CN112488889A - 大数据在线教育平台的教师推荐方法及系统 - Google Patents

Abstract

本发明公开了一种大数据在线教育平台的教师推荐方法及系统，方法包括:从大数据库中获得教师的多个历史上课视频；获得每张图像中每个学生的人脸拓扑图；针对每个历史上课视频中的每个学生，基于学生的多个人脸拓扑图得到学生在历史上课视频中对教师的个体反应特征，基于每个学生的个体反应特征得到教师在历史上课视频的综合反应特征；基于多个历史上课视频对应的多个综合反应特征，得到教师的评分；若教师有多个，将评分最高的教师优先推荐给学生。如此对教师进修评分，考虑的学生多，并且直接基于上课的学生的人脸图像预测得到分数，相较于学生手动打分，其准确性高，该评分能够反映该教师的教学水平、学生欢迎程度。

Description

大数据在线教育平台的教师推荐方法及系统

技术领域

本发明涉及电子信息技术领域，具体而言涉及一种大数据在线教育平台的教师推荐方法及系统。

背景技术

随着科技的发展和社会的进步，在线教育越来越受欢迎。一般情况下，学生上网课时都有多个老师可以选择。对于学生来说，都希望选到优质的老师。

现有技术中，是将充值、或者上课时间久的老师、或者名校毕业的老师进行优先推荐。但是，在网课平台上充值或者上课时间久的老师、或者名校毕业的老师并非是讲课讲得好、受学生欢迎的老师。

发明内容

本发明的目的在于提供了一种大数据在线教育平台的教师推荐方法及系统，用以解决上述存在的问题。

第一方面，本发明实施例提供了一种大数据在线教育平台的教师推荐方法，所述方法包括:

从大数据库中获得教师的多个历史上课视频；每个历史上课视频是所述教师每次上课时的视频；所述历史上课视频中包括多张图像，每张图像中包括多个学生上课时的人脸图像；

获得每张图像中每个学生的人脸拓扑图；

针对每个历史上课视频中的每个学生，基于所述学生的多个人脸拓扑图得到所述学生在所述历史上课视频中对所述教师的个体反应特征；

针对每个历史上课视频，基于每个学生的个体反应特征得到所述教师在所述历史上课视频的综合反应特征；综合反应特征与历史上课视频一一对应；

基于多个历史上课视频对应的多个综合反应特征，得到所述教师的评分；

若所述教师有多个，将评分最高的教师优先推荐给学生。

可选的，所述基于所述学生的多个人脸拓扑图得到所述学生在所述历史上课视频中对所述教师的个体反应特征，包括：

通过Harris角点提取算法在所述人脸图像中检测出角点，确定角点作为拓扑顶点；

若相邻的两个角点之间的距离大于预设值，对相邻的两个角点以及与两个角点相邻的角点进行三次曲线拟合，得到拟合曲线，确定在所述拟合曲线上且处在相邻的两个角点之间的一点作为拓扑顶点；

用线段将所有的拓扑顶点两两相连，得到人脸拓扑图。

可选的，针对同一个学生在不同图像中的人脸拓扑图的拓扑顶点一一对应；所述基于所述学生的多个人脸拓扑图得到所述学生在所述历史上课视频中对所述教师的个体反应特征，包括：

获得多个人脸拓扑图中一一对应的拓扑顶点的平均点；所述平均点的坐标等于多个人脸拓扑图中一一对应的拓扑顶点的坐标的平均；

用线段将所有的平均点两两相连，得到个体反应特征，所述个体反应特征为个体反应图。

可选的，所述基于每个学生的个体反应特征得到所述教师在所述历史上课视频的综合反应特征，包括：

将每个学生的个体反应图进行叠加，得到叠加特征，所述叠加特征为叠加图；

获得叠加特征的轮廓，以所述轮廓作为综合反应特征。

可选的，所述基于多个历史上课视频对应的多个综合反应特征，得到所述教师的评分；

将综合反应特征与大数据库中的标准评分人脸轮廓进行批匹配；

若匹配成功，获得与匹配的标准评分人脸轮廓对应的打分，以所述打分作为所述综合反应特征反应的所述教师的分数；每个综合反应特征对应一个分数；多个综合反应特征对应多个分数；

