CN117056546A - 一种基于图像模拟的在线教育方法、系统及存储介质 - Google Patents

一种基于图像模拟的在线教育方法、系统及存储介质 Download PDF

Info

Publication number
CN117056546A
CN117056546A CN202311025803.8A CN202311025803A CN117056546A CN 117056546 A CN117056546 A CN 117056546A CN 202311025803 A CN202311025803 A CN 202311025803A CN 117056546 A CN117056546 A CN 117056546A
Authority
CN
China
Prior art keywords
information
user
knowledge
scene
educational
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.)
Withdrawn
Application number
CN202311025803.8A
Other languages
English (en)
Inventor
龚媛媛
蔡蓓
邓越
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.)
Jiangxi Normal University
Original Assignee
Jiangxi Normal University
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 Jiangxi Normal University filed Critical Jiangxi Normal University
Priority to CN202311025803.8A priority Critical patent/CN117056546A/zh
Publication of CN117056546A publication Critical patent/CN117056546A/zh
Withdrawn legal-status Critical Current

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • G06F16/535—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • G06F16/538—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F8/00—Arrangements for software engineering
    • G06F8/30—Creation or generation of source code
    • G06F8/33—Intelligent editors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F8/00—Arrangements for software engineering
    • G06F8/30—Creation or generation of source code
    • G06F8/38—Creation or generation of source code for implementing user interfaces
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • 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

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Educational Technology (AREA)
  • Educational Administration (AREA)
  • Strategic Management (AREA)
  • Databases & Information Systems (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Geometry (AREA)
