CN115937989A - 基于缩放处理的在线教育智能解析系统及方法 - Google Patents
基于缩放处理的在线教育智能解析系统及方法 Download PDFInfo
- Publication number
- CN115937989A CN115937989A CN202310059592.3A CN202310059592A CN115937989A CN 115937989 A CN115937989 A CN 115937989A CN 202310059592 A CN202310059592 A CN 202310059592A CN 115937989 A CN115937989 A CN 115937989A
- Authority
- CN
- China
- Prior art keywords
- image
- human body
- control system
- computer control
- picture
- 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 48
- 238000004458 analytical method Methods 0.000 title claims abstract description 35
- 238000012545 processing Methods 0.000 title claims abstract description 17
- 230000007246 mechanism Effects 0.000 claims abstract description 52
- 238000001914 filtration Methods 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 18
- 230000009466 transformation Effects 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 9
- 238000003384 imaging method Methods 0.000 claims description 7
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 9
- 230000003993 interaction Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000002708 enhancing effect 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
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及一种基于缩放处理的在线教育智能解析系统，所述系统包括：图库存储机构，用于存储各类花样跳绳分别对应的各项基准姿态图片；信号比对机构，用于对参考图像分块进行缩放以将缩放后的图像叠加到某一项基准姿态图片上，并在存在某一项基准姿态图片其与缩放后的图像不重叠区域占据重叠区域的面积比例小于等于设定比例阈值时，发出姿态匹配信号，并将对应的花样跳绳种类作为现场鉴别种类输出。本发明还涉及一种基于缩放处理的在线教育智能解析方法。通过本发明，能够针对花样跳绳在线教育这一细分子领域，采用基于缩放后的非重叠区域面积比例分析机制，对计算机控制系统用户的当前花样跳绳姿态是否标准进行精细化鉴定。
Description
技术领域
本发明涉及在线教育领域，更具体地，涉及一种基于缩放处理的在线教育智能解析系统及方法。
背景技术
在线教育即E-Learning，其通行概念约在10年之前提出来，在线教育的一般定义如下：通过应用信息科技和互联网技术进行内容传播和快速学习的方法。
E-Learning的“E”代表电子化的学习、有效率的学习、探索的学习、经验的学习、拓展的学习、延伸的学习、易使用的学习、增强的学习。1998年以后，e-Learning在世界范围内兴起，从北美、欧洲迅速扩展到亚洲地区。越来越多的国内企业对e-Learning表示了浓厚兴趣，并开始实施e-Learning解决方案。e-Learning正成为知识经济时代的正确抉择。需要特别指出的是，e-Learning(在线培训)不只是一种技术，技术只是传送内容的手段，重要的是内容本身以及通过学习产生的变化，这才是e-Learning(在线教育)主要意义。
