CN114743274A - 基于物联网的多媒体远程教学管理系统及方法 - Google Patents
基于物联网的多媒体远程教学管理系统及方法 Download PDFInfo
- Publication number
- CN114743274A CN114743274A CN202210643256.9A CN202210643256A CN114743274A CN 114743274 A CN114743274 A CN 114743274A CN 202210643256 A CN202210643256 A CN 202210643256A CN 114743274 A CN114743274 A CN 114743274A
- Authority
- CN
- China
- Prior art keywords
- student
- students
- state
- class
- value
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000012545 processing Methods 0.000 claims abstract description 86
- 238000012544 monitoring process Methods 0.000 claims abstract description 76
- 230000008569 process Effects 0.000 claims abstract description 60
- 230000003993 interaction Effects 0.000 claims abstract description 43
- 238000007726 management method Methods 0.000 claims abstract description 39
- 230000002452 interceptive effect Effects 0.000 claims description 95
- 230000002159 abnormal effect Effects 0.000 claims description 74
- 230000010365 information processing Effects 0.000 claims description 50
- 210000003128 head Anatomy 0.000 claims description 28
- 238000012216 screening Methods 0.000 claims description 10
- 230000000007 visual effect Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 5
- 210000004709 eyebrow Anatomy 0.000 claims description 3
- 230000006855 networking Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 6
- 238000012550 audit Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000013139 quantization Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
Images
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
- G06Q50/00—Systems or methods specially adapted for 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/24—Reminder alarms, e.g. anti-loss alarms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Abstract
本发明公开了基于物联网的多媒体远程教学管理系统及方法,课堂状态辅助监控模块,所述课堂状态辅助监控模块对图像处理分析模块中的图像处理结果进行分析,实时判断学生的上课状态,并将学生上课状态的判断结果实时传递给课堂状态人工监控模块;课堂状态人工监控模块,所述课堂状态人工监控模块获取课堂状态辅助监控模块的判断结果,并通过人工方式对判断结果进行校验。本发明结合各个学生自身的历史数据进行分析考虑,对课程表现差的学生进行警告提示,同时根据学生课程表现差异,对课堂交互过程中不同表现的学生被选中的概率进行调整能够在一定程度上提高学生的学习积极性。
Description
技术领域
本发明涉及教学管理技术领域,具体为基于物联网的多媒体远程教学管理系统及方法。
背景技术
多媒体远程教学管理系统越来越受到人们的青睐,其不仅解决了地域差异导致的上课问题,使得不同地方的人们能够同时进行正常学习,还通过一人一多媒体的方式,避免了学生上课听不清楚的情况,使得每个学生都能直观且清晰地感受老师的言行,提高学生学习效果。
但是当前的多媒体远程教学管理系统尚且存在缺陷,现有的多媒体远程教学管理系统无法对学生的上课表现进行监控,或者为了提高学生的上课注意力,采用互动的方式,但是依旧无法直观判断学生参与互动的表现,同时互动过程中选取互动学生的方式只是单纯的通过随机筛选,无法根据学生的课堂表现进行选择,进而会出现筛选的学生表现不佳的情况。
发明内容
本发明的目的在于提供基于物联网的多媒体远程教学管理系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:基于物联网的多媒体远程教学管理系统,包括:
学生信息获取模块,所述学生信息获取模块对上课学生进行编号,并获取学生在教学过程中文字互动版块输入的文字信息,并通过学生使用的多媒体设备上的摄像头获取学生上课时的图像信息;
文字信息处理模块,所述文字信息处理模块根据课程教学过程中老师的互动项目,对学生的文字信息进行处理,得到学生文字信息处理值,将编号为i的学生第j次输入的文字信息的处理值记为Bij;
图像处理分析模块,所述图像处理分析模块获取学生上课时的图像信息,并对学生上课时的图像信息进行处理;
课堂状态辅助监控模块,所述课堂状态辅助监控模块对图像处理分析模块中的图像处理结果进行分析,实时判断学生的上课状态,并将学生上课状态的判断结果实时传递给课堂状态人工监控模块;
课堂状态人工监控模块,所述课堂状态人工监控模块获取课堂状态辅助监控模块的判断结果,并通过人工方式对判断结果进行校验,
远程告警模块,所述远程告警模块对课堂状态人工监控模块得到的校验结果中上课状态异常的学生进行警告提示,并比较警告后第一预设时间内学生上课状态的变化情况,所述第一预设时间是人为设置的;
课堂交互管理模块,所述课堂交互管理模块根据学生文字信息处理值及学生上课状态判断结果,对课堂交互过程中的学生进行管理。
本发明通过各个模块的协同合作,共同实现了对学生的文字信息及上课图像对应上课状态的监控,同时对获取的学生的文字信息及图像信息进行分析,进而准确判断学生的课程表现,该过程中,结合各个学生自身的历史数据进行分析考虑,不同学生对应的历史数据不同,则相应的对学生课程表现的判断标准也不相同,并对课程表现差的学生进行警告提示,同时根据学生课程表现差异,对课堂交互过程中不同表现的学生被选中的概率进行调整,进而使得课程表现好的学生被选中的概率更高,能够有效促进学生的学习热情,提高学生的学习积极性。
进一步的,所述学生信息获取模块获取的文字信息为从课程开始至当前时间内,学生每次输入的文字内容及输入的时间,
所述学生信息获取模块每隔第二预设时间采集一次学生使用的多媒体设备上的摄像头前的画面信息,记为学生上课时的图像信息,并将获取的学生上课时的图像信息及相应的学生编号直接传递给图像处理分析模块,所述第二预设时间是人为设置的。
进一步的,所述文字信息处理模块对学生的文字信息进行处理时,获取课程教学过程中老师的每次互动项目对应的时间段,将课程教学过程中从课程开始老师第n次互动项目对应的时间段记为[T1n,T2n],其中,T1n表示第n次互动项目的起始时间,T2n表示第n次互动项目的终止时间;
所述文字信息处理模块获取学生每次输入的文字内容对应的输入时间,将编号为i的学生第j次输入的文字内容记为Aij,将编号为i的学生第j次输入的文字内容对应的输入时间记为Tij;
所述文字信息处理模块获取数据库中互动项目容忍偏差率β,获取与Tij相邻且起始时间大于Tij的互动项目,记为课程教学过程中从课程开始老师第n1次互动项目,
所述文字信息处理模块得到编号为i的学生第j次输入的文字信息的处理值Bij,
当T1n1≤Tij≤T2n1时,则
当T2n1<Tij≤β*(T2n1-T2n1)+T2n1时,则
当Tij>β*(T2n1-T2n1)+T2n1时,则
其中,F(Aij)表示文字信息处理模块对文字内容Aij的识别处理结果,
当文字内容Aij中的关键词与数据库中预制的从课程开始老师第n1次互动项目对应的关键词相关时,则F(Aij)=1,
当文字内容Aij中的关键词与数据库中预制的从课程开始老师第n1次互动项目对应的关键词不相关时,则F(Aij)=0,
所述容忍偏差率β表示历史数据库中老师每次互动项目中,将与互动项目对应关键词相关的文字信息个数记为xg,获取xg中前百分之c的文字信息对应的各个输入时间中的最大值Tz,计算Tz与相应互动项目的终止时间之间的差值除以相应互动项目中终止时间与起始时间差值的商,得到历史数据库中一次互动项目对应的偏差值,计算历史数据库中每次互动项目对应偏差值的平均值,得到容忍偏差值β,
同一课程中不同互动项目对应的容忍偏差值是存在差异的,每结束一个互动项目后,数据库均会对容忍偏差值β进行更新。
本发明文字信息处理模块获取课程教学过程中老师的每次互动项目对应的时间段,是考虑到老师不同时间对应的互动项目不同,学生针对不同互动项目对应文字内容中的关键词存在较大的差异,且文字内容发送的时间是判断针对的互动项目的有效指标;获取数据库中互动项目容忍偏差率β,是为了判断相应互动项目对应关键词的有效持续时间,进而为后续计算编号为i的学生第j次输入的文字信息的处理值Bij提供了数据参照;设置容忍偏差值β是变动的,是为了结合课程中学生的具体表现进行实时调整,进而使得获取的Bij更加准确;在计算Bij中,考虑到多种情况,是为了将不同时间学生发送的不同文字信息进行量化,文字内容Aij中的关键词与数据库中预制的从课程开始老师第n1次互动项目对应的关键词不相关时,Bij始终为-1,文字内容Aij中的关键词与数据库中预制的从课程开始老师第n1次互动项目对应的关键词相关时,同一文字内容发送的时间不同对应的量化值可能存在差异,为0~1之间的数,该量化值获取方式为后续课程交互过程中调整学生的被选中的概率提供了数据参照。
进一步的,所述文字信息处理模块判断文字内容Aij中的关键词与数据库中预制的从课程开始老师第n1次互动项目对应的关键词是否相关时,
获取数据库中预制的从课程开始老师第n1次互动项目对应的各个关键词构成的集合,得到第n1次互动项目对应的标准集合,
获取文字内容Aij中的各个关键词构成的集合,得到编号为i的学生第j次输入的文字信息对应的关键词集合,
判断第n1次互动项目对应的标准集合与编号为i的学生第j次输入的文字信息对应的关键词集合的交集是否为空集,
当所得交集结果为空集时,则判定文字信息处理模块判断文字内容Aij中的关键词与数据库中预制的从课程开始老师第n1次互动项目对应的关键词不相关,
当所得结果不为空集时,则判定文字信息处理模块判断文字内容Aij中的关键词与数据库中预制的从课程开始老师第n1次互动项目对应的关键词相关。
本发明文字信息处理模块判断文字内容Aij中的关键词与数据库中预制的从课程开始老师第n1次互动项目对应的关键词是否相关,为学生文字信息的量化提供了重要的数据参照。
进一步的,所述图像处理分析模块获取到学生上课时的图像信息后,直接对获取的图像信息进行处理,
所述图像处理分析模块在对学生上课时的图像信息的处理方式为对图像信息中的背景进行模糊处理,
所述图像处理分析模块在对图像信息中的背景进行模糊处理的过程中,
所述图像处理分析模块识别图像中各个像素点对应的RGB值,分别将图像中各个像素点对应的RGB值与肤色RGB阈值库进行比较,对对应RGB值属于肤色RGB阈值库的像素点进行第一标记,所述肤色RGB阈值库是数据库中预制的,且肤色RGB阈值库为人体肤色对应RGB值的集合,
所述图像处理分析模块对图像进行灰度处理,得到图像中各个像素的灰度值,比较相邻像素对应的灰度值差值,对灰度值差值大于等于第一阈值的两像素点中灰度值较小的像素点进行第二标记,将图像中像素点距离小于第二阈值且为第二标记的两像素值进行连接,得到图像中第二标记像素点构成的各个轮廓图形,
所述图像处理分析模块对图像中与第一标记的像素点距离小于第三阈值的点进行第三标记,所述图像处理分析模块对图像中包含第三标记像素点的最小轮廓图形内的其余像素点也进行第三标记,
所述图像处理分析模块将图像中除第一标记或第三标记的之外的其余像素点进行处理,处理后的各个像素点对应的RGB值相同,所得RGB值中的第一个值为各个像素点RGB值中第一个值的平均值,所得RGB值中的第二个值为各个像素点RGB值中第二个值的平均值,所得RGB值中的第三个值为各个像素点RGB值中第三个值的平均值,
所述第一阈值、第二阈值及第三阈值均为数据库中预设的常数,所述第三阈值大于图像中眼睛部位对应长度的一半;
所述图像处理分析模块将同一学生对应的各个上课时的图像信息逐个录入到一个空白集合中,得到每个学生的上课图像信息集合。
本发明图像处理分析模块在对学生上课时的图像信息中的背景进行模糊处理,是为了保护学生的个人隐私,模糊图像信息中的背景,避免学生周边的环境信息泄露,进而对学生造成影响;仅仅提取图像中第一标记像素点及第三标记像素点,是因为第一标记像素点为学生的肢体及面部信息,为后续获取学生的视野方向提供了数据参照,而第三标记像素点则是考虑到与学生肢体接触的物体信息,便于课堂状态辅助监控模块对学生上课状态做出异常判断后,管理员根据处理后的图像中的第三标记像素点内的信息进行审核学生的实际上课状态,进而准确判定是否需要对学生进行警告提示。
进一步的,所述课堂状态辅助监控模块获取图像处理分析模块处理后的图像中头部轮廓包含的第一标记的像素点的个数,
所述课堂状态辅助监控模块识别出头部两眉毛位置连线的中点,即眉心,所述课堂状态辅助监控模块识别出头部中下巴区域的中心点,将眉心与下巴区域中心点的连线记为第一线段,
所述课堂状态辅助监控模块计算处理后的图像头部轮廓包含的第一标记像素点中第一线段左右两边分别对应的第一标记像素点个数比,将所得第一标记像素点个数比与数据库进行比较,匹配到数据库中第一标记像素点个数比对应的学生头部偏转角,
所述课堂状态辅助监控模块计算处理后的图像中第一线段中点与处理后的图像竖直中线的距离,并查询数据库中所得距离与处理后图像宽的比值对应的学生身体偏转角,
所述课堂状态辅助监控模块将学生头部偏转角与学生身体偏转角差值的绝对值与第四阈值进行比较,
当学生头部偏转角与学生身体偏转角差值的绝对值小于第四阈值时,则判定学生视野正对教学的多媒体设备,学生课堂状态正常,
当学生头部偏转角与学生身体偏转角差值的绝对值大于等于第四阈值时,则判定学生课堂状态异常,并判断当前是否计时状态,
若当前为计时状态,则继续分析该学生后续处理的图像,
若当前不为计时状态,则从零开始计时,继续分析该学生后续处理的图像,直至该学生后续处理的图像中学生课堂状态正常,则停止计时,得到该学生该处理后的图像对应的第一异常状态时长。
本发明课堂状态辅助监控模块获取第一线段,是为了根据第一线段左右两边分别对应的第一标记像素点个数比来判断学生头部偏转角;根据处理后的图像中第一线段中点与处理后的图像竖直中线的距离,与处理后图像宽的比值判断学生身体偏转角;学生头部偏转角与学生身体偏转角差值的绝对值,在一定程度上直观反映了学生的视野方向,为后续判断学生的课堂状态提供了数据参照;计算第一异常状态时长,是为了获取学生的课堂异常状态表现的时长,第一异常状态时长的大小在一定程度上体现了学生课堂表现的好坏程度,同时也为后续过程中计算交互时每个学生被选中的概率提供了数据参照。
进一步的,所述课堂状态人工监控模块获取每个学生对应的最近一次的第一异常状态时长,
所述课堂状态人工监控模块获取历史数据中每个学生每次课程中的最大第一异常状态时长,将同一学生历史数据中每次课程分别对应的最大第一异常状态时长的平均值记为该学生的第一标准状态值,将编号为i的学生对应的第一标准状态值记为Di,
将所有学生历史数据中每次课程分别对应的最大第一异常状态时长的平均值记为标准状态值DB,
所述课堂状态人工监控模块计算编号为i的学生的个人状态偏差量PLi,
所述课堂状态人工监控模块实时获取编号为i的学生对应的第一异常状态时长阈值,将编号为i的学生在距开课时间t时对应的第一异常状态时长阈值记为Yit,
其中,DBt表示所有学生在本次课程中从课程开始至时间t之间分别对应的最大第一异常状态时长的平均值;
将编号为i的学生时间t时最近一次的第一异常状态时长与Yit进行比较,
当编号为i的学生时间t时最近一次的第一异常状态时长大于等于Yit时,则判定将编号为i的学生时间t时最近一次的第一异常状态时长对应的处理后的图像发送给管理员进行审核;
当编号为i的学生时间t时最近一次的第一异常状态时长小于Yit时,则不对编号为i的学生进行处理;
所述课堂状态人工监控模块获取管理员的审核结果,审核结果包括上课状态较差与上课状态正常,并将审核结果传递给远程告警模块。
本发明课堂状态人工监控模块计算Yit的过程中,从所有学生对应课程的历史数据及具体学生相应的历史数据表现这两个角度进行分析,进而使得不同学生同一时间对应的第一异常状态时长阈值可能不同且同一学生不同时间对应的第一异常状态时长阈值也不相同,实时调整学生相应的第一异常状态时长阈值,便于准确分析学生的图像数据,判断是否需要将对应的处理后的图像发送给管理员进行审核。
进一步的,所述远程告警模块对审核结果中上课状态较差的学生的多媒体设备上发送警告提示,提醒学生上课注意听讲,
所述远程告警模块获取发送警告提示后的第一预设时间内,相应学生对应的最大第一异常状态时长与Yit的大小,
当发送警告提示后的第一预设时间内,相应学生对应的最大第一异常状态时长大于等于Yit时,则对学生进行二次警告提示,
当发送警告提示后的第一预设时间内,相应学生对应的最大第一异常状态时长小于Yit时,则对学生表扬提示。
进一步的,所述课堂交互管理模块根据上课过程中学生的文字信息及图像信息筛选学生与老师进行互动,不同学生对应的文字信息及图像信息是存在差异的且不同学生被选中的概率也是存在差异的,
所述课堂交互管理模块获取编号为i的学生被选中的概率GLi,
其中,t3表示课程中筛选学生时对应的时间,jzi表示上课从开始至筛选学生时间段内编号为i的学生输入的文字信息次数,n2表示课程对应的学生人数,
Dit3表示编号为i的学生在本次课程中从课程开始至时间t3之间对应的最大第一异常状态时长,Yit3表示编号为i的学生在距开课时间t时对应的第一异常状态时长阈值;
当GLi存在小于0的情况时,将小于0的概率校准为0,并将小于0的概率值除以大于0的概率个数,并将所得商分别与大于0概率相加,直至所有的学生对应的概率均大于等于0为止,
按照每个学生对应的概率对所有学生进行随机筛选,得到课程中与老师进行互动的学生。
本发明课堂交互管理模块从文字信息及图像信息这两个角度对学生表现进行量化,并根据学生的不同表现对学生赋予不同的概率值,所有概率值等于1,不同学生概率值不同是为了降低表现不好的学生与老师互动的概率,避免影响互动的效果,同时由于图像信息的量化值中Yit是对应的是编号为i的学生本身,进而图像信息的量化值是相对于学生自身的历史表现进行调整的。
基于物联网的多媒体远程教学管理方法,所述方法包括以下步骤:
S1、通过学生信息获取模块对上课学生进行编号,并获取学生在教学过程中文字互动版块输入的文字信息,并通过学生使用的多媒体设备上的摄像头获取学生上课时的图像信息;
S2、在文字信息处理模块中,根据课程教学过程中老师的互动项目,对学生的文字信息进行处理,得到学生文字信息处理值,将编号为i的学生第j次输入的文字信息的处理值记为Bij;
S3、通过图像处理分析模块获取学生上课时的图像信息,并对学生上课时的图像信息进行处理;
S4、通过课堂状态辅助监控模块对图像处理分析模块中的图像处理结果进行分析,实时判断学生的上课状态,并将学生上课状态的判断结果实时传递给课堂状态人工监控模块;
S5、通过课堂状态人工监控模块获取课堂状态辅助监控模块的判断结果,并通过人工方式对判断结果进行校验,
S6、通过远程告警模块对课堂状态人工监控模块得到的校验结果中上课状态异常的学生进行警告提示,并比较警告后第一预设时间内学生上课状态的变化情况;
S7、在课堂交互管理模块中,根据学生文字信息处理值及学生上课状态判断结果,对课堂交互过程中的学生进行管理。
与现有技术相比,本发明所达到的有益效果是:本发明不仅实现了对学生的文字信息及上课图像对应上课状态的监控,同时对获取的学生的文字信息及图像信息进行分析,进而准确判断学生的课程表现,并结合各个学生自身的历史数据进行分析考虑,对课程表现差的学生进行警告提示,同时根据学生课程表现差异,对课堂交互过程中不同表现的学生被选中的概率进行调整,降低表现不好的学生与老师互动的概率,避免影响互动的效果,能够在一定程度上提高学生的学习积极性。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明基于物联网的多媒体远程教学管理系统的结构示意图;
图2是本发明基于物联网的多媒体远程教学管理方法的流程示意图。
具体实施方式
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。
请参阅图1-图2,本发明提供技术方案:基于物联网的多媒体远程教学管理系统,包括:
学生信息获取模块,所述学生信息获取模块对上课学生进行编号,并获取学生在教学过程中文字互动版块输入的文字信息,并通过学生使用的多媒体设备上的摄像头获取学生上课时的图像信息;
文字信息处理模块,所述文字信息处理模块根据课程教学过程中老师的互动项目,对学生的文字信息进行处理,得到学生文字信息处理值,将编号为i的学生第j次输入的文字信息的处理值记为Bij;
图像处理分析模块,所述图像处理分析模块获取学生上课时的图像信息,并对学生上课时的图像信息进行处理;
课堂状态辅助监控模块,所述课堂状态辅助监控模块对图像处理分析模块中的图像处理结果进行分析,实时判断学生的上课状态,并将学生上课状态的判断结果实时传递给课堂状态人工监控模块;
课堂状态人工监控模块,所述课堂状态人工监控模块获取课堂状态辅助监控模块的判断结果,并通过人工方式对判断结果进行校验,
远程告警模块,所述远程告警模块对课堂状态人工监控模块得到的校验结果中上课状态异常的学生进行警告提示,并比较警告后第一预设时间内学生上课状态的变化情况,所述第一预设时间是人为设置的;
课堂交互管理模块,所述课堂交互管理模块根据学生文字信息处理值及学生上课状态判断结果,对课堂交互过程中的学生进行管理。
本发明通过各个模块的协同合作,共同实现了对学生的文字信息及上课图像对应上课状态的监控,同时对获取的学生的文字信息及图像信息进行分析,进而准确判断学生的课程表现,该过程中,结合各个学生自身的历史数据进行分析考虑,不同学生对应的历史数据不同,则相应的对学生课程表现的判断标准也不相同,并对课程表现差的学生进行警告提示,同时根据学生课程表现差异,对课堂交互过程中不同表现的学生被选中的概率进行调整,进而使得课程表现好的学生被选中的概率更高,能够有效促进学生的学习热情,提高学生的学习积极性。
所述学生信息获取模块获取的文字信息为从课程开始至当前时间内,学生每次输入的文字内容及输入的时间,
所述学生信息获取模块每隔第二预设时间采集一次学生使用的多媒体设备上的摄像头前的画面信息,记为学生上课时的图像信息,并将获取的学生上课时的图像信息及相应的学生编号直接传递给图像处理分析模块,所述第二预设时间是人为设置的。
所述学生信息获取模块获取的文字信息为从课程开始至当前时间内,学生每次输入的文字内容及输入的时间,