  • Human Computer Interaction (AREA)
  • Computer Graphics (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于图像模拟的在线教育方法、系统及存储介质，包括：获取教育主题信息，通过三维建模技术结合图像模拟技术进行主题场景构建；构建教育资源数据库，将所述教育主题信息和教育资源数据库与主题场景进行结合，使主题场景与对应教育资源数据进行关联；获取用户实时状态信息，进行学习状态分析，根据学习状态分析结果生成对应提示指令进行提醒；获取用户使用数据，进行综合评估，根据评估结果分析用户的知识掌握程度，制定学习方案并推荐互助学习用户。提供更真实、更有趣、更个性化的学习体验，同时增强了学习的趣味性和互动性。

Description

一种基于图像模拟的在线教育方法、系统及存储介质
技术领域
本发明涉及在线教育技术领域，尤其涉及一种基于图像模拟的在线教育方法、系统及存储介质。
背景技术
图像模拟技术作为一项前沿技术，具有极大的潜力来解决在线教育面临的挑战。图像模拟技术能够创造出逼真的虚拟场景，使使用者者能够身临其境地进行使用，同时，使用者还能再在虚拟环境中进行实时协作，共同解决问题、进行讨论，增强学习的趣味性和互动性。此外，图像模拟技术还可以实现对学习者学习状态的监测和分析，为个性化学习提供更准确的指导和推荐。
随着信息技术和网络的不断发展，在线教育正逐渐成为教育领域的一大趋势。传统的教育方式面临着地域限制、时间限制等问题，而在线教育的便利性和灵活性为学习者提供了更多选择。因此如何解决学习体验的欠缺、难以模拟真实场景以及个性化指导的不足等困难是一个重要问题。
发明内容
本发明克服了现有技术的缺陷，提供了一种基于图像模拟的在线教育方法、系统及存储介质，其主要目的在于提供更加生动直观的教学体验，增强学生学习兴趣和理解能力。
为实现上述目的，本发明第一方面提供了一种基于图像模拟的在线教育方法，包括：
获取教育主题信息，通过三维建模技术结合图像模拟技术进行主题场景构建；
构建教育资源数据库，将所述教育主题信息和教育资源数据库与主题场景进行结合，使主题场景与对应教育资源数据进行关联；
获取用户实时状态信息，进行学习状态分析，根据学习状态分析结果生成对应提示指令进行提醒；
获取用户使用数据，进行综合评估，根据评估结果分析用户的知识掌握程度，制定学习方案并推荐互助学习用户。
本方案中，所述获取教育主题信息，通过三维建模技术结合图像模拟技术进行主题场景构建，具体为：
获取教育主题信息，根据所述教育主题信息进行概念设计，包括场景元素、场景角色和场景环境设计，得到场景概念信息；
根据所述教育主题信息基于大数据检索获取教育主题相关资料，得到教育主题资料信息；
基于三维建模技术和图像模拟技术，根据所述教育主题信息、场景概念信息和教育主题资料信息进行场景搭建和交互按钮设计，得到主题场景模型；
基于骨骼动画技术和物理引擎结合所述场景概念信息对主题场景模型进行场景动态设计，通过在时间轴中设置关键帧结合线性插值动画技术进行动态设计，并设定动画循环时间实现持续动态变化，得到场景动态模型。
本方案中，所述构建教育资源数据库，将所述教育主题信息和教育资源数据库与主题场景进行结合，使主题场景与对应教育资源数据进行关联，具体为:
获取教育主题信息和场景概念信息，通过大数据检索获取与所述教育主题信息和场景概念信息相关的教育资料，包括图像、视频和教育课程，构成教育资源数据库；
构建特征提取模型，通过特征提取模型对教育资源数据库中的教育资源数据进行特征提取并对提取后的特征信息进行标准化处理，得到教育资源特征信息；
根据所述教育资源特征信息计算各特征向量的平均值，作为均值向量，通过各均值向量计算协方差矩阵，得到协方差矩阵信息和均值向量信息；
基于主成分分析算法进行数据降维，对所述协方差矩阵信息进行特征值分解，得到特征值和对应的特征向量；
预设目标维度，根据目标维度选取最大的K个特征值并将对应的特征向量作为主成分向量构成主成分矩阵，得到特征表示信息；
获取场景主题信息，通过特征提取模型对场景主题信息进行特征提取，并进行数据降维，将场景主题信息在主成分空间进行映射表示，得到主题表示信息；
基于马氏距离算法计算特征表示信息和主题表示信息的马氏距离，得到马氏距离信息；
预设关联度阈值，将所述马氏距离信息与关联度阈值进行判断，将教育资源特征信息对应的教育资源数据与主题场景进行关联，得到场景数据关联信息。
