CN110049318B - 一种学习质量评估方法和相关装置 - Google Patents

一种学习质量评估方法和相关装置 Download PDF

Info

Publication number
CN110049318B
CN110049318B CN201910375623.XA CN201910375623A CN110049318B CN 110049318 B CN110049318 B CN 110049318B CN 201910375623 A CN201910375623 A CN 201910375623A CN 110049318 B CN110049318 B CN 110049318B
Authority
CN
China
Prior art keywords
time
effective
playing
learning quality
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910375623.XA
Other languages
English (en)
Other versions
CN110049318A (zh
Inventor
刘刚
刘昭斌
杨元峰
张晶
张量
沈陈赞
孙杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Vocational University
Original Assignee
Suzhou Vocational University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Suzhou Vocational University filed Critical Suzhou Vocational University
Priority to CN201910375623.XA priority Critical patent/CN110049318B/zh
Publication of CN110049318A publication Critical patent/CN110049318A/zh
Application granted granted Critical
Publication of CN110049318B publication Critical patent/CN110049318B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N17/00—Diagnosis, testing or measuring for television systems or their details
    • H04N17/004—Diagnosis, testing or measuring for television systems or their details for digital television systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)

Abstract

本申请公开了一种学习质量评估方法，包括：每隔预设时间获取摄像头采集到的图像数据，并对图像数据进行人脸识别，获取识别结果；实时获取用户的操作，若操作是快进操作或者快退操作，则记录操作对应的视频中的起止时间数据；当视频播放完成后，根据各个起止时间数据获取有效播放时长；根据有效播放时长和各个识别结果确定用户的学习质量评估数据。可见，本申请通过以图像数据确定用户身份的识别结果，并通过监控在线视频学习的有效播放时长来评估用户的学习质量评估数据，因此能够提高获取用户学习质量评估数据的效率和准确性。本申请同时还提供了一种学习质量评估装置、电子设备和计算机可读存储介质，均具有上述有益效果。