当前在线教育的技术方案仍仅仅局限于视频画面交互、聊天内容交互等客观数据的传输以及对于这些客观数据的传输的优化和研究，例如，关于视频画面交互技术，申请公布CN115086593A的发明公开了一种远程视频画面交互方法、设备及计算机可读存储介质，实时获取现场区的原始图像数据，为远程图像显示提供图像基础，并确定视频原始图像中的人物框图，进而实时监测该人物框图的位置是否存在更新，若监测到该人物框图的位置存在更新时，基于更新后的人物框图确定目标显示框，有效的将参会人员框图化，并通过位置改变后的对目标显示框进行确定，实现对视频图像的人形跟随，避免了远端对视频图像的二次处理，从而依据预设分辨率将该目标显示框转换为目标显示图像，并推送该目标显示图像至远程端，实现远程视频交互人形跟随的功能，有效提升远程视频画面交互的使用灵活性和提高用户交互体验性。但是，现有技术缺乏对视频画面交互、聊天内容交互等客观数据进行主动分析的技术方案，更不用说将主动分析的技术方案应用到在线教育的各类细分子领域。
发明内容
为了解决现有技术中的技术问题，本发明提供了一种基于缩放处理的在线教育智能解析系统及方法，能够针对执行花样跳绳在线教育这一细分子领域，采用针对性逐级图像内容增强机制以及基于缩放后的非重叠区域面积比例分析机制，对计算机控制系统用户的当前花样跳绳姿态是否标准进行精细化鉴定，从而实现对客观数据的主动分析，减少原本繁琐的人工交互过程。
根据本发明的一方面，提供了一种基于缩放处理的在线教育智能解析系统，所述系统包括：
信号增强器件，设置在用作学生端的计算机控制系统内，用于对用作学生端的计算机控制系统的定向前方图像连续执行自适应递归滤波操作、应用高通滤波的图像内容锐化操作以及基于指数变换的图像内容增强操作，以获得对应的逐级增强图像；
内容分析器件，与所述信号增强器件连接，用于对接收到的逐级增强图像执行人体鉴别，以获得所述逐级增强图像中的一个以上人体对象分别所在的一个以上人体图像分块；
逐块鉴别器件，设置在所述计算机控制系统内且与所述内容分析器件连接，用于获取所述一个以上人体图像分块分别对应的占据像素点数量，并将占据像素点数量最多的人体图像分块作为参考图像分块输出；
图库存储机构，设置在所述计算机控制系统内，用于预先存储各类花样跳绳分别对应的各项基准姿态图片；
信号比对机构，分别与所述逐块鉴别器件以及所述图库存储机构连接，用于对所述参考图像分块进行缩放以将缩放后的图像叠加到某一项基准姿态图片上，并在存在某一项基准姿态图片其与缩放后的图像不重叠区域占据重叠区域的面积比例小于等于设定比例阈值时，发出姿态匹配信号，并将所述某一项基准姿态图片对应的花样跳绳种类以作为现场鉴别种类输出；
其中，所述信号比对机构还用于对所述参考图像分块进行缩放以将缩放后的图像叠加到某一项基准姿态图片上，并在任一项基准姿态图片其与缩放后的图像不重叠区域占据重叠区域的面积比例都大于所述设定比例阈值时，发出姿态错配信号。
根据本发明的另一方面，还提供了一种基于缩放处理的在线教育智能解析方法，所述方法包括：
使用信号增强器件，设置在用作学生端的计算机控制系统内，用于对用作学生端的计算机控制系统的定向前方图像连续执行自适应递归滤波操作、应用高通滤波的图像内容锐化操作以及基于指数变换的图像内容增强操作，以获得对应的逐级增强图像；
使用内容分析器件，与所述信号增强器件连接，用于对接收到的逐级增强图像执行人体鉴别，以获得所述逐级增强图像中的一个以上人体对象分别所在的一个以上人体图像分块；
使用逐块鉴别器件，设置在所述计算机控制系统内且与所述内容分析器件连接，用于获取所述一个以上人体图像分块分别对应的占据像素点数量，并将占据像素点数量最多的人体图像分块作为参考图像分块输出；
使用图库存储机构，设置在所述计算机控制系统内，用于预先存储各类花样跳绳分别对应的各项基准姿态图片；
使用信号比对机构，分别与所述逐块鉴别器件以及所述图库存储机构连接，用于对所述参考图像分块进行缩放以将缩放后的图像叠加到某一项基准姿态图片上，并在存在某一项基准姿态图片其与缩放后的图像不重叠区域占据重叠区域的面积比例小于等于设定比例阈值时，发出姿态匹配信号，并将所述某一项基准姿态图片对应的花样跳绳种类以作为现场鉴别种类输出；
其中，所述信号比对机构还用于对所述参考图像分块进行缩放以将缩放后的图像叠加到某一项基准姿态图片上，并在任一项基准姿态图片其与缩放后的图像不重叠区域占据重叠区域的面积比例都大于所述设定比例阈值时，发出姿态错配信号。
本发明的基于缩放处理的在线教育智能解析系统及方法运行主动、操作简便。由于能够针对花样跳绳在线教育这一细分子领域，采用基于缩放后的非重叠区域面积比例分析机制，对计算机控制系统用户的当前花样跳绳姿态是否标准进行精细化鉴定，从而提升了用户当前花样跳绳姿态鉴定的速度和效率。
附图简要说明
本领域技术人员通过参考附图可更好理解本发明的众多优点，其中：
图1是依照本发明第一实施方案的基于缩放处理的在线教育智能解析系统的结构示意图。