本方案中，所述获取用户实时状态信息，进行学习状态分析，根据学习状态分析结果生成对应提示指令进行提醒，具体为：
获取用户实时状态信息，包括用户实时眼球信息、用户实时头部信息、屏幕与用户之间的距离信息和距离持续时间信息；
基于凝视点识别算法进行注意力分析，预设速度阈值，根据速度阈值对所述用户实时状态信息进行凝视点计算，生成凝视点轨迹，根据凝视点轨迹绘制凝视点密度图，
通凝视点密度图进行注意力分析，根据凝视点的区域密度大小判断注意力是否集中，得到注意力分析信息；
预设距离判断阈值和持续时间判断阈值，将所述用户实时状态信息与距离判断阈值进行判断分析，得到距离分析信息；
若距离分析信息为距离过近，则将距离持续时间信息与持续时间判断阈值进行判断，得到判断结果信息；
若距离持续时间大于持续时间判断阈值，则得到用户与屏幕之间的距离过近的判断结果信息；
若距离持续时间小于持续时间判断阈值，则得到用户与屏幕之间的距离合适的判断结果信息；
构建疲劳分析模型，将所述用户实时状态信息导入疲劳分析模型进行分析，判断用户的头部是否低垂以及用户是否表现出疲劳的面部表情，得到疲劳分析信息；
根据所述注意力分析信息、判断结果信息和疲劳分析信息生成对应的提示指令，通过提示指令提醒用户保持良好的学习状态。
本方案中，所述，进行综合评估，根据评估结果分析用户的知识掌握程度，具体为：
获取用户使用信息，所述用户使用信息包括：用户学习时长信息、难点标记信息、练习题信息、课程进度信息、用户交互信息和主题场景使用信息；
预设若干时长判断阈值和进度判断阈值，将所述用户使用信息分别与时长判断阈值和进度判断阈值进行判断，得到判断结果信息；
根据不同的时长判断阈值和进度判断阈值分别设定对应的评估分数，结合判断结果信息计算学习时长评估分数和课程进度评估分数，得到评估分数信息；
基于统计学算法对根据用户使用信息进行主题场景使用统计，根据统计结果进行排序，预设选取阈值，选取统计次数大于选取阈值的作为用户偏好主题场景，得到偏好主题评估信息；
根据所述判断结果信息、评估分数信息和偏好主题评估信息进行综合评估，得到综合评估结果信息；
通过难点标记信息和练习题信息进行知识掌握程度分析，通过分析用户练习题成绩结合难点标记信息判断用户的知识掌握程度，得到第一知识掌握程度信息；
获取判断结果信息，提取所述判断结果信息中的课程进度判断信息作为第二知识掌握程度信息；
结合第一知识掌握程度信息和第二知识掌握程度信息得到知识掌握程度分析信息。
本方案中，所述制定学习方案并推荐互助学习用户，具体为：
获取综合评估信息、知识掌握程度分析信息和用户交互信息；
根据所述知识掌握程度信息和综合评估信息分析知识点的掌握程度，得到知识优劣分析信息；
根据知识优劣分析信息结合知识掌握程度信息进行学习方案制定，包括知识加强学习方案、知识补强学习方案和知识拓展学习方案；
通过知识掌握程度信息和知识优劣分析信息分析知识属性，通过综合评估信息和用户交互信息分析社交属性和偏好属性，通过综合评估信息、知识掌握程度和用户交互信息分析能力属性；
结合知识属性、社交属性、能力属性和偏好属性构建用户画像，得到用户画像信息；
获取社交期望信息，基于所述用户画像信息结合社交期望信息进行用户匹配，得到候选推荐用户信息；
根据候选推荐用户信息对各候选推荐用户与目标用户进行相似度计算，得到相似度值；
获取专家知识数据，根据专家知识数据设定契合度权重，通过契合度权重对相似度值进行加权计算，得到契合度分数信息；
预设契合度分数阈值，对契合度分数信息进行排序，根据契合度分数阈值选取候选推荐互助用户，作为最终推荐用户，得到最终推荐用户信息；
根据最终推荐用户信息进行互助学习用户推荐。
本发明第二方面提供了一种基于图像模拟的在线教育系统，该系统包括：存储器、处理器，所述存储器中包含基于图像模拟的在线教育方法程序，所述基于图像模拟的在线教育方法程序被所述处理器执行时实现如下步骤：
获取教育主题信息，通过三维建模技术结合图像模拟技术进行主题场景构建；
构建教育资源数据库，将所述教育主题信息和教育资源数据库与主题场景进行结合，使主题场景与对应教育资源数据进行关联；
获取用户实时状态信息，进行学习状态分析，根据学习状态分析结果生成对应提示指令进行提醒；
获取用户使用数据，进行综合评估，根据评估结果分析用户的知识掌握程度，制定学习方案并推荐互助学习用户。
本发明第三方面还提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括基于图像模拟的在线教育方法程序，所述基于图像模拟的在线教育方法程序被处理器执行时，实现任一项所述的基于图像模拟的在线教育方法的步骤。
