CN116403218A - 基于远程音视频互动的线上线下混合式教学管理系统 - Google Patents

基于远程音视频互动的线上线下混合式教学管理系统 Download PDF

Info

Publication number
CN116403218A
CN116403218A CN202310604265.1A CN202310604265A CN116403218A CN 116403218 A CN116403218 A CN 116403218A CN 202310604265 A CN202310604265 A CN 202310604265A CN 116403218 A CN116403218 A CN 116403218A
Authority
CN
China
Prior art keywords
feedback
preset
image
feedback image
server
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
Application number
CN202310604265.1A
Other languages
English (en)
Other versions
CN116403218B (zh
Inventor
彭瑜
王为海
陆超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Tengquan Information Technology Co ltd
Original Assignee
Jiangsu Tengquan Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu Tengquan Information Technology Co ltd filed Critical Jiangsu Tengquan Information Technology Co ltd
Priority to CN202310604265.1A priority Critical patent/CN116403218B/zh
Publication of CN116403218A publication Critical patent/CN116403218A/zh
Application granted granted Critical
Publication of CN116403218B publication Critical patent/CN116403218B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G09B5/14—Electrically-operated educational appliances providing for individual presentation of information to a plurality of student stations with provision for individual teacher-student communication
    • 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
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/1444—Selective acquisition, locating or processing of specific regions, e.g. highlighted text, fiducial marks or predetermined fields
    • 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
    • G06V40/30—Writer recognition; Reading and verifying signatures
    • G06V40/37—Writer recognition; Reading and verifying signatures based only on signature signals such as velocity or pressure, e.g. dynamic signature recognition
    • G06V40/376—Acquisition
    • 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
    • G06V40/30—Writer recognition; Reading and verifying signatures
    • G06V40/37—Writer recognition; Reading and verifying signatures based only on signature signals such as velocity or pressure, e.g. dynamic signature recognition
    • G06V40/382—Preprocessing; Feature extraction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/14—Systems for two-way working
    • H04N7/15—Conference systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

本发明涉及多媒体教学管理技术领域，尤其涉及一种基于远程音视频互动的线上线下混合式教学管理系统，包括：处理模块，用以通过预设编辑方式对预设放映内容进行标记，形成标记放映内容并上传服务器；若干应用模块，用以将标记放映内容以预设训练策略输出对应的书写反馈图像；服务器，用以通过预设反馈处理方式将书写反馈图像进行处理，以形成反馈图像；若干监控模块，用以将完成分类的反馈图像进行记录；本发明利用设置上述模块的方式，将反馈图像进行拟合并进行训练，在有效提升了训练效果的同时，有效提升了书写识别的准确性。