图2是依照本发明第五实施方案的基于缩放处理的在线教育智能解析方法的步骤流程图。
具体实施方式
第一实施方案
图1为根据本发明第一实施方案示出的基于缩放处理的在线教育智能解析系统的结构示意图，所述系统包括：
信号增强器件，设置在用作学生端的计算机控制系统内，用于对用作学生端的计算机控制系统的定向前方图像连续执行自适应递归滤波操作、应用高通滤波的图像内容锐化操作以及基于指数变换的图像内容增强操作，以获得对应的逐级增强图像；
示例地，可以采用仿真工具对定向前方图像连续执行自适应递归滤波操作、应用高通滤波的图像内容锐化操作以及基于指数变换的图像内容增强操作的仿真效果进行测试；
内容分析器件，与所述信号增强器件连接，用于对接收到的逐级增强图像执行人体鉴别，以获得所述逐级增强图像中的一个以上人体对象分别所在的一个以上人体图像分块；
逐块鉴别器件，设置在所述计算机控制系统内且与所述内容分析器件连接，用于获取所述一个以上人体图像分块分别对应的占据像素点数量，并将占据像素点数量最多的人体图像分块作为参考图像分块输出；
图库存储机构，设置在所述计算机控制系统内，用于预先存储各类花样跳绳分别对应的各项基准姿态图片；
信号比对机构，分别与所述逐块鉴别器件以及所述图库存储机构连接，用于对所述参考图像分块进行缩放以将缩放后的图像叠加到某一项基准姿态图片上，并在存在某一项基准姿态图片其与缩放后的图像不重叠区域占据重叠区域的面积比例小于等于设定比例阈值时，发出姿态匹配信号，并将所述某一项基准姿态图片对应的花样跳绳种类以作为现场鉴别种类输出；
其中，所述信号比对机构还用于对所述参考图像分块进行缩放以将缩放后的图像叠加到某一项基准姿态图片上，并在任一项基准姿态图片其与缩放后的图像不重叠区域占据重叠区域的面积比例都大于所述设定比例阈值时，发出姿态错配信号。
第二实施方案
所述基于缩放处理的在线教育智能解析系统可以包括：
信号增强器件，设置在用作学生端的计算机控制系统内，用于对用作学生端的计算机控制系统的定向前方图像连续执行自适应递归滤波操作、应用高通滤波的图像内容锐化操作以及基于指数变换的图像内容增强操作，以获得对应的逐级增强图像；
内容分析器件，与所述信号增强器件连接，用于对接收到的逐级增强图像执行人体鉴别，以获得所述逐级增强图像中的一个以上人体对象分别所在的一个以上人体图像分块；
逐块鉴别器件，设置在所述计算机控制系统内且与所述内容分析器件连接，用于获取所述一个以上人体图像分块分别对应的占据像素点数量，并将占据像素点数量最多的人体图像分块作为参考图像分块输出；
图库存储机构，设置在所述计算机控制系统内，用于预先存储各类花样跳绳分别对应的各项基准姿态图片；
信号比对机构，分别与所述逐块鉴别器件以及所述图库存储机构连接，用于对所述参考图像分块进行缩放以将缩放后的图像叠加到某一项基准姿态图片上，并在存在某一项基准姿态图片其与缩放后的图像不重叠区域占据重叠区域的面积比例小于等于设定比例阈值时，发出姿态匹配信号，并将所述某一项基准姿态图片对应的花样跳绳种类以作为现场鉴别种类输出；
定向采集器件，封装在用作学生端的计算机控制系统的前面屏内，用于在判断用作学生端的计算机控制系统当前时刻存在的网络上传数据量大于等于设定数据量阈值时，从休眠模式进入工作模式；
其中，所述定向采集器件还用于在判断用作学生端的计算机控制系统当前时刻存在的网络上传数据量小于所述设定数据量阈值时，从工作模式进入休眠模式。
第三实施方案
所述基于缩放处理的在线教育智能解析系统可以包括：
信号增强器件，设置在用作学生端的计算机控制系统内，用于对用作学生端的计算机控制系统的定向前方图像连续执行自适应递归滤波操作、应用高通滤波的图像内容锐化操作以及基于指数变换的图像内容增强操作，以获得对应的逐级增强图像；
内容分析器件，与所述信号增强器件连接，用于对接收到的逐级增强图像执行人体鉴别，以获得所述逐级增强图像中的一个以上人体对象分别所在的一个以上人体图像分块；
逐块鉴别器件，设置在所述计算机控制系统内且与所述内容分析器件连接，用于获取所述一个以上人体图像分块分别对应的占据像素点数量，并将占据像素点数量最多的人体图像分块作为参考图像分块输出；
图库存储机构，设置在所述计算机控制系统内，用于预先存储各类花样跳绳分别对应的各项基准姿态图片；
信号比对机构，分别与所述逐块鉴别器件以及所述图库存储机构连接，用于对所述参考图像分块进行缩放以将缩放后的图像叠加到某一项基准姿态图片上，并在存在某一项基准姿态图片其与缩放后的图像不重叠区域占据重叠区域的面积比例小于等于设定比例阈值时，发出姿态匹配信号，并将所述某一项基准姿态图片对应的花样跳绳种类以作为现场鉴别种类输出；
