CN111199378B - 学员管理方法、装置、电子设备及存储介质 - Google Patents
学员管理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111199378B CN111199378B CN201811383995.9A CN201811383995A CN111199378B CN 111199378 B CN111199378 B CN 111199378B CN 201811383995 A CN201811383995 A CN 201811383995A CN 111199378 B CN111199378 B CN 111199378B
- Authority
- CN
- China
- Prior art keywords
- student
- supervised
- image information
- information
- face image
- 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
Links
- 238000007726 management method Methods 0.000 title claims abstract description 62
- 238000012544 monitoring process Methods 0.000 claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 18
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 238000004590 computer program Methods 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 4
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 206010063659 Aversion Diseases 0.000 description 2
- 241001310793 Podium Species 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000036314 physical performance Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007596 consolidation process Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/174—Facial expression recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Marketing (AREA)
- Multimedia (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种学员管理方法、装置、电子设备及存储介质,其中,所述方法包括:在监控区域内采集待监督学员的人脸图像信息,提取所述人脸图像信息中的敏感分类信息,敏感分类信息表征待监督学员的表情状态,根据预设的学员画像模型和所述敏感分类信息,确定所述待监督学员的学习情况类型。通过学员画像模型和敏感分类信息确定待监督学员的学习情况类型,实现了对大量学员的学习情况的有效分析,同时,这不仅减少了老师人工监督管理学员的工作量,而且提高了对待监督学员的学习情况的管理效率。
Description
技术领域
本申请涉及智慧校园技术领域,尤其涉及一种学员管理方法、装置、电子设备及存储介质。
背景技术
目前,各种教育机构对学员的学习情况管理方式主要由各学科的老师对每个学员进行各方面的监督。监督管理方式也是亲力亲为,收集学员的各种信息,根据各种信息进行人为分析,确定学员的状况,针对性的管理及辅导。
可见,当采用上述的监督管理方式对所有学员进行监督辅导会给老师带来巨大的工作量,对学员的管理效率不高,另外,由于是人为分析,可能会存在偏差,导致监督辅导存在一定偏差。
发明内容
鉴于以上内容,有必要提供一种学员管理方法、装置、电子设备及存储介质,通过采集学员的人脸图像信息进一步确定学员的学习情况类型,避免人工监督学员带来的繁重工作量问题,提高了学员的学习情况管理效率。
根据本申请实施例的第一方面,提供一种学员管理方法,所述方法包括:
在监控区域内采集待监督学员的人脸图像信息;
提取所述人脸图像信息中的敏感分类信息;所述敏感分类信息用于表征待监督学员的表情状态;
根据预设的学员画像模型和所述敏感分类信息,确定所述待监督学员的学习情况类型。
