CN107316261A

CN107316261A - 一种基于人脸分析的教学质量评估系统

Info

Publication number: CN107316261A
Application number: CN201710556784.XA
Authority: CN
Inventors: 廖海斌
Original assignee: Hubei University of Science and Technology
Current assignee: Hubei University of Science and Technology
Priority date: 2017-07-10
Filing date: 2017-07-10
Publication date: 2017-11-03

Abstract

本发明提供了一种基于人脸分析的教学质量评估系统，属于智能检测分析技术领域。它解决了教学质量与学生课堂表现之间的建模分析等技术问题。一种基于人脸分析的教学质量评估系统，包括如下几个部分：S1、人脸识别考勤模块、S2、人脸姿态分析、S3、人脸表情分析、S4、基于大数据分析的课堂表现与评教质量关系建立、S5、基于课题堂表现的教学质量评估方法、S6、基于大数据分析的教学质量反馈机制。本发明具有通过建模分析，提高教学质量，量化教学质量评估等优点。

Description

一种基于人脸分析的教学质量评估系统

技术领域

本发明属于智能检测分析技术领域，涉及一种基于人脸分析的教学质量评估系统。

背景技术

2009年2月《国家中长期教育改革和发展规划纲要》工作小组办公室面向全社会发布了第二轮20个重大关键问题，其中一个重要问题就是如何改进高等教育质量管理，建立健全质量标准和评价制度。课堂教学仍然是高等教育最基础和重要的教学组织形式，同时也是实现人才培养目标、保证并提高教育质量的最重要环节。传统的教师教学质量评估方式一般有学生评估、同行评估、督导专家评估。在学生评估中，学生带着感情色彩打分的现象非常普遍。哪位老师平时管理不严、对学生不负责，但是考试容易通过、而且分数还不低，他们打分时就会打高分；教师为了在评估中得高分，不严格要求学生，甚至讨好学生、向学生要分。在专家评教中，由于评估中心的专家为了减轻自己的工作任务，往往以教师一节课的表现评判整门课程，而且评估中心专家还有一种“不得罪人”的心理。学院领导集管理者、教学者、科研者于一身，他们把大多数时间精力都花在自己的教学、科研与管理工作上，但具体对于教学评估工作则显得力不从心，许多时候只能把评估当作一种形式。

针对上述存在的种种问题，本发明利用计算机、人工智能和大数据分析等先进技术从客观、公平、智能的视角出发，提出基于人脸分析的智能教学质量评估反馈系统。为教学质量评估提供了一种智能化和精准化的方法与途径。

发明内容

本发明的目的是针对现有的技术存在的上述问题，提供一种基于人脸分析的教学质量评估系统，本发明所要解决的技术问题是如何通过人脸信息对教学质量进行评估和数据统计。

本发明的目的可通过下列技术方案来实现：一种基于人脸分析的教学质量评估系统，其特征在于，本评估系统包括如下几个部分：

S1、人脸识别考勤模块：通过教室摄像头采集上课学生人脸图像。然后，利用人脸识别技术进行学生迟到、早退和旷课等考勤记录，即利用人脸识别技术进行自动考勤点名。

优选的，本发明采用目前先进的方法进行人脸识别：即采用Faster+RCNN结构的深度网络进行人脸检测，采用Inception-resnet结构的深度网络进行人脸特征提取，采用支持向量机(SVM)进行人脸分类识别。

S2、人脸姿态分析：利用教室摄像头监控教室每个学生，并利用人脸姿态识别技术分析每个学生的上课状态。如果有学生长时间处于低头姿势，则判断为瞌睡或玩手机情景，并自动报警提醒老师和学生。

优选的，本发明采用稀疏表示的方法进行人脸姿态识别。

S3、人脸表情分析：利用教室摄像头监控教室每个学生，并利用人脸表情识别技术分析每个学生的上课表情状态。以判断学生对讲课内容的反馈状态：兴奋，低迷，迷惑，高兴，专注和漠不关心等。

优选的，本发明采用3D人脸+SVR(支持向量回归)的方法进行人脸表情识别。

S4、基于大数据分析的课堂表现与评教质量关系建立：对学生考勤、课堂姿态和表情等课堂表现，学末成绩和教学质量建立关系，并利用大数据分析技术找出学生课堂表现与教师教学质量之间的因果关系，为教学质量评估作为理论依据。如，找出学生上课听不懂时是什么表情，听懂了时是什么表情，心不在焉时是什么表情，全神贯注时是什么表情等，建立课堂学生表情与表现之间的关系，并将其与教学质量联系起来。

S5、基于课题堂表现的教学质量评估方法：基于建立的课堂表现与教学质量之间的关系。利用计算机自动地对教师的课堂教学质量进行公平公正的打分评价，建立一套全自动化公平公正的教学质量评估系统。