数据通信器件，设置在用作学生端的计算机控制系统内，用于测量所述计算机控制系统当前时刻存在的网络上传数据量以及当前时刻存在的网络下载数据量；
其中，所述数据通信器件与所述定向采集器件连接，用于将所述计算机控制系统当前时刻存在的网络上传数据量以及当前时刻存在的网络下载数据量发送给所述定向采集器件。
第四实施方案
所述基于缩放处理的在线教育智能解析系统可以包括：
信号增强器件，设置在用作学生端的计算机控制系统内，用于对用作学生端的计算机控制系统的定向前方图像连续执行自适应递归滤波操作、应用高通滤波的图像内容锐化操作以及基于指数变换的图像内容增强操作，以获得对应的逐级增强图像；
内容分析器件，与所述信号增强器件连接，用于对接收到的逐级增强图像执行人体鉴别，以获得所述逐级增强图像中的一个以上人体对象分别所在的一个以上人体图像分块；
逐块鉴别器件，设置在所述计算机控制系统内且与所述内容分析器件连接，用于获取所述一个以上人体图像分块分别对应的占据像素点数量，并将占据像素点数量最多的人体图像分块作为参考图像分块输出；
图库存储机构，设置在所述计算机控制系统内，用于预先存储各类花样跳绳分别对应的各项基准姿态图片；
信号比对机构，分别与所述逐块鉴别器件以及所述图库存储机构连接，用于对所述参考图像分块进行缩放以将缩放后的图像叠加到某一项基准姿态图片上，并在存在某一项基准姿态图片其与缩放后的图像不重叠区域占据重叠区域的面积比例小于等于设定比例阈值时，发出姿态匹配信号，并将所述某一项基准姿态图片对应的花样跳绳种类以作为现场鉴别种类输出；
即时显示器件，与所述信号比对机构连接，用于接收并实时显示与姿态匹配信号、姿态错配信号或者现场鉴别种类对应的即时显示内容。
以及在所述基于缩放处理的在线教育智能解析系统中：
对接收到的逐级增强图像执行人体鉴别，以获得所述逐级增强图像中的一个以上人体对象分别所在的一个以上人体图像分块包括：基于人体外形轮廓或者人体亮度成像特征对接收到的逐级增强图像执行人体鉴别，以获得所述逐级增强图像中的一个以上人体对象分别所在的一个以上人体图像分块。
第五实施方案
图2是依照本发明第五实施方案的基于缩放处理的在线教育智能解析方法的步骤流程图，所述方法包括：
使用信号增强器件，设置在用作学生端的计算机控制系统内，用于对用作学生端的计算机控制系统的定向前方图像连续执行自适应递归滤波操作、应用高通滤波的图像内容锐化操作以及基于指数变换的图像内容增强操作，以获得对应的逐级增强图像；
示例地，可以采用仿真工具对定向前方图像连续执行自适应递归滤波操作、应用高通滤波的图像内容锐化操作以及基于指数变换的图像内容增强操作的仿真效果进行测试；
使用内容分析器件，与所述信号增强器件连接，用于对接收到的逐级增强图像执行人体鉴别，以获得所述逐级增强图像中的一个以上人体对象分别所在的一个以上人体图像分块；
使用逐块鉴别器件，设置在所述计算机控制系统内且与所述内容分析器件连接，用于获取所述一个以上人体图像分块分别对应的占据像素点数量，并将占据像素点数量最多的人体图像分块作为参考图像分块输出；
使用图库存储机构，设置在所述计算机控制系统内，用于预先存储各类花样跳绳分别对应的各项基准姿态图片；
使用信号比对机构，分别与所述逐块鉴别器件以及所述图库存储机构连接，用于对所述参考图像分块进行缩放以将缩放后的图像叠加到某一项基准姿态图片上，并在存在某一项基准姿态图片其与缩放后的图像不重叠区域占据重叠区域的面积比例小于等于设定比例阈值时，发出姿态匹配信号，并将所述某一项基准姿态图片对应的花样跳绳种类以作为现场鉴别种类输出；
其中，所述信号比对机构还用于对所述参考图像分块进行缩放以将缩放后的图像叠加到某一项基准姿态图片上，并在任一项基准姿态图片其与缩放后的图像不重叠区域占据重叠区域的面积比例都大于所述设定比例阈值时，发出姿态错配信号。
接着，继续对本发明的基于缩放处理的在线教育智能解析方法的具体步骤进行进一步的说明。
所述基于缩放处理的在线教育智能解析方法还可以包括：
使用定向采集器件，封装在用作学生端的计算机控制系统的前面屏内，用于在判断用作学生端的计算机控制系统当前时刻存在的网络上传数据量大于等于设定数据量阈值时，从休眠模式进入工作模式；
其中，所述定向采集器件还用于在判断用作学生端的计算机控制系统当前时刻存在的网络上传数据量小于所述设定数据量阈值时，从工作模式进入休眠模式。
所述基于缩放处理的在线教育智能解析方法还可以包括：
使用数据通信器件，设置在用作学生端的计算机控制系统内，用于测量所述计算机控制系统当前时刻存在的网络上传数据量以及当前时刻存在的网络下载数据量；
其中，所述数据通信器件与所述定向采集器件连接，用于将所述计算机控制系统当前时刻存在的网络上传数据量以及当前时刻存在的网络下载数据量发送给所述定向采集器件。
所述基于缩放处理的在线教育智能解析方法还可以包括：
