CN112711675A

CN112711675A - 一种教学视频选择方法、装置、设备及可读存储介质

Info

Publication number: CN112711675A
Application number: CN201911024946.0A
Authority: CN
Inventors: 刘亚辉; 朱小凡
Original assignee: Shanghai Liulishuo Information Technology Co ltd
Current assignee: Shanghai Liulishuo Information Technology Co ltd
Priority date: 2019-10-25
Filing date: 2019-10-25
Publication date: 2021-04-27
Anticipated expiration: 2039-10-25
Also published as: CN112711675B

Abstract

本发明公开了一种教学视频选择方法，包括：获取声音信号；其中，声音信号为用户针对教学视频发出的声音；将声音信号输入深度学习网络，利用深度学习网络对声音信号进行评分处理，得到与声音信号对应的分数；在视频数据库中确定与分数对应的目标视频；该方法获取声音信号，并利用深度学习网络对声音信号进行评分处理得到对应的分数，并在视频数据库中确定与分数对应的目标视频，即根据获取的声音信号及经过评分处理得到的分数判断用户的学习情况，以便对用户进行针对性教学；解决了现有视频授课技术教学效果较差的问题；此外，本发明还提供了一种教学视频选择装置、设备及计算机可读存储介质，同样具有上述有益效果。

Description

一种教学视频选择方法、装置、设备及可读存储介质

技术领域

本申请涉及视频教学技术领域，特别涉及一种教学视频选择方法、教学视频选择装置、教学视频选择设备及计算机可读存储介质。

背景技术

目前，视频教学一般分为两种方法，一种为线上直播教学，另一种为录制视频授课。两者的区别为线上直播教学为实时直播教学，录制视频授课为播放录制好的视频课来进行教学。线上直播教学对学习时间和场地的要求较高，且在进行线上直播教学时，若教师面对的用户较多，则无法兼顾每个用户，无法及时为每个用户解决其在学习过程中出现的问题；若教师面对的用户较少，则需要较多的教师，浪费人力，且复制大量教师的问题很难解决。录制视频授课虽然可以使身处不同位置的用户随时随地进行学习，但是由于教师无法直接与用户交流，同样无法解决不同用户在学习过程中出现的问题。因此，在进行视频教学活动时，特别是语言类视频教学活动时，现有视频教学方法无法根据用户的学习状况进行针对性教学，使得教学效果较差。

因此，如何解决现有视频教学技术无法根据用户的学习状况进行针对性教学，使得教学效果较差的问题，是本领域技术人员需要解决的技术问题。

发明内容

有鉴于此，本发明的目的在于提供一种教学视频选择方法、教学视频选择装置、教学视频选择设备及计算机可读存储介质，解决了现有视频教学技术无法根据用户的学习状况进行针对性教学，使得教学效果较差的问题。