Description

一种学习质量评估方法和相关装置
技术领域
本申请涉及计算机技术领域，特别涉及一种学习质量评估方法、学习质量评估装置、电子设备和计算机可读存储介质。
背景技术
随着科技的进步，“互联网+教育”打破了传统课堂教学的时空限制，只要有一个终端和网络相连，可以随时随地的进行课堂学习。但是“互联网+教育”新常态都只注重优质教学资源的建设与共享，缺乏对学生学习质量的监督和评估，对学生在视频观看过程中的认真程度、学习效果等情况很难及时地把控，通常需要通过家长的配合了解学生在线视频学习质量，因此易造成获取学生学习质量数据效率低，且可靠性不能保障。
因此，如何提供一种解决上述技术问题的方案是本领域技术人员目前需要解决的问题。
发明内容
本申请的目的是提供学习质量评估方法、学习质量评估装置、电子设备和计算机可读存储介质，能够提高获取用户学习质量评估数据的效率和准确性。其具体方案如下：
本申请提供一种学习质量评估方法，包括：
每隔预设时间获取摄像头采集到的图像数据，并对所述图像数据进行人脸识别，获取识别结果；
实时获取用户的操作，若所述操作是快进操作或者快退操作，则记录所述操作对应的视频中的起止时间数据；
当视频播放完成后，根据各个所述起止时间数据获取有效播放时长；
根据所述有效播放时长和各个所述识别结果确定所述用户的学习质量评估数据。
可选的，根据所述有效播放时长和各个所述识别结果确定所述用户的学习质量评估数据，包括：
根据所述有效播放时长与所述视频的总时长确定有效视频播放指数；
根据所述识别结果与识别总次数确定有效人脸识别指数；
根据所述有效视频播放指数与所述有效人脸识别指数利用I＝Ir+Ip确定所述用户的所述学习质量评估数据；
其中，
Figure BDA0002051562050000021
Ip是有效视频播放指数，wp是有效视频播放权重，l是有效播放时长，L是视频的总时长，Ir是有效人脸识别指数，wr是人脸识别权重，n是识别结果为真的次数，Δt是预设时间，I是学习质量评估数据。
可选的，所述预设时间是5秒。
可选的，根据各个所述起止时间数据获取有效播放时长，包括：
根据各个所述起止时间数据按照(x,y,d)的形式记录各个所述快进操作或所述快退操作的播放时段，并将所有所述播放时段确定为第一集合；其中，x是起始时间，y是结束时间，d是删除标记；
对所述第一集合中的所有所述播放时段按照x由小到大的进行排序，若x相同，则按照y从小到大进行排序，得到第二集合；
若所述第二集合中的第一播放时段P1(x1,y1,d1)与第二播放时段P2(x2,y2,d2)的交集是目标时段，则将所述目标时段的删除标记置为1；若所述第一播放时段P1(x1,y1,d1)与所述第二播放时段P2(x2,y2,d2)的交集不为空且
Figure BDA0002051562050000022
且
Figure BDA0002051562050000023
则将x1置为x1与x2中的最小值，y1置为y1与y2中的最大值，d2置为1，直至所有播放时段均设置完成，得到第三集合；其中，所述第一目标时段是第一播放时段或第二播放时段；
根据所述第三集合中的特定播放时段确定所述有效播放时长，其中，所述特定播放时段是删除标记为0的时段。
可选的，根据各个所述起止时间数据获取有效播放时长，包括：
根据各个所述起止时间数据按照(x,y)的形式记录各个所述快进操作，获取所述快进操作对应的快进集；根据各个所述起止时间数据按照(y,x)的形式记录各个所述快退操作，获取所述快退操作对应的快退集，其中，所述x表示起始时间，y表示结束时间；
将所述快进集对于视频总时长集的补集确定为第一有效时间集；
将所述快进集与所述快退集的交集确定为第二有效时间集；
根据所述第一有效时间集和所述第二有效时间集确定所述有效播放时长。
可选的，根据所述有效播放时长和各个所述识别结果确定所述用户的学习质量评估数据之后，还包括：
将所述用户的学习信息进行存储。
可选的，根据所述有效播放时长和各个所述识别结果确定所述用户的学习质量评估数据之后，还包括：
确定所述学习质量评估数据的数据范围；
根据所述数据范围确定所述用户的学习质量级别。
本申请提供一种学习质量评估装置，包括：
采集与识别模块，用于每隔预设时间获取摄像头采集到的图像数据，并对所述图像数据进行人脸识别，获取识别结果；
记录模块，用于实时获取用户的操作，若所述操作是快进操作或者快退操作，则记录所述操作对应的视频中的起止时间数据；
有效播放时长获取模块，用于当视频播放完成后，根据各个所述起止时间数据获取有效播放时长；
学习质量评估数据获取模块，用于根据所述有效播放时长和各个所述识别结果确定所述用户的学习质量评估数据。
本申请提供一种电子设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如上述学习质量评估方法的步骤。
本申请提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述学习质量评估方法的步骤。
本申请提供一种学习质量评估方法，包括：每隔预设时间获取摄像头采集到的图像数据，并对图像数据进行人脸识别，获取识别结果；实时获取用户的操作，若操作是快进操作或者快退操作，则记录操作对应的视频中的起止时间数据；当视频播放完成后，根据各个起止时间数据获取有效播放时长；根据有效播放时长和各个识别结果确定用户的学习质量评估数据。