所述学生信息获取模块每隔第二预设时间采集一次学生使用的多媒体设备上的摄像头前的画面信息,记为学生上课时的图像信息,并将获取的学生上课时的图像信息及相应的学生编号直接传递给图像处理分析模块,所述第二预设时间是人为设置的。
所述文字信息处理模块对学生的文字信息进行处理时,获取课程教学过程中老师的每次互动项目对应的时间段,将课程教学过程中从课程开始老师第n次互动项目对应的时间段记为[T1n,T2n],其中,T1n表示第n次互动项目的起始时间,T2n表示第n次互动项目的终止时间;
所述文字信息处理模块获取学生每次输入的文字内容对应的输入时间,将编号为i的学生第j次输入的文字内容记为Aij,将编号为i的学生第j次输入的文字内容对应的输入时间记为Tij;
所述文字信息处理模块获取数据库中互动项目容忍偏差率β,获取与Tij相邻且起始时间大于Tij的互动项目,记为课程教学过程中从课程开始老师第n1次互动项目,
所述文字信息处理模块得到编号为i的学生第j次输入的文字信息的处理值Bij,
当T1n1≤Tij≤T2n1时,则
当T2n1<Tij≤β*(T2n1-T2n1)+T2n1时,则
当Tij>β*(T2n1-T2n1)+T2n1时,则
其中,F(Aij)表示文字信息处理模块对文字内容Aij的识别处理结果,
当文字内容Aij中的关键词与数据库中预制的从课程开始老师第n1次互动项目对应的关键词相关时,则F(Aij)=1,
当文字内容Aij中的关键词与数据库中预制的从课程开始老师第n1次互动项目对应的关键词不相关时,则F(Aij)=0,
本实施例中当F(Aij)=0时,则Bij=-1;
当F(Aij)=1时,
若T1n1≤Tij≤T2n1,则bij=1;
若T2n1<Tij≤β*(T2n1-T2n1)+T2n1,则
若Tij>β*(T2n1-T2n1)+T2n1,则Bij=0。
所述容忍偏差率β表示历史数据库中老师每次互动项目中,将与互动项目对应关键词相关的文字信息个数记为xg,获取xg中前百分之c的文字信息对应的各个输入时间中的最大值Tz,计算Tz与相应互动项目的终止时间之间的差值除以相应互动项目中终止时间与起始时间差值的商,得到历史数据库中一次互动项目对应的偏差值,计算历史数据库中每次互动项目对应偏差值的平均值,得到容忍偏差值β,
同一课程中不同互动项目对应的容忍偏差值是存在差异的,每结束一个互动项目后,数据库均会对容忍偏差值β进行更新。
本发明文字信息处理模块获取课程教学过程中老师的每次互动项目对应的时间段,是考虑到老师不同时间对应的互动项目不同,学生针对不同互动项目对应文字内容中的关键词存在较大的差异,且文字内容发送的时间是判断针对的互动项目的有效指标;获取数据库中互动项目容忍偏差率β,是为了判断相应互动项目对应关键词的有效持续时间,进而为后续计算编号为i的学生第j次输入的文字信息的处理值Bij提供了数据参照;设置容忍偏差值β是变动的,是为了结合课程中学生的具体表现进行实时调整,进而使得获取的Bij更加准确;在计算Bij中,考虑到多种情况,是为了将不同时间学生发送的不同文字信息进行量化,文字内容Aij中的关键词与数据库中预制的从课程开始老师第n1次互动项目对应的关键词不相关时,Bij始终为-1,文字内容Aij中的关键词与数据库中预制的从课程开始老师第n1次互动项目对应的关键词相关时,同一文字内容发送的时间不同对应的量化值可能存在差异,为0~1之间的数,该量化值获取方式为后续课程交互过程中调整学生的被选中的概率提供了数据参照。
所述文字信息处理模块判断文字内容Aij中的关键词与数据库中预制的从课程开始老师第n1次互动项目对应的关键词是否相关时,
获取数据库中预制的从课程开始老师第n1次互动项目对应的各个关键词构成的集合,得到第n1次互动项目对应的标准集合,
获取文字内容Aij中的各个关键词构成的集合,得到编号为i的学生第j次输入的文字信息对应的关键词集合,
判断第n1次互动项目对应的标准集合与编号为i的学生第j次输入的文字信息对应的关键词集合的交集是否为空集,
当所得交集结果为空集时,则判定文字信息处理模块判断文字内容Aij中的关键词与数据库中预制的从课程开始老师第n1次互动项目对应的关键词不相关,
当所得结果不为空集时,则判定文字信息处理模块判断文字内容Aij中的关键词与数据库中预制的从课程开始老师第n1次互动项目对应的关键词相关。
本发明文字信息处理模块判断文字内容Aij中的关键词与数据库中预制的从课程开始老师第n1次互动项目对应的关键词是否相关,为学生文字信息的量化提供了重要的数据参照。
所述图像处理分析模块获取到学生上课时的图像信息后,直接对获取的图像信息进行处理,
所述图像处理分析模块在对学生上课时的图像信息的处理方式为对图像信息中的背景进行模糊处理,
所述图像处理分析模块在对图像信息中的背景进行模糊处理的过程中,
所述图像处理分析模块识别图像中各个像素点对应的RGB值,分别将图像中各个像素点对应的RGB值与肤色RGB阈值库进行比较,对对应RGB值属于肤色RGB阈值库的像素点进行第一标记,所述肤色RGB阈值库是数据库中预制的,且肤色RGB阈值库为人体肤色对应RGB值的集合,
所述图像处理分析模块对图像进行灰度处理,得到图像中各个像素的灰度值,比较相邻像素对应的灰度值差值,对灰度值差值大于等于第一阈值的两像素点中灰度值较小的像素点进行第二标记,将图像中像素点距离小于第二阈值且为第二标记的两像素值进行连接,得到图像中第二标记像素点构成的各个轮廓图形,
所述图像处理分析模块对图像中与第一标记的像素点距离小于第三阈值的点进行第三标记,所述图像处理分析模块对图像中包含第三标记像素点的最小轮廓图形内的其余像素点也进行第三标记,
所述图像处理分析模块将图像中除第一标记或第三标记的之外的其余像素点进行处理,处理后的各个像素点对应的RGB值相同,所得RGB值中的第一个值为各个像素点RGB值中第一个值的平均值,所得RGB值中的第二个值为各个像素点RGB值中第二个值的平均值,所得RGB值中的第三个值为各个像素点RGB值中第三个值的平均值,
所述第一阈值、第二阈值及第三阈值均为数据库中预设的常数,所述第三阈值大于图像中眼睛部位对应长度的一半;
所述图像处理分析模块将同一学生对应的各个上课时的图像信息逐个录入到一个空白集合中,得到每个学生的上课图像信息集合。
本发明图像处理分析模块在对学生上课时的图像信息中的背景进行模糊处理,是为了保护学生的个人隐私,模糊图像信息中的背景,避免学生周边的环境信息泄露,进而对学生造成影响;仅仅提取图像中第一标记像素点及第三标记像素点,是因为第一标记像素点为学生的肢体及面部信息,为后续获取学生的视野方向提供了数据参照,而第三标记像素点则是考虑到与学生肢体接触的物体信息,便于课堂状态辅助监控模块对学生上课状态做出异常判断后,管理员根据处理后的图像中的第三标记像素点内的信息进行审核学生的实际上课状态,进而准确判定是否需要对学生进行警告提示。
所述课堂状态辅助监控模块获取图像处理分析模块处理后的图像中头部轮廓包含的第一标记的像素点的个数,
所述课堂状态辅助监控模块识别出头部两眉毛位置连线的中点,即眉心,所述课堂状态辅助监控模块识别出头部中下巴区域的中心点,将眉心与下巴区域中心点的连线记为第一线段,
所述课堂状态辅助监控模块计算处理后的图像头部轮廓包含的第一标记像素点中第一线段左右两边分别对应的第一标记像素点个数比,将所得第一标记像素点个数比与数据库进行比较,匹配到数据库中第一标记像素点个数比对应的学生头部偏转角,
所述课堂状态辅助监控模块计算处理后的图像中第一线段中点与处理后的图像竖直中线的距离,并查询数据库中所得距离与处理后图像宽的比值对应的学生身体偏转角,
所述课堂状态辅助监控模块将学生头部偏转角与学生身体偏转角差值的绝对值与第四阈值进行比较,
当学生头部偏转角与学生身体偏转角差值的绝对值小于第四阈值时,则判定学生视野正对教学的多媒体设备,学生课堂状态正常,
当学生头部偏转角与学生身体偏转角差值的绝对值大于等于第四阈值时,则判定学生课堂状态异常,并判断当前是否计时状态,
若当前为计时状态,则继续分析该学生后续处理的图像,
若当前不为计时状态,则从零开始计时,继续分析该学生后续处理的图像,直至该学生后续处理的图像中学生课堂状态正常,则停止计时,得到该学生该处理后的图像对应的第一异常状态时长。
本发明课堂状态辅助监控模块获取第一线段,是为了根据第一线段左右两边分别对应的第一标记像素点个数比来判断学生头部偏转角;根据处理后的图像中第一线段中点与处理后的图像竖直中线的距离,与处理后图像宽的比值判断学生身体偏转角;学生头部偏转角与学生身体偏转角差值的绝对值,在一定程度上直观反映了学生的视野方向,为后续判断学生的课堂状态提供了数据参照;计算第一异常状态时长,是为了获取学生的课堂异常状态表现的时长,第一异常状态时长的大小在一定程度上体现了学生课堂表现的好坏程度,同时也为后续过程中计算交互时每个学生被选中的概率提供了数据参照。
所述课堂状态人工监控模块获取每个学生对应的最近一次的第一异常状态时长,
所述课堂状态人工监控模块获取历史数据中每个学生每次课程中的最大第一异常状态时长,将同一学生历史数据中每次课程分别对应的最大第一异常状态时长的平均值记为该学生的第一标准状态值,将编号为i的学生对应的第一标准状态值记为Di,
将所有学生历史数据中每次课程分别对应的最大第一异常状态时长的平均值记为标准状态值DB,
所述课堂状态人工监控模块计算编号为i的学生的个人状态偏差量PLi,
所述课堂状态人工监控模块实时获取编号为i的学生对应的第一异常状态时长阈值,将编号为i的学生在距开课时间t时对应的第一异常状态时长阈值记为Yit,
其中,DBt表示所有学生在本次课程中从课程开始至时间t之间分别对应的最大第一异常状态时长的平均值;
将编号为i的学生时间t时最近一次的第一异常状态时长与Yit进行比较,
当编号为i的学生时间t时最近一次的第一异常状态时长大于等于Yit时,则判定将编号为i的学生时间t时最近一次的第一异常状态时长对应的处理后的图像发送给管理员进行审核;
当编号为i的学生时间t时最近一次的第一异常状态时长小于Yit时,则不对编号为i的学生进行处理;
所述课堂状态人工监控模块获取管理员的审核结果,审核结果包括上课状态较差与上课状态正常,并将审核结果传递给远程告警模块。
本发明课堂状态人工监控模块计算Yit的过程中,从所有学生对应课程的历史数据及具体学生相应的历史数据表现这两个角度进行分析,进而使得不同学生同一时间对应的第一异常状态时长阈值可能不同且同一学生不同时间对应的第一异常状态时长阈值也不相同,实时调整学生相应的第一异常状态时长阈值,便于准确分析学生的图像数据,判断是否需要将对应的处理后的图像发送给管理员进行审核。
所述远程告警模块对审核结果中上课状态较差的学生的多媒体设备上发送警告提示,提醒学生上课注意听讲,
所述远程告警模块获取发送警告提示后的第一预设时间内,相应学生对应的最大第一异常状态时长与Yit的大小,
当发送警告提示后的第一预设时间内,相应学生对应的最大第一异常状态时长大于等于Yit时,则对学生进行二次警告提示,
当发送警告提示后的第一预设时间内,相应学生对应的最大第一异常状态时长小于Yit时,则对学生表扬提示。
所述课堂交互管理模块根据上课过程中学生的文字信息及图像信息筛选学生与老师进行互动,不同学生对应的文字信息及图像信息是存在差异的且不同学生被选中的概率也是存在差异的,
所述课堂交互管理模块获取编号为i的学生被选中的概率GLi,
其中,t3表示课程中筛选学生时对应的时间,jzi表示上课从开始至筛选学生时间段内编号为i的学生输入的文字信息次数,n2表示课程对应的学生人数,
Dit3表示编号为i的学生在本次课程中从课程开始至时间t3之间对应的最大第一异常状态时长,Yit3表示编号为i的学生在距开课时间t时对应的第一异常状态时长阈值;
当GLi存在小于0的情况时,将小于0的概率校准为0,并将小于0的概率值除以大于0的概率个数,并将所得商分别与大于0概率相加,直至所有的学生对应的概率均大于等于0为止,
按照每个学生对应的概率对所有学生进行随机筛选,得到课程中与老师进行互动的学生。
本发明课堂交互管理模块从文字信息及图像信息这两个角度对学生表现进行量化,并根据学生的不同表现对学生赋予不同的概率值,所有概率值等于1,不同学生概率值不同是为了降低表现不好的学生与老师互动的概率,避免影响互动的效果,同时由于图像信息的量化值中Yit是对应的是编号为i的学生本身,进而图像信息的量化值是相对于学生自身的历史表现进行调整的。
基于物联网的多媒体远程教学管理方法,所述方法包括以下步骤:
S1、通过学生信息获取模块对上课学生进行编号,并获取学生在教学过程中文字互动版块输入的文字信息,并通过学生使用的多媒体设备上的摄像头获取学生上课时的图像信息;
S2、在文字信息处理模块中,根据课程教学过程中老师的互动项目,对学生的文字信息进行处理,得到学生文字信息处理值,将编号为i的学生第j次输入的文字信息的处理值记为Bij;
S3、通过图像处理分析模块获取学生上课时的图像信息,并对学生上课时的图像信息进行处理;
S4、通过课堂状态辅助监控模块对图像处理分析模块中的图像处理结果进行分析,实时判断学生的上课状态,并将学生上课状态的判断结果实时传递给课堂状态人工监控模块;
S5、通过课堂状态人工监控模块获取课堂状态辅助监控模块的判断结果,并通过人工方式对判断结果进行校验,
S6、通过远程告警模块对课堂状态人工监控模块得到的校验结果中上课状态异常的学生进行警告提示,并比较警告后第一预设时间内学生上课状态的变化情况;
S7、在课堂交互管理模块中,根据学生文字信息处理值及学生上课状态判断结果,对课堂交互过程中的学生进行管理。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,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”或者其任何其他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。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.基于物联网的多媒体远程教学管理系统,其特征在于,包括:
学生信息获取模块,所述学生信息获取模块对上课学生进行编号,并获取学生在教学过程中文字互动版块输入的文字信息,并通过学生使用的多媒体设备上的摄像头获取学生上课时的图像信息;
文字信息处理模块,所述文字信息处理模块根据课程教学过程中老师的互动项目,对学生的文字信息进行处理,得到学生文字信息处理值,将编号为i的学生第j次输入的文字信息的处理值记为Bij;
图像处理分析模块,所述图像处理分析模块获取学生上课时的图像信息,并对学生上课时的图像信息进行处理;
课堂状态辅助监控模块,所述课堂状态辅助监控模块对图像处理分析模块中的图像处理结果进行分析,实时判断学生的上课状态,并将学生上课状态的判断结果实时传递给课堂状态人工监控模块;
课堂状态人工监控模块,所述课堂状态人工监控模块获取课堂状态辅助监控模块的判断结果,并通过人工方式对判断结果进行校验;
远程告警模块,所述远程告警模块对课堂状态人工监控模块得到的校验结果中上课状态异常的学生进行警告提示,并比较警告后第一预设时间内学生上课状态的变化情况,所述第一预设时间是人为设置的;
课堂交互管理模块,所述课堂交互管理模块根据学生文字信息处理值及学生上课状态判断结果,对课堂交互过程中的学生进行管理。
2.根据权利要求1所述的基于物联网的多媒体远程教学管理系统,其特征在于:所述学生信息获取模块获取的文字信息为从课程开始至当前时间内,学生每次输入的文字内容及输入的时间,
所述学生信息获取模块每隔第二预设时间采集一次学生使用的多媒体设备上的摄像头前的画面信息,记为学生上课时的图像信息,并将获取的学生上课时的图像信息及相应的学生编号直接传递给图像处理分析模块,所述第二预设时间是人为设置的。
3.根据权利要求2所述的基于物联网的多媒体远程教学管理系统,其特征在于:所述文字信息处理模块对学生的文字信息进行处理时,获取课程教学过程中老师的每次互动项目对应的时间段,将课程教学过程中从课程开始老师第n次互动项目对应的时间段记为[T1n,T2n],其中,T1n表示第n次互动项目的起始时间,T2n表示第n次互动项目的终止时间;
所述文字信息处理模块获取学生每次输入的文字内容对应的输入时间,将编号为i的学生第j次输入的文字内容记为Aij,将编号为i的学生第j次输入的文字内容对应的输入时间记为Tij;
所述文字信息处理模块获取数据库中互动项目容忍偏差率β,获取与Tij相邻且起始时间大于Tij的互动项目,记为课程教学过程中从课程开始老师第n1次互动项目,
所述文字信息处理模块得到编号为i的学生第j次输入的文字信息的处理值Bij,
当T1n1≤Tij≤T2n1时,则
当T2n1<Tij≤β*(T2n1-T2n1)+T2n1时,则
当Tij>β*(T2n1-T2n1)+T2n1时,则
其中,F(Aij)表示文字信息处理模块对文字内容Aij的识别处理结果,
当文字内容Aij中的关键词与数据库中预制的从课程开始老师第n1次互动项目对应的关键词相关时,则F(Aij)=1,
当文字内容Aij中的关键词与数据库中预制的从课程开始老师第n1次互动项目对应的关键词不相关时,则F(Aij)=0,
所述容忍偏差率β表示历史数据库中老师每次互动项目中,将与互动项目对应关键词相关的文字信息个数记为xg,获取xg中前百分之c的文字信息对应的各个输入时间中的最大值Tz,计算Tz与相应互动项目的终止时间之间的差值除以相应互动项目中终止时间与起始时间差值的商,得到历史数据库中一次互动项目对应的偏差值,计算历史数据库中每次互动项目对应偏差值的平均值,得到容忍偏差值β,
同一课程中不同互动项目对应的容忍偏差值是存在差异的,每结束一个互动项目后,数据库均会对容忍偏差值β进行更新。
4.根据权利要求3所述的基于物联网的多媒体远程教学管理系统,其特征在于:所述文字信息处理模块判断文字内容Aij中的关键词与数据库中预制的从课程开始老师第n1次互动项目对应的关键词是否相关时,
获取数据库中预制的从课程开始老师第n1次互动项目对应的各个关键词构成的集合,得到第n1次互动项目对应的标准集合,
获取文字内容Aij中的各个关键词构成的集合,得到编号为i的学生第j次输入的文字信息对应的关键词集合,
判断第n1次互动项目对应的标准集合与编号为i的学生第j次输入的文字信息对应的关键词集合的交集是否为空集,
当所得交集结果为空集时,则判定文字信息处理模块判断文字内容Aij中的关键词与数据库中预制的从课程开始老师第n1次互动项目对应的关键词不相关,
当所得结果不为空集时,则判定文字信息处理模块判断文字内容Aij中的关键词与数据库中预制的从课程开始老师第n1次互动项目对应的关键词相关。
5.根据权利要求1所述的基于物联网的多媒体远程教学管理系统,其特征在于:所述图像处理分析模块获取到学生上课时的图像信息后,直接对获取的图像信息进行处理,
所述图像处理分析模块在对学生上课时的图像信息的处理方式为对图像信息中的背景进行模糊处理,
所述图像处理分析模块在对图像信息中的背景进行模糊处理的过程中,
所述图像处理分析模块识别图像中各个像素点对应的RGB值,分别将图像中各个像素点对应的RGB值与肤色RGB阈值库进行比较,对对应RGB值属于肤色RGB阈值库的像素点进行第一标记,所述肤色RGB阈值库是数据库中预制的,且肤色RGB阈值库为人体肤色对应RGB值的集合,
所述图像处理分析模块对图像进行灰度处理,得到图像中各个像素的灰度值,比较相邻像素对应的灰度值差值,对灰度值差值大于等于第一阈值的两像素点中灰度值较小的像素点进行第二标记,将图像中像素点距离小于第二阈值且为第二标记的两像素值进行连接,得到图像中第二标记像素点构成的各个轮廓图形,
所述图像处理分析模块对图像中与第一标记的像素点距离小于第三阈值的点进行第三标记,所述图像处理分析模块对图像中包含第三标记像素点的最小轮廓图形内的其余像素点也进行第三标记,
所述图像处理分析模块将图像中除第一标记或第三标记的之外的其余像素点进行处理,处理后的各个像素点对应的RGB值相同,所得RGB值中的第一个值为各个像素点RGB值中第一个值的平均值,所得RGB值中的第二个值为各个像素点RGB值中第二个值的平均值,所得RGB值中的第三个值为各个像素点RGB值中第三个值的平均值,
所述第一阈值、第二阈值及第三阈值均为数据库中预设的常数,所述第三阈值大于图像中眼睛部位对应长度的一半;
所述图像处理分析模块将同一学生对应的各个上课时的图像信息逐个录入到一个空白集合中,得到每个学生的上课图像信息集合。
6.根据权利要求5所述的基于物联网的多媒体远程教学管理系统,其特征在于:所述课堂状态辅助监控模块获取图像处理分析模块处理后的图像中头部轮廓包含的第一标记的像素点的个数,
所述课堂状态辅助监控模块识别出头部两眉毛位置连线的中点,即眉心,所述课堂状态辅助监控模块识别出头部中下巴区域的中心点,将眉心与下巴区域中心点的连线记为第一线段,
所述课堂状态辅助监控模块计算处理后的图像头部轮廓包含的第一标记像素点中第一线段左右两边分别对应的第一标记像素点个数比,将所得第一标记像素点个数比与数据库进行比较,匹配到数据库中第一标记像素点个数比对应的学生头部偏转角,
所述课堂状态辅助监控模块计算处理后的图像中第一线段中点与处理后的图像竖直中线的距离,并查询数据库中所得距离与处理后图像宽的比值对应的学生身体偏转角,
所述课堂状态辅助监控模块将学生头部偏转角与学生身体偏转角差值的绝对值与第四阈值进行比较,
当学生头部偏转角与学生身体偏转角差值的绝对值小于第四阈值时,则判定学生视野正对教学的多媒体设备,学生课堂状态正常,
当学生头部偏转角与学生身体偏转角差值的绝对值大于等于第四阈值时,则判定学生课堂状态异常,并判断当前是否计时状态,
若当前为计时状态,则继续分析该学生后续处理的图像,
若当前不为计时状态,则从零开始计时,继续分析该学生后续处理的图像,直至该学生后续处理的图像中学生课堂状态正常,则停止计时,得到该学生该处理后的图像对应的第一异常状态时长。
7.根据权利要求6所述的基于物联网的多媒体远程教学管理系统,其特征在于:所述课堂状态人工监控模块获取每个学生对应的最近一次的第一异常状态时长,
所述课堂状态人工监控模块获取历史数据中每个学生每次课程中的最大第一异常状态时长,将同一学生历史数据中每次课程分别对应的最大第一异常状态时长的平均值记为该学生的第一标准状态值,将编号为i的学生对应的第一标准状态值记为Di,
将所有学生历史数据中每次课程分别对应的最大第一异常状态时长的平均值记为标准状态值DB,
所述课堂状态人工监控模块计算编号为i的学生的个人状态偏差量PLi,
所述课堂状态人工监控模块实时获取编号为i的学生对应的第一异常状态时长阈值,将编号为i的学生在距开课时间t时对应的第一异常状态时长阈值记为Yit,
其中,DBt表示所有学生在本次课程中从课程开始至时间t之间分别对应的最大第一异常状态时长的平均值;
将编号为i的学生时间t时最近一次的第一异常状态时长与Yit进行比较,
当编号为i的学生时间t时最近一次的第一异常状态时长大于等于Yit时,则判定将编号为i的学生时间t时最近一次的第一异常状态时长对应的处理后的图像发送给管理员进行审核;
当编号为i的学生时间t时最近一次的第一异常状态时长小于Yit时,则不对编号为i的学生进行处理;
所述课堂状态人工监控模块获取管理员的审核结果,审核结果包括上课状态较差与上课状态正常,并将审核结果传递给远程告警模块。
8.根据权利要求1所述的基于物联网的多媒体远程教学管理系统,其特征在于:所述远程告警模块对审核结果中上课状态较差的学生的多媒体设备上发送警告提示,提醒学生上课注意听讲,
所述远程告警模块获取发送警告提示后的第一预设时间内,相应学生对应的最大第一异常状态时长与Yit的大小,
当发送警告提示后的第一预设时间内,相应学生对应的最大第一异常状态时长大于等于Yit时,则对学生进行二次警告提示,
当发送警告提示后的第一预设时间内,相应学生对应的最大第一异常状态时长小于Yit时,则对学生表扬提示。
9.根据权利要求7所述的基于物联网的多媒体远程教学管理系统,其特征在于:所述课堂交互管理模块根据上课过程中学生的文字信息及图像信息筛选学生与老师进行互动,
所述课堂交互管理模块获取编号为i的学生被选中的概率GLi,
其中,t3表示课程中筛选学生时对应的时间,jzi表示上课从开始至筛选学生时间段内编号为i的学生输入的文字信息次数,n2表示课程对应的学生人数,
Dit3表示编号为i的学生在本次课程中从课程开始至时间t3之间对应的最大第一异常状态时长,Yit3表示编号为i的学生在距开课时间t时对应的第一异常状态时长阈值;
当GLi存在小于0的情况时,将小于0的概率校准为0,并将小于0的概率值除以大于0的概率个数,并将所得商分别与大于0概率相加,直至所有的学生对应的概率均大于等于0为止,
按照每个学生对应的概率对所有学生进行随机筛选,得到课程中与老师进行互动的学生。
10.基于物联网的多媒体远程教学管理方法,其特征在于:所述方法包括以下步骤:
S1、通过学生信息获取模块对上课学生进行编号,并获取学生在教学过程中文字互动版块输入的文字信息,并通过学生使用的多媒体设备上的摄像头获取学生上课时的图像信息;
S2、在文字信息处理模块中,根据课程教学过程中老师的互动项目,对学生的文字信息进行处理,得到学生文字信息处理值,将编号为i的学生第j次输入的文字信息的处理值记为Bij;
S3、通过图像处理分析模块获取学生上课时的图像信息,并对学生上课时的图像信息进行处理;
S4、通过课堂状态辅助监控模块对图像处理分析模块中的图像处理结果进行分析,实时判断学生的上课状态,并将学生上课状态的判断结果实时传递给课堂状态人工监控模块;
S5、通过课堂状态人工监控模块获取课堂状态辅助监控模块的判断结果,并通过人工方式对判断结果进行校验;
S6、通过远程告警模块对课堂状态人工监控模块得到的校验结果中上课状态异常的学生进行警告提示,并比较警告后第一预设时间内学生上课状态的变化情况;
S7、在课堂交互管理模块中,根据学生文字信息处理值及学生上课状态判断结果,对课堂交互过程中的学生进行管理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210643256.9A CN114743274B (zh) | 2022-06-09 | 2022-06-09 | 基于物联网的多媒体远程教学管理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210643256.9A CN114743274B (zh) | 2022-06-09 | 2022-06-09 | 基于物联网的多媒体远程教学管理系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114743274A true CN114743274A (zh) | 2022-07-12 |
CN114743274B CN114743274B (zh) | 2022-09-09 |
Family
ID=82287069
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210643256.9A Active CN114743274B (zh) | 2022-06-09 | 2022-06-09 | 基于物联网的多媒体远程教学管理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114743274B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116226821A (zh) * | 2023-05-04 | 2023-06-06 | 成都致学教育科技有限公司 | 一种教学数据中台管理系统 |
CN116259004A (zh) * | 2023-01-09 | 2023-06-13 | 盐城工学院 | 一种应用于在线教育的学生学习状态检测方法及系统 |
CN116363575A (zh) * | 2023-02-15 | 2023-06-30 | 南京诚勤教育科技有限公司 | 一种基于智慧校园的教室监控管理系统 |
CN116665291A (zh) * | 2023-07-24 | 2023-08-29 | 泸州职业技术学院 | 一种图像处理系统以及图像处理方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140180977A1 (en) * | 2012-12-21 | 2014-06-26 | Nec Laboratories America, Inc. | Computationally Efficient Whole Tissue Classifier for Histology Slides |
CN105931186A (zh) * | 2016-04-26 | 2016-09-07 | 电子科技大学 | 基于相机自动标定和颜色校正的全景视频拼接系统与方法 |
CN110600033A (zh) * | 2019-08-26 | 2019-12-20 | 北京大米科技有限公司 | 学习情况的评估方法、装置、存储介质及电子设备 |
US20200178876A1 (en) * | 2017-12-05 | 2020-06-11 | Yuen Lee Viola Lam | Interactive and adaptive learning, neurocognitive disorder diagnosis, and noncompliance detection systems using pupillary response and face tracking and emotion detection with associated methods |
CN111277844A (zh) * | 2020-01-15 | 2020-06-12 | 酷得少年(天津)文化传播有限公司 | 一种用于教学的直播系统及设备 |
CN111476121A (zh) * | 2020-03-26 | 2020-07-31 | 威比网络科技(上海)有限公司 | 在线教育的智能教学监督方法、系统、设备及存储介质 |
CN111949822A (zh) * | 2020-08-20 | 2020-11-17 | 山东大学 | 一种基于云计算和移动终端的智能教育视频服务系统及其运行方法 |
CN112884666A (zh) * | 2021-02-02 | 2021-06-01 | 杭州海康慧影科技有限公司 | 图像处理方法、装置及计算机存储介质 |
CN114422820A (zh) * | 2022-01-26 | 2022-04-29 | 广州观自在文化教育科技有限公司 | 一种教育互动直播系统及直播方法 |
-
2022
- 2022-06-09 CN CN202210643256.9A patent/CN114743274B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140180977A1 (en) * | 2012-12-21 | 2014-06-26 | Nec Laboratories America, Inc. | Computationally Efficient Whole Tissue Classifier for Histology Slides |
CN105931186A (zh) * | 2016-04-26 | 2016-09-07 | 电子科技大学 | 基于相机自动标定和颜色校正的全景视频拼接系统与方法 |
US20200178876A1 (en) * | 2017-12-05 | 2020-06-11 | Yuen Lee Viola Lam | Interactive and adaptive learning, neurocognitive disorder diagnosis, and noncompliance detection systems using pupillary response and face tracking and emotion detection with associated methods |
CN110600033A (zh) * | 2019-08-26 | 2019-12-20 | 北京大米科技有限公司 | 学习情况的评估方法、装置、存储介质及电子设备 |
CN111277844A (zh) * | 2020-01-15 | 2020-06-12 | 酷得少年(天津)文化传播有限公司 | 一种用于教学的直播系统及设备 |
CN111476121A (zh) * | 2020-03-26 | 2020-07-31 | 威比网络科技(上海)有限公司 | 在线教育的智能教学监督方法、系统、设备及存储介质 |
CN111949822A (zh) * | 2020-08-20 | 2020-11-17 | 山东大学 | 一种基于云计算和移动终端的智能教育视频服务系统及其运行方法 |
CN112884666A (zh) * | 2021-02-02 | 2021-06-01 | 杭州海康慧影科技有限公司 | 图像处理方法、装置及计算机存储介质 |
CN114422820A (zh) * | 2022-01-26 | 2022-04-29 | 广州观自在文化教育科技有限公司 | 一种教育互动直播系统及直播方法 |
Non-Patent Citations (6)
Title |
---|
乔树清等: "如何构建多媒体网络教学系统", 《齐齐哈尔医学院学报》 * |
刘率: "基于rtmp的远程教学直播系统的设计与实现", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》 * |
孙沫丽等: "高校教师课堂管理系统的设计与实现", 《电脑知识与技术》 * |
张毅等: "标准化信息资源建设对信息化教学效果的影响", 《中国医学教育技术》 * |
张玉兵等: "视觉特征的分块加权图像检索方法", 《计算机科学与探索》 * |
潘萍等: "泛雅网络教学平台下高职院校中药药剂学的混合教学模式探讨", 《卫生职业教育》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116259004A (zh) * | 2023-01-09 | 2023-06-13 | 盐城工学院 | 一种应用于在线教育的学生学习状态检测方法及系统 |
CN116259004B (zh) * | 2023-01-09 | 2023-08-15 | 盐城工学院 | 一种应用于在线教育的学生学习状态检测方法及系统 |
CN116363575A (zh) * | 2023-02-15 | 2023-06-30 | 南京诚勤教育科技有限公司 | 一种基于智慧校园的教室监控管理系统 |
CN116363575B (zh) * | 2023-02-15 | 2023-11-03 | 南京诚勤教育科技有限公司 | 一种基于智慧校园的教室监控管理系统 |
CN116226821A (zh) * | 2023-05-04 | 2023-06-06 | 成都致学教育科技有限公司 | 一种教学数据中台管理系统 |
CN116665291A (zh) * | 2023-07-24 | 2023-08-29 | 泸州职业技术学院 | 一种图像处理系统以及图像处理方法 |
CN116665291B (zh) * | 2023-07-24 | 2023-10-03 | 泸州职业技术学院 | 一种图像处理系统以及图像处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114743274B (zh) | 2022-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114743274B (zh) | 基于物联网的多媒体远程教学管理系统及方法 | |
US11720859B2 (en) | Systems and methods for evaluating actions over a computer network and establishing live network connections | |
Ratcliff et al. | The effects of aging on reaction time in a signal detection task. | |
Brantlinger | Chapter 1: Ideologies discerned, values determined: Getting past the hierarchies of special education | |
CN111563702B (zh) | 一种课堂教学互动系统 | |
CN109934747A (zh) | 一种用于职业培训的记录、档案监管系统 | |
CN113762107B (zh) | 对象状态评估方法、装置、电子设备及可读存储介质 | |
CN112862643A (zh) | 一种多媒体远程教育平台系统 | |
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 | |
CN111553218A (zh) | 一种基于人体姿势识别的智能医学技能教学监测系统 | |
CN113282840A (zh) | 一种训练采集综合管理平台 | |
CN112837190B (zh) | 一种基于在线互动培训课堂培训装置的培训方法 | |
CN112951022A (zh) | 一种多媒体互动教育培训系统 | |
WO2022147956A1 (zh) | 全息显示方法及全息显示系统 | |
CN108810477A (zh) | 针对综合视频培训平台远程监控的方法 | |
Friedman et al. | The Politics of Information Building a Relational Database to Support Decision-Making at a Public University | |
Wirtz | Racial disparity in educational punishment | |
Guo et al. | IT monitoring and management of learning quality of online courses for college students based on machine learning | |
CN115776446A (zh) | 基于大数据的服务质量监控系统 | |
Sementelli et al. | Framing discourse in budgetary processes: Warrants for normalization and conformity | |
CN115511670A (zh) | 一种在线教育方法及在线教育平台 | |
CN114493952A (zh) | 一种基于大数据的教育软件数据处理系统及方法 | |
Siegel | Notes Towards an Alternate Vision of the Judicial Role | |
Ogata et al. | Using a drift diffusion model to validate the quantification of style prototypicality as assessed by the viewers of paintings | |
CN116611968B (zh) | 一种基于数据关联的教学管理系统 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240104 Address after: 430000, 6th floor, Building A, No.17 Jiangxing Road, Jianghan District, Wuhan City, Hubei Province Patentee after: Wuhan Sanhe Optoelectronic Technology Co.,Ltd. Address before: 518000 Room 101, No. 88, zone 1, No. 5 Industrial Zone, Shangfen community, Minzhi street, Longhua District, Shenzhen, Guangdong Province Patentee before: SHENZHEN V-SENT TECHNOLOGY CO.,LTD. |
|
TR01 | Transfer of patent right |