一种教师授课质量评价方法和装置制造方法及图纸

本发明专利技术公开了一种教师授课质量评价方法和装置，方法包括：获取授课场景数据，并检测授课场景数据中教师的人形位置信息和人脸信息；授课场景数据包括：在预设的授课时段内的若干帧图片数据或视频数据；根据人形位置信息，识别教师的人体关键点信息，并识别教师的行为姿势信息；根据人脸信息，计算教师的表情特征，并预测教师的表情分类信息；根据预设参数设置，将行为姿态信息转换为行为姿势参数，将表情分类信息转换为表情参数；根据姿态参数和表情参数及对应的贡献系数，生成授课质量总评分，结合表情识别和行为姿态检测对教师授课质量进行综合性评价，以实现多方面评价教师授课质量，提高教师授课质量评价精度。提高教师授课质量评价精度。提高教师授课质量评价精度。

【技术实现步骤摘要】
一种教师授课质量评价方法和装置


[0001]本专利技术涉及机器视觉
，尤其涉及一种教师授课质量评价方法、装置和存储介质。

技术介绍

[0002]教师的授课质量在学校对教师考核中占有很大的比重，教师的授课质量是体现该学校的教学质量以及提高教育教学质量的关键。
[0003]现有的教师授课质量评价方法采用的是通过公开课的形式，学生、学校的管理人员、教学督导或其他专业教师进行听课并人工评分。这种教师授课质量评价方法虽然方式简单，但受时间的限制，往往只能对通过一两节课堂教学进行教学质量的评价，难以对教师在整个学期的全部课堂教学活动进行观察，以及形成长期客观的分析。而且该方法还需人工统计，比较费时费力，评价的结果不能达到很客观全面。
[0004]现有的教师授课质量评价方法还基于单方面的研究，比如单独以教师的行为或以面部表情分析的评估系统。这种方法只从单一方面的研究，对教师授课质量评价而言无法全面反应出教师的上课质量。