可见，本申请通过以图像数据确定用户身份的识别结果，避免了用户挂机的行为，并通过监控在线视频学习的有效播放时长来评估用户的学习质量评估数据，因此能够提高获取用户学习质量评估数据的效率和准确性。本申请同时还提供了一种学习质量评估装置、电子设备和计算机可读存储介质，均具有上述有益效果，在此不再赘述。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有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，还可以根据提供的附图获得其他的附图。
图1为本申请实施例所提供的一种学习质量评估方法的流程图；
图2为本申请实施例所提供的另一种学习质量评估方法的流程图；
图3为本申请实施例提供的一种学习质量评估装置的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
在常见的“互联网+教育”新常态需要通过家长的配合了解学生在线视频学习质量，因此易造成获取学生学习质量数据效率低，且可靠性不能保障。基于上述技术问题，本实施例提供一种学习质量评估方法，通过以图像数据确定用户身份的识别结果，并通过监控在线视频学习的有效播放时长来评估用户的学习质量评估数据，因此能够提高获取用户学习质量评估数据的效率和准确性，具体请参考图1，图1为本申请实施例所提供的一种学习质量评估方法的流程图，具体包括：
S101、每隔预设时间获取摄像头采集到的图像数据，并对图像数据进行人脸识别，获取识别结果。
本步骤的目的是在用户观看视频期间多次采集图像数据，并进行识别主要是为了确定用户的身份。本实施例不对预设时间进行限定，可以是5s或10s或15s或者其他时间，用户可根据实际需求进行设置。本实施例不对图像数据进行限定，可以理解的是当完整的人脸占整个图像的比例越大，则识别的结果越精确。识别结果可以是当用户登录观看视频时，记录用户的相关信息，系统根据用户预设的人脸信息与观看期间得到的图像数据进行匹配，匹配成功则证明是识别成功，匹配失败则证明是识别失败。
S102、实时获取用户的操作，若操作是快进操作或者快退操作，则记录操作对应的视频中的起止时间数据。
用户在进行视频观看时会进行暂停操作、快进操作、快退操作与倍速操作等操作，当用户的操作与快进操作或者快退操作时，记录操作对应的视频中的起止时间数据。
S103、当视频播放完成后，根据各个起止时间数据获取有效播放时长。
本实施例不对获取有效播放时长的方式进行限定，用户可自定义设置，主要目的是为了记录用户观看了整个视频中总有效时长。
S104、根据有效播放时长和各个识别结果确定用户的学习质量评估数据。
根据识别结果确定用户在观看视频，根据有效播放时长确定用户观看的视频的时长，以有效播放时长和识别结果共同得到用户的学习质量评估数据，高效率的且科学的以学习质量评估数据表征用户的学习质量。
进一步的，根据有效播放时长和各个识别结果确定用户的学习质量评估数据之后，还包括：将用户的学习信息进行存储。
学习信息包括用户信息、视频信息、观看历史、人脸识别结果、用户的操作行为、学习质量评估数据，以便用户实时了解信息。
进一步的，根据有效播放时长和各个识别结果确定用户的学习质量评估数据之后，还包括：确定学习质量评估数据的数据范围；根据数据范围确定用户的学习质量级别。
可以理解的是，在系统内设置有多个阈值以便区分不同的数据范围，不同的数值范围对应不同的学习质量级别，通过比较学习质量评估数据最终确定学习质量级别，以便能够科学表征用户观看情况。
基于上述技术方案，本实施例通过以图像数据确定用户身份的识别结果，并通过监控在线视频学习的有效播放时长来评估用户的学习质量评估数据，因此能够提高获取用户学习质量评估数据的效率和准确性。
基于上述实施例，本实施例提供一种学习质量评估方法，具体请参考图2，图2为本申请实施例所提供的另一种学习质量评估方法的流程图，包括：
S201、每隔预设时间获取摄像头采集到的图像数据，并对图像数据进行人脸识别，获取识别结果。
S202、实时获取用户的操作，若操作是快进操作或者快退操作，则记录操作对应的视频中的起止时间数据。
S203、当视频播放完成后，根据各个起止时间数据获取有效播放时长。
S204、根据有效播放时长与视频的总时长确定有效视频播放指数。
S205、根据识别结果与识别总次数确定有效人脸识别指数。
S206、根据有效视频播放指数与有效人脸识别指数利用I＝Ir+Ip确定用户的学习质量评估数据。
其中，
Figure BDA0002051562050000061
Ip是有效视频播放指数，wp是有效视频播放权重，l是有效播放时长，L是视频的总时长，Ir是有效人脸识别指数，wr是人脸识别权重，n是识别结果为真的次数，Δt是预设时间，I是学习质量评估数据。
本实施例不对有效视频播放权重和人脸识别权重进行限定，用户可自定义设置。
基于上述技术方案，本实施例通过以有效视频播放指数与有效人脸识别指数来评估用户的学习质量评估数据，因此能够提高获取用户学习质量评估数据的效率和准确性。
在本发明所提供的学习质量评估方法的另一种具体实施方式中，针对根据各个起止时间数据获取有效播放时长的过程进行进一步阐述，该过程具体包括：
S1、根据各个起止时间数据按照(x,y,d)的形式记录各个快进操作或快退操作的播放时段，并将所有播放时段确定为第一集合；其中，x是起始时间，y是结束时间，d是删除标记；
S2、对第一集合中的所有播放时段按照x由小到大的进行排序，若x相同，则按照y从小到大进行排序，得到第二集合；