进一步的，老师可以选择1-2节能代表此课程水平的教学视频，上传至云端供专家和学生家长观看打分评价，并以此作为教学质量评价的辅助材料。

所述课堂表现与评教质量之间的关系包括：

1)利用大数据分析找出考勤情况与课堂表现之间的关系；

2)利用大数据分析找出人脸姿态与课堂表现之间的关系；

3)利用大数据分析找出人脸表情与课堂表现之间的关系。

本系统还包括课堂表现与教学质量之间的因果关系模型，课堂表现与教师教学质量之间的因果关系包括：

1)利用大数据分析找出课堂表现与期末考试之间的关系；

2)利用大数据分析找出期末考试与教学质量之间的关系。

S6、基于大数据分析的教学质量反馈机制：利用大数据分析技术研究课堂学生人脸表情变化与教学内容、教学方法方式等的关系，并以此建立一种教学质量反馈机制。用于帮助教师即时总结课堂教学经验、更新教学内容和改革教学模式。如，利用学生课堂表情变化，来分析学生普遍存在听不懂时所对应的教学内容和教学方式是什么，并以此来针对性地更新教学内容和改革方案。

本发明相对于现有教学评估反馈方法具有如下的优点及效果：

(1)新型教学质量评估策略：本发明首次将人工智能技术和大数据分析技术应用到教学质量评估体系，提出一种新型全自动、公平和有效的教学质量评估方法，弥补现有评教方法过于主观意识的缺陷。

(2)新型教学质量反馈机制：本发明利用大数据分析技术研究课堂学生人脸表情变化与教学内容设计、教学方式的关系，探索一种新型的教学质量反馈机制，用于帮助教师总结教学经验、更新教学内容和改革教学模式。

附图说明

图1是本教学评估系统的结构框图。

具体实施方式

以下是本发明的具体实施例并结合附图，对本发明的技术方案作进一步的描述，但本发明并不限于这些实施例。

本发明提出的一种基于人脸分析的教学质量智能评估系统主要包括:人脸考勤、姿态分析、表情分析、关系模型建立、教学评估打分和教学质量反馈六大模块，如图1所示。

S1：人脸考勤模块

在教室安装1-2个摄像头，使其能够监控到教室每个座位上的学生。利用人脸识别技术进行学生身份识别自动点名，并自动记录学生迟到、早退和旷课等考勤情况。

优选的，本发明采用的人脸识别方法如下：

1)采用Faster+RCNN深度网络进行坐位人脸检测，并截取出标准的人脸图像。

2)对截取的人脸图像利用Inception-resnet结构的深度网络进行特征提取。

3)将提取的人脸特征与学生人脸库特征利用SVM方法进行比对识别，作为考勤的依据。

进一步的，一旦通过人脸识别技术锁定学生人脸后，利用人脸跟踪技术实时跟踪人脸动态，为后期人脸姿态、表情分析做准备。由于上课学生的座位是相对固定的，因此人脸跟踪相对较容易。

S2：姿态分析模块

基于人脸考勤模块定位的每个学生人脸，利用人脸姿态识别技术分析每个学生的姿态变化情况。如果有学生长时间处于低头姿态，则判断为瞌睡或玩手机情景，并自动报警提醒老师和学生。

优选的，为了降低人脸姿态识别的难度，本发明将人脸姿态分为：正面、低头，左偏转和右偏转四种类别。因此，可以采用传统的三角形、椭圆、稀疏表示等方法，也可以使用先进的深度学习的方法。

进一步的，以稀疏表示人脸姿态识别方法为例进行实例描述：

1)收集正面、低头，左偏转和右偏转四种类别的人脸样本各1000幅，作为人脸姿态超完备字典。

2)利用鉴别字典学习方法对上述超完备字典进行训练学习，得到优化的具有鉴别性的人脸姿态字典。

3)对截取的人脸利用上述人脸姿态字典建立稀疏表示模型，并进行稀疏表示求解，得到稀疏表示系数。

4)利用上述得到的稀疏表示系数进行人脸姿态分类，得到学生人脸姿态变化状况。

S3：表情分析模块

基于人脸考勤模块定位的每个学生人脸，利用人脸表情识别技术自动分析学生上课时的表情状态。识别的表情状态包括：兴奋，低迷，迷惑，高兴，专注和漠不关心。为了提高表情识别的精度，可以提出3D+SVR的人脸表情识别方法。

进一步的，本发明提出的3D+SVR的人脸表情识别方法步骤如下：

1)在后台对截取的人脸进行3D重建，提取人脸121个关键点的3D信息，得到人脸3D特征向量x。

2)训练学习3D人脸特征与表情之间的关系：

设x表示3D人脸特征，为每个3D人脸特征配备表情值y。据此，构建3D人脸表情训练集(x_i，y_i)，i＝1，2，L，N。采用非线性支持向量回归(SVR)进行表情函数学习：