技术实现思路

[0005]本专利技术提供了一种教师授课质量评价方法和装置，结合表情识别和行为姿态检测对教师授课质量进行综合性评价，以实现多方面评价教师授课质量，提高教师授课质量评价精度。
[0006]为了实现提高教师授课质量评价精度，本专利技术实施例提供了一种教师授课质量评价方法，包括：获取授课场景数据，并检测所述授课场景数据中教师的人形位置信息和人脸信息；所述授课场景数据包括：在预设的授课时段内的若干帧图片数据或视频数据；
[0007]根据所述人形位置信息，识别所述教师的人体关键点信息，并识别所述教师的行为姿势信息；根据所述人脸信息，计算所述教师的表情特征，并预测所述教师的表情分类信息；
[0008]根据预设参数设置，将所述行为姿态信息转换为行为姿势参数，将所述表情分类信息转换为表情参数；根据所述行为姿势参数和表情参数及对应的贡献系数，生成授课质量总评分。
[0009]作为优选方案，本专利技术通过目标检测、表情识别和人体姿态检测的方法，全面检测出教师上课过程中的行为姿态和表情，对教师授课时的视频或者图片中授课的行为姿势和表情进行综合评价。通过人工智能行为分析技术和模糊综合评价技术，实现全课程分析评价智能化和全自动化，提高授课质量评价的高效性和客观性。
[0010]作为优选方案，检测所述授课场景数据中教师的人形位置信息和人脸信息，具体为：
[0011]根据预设位置的信息，过滤非预设位置上的人物信息，将预设位置上的人形位置
信息和人脸信息作为教师的人形位置信息和人脸信息。
[0012]作为优选方案，本专利技术具有更强的场景适应能力，通过目标检测过滤机制，可以排除非教师人员的干扰，除了对只存在教师的场景外，对还存在其他非教师人员的场景也能进行精确的目标检测。
[0013]作为优选方案，所述人形位置信息，识别所述教师的人体关键点信息，具体为：
[0014]通过检测器定位第一帧授课场景数据的第一人形位置信息中的姿态兴趣区域，通过追踪器预测第一人形位置信息中的教师的预设个人体关键点；
[0015]后一帧的第二人形位置信息根据前一帧的人体关键点，生成第二人形位置信息中的姿态兴趣区域。
[0016]作为优选方案，根据识别所述教师的行为姿势信息，具体为：
[0017]根据每一帧授课场景数据的人形位置信息中的人体关键点的位置，生成各个所述人体关键点的位置变化信息；
[0018]根据各个所述人体关键点的位置变化信息，生成所有人体关键点的组合热力图；将所述组合热力图回归到所述教师的人体各个部位的热图上，并生成行为姿态预测结果，并统计每种类型姿态预测结果的第一出现次数；
[0019]将所述姿态预测结果和所述第一出现次数作为行为姿势信息。
[0020]作为优选方案，根据所述人脸信息，计算所述教师的表情特征，并预测所述教师的表情分类信息，具体为：
[0021]通过预设个特征计算模块，对每一帧授课场景数据的人脸信息依次进行图片像素大小的重构，并提取表情特征；根据各所述表情特征，生成计算损失；将所述计算损失输入得分全连接层，生成表情预测结果；根据所述表情预测结果，统计每种类型表情预测结果的第二出现次数；
[0022]将所述表情预测结果和所述第二出现次数作为表情分类信息。
[0023]作为优选方案，根据预设参数设置，将所述行为姿态信息转换为行为姿势参数，将所述表情分类信息转换为表情参数，根据所述行为姿势参数和表情参数及对应的贡献系数，生成授课质量总评分，具体为：
[0024]根据行为姿势信息，将每种类型姿态预测结果转换为对应的行为姿势参数；根据表情分类信息，将每种类型表情预测结果转换为对应的表情参数；
[0025]根据设置的每种类型姿态预测结果的姿势贡献系数和每种类型姿态预测结果的第一出现次数，将每个所述行为姿势参数与对应的姿势贡献系数的乘积进行求和，获得行为姿态评分；
[0026]根据设置的每种类型表情预测结果的表情贡献系数和每种类型表情预测结果的第二出现次数，将每个所述表情参数与对应的表情贡献系数的乘积进行求和，获得表情评分；
[0027]将所述行为姿态评分与预设的姿态评分系数的乘积和所述表情评分与预设的表情评分系数的乘积进行求和，获得授课质量总评分。
[0028]作为优选方案，本专利技术通过目标检测、表情识别和人体姿态检测的方法，全面检测出教师上课过程中的行为姿态和表情，结合各自的贡献系数，对教师授课时的视频或者图片中授课的行为姿势和表情及其出现的次数进行评分，综合考虑了不同类型的行为姿态和
表情对授课质量的贡献，提高授课质量评价的高效性和客观性。
[0029]相应地，本专利技术还提供一种教师授课质量评价装置，包括：检测模块、预测模块和评价模块；