S3、若第二集合中的第一播放时段P1(x1,y1,d1)与第二播放时段P2(x2,y2,d2)的交集是目标时段，则将目标时段的删除标记置为1；若第一播放时段P1(x1,y1,d1)与第二播放时段P2(x2,y2,d2)的交集不为空且
Figure BDA0002051562050000071
且
Figure BDA0002051562050000072
则将x1置为x1与x2中的最小值，y1置为y1与y2中的最大值，d2置为1，直至所有播放时段均设置完成，得到第三集合；其中，第一目标时段是第一播放时段或第二播放时段；
S4、根据第三集合中的特定播放时段确定有效播放时长，其中，特定播放时段是删除标记为0的时段。
可见，通过上述方式进行有效时长的确定，科学的方便的设置，提高有效播放时长确定的方便高效性。
本实施例提供一种学习质量评估方法，具体包括：
每5s摄像头采集一次图像数据，并对图像数据进行人脸识别，获取识别结果。
实时获取用户的操作，若操作是快进操作或者快退操作，则记录操作对应的视频中的起止时间数据，起止时间数据包括起始时间点和结束时间点，记录得到的记录表如表一所示，其中，视频的总时长是249秒。值得注意的是，下述表中的单位均为秒。
表一
序号 操作 起始时间点 结束时间点
1 快进 10 30
2 快进 80 140
3 快退 190 130
4 快进 150 210
5 快退 240 180
6 快进 210 235
根据各个起止时间数据按照(x,y,d)的形式记录各个快进操作或快退操作的播放时段，并将所有播放时段确定为第一集合；其中，x是起始时间，y是结束时间，d是删除标记，第一集合对应的表如表二所示。
表二
序号 起始时间x 结束时间y 删除标记d
1 0 10 0
2 30 80 0
3 140 190 0
4 130 150 0
5 210 240 0
6 180 210 0
7 235 249 0
对第一集合中的所有播放时段按照x由小到大的进行排序，若x相同，则按照y从小到大进行排序，得到第二集合，第二集合对应的表如表三所示。
表三
序号 起始时间x 结束时间y 删除标记d
1 0 10 0
2 30 80 0
3 130 150 0
4 140 190 0
5 180 210 0
6 210 240 0
7 235 249 0
若第二集合中的第一播放时段P1(x1,y1,d1)与第二播放时段P2(x2,y2,d2)的交集是目标时段，则将目标时段的d置为1；若第一播放时段P1(x1,y1,d1)与第二播放时段P2(x2,y2,d2)的交集不为空且
Figure BDA0002051562050000081
且
Figure BDA0002051562050000082
则将x1置为x1与x2中的最小值，y1置为y1与y2中的最大值，d2置为1，直至所有播放时段均设置完成，得到第三集合；其中，第一目标时段是第一播放时段或第二播放时段。
具体的，第一轮：
第一趟：第1段播放时段是(0,10)，第2段播放时段是(30,80)，两个区间没有交集，此时第1段和第2段的删除标记不变；
第二趟：第1段播放时段是(0,10)，第3段播放时段是(130,150)，两个区间没有交集，此时第1段和第3段的删除标记不变；
…
第七趟：第1段播放时段是(0,10)，第7段播放时段是(235,249)，两个区间没有交集，此时第1段和第7段的删除标记不变；
第二轮：
第一趟：第2段播放时段是(30,80)，第3段播放时段是(130,150)，两个区间没有交集，此时第2段和第3段的删除标记不变；
…
其他趟数一样，删除标记不变；
第三轮：
第一趟：第3段播放时段是(130,150)，第4段播放时段是(140,190)，两个区间有交集，此时求出两个播放时段的并为(130,190)，然后将第3段播放时段更新为(130,190)，第4段的删除标记更新为1，如表四所示；
表四
序号 起始时间x 结束时间y 删除标记d
1 0 10 0
2 30 80 0
3 130 190 0
4 140 190 1
5 180 210 0
6 210 240 0
7 235 249 0
第二趟：第3段播放时段是(130,190)，第5段播放时段是(180,210)，两个区间有交集，此时求出两个播放时段的并为(130,210)，然后将第3段播放时段更新为(130,210)，第5段的删除标记更新为1，如表五所示；
表五
序号 起始时间x 结束时间y 删除标记d
1 0 10 0
2 30 80 0
3 130 210 0
4 140 190 1
5 180 210 1
6 210 240 0
7 235 249 0
第三趟：第3段播放时段是(130,210)，第6段播放时段是(210,240)，两个区间有交集，此时求出两个播放时段的并为(130,240)，然后将第3段播放时段更新为(130,240)，第6段的删除标记更新为1，如表六所示；
表六
序号 起始时间x 结束时间y 删除标记d
1 0 10 0
2 30 80 0
3 130 240 0
4 140 190 1
5 180 210 1
6 210 240 1
7 235 249 0
第四趟：第3段播放时段是(130,240)，第7段播放时段是(235,249)，两个区间有交集，此时求出两个播放时段的并为(130,249)，然后将第3段播放时段更新为(130,249)，第7段的删除标记更新为1，如下表七所示；
表七
序号 起始时间x 结束时间y 删除标记d
1 0 10 0
2 30 80 0
3 130 249 0
4 140 190 1