为解决上述技术问题，本发明提供了一种教学视频选择方法，包括：

获取声音信号；其中，所述声音信号为用户针对教学视频发出的声音；

将所述声音信号输入深度学习网络，利用所述深度学习网络对所述声音信号进行评分处理，得到与所述声音信号对应的分数；

在视频数据库中确定与所述分数对应的目标视频。

可选的，所述视频数据库的构建方法，包括：

利用镜号对各个视频进行编号，得到编号视频；

设定各个所述编号视频对应的分数区间，利用所述编号视频和所述分数区间组成所述视频数据库。

可选的，所述在视频数据库中确定与所述分数对应的目标视频，包括：

确定所述分数所属的目标分数区间；

将所述视频数据库中所述目标分数区间对应的视频确定为所述目标视频。

可选的，所述获取声音信号，包括：

获取当前视频对应的当前镜号，并判断是否接收到播放完毕信号；

若接收到所述播放完毕信号，则判断所述当前镜号是否为目标镜号；

若所述当前镜号为所述目标镜号，则获取所述声音信号。

可选的，在判断所述当前镜号是否为目标镜号后，还包括：

若所述当前镜号不为所述目标镜号，则按照预设镜号顺序确定所述当前镜号的后备镜号，将所述后备镜号对应的视频确定为所述目标视频。

可选的，在所述获取声音信号之后，在将所述声音信号输入深度学习网络，利用所述深度学习网络对所述声音信号进行评分处理之前，还包括：

对所述声音信号进行预处理。

可选的，在对所述声音信号进行预处理之后，在将所述声音信号输入深度学习网络，利用所述深度学习网络对所述声音信号进行评分处理之前，还包括：

判断所述声音信号是否满足预设条件；

若是，则执行所述将所述声音信号输入深度学习网络，利用所述深度学习网络对所述声音信号进行评分处理的步骤。

本发明还提供了一种教学视频选择装置，包括：

声音获取模块，用于获取声音信号；其中，所述声音信号为用户针对教学视频发出的声音；

评分模块，用于将所述声音信号输入深度学习网络，利用所述深度学习网络对所述声音信号进行评分处理，得到与所述声音信号对应的分数；

目标视频确定模块，用于在视频数据库中确定与所述分数对应的目标视频。

本发明还提供了一种教学视频选择设备，包括存储器和处理器，其中：

所述存储器，用于保存计算机程序；

所述处理器，用于执行所述计算机程序，以实现上述的教学视频选择方法。

本发明还提供了一种计算机可读存储介质，用于保存计算机程序，其中，所述计算机程序被处理器执行时实现上述的教学视频选择方法。

本发明提供的教学视频选择方法，获取声音信号；其中，声音信号为用户针对教学视频发出的声音。将声音信号输入深度学习网络，利用深度学习网络对声音信号进行评分处理，得到与声音信号对应的分数。在视频数据库中确定与分数对应的目标视频。

可见，该方法获取声音信号，并将声音信号输入深度学习网络，利用深度学习网络对声音信号进行评分处理，得到对应的分数，并在视频数据库中确定与分数对应的目标视频。该方法可以根据获取的声音信号及经过评分处理得到的分数判断用户的学习情况，并利用分数在视频数据库中确定相应的视频，以便对用户进行针对性教学。解决了现有视频授课技术无法根据用户的学习状况进行针对性教学，使得教学效果较差的问题。

此外，本发明还提供了一种教学视频选择装置、教学视频选择设备及计算机可读存储介质，同样具有上述有益效果。

附图说明

为了更清楚地说明本发明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发明的实施例，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为本发明实施例提供的一种教学视频选择方法流程图；

图2为本发明实施例提供的一种视频数据库构建方法流程图；

图3为本发明实施例提供的一种教学视频选择装置的结构示意图；

图4为本发明实施例提供的一种教学视频选择设备的结构示意图；

图5为本发明实施例提供的一种具体的教学视频选择方法流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

请参考图1，图1为本发明实施例提供的一种教学视频选择方法流程图。

该方法包括：

S101：获取声音信号；其中，声音信号为用户针对教学视频发出的声音。

声音信号为用户发出的声音，具体为用户针对教学视频发出的声音。获取声音信号可以实时进行；或者可以在接收到获取指令后获取声音信号；或者可以在接收到播放完毕信号，即用来表示当前视频播放完毕的信号；或者可以按照预设周期获取声音信号；当然也可以按照其它规律执行获取操作，本实施例对此不做限定。在获取声音信号时，为了保证视频教学的连贯性，可以同时播放预设视频，例如教师在等待的视频，这样可以使用户保持学习状态。

进一步，为了提高后续将声音信号输入深度学习网络，利用深度学习网络对声音信号进行评分处理得到的分数的准确性，本发明实施例优选的，在获取声音信号后，对声音信号进行预处理，具体的预处理方法可以包括滤波、锐化等方法，当然也可以包括其他声音信号处理方法或多种处理方法的组合。对声音信号进行预处理之后，可以使声音信号更加清晰，有利于提高评分准确性，进而提高对目标视频进行选择时的准确性。