[0030]所述检测模块用于实时获取授课场景数据，并检测所述授课场景数据中教师的人形位置信息和人脸信息；所述授课场景数据包括：在预设的授课时段内的若干帧图片数据或视频数据；
[0031]所述预测模块用于根据所述人形位置信息，识别所述教师的人体关键点信息，并识别所述教师的行为姿势信息；根据所述人脸信息，计算所述教师的表情特征，并预测所述教师的表情分类信息；
[0032]所述评价模块用于根据预设参数设置，将所述行为姿态信息转换为行为姿势参数，将所述表情分类信息转换为表情参数；根据所述行为姿势参数和表情参数及对应的贡献系数，生成授课质量总评分。
[0033]作为优选方案，本专利技术装置检测模块和预测模块通过目标检测、表情识别和人体姿态检测的方法，全面检测出教师上课过程中的行为姿态和表情，评价模块对教师授课时的视频或者图片中授课的行为姿势和表情进行综合评价。通过人工智能行为分析技术和模糊综合评价技术，实现全课程分析评价智能化和全自动化，提高授课质量评价的高效性和客观性。
[0034]检测模块包括：过滤单元和识别单元；
[0035]所述过滤单元用于根据预设位置的信息，过滤非预设位置上本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种教师授课质量评价方法，其特征在于，包括：获取授课场景数据，并检测所述授课场景数据中教师的人形位置信息和人脸信息；所述授课场景数据包括：在预设的授课时段内的若干帧图片数据或视频数据；根据所述人形位置信息，识别所述教师的人体关键点信息，并识别所述教师的行为姿势信息；根据所述人脸信息，计算所述教师的表情特征，并预测所述教师的表情分类信息；根据预设参数设置，将所述行为姿态信息转换为行为姿势参数，将所述表情分类信息转换为表情参数；根据所述行为姿势参数和表情参数及对应的贡献系数，生成授课质量总评分。2.如权利要求1所述的一种教师授课质量评价方法，其特征在于，所述检测所述授课场景数据中教师的人形位置信息和人脸信息，具体为：根据预设位置的信息，过滤非预设位置上的人物信息，将预设位置上的人形位置信息和人脸信息作为教师的人形位置信息和人脸信息。3.如权利要求2所述的一种教师授课质量评价方法，其特征在于，所述根据所述人形位置信息，识别所述教师的人体关键点信息，具体为：通过检测器定位第一帧授课场景数据的第一人形位置信息中的姿态兴趣区域，通过追踪器预测第一人形位置信息中的教师的预设个人体关键点；后一帧的第二人形位置信息根据前一帧的人体关键点，生成第二人形位置信息中的姿态兴趣区域。4.如权利要求3所述的一种教师授课质量评价方法，其特征在于，所述识别所述教师的行为姿势信息，具体为：根据每一帧授课场景数据的人形位置信息中的人体关键点的位置，生成各个所述人体关键点的位置变化信息；根据各个所述人体关键点的位置变化信息，生成所有人体关键点的组合热力图；将所述组合热力图回归到所述教师的人体各个部位的热图上，并生成行为姿态预测结果，并统计每种类型姿态预测结果的第一出现次数；将所述姿态预测结果和所述第一出现次数作为行为姿势信息。5.如权利要求4所述的一种教师授课质量评价方法，其特征在于，所述根据所述人脸信息，计算所述教师的表情特征，并预测所述教师的表情分类信息，具体为：通过预设个特征计算模块，对每一帧授课场景数据的人脸信息依次进行图片像素大小的重构，并提取表情特征；根据各所述表情特征，生成计算损失；将所述计算损失输入得分全连接层，生成表情预测结果；根据所述表情预测结果，统计每种类型表情预测结果的第二出现次数；将所述表情预测结果和所述第二出现次数作为表情分类信息。6.如权利要求5所述的一种教师授课质量评价方法，其特征在于，所述根据预设参数设置，将所述行为姿态信息转换为行为姿势参数，将所述表情分类信息转换为表情参数，根据所述行为姿势参数和表情参数及对应的贡献系数，生成授课质量总评分，具体为：根据行为姿势信息，将每种类型姿态预测结果转换为对应的行为姿势参数；根据表情分类信息，将每种类型表情预测结果转换为对应的表情参数；根据设置的每种类型姿态预测结果的姿势贡献系数和每种类型姿态预测结果的第一
出现次数，将每个所述行为姿势参数与对应的姿势贡献系数的乘积进行求和，获得行为姿态评分；根据设置的每种类型表情预测结果的表情贡献系数和每种类型表情预测结果的第二出现次数，将每个所述表情参数与对应的表情贡献系数的乘积进行求和，获得表情评分；将所述行为姿态评分与预设的姿态...

【专利技术属性】
技术研发人员：梁运鑫，赵定金，朱正辉，石金川，
申请(专利权)人：广东保伦电子股份有限公司，
类型：发明
国别省市：