施例中，所述将所述目标图像流输入预先训练的学生行为识别模型进行识别，得到学生行为分类结果，包括：将所述目标图像流输入预先训练的行为识别模型进行特征提取，确定所述目标图像流中任一目标图像的时间特征和空间特征；通过分类算法，对所述时间特征和所述空间特征进行分类计算，确定课堂行为；其中，所述课堂行为包括：积极行为、消极行为以及中性行为。
[0009]在一些可选的实施例中，包括：所述行为识别模型为基于3D卷积神经网络的行为识别模型；所述分类算法为softmax算法。
[0010]基于同一专利技术构思，本申请还提供了一种教学状态评估方法，包括：获取课堂教学视频；通过学生行为识别方法识别所述课堂教学视频，确定学生行为分类结果；根据所述学生行为分类结果，通过预先构建的评估模型对课堂状态进行评估，确定评估等级；根据所述评估等级评估课堂教学状态。
[0011]在一些可选的实施例中，所述学生行为分类结果包括：积极行为、消极行为、中性行为以及积极行为的人数、消极行为的人数、中性行为的人数；所述方法，包括：根据所述积极行为的人数、所述消极行为的人数以及所述中性行为的人数，确定所述课堂教学视频中的学生总数；根据所述学生总数和所述积极行为的人数，确定所述积极行为的占比；根据所述积极行为的占比，确定评估等级，并根据所述评估等级评估课堂教学状态。
[0012]基于同一专利技术构思，本申请还提供了一种教学评估装置，包括：获取模块，被配置为获取课堂教学视频；分类模块，被配置为通过学生行为识别方法识别所述课堂教学视频，确定学生行为分类结果；评估模块，被配置为根据所述学生行为分类结果，通过预先构建的评估模型对课堂状态进行评估，确定评估等级；显示模块，被配置为根据所述评估等级评估课堂教学状态，并显示所述教学状态。
[0013]基于同一专利技术构思，本申请还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上任意一实施例所述的学生行为识别方法和/或教学状态评估方法。
[0014]基于同一专利技术构思，本申请一个或多个实施例还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行如上任一实施例所述的学生行为识别方法和/或教学状态评估方法。
[0015]从上面所述可以看出，本申请提供的学生行为识别方法、教学状态评估方法及相
关设备，通过对课堂教学视频中若干目标学生的跟踪，确定目标学生课堂行为的时间特征和空间特征，根据时间特征和空间特征对目标学生的行为进行分类。
[0016]另一方面，在学生行为识别方法的基础上，根据每一类学生行为的占比，对课堂教学视频的教学状态进行评估。
[0017]本申请提供一种学生行为识别方法、教学状态评估方法及相关设备，包括获取课堂教学视频，基于所述课堂教学视频中的图像帧进行目标识别和跟踪，得到目标图像流；然后，将所述目标图像流输入预先训练的学生行为识别模型进行识别，得到学生行为分类结果；最后，将学生行为分类结果，输入预先构建的评估模型对课堂状态进行评估，确定评估等级；进一步的，根据所述评估等级评估课堂教学状态，并显示所述教学状态。本申请，有效实现多人学生课堂行为识别，并且能够客观准确地对课堂教学视频中的教学状态进行评估，以方便授课教师及时收到课堂反馈，并根据课堂反馈对授课方式或形式进行适时调整。
附图说明
[0018]为了更清楚地说明本申请或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0019]图1为本申请实施例的学生行为识别方法流程示意图；图2为本申请实施例的教学状态评估方法流程示意图；图3为本申请实施例的教学状态评估装置结构示意图；图4为本申请实施例的教学状态评估电子设备结构示意图。
具体实施方式
[0020]为使本申请的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本申请进一步详细说明。
[0021]需要说明的是，除非另外定义，本申请实施例使用的技术术语或者科学术语应当为本申请所属领域内具有一般技能的人士所理解的通常意义。本申请实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种学生行为识别方法，其特征在于，包括：获取课堂教学视频；基于所述课堂教学视频中的图像帧进行目标识别和跟踪，得到目标图像流；将所述目标图像流输入预先训练的学生课堂行为识别模型进行识别，得到学生行为分类结果。2.根据权利要求1所述的方法，其特征在于，所述基于所述课堂教学视频中的图像帧进行目标识别和跟踪，得到目标图像流，包括：对所述图像帧进行识别，得到包括目标图像的目标识别结果；基于所述目标识别结果的外观特征进行目标跟踪，得到所述目标图像流。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：对所述图像帧进行特征提取，得到当前外观特征；根据所述当前外观特征，对下一图像帧中所述目标图像对应的外观特征进行预测，得到预测外观特征；获取下一图像帧中所述目标图像的外观特征，并将所述预测外观特征和下一图像帧中所述目标图像的外观特征进行关联，确定目标图像流。4.根据权利要求1所述的方法，其特征在于，所述将所述目标图像流输入预先训练的学生课堂行为识别模型进行识别，得到学生行为分类结果，包括：将所述目标图像流输入预先训练的学生课堂行为识别模型进行特征提取，确定所述目标图像流中任一目标图像的时间特征和空间特征；通过分类算法，对所述时间特征和所述空间特征进行分类计算，确定课堂行为；其中，所述课堂行为包括：积极行为、消极行为以及中性行为以及积极行为的人数、消极行为的人数、中性行为的人数。5.根据权利要求4所述的方法，其特征在于，所述行为识别模型为基于3D卷积神经网络的行为识别模型；所述分类算法为softmax算法。6.一种教学状态评...

【专利技术属性】
技术研发人员：梁美玉，黄勇康，杜军平，王旭，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：