5 180 210 1
6 210 240 1
7 235 249 1
根据第三集合中的特定播放时段确定有效播放时长，其中，特定播放时段是删除标记为0的时段。第三集合对应的表为表八。
表八
序号 起始时间x 结束时间y 删除标记d
1 0 10 0
2 30 80 0
3 130 249 0
4 140 190 1
5 180 210 1
6 210 240 1
7 235 249 1
得到总的播放时长是10+50+119＝179。
根据有效播放时长与视频的总时长确定有效视频播放指数。
根据识别结果与识别总次数确定有效人脸识别指数。
根据有效视频播放指数与有效人脸识别指数利用I＝Ir+Ip确定用户的学习质量评估数据；
其中，
Figure BDA0002051562050000111
Ip是有效视频播放指数，wp是有效视频播放权重，l是有效播放时长，L是视频的总时长，Ir是有效人脸识别指数，wr是人脸识别权重，n是识别结果为真的次数，Δt是预设时间，I是学习质量评估数据。
一共进行了50次采集，成功识别的次数即识别结果为真的次数是36次。wp＝0.5，wr＝0.5，则
Figure BDA0002051562050000112
Figure BDA0002051562050000113
I＝Ip+Ir＝36+35.94＝71.94。
可知，学习评估质量数据为71.94，进一步的，可对学习评估质量数据进行学习质量级别划分，例如优、良、中、差，进一步确定用户的学习评估质量数据对应的学习质量级别。
在本发明所提供的学习质量评估方法的另一种具体实施方式中，针对根据各个起止时间数据获取有效播放时长的过程进行进一步阐述，该过程具体包括：
S10、根据各个起止时间数据按照(x,y)的形式记录各个快进操作，获取快进操作对应的快进集；根据各个起止时间数据按照(y,x)的形式记录各个快退操作，获取快退操作对应的快退集，其中，x表示起始时间，y表示结束时间；
S20、将快进集对于视频总时长集的补集确定为第一有效时间集；
S30、将快进集与快退集的交集确定为第二有效时间集；
S40、根据第一有效时间集和第二有效时间集确定有效播放时长。
可见，通过上述方式进行有效时长的确定，科学的方便的设置，提高有效播放时长确定的方便高效性。
本实施例提供一种学习质量评估方法，具体包括：
每5s摄像头采集一次图像数据，并对图像数据进行人脸识别，获取识别结果。
实时获取用户的操作，若操作是快进操作或者快退操作，则记录操作对应的视频中的起止时间数据，起止时间数据包括起始时间点和结束时间点，记录得到的记录表如表九所示。
表九
序号 操作 起始时间点 结束时间点
1 快进 10 30
2 快进 80 140
3 快退 190 130
4 快进 150 210
5 快退 240 180
6 快进 210 235
根据各个起止时间数据按照(x,y)的形式记录各个快进操作，获取快进操作对应的快进集；根据各个起止时间数据按照(y,x)的形式记录各个快退操作，获取快退操作对应的快退集，其中，x表示起始时间，y表示结束时间。快进集对应的表为表十，快退集对应的表为表十一。
表十
序号 操作 起始时间x 结束时间y
1 快进 10 30
2 快进 80 140
3 快进 150 210
4 快进 210 235
表十一
序号 操作 起始时间x 结束时间y
1 快退 190 130
2 快退 240 180
将快进集对于视频总时长集的补集确定为第一有效时间集，视频总时长集为(0,)以秒计时则第一有效时间集为(0,10)∪(30,80)∪(140,150)∪(235,249)。
将快进集与快退集的交集确定为第二有效时间集。第二有效时间集为(130,140)∪(150,235)。
根据第一有效时间集和第二有效时间集确定有效播放时长。
第一有时间集与第二有效时间集的并集得到有效时间集，有效时间集对应的时间总和为有效播放时长。有效时间集为：(0,10)∪(30,80)∪(140,150)∪(235,249)∪(130,140)∪(150,235)。
因此，有效播放时为10+50+10+14+10+85＝179。
根据有效播放时长与视频的总时长确定有效视频播放指数。
根据识别结果与识别总次数确定有效人脸识别指数。
根据有效视频播放指数与有效人脸识别指数利用I＝Ir+Ip确定用户的学习质量评估数据；
其中，
Figure BDA0002051562050000131
Ip是有效视频播放指数，wp是有效视频播放权重，l是有效播放时长，L是视频的总时长，Ir是有效人脸识别指数，wr是人脸识别权重，n是识别结果为真的次数，Δt是预设时间，I是学习质量评估数据。
一共进行了50次采集，成功识别的次数即识别结果为真的次数是36次。wp＝0.5，wr＝0.5，则
Figure BDA0002051562050000132
Figure BDA0002051562050000133
I＝Ip+Ir＝36+35.94＝71.94。
可知，学习评估质量数据为71.94，进一步的，可对学习评估质量数据进行学习质量级别划分，例如优、良、中、差，进一步确定用户的学习评估质量数据对应的学习质量级别。
下面对本申请实施例提供的一种学习质量评估装置进行介绍，下文描述的学习质量评估装置与上文描述的学习质量评估方法可相互对应参照，参考图3，图3本申请实施例所提供的一种学习质量评估装置的结构示意图，包括：
采集与识别模块301，用于每隔预设时间获取摄像头采集到的图像数据，并对图像数据进行人脸识别，获取识别结果；