本发明公开了一种基于图像模拟的在线教育方法、系统及存储介质，包括：获取教育主题信息，通过三维建模技术结合图像模拟技术进行主题场景构建；构建教育资源数据库，将所述教育主题信息和教育资源数据库与主题场景进行结合，使主题场景与对应教育资源数据进行关联；获取用户实时状态信息，进行学习状态分析，根据学习状态分析结果生成对应提示指令进行提醒；获取用户使用数据，进行综合评估，根据评估结果分析用户的知识掌握程度，制定学习方案并推荐互助学习用户。提供更真实、更有趣、更个性化的学习体验，同时增强了学习的趣味性和互动性。
附图说明
为了更清楚地说明本发明实施例或示例性中的技术方案，下面将对实施例或示例性描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以按照这些附图示出的获得其他的附图。
图1为本发明一实施例提供的一种基于图像模拟的在线教育方法流程图；
图2为本发明一实施例提供的互助学习用户推荐方法流程图；
图3为本发明一实施例提供的一种基于图像模拟的在线教育系统框图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1为本发明一实施例提供的一种基于图像模拟的在线教育方法流程图；
如图1所示，本发明提供了一种基于图像模拟的在线教育方法流程图，包括：
S102，获取教育主题信息，通过三维建模技术结合图像模拟技术进行主题场景构建；
获取教育主题信息，根据所述教育主题信息进行概念设计，包括场景元素、场景角色和场景环境设计，得到场景概念信息；
根据所述教育主题信息基于大数据检索获取教育主题相关资料，得到教育主题资料信息；
基于三维建模技术和图像模拟技术，根据所述教育主题信息、场景概念信息和教育主题资料信息进行场景搭建和交互按钮设计，得到主题场景模型；
基于骨骼动画技术和物理引擎结合所述场景概念信息对主题场景模型进行场景动态设计，通过在时间轴中设置关键帧结合线性插值动画技术进行动态设计，并设定动画循环时间实现持续动态变化，得到场景动态模型。
需要说明的是，通过明确教育的主题，例如科学实验、历史事件、艺术创作等。基于这个主题，进行概念设计，明确场景的元素、角色和环境，从而确定场景的基本构成要素。然后，利用大数据检索，获取与教育主题相关的资料，包括文字、图片、视频等。这些资料可以作为场景的参考和内容支撑，丰富场景的内容。接着，基于所得教育主题信息、概念设计和教育主题资料，使用三维建模技术设计虚拟环境中的物体、景物、人物等元素，构建主题场景模型，并利用骨骼动画技术和物理引擎，为主题场景模型赋予动态效果，通过设置关键帧，利用线性插值动画技术，使场景中的元素能够在时间轴上进行动态变化，包括人物行走、物体运动、天气变化等。同时，考虑到用户的交互，设计交互按钮，用于用户在场景中进行操作、切换视角等。提供了逼真的教育体验，促进学习者的兴趣和理解，丰富了在线教育的内容和交互性。
S104，构建教育资源数据库，将所述教育主题信息和教育资源数据库与主题场景进行结合，使主题场景与对应教育资源数据进行关联；
获取教育主题信息和场景概念信息，通过大数据检索获取与所述教育主题信息和场景概念信息相关的教育资料，包括图像、视频和教育课程，构成教育资源数据库；
构建特征提取模型，通过特征提取模型对教育资源数据库中的教育资源数据进行特征提取并对提取后的特征信息进行标准化处理，得到教育资源特征信息；
根据所述教育资源特征信息计算各特征向量的平均值，作为均值向量，通过各均值向量计算协方差矩阵，得到协方差矩阵信息和均值向量信息；
基于主成分分析算法进行数据降维，对所述协方差矩阵信息进行特征值分解，得到特征值和对应的特征向量；
预设目标维度，根据目标维度选取最大的K个特征值并将对应的特征向量作为主成分向量构成主成分矩阵，得到特征表示信息；
获取场景主题信息，通过特征提取模型对场景主题信息进行特征提取，并进行数据降维，将场景主题信息在主成分空间进行映射表示，得到主题表示信息；
基于马氏距离算法计算特征表示信息和主题表示信息的马氏距离，得到马氏距离信息；
预设关联度阈值，将所述马氏距离信息与关联度阈值进行判断，将教育资源特征信息对应的教育资源数据与主题场景进行关联，得到场景数据关联信息。