进一步，为了进一步提高评分准确性，进而提高对目标视频进行选择时的准确性，本发明实施例优选的，在对声音信号进行预处理之后，可以判断声音信号是否满足预设条件，预设条件的具体内容可以根据实际情况进行设置，例如预设条件可以为平均分贝值是否大于预设阈值；或者可以为平均分贝值是否小于预设阈值；或者可以为最大分贝值和平均分贝值均处于预设区间内。当声音信号满足预设条件时，再执行将声音信号输入深度学习网络，利用深度学习网络对声音信号进行评分处理的步骤，进一步提高评分准确性，同时避免对无效声音信号进行评分造成的计算资源浪费。当声音信号不满足预设条件时，可以重新获取声音信号，同时提示用户重新发出声音；或者可以等待预设时间后重新获取声音信号。

S102：将声音信号输入深度学习网络，利用深度学习网络对声音信号进行评分处理，得到与声音信号对应的分数。

在获取声音信号后，将声音信号输入深度学习网络，利用深度学习网络对声音信号进行评分处理。根据声音信号中的特殊信号或声音信号携带的信息对声音信号进行评分，得到与声音信号对应的分数。深度学习网络可以根据用户群体的不同进行针对性训练，以便提高评分准确率。例如当用户群体为小学生时，则利用小学生的声音作为训练样本对深度学习网络进行训练；当用户群体为成人时，则利用成人的声音作为训练样本对深度学习网络进行训练。

S103：在视频数据库中确定与分数对应的目标视频。

视频数据库中存储有多个视频，各个视频均与不同的分数进行匹配。在获取声音信号对应的分数后，利用该分数从视频数据库中确定相应的视频。在确定目标视频后，可以对目标视频进行播放，或者可以将目标视频进行推送等处理，以实现根据分数确定目标视频的效果，由于不同分数对应的视频内容不同，因此实现了根据声音信号选择目标视频的效果，进而实现了用户的学习情况进行针对性讲解的效果。

应用本发明实施例提供的教学视频选择方法，获取声音信号，并将声音信号输入深度学习网络，利用深度学习网络对声音信号进行评分处理，得到对应的分数，并在视频数据库中确定与分数对应的目标视频。该方法通过用户发出的声音信号判断用户的学习情况，即根据获取的声音信号及经过评分处理得到的分数判断用户的学习情况，并利用分数在视频数据库中确定相应的视频进行后续操作，以便对用户进行针对性教学。解决了现有视频授课技术无法根据用户的学习状况进行针对性教学，使得教学效果较差的问题。

基于上述实施例，本发明实施例将说明一种具体的视频数据库的构建方法，具体请参考图2，图2为本发明实施例提供的一种视频数据库构建方法流程图，具体包括：

S201：利用镜号对各个视频进行编号，得到编号视频。

镜号为各个视频的序号，一般为正整数。在对视频进行编号时，可以利用镜号由小到大对视频按照时间先后顺序进行编号，即时间顺序在前的视频的镜号较小，时间顺序在后的视频镜号较大。当然也可以按照其它方法对各个视频进行编号，得到编号视频。

S202：设定各个编号视频对应的分数区间，利用编号视频和分数区间组成视频数据库。

为了减少视频数量，进而减少视频数据库的大小，可以设定各个编号视频对应的分数区间，分数区间的具体大小不做限定。每个分数区间包括了一个或多个分数。因此在对不同的声音信号进行评分后，若分数较为相近，表示声音信号对应的用户学习情况较为相近，因此可以选择相同的视频对其进行针对性讲解。在设定好各个编号视频对应的分数区间后，利用编号视频和分数区间组成视频数据库。

在应用本发明实施例提供的视频数据库构建方法构建出的视频数据库进行教学视频选择时，S103步骤具体可以按照如下步骤进行：

S1031：确定分数所属的目标分数区间；

S1032：将视频数据库中目标分数区间对应的视频确定为目标视频。

进一步，在实际应用中，并不是每个视频在播放结尾时都需要根据用户的学习情况选择目标视频，因此在应用本发明实施例提供的视频数据库构建方法构建出的视频数据库进行教学视频选择时，可以按照如下步骤执行获取声音信号(即S101步骤)的操作，具体的：

S1011：获取当前视频对应的当前镜号，并判断是否接收到播放完毕信号。

播放完毕信号即为表示当前视频播放完毕的信号，获取当前镜号的时机可以在当前视频开始播放的时候获取；或者可以在预设时间点获取，例如在当前视频播放10秒时获取。

S1012：若接收到播放完毕信号，则判断当前镜号是否为目标镜号。

接收到播放完毕信号时，说明当前视频已播放完毕，需要确定目标视频。目标镜号为需要在播放结束后获取声音信号并确定目标视频的特殊视频对应的镜号。特殊视频为需要互动的视频，例如可以为提问视频；或者可以为检测视频。特殊视频可以有多个，因此目标镜号同样可以有多个。

S1013：若当前镜号为目标镜号，则获取声音信号。

当当前镜号为目标镜号，说明此时需要获取声音信号并进行评分处理，以便利用分数确定目标视频，因此获取声音信号。

S1014：若当前镜号不为目标镜号，则按照预设镜号顺序确定当前镜号的后备镜号，将后备镜号对应的视频确定为目标视频。

当当前镜号不为目标镜号时，说明当前视频在结束时不需要根据用户的学习情况决定目标视频，于是按照预设镜号顺序确定后备镜号。预设镜号顺序即为视频的预设播放顺序，在不需要根据用户的学习情况决定目标视频时，各个视频按照预设镜号顺序进行播放或推送等操作。

基于上述实施例，本发明实施例将结合具体实际情况对本发明提供的教学视频选择方法进行说明，具体请参考图5，图5为本发明实施例提供的一种具体的教学视频选择方法流程图，包括：

若当前视频为prompt_1，在检测到prompt_1播放完毕后，开始获取声音信号。在获取声音信号(即开始收音)时，可以同时播放waiting_1视频，在获取到声音信号后(即认为hit了一个答案)，对该声音信号进行评分得到分数。例如分数大于第一阈值(第一阈值可以设为90)，例如分数为95分，说明hit了一个答案，且打分大于等于n，则播放对应的good_tr视频，在播放完good_tr视频后，按照预设播放顺序播放其他视频；当分数小于第一阈值且大于第二阈值时(第二阈值可以设为60)，若为80分或为70分，说明hit了一个答案，但打分小于等于n，则播放对应的ok_tr_1视频，在播放完ok_tr_1视频后，按照预设播放顺序自动播放prompt_2视频；当分数小于第二阈值时或声音信号分贝低于预设分贝值时，说明为hit答案，判定为没有接收到声音信号，则播放prompt_2视频。

在播放prompt_2视频时，再次获取声音信号，同时播放waiting_2视频。当再次获取声音信号并打分后，判断该分数所处的分数区间。当分数大于第一阈值时，播放对应的good_tr视频，在播放完good_tr视频后，按照预设播放顺序播放其他视频；当分数小于第一阈值且大于第二阈值时，播放对应的ok_tr_2视频，在播放完ok_tr_2视频后，按照预设播放顺序自动播放prompt_3视频；当分数小于第二阈值时或声音信号分贝低于预设分贝值时，判定为没有接收到声音信号，则播放prompt_3视频。

在播放prompt_3视频时，再次获取声音信号，同时播放waiting_3视频。再次获取分数后，当分数大于第一阈值时，播放对应的good_tr视频，在播放完good_tr视频后，按照预设播放顺序播放其他视频；当分数小于第一阈值且大于第二阈值时，播放对应的ok_tr视频，在播放完ok_tr视频后，按照预设播放顺序自动播放其他视频；当分数小于第二阈值时或声音信号分贝低于预设分贝值时，判定为没有接收到声音信号，则播放bad_tr视频，在播放完bad_tr视频后，按照预设播放顺序播放其他视频。

下面对本发明实施例提供的教学视频选择装置进行介绍，下文描述的教学视频选择装置与上文描述的教学视频选择方法可相互对应参照。

请参考图3，图3为本发明实施例提供的一种教学视频选择装置的结构示意图，包括：

声音获取模块310，用于获取声音信号；其中，声音信号为用户针对教学视频发出的声音；

评分模块320，用于将声音信号输入深度学习网络，利用深度学习网络对声音信号进行评分处理，得到与声音信号对应的分数；

目标视频确定模块330，用于在视频数据库中确定与分数对应的目标视频。

可选的，包括：

编号模块，用于利用镜号对各个视频进行编号，得到编号视频；

设定各个编号视频对应的分数区间，利用编号视频和分数区间组成视频数据库。

可选的，目标视频确定模块330，包括：

目标分数区间确定单元，用于确定分数所属的目标分数区间；

目标视频确定单元，用于将视频数据库中目标分数区间对应的视频确定为目标视频。

可选的，声音获取模块310，包括：

信号接收判断单元，用于获取当前视频对应的当前镜号，并判断是否接收到播放完毕信号；

目标镜号判断单元，用于判断当前镜号是否为目标镜号；

获取单元，用于获取声音信号。

可选的，声音获取模块310，还包括：

后备镜号确定单元，用于按照预设镜号顺序确定当前镜号的后备镜号，将后备镜号对应的视频确定为目标视频。

可选的，还包括：

预处理模块，用于对声音信号进行预处理。

可选的，还包括：

条件判断模块，用于判断声音信号是否满足预设条件；

相应的，评分模块320为确定声音信号满足预设条件后将声音信号输入深度学习网络，利用深度学习网络对声音信号进行评分处理的模块。

下面对本发明实施例提供的教学视频选择设备进行介绍，下文描述的教学视频选择设备与上文描述的教学视频选择方法可相互对应参照。

请参考图4，图4为本发明实施例提供的一种教学视频选择设备的结构示意图，该教学视频选择设备包括存储器、处理器，其中：

存储器410，用于保存计算机程序；

处理器420，用于执行计算机程序，以实现上述的教学视频选择方法。

下面对本发明实施例提供的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教学视频选择方法可相互对应参照。

本发明还提供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上述的教学视频选择方法的步骤。

该计算机可读存储介质可以包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

本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它实施例的不同之处，各个实施例之间相同或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的方式来执行，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，但是这种实现不应该认为超出本发明的范围。

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。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系属于仅仅用来将一个实体或者操作与另一个实体或者操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其他任何变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

以上对本发明所提供的一种教学视频选择方法、教学视频选择装置、教学视频选择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发明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发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims

1.一种教学视频选择方法，其特征在于，包括：

在视频数据库中确定与所述分数对应的目标视频。

2.根据权利要求1所述的教学视频选择方法，其特征在于，所述视频数据库的构建方法，包括：

利用镜号对各个视频进行编号，得到编号视频；

3.根据权利要求2所述的教学视频选择方法，其特征在于，所述在视频数据库中确定与所述分数对应的目标视频，包括：

确定所述分数所属的目标分数区间；

4.根据权利要求2所述的教学视频选择方法，其特征在于，所述获取声音信号，包括：

若所述当前镜号为所述目标镜号，则获取所述声音信号。

5.根据权利要求4所述的教学视频选择方法，其特征在于，在判断所述当前镜号是否为目标镜号后，还包括：

6.根据权利要求1所述的教学视频选择方法，其特征在于，在所述获取声音信号之后，在将所述声音信号输入深度学习网络，利用所述深度学习网络对所述声音信号进行评分处理之前，还包括：

对所述声音信号进行预处理。

7.根据权利要求6所述的教学视频选择方法，其特征在于，在对所述声音信号进行预处理之后，在将所述声音信号输入深度学习网络，利用所述深度学习网络对所述声音信号进行评分处理之前，还包括：

判断所述声音信号是否满足预设条件；

8.一种教学视频选择装置，其特征在于，包括：

9.一种教学视频选择设备，其特征在于，包括存储器和处理器，其中：

所述存储器，用于保存计算机程序；

所述处理器，用于执行所述计算机程序，以实现如权利要求1至7任一项所述的教学视频选择方法。

10.一种计算机可读存储介质，其特征在于，用于保存计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的教学视频选择方法。