记录模块302，用于实时获取用户的操作，若操作是快进操作或者快退操作，则记录操作对应的视频中的起止时间数据；
有效播放时长获取模块303，用于当视频播放完成后，根据各个起止时间数据获取有效播放时长；
学习质量评估数据获取模块304，用于根据有效播放时长和各个识别结果确定用户的学习质量评估数据。
在一些具体的实施例中，学习质量评估数据获取模块304包括：
有效视频播放指数确定单元，用于根据有效播放时长与视频的总时长确定有效视频播放指数；
有效人脸识别指数确定单元，用于根据识别结果与识别总次数确定有效人脸识别指数；
学习质量评估数据获取单元，用于根据有效视频播放指数与有效人脸识别指数利用I＝Ir+Ip确定用户的学习质量评估数据；
其中，
Figure BDA0002051562050000141
Ip是有效视频播放指数，wp是有效视频播放权重，l是有效播放时长，L是视频的总时长，Ir是有效人脸识别指数，wr是人脸识别权重，n是识别结果为真的次数，Δt是预设时间，I是学习质量评估数据。
在一些具体的实施例中，有效播放时长获取模块303包括：
集合确定单元，用于根据各个起止时间数据按照(x,y,d)的形式记录各个快进操作或快退操作的播放时段，并将所有播放时段确定为第一集合；其中，x是起始时间，y是结束时间，d是删除标记；
第二集合获取单元，用于对第一集合中的所有播放时段按照x由小到大的进行排序，若x相同，则按照y从小到大进行排序，得到第二集合；
合并单元，用于若第二集合中的第一播放时段P1(x1,y1,d1)与第二播放时段P2(x2,y2,d2)的交集是目标时段，则将目标时段的删除标记置为1；若第一播放时段P1(x1,y1,d1)与第二播放时段P2(x2,y2,d2)的交集不为空且
Figure BDA0002051562050000142
且
Figure BDA0002051562050000143
则将x1置为x1与x2中的最小值，y1置为y1与y2中的最大值，d2置为1，直至所有播放时段均设置完成，得到第三集合；其中，第一目标时段是第一播放时段或第二播放时段；
有效播放时长获取单元，用于根据第三集合中的特定播放时段确定有效播放时长，其中，特定播放时段是删除标记为0的时段。
在一些具体的实施例中，有效播放时长获取模块303包括：
集合确定单元，用于根据各个起止时间数据按照(x,y)的形式记录各个快进操作，获取快进操作对应的快进集；根据各个起止时间数据按照(y,x)的形式记录各个快退操作，获取快退操作对应的快退集，其中，x表示起始时间，y表示结束时间；
第一有效时间集获取单元，用于将快进集对于视频总时长集的补集确定为第一有效时间集；
第二有效时间集获取单元，用于将快进集与快退集的交集确定为第二有效时间集；
有效播放时长获取单元，用于根据第一有效时间集和第二有效时间集确定有效播放时长。
在一些具体的实施例中，还包括：
存储模块，用于将用户的学习信息进行存储。
在一些具体的实施例中，还包括：
第一确定模块，用于确定学习质量评估数据的数据范围；
第二确定模块，用于根据数据范围确定用户的学习质量级别。
由于学习质量评估装置部分的实施例与学习质量评估方法部分的实施例相互对应，因此学习质量评估装置部分的实施例请参见学习质量评估方法部分的实施例的描述，这里暂不赘述。
下面对本申请实施例提供的一种学习质量评估系统进行介绍，下文描述的学习质量评估系统与上文描述的学习质量评估方法可相互对应参照，包括：
用户端，用于利用服务器端播放流媒体服务器的视频，利用摄像头每隔预设时间采集图像数据、执行用户的操作；
服务器端，用于利用人脸识别服务器对图像数据进行人脸识别，获取人脸识别结果，实时获取用户的操作，若操作是快进操作或者快退操作，则记录操作对应的视频中的起止时间数据；当视频播放完成后，根据各个起止时间数据获取有效播放时长；根据有效播放时长和各个识别结果确定用户的学习质量评估数据。
在一些具体的实施例中，服务器端还用于利用数据库服务器存储用户的学习信息，其中，用户的学习信息包括：学习信息包括用户信息、视频信息、观看历史、人脸识别结果、用户的操作行为、学习质量评估数据，以便用户实时了解信息。
下面对本申请实施例提供的一种电子设备进行介绍，下文描述的电子设备与上文描述的学习质量评估方法可相互对应参照。
一种电子设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行计算机程序时实现如上述学习质量评估方法的步骤。
由于电子设备部分的实施例与学习质量评估方法部分的实施例相互对应，因此电子设备部分的实施例请参见学习质量评估方法部分的实施例的描述，这里暂不赘述。
下面对本申请实施例提供的一种计算机可读存储介质进行介绍，下文描述的计算机可读存储介质与上文描述的学习质量评估方法可相互对应参照。
一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上述学习质量评估方法的步骤。
由于计算机可读存储介质部分的实施例与学习质量评估方法部分的实施例相互对应，因此计算机可读存储介质部分的实施例请参见学习质量评估方法部分的实施例的描述，这里暂不赘述。
说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本申请所提供的一种学习质量评估方法、学习质量评估装置、电子设备及计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。

