CN113095198A - 一种基于学习者行为的ai考核方法 - Google Patents
一种基于学习者行为的ai考核方法 Download PDFInfo
- Publication number
- CN113095198A CN113095198A CN202110366447.0A CN202110366447A CN113095198A CN 113095198 A CN113095198 A CN 113095198A CN 202110366447 A CN202110366447 A CN 202110366447A CN 113095198 A CN113095198 A CN 113095198A
- Authority
- CN
- China
- Prior art keywords
- playing
- video
- verification
- learner
- assessment method
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000006399 behavior Effects 0.000 title claims abstract description 12
- 238000012795 verification Methods 0.000 claims abstract description 51
- 238000002360 preparation method Methods 0.000 claims abstract description 12
- 239000008280 blood Substances 0.000 claims description 6
- 210000004369 blood Anatomy 0.000 claims description 6
- 235000014510 cooky Nutrition 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 21
- 230000001680 brushing effect Effects 0.000 description 3
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- 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
- G06V40/40—Spoof detection, e.g. liveness detection
- G06V40/45—Detection of the body part being alive
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- 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
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B5/00—Electrically-operated educational appliances
- G09B5/08—Electrically-operated educational appliances providing for individual presentation of information to a plurality of student stations
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Computer Security & Cryptography (AREA)
- Strategic Management (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Electrically Operated Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于学习者行为的AI考核方法,涉及网络学习考核技术领域;包括如下步骤:准备阶段、视频播放准备阶段、视频播放阶段,收集图像信息为摄像头拍摄的学习者照片信息,配置的系统规则包括视频播放的抓拍规则和人脸识别规则,其中抓拍规则包括未识别人脸情况下的连续未识别的容忍时间阈值t1和容忍时间阈值t1内的抓拍次数n、验证成功时,视频播放情况下,重复验证的阈值t2、系统对比图像和储存信息的匹配度阈值t3。本发明可有效的防止网课代刷的情况,另一方面,采用AI活体识别,增加了识别的精确度,并且识别失败,在阈值内会继续进行多次识别,以解决网络延迟和光线导致匹配不上的短暂间隔问题。