可选地,所述在监控区域内采集待监督学员的人脸图像信息包括:
获取所述待监督学员的课程表;
根据所述待监督学员的课程表,确定监控区域;
在所述监控区域中确定与所述待监督学员的人脸图像信息相匹配的所述视频图像信息。
可选地,所述敏感分类信息包括头部朝向角度和嘴部状态,所述提取所述人脸图像信息中的敏感分类信息包括:
基于头部基准方向坐标,提取所述人脸图像信息中的头部朝向角度;
根据嘴部区域的开闭变化率,确定所述人脸图像信息中的嘴部状态。
可选地,所述方法还包括:
在上课时间内根据所述头部朝向角度和嘴部状态,确定所述待监督学员的表情状态;
根据所述表情状态确定所述待监督学员对课程的兴趣度。
可选地,所述根据预设的学员画像模型和所述敏感分类信息,确定所述待监督学员的学习情况类型包括:
计算所述兴趣度的加权值;
根据所述加权值,在所述学员画像模型中确定所述待监督学员的学习情况类型;
若在所述监控区域中采集不到所述待监督学员的人脸图像信息,则确定所述学习情况类型为所述待监督学员未上课。
可选地,所述方法还包括:
根据所述学习情况类型和所述待监督学员的学习信息,生成所述待监督学员的学习报告;
将所述学习报告发送到监督管理员。
可选地,所述方法还包括:
获取学员的学习信息;
计算所述学习信息中在考核期限内的变化幅度值;
若检测到所述变化幅度值小于预设的观测阈值,则确定所述学员为待监督学员。
根据本申请实施例的第二方面,提供一种学员管理装置,所述学员管理装置包括:
采集模块,用于在监控区域内采集待监督学员的人脸图像信息;
提取模块,用于提取所述人脸图像信息中的敏感分类信息;
确定模块,用于根据预设的学员画像模型和所述敏感分类信息,确定所述待监督学员的学习情况类型。
可选地,所述学员管理装置还包括:
第一获取模块,用于获取所述待监督学员的课程表;
第一确定模块,用于根据所述待监督学员的课程表,确定监控区域;
第二确定模块,用于在所述监控区域中确定与所述待监督学员的人脸图像信息相匹配的所述视频图像信息。
可选地,所述敏感分类信息包括头部朝向角度和嘴部状态,所述学员管理装置还包括:
面部提取模块,用于基于头部基准方向坐标,提取所述人脸图像信息中的头部朝向角度;
嘴部提取模块,用于根据嘴部区域的开闭变化率,确定所述人脸图像信息中的嘴部状态。
可选地,所述学员管理装置还包括:
表情确定模块,用于在上课时间内根据所述头部朝向角度和嘴部状态,确定所述待监督学员的表情状态;
兴趣确定模块,用于根据所述表情状态确定所述待监督学员对课程的兴趣度。
可选地,所述学员管理装置还包括:
第一计算模块,用于计算所述兴趣度的加权值;
类型确定模块,用于根据所述加权值,在所述学员画像模型中确定所述待监督学员的学习情况类型;
第三确定模块,用于若匹配不到所述待监督学员的人脸图像信息,则确定所述学习情况类型为所述待监督学员未上课。
可选地,所述学员管理装置还包括:
生成模块,用于根据所述学习情况类型和所述待监督学员的学习信息,生成所述待监督学员的学习报告;
发送模块,用于将所述学习报告发送到监督管理员。
可选地,所述学员管理装置还包括:
第二获取模块,用于获取学员的学习信息;
第二计算模块,用于计算所述学习信息中在考核期限内的变化幅度值;
学员确定模块,用于若检测到所述变化幅度值小于预设的观测阈值,则确定所述学员为待监督学员。
根据本申请实施例的第三方面,提供一种电子设备,所述电子设备包括处理器和存储器,所述处理器用于执行存储器中存储的计算机程序以实现所述的学员管理方法。
根据本申请实施例的第四方面,一种计算机可读存储介质,所述计算机可读存储介质存储有至少一个指令,所述至少一个指令被处理器执行时实现所述的学员管理方法。
由以上技术方案,本申请中的技术方案包括:在监控区域内采集待监督学员的人脸图像信息,提取所述人脸图像信息中的敏感分类信息,根据预设的学员画像模型和所述敏感分类信息,确定所述待监督学员的学习情况类型。通过学员画像模型和敏感分类信息确定待监督学员的学习情况类型,实现了对大量学员的学习情况的有效分析,同时,这不仅减少了老师人工监督管理学员的工作量,而且提高了对待监督学员的学习情况的管理效率。
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是本申请公开的一种学员管理方法的的流程图。
图2是本申请公开的一种学员管理装置的功能模块图。
图3是本申请实现学员管理方法的电子设备的结构示意图。
具体实施方式
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,所描述的实施例仅仅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。
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本申请作进一步详细的说明。