获得多个分数的平均值，以所述平均值作为所述教师的评分。

第二方面，本发明实施例提供了一种大数据在线教育平台的教师推荐系统，所述系统包括:

获得模块，用于从大数据库中获得教师的多个历史上课视频；每个历史上课视频是所述教师每次上课时的视频；所述历史上课视频中包括多张图像，每张图像中包括多个学生上课时的人脸图像；获得每张图像中每个学生的人脸拓扑图；

特征提取模块，用于针对每个历史上课视频中的每个学生，基于所述学生的多个人脸拓扑图得到所述学生在所述历史上课视频中对所述教师的个体反应特征；针对每个历史上课视频，基于每个学生的个体反应特征得到所述教师在所述历史上课视频的综合反应特征；综合反应特征与历史上课视频一一对应；

评分模块，用于基于多个历史上课视频对应的多个综合反应特征，得到所述教师的评分；

推荐模块，用于若所述教师有多个，将评分最高的教师优先推荐给学生。

可选的，所述基于所述学生的多个人脸拓扑图得到所述学生在所述历史上课视频中对所述教师的个体反应特征，包括：

通过Harris角点提取算法在所述人脸图像中检测出角点，确定角点作为拓扑顶点；

若相邻的两个角点之间的距离大于预设值，对相邻的两个角点以及与两个角点相邻的角点进行三次曲线拟合，得到拟合曲线，确定在所述拟合曲线上且处在相邻的两个角点之间的一点作为拓扑顶点；

用线段将所有的拓扑顶点两两相连，得到人脸拓扑图。

可选的，针对同一个学生在不同图像中的人脸拓扑图的拓扑顶点一一对应；所述基于所述学生的多个人脸拓扑图得到所述学生在所述历史上课视频中对所述教师的个体反应特征，包括：

获得多个人脸拓扑图中一一对应的拓扑顶点的平均点；所述平均点的坐标等于多个人脸拓扑图中一一对应的拓扑顶点的坐标的平均；

用线段将所有的平均点两两相连，得到个体反应特征，所述个体反应特征为个体反应图。

可选的，所述基于每个学生的个体反应特征得到所述教师在所述历史上课视频的综合反应特征，包括：

将每个学生的个体反应图进行叠加，得到叠加特征，所述叠加特征为叠加图；

获得叠加特征的轮廓，以所述轮廓作为综合反应特征。

可选的，所述基于多个历史上课视频对应的多个综合反应特征，得到所述教师的评分；

将综合反应特征与大数据库中的标准评分人脸轮廓进行批匹配；

若匹配成功，获得与匹配的标准评分人脸轮廓对应的打分，以所述打分作为所述综合反应特征反应的所述教师的分数；每个综合反应特征对应一个分数；多个综合反应特征对应多个分数；

获得多个分数的平均值，以所述平均值作为所述教师的评分。

相较于现有技术，本发明达到的有益效果是：

本发明实施例提供了一种大数据在线教育平台的教师推荐方法及系统，所述方法包括: 从大数据库中获得教师的多个历史上课视频；每个历史上课视频是所述教师每次上课时的视频；所述历史上课视频中包括多张图像，每张图像中包括多个学生上课时的人脸图像；获得每张图像中每个学生的人脸拓扑图；针对每个历史上课视频中的每个学生，基于所述学生的多个人脸拓扑图得到所述学生在所述历史上课视频中对所述教师的个体反应特征；针对每个历史上课视频，基于每个学生的个体反应特征得到所述教师在所述历史上课视频的综合反应特征；综合反应特征与历史上课视频一一对应；基于多个历史上课视频对应的多个综合反应特征，得到所述教师的评分；若所述教师有多个，将评分最高的教师优先推荐给学生。如此对教师进修评分，考虑的学生多，并且直接基于上课的学生的人脸图像预测得到分数，相较于学生手动打分，其准确性高，该评分能够反映该教师的教学水平、学生欢迎程度。

附图说明

图1是本发明实施例提供的一种大数据在线教育平台的教师推荐方法流程图。

图2是本发明实施例提供的一种机器人的方框结构示意图。

图中标记：总线500；接收器501；处理器502；发送器503；存储器504；总线接口505。

具体实施方式

下面结合附图，对本发明作详细的说明。

实施例

本发明实施例提供了大数据在线教育平台的教师推荐方法，如图1所示，所述方法包括：

S101：从大数据库中获得教师的多个历史上课视频。

其中，每个历史上课视频是所述教师每次上课时的视频；所述历史上课视频中包括多张图像，每张图像中包括多个学生上课时的人脸图像。

S102：获得每张图像中每个学生的人脸拓扑图。

S103：针对每个历史上课视频中的每个学生，基于所述学生的多个人脸拓扑图得到所述学生在所述历史上课视频中对所述教师的个体反应特征。

S104：针对每个历史上课视频，基于每个学生的个体反应特征得到所述教师在所述历史上课视频的综合反应特征。

其中，综合反应特征与历史上课视频一一对应；

S105：基于多个历史上课视频对应的多个综合反应特征，得到所述教师的评分。

S106：若所述教师有多个，将评分最高的教师优先推荐给学生。

若教师只有一个，则推荐该教师给学生。需要说明的是，本申请提供的大数据在线教育平台的教师推荐方法由机器人执行，机器人将教师的信息（姓名、照片）发送到学生的手持终端（手机、平板电脑），以实现推荐给学生。

通过采用以上方案对教师进修评分，考虑的学生多，并且直接基于上课的学生的人脸图像预测得到分数，相较于学生手动打分，其准确性高，该评分能够反映该教师的教学水平、学生欢迎程度，将评分最高的教师优先推荐给学生，提高了学生是从优质教师的速度。

可选的，所述基于所述学生的多个人脸拓扑图得到所述学生在所述历史上课视频中对所述教师的个体反应特征，包括：通过Harris角点提取算法在所述人脸图像中检测出角点，确定角点作为拓扑顶点；若相邻的两个角点之间的距离大于预设值，对相邻的两个角点以及与两个角点相邻的角点进行三次曲线拟合，得到拟合曲线，确定在所述拟合曲线上且处在相邻的两个角点之间的一点作为拓扑顶点；用线段将所有的拓扑顶点两两相连，得到人脸拓扑图。其中预设值可以是3厘米、4厘米、5厘米。

如此，得到的人脸拓扑图可准确地表征人脸的形状、轮廓信息。即相较于现有技术中的28个定点特征点，通过进行曲线拟合，然后取中间点作为拓扑顶点，增加了人脸拓扑图的圆滑性，也增强了人脸拓扑图对人脸图像的表征的准确性，即如此得到的人脸拓扑图能够准确标准人脸图像的形状、轮廓、以及人脸中的眼镜、鼻子、嘴巴等的形状、轮廓信息。

可选的，针对同一个学生在不同图像中的人脸拓扑图的拓扑顶点一一对应；所述基于所述学生的多个人脸拓扑图得到所述学生在所述历史上课视频中对所述教师的个体反应特征，包括：获得多个人脸拓扑图中一一对应的拓扑顶点的平均点；所述平均点的坐标等于多个人脸拓扑图中一一对应的拓扑顶点的坐标的平均；用线段将所有的平均点两两相连，得到个体反应特征，所述个体反应特征为个体反应图。

可选的，所述基于每个学生的个体反应特征得到所述教师在所述历史上课视频的综合反应特征，包括：将每个学生的个体反应图进行叠加，得到叠加特征，所述叠加特征为叠加图；获得叠加特征的轮廓，以所述轮廓作为综合反应特征。

进一步的，所述基于多个历史上课视频对应的多个综合反应特征，得到所述教师的评分；将综合反应特征与大数据库中的标准评分人脸轮廓进行批匹配；若匹配成功，获得与匹配的标准评分人脸轮廓对应的打分，以所述打分作为所述综合反应特征反应的所述教师的分数；每个综合反应特征对应一个分数；多个综合反应特征对应多个分数；获得多个分数的平均值，以所述平均值作为所述教师的评分。

需要说明的是，人脸拓扑图反映了学生人脸的表情信息。

针对上述实施例提供一种大数据在线教育平台的教师推荐方法，本申请实施例还对应提供一种用于执行上述的步骤的执行主体，该执行主体可以为大数据在线教育平台的教师推荐系统。该系统包括：

获得模块，用于从大数据库中获得教师的多个历史上课视频；每个历史上课视频是所述教师每次上课时的视频；所述历史上课视频中包括多张图像，每张图像中包括多个学生上课时的人脸图像；获得每张图像中每个学生的人脸拓扑图；

特征提取模块，用于针对每个历史上课视频中的每个学生，基于所述学生的多个人脸拓扑图得到所述学生在所述历史上课视频中对所述教师的个体反应特征；针对每个历史上课视频，基于每个学生的个体反应特征得到所述教师在所述历史上课视频的综合反应特征；综合反应特征与历史上课视频一一对应；

评分模块，用于基于多个历史上课视频对应的多个综合反应特征，得到所述教师的评分；

推荐模块，用于若所述教师有多个，将评分最高的教师优先推荐给学生。

可选的，所述基于所述学生的多个人脸拓扑图得到所述学生在所述历史上课视频中对所述教师的个体反应特征，包括：

通过Harris角点提取算法在所述人脸图像中检测出角点，确定角点作为拓扑顶点；

若相邻的两个角点之间的距离大于预设值，对相邻的两个角点以及与两个角点相邻的角点进行三次曲线拟合，得到拟合曲线，确定在所述拟合曲线上且处在相邻的两个角点之间的一点作为拓扑顶点；

用线段将所有的拓扑顶点两两相连，得到人脸拓扑图。

可选的，针对同一个学生在不同图像中的人脸拓扑图的拓扑顶点一一对应；所述基于所述学生的多个人脸拓扑图得到所述学生在所述历史上课视频中对所述教师的个体反应特征，包括：

获得多个人脸拓扑图中一一对应的拓扑顶点的平均点；所述平均点的坐标等于多个人脸拓扑图中一一对应的拓扑顶点的坐标的平均；

用线段将所有的平均点两两相连，得到个体反应特征，所述个体反应特征为个体反应图。

可选的，所述基于每个学生的个体反应特征得到所述教师在所述历史上课视频的综合反应特征，包括：

将每个学生的个体反应图进行叠加，得到叠加特征，所述叠加特征为叠加图；

获得叠加特征的轮廓，以所述轮廓作为综合反应特征。

可选的，所述基于多个历史上课视频对应的多个综合反应特征，得到所述教师的评分；

将综合反应特征与大数据库中的标准评分人脸轮廓进行批匹配；

若匹配成功，获得与匹配的标准评分人脸轮廓对应的打分，以所述打分作为所述综合反应特征反应的所述教师的分数；每个综合反应特征对应一个分数；多个综合反应特征对应多个分数；

获得多个分数的平均值，以所述平均值作为所述教师的评分。

关于上述实施例中的系统，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。

本发明实施例还提供了一种机器人，如图2所示，包括存储器504、处理器502及存储在存储器504上并可在处理器502上运行的计算机程序，所述处理器502执行所述程序时实现前文所述金融机构安防系统的大数据人脸识别方法的任一方法的步骤。

其中，在图2中，总线架构（用总线500来代表），总线500可以包括任意数量的互联的总线和桥，总线500将包括由处理器502代表的一个或多个处理器和存储器504代表的存储器的各种电路链接在一起。总线500还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进进一步描述。总线接口505在总线500和接收器501和发送器503之间提供接口。接收器501和发送器503可以是同一个元件，即收发机，提供用于在传输介质上与各种其他装置通信的单元。处理器502负责管理总线500和通常的处理，而存储器504可以被用于存储处理器502在执行操作时所使用的数据。

可选的，所述机器人还包括通讯模块、摄像模块；

摄像模块与所述存储器、处理器和通讯模块连接；所述处理器与所述通讯模块连接。所述摄像模块用于采集目标行人的人脸图像，将所述人脸图像发送至所述存储器和\或所述处理器和\或所述通讯模块。所述通讯模块用于将所述人脸图像发送至云计算终端；所述通讯模块还用于从云计算终端获得存储在大数据库中的标准人脸图像，并发送给所述处理器。

大数据库可以是存储器中的数据库，也可以是设置在云计算终端平台的数据库。

在本发明实施例中，金融机构安防系统的大数据人脸识别系统安装在机器人中，具体的可以软件功能模块的形式存储在存储器中并可以被处理器处理运行。作为一个实施例，目标行人（用户）走进金融机构或者公共场所的大厅、区域，则机器启动摄像装置中的摄像头拍摄采集目标行人的人脸图像，然后将所述人脸图像发送至所述存储器和\或所述处理器和\或所述通讯模块。所述通讯模块用于将所述人脸图像发送至云计算终端；所述通讯模块还用于从云计算终端获得存储在大数据库中的标准人脸图像，并发送给所述处理器，然后机器人启动上述的金融机构安防系统的大数据人脸识别系统执行上述的金融机构安防系统的大数据人脸识别方法。从而识别出目标行人的身份信息，实现人脸识别。

在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书（包括伴随的权利要求、摘要和附图）中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书（包括伴随的权利要求、摘要和附图）中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器（DSP）来实现根据本发明实施例的装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序（例如，计算机程序和计算机程序产品）。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

Claims (10)

1.一种大数据在线教育平台的教师推荐方法，其特征在于，所述方法包括:

从大数据库中获得教师的多个历史上课视频；每个历史上课视频是所述教师每次上课时的视频；所述历史上课视频中包括多张图像，每张图像中包括多个学生上课时的人脸图像；

获得每张图像中每个学生的人脸拓扑图；

针对每个历史上课视频中的每个学生，基于所述学生的多个人脸拓扑图得到所述学生在所述历史上课视频中对所述教师的个体反应特征；

针对每个历史上课视频，基于每个学生的个体反应特征得到所述教师在所述历史上课视频的综合反应特征；综合反应特征与历史上课视频一一对应；

基于多个历史上课视频对应的多个综合反应特征，得到所述教师的评分；

若所述教师有多个，将评分最高的教师优先推荐给学生。

2.根据权利要求1所述的方法，其特征在于，所述基于所述学生的多个人脸拓扑图得到所述学生在所述历史上课视频中对所述教师的个体反应特征，包括：

通过Harris角点提取算法在所述人脸图像中检测出角点，确定角点作为拓扑顶点；

若相邻的两个角点之间的距离大于预设值，对相邻的两个角点以及与两个角点相邻的角点进行三次曲线拟合，得到拟合曲线，确定在所述拟合曲线上且处在相邻的两个角点之间的一点作为拓扑顶点；

用线段将所有的拓扑顶点两两相连，得到人脸拓扑图。

3.根据权利要求2所述的方法，其特征在于，针对同一个学生在不同图像中的人脸拓扑图的拓扑顶点一一对应；所述基于所述学生的多个人脸拓扑图得到所述学生在所述历史上课视频中对所述教师的个体反应特征，包括：

获得多个人脸拓扑图中一一对应的拓扑顶点的平均点；所述平均点的坐标等于多个人脸拓扑图中一一对应的拓扑顶点的坐标的平均；

用线段将所有的平均点两两相连，得到个体反应特征，所述个体反应特征为个体反应图。

4.根据权利要求3所述的方法，其特征在于，所述基于每个学生的个体反应特征得到所述教师在所述历史上课视频的综合反应特征，包括：

将每个学生的个体反应图进行叠加，得到叠加特征，所述叠加特征为叠加图；

获得叠加特征的轮廓，以所述轮廓作为综合反应特征。

5.根据权利要求4所述的方法，其特征在于，所述基于多个历史上课视频对应的多个综合反应特征，得到所述教师的评分；

将综合反应特征与大数据库中的标准评分人脸轮廓进行批匹配；

若匹配成功，获得与匹配的标准评分人脸轮廓对应的打分，以所述打分作为所述综合反应特征反应的所述教师的分数；每个综合反应特征对应一个分数；多个综合反应特征对应多个分数；

获得多个分数的平均值，以所述平均值作为所述教师的评分。

6.一种大数据在线教育平台的教师推荐系统，其特征在于，所述系统包括:

获得模块，用于从大数据库中获得教师的多个历史上课视频；每个历史上课视频是所述教师每次上课时的视频；所述历史上课视频中包括多张图像，每张图像中包括多个学生上课时的人脸图像；获得每张图像中每个学生的人脸拓扑图；

特征提取模块，用于针对每个历史上课视频中的每个学生，基于所述学生的多个人脸拓扑图得到所述学生在所述历史上课视频中对所述教师的个体反应特征；针对每个历史上课视频，基于每个学生的个体反应特征得到所述教师在所述历史上课视频的综合反应特征；综合反应特征与历史上课视频一一对应；

评分模块，用于基于多个历史上课视频对应的多个综合反应特征，得到所述教师的评分；

推荐模块，用于若所述教师有多个，将评分最高的教师优先推荐给学生。

7.根据权利要求6所述的系统，其特征在于，所述基于所述学生的多个人脸拓扑图得到所述学生在所述历史上课视频中对所述教师的个体反应特征，包括：

通过Harris角点提取算法在所述人脸图像中检测出角点，确定角点作为拓扑顶点；

若相邻的两个角点之间的距离大于预设值，对相邻的两个角点以及与两个角点相邻的角点进行三次曲线拟合，得到拟合曲线，确定在所述拟合曲线上且处在相邻的两个角点之间的一点作为拓扑顶点；

用线段将所有的拓扑顶点两两相连，得到人脸拓扑图。

8.根据权利要求7所述的系统，其特征在于，针对同一个学生在不同图像中的人脸拓扑图的拓扑顶点一一对应；所述基于所述学生的多个人脸拓扑图得到所述学生在所述历史上课视频中对所述教师的个体反应特征，包括：

获得多个人脸拓扑图中一一对应的拓扑顶点的平均点；所述平均点的坐标等于多个人脸拓扑图中一一对应的拓扑顶点的坐标的平均；

用线段将所有的平均点两两相连，得到个体反应特征，所述个体反应特征为个体反应图。

9.根据权利要求8所述的系统，其特征在于，所述基于每个学生的个体反应特征得到所述教师在所述历史上课视频的综合反应特征，包括：

将每个学生的个体反应图进行叠加，得到叠加特征，所述叠加特征为叠加图；

获得叠加特征的轮廓，以所述轮廓作为综合反应特征。

10.根据权利要求9所述的系统，其特征在于，所述基于多个历史上课视频对应的多个综合反应特征，得到所述教师的评分；

将综合反应特征与大数据库中的标准评分人脸轮廓进行批匹配；

若匹配成功，获得与匹配的标准评分人脸轮廓对应的打分，以所述打分作为所述综合反应特征反应的所述教师的分数；每个综合反应特征对应一个分数；多个综合反应特征对应多个分数；

获得多个分数的平均值，以所述平均值作为所述教师的评分。

Images