需要说明的是，采用主成分分析算法和马氏距离算法将教育资源数据库中的教育资源数据与对应的主题场景进行关联，在用户使用交互按钮的时候可以迅速的找到对应的教育资源；通过主成分分析算法将提取的特征数据进行降维，减少计算量，通过马氏距离算法进行相关性分析，根据教育资源数据与主题场景的马氏距离进行相关性分析，实现多维度教育资源数据的整理与关联，将教育资源数据库中的数据与主题场景进行有针对性的匹配，提高教育资源的有效性，为学习者提供与主题相关的丰富学习材料，进一步增强在线教育的个性化和针对性。
S106，获取用户实时状态信息，进行学习状态分析，根据学习状态分析结果生成对应提示指令进行提醒；
获取用户实时状态信息，包括用户实时眼球信息、用户实时头部信息、屏幕与用户之间的距离信息和距离持续时间信息；
基于凝视点识别算法进行注意力分析，预设速度阈值，根据速度阈值对所述用户实时状态信息进行凝视点计算，生成凝视点轨迹，根据凝视点轨迹绘制凝视点密度图，
通凝视点密度图进行注意力分析，根据凝视点的区域密度大小判断注意力是否集中，得到注意力分析信息；
预设距离判断阈值和持续时间判断阈值，将所述用户实时状态信息与距离判断阈值进行判断分析，得到距离分析信息；
若距离分析信息为距离过近，则将距离持续时间信息与持续时间判断阈值进行判断，得到判断结果信息；
若距离持续时间大于持续时间判断阈值，则得到用户与屏幕之间的距离过近的判断结果信息；
若距离持续时间小于持续时间判断阈值，则得到用户与屏幕之间的距离合适的判断结果信息；
构建疲劳分析模型，将所述用户实时状态信息导入疲劳分析模型进行分析，判断用户的头部是否低垂以及用户是否表现出疲劳的面部表情，得到疲劳分析信息；
根据所述注意力分析信息、判断结果信息和疲劳分析信息生成对应的提示指令，通过提示指令提醒用户保持良好的学习状态。
需要说明的是，基于凝视点识别算法，根据速度阈值计算用户的凝视点并生成凝视点轨迹，速度阈值用于判断用户眼球移动，根据用户眼球移动速率判断用户是否处于注意力分散状态。通过绘制凝视点密度图，进行注意力分析，判断用户的注意力集中度。密度图中区域密度大小可以反映用户注意力的分布情况。通过判断用户与屏幕之间的距离信息是否符合预设的距离判断阈值。若距离过近，进一步判断距离持续时间是否超过持续时间判断阈值，以确定用户是否保持合适的距离。通过疲劳分析模型分析用户的头部姿势和面部表情，判断用户是否表现出头部低垂和疲劳的面部表情，以评估用户的疲劳程度。基于注意力分析、距离分析和疲劳分析的结果，生成相应的提示指令。例如，如果注意力不集中或出现疲劳迹象，系统可以发出提醒，建议用户适当休息或调整姿势。如果距离过近，系统也会根据情况提醒用户保持适当距离。通过全面的分析，及时发现注意力分散和疲劳等问题，并提供个性化的提示指令，以帮助用户保持良好的学习状态，提高学习效率和舒适度，有助于提供更优质的在线教育体验。
S108，获取用户使用数据，进行综合评估，根据评估结果分析用户的知识掌握程度，制定学习方案并推荐互助学习用户；
获取用户使用信息，所述用户使用信息包括：用户学习时长信息、难点标记信息、练习题信息、课程进度信息、用户交互信息和主题场景使用信息；
预设若干时长判断阈值和进度判断阈值，将所述用户使用信息分别与时长判断阈值和进度判断阈值进行判断，得到判断结果信息；
根据不同的时长判断阈值和进度判断阈值分别设定对应的评估分数，结合判断结果信息计算学习时长评估分数和课程进度评估分数，得到评估分数信息；
基于统计学算法对根据用户使用信息进行主题场景使用统计，根据统计结果进行排序，预设选取阈值，选取统计次数大于选取阈值的作为用户偏好主题场景，得到偏好主题评估信息；
根据所述判断结果信息、评估分数信息和偏好主题评估信息进行综合评估，得到综合评估结果信息；
通过难点标记信息和练习题信息进行知识掌握程度分析，通过分析用户练习题成绩结合难点标记信息判断用户的知识掌握程度，得到第一知识掌握程度信息；
获取判断结果信息，提取所述判断结果信息中的课程进度判断信息作为第二知识掌握程度信息；
结合第一知识掌握程度信息和第二知识掌握程度信息得到知识掌握程度分析信息；
获取综合评估信息、知识掌握程度分析信息和用户交互信息；
根据所述知识掌握程度信息和综合评估信息分析知识点的掌握程度，得到知识优劣分析信息；
根据知识优劣分析信息结合知识掌握程度信息进行学习方案制定，包括知识加强学习方案、知识补强学习方案和知识拓展学习方案；
通过知识掌握程度信息和知识优劣分析信息分析知识属性，通过综合评估信息和用户交互信息分析社交属性和偏好属性，通过综合评估信息、知识掌握程度和用户交互信息分析能力属性；
结合知识属性、社交属性、能力属性和偏好属性构建用户画像，得到用户画像信息；