其中，w_i和b为SVR模型需求解的参数。

3)根据上述训练得出的表情函数模型，输入人脸3D特征向量x求解表情值y，得出人脸表情。

S4：关系模型建立模块

对学生考勤(来自人脸考勤模块)、课堂姿态(来自姿态分析模块)和课堂表情(来自表情分析模块)等课堂表现，学末成绩和教学质量建立关系，并利用大数据分析技术找出学生课堂表现与教师教学质量之间的因果关系，作为教学质量评估理论依据。如，找出学生上课听不懂时是什么表情，听懂了时是什么表情，心不在焉时是什么表情，全神贯注时是什么表情等，建立课堂学生表情与表现之间的关系，并将其与教学质量联系起来。

进一步的，本发明的课堂表现模型为：

1)利用大数据分析找出考勤情况与课堂表现之间的关系；

2)利用大数据分析找出人脸姿态与课堂表现之间的关系；

3)利用大数据分析找出人脸表情与课堂表现之间的关系；

4)综合上述三种关系，建立课堂表现模型。

进一步的，本发明的课堂表现与教师教学质量之间的因果关系模型为：

5)利用大数据分析找出课堂表现与期末考试之间的关系；

6)利用大数据分析找出期末考试与教学质量之间的关系；

7)综合上述两种关系建立课堂表现与教学质量之间的因果关系模型。

S5：教学评估打分模块

基于建立的课堂表现与教学质量之间的关系(来自关系模型建立模块)，利用计算机自动地对教师的课堂教学质量进行公平公正的打分评价，建立一套全自动化公平公正的教学质量评估系统。

S6：教学质量反馈模块

利用大数据分析技术研究课堂学生人脸表情变化与教学内容、教学方法方式等的关系，并以此建立一种教学质量反馈模型，用于帮助教师即时总结课堂教学经验、更新教学内容和改革教学模式。如，利用学生课堂表情变化，来分析学生普遍存在听不懂时所对应的教学内容和教学方式是什么，并以此来针对性地更新教学内容和改革方案。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims

1.一种基于人脸分析的教学质量评估系统，其特征在于，本评估系统包括如下几个部分：

S1、人脸识别考勤模块：通过教室摄像头采集上课学生人脸图像，以此为依据进行人脸识别和考勤判断。

S2、人脸姿态分析模块：利用教室摄像头监控教室每个学生，并利用人脸姿态识别技术分析每个学生的上课状态。

S3、人脸表情分析模块：利用教室摄像头监控教室每个学生，并利用人脸表情识别技术分析每个学生的上课表情状态。

S4、基于大数据分析的课堂表现与评教质量关系建立：对学生考勤、课堂姿态和表情等课堂表现，学末成绩和教学质量建立关系，并利用大数据分析技术找出学生课堂表现与教师教学质量之间的因果关系，为教学质量评估作为理论依据。

S5、基于课题堂表现的教学质量评估方法：基于建立的课堂表现与教学质量之间的关系。

S6、基于大数据分析的教学质量反馈机制：利用大数据分析技术研究课堂学生人脸表情变化与教学内容、教学方法方式的关系，并以此建立一种教学质量反馈机制。

2.根据权利要求1所述一种基于人脸分析的教学质量评估系统，其特征在于，采用Faster+RCNN结构的深度网络进行人脸检测，采用Inception-resnet结构的深度网络进行人脸特征提取，采用支持向量机(SVM)进行人脸分类识别。

3.根据权利要求1所述一种基于人脸分析的教学质量评估系统，其特征在于，采用稀疏表示的方法进行人脸姿态识别。

4.根据权利要求1所述一种基于人脸分析的教学质量评估系统，其特征在于，采用3D人脸+SVR(支持向量回归)的方法进行人脸表情识别。

5.根据权利要求1所述一种基于人脸分析的教学质量评估系统，其特征在于，通过摘取教师的部分能够代表此课程水平的教学视频，上传至云端供专家和学生家长观看打分评价，并以此作为教学质量评价的辅助材料。

6.根据权利要求1所述一种基于人脸分析的教学质量评估系统，其特征在于，所述课堂表现与评教质量之间的关系包括：

1)利用大数据分析找出考勤情况与课堂表现之间的关系；

2)利用大数据分析找出人脸姿态与课堂表现之间的关系；

3)利用大数据分析找出人脸表情与课堂表现之间的关系。

7.根据权利要求1所述一种基于人脸分析的教学质量评估系统，其特征在于，本系统还包括课堂表现与教学质量之间的因果关系模型，课堂表现与教师教学质量之间的因果关系包括：

1)利用大数据分析找出课堂表现与期末考试之间的关系；

2)利用大数据分析找出期末考试与教学质量之间的关系。