Description
技术领域
本发明涉及网络学习考核技术领域,尤其涉及一种基于学习者行 为的AI考核方法。
背景技术
为了更好地支撑世界上最大规模的在线教育,为了进一步提高 教学质量,也为了解决教育监督者对学情不明晰的问题,就需要对 学习者的真实性以及有效性进行严格的校验和行为分析。
在现有技术中,学习者在进行网课学习时,仅需要通过账号密码 登入系统后,即可对系统内的网络教学视频进行,此种方法存在较大 的漏洞,现在网络各个营销网站,营销APP上,均存在“网课代刷” 服务,且价钱较为可观,此种以账号密码为身份验证,仅以观看市场 作为考核内容的方法,会使得大量学习者购买“网课代刷”服务,从 而失去了网络学习的功能,浪费了大量的教学资源。
而本发明基于此,旨在解决如何对网络教学进行可靠考核,从而 提高学习效率,降低教学资源浪费的问题,提出一种基于学习者行为 的AI考核方法。
发明内容
本发明的目的是为了解决现有技术中存在的缺点,而提出的一种 基于学习者行为的AI考核方法。
为了实现上述目的,本发明采用了如下技术方案:
一种基于学习者行为的AI考核方法,包括如下步骤:
S1:准备阶段,收集图像信息,配置系统规则;
S2:视频播放准备阶段,视频播放前,需要对观看者的影像进行 采集,并进行活体、身份验证;
S3:视频播放阶段,若身份验证成功,则允许播放视频文件,若 身份验证失败,则重复S2步骤;
S4:若重复S2步骤的时间超过S1中的系统规则设定阈值,则判 断识别失败,终止视频播放。
优选地:所述S1中,收集图像信息为摄像头拍摄的学习者照片 信息,配置的系统规则包括视频播放的抓拍规则和人脸识别规则,其 中抓拍规则包括未识别人脸情况下的连续未识别的容忍时间阈值t1和容忍时间阈值t1内的抓拍次数n、验证成功时,视频播放情况下, 重复验证的阈值t2、系统对比图像和储存信息的匹配度阈值t3。
优选地:所述S2中,其具体步骤为:
S21:身份验证前,对播放条件进行进行检测;
S22:播放条件允许的情况下,前端开启摄像头拍摄,抓取拍摄 画面,使用前端JS算法初步识别内容;
S23:若初步通过前端验证,则将上传拍摄的数据到后端,结合当前 播放人的证件照,进行AI人脸识别获取识别拍摄画面结果,若识别 匹配度大于预设阈值t3,则视为本人,否则验证失败。
所述S21步骤中,播放条件包括学习者是否上传证件照、播放设 备是否具备播放硬件条件和学习者是否开启摄像头权限。
优选地:所述S3中,身份验证成功,播放视频过程中,同时进 行以下步骤:
S31:在上一次后端有效验证后的合理的验证时间外,根据摄像 头拍摄画面,重复调用前端JS算法;
S32:验证通过后,开启下一次的后端检测,当返回结果成功匹 配到本人,将重置倒计时,并将血条置满,恢复初始的饱和状态,并 记录本次校验时间;
S33:当返回结果没有匹配到本人,则立即调用前端JS算法验证, 依此反复;
S34:当在容忍时间阈值t1内都没有检测到本人,视频播放根据 配置进行暂停或终止播放。
优选地:所述S3中,视频在累计一端时间后,会向后端存储一 次累计数据,如果发送失败,则将累计数据存储到本地Cookie或Local Storage中,待下次一并发送保存。
优选地:所述S3中,累计数据包括此段时间内,学习者视频进 度条拖动轨迹数据以及摄像头拍摄的学习者面部信息数据。
优选地:所述S3中,储存至本地Cookie或Local Storage中的累 计数据会进行加密处理。
优选地:所述S3中,对一定时间连续播放和对视频播放进度拖 动以及的视频播放终止时,会向后端保存播放轨迹,并在播放器下方 展示。
本发明的有益效果为:
1.本发明首先对播放条件进行检测,播放条件允许时,前端 利用摄像头对学习者的图像进行采集,并利用JS算法进行初步内容 识别,然后将拍摄数据传输到后端,结合当面学习者的证件照,进行 AI人脸识别,识别匹配度大于预设阈值时,则进行视频播放,若在容忍时间阈值内识别失败,则终止播放,此种设计,以图像为身份验 证准则,一方面,可有效的防止网课代刷的情况,另一方面,采用 AI活体识别,增加了识别的精确度,并且识别失败,在阈值内会继 续进行多次识别,以解决网络延迟和光线导致匹配不上的短暂间隔问题。