使用即时显示器件，与所述信号比对机构连接，用于接收并实时显示与姿态匹配信号、姿态错配信号或者现场鉴别种类对应的即时显示内容。
以及在所述基于缩放处理的在线教育智能解析方法中：
对接收到的逐级增强图像执行人体鉴别，以获得所述逐级增强图像中的一个以上人体对象分别所在的一个以上人体图像分块包括：基于人体外形轮廓或者人体亮度成像特征对接收到的逐级增强图像执行人体鉴别，以获得所述逐级增强图像中的一个以上人体对象分别所在的一个以上人体图像分块。
另外，在所述基于缩放处理的在线教育智能解析系统以及方法中，预先存储各类花样跳绳分别对应的各项基准姿态图片包括：采用不同存储地址用于分别存储各类花样跳绳分别对应的各项基准姿态图片；
以及在所述基于缩放处理的在线教育智能解析系统以及方法中，预先存储各类花样跳绳分别对应的各项基准姿态图片还包括：预先存储的各项基准姿态图片都为JPEG格式图片。
根据上述各实施方案，概括的，本发明至少需要具备以下几处重要的发明点：
发明点A：在执行花样跳绳在线教育的计算机控制系统中，将计算机控制系统前方成像区域面积最大的人体对象对应的参考图像分块作为姿态待鉴别的人体成像区域；
发明点B：在对参考图像分块进行缩放以将缩放后的图像叠加到某一项基准姿态图片上，并在存在某一项基准姿态图片其与缩放后的图像不重叠区域占据重叠区域的面积比例小于等于设定比例阈值时，发出姿态匹配信号，并将所述某一项基准姿态图片对应的花样跳绳种类以作为现场鉴别种类输出，从而提升了花样跳绳姿态对照的精度和效率；
发明点C：对计算机控制系统前方成像图像连续执行自适应递归滤波操作、应用高通滤波的图像内容锐化操作以及基于指数变换的图像内容增强操作，以获得针对性的内容增强图像，从而保证后续姿态验证的可靠性。
以上所述仅为本发明的优选实施例，凡依本发明权利要求所做的均等变化与修饰，都应属本发明的涵盖范围。
Claims (10)
1.一种基于缩放处理的在线教育智能解析系统，其特征在于，所述系统包括：
信号增强器件，设置在用作学生端的计算机控制系统内，用于对用作学生端的计算机控制系统的定向前方图像连续执行自适应递归滤波操作、应用高通滤波的图像内容锐化操作以及基于指数变换的图像内容增强操作，以获得对应的逐级增强图像；
内容分析器件，与所述信号增强器件连接，用于对接收到的逐级增强图像执行人体鉴别，以获得所述逐级增强图像中的一个以上人体对象分别所在的一个以上人体图像分块；
逐块鉴别器件，设置在所述计算机控制系统内且与所述内容分析器件连接，用于获取所述一个以上人体图像分块分别对应的占据像素点数量，并将占据像素点数量最多的人体图像分块作为参考图像分块输出；
图库存储机构，设置在所述计算机控制系统内，用于预先存储各类花样跳绳分别对应的各项基准姿态图片；
信号比对机构，分别与所述逐块鉴别器件以及所述图库存储机构连接，用于对所述参考图像分块进行缩放以将缩放后的图像叠加到某一项基准姿态图片上，并在存在某一项基准姿态图片其与缩放后的图像不重叠区域占据重叠区域的面积比例小于等于设定比例阈值时，发出姿态匹配信号，并将所述某一项基准姿态图片对应的花样跳绳种类以作为现场鉴别种类输出；
其中，所述信号比对机构还用于对所述参考图像分块进行缩放以将缩放后的图像叠加到某一项基准姿态图片上，并在任一项基准姿态图片其与缩放后的图像不重叠区域占据重叠区域的面积比例都大于所述设定比例阈值时，发出姿态错配信号。
2.如权利要求1所述的基于缩放处理的在线教育智能解析系统，其特征在于，所述系统进一步包括：
定向采集器件，封装在用作学生端的计算机控制系统的前面屏内，用于在判断用作学生端的计算机控制系统当前时刻存在的网络上传数据量大于等于设定数据量阈值时，从休眠模式进入工作模式；
其中，所述定向采集器件还用于在判断用作学生端的计算机控制系统当前时刻存在的网络上传数据量小于所述设定数据量阈值时，从工作模式进入休眠模式。
3.如权利要求1所述的基于缩放处理的在线教育智能解析系统，其特征在于，所述系统进一步包括：
数据通信器件，设置在用作学生端的计算机控制系统内，用于测量所述计算机控制系统当前时刻存在的网络上传数据量以及当前时刻存在的网络下载数据量；
其中，所述数据通信器件与所述定向采集器件连接，用于将所述计算机控制系统当前时刻存在的网络上传数据量以及当前时刻存在的网络下载数据量发送给所述定向采集器件。
4.如权利要求1所述的基于缩放处理的在线教育智能解析系统，其特征在于，所述系统进一步包括：
即时显示器件，与所述信号比对机构连接，用于接收并实时显示与姿态匹配信号、姿态错配信号或者现场鉴别种类对应的即时显示内容。
5.如权利要求1-4任一所述的基于缩放处理的在线教育智能解析系统，其特征在于：
对接收到的逐级增强图像执行人体鉴别，以获得所述逐级增强图像中的一个以上人体对象分别所在的一个以上人体图像分块包括：基于人体外形轮廓或者人体亮度成像特征对接收到的逐级增强图像执行人体鉴别，以获得所述逐级增强图像中的一个以上人体对象分别所在的一个以上人体图像分块。
6.一种基于缩放处理的在线教育智能解析方法，其特征在于，所述方法包括：
使用信号增强器件，设置在用作学生端的计算机控制系统内，用于对用作学生端的计算机控制系统的定向前方图像连续执行自适应递归滤波操作、应用高通滤波的图像内容锐化操作以及基于指数变换的图像内容增强操作，以获得对应的逐级增强图像；
使用内容分析器件，与所述信号增强器件连接，用于对接收到的逐级增强图像执行人体鉴别，以获得所述逐级增强图像中的一个以上人体对象分别所在的一个以上人体图像分块；
使用逐块鉴别器件，设置在所述计算机控制系统内且与所述内容分析器件连接，用于获取所述一个以上人体图像分块分别对应的占据像素点数量，并将占据像素点数量最多的人体图像分块作为参考图像分块输出；
使用图库存储机构，设置在所述计算机控制系统内，用于预先存储各类花样跳绳分别对应的各项基准姿态图片；
使用信号比对机构，分别与所述逐块鉴别器件以及所述图库存储机构连接，用于对所述参考图像分块进行缩放以将缩放后的图像叠加到某一项基准姿态图片上，并在存在某一项基准姿态图片其与缩放后的图像不重叠区域占据重叠区域的面积比例小于等于设定比例阈值时，发出姿态匹配信号，并将所述某一项基准姿态图片对应的花样跳绳种类以作为现场鉴别种类输出；
其中，所述信号比对机构还用于对所述参考图像分块进行缩放以将缩放后的图像叠加到某一项基准姿态图片上，并在任一项基准姿态图片其与缩放后的图像不重叠区域占据重叠区域的面积比例都大于所述设定比例阈值时，发出姿态错配信号。
7.如权利要求6所述的基于缩放处理的在线教育智能解析方法，其特征在于，所述方法进一步包括：
使用定向采集器件，封装在用作学生端的计算机控制系统的前面屏内，用于在判断用作学生端的计算机控制系统当前时刻存在的网络上传数据量大于等于设定数据量阈值时，从休眠模式进入工作模式；
其中，所述定向采集器件还用于在判断用作学生端的计算机控制系统当前时刻存在的网络上传数据量小于所述设定数据量阈值时，从工作模式进入休眠模式。
8.如权利要求6所述的基于缩放处理的在线教育智能解析方法，其特征在于，所述方法进一步包括：
使用数据通信器件，设置在用作学生端的计算机控制系统内，用于测量所述计算机控制系统当前时刻存在的网络上传数据量以及当前时刻存在的网络下载数据量；
其中，所述数据通信器件与所述定向采集器件连接，用于将所述计算机控制系统当前时刻存在的网络上传数据量以及当前时刻存在的网络下载数据量发送给所述定向采集器件。
9.如权利要求6所述的基于缩放处理的在线教育智能解析方法，其特征在于，所述方法进一步包括：
使用即时显示器件，与所述信号比对机构连接，用于接收并实时显示与姿态匹配信号、姿态错配信号或者现场鉴别种类对应的即时显示内容。
10.如权利要求6-9任一所述的基于缩放处理的在线教育智能解析方法，其特征在于：
对接收到的逐级增强图像执行人体鉴别，以获得所述逐级增强图像中的一个以上人体对象分别所在的一个以上人体图像分块包括：基于人体外形轮廓或者人体亮度成像特征对接收到的逐级增强图像执行人体鉴别，以获得所述逐级增强图像中的一个以上人体对象分别所在的一个以上人体图像分块。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310059592.3A CN115937989B (zh) | 2023-01-19 | 2023-01-19 | 基于缩放处理的在线教育智能解析系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310059592.3A CN115937989B (zh) | 2023-01-19 | 2023-01-19 | 基于缩放处理的在线教育智能解析系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115937989A true CN115937989A (zh) | 2023-04-07 |
| CN115937989B CN115937989B (zh) | 2023-09-22 |
Family
ID=86652795
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310059592.3A Active CN115937989B (zh) | 2023-01-19 | 2023-01-19 | 基于缩放处理的在线教育智能解析系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115937989B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101345857A (zh) * | 2008-08-21 | 2009-01-14 | 上海理工大学 | 家庭智能监控系统及其监控方法 |
| CN109508656A (zh) * | 2018-10-29 | 2019-03-22 | 重庆中科云丛科技有限公司 | 一种舞蹈评级自动判别方法、系统及计算机可读存储介质 |
| CN110827577A (zh) * | 2019-04-11 | 2020-02-21 | 刘剑 | 基于参数辨识的预警系统 |
| CN112464808A (zh) * | 2020-11-26 | 2021-03-09 | 成都睿码科技有限责任公司 | 一种基于计算机视觉的跳绳姿态及个数识别方法 |
| CN113111683A (zh) * | 2020-01-10 | 2021-07-13 | 孟宪庆 | 发球违例姿态识别平台及方法 |
| CN113609884A (zh) * | 2020-06-04 | 2021-11-05 | 郑素娟 | 高台跳水入水姿态检测系统以及相应终端 |
| WO2022007627A1 (zh) * | 2020-07-10 | 2022-01-13 | 北京字节跳动网络技术有限公司 | 一种图像特效的实现方法、装置、电子设备及存储介质 |
| CN114707055A (zh) * | 2022-02-28 | 2022-07-05 | 中国科学院软件研究所 | 一种融合图像内容和特征提取的拍照姿势推荐方法 |
| CN115235350A (zh) * | 2022-09-16 | 2022-10-25 | 江阴市千里马电工材料有限公司 | 电缆缆芯长度预测系统及方法 |
| CN115589499A (zh) * | 2022-10-08 | 2023-01-10 | 刘兴 | 远程教育播放码流分发控制系统及方法 |
-
2023
- 2023-01-19 CN CN202310059592.3A patent/CN115937989B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101345857A (zh) * | 2008-08-21 | 2009-01-14 | 上海理工大学 | 家庭智能监控系统及其监控方法 |
| CN109508656A (zh) * | 2018-10-29 | 2019-03-22 | 重庆中科云丛科技有限公司 | 一种舞蹈评级自动判别方法、系统及计算机可读存储介质 |
| CN110827577A (zh) * | 2019-04-11 | 2020-02-21 | 刘剑 | 基于参数辨识的预警系统 |
| CN113111683A (zh) * | 2020-01-10 | 2021-07-13 | 孟宪庆 | 发球违例姿态识别平台及方法 |
| CN113609884A (zh) * | 2020-06-04 | 2021-11-05 | 郑素娟 | 高台跳水入水姿态检测系统以及相应终端 |
| WO2022007627A1 (zh) * | 2020-07-10 | 2022-01-13 | 北京字节跳动网络技术有限公司 | 一种图像特效的实现方法、装置、电子设备及存储介质 |
| CN112464808A (zh) * | 2020-11-26 | 2021-03-09 | 成都睿码科技有限责任公司 | 一种基于计算机视觉的跳绳姿态及个数识别方法 |
| CN114707055A (zh) * | 2022-02-28 | 2022-07-05 | 中国科学院软件研究所 | 一种融合图像内容和特征提取的拍照姿势推荐方法 |
| CN115235350A (zh) * | 2022-09-16 | 2022-10-25 | 江阴市千里马电工材料有限公司 | 电缆缆芯长度预测系统及方法 |
| CN115589499A (zh) * | 2022-10-08 | 2023-01-10 | 刘兴 | 远程教育播放码流分发控制系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115937989B (zh) | 2023-09-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109583391B (zh) | 关键点检测方法、装置、设备及可读介质 | |
| CN110287891B (zh) | 基于人体关键点的手势控制方法、装置及电子设备 | |