Description

基于远程音视频互动的线上线下混合式教学管理系统
技术领域
本发明涉及多媒体教学管理技术领域，尤其涉及一种基于远程音视频互动的线上线下混合式教学管理系统。
背景技术
在互联网时代下，移动终端、大数据技术等各项技术的运用对高校传统教学模式带来了很大的冲击，在此过程中，“智慧”逐渐变成了教育教学信息化的突出特征。慕课、微课等智慧课堂的涌现，掀起了网络学习的浪潮，并被广泛运用到教学活动中，线上线下教学模式的融合成为时代发展的必然趋势。线上线下混合教学模式是基于智慧学习平台，综合传统教学与在线平台、技术手段等形成的新模式。由在线平台等软件类产品结合硬件类产品例如点阵笔、扫描仪等构成。线上线下教学的局限性在于对教师的数字化要求以及各类设备的功能性要求上。线上教学将基于软件平台，因此对于教师进行软件操作有一定的要求，需要对其进行培训，课堂效率也依赖于软件的易用性与专业性。同时利用扫描仪器等硬件设备将占用课堂时间并改变教师的教学习惯，会对教学工作产生负担。
中国专利授权公告号：CN115695932B公开了一种基于在线教育的多媒体教学管理系统，该教学管理系统通过对学生用户发出的提问信息进行识别分析，并按照清晰度系数从小到大的顺序对对应教学知识点相同的讲解视频段进行推荐，使学生能够通过观看对对应教学知识点讲解更加清晰明了的讲解视频段来解决对应的问题，因此能够及时的对学生用户在学习过程中存在的问题进行解决，避免出现学生用户在学习结束后存在大量问题未解决，需要自行查阅文献等方式来自行解决的情况，能够显著提升线上学习的效率与线上学习的效果。
由此可见，上述技术方案存在以下问题：只能在上课前进行课程的预约，无法创建教师的个人课程表预先准备上课内容、操作上不便捷，应用场景为高校多依赖于学生的自主性，对于义务教育以及高中阶段的学生来说仅在上课时进行了音视频互动还不足以支撑教学的全部工作，且仅能够准确收集客观试题，缺乏其他交互以及收集学生课业数据的操作。
发明内容
为此，本发明提供一种基于远程音视频互动的线上线下混合式教学管理系统，用以克服现有技术中仅能够准确收集客观试题，缺乏其他交互以及收集学生课业数据的操作，应用场景局限性大，无法准确进行书写识别的问题。
为实现上述目的，本发明提供一种基于远程音视频互动的线上线下混合式教学管理系统，包括：
若干应用模块，其分别与服务器相连，用以将标记放映内容以预设训练策略输出对应的书写反馈图像；
处理模块，其用以通过预设编辑方式对预设放映内容进行标记，形成标记放映内容并上传所述服务器，并通过预设分类方式对服务器发送的反馈图像进行分类；
若干监控模块，其分别与对应的应用模块相连并成组设置，用以将完成分类的所述反馈图像进行记录，并以预设周期将所述反馈图像对应的所述预设放映内容输出至对应的应用模块；
所述服务器，其与各应用模块、所述处理模块以及各监控模块相连，用以通过预设反馈处理方式将所述书写反馈图像进行处理，以形成所述反馈图像，并将所述反馈图像发送至处理模块以及对应的监控模块；
其中，所述预设训练策略为根据所述标记放映内容中的标记生成对应标记的书写反馈图像；所述预设编辑方式为对所述预设放映内容进行标记；所述预设分类方式为将所述书写反馈图像以预设标准进行分类，以形成超标反馈图像以及合标反馈图像；所述预设反馈处理方式为将所述反馈图像标准化；
其中，所述预设分类方式为按所述处理模块预设的范围进行分类，其范围与所述标记放映内容的各标记有关。
进一步地，所述处理模块在预设编辑状态下，根据所述标记放映内容中的各标记形成对应的所述书写反馈图像；
其中，对于单个书写反馈图像，其由若干曲线组成，其与对应的所述标记放映内容中对应的标记的显示信息对应设置；
所述服务器中设有预设拟合策略以及标准反馈图像，所述处理模块在形成对应的所述书写反馈图像时，服务器对书写反馈图像与标准反馈图像以预设拟合策略进行图形拟合，并对完成图形拟合的书写反馈图像作为所述反馈图像传输至所述处理模块；
其中，所述预设拟合策略为将所述反馈图像中的各部分拟合为标准图像；
其中，所述标准图像为服务器中预设的图像；
所述预设编辑状态为所述处理模块进入所述预设编辑方式。
进一步地，所述处理模块中设有与所述标记对应的标准反馈图像以及预设的拟合度阈值，处理模块在分类条件下，将所述反馈图像与对应的标准反馈图像进行图形拟合以确定反馈图像与标准信息的拟合度，并将拟合度与拟合度阈值进行比较，以确定所述反馈图像的分类，其中，
若所述拟合度不小于所述拟合度阈值，所述处理模块判定对应的反馈图像为合标反馈图像；
若所述拟合度小于所述拟合度阈值，所述处理模块判定对应的反馈图像为超标反馈图像；
所述服务器将所述超标反馈图像以及对应的标记形成超标反馈组，传输至对应的监控模块；
所述分类条件为所述处理模块通过预设分类方式分类所述反馈图像。
进一步地，单个监控模块以所述预设周期将所述超标反馈组中的所述标记对应的所述标记放映内容发送至所述应用模块，所述处理模块根据所述预设训练策略输出所述书写反馈图像。
进一步地，所述服务器在反馈处理状态下，对于单个所述书写反馈图像，其包括特征点信息与拼接信息，其中，
所述特征点信息为应用模块生成的所述反馈图像时的起点、终点或转折点的速度以及位置；
所述拼接信息为所述反馈图像的外轮廓以及图像生成次序；
所述服务器根据所述特征点信息以及所述拼接信息生成所述单个书写反馈图像对应的所述反馈图像；
所述反馈处理状态为所述服务器进入所述预设反馈处理方式。
进一步地，所述处理模块在所述分类条件下，根据所述反馈图像对所述标准反馈图像进行调整，并根据完成调整的所述标准反馈图像对后续的反馈图像进行分类。
进一步地，所述服务器中设有若干应用池，服务器将单个应用模块发送的预设数量的所述反馈图像进行合标率计算，以对该应用模块进行分类；
其中，所述合标率为所述合标反馈图像的数量与所述预设数量的比值；
所述预设数量与所述预设放映内容的标记数量成正比。
进一步地，所述服务器在所述反馈处理状态下，设有对于所述特征点信息的关键点检测策略，服务器根据检测出的关键点对所述书写反馈图像进行识别，以确定书写反馈图像对应的所述应用模块；
其中，所述关键点检测策略为在所述书写反馈图像中自动检测出的断点、交叉点以及转折点。
进一步地，所述应用模块能够由书写方式生成所述书写反馈图像，对于由书写生成的书写反馈图像，所述服务器中设有预设迭代策略，服务器根据单个所述应用模块传输的各书写反馈图像对应用模块的生成书写反馈图像的方式进行判断，以确定与该书写反馈图像对应的所述反馈图像。
进一步地，所述处理模块上传的所述预设放映内容中还存有音频内容，对于单个标记对应的音频内容，其对应单个所述反馈图像。
与现有技术相比，本发明的有益效果在于，利用设置若干应用模块、处理模块、若干监控模块，以及服务器的方式，将反馈图像进行拟合并进行训练，在有效提升了训练效果的同时，有效提升了书写识别的准确性。
进一步地，利用将书写反馈图像进行标准化的方式，对图形的识别进行增强，在有效避免了因书写反馈图像不清晰导致识别异常的问题，从而进一步提升了书写识别的准确性。
进一步地，通过设置拟合度阈值的方式，对反馈图像进行判断，在有效提升了反馈图像判断精度的同时，进一步提升了书写识别的准确性。
进一步地，通过将设置特征点的方式，对反馈图像进行标准化，在有效提升了图像识别效率的同时，进一步提升了书写识别的准确性。
进一步地，通过对各应用模块建立用户画像的方式，在有效提升了对应应用模块的识别准确性的同时，进一步提升了书写识别的准确性。
附图说明
图1为本发明基于远程音视频互动的线上线下混合式教学管理系统的结构示意图；
图2为本发明实施例数字课堂客户端管理系统的课程流程图；
图3为本发明实施例文字识别的识别流程图。
具体实施方式
为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。
需要说明的是，在本发明的描述中，术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1所示，其为本发明基于远程音视频互动的线上线下混合式教学管理系统的结构示意图，基于一种基于远程音视频互动的线上线下混合式教学管理系统，包括：
若干应用模块，其分别与服务器相连，用以将标记放映内容以预设训练策略输出对应的书写反馈图像；
处理模块，其用以通过预设编辑方式对预设放映内容进行标记，形成标记放映内容并上传服务器，并通过预设分类方式对服务器发送的反馈图像进行分类；
若干监控模块，其分别与对应的应用模块相连并成组设置，用以将完成分类的反馈图像进行记录，并以预设周期将反馈图像对应的预设放映内容输出至对应的应用模块；
服务器，其与各应用模块、处理模块以及各监控模块相连，用以通过预设反馈处理方式将书写反馈图像进行处理，以形成反馈图像，并将反馈图像发送至处理模块以及对应的监控模块；
其中，预设训练策略为根据标记放映内容中的标记生成对应标记的书写反馈图像；预设编辑方式为对预设放映内容进行标记；预设分类方式为将书写反馈图像以预设标准进行分类，以形成超标反馈图像以及合标反馈图像；预设反馈处理方式为将反馈图像标准化；
其中，预设分类方式为按处理模块预设的范围进行分类，其范围与标记放映内容的各标记有关。
本发明利用设置若干应用模块、处理模块、若干监控模块，以及服务器的方式，将反馈图像进行拟合并进行训练，在有效提升了训练效果的同时，有效提升了书写识别的准确性。
具体而言，处理模块在预设编辑状态下，根据标记放映内容中的各标记形成对应的书写反馈图像；
其中，对于单个书写反馈图像，其由若干曲线组成，其与对应的标记放映内容中对应的标记的显示信息对应设置；
服务器中设有预设拟合策略以及标准反馈图像，处理模块在形成对应的书写反馈图像时，服务器对书写反馈图像与标准反馈图像以预设拟合策略进行图形拟合，并对完成图形拟合的书写反馈图像作为反馈图像传输至处理模块；
其中，预设拟合策略为将反馈图像中的各部分拟合为标准图像；
其中，标准图像为服务器中预设的图像，对于本实施例而言，其为预设的汉字字体和/或图形，用以使文字能够清晰地输出；
所述标准反馈图像为服务器中预设的与各标记对应的图像，其中，对于单个标记，其对应单个图像，对比本实施例而言，其为预设的题目答案，用以识别答案是否正确。
预设编辑状态为处理模块进入预设编辑方式。
利用将书写反馈图像进行标准化的方式，对图形的识别进行增强，在有效避免了因书写反馈图像不清晰导致识别异常的问题，从而进一步提升了书写识别的准确性。
具体而言，处理模块中设有与标记对应的标准反馈图像以及预设的拟合度阈值，处理模块在分类条件下，将反馈图像与对应的标准反馈图像进行图形拟合以确定反馈图像与标准信息的拟合度，并将拟合度与拟合度阈值进行比较，以确定反馈图像的分类，其中，
若拟合度不小于拟合度阈值，处理模块判定对应的反馈图像为合标反馈图像；
若拟合度小于拟合度阈值，处理模块判定对应的反馈图像为超标反馈图像；
服务器将超标反馈图像以及对应的标记形成超标反馈组，传输至对应的监控模块；
分类条件为处理模块通过预设分类方式分类反馈图像。
通过设置拟合度阈值的方式，对反馈图像进行判断，在有效提升了反馈图像判断精度的同时，进一步提升了书写识别的准确性。
拟合度阈值为文字信息的差值，其与书写的识别率有关，对于单个反馈图像，其拟合度阈值为10%，该阈值为设备能够识别手写字形的最大偏差，用以对手写内容进行识别。
具体而言，单个监控模块以预设周期将超标反馈组中的标记对应的标记放映内容发送至应用模块，处理模块根据预设训练策略输出书写反馈图像。
预设周期为监控模块中预设的时长，其能够为任意时长，在实施中，预设周期能够为1日、7日或30日。
具体而言，服务器在反馈处理状态下，对于单个书写反馈图像，其包括特征点信息与拼接信息，其中，
特征点信息为应用模块生成的反馈图像时的起点、终点或转折点的速度以及位置；
拼接信息为反馈图像的外轮廓以及图像生成次序；
服务器根据特征点信息以及拼接信息生成单个书写反馈图像对应的反馈图像；
反馈处理状态为服务器进入预设反馈处理方式。
设置特征点信息与拼接信息作为区别各个用户的书写特征，当单个用户在平板电脑上使用笔迹功能进行书写时，设备会通过触控芯片获得每一笔的坐标点信息，并将其上传至服务器，上传的坐标点包括了笔迹的起点、终点和各个转折点，以及这些点的压力、速度、方向等信息。
在拼接信息方面，服务器会利用人工智能技术，对上传的坐标点进行分析和处理，首先，对于单个笔迹，服务器会对其进行形态学和笔画学的分析，识别出其基本属性，如线宽、线型、弯曲度、方向等，然后，服务器会将多个笔迹进行拼接，形成完整的图形。
具体而言，处理模块在分类条件下，根据反馈图像对标准反馈图像进行调整，并根据完成调整的标准反馈图像对后续的反馈图像进行分类。
具体而言，服务器中设有若干应用池，服务器将单个应用模块发送的预设数量的反馈图像进行合标率计算，以对该应用模块进行分类；
其中，合标率为合标反馈图像的数量与预设数量的比值；
预设数量与预设放映内容的标记数量成正比。
预设数量为为服务器中设置的预设值，其与标记的总数量有关，对于单个放映内容，其预设数量占标记总数量的40%并向下取整，该数量与及格分数对应，用以标记用户的学习程度。
具体而言，服务器在反馈处理状态下，设有对于特征点信息的关键点检测策略，服务器根据检测出的关键点对书写反馈图像进行识别，以确定书写反馈图像对应的应用模块；
其中，关键点检测策略为在书写反馈图像中自动检测出的断点、交叉点以及转折点。
通过对各应用模块建立用户画像的方式，在有效提升了对应应用模块的识别准确性的同时，进一步提升了书写识别的准确性。
具体而言，应用模块能够由书写方式生成书写反馈图像，对于由书写生成的书写反馈图像，服务器中设有预设迭代策略，服务器根据单个应用模块传输的各书写反馈图像对应用模块的生成书写反馈图像的方式进行判断，以确定与该书写反馈图像对应的反馈图像。
利用设置预设迭代策略训练服务器对单个用户的手写识别准确度，且，在用户的书写习惯发生变化时，能够更好地配合用户的手写识别。
具体而言，所述处理模块上传的所述预设放映内容中还存有音频内容，对于单个标记对应的音频内容，其对应单个所述反馈图像。在实施中，标记的音频内容一般指配合预设放映内容的音频，例如对课程的解释和说明，其与放映内容成组出现。
为方便理解，本发明提供一种基于远程音视频互动的线上线下混合式教学管理系统的应用方式：
为助于理解，本实施例提供对应用的技术进行说明：
本实施例旨在提供一种基于远程音视频互动的线上线下混合式教学系统。该系统的PC端软件主要服务于教师，提供备课、授课和作业批改等功能；而APP主要服务于学生和家长，提供作业反馈和错题训练等功能。
在PC端软件方面，教师可以在软件中进行备课，包括资源的上传和题目的筛选。备课完成后，教师可以通过音视频进行线上线下结合授课。在课堂中，教师可以调出课堂练习的题目，让学生通过点阵笔或水墨屏进行作答。作答笔迹将通过坐标点的形式上传至服务器，由程序智能识别并拼接成完整笔迹，再通过OCR进行识别为文本后和答案对比，完成自动批改。对于课后作业，教师可以生成答题卡，让学生在答题卡上作答。
其中，客观题的内容，学生只需要在作答区域进行书写或圈画（选择题）即可；主观题的内容，教师需要在主观题批改区域进行手写分数。两部分的智能识别均通过图像识别技术、机器学习技术、OCR技术完成，最终将作答信息录入系统中。
在APP方面，学生和家长可以看到作业的正确情况和错题信息，并通过错题所带的知识点进行举一反三错题训练。家长可以通过手机拍照学生的答题卡，系统将通过上述技术进行客观题的自动批改。
此外，系统还提供了数据分析功能，帮助老师进行个性化辅导，系统可以根据答题信息进行数据分析，形成各个学生的学业素质画像，帮助老师了解每个学生的学习情况和水平，从而制定个性化的教学计划和辅导方案。
总的来说，本技术方案基于图像识别、机器学习、OCR等技术实现了教育辅助系统的自动化、智能化和个性化，提高了教学效率和教学质量，提升了学生学习的效果和家长对孩子学习情况的了解。
系统采用音视频通信技术实现线上线下结合授课，包括多种教学形式，如远程实时互动、录播课程等。
其中，音视频技术方案主要包括以下技术要素：
基于WebRTC的音视频通信技术。WebRTC是一种开放式的音视频通信标准，能够实现浏览器之间的实时音视频通信，支持多种设备和网络环境，具有低延迟、高清晰度、稳定性强等特点。
软硬件协同优化的编码和解码技术。该技术将软件编解码器和硬件编解码器相结合，能够实现更高效的音视频编解码，减少网络传输中的数据丢失和延迟，提高用户体验。
自适应码率调整技术。该技术能够根据网络带宽和设备性能的变化，自动调整音视频传输的码率和分辨率，确保用户在不同网络环境下都能够获得流畅的音视频体验。
基于以上技术要素，本系统能够为用户提供高清晰度、低延迟、稳定性强的音视频体验，同时，自适应码率调整技术也能够保证用户在不同网络环境下都能够获得流畅的教学体验。
音视频的技术方案涉及多个方面，包括音频编解码、视频编解码、网络传输、媒体流处理等。
音频编解码技术主要包括音频采集、编码和解码三个步骤。采集通过音频输入设备获取原始音频信号，编码将原始音频信号转换为压缩后的数字音频数据，解码则是将压缩后的数字音频数据还原为可听的音频信号，音频编解码技术主要结合G.711、G.722、AAC、MP3中任意一种标准或格式。
视频编解码技术主要包括视频采集、编码和解码三个步骤，其中：
视频采集通过视频输入设备获取原始视频信号；
编码将原始视频信号转换为压缩后的数字视频数据；
解码则是将压缩后的数字视频数据还原为可视的视频信号，视频编解码技术主要包括H.264、H.265中任意一种标准或格式。
网络传输技术主要包括网络传输协议和传输控制协议两个方面。网络传输协议主要指的是UDP（User Datagram Protocol）和TCP（Transmission Control Protocol），UDP主要用于实时音视频传输，而TCP主要用于文件传输，传输控制协议则是用于保证数据传输的可靠性和完整性的。
媒体流处理技术主要包括媒体数据解析、格式转换、流媒体分发、播放等多个方面。其中，媒体数据解析主要是将原始音视频流进行解析和解封装，格式转换则是将不同的音视频格式转换为标准的音视频格式，流媒体分发则是将音视频流传输到用户端的不同设备上，播放则是将接收到的音视频流解码和播放出来。
综上，请参阅图2所示，其为本发明实施例数字课堂客户端管理系统的课程流程图，是通过对音频、视频的采集、编码、解码等处理，将音视频流通过网络传输到用户端，并使用媒体流处理技术对音视频流进行处理和播放。这些技术的细节实现包括但不限于压缩算法、网络协议、传输控制、媒体格式转换等方面的技术实现。
学生的作答信息通过点阵笔或水墨屏上传至服务器，主要涉及到两个技术方面：坐标点上传和智能识别拼接。
在整个过程中，涉及到的专有名词包括坐标点、触控芯片、人工智能技术、形态学、笔画学等。
通过坐标点上传和智能识别拼接的技术，用户可以轻松地在平板电脑上进行书写、绘画等操作，而服务器则能够快速地将用户的笔迹转换为完整的图形，实现高效的信息传输和处理。
智能识别和拼接手写笔迹涉及到多个技术点，包括人工智能技术、形态学和笔画学。
首先，对于人工智能技术，一种常见的方法是使用深度学习神经网络。该神经网络可以对手写笔迹进行分类和识别，以便将其与先前的笔迹相匹配。在识别过程中，神经网络将学习如何分析笔画中的细节，例如角度、压力和速度，以确定该笔画是什么字符或词汇。通过使用越来越复杂的神经网络结构，例如卷积神经网络和循环神经网络，可以进一步提高分类和识别的准确性。
其次，形态学技术可以用于进一步优化识别和拼接的精度。形态学是一种数学分析方法，旨在理解和分析复杂形状的结构和性质。对于手写笔迹，形态学可以用于检测和纠正不良笔画，例如缺失和断裂，从而提高笔画的连贯性和准确性。形态学还可以应用于手写笔迹的特征提取，例如角点检测和曲率估计，以进一步改善识别和拼接的准确性。
最后，笔画学技术可以用于研究和分析手写笔迹的基本构成部分。笔画学是一门学科，致力于研究笔画的形状、速度、压力和方向等特征，并将其应用于字符和字母的分类和识别。通过对笔画学的深入研究，可以更好地理解手写笔迹的特征和规律，从而提高笔画的连贯性和准确性。
请继续参阅图2所示，其为本发明基于远程音视频互动的线上线下混合式教学管理系统的智能识别和拼接手写笔迹的流程图，在实际应用中，这些技术可以结合使用，以实现智能识别和拼接手写笔迹的目标。例如，先使用神经网络对手写笔迹进行分类和识别，然后应用形态学技术来检测和纠正不良笔画，最后再使用笔画学技术来进一步优化识别和拼接的准确性。通过这种方式，可以实现高效、准确和可靠的手写笔迹识别和拼接系统。
学生答题手写答案及教师打分智能识别，通过以下三类技术做到：
图像识别技术：图像识别技术是指计算机通过对数字图像进行处理、分析和识别的能力，实现对图像的自动分类、识别和分析。其关键技术是图像处理、特征提取和模式识别。常见的图像识别应用包括人脸识别、物体识别、手写数字识别、文字识别等。
机器学习技术：机器学习是指通过训练算法，让计算机根据历史数据和现有条件来自主地进行决策和预测的能力。机器学习包含监督学习、无监督学习和强化学习等方法。在机器学习的过程中，需要对数据进行预处理、特征提取、模型训练和模型评估等过程。
OCR技术：OCR（Optical Character Recognition，光学字符识别）是指将印刷体字符、手写体字符等转换成可编辑的数字文本的技术。OCR技术的关键是字符分割、特征提取、分类识别等。OCR应用广泛，例如实现文字识别、证件识别、表格识别等。
上述技术使用了手写体识别，数字识别，文档矫正，关键点检测，题型结构化分析，题型识别，图像识别处理，图像质量判定，拉普拉斯算法，形态学分析，边框检测，ocr，颜色阈值分析技术。下面将阐述重要的技术点。
请参阅图3所示，其为本发明实施例文字识别的识别流程图，其中，本发明特别用于手写体识别；
手写体识别是指通过计算机技术将手写体图像转化为可识别的字符信息，它是实现学生作答信息智能识别的基础技术之一。手写体识别的实现需要用到深度学习技术，其中最为关键的是卷积神经网络（Convolutional Neural Network，CNN）。
CNN是一种前馈神经网络，通常用于图像和视频处理中，它可以自动从数据中进行特征提取，并且可以处理具有高度相似性的图像，CNN通过多个卷积层和池化层进行特征提取和下采样，最终使用全连接层进行分类或回归，则CNN的数学模型可以由式（1）表示：
Figure SMS_1
（1），
其中，
Figure SMS_2
为输入的手写体图像，/>
Figure SMS_5
为卷积核，/>
Figure SMS_8
为偏置项，/>
Figure SMS_4
为卷积输出，/>
Figure SMS_7
为激活函数（如ReLU），/>
Figure SMS_9
为全连接层函数/>
Figure SMS_10
为输出的字符标签，
Figure SMS_3
表示卷积运算，/>
Figure SMS_6
表示激活函数。
数字识别是指通过计算机技术将数字图像转化为可识别的字符信息，它也是实现学生作答信息智能识别的基础技术之一。数字识别的实现需要用到分类算法，其中最为常用的是支持向量机（Support Vector Machine，SVM）。
SVM是一种常用的分类算法，它的基本思想是通过找到一个最优的超平面来将不同类别的数据分开。在数字识别中，SVM可以将数字图像特征向量映射到高维空间，并找到一个最优的超平面来将不同数字分开。
则SVM的数学模型由式（2）表示：
Figure SMS_11
（2），
其中，
Figure SMS_12
为输入的数字图像特征向量，/>
Figure SMS_13
为超平面法向量，/>
Figure SMS_14
为超平面截距，/>
Figure SMS_15
为输出的数字标签。
文档矫正是指将图片中倾斜或歪曲的文档矫正成水平或垂直状态，以便于后续的文字识别或其他处理。文档矫正通常使用基于图像变换的方法，其中最常用的方法是基于透视变换的方法。透视变换可以将原始图像中的四边形区域映射为矩形区域，从而实现文档的矫正。
假设有四个点
Figure SMS_18
，/>
Figure SMS_19
，/>
Figure SMS_21
，/>
Figure SMS_17
分别表示原图中矩形的四个角点，以及对应的矩形在目标图像中的四个角点 />
Figure SMS_20
，/>
Figure SMS_22
，
Figure SMS_23
，/>
Figure SMS_16
。则透视变换可以表示为一个3×3的矩阵[M]，[M]由式（3）确定：
Figure SMS_24
（3），
其中，m为原图中的关键点，关键点检测是指在图像中自动检测出一些具有特定含义的点，例如人脸上的眼睛、鼻子、嘴巴等，以及手写数字中的笔画端点、交叉点等。在学生作答信息识别中，关键点检测可以用于检测出手写数字中的笔画端点，以便于后续的数字识别。
关键点检测通常使用基于特征点的方法，例如SIFT、SURF、ORB等算法。这些算法通常通过检测图像中的局部特征点，并为这些特征点提取出描述符（descriptor），然后使用机器学习算法将这些特征点分类为不同的类别。
本系统以SIFT算法为主，采用高斯差分金字塔：对于原始图像I(x,y)，在不同尺度空间进行高斯滤波，得到高斯金字塔，然后在相邻两层高斯金字塔之间做差分，得到高斯差分金字塔，由式（4）计算：
Figure SMS_25
（4），
其中，G(x,y,σ)表示在尺度空间中的高斯滤波函数，k表示相邻两层之间的尺度因子。
题型结构化分析，其用于将学生答案中的各个部分结构化，以便后续的分析和处理。该技术点包括物体检测和图像分割两个主要过程。在物体检测中，首先对答案中的各个部分进行定位，然后将其与预定义的题型模板进行匹配，以确定所属题型。在图像分割中，对于复杂的答案，需要对其进行进一步的分割，以便更好地理解答案的结构。该技术点用到的数学模型包括卷积神经网络（Convolutional Neural Networks，CNN）和图像分割算法，如分水岭算法（Watershed algorithm）和基于区域的图像分割算法（Region-basedSegmentation）。
题型识别，其用于将结构化的学生答案与预定义的题型进行匹配，并识别出学生所回答的题目类型，如选择题、填空题、简答题等。该技术点主要基于机器学习技术，如支持向量机（Support Vector Machine，SVM）和深度学习技术，如循环神经网络（RecurrentNeural Network，RNN）和长短时记忆网络（Long Short-Term Memory，LSTM）。具体地，该技术点通过对已知题目类型的学生答案进行训练，学习题型的特征和规律，从而能够对新的答案进行准确的识别。该技术点的数学模型包括SVM、RNN和LSTM等。
图像识别处理，图像识别是指将数字图像转化为计算机可处理的数据，并进行处理的技术。图像识别处理包括以下步骤：图像预处理、特征提取、特征匹配和分类识别。其中，特征提取是关键步骤，其目的是从图像中提取具有区分度的特征，这些特征能够表征图像的局部信息和全局信息，从而进行图像识别。
在图像处理中，最常用的特征提取方法是SIFT（尺度不变特征变换）算法，它可以提取出图像中的关键点，并为每个关键点提取出一个描述子。SIFT算法通过对图像的高斯金字塔进行尺度空间分析，检测图像中的极值点，并通过尺度空间极值点检测算法确定关键点的位置和尺度。然后，通过方向梯度直方图（HOG）描述子对关键点进行描述，用于匹配和分类识别。
图像质量判定是指对图像的质量进行评价，根据评价结果对图像进行筛选、处理等操作。图像质量的判定方法有多种，可以通过计算图像的像素点数量、色彩饱和度、清晰度、对比度等参数来进行评估，也可以通过图像去噪、图像增强等方法对图像进行处理，提高图像的质量。
图像质量判定通常使用PSNR（Peak Signal-to-Noise Ratio）算法来评估图像质量。PSNR算法通过计算原始图像和经过处理后的图像之间的均方误差（MSE）来评估图像质量，其由式（5）确定：
Figure SMS_26
（5），
其中，
Figure SMS_27
为图像的最大亮度值，MSE为原始图像与处理后图像之间的均方误差。PSNR的值越高，表示处理后的图像与原始图像越接近，图像质量越高，综上，可依据结合公式得出公式（6）：
Figure SMS_28
（6），
可以理解的是，运行上述任意组合的系统，应满足以下条件：
硬件平台：根据产品的需求，选择合适的硬件平台，如服务器、PC、手机等，并确保硬件配置足够满足产品的运行需求。
操作系统：根据产品的要求，选择合适的操作系统，如Windows、Linux等，并确保操作系统版本、软件安装等方面的兼容性。
应用程序和库：根据产品的要求，安装相应的应用程序和库，以支持产品的正常运行。例如，对于图像处理应用，需要安装OpenCV等图像处理库。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例，并不用于限制本发明；对于本领域的技术人员来说，本发明可以有各种更改和变化。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)

1.一种基于远程音视频互动的线上线下混合式教学管理系统，其特征在于，包括：
若干应用模块，其分别与服务器相连，用以将标记放映内容以预设训练策略输出对应的书写反馈图像；
处理模块，其用以通过预设编辑方式对预设放映内容进行标记，形成标记放映内容并上传所述服务器，并通过预设分类方式对服务器发送的反馈图像进行分类；
若干监控模块，其分别与对应的应用模块相连并成组设置，用以将完成分类的所述反馈图像进行记录，并以预设周期将所述反馈图像对应的所述预设放映内容输出至对应的应用模块；
所述服务器，其与各应用模块、所述处理模块以及各监控模块相连，用以通过预设反馈处理方式将所述书写反馈图像进行处理，以形成所述反馈图像，并将所述反馈图像发送至处理模块以及对应的监控模块；
其中，所述预设训练策略为根据所述标记放映内容中的标记生成对应标记的书写反馈图像；所述预设编辑方式为对所述预设放映内容进行标记；所述预设分类方式为将所述书写反馈图像以预设标准进行分类，以形成超标反馈图像以及合标反馈图像；所述预设反馈处理方式为将所述反馈图像标准化；
其中，所述预设分类方式为按所述处理模块预设的范围进行分类，其范围与所述标记放映内容的各标记有关。
2.根据权利要求1所述的基于远程音视频互动的线上线下混合式教学管理系统，其特征在于，所述处理模块在预设编辑状态下，根据所述标记放映内容中的各标记形成对应的所述书写反馈图像；
其中，对于单个书写反馈图像，其由若干曲线组成，其与对应的所述标记放映内容中对应的标记的显示信息对应设置；
所述服务器中设有预设拟合策略以及标准反馈图像，所述处理模块在形成对应的所述书写反馈图像时，服务器对书写反馈图像与标准反馈图像以预设拟合策略进行图形拟合，并对完成图形拟合的书写反馈图像作为所述反馈图像传输至所述处理模块；
其中，所述预设拟合策略为将所述反馈图像中的各部分拟合为标准图像；
其中，所述标准图像为服务器中预设的图像；
所述预设编辑状态为所述处理模块进入所述预设编辑方式。
3.根据权利要求2所述的基于远程音视频互动的线上线下混合式教学管理系统，其特征在于，所述处理模块中设有与所述标记对应的标准反馈图像以及预设的拟合度阈值，处理模块在分类条件下，将所述反馈图像与对应的标准反馈图像进行图形拟合以确定反馈图像与标准信息的拟合度，并将拟合度与拟合度阈值进行比较，以确定所述反馈图像的分类，其中，
若所述拟合度不小于所述拟合度阈值，所述处理模块判定对应的反馈图像为合标反馈图像；
若所述拟合度小于所述拟合度阈值，所述处理模块判定对应的反馈图像为超标反馈图像；
所述服务器将所述超标反馈图像以及对应的标记形成超标反馈组，传输至对应的监控模块；
所述分类条件为所述处理模块通过预设分类方式分类所述反馈图像。
4.根据权利要求3所述的基于远程音视频互动的线上线下混合式教学管理系统，其特征在于，单个监控模块以所述预设周期将所述超标反馈组中的所述标记对应的所述标记放映内容发送至所述应用模块，所述处理模块根据所述预设训练策略输出所述书写反馈图像。
5.根据权利要求4所述的基于远程音视频互动的线上线下混合式教学管理系统，其特征在于，所述服务器在反馈处理状态下，对于单个所述书写反馈图像，其包括特征点信息与拼接信息，其中，
所述特征点信息为应用模块生成的所述反馈图像时的起点、终点或转折点的速度以及位置；
所述拼接信息为所述反馈图像的外轮廓以及图像生成次序；
所述服务器根据所述特征点信息以及所述拼接信息生成所述单个书写反馈图像对应的所述反馈图像；
所述反馈处理状态为所述服务器进入所述预设反馈处理方式。
6.根据权利要求5所述的基于远程音视频互动的线上线下混合式教学管理系统，其特征在于，所述处理模块在所述分类条件下，根据所述反馈图像对所述标准反馈图像进行调整，并根据完成调整的所述标准反馈图像对后续的反馈图像进行分类。
7.根据权利要求6所述的基于远程音视频互动的线上线下混合式教学管理系统，其特征在于，所述服务器中设有若干应用池，服务器将单个应用模块发送的预设数量的所述反馈图像进行合标率计算，以对该应用模块进行分类；
其中，所述合标率为所述合标反馈图像的数量与所述预设数量的比值；
所述预设数量与所述预设放映内容的标记数量成正比。
8.根据权利要求7所述的基于远程音视频互动的线上线下混合式教学管理系统，其特征在于，所述服务器在所述反馈处理状态下，设有对于所述特征点信息的关键点检测策略，服务器根据检测出的关键点对所述书写反馈图像进行识别，以确定书写反馈图像对应的所述应用模块；
其中，所述关键点检测策略为在所述书写反馈图像中自动检测出的断点、交叉点以及转折点。
9.根据权利要求8所述的基于远程音视频互动的线上线下混合式教学管理系统，其特征在于，所述应用模块能够由书写方式生成所述书写反馈图像，对于由书写生成的书写反馈图像，所述服务器中设有预设迭代策略，服务器根据单个所述应用模块传输的各书写反馈图像对应用模块的生成书写反馈图像的方式进行判断，以确定与该书写反馈图像对应的所述反馈图像。
10.根据权利要求9所述的基于远程音视频互动的线上线下混合式教学管理系统，其特征在于，所述处理模块上传的所述预设放映内容中还存有音频内容，对于单个标记对应的音频内容，其对应单个所述反馈图像。
CN202310604265.1A 2023-05-26 2023-05-26 基于远程音视频互动的线上线下混合式教学管理系统 Active CN116403218B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310604265.1A CN116403218B (zh) 2023-05-26 2023-05-26 基于远程音视频互动的线上线下混合式教学管理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310604265.1A CN116403218B (zh) 2023-05-26 2023-05-26 基于远程音视频互动的线上线下混合式教学管理系统

Publications (2)

Publication Number Publication Date
CN116403218A true CN116403218A (zh) 2023-07-07
CN116403218B CN116403218B (zh) 2023-08-11

Family

ID=87020108

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310604265.1A Active CN116403218B (zh) 2023-05-26 2023-05-26 基于远程音视频互动的线上线下混合式教学管理系统

Country Status (1)

Country Link
CN (1) CN116403218B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117112832A (zh) * 2023-09-12 2023-11-24 社培科技(广东)有限公司 基于线上监测和线下指导结合的教学方法及其系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104575140A (zh) * 2015-01-19 2015-04-29 深圳市时尚德源文化传播有限公司 一种智能终端机网络教学方法
CN107918821A (zh) * 2017-03-23 2018-04-17 广州思涵信息科技有限公司 基于人工智能技术的教师课堂教学过程分析方法和系统
CN110928478A (zh) * 2019-11-21 2020-03-27 广州摩翼信息科技有限公司 应用于教学的手写笔迹重现系统、方法和装置
CN111047933A (zh) * 2020-01-07 2020-04-21 上海奇初教育科技有限公司 一种教辅自动批改系统
CN111798709A (zh) * 2020-06-18 2020-10-20 浙江师范大学 一种基于云平台的远程教学系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104575140A (zh) * 2015-01-19 2015-04-29 深圳市时尚德源文化传播有限公司 一种智能终端机网络教学方法
CN107918821A (zh) * 2017-03-23 2018-04-17 广州思涵信息科技有限公司 基于人工智能技术的教师课堂教学过程分析方法和系统
CN110928478A (zh) * 2019-11-21 2020-03-27 广州摩翼信息科技有限公司 应用于教学的手写笔迹重现系统、方法和装置
CN111047933A (zh) * 2020-01-07 2020-04-21 上海奇初教育科技有限公司 一种教辅自动批改系统
CN111798709A (zh) * 2020-06-18 2020-10-20 浙江师范大学 一种基于云平台的远程教学系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117112832A (zh) * 2023-09-12 2023-11-24 社培科技(广东)有限公司 基于线上监测和线下指导结合的教学方法及其系统
CN117112832B (zh) * 2023-09-12 2024-03-19 社培科技(广东)有限公司 基于线上监测和线下指导结合的教学方法及其系统

Also Published As

Publication number Publication date
CN116403218B (zh) 2023-08-11

Similar Documents

Publication Publication Date Title
US11790641B2 (en) Answer evaluation method, answer evaluation system, electronic device, and medium
CN112183238B (zh) 一种远程教育注意力检测方法及系统
CN111709409A (zh) 人脸活体检测方法、装置、设备及介质
CN110956138B (zh) 一种基于家教设备的辅助学习方法及家教设备
CN110275987B (zh) 智能教学顾问生成方法、系统、设备及存储介质
CN110085068A (zh) 一种基于图像识别的学习辅导方法及装置
CN116403218B (zh) 基于远程音视频互动的线上线下混合式教学管理系统
CN109871525A (zh) 一种易于ocr识别的印刷排版的批阅系统及实现方法
CN111931598A (zh) 一种基于人脸识别的课堂智能实时分析方法及系统
KR102260907B1 (ko) 영어 쓰기 학습 듀얼 피드백 제공 시스템 및 그 방법
CN113537801B (zh) 板书处理方法、装置、终端和存储介质
CN111242045A (zh) 自动化作业习题对错指示方法及系统
CN111402093A (zh) 基于大数据和人工智能的互联网精准化教学辅导管理系统
CN113705349A (zh) 一种基于视线估计神经网络的注意力量化分析方法及系统
CN111178263B (zh) 一种实时表情分析方法及其装置
CN116050892A (zh) 一种基于人工智能的智能教育评价监督方法
CN114791963A (zh) 基于人工智能的视频推荐方法及系统
CN113989608A (zh) 基于顶部视觉的学生实验课堂行为识别方法
CN112926571A (zh) 一种基于深度学习的公式图片识别判题系统
CN112686263A (zh) 文字识别方法、装置、电子设备及存储介质
CN117095414A (zh) 一种基于点阵纸笔的手写识别系统及识别方法
CN111738177A (zh) 一种基于姿态信息提取的学生课堂行为识别方法
CN115294573A (zh) 作业批改方法、装置、设备及介质
CN114638988A (zh) 一种基于不同呈现方式的教学视频自动化分类方法及系统
CN111914683A (zh) 一种基于仿生图像增强算法和fpga硬件加速的手写成绩录入系统

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