2.本发明即使首次验证成功,视频播放过程中,系统也会根 据预设阈值进行阶段身份验证,以血条的方式对学习者整个学习过程 中的学习影响阶段采集,可有效的防止学习者首次认证后,则进行挂 机操作。
3.本发明首先,在学习者学习过程中,系统对视频的播放轨 迹进行记录,并于播放器下方展示,可有效地提醒学习者未观看部分, 防止学习内容遗漏,另外,系统还会将学习者学习过程中的学习者影 像信息、播放轨迹信息反馈至后端,可供审核人员(如教师、家长) 对视频学习过程的有效性进行人工的二次考核
附图说明
图1为本发明提出的一种基于学习者行为的AI考核方法中的流 程结构示意图。
具体实施方式
下面结合具体实施方式对本专利的技术方案作进一步详细地说 明。
在本专利的描述中,需要说明的是,除非另有明确的规定和限定, 术语“安装”、“相连”、“连接”、“设置”应做广义理解,例如, 可以是固定相连、设置,也可以是可拆卸连接、设置,或一体地连接、 设置。对于本领域的普通技术人员而言,可以根据具体情况理解上述 术语在本专利中的具体含义。
实施例1:
一种基于学习者行为的AI考核方法,包括如下步骤:
S1:准备阶段,收集图像信息,配置系统规则;
S2:视频播放准备阶段,视频播放前,需要对观看者的影像进行 采集,并进行活体、身份验证;
S3:视频播放阶段,若身份验证成功,则允许播放视频文件,若 身份验证失败,则重复S2步骤;
S4:若重复S2步骤的时间超过S1中的系统规则设定阈值,则判 断识别失败,终止视频播放;
所述S1中,收集图像信息为摄像头拍摄的学习者照片信息,所 述S1中,配置的系统规则包括视频播放的抓拍规则和人脸识别规则, 其中抓拍规则包括未识别人脸情况下的连续未识别的容忍时间阈值 t1和容忍时间阈值t1内的抓拍次数n、验证成功时,视频播放情况下, 重复验证的阈值t2、系统对比图像和储存信息的匹配度阈值t3。
所述S2中,其具体步骤为:
S21:身份验证前,对播放条件进行进行检测;
S22:播放条件允许的情况下,前端开启摄像头拍摄,抓取拍摄 画面,使用前端JS算法初步识别内容;
S23:若初步通过前端验证,则将上传拍摄的数据到后端,结合 当前播放人的证件照,进行AI人脸识别获取识别拍摄画面结果,若 识别匹配度大于预设阈值t3,则视为本人,否则验证失败。
所述S21步骤中,播放条件包括学习者是否上传证件照、播放设 备是否具备播放硬件条件和学习者是否开启摄像头权限。
本实施例中,首先对播放条件进行检测,播放条件允许时,前端 利用摄像头对学习者的图像进行采集,并利用JS算法进行初步内容 识别,然后将拍摄数据传输到后端,结合当面学习者的证件照,进行 AI人脸识别,识别匹配度大于预设阈值时,则进行视频播放,若在 容忍时间阈值内识别失败,则终止播放,此种设计,以图像为身份验 证准则,一方面,可有效的防止网课代刷的情况,另一方面,采用 AI活体识别,增加了识别的精确度,并且识别失败,在阈值内会继 续进行多次识别,以解决网络延迟和光线导致匹配不上的短暂间隔问 题。
实施例2:
一种基于学习者行为的AI考核方法,包括如下步骤:
S1:准备阶段,收集图像信息,配置系统规则;
S2:视频播放准备阶段,视频播放前,需要对观看者的影像进行 采集,并进行活体、身份验证;
S3:视频播放阶段,若身份验证成功,则允许播放视频文件,若 身份验证失败,则重复S2步骤;
S4:若重复S2步骤的时间超过S1中的系统规则设定阈值,则判 断识别失败,终止视频播放;
所述S1中,收集图像信息为摄像头拍摄的学习者照片信息,所 述S1中,配置的系统规则包括视频播放的抓拍规则和人脸识别规则, 其中抓拍规则包括未识别人脸情况下的连续未识别的容忍时间阈值 t1和容忍时间阈值t1内的抓拍次数n、验证成功时,视频播放情况下, 重复验证的阈值t2、系统对比图像和储存信息的匹配度阈值t3。
所述S2中,其具体步骤为:
S21:身份验证前,对播放条件进行进行检测;
S22:播放条件允许的情况下,前端开启摄像头拍摄,抓取拍摄 画面,使用前端JS算法初步识别内容;
S23:若初步通过前端验证,则将上传拍摄的数据到后端,结合 当前播放人的证件照,进行AI人脸识别获取识别拍摄画面结果,若 识别匹配度大于预设阈值t3,则视为本人,否则验证失败。
所述S21步骤中,播放条件包括学习者是否上传证件照、播放设 备是否具备播放硬件条件和学习者是否开启摄像头权限。
所述S3中,身份验证成功,播放视频过程中,同时进行以下步 骤:
S31:在上一次后端有效验证后的合理的验证时间外,根据摄像 头拍摄画面,重复调用前端JS算法;
S32:验证通过后,开启下一次的后端检测,当返回结果成功匹 配到本人,将重置倒计时,并将血条置满,恢复初始的饱和状态,并 记录本次校验时间;
S33:当返回结果没有匹配到本人,则立即调用前端JS算法验证, 依此反复;
S34:当在容忍时间阈值t1内都没有检测到本人,视频播放根据 配置进行暂停或终止播放。
本实施例中,即使首次验证成功,视频播放过程中,系统也会根 据预设阈值进行阶段身份验证,以血条的方式对学习者整个学习过程 中的学习影响阶段采集,可有效的防止学习者首次认证后,则进行挂 机操作。
实施例3:
一种基于学习者行为的AI考核方法,包括如下步骤:
S1:准备阶段,收集图像信息,配置系统规则;
S2:视频播放准备阶段,视频播放前,需要对观看者的影像进行 采集,并进行活体、身份验证;
S3:视频播放阶段,若身份验证成功,则允许播放视频文件,若 身份验证失败,则重复S2步骤;
S4:若重复S2步骤的时间超过S1中的系统规则设定阈值,则判 断识别失败,终止视频播放;
所述S1中,收集图像信息为摄像头拍摄的学习者照片信息,所 述S1中,配置的系统规则包括视频播放的抓拍规则和人脸识别规则, 其中抓拍规则包括未识别人脸情况下的连续未识别的容忍时间阈值 t1和容忍时间阈值t1内的抓拍次数n、验证成功时,视频播放情况下, 重复验证的阈值t2、系统对比图像和储存信息的匹配度阈值t3。
所述S2中,其具体步骤为:
S21:身份验证前,对播放条件进行进行检测;
S22:播放条件允许的情况下,前端开启摄像头拍摄,抓取拍摄 画面,使用前端JS算法初步识别内容;
S23:若初步通过前端验证,则将上传拍摄的数据到后端,结合 当前播放人的证件照,进行AI人脸识别获取识别拍摄画面结果,若 识别匹配度大于预设阈值t3,则视为本人,否则验证失败。
所述S21步骤中,播放条件包括学习者是否上传证件照、播放设 备是否具备播放硬件条件和学习者是否开启摄像头权限。
所述S3中,身份验证成功,播放视频过程中,同时进行以下步 骤:
S31:在上一次后端有效验证后的合理的验证时间外,根据摄像 头拍摄画面,重复调用前端JS算法;
S32:验证通过后,开启下一次的后端检测,当返回结果成功匹 配到本人,将重置倒计时,并将血条置满,恢复初始的饱和状态,并 记录本次校验时间;
S33:当返回结果没有匹配到本人,则立即调用前端JS算法验证, 依此反复;
S34:当在容忍时间阈值t1内都没有检测到本人,视频播放根据 配置进行暂停或终止播放。
所述S3中,视频在累计一端时间后,会向后端存储一次累计数 据,如果发送失败,则将累计数据存储到本地Cookie或Local Storage 中,待下次一并发送保存。
所述S3中,累计数据包括此段时间内,学习者视频进度条拖动 轨迹数据以及摄像头拍摄的学习者面部信息数据。
所述S3中,储存至本地Cookie或Local Storage中的累计数据会 进行加密处理。
所述S3中,对一定时间连续播放和对视频播放进度拖动以及的 视频播放终止时,会向后端保存播放轨迹,并在播放器下方展示。
本实施例中,首先,在学习者学习过程中,系统对视频的播放轨 迹进行记录,并于播放器下方展示,可有效地提醒学习者未观看部分, 防止学习内容遗漏,另外,系统还会将学习者学习过程中的学习者影 像信息、播放轨迹信息反馈至后端,可供审核人员(如教师、家长) 对视频学习过程的有效性进行人工的二次考核。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范 围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技 术范围内,根据本发明的技术方案及其发明构思加以等同替换或改 变,都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种基于学习者行为的AI考核方法,其特征在于,包括如下步骤:
S1:准备阶段,收集图像信息,配置系统规则;
S2:视频播放准备阶段,视频播放前,需要对观看者的影像进行采集,并进行活体、身份验证;
S3:视频播放阶段,若身份验证成功,则允许播放视频文件,若身份验证失败,则重复S2步骤;
S4:若重复S2步骤的时间超过S1中的系统规则设定阈值,则判断识别失败,终止视频播放。
2.根据权利要求1所述的一种基于学习者行为的AI考核方法,其特征在于,所述S1中,收集图像信息为摄像头拍摄的学习者照片信息,配置的系统规则包括视频播放的抓拍规则和人脸识别规则,其中抓拍规则包括未识别人脸情况下的连续未识别的容忍时间阈值t1和容忍时间阈值t1内的抓拍次数n、验证成功时,视频播放情况下,重复验证的阈值t2、系统对比图像和储存信息的匹配度阈值t3。
3.根据权利要求1所述的一种基于学习者行为的AI考核方法,其特征在于,所述S2中,其具体步骤为:
S21:身份验证前,对播放条件进行进行检测;
S22:播放条件允许的情况下,前端开启摄像头拍摄,抓取拍摄画面,使用前端JS算法初步识别内容;
S23:若初步通过前端验证,则将上传拍摄的数据到后端,结合当前播放人的证件照,进行AI人脸识别获取识别拍摄画面结果,若识别匹配度大于预设阈值t3,则视为本人,否则验证失败。
4.根据权利要求3所述的一种基于学习者行为的AI考核方法,其特征在于,所述S21步骤中,播放条件包括学习者是否上传证件照、播放设备是否具备播放硬件条件和学习者是否开启摄像头权限。
5.根据权利要求1所述的一种基于学习者行为的AI考核方法,其特征在于,所述S3中,身份验证成功,播放视频过程中,同时进行以下步骤:
S31:在上一次后端有效验证后的合理的验证时间外,根据摄像头拍摄画面,重复调用前端JS算法;
S32:验证通过后,开启下一次的后端检测,当返回结果成功匹配到本人,将重置倒计时,并将血条置满,恢复初始的饱和状态,并记录本次校验时间;
S33:当返回结果没有匹配到本人,则立即调用前端JS算法验证,依此反复;
S34:当在容忍时间阈值t1内都没有检测到本人,视频播放根据配置进行暂停或终止播放。
6.根据权利要求5所述的一种基于学习者行为的AI考核方法,其特征在于,所述S3中,视频在累计一端时间后,会向后端存储一次累计数据,如果发送失败,则将累计数据存储到本地Cookie或Local Storage中,待下次一并发送保存。
7.根据权利要求5所述的一种基于学习者行为的AI考核方法,其特征在于,所述S3中,累计数据包括此段时间内,学习者视频进度条拖动轨迹数据以及摄像头拍摄的学习者面部信息数据。
8.根据权利要求6所述的一种基于学习者行为的AI考核方法,其特征在于,所述S3中,储存至本地Cookie或Local Storage中的累计数据会进行加密处理。
9.根据权利要求5所述的一种基于学习者行为的AI考核方法,其特征在于,所述S3中,对一定时间连续播放和对视频播放进度拖动以及的视频播放终止时,会向后端保存播放轨迹,并在播放器下方展示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110366447.0A CN113095198A (zh) | 2021-04-06 | 2021-04-06 | 一种基于学习者行为的ai考核方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110366447.0A CN113095198A (zh) | 2021-04-06 | 2021-04-06 | 一种基于学习者行为的ai考核方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113095198A true CN113095198A (zh) | 2021-07-09 |
Family
ID=76673989
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110366447.0A Pending CN113095198A (zh) | 2021-04-06 | 2021-04-06 | 一种基于学习者行为的ai考核方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113095198A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116844206A (zh) * | 2023-06-29 | 2023-10-03 | 深圳卓创智能科技有限公司 | 学生电脑的监控方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107809665A (zh) * | 2017-09-27 | 2018-03-16 | 镇江博格信息科技有限公司 | 基于声像的在线培训监视方法 |
CN108683946A (zh) * | 2018-05-23 | 2018-10-19 | 成都智达万应科技有限公司 | 基于人脸识别和缓存机制实现在线视频教育的方法 |
CN109241942A (zh) * | 2018-09-29 | 2019-01-18 | 佳都新太科技股份有限公司 | 图像处理方法、装置、人脸识别设备及存储介质 |
CN111402439A (zh) * | 2020-03-12 | 2020-07-10 | 郝宏志 | 一种基于人脸识别的在线培训到课率统计管理方法及系统 |
-
2021
- 2021-04-06 CN CN202110366447.0A patent/CN113095198A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107809665A (zh) * | 2017-09-27 | 2018-03-16 | 镇江博格信息科技有限公司 | 基于声像的在线培训监视方法 |
CN108683946A (zh) * | 2018-05-23 | 2018-10-19 | 成都智达万应科技有限公司 | 基于人脸识别和缓存机制实现在线视频教育的方法 |
CN109241942A (zh) * | 2018-09-29 | 2019-01-18 | 佳都新太科技股份有限公司 | 图像处理方法、装置、人脸识别设备及存储介质 |
CN111402439A (zh) * | 2020-03-12 | 2020-07-10 | 郝宏志 | 一种基于人脸识别的在线培训到课率统计管理方法及系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116844206A (zh) * | 2023-06-29 | 2023-10-03 | 深圳卓创智能科技有限公司 | 学生电脑的监控方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109522815B (zh) | 一种专注度评估方法、装置及电子设备 | |
CN108304793B (zh) | 在线学习分析系统及方法 | |
CN106982224A (zh) | 实时身份验证识别的方法和系统 | |
CN111402439B (zh) | 一种基于人脸识别的在线培训到课率统计管理方法及系统 | |
CN109242412B (zh) | 考务管理系统 | |
CN110164249A (zh) | 一种计算机在线学习监督辅助系统 | |
CN113781853B (zh) | 基于终端的师生远程互动教育平台 | |
Fujii et al. | Sync class: Visualization system for in-class student synchronization | |
CN112801052B (zh) | 一种用户专注度检测方法及用户专注度检测系统 | |
Castelluccia et al. | Towards implicit visual memory-based authentication | |
CN108735020A (zh) | 一种具有提醒功能的在线教学系统 | |
CN109359613A (zh) | 一种基于人工智能的教学过程分析方法 | |
CN114926889B (zh) | 作业提交方法、装置、电子设备和存储介质 | |
CN111553189A (zh) | 基于视频信息的数据验证方法、装置及存储介质 | |
CN113095198A (zh) | 一种基于学习者行为的ai考核方法 | |
CN114971975B (zh) | 在线教育平台用的学习异常提醒方法及系统 | |
CN111325853A (zh) | 一种基于增强现实眼镜的远程辅导系统及方法 | |
CN112055257A (zh) | 视频课堂的互动方法、装置、设备及存储介质 | |
CN113794759A (zh) | 一种基于区块链的考试云平台系统 | |
CN115937961B (zh) | 一种线上学习识别方法及设备 | |
CN115830527A (zh) | 在线远程教育随机监督系统 | |
CN113409822B (zh) | 对象状态的确定方法、装置、存储介质及电子装置 | |
CN115190324A (zh) | 线上线下互动直播热度的确定方法、装置及设备 | |
CN112702738B (zh) | 一种基于多组无线终端的可身份识别录播系统 | |
CN112116505A (zh) | 一种防作弊在线竞赛系统及方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210709 |