Claims (9)

1.一种学习质量评估方法，其特征在于，包括：
每隔预设时间获取摄像头采集到的图像数据，并对所述图像数据进行人脸识别，获取识别结果；
实时获取用户的操作，若所述操作是快进操作或者快退操作，则记录视频中所述操作对应的起止时间数据；
当视频播放完成后，根据各个所述起止时间数据获取有效播放时长；
根据所述有效播放时长和各个所述识别结果确定所述用户的学习质量评估数据；
根据所述有效播放时长和各个所述识别结果确定所述用户的学习质量评估数据，包括：
根据所述有效播放时长与所述视频的总时长确定有效视频播放指数；
根据所述识别结果为真的次数与识别总次数确定有效人脸识别指数，其中，所述识别总次数为视频的总时长与预设时间的比值；
根据所述有效视频播放指数与所述有效人脸识别指数利用I＝Ir+Ip确定所述用户的所述学习质量评估数据；
其中，
Figure FDA0002616754150000011
Ip是有效视频播放指数，wp是有效视频播放权重，l是有效播放时长，L是视频的总时长，Ir是有效人脸识别指数，wr是人脸识别权重，n是识别结果为真的次数，Δt是预设时间，I是学习质量评估数据；
根据用户预设的人脸信息与观看期间得到的所述图像数据进行匹配，匹配成功则证明所述识别结果为真。
2.根据权利要求1所述的学习质量评估方法，其特征在于，所述预设时间是5秒。
3.根据权利要求1至2任一项所述的学习质量评估方法，其特征在于，根据各个所述起止时间数据获取有效播放时长，包括：
根据各个所述起止时间数据按照(x,y,d)的形式记录除各个所述快进操作或所述快退操作之外的播放时段，并将所有所述播放时段确定为第一集合；其中，x是起始时间，y是结束时间，d是删除标记，所述第一集合中的所有所述播放时段的删除标记为0；
对所述第一集合中的所有所述播放时段按照x由小到大进行排序，若x相同，则按照y从小到大进行排序，得到第二集合；
若所述第二集合中的第一播放时段P1(x1,y1,d1)与第二播放时段P2(x2,y2,d2)的交集是目标时段，则将所述目标时段的删除标记从0设置为1，其中，所述目标时段是第一播放时段或第二播放时段；若所述第一播放时段P1(x1,y1,d1)与所述第二播放时段P2(x2,y2,d2)的交集不为空且
Figure FDA0002616754150000021
且
Figure FDA0002616754150000022
则将x1置为x1与x2中的最小值，y1置为y1与y2中的最大值，d2从0设置为1；若所述第二集合中的第一播放时段P1(x1,y1,d1)与第二播放时段P2(x2,y2,d2)没有交集，则删除标记不变；直至所有播放时段均设置完成，得到第三集合；
根据所述第三集合中的特定播放时段确定所述有效播放时长，其中，所述特定播放时段是删除标记为0的时段。
4.根据权利要求1至2任一项所述的学习质量评估方法，其特征在于，根据各个所述起止时间数据获取有效播放时长，包括：
根据各个所述起止时间数据按照(x,y)的形式记录各个所述快进操作，获取所述快进操作对应的快进集；根据各个所述起止时间数据按照(y,x)的形式记录各个所述快退操作，获取所述快退操作对应的快退集，其中，所述x表示起始时间，y表示结束时间；
将所述快进集对于视频总时长集的补集确定为第一有效时间集；
将所述快进集与所述快退集的交集确定为第二有效时间集；
根据所述第一有效时间集和所述第二有效时间集确定所述有效播放时长。
5.根据权利要求1所述的学习质量评估方法，其特征在于，根据所述有效播放时长和各个所述识别结果确定所述用户的学习质量评估数据之后，还包括：
将所述用户的学习信息进行存储，其中，所述学习信息包括用户信息、视频信息、观看历史、识别结果、用户的操作、学习质量评估数据。
6.根据权利要求1所述的学习质量评估方法，其特征在于，根据所述有效播放时长和各个所述识别结果确定所述用户的学习质量评估数据之后，还包括：
确定所述学习质量评估数据的数据范围；
根据所述数据范围确定所述用户的学习质量级别。
7.一种学习质量评估装置，其特征在于，包括：
采集与识别模块，用于每隔预设时间获取摄像头采集到的图像数据，并对所述图像数据进行人脸识别，获取识别结果；
记录模块，用于实时获取用户的操作，若所述操作是快进操作或者快退操作，则记录视频中所述操作对应的起止时间数据；
有效播放时长获取模块，用于当视频播放完成后，根据各个所述起止时间数据获取有效播放时长；
学习质量评估数据获取模块，用于根据所述有效播放时长和各个所述识别结果确定所述用户的学习质量评估数据；
所述学习质量评估数据获取模块包括：
有效视频播放指数确定单元，用于根据所述有效播放时长与所述视频的总时长确定有效视频播放指数；
有效人脸识别指数确定单元，用于根据所述识别结果为真的次数与识别总次数确定有效人脸识别指数，其中，所述识别总次数为视频的总时长与预设时间的比值；
学习质量评估数据获取单元，用于根据所述有效视频播放指数与所述有效人脸识别指数利用I＝Ir+Ip确定所述用户的所述学习质量评估数据；
其中，
Figure FDA0002616754150000031
Ip是有效视频播放指数，wp是有效视频播放权重，l是有效播放时长，L是视频的总时长，Ir是有效人脸识别指数，wr是人脸识别权重，n是识别结果为真的次数，Δt是预设时间，I是学习质量评估数据；
根据用户预设的人脸信息与观看期间得到的所述图像数据进行匹配，匹配成功则证明所述识别结果为真。
8.一种电子设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至6任一项所述学习质量评估方法的步骤。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述学习质量评估方法的步骤。
CN201910375623.XA 2019-05-07 2019-05-07 一种学习质量评估方法和相关装置 Active CN110049318B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910375623.XA CN110049318B (zh) 2019-05-07 2019-05-07 一种学习质量评估方法和相关装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910375623.XA CN110049318B (zh) 2019-05-07 2019-05-07 一种学习质量评估方法和相关装置

Publications (2)

Publication Number Publication Date
CN110049318A CN110049318A (zh) 2019-07-23
CN110049318B true CN110049318B (zh) 2020-11-06

Family

ID=67281062

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910375623.XA Active CN110049318B (zh) 2019-05-07 2019-05-07 一种学习质量评估方法和相关装置

Country Status (1)

Country Link
CN (1) CN110049318B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110852925B (zh) * 2019-11-20 2023-01-24 中国联合网络通信集团有限公司 异常学习检测方法、装置、设备和存储介质
CN113256040A (zh) * 2020-02-07 2021-08-13 顾得科技教育股份有限公司 学习轨迹分析系统
CN112040338B (zh) * 2020-07-31 2022-08-09 中国建设银行股份有限公司 视频播放作弊检测方法、装置及电子设备
CN112261447A (zh) * 2020-10-16 2021-01-22 彩讯科技股份有限公司 视频有效播放时长统计方法、装置、服务器及存储介质
CN112104912B (zh) * 2020-11-20 2021-02-12 深圳市房多多网络科技有限公司 检测视频观看完成度的方法、装置、设备及可读存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107292778A (zh) * 2017-05-19 2017-10-24 华中师范大学 一种基于认知情感感知的云课堂学习评价方法及其装置
CN108122180A (zh) * 2017-12-06 2018-06-05 华南师范大学 一种基于在线学习行为的自主学习投入度实时生成方法
CN109472464A (zh) * 2018-10-22 2019-03-15 佛山市顺德区中山大学研究院 一种基于眼动追踪的在线课程质量的评估方法
CN109377078A (zh) * 2018-11-12 2019-02-22 重庆靶向科技发展有限公司 一种基于大数据的学生学习质量评价方法

Also Published As

Publication number Publication date
CN110049318A (zh) 2019-07-23

Similar Documents

Publication Publication Date Title
CN110049318B (zh) 一种学习质量评估方法和相关装置
CN111340242B (zh) 保护隐私的模型联合训练方法及装置
CN110070295B (zh) 课堂教学质量的评析方法、装置和计算机设备
US20150065251A1 (en) Player generated content management
CN109151488B (zh) 根据用户行为实时推荐直播间的方法及系统
CN108122437A (zh) 自适应学习方法及装置
US8978013B1 (en) Autonomous media version testing
CN113723477A (zh) 一种基于孤立森林的跨特征联邦异常数据检测方法
CN111193945A (zh) 广告播放处理方法和装置
CN116541432A (zh) 一种基于教育机器人的在线课堂智能推荐方法
CN114036395A (zh) 内容推荐方法、装置、计算机设备及计算机可读存储介质
CN108109450A (zh) 在线学习实现方法及装置
CN112153421A (zh) 数据处理方法、装置、系统、电子设备及存储介质
CN114786032B (zh) 一种培训视频管理方法及系统
CN111672128A (zh) 基于本地保留时长识别的游戏商城游戏推荐方法及系统
CN111314792B (zh) 一种笔记生成方法、电子设备及存储介质
CN113111217B (zh) 播放时长预测模型的训练方法、视频推荐方法及装置
CN114510617A (zh) 在线课程学习行为确定方法及装置
CN108712645B (zh) 视频质量参数获取方法、装置、设备、系统及存储介质
CN104661100B (zh) 一种信息处理方法及电子设备
CN111935501B (zh) 一种场景识别方法及装置
CN110490539B (zh) 一种课程信息推送的方法、装置、存储介质和服务器
CN111882347A (zh) 模型性能的检测方法、装置、计算机设备及存储介质
CN110730342A (zh) 一种视频质量分析方法、装置、服务器及终端
CN116320517B (zh) 一种学习轨迹合并方法、装置及电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant