CN116437139A - 课堂视频录制方法、装置、存储介质和设备 - Google Patents

课堂视频录制方法、装置、存储介质和设备 Download PDF

Info

Publication number
CN116437139A
CN116437139A CN202310206926.5A CN202310206926A CN116437139A CN 116437139 A CN116437139 A CN 116437139A CN 202310206926 A CN202310206926 A CN 202310206926A CN 116437139 A CN116437139 A CN 116437139A
Authority
CN
China
Prior art keywords
teacher
lesson
video
student
recording
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
CN202310206926.5A
Other languages
English (en)
Other versions
CN116437139B (zh
Inventor
黄浩成
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.)
Guangzhou Kaidelian Software Technology Co ltd
Original Assignee
Guangzhou Kaidelian Software 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 Guangzhou Kaidelian Software Technology Co ltd filed Critical Guangzhou Kaidelian Software Technology Co ltd
Priority to CN202310206926.5A priority Critical patent/CN116437139B/zh
Publication of CN116437139A publication Critical patent/CN116437139A/zh
Application granted granted Critical
Publication of CN116437139B publication Critical patent/CN116437139B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/20—Ensemble learning
    • 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
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/433—Content storage operation, e.g. storage operation in response to a pause request, caching operations
    • H04N21/4334—Recording operations
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/76—Television signal recording
    • 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

Abstract

本发明涉及一种课堂视频录制方法、装置、存储介质和设备，通过对教师视频的教师行为以及学生视频的学生行为进行行为识别，根据教师行为识别信息或学生行为识别信息来生成至少一个上课信号，利用预训练的上课识别模型确定教师是否开始上课，并在确定教师开始上课时，生成课堂视频的录制指令并发送至录制终端，使录制终端根据录制指令自动录制课堂视频，本申请可以智能识别教师的真实上课时刻，避免录制到非上课内容的无效镜头，提高课堂视频的录制效率。

Description

课堂视频录制方法、装置、存储介质和设备
技术领域
本发明涉及课堂视频录制领域，尤其是涉及一种课堂视频录制方法、装置、存储介质和设备。
背景技术
随着互联网技术的普及，课堂教学不再局限于线下教学，教师可以通过录制课堂视频并上传至在线教育，实现线上教学。
但是，在录制课堂视频时，可以通过手动点击开始录制或者倒计时结束后开始录制，但是，上述录制方式容易录制到无效镜头，教师往往还需要对录制的课堂视频进行后期剪辑，操作较为不便。
发明内容
本申请实施例提供了一种课堂视频录制方法、装置、存储介质和设备，能够提高课堂视频的录制效率。所述技术方案如下：
第一方面，本申请实施例提供了一种课堂视频录制方法，包括以下步骤：
响应于课堂视频的录制开启指令，获取教师视频和学生视频；
对所述教师视频的教师行为进行行为识别，获取教师行为识别信息；
对所述学生视频的学生行为进行行为识别，获取学生行为识别信息；
基于所述教师行为识别信息或所述学生行为识别信息，生成至少一个上课信号；
基于所述至少一个上课信号，利用预训练的上课识别模型确定教师是否开始上课；
在确定教师开始上课时，生成课堂视频的录制指令并发送至录制终端，使所述录制终端根据所述录制指令录制课堂视频。
第二方面，本申请实施例提供了一种课堂视频录制装置，包括：
视频获取模块，用于响应于课堂视频的录制开启指令，获取教师视频和学生视频；
教师行为识别模块，用于对所述教师视频的教师行为进行行为识别，获取教师行为识别信息；
学生行为识别模块，用于对所述学生视频的学生行为进行行为识别，获取学生行为识别信息；
上课信号生成模块，用于基于所述教师行为识别信息或所述学生行为识别信息，生成至少一个上课信号；
上课识别模块，用于基于所述至少一个上课信号，利用预训练的上课识别模型确定教师是否开始上课；
录制模块，用于在确定教师开始上课时，生成课堂视频的录制指令并发送至录制终端，使所述录制终端根据所述录制指令录制课堂视频。
第三方面，本申请实施例提供了一种计算机可读存储介质，其上储存有计算机程序，该计算机程序被处理器执行时实现如上述任意一项所述的课堂视频录制方法的步骤。
第四方面，本申请实施例提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可被所述处理器执行的计算机程序；
所述处理器执行所述计算机程序时实现如上述任意一项所述的课堂视频录制方法的步骤。
在本申请实施例中，通过对教师视频的教师行为以及学生视频的学生行为进行行为识别，根据教师行为识别信息或学生行为识别信息来生成至少一个上课信号，利用预训练的上课识别模型确定教师是否开始上课，并在确定教师开始上课时，生成课堂视频的录制指令并发送至录制终端，使录制终端根据录制指令自动录制课堂视频，本申请可以智能识别教师的真实上课时刻，避免录制到非上课内容的无效镜头，提高课堂视频的录制效率。
为了更好地理解和实施，下面结合附图详细说明本发明。
附图说明
图1为本发明一个实施例中一种课堂视频录制方法的流程图；
图2为本发明一个实施例中的上课信号的生成过程示意图；
图3为本发明一个实施例中步骤S140的流程图；
图4为本发明另一个实施例中的上课信号的生成过程示意图；
图5为本发明一个实施例中步骤S160的流程图；
图6为本发明另一个实施例中一种课堂视频录制方法的流程图；
图7为本发明一个实施例中一种课堂视频录制装置的结构示意图；
图8为本发明一个实施例中一种电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施例方式作进一步地详细描述。
应当明确，所描述的实施例仅仅是本申请实施例一部分实施例，而不是全部的实施例。基于本申请实施例中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本申请实施例保护的范围。
在本申请实施例使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请实施例。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。在本申请的描述中，需要理解的是，术语“第一”、“第二”、“第三”等仅用于区别类似的对象，而不必用于描述特定的顺序或先后次序，也不能理解为指示或暗示相对重要性。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申请中的具体含义。
此外，在本申请的描述中，除非另有说明，“若干个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
请参阅图1，本申请实施例提供了一种课堂视频录制方法，课堂视频录制方法可以应用在录播设备中，所述方法包括以下步骤：
S101：响应于课堂视频的录制开启指令，获取教师视频和学生视频；
本申请实施例中，录制开启指令可以是教师端发出的用于开启课堂视频录制识别的控制指令。在接收到用户的录制开启指令后，开始获取教师视频和学生视频，并自动执行本申请的课堂视频录制方法，自动判断教师是否开始上课并在识别到教师开始上课时自动对课堂视频进行录制。而当未接收到录制开始指令时，可以是不对课堂视频进行录制，或者，可以采用常规的倒计时录制或者手动开启录制的方式进行课堂视频的录制。
学生视频可以为学生视频录制端采集到的包含至少一个学生的视频。学生视频录制端用于采集学生视频，学生视频录制端可以为摄像头等视频采集设备，摄像头的镜头可以朝向学生，以采集学生上课时的全景画面。
教师视频可以为教师视频录制端采集到的包含教师的视频。教师视频录制端用于采集教师视频，教师视频录制端可以为摄像头等视频采集设备，摄像头的镜头可以朝向教师上课时所在的讲台或黑板的位置，以采集到教师上课时的全景画面或特写画面。S102：对所述教师视频的教师行为进行行为识别，获取教师行为识别信息；
具体地，可以采用预训练的教师行为识别模型来对教师视频中的各个视频帧中的教师行为进行行为识别。
教师行为识别模型可以基于现有的行为识别算法构建，教师行为识别模型可以是用户预先训练的用于识别教师视频中是否存在预设教师行为的模型，通过收集大量包含预设教师行为的视频以及不包含预设教师行为的视频作为训练样本，利用该训练样本对教师行为识别模型进行预训练。
或者，教师行为识别模型可以是用户预选训练的用于获取视频中的教师行为的类型的模型，在利用教师行为识别模型对教师视频的教师行为进行识别后，得到教师视频中教师行为的类型，其中，教师行为的类型可以根据用户的需求进行设置，例如可以为教师在画面居中面对学生、教师背对讲台、教师站在讲台前、教师站在讲台后等。
教师行为识别信息用于确定教师是否执行了预设教师行为，预设教师行为可以包括单个教师行为或者包括多个教师行为，教师行为可以为教师在画面居中面对学生、教师背对讲台、教师站在讲台前、教师站在讲台后等行为。
S103：对所述学生视频的学生行为进行行为识别，获取学生行为识别信息；
具体地，可以采用预训练的学生行为识别模型来对学生视频中的各个视频帧中的学生行为进行行为识别。
学生视频中可以包括单个学生或者多个学生，在对学生视频进行行为识别时，识别到的学生行为识别信息可以是单个学生的行为识别信息或者多个学生的行为识别信息。
具体地，可以采用预训练的学生行为识别模型来对学生视频中的各个视频帧中的学生行为进行行为识别，获取各个视频帧中的预设学生行为的置信度，根据预设学生行为的置信度是否大于预设置信度阈值来确定学生视频中是否存在预设学生行为。
其中，学生行为识别模型可以基于现有的行为识别算法构建，通过收集大量包含预设学生行为的视频以及不包含预设学生行为的视频作为训练样本，利用该训练样本对教师行为识别模型进行预训练得到。
其中，预设学生行为可以包括单个学生的行为或者包括多个学生的行为，具体地，在本申请实施例中，预设学生行为可以是所有学生站立。
S104：基于所述教师行为识别信息或所述学生行为识别信息，生成至少一个上课信号；
本申请中，可以根据教师行为识别信息，生成第一上课信号，根据学生行为识别信息生成第二上课信号，或者，也可以根据教师行为识别信息和学生行为识别信息，生成第三上课信号等。
上课信号可用于识别教师是否正在上课。
S105：基于所述至少一个上课信号，利用预训练的上课识别模型确定教师是否开始上课；
上课识别模型用于根据至少一个上课信号确定教师是否开始上课，其中，上课识别模型可以采用现有的决策算法来确定教师是否开始上课。
具体地，在本申请实施例中，可以对每一个上课信号分别赋予不同的权重，根据加权算法来获取教师开始上课的概率，根据教师开始上课的概率是否大于预设概率阈值来判断教师是否开始上课。
S106：在确定教师开始上课时，生成课堂视频的录制指令并发送至录制终端，使所述录制终端根据所述录制指令录制课堂视频。
录制终端用于响应于录制指令进行课堂视频的录制，本申请中录制终端录制的课堂视频可以是只包含教师上课的课堂视频或者包含教师和学生上课情况的课堂视频。
本申请中可以高效准确地瞄定教师上课时刻，教师无需设置录制倒计时，可以避免教师过长等待倒计时结束或者由于倒计时时长不够而导致未录制到上课镜头导致的内容丢失，录制到的课堂视频可以真实地反映课堂教学内容，无需教师再使用视频编辑软件进行二次编辑，提高课堂视频录制效率。
本申请实施例中，通过对教师视频的教师行为以及学生视频的学生行为进行行为识别，根据教师行为识别信息或学生行为识别信息来生成至少一个上课信号，利用预训练的上课识别模型确定教师是否开始上课，并在确定教师开始上课时，生成课堂视频的录制指令并发送至录制终端，使录制终端根据录制指令自动录制课堂视频，本申请可以智能识别教师的真实上课时刻，避免录制到上课内容的无效镜头，提高课堂视频的录制效率。
步骤S102中，教师行为识别信息用于确定教师视频中是否存在第一教师行为。第一教师行为可以是教师站立在第一指定位置且正面向镜头。
其中，教师是否站立在第一指定位置可以根据教师在教师视频画面中的教师位置信息确定，教师是否面向镜头可以通过检测教师的面部特征得到。
步骤S103中，学生行为识别信息用于确定学生视频中是否存在第一学生行为。第一学生行为可以为常见的学生上课动作，例如起立、鞠躬等行为。
在对学生视频的学生行为进行行为识别后，根据识别到的第一学生行为的置信度，根据置信度是否大于置信度阈值来确定是否存在第一学生行为。具体地，当第一学生行为的置信度大于置信度阈值，确定存在第一学生行为，否则，确定不存在第一学生行为。
具体地，基于所述教师行为识别信息或所述学生行为识别信息，生成至少一个上课信号的步骤具体包括：
基于所述教师行为识别信息，确定是否存在第一教师行为；
若存在第一教师行为，生成第一上课信号；
若不存在第一教师行为，获取教师与目标物的相对位置关系；
若教师与目标物的相对位置关系满足预设的相对位置关系条件，生成第二上课信号；
否则，生成第三上课信号；
基于所述学生行为识别信息，确定是否存在第一学生行为；
若确定存在第一学生行为，生成第四上课信号。
如图2所示，在本申请实施例中，教师视频可以包括全景视频和特写视频，全景视频包括课堂上的全景画面，特写视频可以是固定角度的视频，本申请中可以为对老师进行特写拍摄得到的视频。检测教师视频中是否存在第一教师行为，可以是检测全景视频的全景画面中是否存在第一教师行为，当全景画面中存在第一教师行为的置信度大于第一置信度阈值，认为全景画面中存在第一教师行为，当全景画面中存在第一教师行为的置信度小于或等于第一置信度阈值，认为全景画面中不存在第一教师行为。
第一教师行为用于确定教师处于上课预备状态，第一教师行为可以是当前教师上课前的上课习惯动作，当检测到教师视频中教师出现第一教师行为，表示该教师准备上课的可能性较大，其中，上课习惯动作可以从存储有多个老师的上课习惯动作的云服务器中获取。
具体地，本申请的第一教师行为可以是教师出现在全景画面的中间，且正对学生，即图2所示的【居中站立】，可以认为此时，教师处于上课预备状态，因此，生成第一上课信号。
当检测到不存在第一教师行为时，此时，教师可能是背对黑板，在擦除黑板上的笔迹；或者，教师在准备教具以及布置讲台等教师处于运动状态的情况，若直接根据教师视频中是否存在第一教师行为来进行上课的判断，则容易出现较大的误差。
因此，如图2所示，本申请还可以将通过获取教师的上课方式来进行上课时刻的识别，教师上课方式可以分为传统上课方式和非传统上课方式，其中，传统上课方式可以是指教师在目标物附近上课，非传统上课方式可以是指教师在远离目标物的位置上课。
判断传统上课方式和非传统上课方式可以通过获取教师在教师视频画面中的教师位置信息以及目标物在教师视频画面中的目标物位置信息，从而获取教师与目标物的相对位置关系来确定。
目标物可以为课堂内任意的可用于确定教师的上课位置的物体，例如讲台、黑板等。在本申请实施例中，目标物为智慧黑板。
本申请中，教师与目标物的相对位置关系用于确定教师的上课位置，相对位置关系条件可以用于限制教师与目标物的距离，从而确定教师是否位于目标物附近。
本申请的目标物为智慧黑板，当教师与目标物的相对位置关系满足预设的相对位置关系条件，也即教师与智慧黑板的相对位置关系满足预设的相对位置关系条件，也即认为教师在智慧黑板前上课，也即当前教师以传统上课方式进行上课。
当教师与目标物的相对位置关系不满足预设的相对位置关系条件，也即教师与智慧黑板的相对位置关系不满足预设的相对位置关系条件，认为教师未在智慧黑板前上课，也即当前教师以非传统上课方式进行上课。
本申请中在教师以传统上课方式来上课时，生成第二上课信号，在教师以非传统上课方式上课时，生成第三上课信号，不同的上课信号对应教师的不同上课方式，从而可以根据不同的上课信号得到更加准确的教师上课的判断结果。
本申请中的学生视频可以包括学生全景画面，该学生全景画面可以包含课堂上所有学生上课时的画面。
在本申请实施例中，第一学生行为可以为起立。
在对学生视频的学生行为进行行为识别后，根据学生全景画面中学生起立的置信度是否大于置信度阈值来学生全景画面中是否存在学生起立，当学生全景画面中学生起立的置信度大于置信度阈值，确定学生全景画面中存在学生起立。
如图3所示，当学生全景画面中存在学生起立动作，表示学生已经准备好要上课，此时生成第四上课信号。
在本申请实施例中，在教师视频中存在第一教师行为时，生成第一上课信号，在教师与目标物的相对位置关系满足预设的相对位置关系条件，生成第二上课信号，否则生成第三上课信号，在学生视频中存在第一学生行为时，生成第四上课信号，从而可以根据教师视频中的不同教师行为以及学生视频中的不同学生行为来智能判断教师是否在上课，得到更加真实的上课时刻。
如图2所示，本申请中的特写视频可以用于对位于目标物附近的教师进行特写拍摄得到的视频，当教师不在特写画面中，也即表示教师不在目标物附近，教师以非传统上课方式进行上课，此时生成第三上课信号。
特写画面中是否存在教师，可以通过对特写画面进行人脸识别确定，当特写画面未识别到人脸信息，或者，当特写画面识别到的人脸非教师人脸，确定教师不在特写画面中。
如图3所示，在一个实施例中，在判断教师上课时刻时，还可以结合课堂音频进行判断，课堂音频可以包括教师音频或学生音频，具体地，当检测到课堂音频的音量小于设定音量阈值，也即课堂从嘈杂到安静，认为当前可能开始上课，此时可以生成一个上课信号，提高课堂教学时刻的识别的准确性。
或者，在另一个实施例中，基于所述教师行为识别信息或所述学生行为识别信息，生成至少一个上课信号的步骤还包括：
S141：获取所述教师视频对应的教师音频；
S141：对所述教师音频进行音频检测，若检测到所述教师音频存在教师上课提示语音，生成第五上课信号；
S143：获取所述学生视频对应的学生音频；
S144：对所述学生音频进行音频检测，若检测到所述学生音频存在学生上课提示语音，生成第六上课信号。
步骤S141中，教师音频可以通过对应的教师麦克风采集得到的音频，或者，也可以是直接由教师视频转换得到的教师音频。
步骤S142中，可以采用现有的语音识别算法来对教师音频中是否存在教师上课提示语音进行检测，其中，教师上课提示语音可以为“同学们开始上课”、“上课”或其它教师上课常用语音。
在检测到教师音频中存在教师上课提示语音，生成第五上课信号。
步骤S143中，教师音频可以通过对应的学生麦克风采集得到的音频，或者，也可以是直接由学生视频转换得到的学生音频。
步骤S144中，可以采用现有的语音识别算法来对学生音频中是否存在学生上课提示语音进行检测，其中，学生上课提示语音可以为“老师好”或其它学生上课常用语音。优选地，学生上课提示语音可以为多个学生在齐声朗读时的语音，以提高上课时机的判断的准确性。
在本申请实施例中，当教师音频存在教师上课提示语音时，生成第五上课信号；当学生音频存在学生上课提示语音时，生成第六上课信号，结合课堂上的教师音频和学生音频来综合判断教师是否开始上课，提高教师上课时机识别的准确性。
在一个实施例中，还可以结合课程表的上课时刻来生成上课信号，其中，课程表可以从存储有课程表的服务器或者存储有课程表的教师端获取。
当根据课程表确定15:30分有一节课时，在上课时刻的预设时间之前，例如15:29分，生成一个上课信号，从而启动一系列的服务来进行上课时刻的判断，避免遗漏课堂内容的录制，提高录制的课堂视频的质量。
如图4所示，在一个实施例中，还可以结合录制倒计时来生成上课信号。具体地，本申请的课堂视频录制方法还包括以下步骤：
响应于课堂视频的录制开启指令，开启录制倒计时组件；
在录制倒计时组件的倒计时时间结束时，生成第七上课信号。
基于录制倒计时生成的第七上课信号可以作为一种特殊的上课方式来判断教师的上课时机，录制倒计时组件的倒计时时间可以根据用户需求进行设置。
优选地，录制倒计时的倒计时时间可以根据当前时刻与课程表的上课时刻来确定，其中，课程表可以从存储有课程表的服务器或者存储有课程表的教师端获取，当根据课程表确定15:30分有一节课时，当前时刻为15:25时，可以设置录制倒计时的倒计时时间为5分钟，在录制倒计时组件的倒计时时间结束时，生成第七上课信号，提高上课时刻的判断的准确性。
现有的课堂录播视频，教师在正式上课前通常会有播放一个用于介绍课程相关信息的片头，其中课程相关信息可以包括本节课程的学校、班级、课程名、授课老师等信息，在播放片头后进入真正的课堂教学，现有技术中由于真正录制时间不准确，教师往往需要通过视频编辑软件去掉部分无效内容，使用较为不便。如图5所示，在一个实施例中，生成课堂视频的录制指令的步骤具体包括：
S161：响应于教师端的片头插入指令，获取待插入的片头数据；其中，所述待插入的片头数据包括待插入的片头和所述待插入的片头时长信息；
待插入的片头时长信息用于确定待插入片头的播放长度。
S162：基于所述待插入的片头时长信息确定延时时间，在延时时间之后，生成课堂视频的录制指令并发送至录制终端，使所述录制终端根据所述录制指令录制课堂视频。
本申请根据待插入的片头时长信息确定延时时间，在延时时间之后才开始课堂视频的录制，从而避免录制到片头等与课堂教学无关内容，提高录制的课堂视频的质量。
本申请可以完整地且高效地对教师的教学内容进行录制，方便教师或学生课后的学习回顾。本申请的课堂视频录制方法可以实现课堂视频的实时录制，可以适用于线上教学或直播教学场景，如图6所示，具体地，本申请的课堂视频录制方法可以应用在具有直播推流功能的服务器或设备上，本申请的方法还包括以下步骤：
S170:接收录制终端发送的课堂视频；
S180:将所述课堂视频推送至直播间的观众端，使所述直播间的观众端观看所述课堂视频。
本申请中，在接收到录制终端课堂视频将其推送给直播间的观众端，使直播间的观众端可以实时观看课堂视频来进行线上学习，提高线上教学效率和教学效果。
优选地，本申请的课堂视频录制方法在教师每次上课时，将教师每次上课的所有上课信号、真实上课时刻以及插入的片头等数据与该教师进行绑定，并将上述数据上传至云服务器，上述数据可以用于教师行为识别模型、学生行为识别模型以及上课识别模型的训练，使得上述模型更加贴合实际应用情形，提高教师行为识别模型、学生行为识别模型以及上课识别模型的识别准确率。
具体地，本申请的课堂视频录制方法还包括以下步骤：
记录所述学生行为识别信息、所述教师行为识别信息、教师开始上课的上课时间信息和所述待插入的片头数据，生成教师习惯数据；
获取当前教师的身份信息，将所述教师习惯数据与当前教师的身份信息进行绑定，将所述教师习惯数据与所述身份信息上传至云服务器，使所述云服务器存储所述教师习惯数据与所述身份信息。
本申请的课堂视频录制方法无需教师手动开启视频录制，可以高效准确地瞄定教师的真实上课时刻并自动进行课堂视频的录制，极大地减少了录制视频的垃圾片头，满足教师随心所欲的录课需求；并且，本申请通过形成与教师身份信息绑定的教师习惯数据并上传至云服务器，使得在下次录课时可以更加快速地生成贴合教师授课风格的个性化视频片头，提高课堂视频的录制效率。
请参阅图7，本申请还提供了一种课堂视频录制装置，包括：
视频获取模块101，用于响应于课堂视频的录制开启指令，获取教师视频和学生视频；
教师行为识别模块102，用于对所述教师视频的教师行为进行行为识别，获取教师行为识别信息；
学生行为识别模块103，用于对所述学生视频的学生行为进行行为识别，获取学生行为识别信息；
上课信号生成模块104，用于基于所述教师行为识别信息或所述学生行为识别信息，生成至少一个上课信号；
上课识别模块105，用于基于所述至少一个上课信号，利用预训练的上课识别模型确定教师是否开始上课；
录制模块106，用于在确定教师开始上课时，生成课堂视频的录制指令并发送至录制终端，使所述录制终端根据所述录制指令录制课堂视频。
需要说明的是，上述实施例提供的课堂视频录制装置在执行课堂视频录制方法时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分为不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的课堂视频录制装置与上述实施例的课堂视频录制方法属于同一构思，其体现实现过程详见方法实施例，这里不再赘述。
本申请还提供了一种计算机可读存储介质，其上储存有计算机程序，该计算机程序被处理器执行时实现如上述任意一项所述的课堂视频录制方法的步骤。
本申请可采用在一个或多个其中包含有程序代码的存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。计算机可读储存介质包括永久性和非永久性、可移动和非可移动媒体，可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括但不限于：相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
请参阅图8，本申请还提供了一种电子设备200，包括存储器201、处理器202以及存储在所述存储器201中并可被所述处理器202执行的计算机程序；
所述处理器202执行所述计算机程序时实现如上述任意一项所述的课堂视频录制方法的步骤。
本领域技术人员应该了解，图8示出的电子设备的结构并不构成本申请实施例的限定，既可以是总线型结构，也可以是星形结构，所述电子设备200还可以包括比图示更多或更少的其他硬件或者软件，或者不同的部件布置。
在一些实施例中，所述电子设备200是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路、可编程门阵列、数字处理器及嵌入式设备等。所述电子设备200还可包括客户设备，所述客户设备包括但不限于任何一种可与客户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、数码相机等。
需要说明的是，所述电子设备200仅为举例，其他现有的或今后可能出现的电子产品如可适应于本申请，也应包含在本申请的保护范围以内，并以引用方式包含于此。
所述存储器201包括只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable Read-Only Memory，PROM)、可擦除可编程只读存储器(ErasableProgrammable Read-Only Memory，EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory，OTPROM)、电子擦除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
所述处理器202是所述电子设备200的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备200的各个部件，通过运行或执行存储在所述存储器201内的程序或者模块，以及调用存储在所述存储器201内的数据，以执行电子设备200的各种功能和处理数据。例如，所述处理器202执行所述存储器201中存储的计算机程序时实现本申请实施例中所述的课堂视频录制方法的全部或者部分步骤；或者实现课堂视频录制装置的全部或者部分功能。所述处理器202可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(CentralProcessing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。
本发明并不局限于上述实施方式，如果对本发明的各种改动或变形不脱离本发明的精神和范围，倘若这些改动和变形属于本发明的权利要求和等同技术范围之内，则本发明也意图包含这些改动和变形。

Claims (10)

1.一种课堂视频录制方法，其特征在于，包括以下步骤：
响应于课堂视频的录制开启指令，获取教师视频和学生视频；
对所述教师视频的教师行为进行行为识别，获取教师行为识别信息；
对所述学生视频的学生行为进行行为识别，获取学生行为识别信息；
基于所述教师行为识别信息或所述学生行为识别信息，生成至少一个上课信号；
基于所述至少一个上课信号，利用预训练的上课识别模型确定教师是否开始上课；
在确定教师开始上课时，生成课堂视频的录制指令并发送至录制终端，使所述录制终端根据所述录制指令录制课堂视频。
2.根据权利要求1所述的课堂视频录制方法，其特征在于，基于所述教师行为识别信息或所述学生行为识别信息，生成至少一个上课信号的步骤具体包括：
基于所述教师行为识别信息，确定是否存在第一教师行为；
若存在第一教师行为，生成第一上课信号；
若不存在第一教师行为，获取教师与目标物的相对位置关系；
若教师与目标物的相对位置关系满足预设的相对位置关系条件，生成第二上课信号；
否则，生成第三上课信号；
基于所述学生行为识别信息，确定是否存在第一学生行为；
若确定存在第一学生行为，生成第四上课信号。
3.根据权利要求1所述的课堂视频录制方法，其特征在于，基于所述教师行为识别信息或所述学生行为识别信息，生成至少一个上课信号的步骤还包括：
获取所述教师视频对应的教师音频；
对所述教师音频进行音频检测，若检测到所述教师音频存在教师上课提示语音，生成第五上课信号；
获取所述学生视频对应的学生音频；
对所述学生音频进行音频检测，若检测到所述学生音频存在学生上课提示语音，生成第六上课信号。
4.根据权利要求1所述的课堂视频录制方法，其特征在于，还包括以下步骤：
响应于课堂视频的录制开启指令，开启录制倒计时组件；
在录制倒计时组件的倒计时时间结束时，生成第七上课信号。
5.根据权利要求1所述的课堂视频录制方法，其特征在于，还包括以下步骤：
接收录制终端发送的课堂视频；
将所述课堂视频推送至直播间的观众端，使所述直播间的观众端观看所述课堂视频。
6.根据权利要求1所述的课堂视频录制方法，其特征在于，生成课堂视频的录制指令的步骤具体包括：
响应于教师端的片头插入指令，获取待插入的片头数据；其中，所述待插入的片头数据包括待插入的片头和所述待插入的片头时长信息；
基于所述待插入的片头时长信息确定延时时间，在延时时间之后，生成课堂视频的录制指令并发送至录制终端，使所述录制终端根据所述录制指令录制课堂视频。
7.根据权利要求6所述的课堂视频录制方法，其特征在于，还包括以下步骤：
记录所述学生行为识别信息、所述教师行为识别信息、教师开始上课的上课时间信息和所述待插入的片头数据，生成教师习惯数据；
获取当前教师的身份信息，将所述教师习惯数据与当前教师的身份信息进行绑定，将所述教师习惯数据与所述身份信息上传至云服务器，使所述云服务器存储所述教师习惯数据与所述身份信息。
8.一种课堂视频录制装置，其特征在于，包括：
视频获取模块，用于响应于课堂视频的录制开启指令，获取教师视频和学生视频；
教师行为识别模块，用于对所述教师视频的教师行为进行行为识别，获取教师行为识别信息；
学生行为识别模块，用于对所述学生视频的学生行为进行行为识别，获取学生行为识别信息；
上课信号生成模块，用于基于所述教师行为识别信息或所述学生行为识别信息，生成至少一个上课信号；
上课识别模块，用于基于所述至少一个上课信号，利用预训练的上课识别模型确定教师是否开始上课；
录制模块，用于在确定教师开始上课时，生成课堂视频的录制指令并发送至录制终端，使所述录制终端根据所述录制指令录制课堂视频。
9.一种计算机可读存储介质，其上储存有计算机程序，其特征在于：该计算机程序被处理器执行时实现如权利要求1-7任意一项所述的课堂视频录制方法的步骤。
10.一种电子设备，其特征在于，包括存储器、处理器以及存储在所述存储器中并可被所述处理器执行的计算机程序；
所述处理器执行所述计算机程序时实现如权利要求1-7中任意一项所述的课堂视频录制方法的步骤。
CN202310206926.5A 2023-03-06 2023-03-06 课堂视频录制方法、装置、存储介质和设备 Active CN116437139B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310206926.5A CN116437139B (zh) 2023-03-06 2023-03-06 课堂视频录制方法、装置、存储介质和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310206926.5A CN116437139B (zh) 2023-03-06 2023-03-06 课堂视频录制方法、装置、存储介质和设备

Publications (2)

Publication Number Publication Date
CN116437139A true CN116437139A (zh) 2023-07-14
CN116437139B CN116437139B (zh) 2024-04-12

Family

ID=87080506

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310206926.5A Active CN116437139B (zh) 2023-03-06 2023-03-06 课堂视频录制方法、装置、存储介质和设备

Country Status (1)

Country Link
CN (1) CN116437139B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117576604A (zh) * 2023-11-06 2024-02-20 广东星海信息科技有限公司 基于图像识别的课堂互动方法和装置

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060228692A1 (en) * 2004-06-30 2006-10-12 Panda Computer Services, Inc. Method and apparatus for effectively capturing a traditionally delivered classroom or a presentation and making it available for review over the Internet using remote production control
CN103428461A (zh) * 2013-08-16 2013-12-04 北京中广上洋科技股份有限公司 一种授课影像录制的系统和方法
CN103680257A (zh) * 2013-11-29 2014-03-26 广州华多网络科技有限公司 通信软件自动录制课程的方法及其系统
CN104038717A (zh) * 2014-06-26 2014-09-10 北京小鱼儿科技有限公司 一种智能录制系统
CN106991850A (zh) * 2017-04-26 2017-07-28 广东小天才科技有限公司 一种作业布置过程的共享方法及装置
CN107507474A (zh) * 2016-06-14 2017-12-22 广东紫旭科技有限公司 一种远程交互式录播系统视频切换方法
CN208257968U (zh) * 2018-05-10 2018-12-18 潍坊核变文化传播有限公司 一种精品课程智能录播系统
CN111079113A (zh) * 2019-12-13 2020-04-28 柳州铁道职业技术学院 一种人工智能控制的教学系统及其使用方法
CN111429768A (zh) * 2020-03-17 2020-07-17 安徽爱学堂教育科技有限公司 一种基于教学录播的知识点拆分集成方法和系统
CN211699286U (zh) * 2020-04-24 2020-10-16 江苏乾鲲教学设备有限公司 一种全自动智能录播教室
CN114708525A (zh) * 2022-03-04 2022-07-05 河北工程大学 一种基于深度学习的学生课堂行为识别方法及系统

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060228692A1 (en) * 2004-06-30 2006-10-12 Panda Computer Services, Inc. Method and apparatus for effectively capturing a traditionally delivered classroom or a presentation and making it available for review over the Internet using remote production control
CN103428461A (zh) * 2013-08-16 2013-12-04 北京中广上洋科技股份有限公司 一种授课影像录制的系统和方法
CN103680257A (zh) * 2013-11-29 2014-03-26 广州华多网络科技有限公司 通信软件自动录制课程的方法及其系统
CN104038717A (zh) * 2014-06-26 2014-09-10 北京小鱼儿科技有限公司 一种智能录制系统
CN107507474A (zh) * 2016-06-14 2017-12-22 广东紫旭科技有限公司 一种远程交互式录播系统视频切换方法
CN106991850A (zh) * 2017-04-26 2017-07-28 广东小天才科技有限公司 一种作业布置过程的共享方法及装置
CN208257968U (zh) * 2018-05-10 2018-12-18 潍坊核变文化传播有限公司 一种精品课程智能录播系统
CN111079113A (zh) * 2019-12-13 2020-04-28 柳州铁道职业技术学院 一种人工智能控制的教学系统及其使用方法
CN111429768A (zh) * 2020-03-17 2020-07-17 安徽爱学堂教育科技有限公司 一种基于教学录播的知识点拆分集成方法和系统
CN211699286U (zh) * 2020-04-24 2020-10-16 江苏乾鲲教学设备有限公司 一种全自动智能录播教室
CN114708525A (zh) * 2022-03-04 2022-07-05 河北工程大学 一种基于深度学习的学生课堂行为识别方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
万三友;何富平;: "课堂教学全自动录播系统的设计", 九江学院学报(自然科学版), no. 02 *
陈宗让;李晓铭;: "课堂教学自动录播系统图像跟踪技术研究", 现代教育技术, no. 07 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117576604A (zh) * 2023-11-06 2024-02-20 广东星海信息科技有限公司 基于图像识别的课堂互动方法和装置

Also Published As

Publication number Publication date
CN116437139B (zh) 2024-04-12

Similar Documents

Publication Publication Date Title
US11151892B2 (en) Internet teaching platform-based following teaching system
US20200286396A1 (en) Following teaching system having voice evaluation function
CN109801194B (zh) 一种具有远程评价功能的跟随教学方法
CN109960809B (zh) 一种听写内容的生成方法及电子设备
CN113691836B (zh) 视频模板生成方法、视频生成方法、装置和电子设备
CN116437139B (zh) 课堂视频录制方法、装置、存储介质和设备
CN108090424B (zh) 一种在线教学调研方法及设备
CN109410984B (zh) 一种朗读评分的方法及电子设备
CN111898881A (zh) 一种课堂教学质量评估方法、装置、设备及存储介质
CN110827856A (zh) 授课的测评方法
CN111081117A (zh) 一种书写检测方法及电子设备
CN111081103B (zh) 一种听写答案获取方法、家教设备及存储介质
CN113657509B (zh) 教学训练提升方法、装置、终端和存储介质
CN112153421A (zh) 数据处理方法、装置、系统、电子设备及存储介质
CN112055257B (zh) 视频课堂的互动方法、装置、设备及存储介质
CN104170367A (zh) 虚拟快门图像捕获
CN114786032B (zh) 一种培训视频管理方法及系统
CN111081088A (zh) 一种听写字词收录方法及电子设备
CN114546939A (zh) 会议纪要生成方法、装置、电子设备和可读存储介质
CN111078890B (zh) 一种生字词的收集方法及电子设备
CN114863448A (zh) 答题统计方法、装置、设备及存储介质
CN111078992B (zh) 一种听写内容生成方法及电子设备
CN111028560A (zh) 一种学习应用中功能模块的开启方法及电子设备
JP7069550B2 (ja) 講義映像分析装置、講義映像分析システム、方法およびプログラム
CN111601125A (zh) 录播视频摘要生成方法、装置、电子设备及可读存储介质

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