优选地,本申请的学员管理方法可以应用在一个或者多个所述电子设备中。所述电子设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(Application Specific IntegratedCircuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。所述电子设备包括但不限于任何一种可与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互的电子产品,例如,个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant,PDA)、交互式网络电视(Internet Protocol Television,IPTV)、智能式穿戴式设备等。
请参见图1,图1是本申请公开的一种学员管理方法的流程图。如图1所示,学员管理方法包括如下步骤:
S100:在监控区域内采集待监督学员的人脸图像信息;
监控区域包括宿舍监控区域、教室监控区域以及操场监控区域等。
具体地,从学员管理系统中获取待监督学员的基本信息,其中,学员管理系统是针对学员的大量业务处理工作而开发的管理软件,主要用于学员信息管理,学员管理系统存储了学员的基本信息和学习信息,学习信息包括各学科的考试成绩以及学员的课程表等,基本信息包括待监督学员的姓名、学号和待监督学员的人脸图像信息以等;在设定的监控时间内从各个监控区域中跟踪并采集人脸图像信息,其中,监控时间可以是待监督学员的上课时间;可以通过欧式距离计算公式计算采集的人脸图像信息与待监督学员的人脸图像信息的相似度;筛选出相似度达到预设相似度阈值的人脸图像信息作为待监督学员的人脸图像信息。
进一步地,确定监督学员的具体步骤包括:
获取学员的学习信息;
计算所述学习信息中在考核期限内的变化幅度值;
若检测到所述变化幅度值小于预设的观测阈值,则确定所述学员为待监督学员。
具体地,考核期限可以为某学科成绩的公布时间,在考核期限中从学员管理系统中获取学习该学科的学员的学习信息,其中,学习信息包括了学员学习该学科的当前考试成绩、历史考试成绩以及该学科的作业情况。
具体地,变化幅度值通过计算学员的当前考试成绩和上一次的历史考试成绩的差值,该差值可以是负数或者正数;根据变化幅度值的大小,判断变化幅度值是否小于预设的观测阈值,其中,观测阈值可以设定为-5,观测阈值的设定可以根据当前考试科目的难易度进行调整,观测阈值可以直接反映学员的考试情况,观测值一般设置为负整数;当学员的观测值小于预设的观测阈值时,则确定该学员为待监督学员。
例如,某学员的当前物理成绩比上一次物理成绩降了5分,即差值为-5,当观测阈值为-3时,确定该学员为待监督学员。
通过获取学员的学习信息,计算学习信息中在考核期限内的变化幅度值,将学习信息的变化幅度值小于预设的观测阈值对应的学员确定为待监督学员,实现更快更精准地确定待监督学员。
进一步地,所述在监控区域内采集待监督学员的人脸图像信息的实现步骤包括:
获取所述待监督学员的课程表;
根据所述待监督学员的课程表,确定监控区域;
在所述监控区域中确定与所述待监督学员的人脸图像信息相匹配的所述视频图像信息。
具体地,根据待监督学员的学号从学员管理系统中获取待监督学员的课程表,其中,课程表包括学科内容、上课地点和上课时间;根据待监督学员的课程表确定待监督学员各学科的上课地点;根据上课地点的摄像路径,在上课时间内,从各个摄像头获取视频序列;按照预设帧数提取若干视频序列的视频图像信息,并通过人脸检测算法和人脸识别算法,将提取到的视频图像信息与待监督学员的人脸图像信息进行匹配,筛选出与待监督学员相匹配的视频图像信息,其中,人脸检测算法可以是通过多任务级联卷积神经网络检测视频图像信息是否有人脸特征,人脸识别算法可以是局部特征分析方法或者是基于隐马尔可夫模型的人脸识别。
通过获取待监督学员的课程表,根据待监督学员的课程表确定监控区域,在监控区域中确定与待监督学员的人脸图像信息相匹配的视频图像信息,根据课程表确定监控区域能快速捕捉到待监督学员的视频图像信息,同时实现了精准有效地获取到待监督学员的人脸图像信息。
S200:提取所述人脸图像信息中的敏感分类信息;所述敏感分类信息用于表征待监控学员的表情状态。
具体地,由于待监督学员上课时的人体动作、头部朝向和嘴巴张合反映了待监督学员上课时的注意力集中的程度,例如,待监督学员在上课散漫是,通常会与周边的人说话,此时待监督学员一般表现为头部朝向侧面,例如,头部朝向于待监督学员的左侧或者右侧,维持头部朝向的时间超过预设时间,并且嘴巴张合动作频繁,说明待监督学员没有面向讲台的位置,可以预测待监督学员没有认真听课,故敏感分类信息包括头部朝向角度、眼睛状态和嘴部状态。
需要说明的是,在上课地点获取的人脸图像信息是面向学员的位置进去提取的。例如,摄像头的安装位置与讲台处于同一平面角度,故能提取到讲台对面的学员的人脸图像信息。
进一步地,所述敏感分类信息包括所述提取所述人脸图像信息中的敏感分类信息包括:
基于头部基准方向坐标,提取所述人脸图像信息中的头部朝向角度;
根据嘴部区域的开闭变化率,确定所述人脸图像信息中的嘴部状态。
具体地,头部基准方向坐标以学员管理系统存储的待监督学员的人脸图像信息为准,即待监督学员正面头部的标准头部数据信息,其中,标准头部数据信息包括正面头部的水平角度、俯仰角度和倾斜角度。根据标准头部数据信息,依次调节人脸图像信息的头部的水平角度、俯仰角度和倾斜角度,直至头部朝向角度与标准头部数据信息一致时,将调节的角度作为人脸图像信息中的头部朝向角度,若调节的角度为0,说明待监督学员上课时面向讲台,认真听课的趋向。通过计算嘴部区域的开闭变化率,确定人脸图像信息中的嘴部状态,其中,开闭变化率是通过计算预设时间内嘴部区域的开闭次数,嘴部状态为说话状态和未说话状态,例如,检测到待监督学员1秒钟的开次次数为3,说明待监督学员上课时处于说话状态。
通过基于头部基准方向坐标,提取所述人脸图像信息中的头部朝向角度以及根据嘴部区域的开闭变化率,确定所述人脸图像信息中的嘴部状态,从而精准确定人脸图像信息中的敏感分类信息。
S300:根据预设的学员画像模型和所述敏感分类信息,确定所述待监督学员的学习情况类型。
预设的学员画像模型是根据待监督学员的敏感分类信息来确定待监督学员的学习类型。例如,待监督学员上课时头部朝向角度为60度-90度,嘴部状态为说话状态,说明待监督学员的学习情况类型为上课不认真,导致成绩下降。
进一步地,除了通过上述的头部状态角度和嘴部状态来判断学习情况类型,还可以包括如下步骤:
在上课时间内根据所述头部朝向角度和嘴部状态,确定所述待监督学员的表情状态;
根据所述表情状态确定所述待监督学员对课程的兴趣度。
学员画像模型预先存储了各种表情状态对应的兴趣度,故通过获取的表情状态在学员画像模型中查询对应的兴趣度,其中,兴趣度可按照表情状态划分权重,例如,当表情状态为愤怒时,兴趣度为-10;当表情状态为厌恶时,兴趣度为-5;当表情状态为忧伤时,兴趣度为-3;当表情状态为开心时,兴趣度为5等等。
进一步地,所述根据预设的学员画像模型和所述敏感分类信息,确定所述待监督学员的学习情况类型包括的如下步骤:
计算所述兴趣度的加权值;
根据所述加权值,在所述学员画像模型中确定所述待监督学员的学习情况类型;
若匹配不到所述待监督学员的人脸图像信息,则确定所述学习情况类型为所述待监督学员未上课。
鉴于在上课时间段内待监督学员遇到熟悉的知识点时通常表现为开心的表情状态,即此时的兴趣度较大,当遇到难以理解的知识点时时通常表现为厌恶或者忧伤的表情状态,即此时的兴趣度较小,故通过计算整个上课时间段内的所有兴趣度的权重,进而得到兴趣度的加权值。学员画像模型中预先存储每个兴趣度的加权值对应的学习情况类型,当加权值为负数时,学习情况类型为对学科不感兴趣,说明存在待监督学员放弃继续学习学科的可能性;当加权值为正数时,学习情况类型为对学科感兴趣,说明待监督学员学习方式存在不恰当;当加权值为0时,说明对学科的兴趣一般,说明待监督学员没有进一步强化对学科知识的巩固。
需要说明的是,当人脸图像信息匹配不到待监督学员的人脸图像信息时,说明待监督学员存在逃课现象。
通过兴趣度加权值来判断待监督学员的学习情况类型,实现了科学地分析了待监督学员的学习情况,使分析结果更加合理精准。
进一步地,确定所述待监督学员的学习情况类型之后,所述方法还包括如下步骤:
根据所述学习情况类型和所述待监督学员的学习信息,生成所述待监督学员的学习报告;
将所述学习报告发送到监督管理员。
具体地,将包括待监督学员的当前考试成绩和历史考试成绩的学习信息以及分析得到的学习情况类型输入到预设的学习报告模板中,以生成待监督学员的学习报告,并将学习报告发送到监督管理员,方便监督管理员及时查询待监督学员的学习情况。
通过在监控区域内采集待监督学员的人脸图像信息,提取所述人脸图像信息中的敏感分类信息,根据预设的学员画像模型和所述敏感分类信息,确定所述待监督学员的学习情况类型。通过学员画像模型和敏感分类信息确定待监督学员的学习情况类型,实现了对大量学员的学习情况的有效分析,同时,这不仅减少了老师人工监督管理学员的工作量,而且提高了对待监督学员的学习情况的管理效率。
请参见图2,图2是本申请公开的一种学员管理装置的功能模块图。
在一些实施例中,所述学员管理装置运行于电子设备中。所述学员管理装置可以包括多个由程序代码段所组成的功能模块。所述学员管理装置中的各个程序段的程序代码可以存储于存储器中,并由至少一个处理器所执行,以执行图1所描述的学员管理方法中的部分或全部步骤。
本实施例中,所述宿舍监控管理装置根据其所执行的功能,可以被划分为多个功能模块。所述功能模块可以包括:采集模块201、提取模块202以及确定模块203。本申请所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段,其存储在存储器中。
在一些实施方式中,学员管理装置包括:采集模块201,用于在监控区域内采集待监督学员的人脸图像信息;提取模块202,用于提取所述人脸图像信息中的敏感分类信息;确定模块203,用于根据预设的学员画像模型和所述敏感分类信息,确定所述待监督学员的学习情况类型。
在一些实施方式中,所述学员管理装置还包括:第一获取模块,用于获取所述待监督学员的课程表;第一确定模块,用于根据所述待监督学员的课程表,确定监控区域;第二确定模块,用于在所述监控区域中确定与所述待监督学员的人脸图像信息相匹配的所述视频图像信息。
在一些实施方式中,所述敏感分类信息包括头部朝向角度和嘴部状态,所述学员管理装置还包括:面部提取模块,用于基于头部基准方向坐标,提取所述人脸图像信息中的头部朝向角度;嘴部提取模块,用于根据嘴部区域的开闭变化率,确定所述人脸图像信息中的嘴部状态。
在一些实施方式中,所述学员管理装置还包括:表情确定模块,用于在上课时间内根据所述头部朝向角度和嘴部状态,确定所述待监督学员的表情状态;兴趣确定模块,用于根据所述表情状态确定所述待监督学员对课程的兴趣度。
在一些实施方式中,所述学员管理装置还包括:第一计算模块,用于计算所述兴趣度的加权值;类型确定模块,用于根据所述加权值,在所述学员画像模型中确定所述待监督学员的学习情况类型;第三确定模块,用于若匹配不到所述待监督学员的人脸图像信息,则确定所述学习情况类型为所述待监督学员未上课。
在一些实施方式中,所述学员管理装置还包括:生成模块,用于根据所述学习情况类型和所述待监督学员的学习信息,生成所述待监督学员的学习报告;发送模块,用于将所述学习报告发送到监督管理员。
在一些实施方式中,所述学员管理装置还包括:第二获取模块,用于获取学员的学习信息;第二计算模块,用于计算所述学习信息中在考核期限内的变化幅度值;学员确定模块,用于若检测到所述变化幅度值小于预设的观测阈值,则确定所述学员为待监督学员。
关于上述实施例中的学员管理装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
如图3所示,图3是本申请实现学员管理方法的电子设备的结构示意图。所述电子设备3包括存储器31、至少一个处理器32、存储在所述存储器31中并可在所述至少一个处理器32上运行的计算机程序33及至少一条通讯总线34。
本领域技术人员可以理解,图3所示的示意图仅仅是所述电子设备3的示例,并不构成对所述电子设备3的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述电子设备3还可以包括输入输出设备、网络接入设备、总线等。
所述电子设备3还包括但不限于任何一种可与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互的电子产品,例如,个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant,PDA)、游戏机、交互式网络电视(InternetProtocol Television,IPTV)、智能式穿戴式设备等。所述电子设备3所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network,VPN)等。
所述至少一个处理器32可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。该处理器32可以是微处理器或者该处理器32也可以是任何常规的处理器等,所述处理器32是所述电子设备3的控制中心,利用各种接口和线路连接整个电子设备3的各个部分。
所述存储器31可用于存储所述计算机程序33和/或模块/单元,所述处理器32通过运行或执行存储在所述存储器31内的计算机程序和/或模块/单元,以及调用存储在存储器31内的数据,实现所述电子设备3的各种功能。所述存储器31可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据电子设备3的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器31可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
结合图1,所述电子设备3中的所述存储器32存储多个指令以实现一种学员管理方法,所述处理器33可执行所述多个指令从而实现:
所述电子设备3集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其他的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本申请的技术方案而非限制,尽管参照较佳实施例对本申请进行了详细说明,本领域的普通技术人员应当理解,可以对本申请的技术方案进行修改或等同替换,而不脱离本申请技术方案的精神和范围。
Claims (7)
1.一种学员管理方法,其特征在于,所述方法包括:
在监控区域内采集待监督学员的人脸图像信息;
提取所述人脸图像信息中的敏感分类信息;所述敏感分类信息用于表征待监督学员的表情状态;
根据预设的学员画像模型和所述敏感分类信息,确定所述待监督学员的学习情况类型;
所述敏感分类信息包括头部朝向角度和嘴部状态,所述提取所述人脸图像信息中的敏感分类信息包括:
基于头部基准方向坐标,提取所述人脸图像信息中的头部朝向角度;所述头部基准方向坐标以学员管理系统存储的待监督学员的人脸图像信息为准,即所述待监督学员正面头部的标准头部数据信息,所述标准头部数据信息包括正面头部的水平角度、俯仰角度和倾斜角度,根据标准头部数据信息,依次调节人脸图像信息的头部的水平角度、俯仰角度和倾斜角度,直至头部朝向角度与标准头部数据信息一致时,将调节的角度作为人脸图像信息中的头部朝向角度,若调节的角度为0,说明待监督学员上课时面向讲台;
根据嘴部区域的开闭变化率,确定所述人脸图像信息中的嘴部状态,所述开闭变化率是通过计算预设时间内嘴部区域的开闭次数,所述嘴部状态为说话状态和未说话状态;
所述在监控区域内采集待监督学员的人脸图像信息,包括:
获取学员的学习信息;
计算所述学习信息在考核期限内的变化幅度值,所述考核期限为某学科当前成绩的公布时间至上一次历史考试成绩的公布时间,在考核期限中从学员管理系统中获取学习该学科的学员的学习信息,所述学习信息包括了学员学习该学科的当前考试成绩、历史考试成绩以及该学科的作业情况;
若检测到所述变化幅度值小于预设的观测阈值,则确定所述学员为待监督学员,所述变化幅度值通过计算学员的当前考试成绩和上一次的历史考试成绩的差值得到,所述差值为负数或者正数;根据变化幅度值的大小,判断变化幅度值是否小于预设的观测阈值,所述观测阈值的设定根据当前考试科目的难易度进行调整;
根据待监督学员的学号从学员管理系统中获取待监督学员的课程表,所述课程表包括学科内容、上课地点和上课时间;
根据待监督学员的课程表确定待监督学员各学科的上课地点;
根据上课地点的摄像路径,在上课时间内,从各个摄像头获取视频序列;
按照预设帧数提取若干视频序列的视频图像信息,并通过人脸检测算法和人脸识别算法,将提取到的视频图像信息与待监督学员的人脸图像信息进行匹配,筛选出与待监督学员相匹配的视频图像信息,所述人脸检测算法通过多任务级联卷积神经网络检测视频图像信息是否有人脸特征,所述人脸识别算法包括局部特征分析方法或者是基于隐马尔可夫模型的人脸识别。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括在上课时间内根据所述头部朝向角度和嘴部状态,确定所述待监督学员的表情状态;
根据所述表情状态确定所述待监督学员对课程的兴趣度。
3.根据权利要求2所述的方法,其特征在于,所述根据预设的学员画像模型和所述敏感分类信息,确定所述待监督学员的学习情况类型包括:
计算所述兴趣度的加权值;
根据所述加权值,在所述学员画像模型中确定所述待监督学员的学习情况类型;
若在所述监控区域中采集不到所述待监督学员的人脸图像信息,则确定所述学习情况类型为所述待监督学员未上课。
4.根据权利要求3所述的方法,其特征在于,所述根据预设的学员画像模型和所述敏感分类信息,确定所述待监督学员的学习情况类型之后,所述方法还包括:
根据所述学习情况类型和所述待监督学员的学习信息,生成所述待监督学员的学习报告;
将所述学习报告发送到监督管理员。
5.一种学员管理装置,其特征在于,所述装置包括:
采集模块,用于在监控区域内采集待监督学员的人脸图像信息;
提取模块,用于提取所述人脸图像信息中的敏感分类信息;所述敏感分类信息用于表征待监督学员的表情状态;
确定模块,用于根据预设的学员画像模型和所述敏感分类信息,确定所述待监督学员的学习情况类型;
所述敏感分类信息包括头部朝向角度和嘴部状态,所述提取模块还用于:
基于头部基准方向坐标,提取所述人脸图像信息中的头部朝向角度;所述头部基准方向坐标以学员管理系统存储的待监督学员的人脸图像信息为准,即所述待监督学员正面头部的标准头部数据信息,所述标准头部数据信息包括正面头部的水平角度、俯仰角度和倾斜角度,根据标准头部数据信息,依次调节人脸图像信息的头部的水平角度、俯仰角度和倾斜角度,直至头部朝向角度与标准头部数据信息一致时,将调节的角度作为人脸图像信息中的头部朝向角度,若调节的角度为0,说明待监督学员上课时面向讲台;
根据嘴部区域的开闭变化率,确定所述人脸图像信息中的嘴部状态,所述开闭变化率是通过计算预设时间内嘴部区域的开闭次数,所述嘴部状态为说话状态和未说话状态;
所述采集模块包括:
第二获取模块,用于获取学员的学习信息;
第二计算模块,用于计算所述学习信息在考核期限内的变化幅度值,所述考核期限为某学科当前成绩的公布时间至上一次历史考试成绩的公布时间,在考核期限中从学员管理系统中获取学习该学科的学员的学习信息,所述学习信息包括了学员学习该学科的当前考试成绩、历史考试成绩以及该学科的作业情况;
学员确定模块,若检测到所述变化幅度值小于预设的观测阈值,则确定所述学员为待监督学员,所述变化幅度值通过计算学员的当前考试成绩和上一次的历史考试成绩的差值得到,所述差值为负数或者正数;根据变化幅度值的大小,判断变化幅度值是否小于预设的观测阈值,所述观测阈值的设定根据当前考试科目的难易度进行调整;
所述采集模块,还用于根据待监督学员的学号从学员管理系统中获取待监督学员的课程表,所述课程表包括学科内容、上课地点和上课时间;根据待监督学员的课程表确定待监督学员各学科的上课地点;根据上课地点的摄像路径,在上课时间内,从各个摄像头获取视频序列;按照预设帧数提取若干视频序列的视频图像信息,并通过人脸检测算法和人脸识别算法,将提取到的视频图像信息与待监督学员的人脸图像信息进行匹配,筛选出与待监督学员相匹配的视频图像信息,所述人脸检测算法通过多任务级联卷积神经网络检测视频图像信息是否有人脸特征,所述人脸识别算法包括局部特征分析方法或者是基于隐马尔可夫模型的人脸识别。
6.一种电子设备,其特征在于,所述电子设备包括处理器和存储器,所述处理器用于执行存储器中存储的计算机程序以实现如权利要求1至4中任意一项所述的学员管理方法。
7.一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存储有至少一个指令,所述至少一个指令被处理器执行时实现如权利要求1至4任意一项所述的学员管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811383995.9A CN111199378B (zh) | 2018-11-20 | 2018-11-20 | 学员管理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811383995.9A CN111199378B (zh) | 2018-11-20 | 2018-11-20 | 学员管理方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111199378A CN111199378A (zh) | 2020-05-26 |
CN111199378B true CN111199378B (zh) | 2024-03-26 |
Family
ID=70746515
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811383995.9A Active CN111199378B (zh) | 2018-11-20 | 2018-11-20 | 学员管理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111199378B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112131977A (zh) * | 2020-09-09 | 2020-12-25 | 湖南新云网科技有限公司 | 学习监督方法、装置、智能设备及计算机可读存储介质 |
CN113239794B (zh) * | 2021-05-11 | 2023-05-23 | 西北工业大学 | 一种面向在线学习的学习状态自动识别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103679591A (zh) * | 2012-09-25 | 2014-03-26 | 山东博学教育软件科技有限公司 | 一种远程学习状态监测系统及方法 |
CN104464406A (zh) * | 2013-09-12 | 2015-03-25 | 郑州学生宝电子科技有限公司 | 一种实时互动的在线学习平台 |
CN108399376A (zh) * | 2018-02-07 | 2018-08-14 | 华中师范大学 | 学生课堂学习兴趣智能分析方法及系统 |
CN108805009A (zh) * | 2018-04-20 | 2018-11-13 | 华中师范大学 | 基于多模态信息融合的课堂学习状态监测方法及系统 |
-
2018
- 2018-11-20 CN CN201811383995.9A patent/CN111199378B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103679591A (zh) * | 2012-09-25 | 2014-03-26 | 山东博学教育软件科技有限公司 | 一种远程学习状态监测系统及方法 |
CN104464406A (zh) * | 2013-09-12 | 2015-03-25 | 郑州学生宝电子科技有限公司 | 一种实时互动的在线学习平台 |
CN108399376A (zh) * | 2018-02-07 | 2018-08-14 | 华中师范大学 | 学生课堂学习兴趣智能分析方法及系统 |
CN108805009A (zh) * | 2018-04-20 | 2018-11-13 | 华中师范大学 | 基于多模态信息融合的课堂学习状态监测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111199378A (zh) | 2020-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108648757B (zh) | 一种基于多维度课堂信息的分析方法 | |
JP2020525965A (ja) | 教学補助方法およびその方法を採用する教学補助システム | |
CN110945522B (zh) | 一种学习状态的判断方法、装置及智能机器人 | |
CN111027486A (zh) | 一种中小学课堂教学效果大数据辅助分析评价系统及其方法 | |
US20210294806A1 (en) | Method for monitoring user behavior when interacting with content and a system for its implementation | |
CN114419736A (zh) | 一种实验评分方法、系统、设备及可读存储介质 | |
CN108182649A (zh) | 用于教学质量评估的智能机器人 | |
CN115205764B (zh) | 基于机器视觉的在线学习专注度监测方法、系统及介质 | |
Lakshmiprabha et al. | [Poster] An augmented and virtual reality system for training autistic children | |
CN111814587A (zh) | 人体行为检测方法、教师行为检测方法及相关系统和装置 | |
CN111428686A (zh) | 一种学生兴趣偏好评估方法、装置及系统 | |
CN111199378B (zh) | 学员管理方法、装置、电子设备及存储介质 | |
CN112598552A (zh) | 一种教育课堂数据分析系统 | |
CN113505604B (zh) | 一种用于心理学教育的在线辅助实验方法、装置及设备 | |
CN113591678A (zh) | 课堂注意力确定方法、装置、设备、存储介质及程序产品 | |
CN115482397A (zh) | 一种动作评分系统 | |
Santos et al. | Using Facial Expressions of Students for Detecting Levels of Intrinsic Motivation | |
CN117057669A (zh) | 教学质量评估方法、装置及系统 | |
CN115171042A (zh) | 一种学生课堂行为的识别方法、装置、终端设备及介质 | |
CN115829234A (zh) | 基于课堂检测的自动化督导系统及其工作方法 | |
CN112528790B (zh) | 基于行为识别的教学管理方法、装置及服务器 | |
Satre et al. | Online Exam Proctoring System Based on Artificial Intelligence | |
Chen et al. | Intelligent Recognition of Physical Education Teachers' Behaviors Using Kinect Sensors and Machine Learning. | |
JP2021064101A (ja) | 情報処理装置、制御方法及びプログラム | |
Agrawal et al. | Online Examination Proctoring System Using Artificial Intelligence |
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 |