| CN108010037A (zh) | 图像处理方法、装置及存储介质 | |
| CN112381183B (zh) | 目标检测方法、装置、电子设备及存储介质 | |
| CN111145135B (zh) | 一种图像去扰处理方法、装置、设备及存储介质 | |
| CN109145970B (zh) | 基于图像的问答处理方法和装置、电子设备及存储介质 | |
| CN110070551B (zh) | 视频图像的渲染方法、装置和电子设备 | |
| CA2898668A1 (en) | Realization method and device for two-dimensional code augmented reality | |
| CN111862341A (zh) | 虚拟对象的驱动方法、装置、显示设备及计算机存储介质 | |
| EP2485190A1 (en) | Adapting the resolution of a graphic representation of metadata | |
| CN110796664A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
| CN111783662B (zh) | 姿态估计方法、估计模型训练方法、装置、介质及设备 | |
| US20120063685A1 (en) | Method for image reframing | |
| CN111144156B (zh) | 一种图像数据处理方法和相关装置 | |
| CN110928509A (zh) | 显示控制方法、显示控制装置、存储介质、通信终端 | |
| CN114331824A (zh) | 图像处理方法、装置、电子设备和存储介质 | |
| CN113556599A (zh) | 视频教学方法、装置、电视机及存储介质 | |
| CN113269781A (zh) | 数据生成方法、装置及电子设备 | |
| CN114565952A (zh) | 行人轨迹生成方法、装置、设备和存储介质 | |
| CN115937989A (zh) | 基于缩放处理的在线教育智能解析系统及方法 | |
| CN113079342A (zh) | 基于高分辨率影像装置的目标追踪方法及系统 | |
| CN113269782B (zh) | 数据生成方法、装置及电子设备 | |
| CN114222065A (zh) | 图像处理方法、装置、电子设备、存储介质及程序产品 | |
| CN112394815A (zh) | 基于增强现实的绘画辅助方法、增强现实设备和存储介质 | |
| CN112449242A (zh) | 一种在线视频教学系统、方法及装置 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230831 Address after: 15th Floor, Jinchen Building, No. 57-1 Fuqian Street, Development Zone, Dongying City, Shandong Province, 257000 Applicant after: Shandong Lingfeng Education Technology Group Co.,Ltd. Address before: Room 7F7048, Changrun Building, No. 198 Fuyun Road, Gusu District, Suzhou City, Jiangsu Province, 215000 Applicant before: Suzhou Youfan Culture Technology Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: An Intelligent Analysis System and Method for Online Education Based on Scaling Processing Granted publication date: 20230922 Pledgee: Dongying Rural Commercial Bank Co.,Ltd. Pledgor: Shandong Lingfeng Education Technology Group Co.,Ltd. Registration number: Y2024980007175 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |