基于人脸表情和人体动作的教学质量评估方法技术

本申请提供一种基于人脸表情和人体动作的教学质量评估方法，包括：获取学生在学习目标课程时的视频图像集和练习目标课程的课后习题所得的课后习题评分；对视频图像集中的视频图像进行人脸表情识别和人体动作识别，确定出学生的人脸表情和人体姿态，进而确定出学生的课堂状态评分；获取学生学习目标课程的每个前序课程所得的历史课堂评分和历史课后评分；基于课堂状态评分、课后习题评分、历史课堂评分和历史课后评分，确定出教学质量评分。这样可以利用学生上课时的表情和姿态来确定学生的听课状态，从而反映老师在课堂教学这部分的评分。考虑学生的课后习题评分，可以确定出学生的学习效果，能够反映老师在知识讲解效果这方面的评分。方面的评分。方面的评分。

【技术实现步骤摘要】
基于人脸表情和人体动作的教学质量评估方法


[0001]本申请涉及人工智能
，具体而言，涉及一种基于人脸表情和人体动作的教学质量评估方法。

技术介绍

[0002]随着互联网的兴起，线上教学也发展起来，如今线上教学的模式多种多样：例如通过为学生提供网络课件，让学生自主学习的模式；或者，通过课程直播的方式，让每个学生能够进入到直播间(或会议室)进行课程的学习等。
[0003]这样的方式，由于对学生的监管力度远不如传统模式的教学课堂，对于学生的自觉性有较强的要求。通过对学生的学习状态和老师的教学质量进行更准确的评估，给出针对性的建议，有利于提升老师的教学质量，从而进一步提升学生的学习效果。但现有的教学质量评估方法过于简单，难以适应实际中的情况，导致难以用于对老师教学质量的改进。因此，需要一个相对完善可靠的教学质量评估方案，来解决现有的线上教学模式中存在的此类问题。

技术实现思路

[0004]本申请实施例的目的在于提供一种基于人脸表情和人体动作的教学质量评估方法，以准确地对老师的教学质量进行有效评估。
[0005]为了实现上述目的，本申请的实施例通过如下方式实现：
[0006]第一方面，本申请实施例提供一种基于人脸表情和人体动作的教学质量评估方法，包括：获取学生在学习目标课程时的视频图像集和练习所述目标课程的课后习题所得的课后习题评分；对所述视频图像集中的视频图像进行人脸表情识别和人体动作识别，确定出学生的人脸表情和人体姿态；基于所述人脸表情和所述人体姿态，确定出所述学生的课堂状态评分；获取所述学生学习所述目标课程的每个前序课程所得的历史课堂评分和历史课后评分；基于所述课堂状态评分、所述课后习题评分、所述历史课堂评分和所述历史课后评分，确定出教学质量评分。
[0007]结合第一方面，在第一方面的第一种可能的实现方式中，对所述视频图像集中的视频图像进行人脸表情识别和人体动作识别，确定出学生的人脸表情和人体姿态，包括：基于所述视频图像集中每个视频图像的时间戳，生成视频图像集对应的编号序列，其中，编号序列中的每个编号对应一个唯一的视频图像；基于所述编号序列，确定出当前待处理的目标视频图像；对所述目标视频图像进行人脸表情识别和人体动作识别，确定出所述目标视频图像对应的人脸表情和人体姿态。
[0008]结合第一方面的第一种可能的实现方式，在第一方面的第二种可能的实现方式中，在确定出当前表情和当前姿态后，所述方法还包括：将所述当前表情与上一表情进行比较，确定是否发生表情变化；将所述当前姿态与上一姿态进行比较，确定所述当前姿态的变动幅度是否处于设定范围内；若无表情变化，且当前姿态的变动幅度处于设定范围内，确定
编号跳跃量为t+1，t∈[1,10]；否则，确定编号跳跃量为1；对应的，基于所述编号序列，确定出当前待处理的目标视频图像，则包括：基于已处理的上一视频图像的编号和对应的编号跳跃量t
′
，从所述编号序列中确定出目标编号，并确定所述目标编号对应的视频图像为当前待处理的目标视频图像。
[0009]结合第一方面的第一种可能的实现方式，在第一方面的第三种可能的实现方式中，基于所述人脸表情和所述人体姿态，确定出所述学生的课堂状态评分，包括：基于所述视频图像集中每个被确定为目标视频图像对应的人脸表情，确定出课堂状态第一分量；基于所述视频图像集中每个被确定为目标视频图像对应的人体姿态，确定出课堂状态第二分量；基于所述课堂状态第一分量和所述课堂状态第二分量，确定出所述学生的课堂状态评分。
[0010]结合第一方面的第三种可能的实现方式，在第一方面的第四种可能的实现方式中，基于所述视频图像集中每个被确定为目标视频图像对应的人脸表情，确定出课堂状态第一分量，包括：对所述视频图像集中每个被确定为目标视频图像对应的人脸表情进行表情分类，得到每个表情类别的数量；确定数量最多的表情类别为主导表情，确定除主导表情之外的表情类别为从属表情；基于所述主导表情的占比、最大连续时长、表情分布区间数量，确定出主导表情分值；基于各个表情类别的从属表情的占比，确定出从属表情分值；基于所述主导表情分值和所述从属表情分值，确定出课堂状态第一分量。
[0011]结合第一方面，在第一方面的第五种可能的实现方式中，基于所述课堂状态评分、所述课后习题评分、所述历史课堂评分和所述历史课后评分，确定出教学质量评分，包括：获取目标课程与所有前序课程在课堂状态上的一致性影响指数，以及，获取目标课程与每个前序课程在课后习题上的延续性影响指数，其中，一致性影响指数用于揭示老师在所有前序课程中保持的课堂气氛对目标课程中课堂气氛的影响，延续性影响指数用于揭示每个前序课程中知识点的掌握对学生在目标课程中学习质量的影响；基于所述课堂状态评分、所述历史课堂评分、所述一致性影响指数，确定出课堂教学质量分值；基于所述课后习题评分、所述历史课后评分、所述延续性影响指数，确定出课后习题质量分值；基于所述课堂教学质量分值和所述课后习题质量分值，确定出所述教学质量评分。
[0012]结合第一方面的第五种可能的实现方式，在第一方面的第六种可能的实现方式中，基于所述课堂状态评分、所述历史课堂评分、所述一致性影响指数，确定出课堂教学质量分值，包括：采用以下公式计算课堂教学质量分值：
[0013][0014]其中，P
c
为课堂教学质量分值，α为一致性影响指数，为第i个前序课程对应的历史课堂评分，n为目标课程的前序课程总量，为所述课堂状态评分。
[0015]结合第一方面的第五种可能的实现方式，在第一方面的第七种可能的实现方式中，基于所述课后习题评分、所述历史课后评分、所述延续性影响指数，确定出课后习题质量分值，包括：基于以下公式计算课后习题质量分值：
[0016][0017]其中，P
t
为课后习题质量分值，γ为权重，为所述课后习题评分，为第i个前序课程对应的历史课后评分，β
i
为第i个前序课程对应的延续性影响指数，n为目标课程的前序课程总量。
[0018]结合第一方面的第七种可能的实现方式，在第一方面的第八种可能的实现方式中，延续性影响指数β
i
满足：
[0019][0020]其中，β
i
表示第i个前序课程对应的延续性影响指数，为第i个前序课程与目标课程之间的直接延续性指数，直接延续性指数表示前序课程中知识点掌握对目标课程中知识点掌握的直接影响程度，为第i个前序课程与目标课程之间的间接延续性指数，间接延续性指数表示前序课程中知识点掌握对目标课程中知识点掌握的间接影响程度，x
i
和y
i
分别为第i个前序课程对应的直接延续性权重和间接延续性权重，且x
i
+y
i
＝1。
[0021]结合第一方面的第八种可能的实现方式，在第一方面的第九种可能的实现方式中，第i个前序课程中包含ui个直接影响目标课程的一级知识点和v
i
个间接影响目标课本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人脸表情和人体动作的教学质量评估方法，其特征在于，包括：获取学生在学习目标课程时的视频图像集和练习所述目标课程的课后习题所得的课后习题评分；对所述视频图像集中的视频图像进行人脸表情识别和人体动作识别，确定出学生的人脸表情和人体姿态；基于所述人脸表情和所述人体姿态，确定出所述学生的课堂状态评分；获取所述学生学习所述目标课程的每个前序课程所得的历史课堂评分和历史课后评分；基于所述课堂状态评分、所述课后习题评分、所述历史课堂评分和所述历史课后评分，确定出教学质量评分。2.根据权利要求1所述的基于人脸表情和人体动作的教学质量评估方法，其特征在于，对所述视频图像集中的视频图像进行人脸表情识别和人体动作识别，确定出学生的人脸表情和人体姿态，包括：基于所述视频图像集中每个视频图像的时间戳，生成视频图像集对应的编号序列，其中，编号序列中的每个编号对应一个唯一的视频图像；基于所述编号序列，确定出当前待处理的目标视频图像；对所述目标视频图像进行人脸表情识别和人体动作识别，确定出所述目标视频图像对应的人脸表情和人体姿态。3.根据权利要求2所述的基于人脸表情和人体动作的教学质量评估方法，其特征在于，在确定出当前表情和当前姿态后，所述方法还包括：将所述当前表情与上一表情进行比较，确定是否发生表情变化；将所述当前姿态与上一姿态进行比较，确定所述当前姿态的变动幅度是否处于设定范围内；若无表情变化，且当前姿态的变动幅度处于设定范围内，确定编号跳跃量为t+1，t∈[1,10]；否则，确定编号跳跃量为1；对应的，基于所述编号序列，确定出当前待处理的目标视频图像，则包括：基于已处理的上一视频图像的编号和对应的编号跳跃量t
′
，从所述编号序列中确定出目标编号，并确定所述目标编号对应的视频图像为当前待处理的目标视频图像。4.根据权利要求2所述的基于人脸表情和人体动作的教学质量评估方法，其特征在于，基于所述人脸表情和所述人体姿态，确定出所述学生的课堂状态评分，包括：基于所述视频图像集中每个被确定为目标视频图像对应的人脸表情，确定出课堂状态第一分量；基于所述视频图像集中每个被确定为目标视频图像对应的人体姿态，确定出课堂状态第二分量；基于所述课堂状态第一分量和所述课堂状态第二分量，确定出所述学生的课堂状态评分。5.根据权利要求4所述的基于人脸表情和人体动作的教学质量评估方法，其特征在于，基于所述视频图像集中每个被确定为目标视频图像对应的人脸表情，确定出课堂状态第一分量，包括：
对所述视频图像集中每个被确定为目标视频图像对应的人脸表情进行表情分类，得到每个表情类别的数量；确定数量最多的表情类别为主导表情，确定除主导表情之外的表情类别为从属表情；基于所述主导表情的占比、最大连续时长、表情分布区间数量，确定出主导表情分值；基于各个表情类别的从属表情的占比，确定出从属表情分值；基于所述主导表情分值和所述从属表情分值，确定出课堂状态第一分量。6.根据权利要求1所述的基于人脸表情和人体动作的教学质量评估方法，其特征在于，基于所述课堂状态评分、所述课后习题评分、所述历史课堂评分和所述历史课后评分，确定出教学质量评分，包括：获取目标课程与所有前序课程在课堂状态上的一致性影响指数，以及，获取目标课程与每个前序课程在课后习题上的延续性影响指数，其中，一致性影响指数用于揭示老师在所有前序课程中保持的课堂气氛对...

【专利技术属性】
技术研发人员：韦鹏程，陈美成，张宗银，
申请(专利权)人：重庆第二师范学院，
类型：发明
国别省市：