获取社交期望信息，基于所述用户画像信息结合社交期望信息进行用户匹配，得到候选推荐用户信息；
根据候选推荐用户信息对各候选推荐用户与目标用户进行相似度计算，得到相似度值；
获取专家知识数据，根据专家知识数据设定契合度权重，通过契合度权重对相似度值进行加权计算，得到契合度分数信息；
预设契合度分数阈值，对契合度分数信息进行排序，根据契合度分数阈值进行用户选取，作为最终推荐用户，得到最终推荐用户信息；
根据最终推荐用户信息进行互助学习用户推荐。
进一步的，获取知识掌握程度信息和知识优劣分析信息，根据所述知识掌握程度信息和知识优劣分析信息分析用户薄弱知识点，得到薄弱知识点信息；获取教育课程信息，基于马氏距离算法和主成分分析算法根据薄弱知识点信息对所述教育课程信息进行知识点关联性分析；通过计算薄弱知识点信息与教育课程信息的马氏距离，作为相关性分数，得到关联性分数信息；对所述关联性分数信息进行排序，得到关联性分数图；预设选择阈值，根据选择阈值对关联性分数图进行选择，得到关联知识点信息，包括知识点信息和关联性分数信息；基于BP神经网络构建学习影响程度预测模型，将所述关联知识点信息、教育课程信息和能力属性导入学习影响程度预测模型进行预测，得到预测结果信息；根据预测结果信息进行知识补强学习方案制定，调整后续练习题难度和教学进度，保证用户熟练掌握知识点，提高在线教育质量。
需要说明的是，根据预设的时长判断阈值和进度判断阈值，将用户使用信息与这些阈值进行判断，得到判断结果信息。然后根据不同的阈值，设定相应的评估分数，结合判断结果信息计算学习时长评估分数和课程进度评估分数，得到评估分数信息。使用统计学算法对主题场景的使用情况进行统计分析，设定阈值，选取统计次数大于阈值的主题场景作为用户的偏好主题。这些偏好主题可以反映用户在学习过程中感兴趣的方向。基于判断结果信息、评估分数信息和主题场景偏好信息进行综合评估，得到综合评估结果信息。综合考虑用户的学习时长、进度、偏好等因素，提供更全面的用户分析。通过用户标记的难点和练习题成绩，结合课程进度判断信息，分析用户的知识掌握程度。这一分析能够较为准确地判断用户在知识点上的掌握程度。基于知识掌握程度信息和知识优劣分析信息，制定个性化的学习方案，包括知识加强、补强和拓展学习方案，帮助用户在特定方面提升。通过分析得到的知识属性、社交属性、能力属性和偏好属性反映用户的学习、社交特点和能力水平。基于用户画像和社交期望信息进行用户匹配，优先匹配与目标用户社交属性和偏好属性的用户，然后根据社交期望信息、知识属性和能力属性进行筛选，选取合适的互助用户作为候选推荐用户，并计算候选推荐用户与目标用户的相似度，基于专家知识数据设定契合度权重，通过契合度权重对相似度值进行加权计算，得到契合度分数信息。根据契合度分数阈值选取候选推荐用户，作为最终推荐用户，用于互助学习。帮助用户更高效、更有效地进行学习，同时促进用户间的互助和合作，提升整个在线教育生态的质量。
图2为本发明一实施例提供的互助学习用户推荐方法流程图；
如图2所示，本发明提供了互助学习用户推荐方法流程图，包括:
S202，进行知识优劣分析，得到知识优劣分析信息；
根据所述知识掌握程度信息和综合评估信息分析知识点的掌握程度，得到知识优劣分析信息。
S204，进行目标用户属性分析；
通过知识掌握程度信息和知识优劣分析信息分析知识属性，通过综合评估信息和用户交互信息分析社交属性和偏好属性，通过综合评估信息、知识掌握程度和用户交互信息分析能力属性。
需要说明的是，知识掌握程度信息和知识优劣信息可以得到用户的知识点掌握程度，例如某个知识点或知识板块的掌握程度为生疏、中等或熟练，从而判断出目标用户的知识属性，比如文科或理科等类别；综合评估信息和用户交互信息可以得到用户学习偏好主题和互动信息，从而判断目标用户的社交属性和偏好属性；用户的能力属性为用户的逻辑能力、沟通能力和学习能力等，通过多方面的判断进而得出的综合属性，用于判断用户的个人能力，便于更好的推荐互补互助用户进行学习。
S206，根据目标用户属性构建用户画像，并结合社交期望信息进行用户匹配；
结合知识属性、社交属性、能力属性和偏好属性构建用户画像，得到用户画像信息；
基于所述用户画像信息结合社交期望信息进行用户匹配，得到候选推荐用户信息。
S208，计算候选推荐用户与目标用户的社交契合度，对候选推荐用户进行加权计算；
获取社交期望信息，基于所述用户画像信息结合社交期望信息进行用户匹配，得到候选推荐用户信息；
根据候选推荐用户信息对各候选推荐用户与目标用户进行相似度计算，得到相似度值。
S210，根据契合度分数阈值进行用户选取，得到最终推荐用户信息，进行用户推荐；
获取专家知识数据，根据专家知识数据设定契合度权重，通过契合度权重对相似度值进行加权计算，得到契合度分数信息；
预设契合度分数阈值，对契合度分数信息进行排序，根据契合度分数阈值进行用户选取，作为最终推荐用户，得到最终推荐用户信息。
需要说明的是，通过分析用户的知识属性、社交属性、能力属性和偏好属性从四个方面对目标用户进行全面分析，结合用户自身的社交期望，进行匹配，更为准确的匹配对目标用户有帮助的用户，不仅能帮助用户找到互助学习用户，还能使目标用户在与互助学习用户的交流中学习知识的过程中锻炼语言沟通能力，从而全方面发展，提高教育质量。
进一步的，获取用户绘画图像信息，基于边缘提取算法对所述绘画图像信息进行特征提取，提取用户绘画图像轮廓，得到轮廓图像信息；根据所述轮廓图像信息结合教育资源数据库进行相似度计算，获取相似度值，将相似度值与判断阈值进行判断，得到相似教育资源信息；所述相似教育资源信息包括：教育资源图片信息、教育资源视频信息和教育资源课程信息；根据相似教育资源信息设定三种不同的互动按钮，分别为看、画和听三个类别的互动按钮；获取用户互动信息，根据所述用户互动信息进行资源关联，将对应的资源推送至可视化界面；若用户互动信息为画，则提取所述相似教育资源数据的图像教育资源数据，对所述图像教育资源数据进行轮廓特征提取，生成临摹图像，得到临摹图像信息；将所述临摹图像信息和相似图像教育资源信息推送至可视化界面，为用户提供更好的学习体验。
需要说明的是，当用户选择绘画临摹时，可以选择在绘画的同时进行“听”或“看”，在绘画临摹的同时进行科普和介绍，不仅能提高用户的动手能力，同时还能使用户更加了解绘画临摹的事物，进一步的提高用户学习兴趣，并提升在线教育质量。
图3为本发明一实施例提供的一种基于图像模拟的在线教育系统框图3，该系统包括：存储器31、处理器32，所述存储器31中包含基于图像模拟的在线教育方法程序，所述图像模拟的在线教育方法程序被所述处理器32执行时实现如下步骤：
获取教育主题信息，通过三维建模技术结合图像模拟技术进行主题场景构建；
构建教育资源数据库，将所述教育主题信息和教育资源数据库与主题场景进行结合，使主题场景与对应教育资源数据进行关联；
获取用户实时状态信息，进行学习状态分析，根据学习状态分析结果生成对应提示指令进行提醒；
获取用户使用数据，进行综合评估，根据评估结果分析用户的知识掌握程度，制定学习方案并推荐互助学习用户。
需要说明的是，本发明通过三维建模技术结合图像模拟技术进行主题场景构建，通过三维建模技术和图像模拟技术，可以为不同的教育主题构建逼真的主题场景。同时根据骨骼动画技术和物理引擎进行场景人物和元素的动态设计，使学习更具吸引力和互动性。从而激发激发学习兴趣，提高学习效果。基于马氏距离算法和主成分分析算法将所述教育主题信息和教育资源数据库与主题场景进行结合，使主题场景与对应教育资源数据进行关联，确保学习内容与主题场景相匹配，增加学习的连贯性和有效性。通过监测用户的实时状态，包括注意力、疲劳等方面的分析，系统能够根据分析结果生成针对性的提示指令，帮助用户维持良好的学习状态。通过对用户使用数据的综合评估，系统能够分析用户的知识掌握程度和知识优劣板块，进而制定个性化的学习方案。同时，通过分析用户的个人属性包括知识属性、社交属性、能力属性和偏好属性来构建用户画像，结合用户社交期望进行用户匹配，为用户推荐适合的互助学习伙伴，促进学习社区内的互动和合作。本发明将教育主题、资源管理、用户状态分析、知识评估和互助学习有机结合，为用户提供了一个更加智能、个性化的在线教育环境，有助于提高学习效率和学习满意度，促进知识共享和合作，提高了在线教育质量和体验。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种基于图像模拟的在线教育方法，其特征在于，包括：
获取教育主题信息，通过三维建模技术结合图像模拟技术进行主题场景构建；
构建教育资源数据库，将所述教育主题信息和教育资源数据库与主题场景进行结合，使主题场景与对应教育资源数据进行关联；
获取用户实时状态信息，进行学习状态分析，根据学习状态分析结果生成对应提示指令进行提醒；
获取用户使用数据，进行综合评估，根据评估结果分析用户的知识掌握程度，制定学习方案并推荐互助学习用户。
2.根据权利要求1所述的一种基于图像模拟的在线教育方法，其特征在于，所述获取教育主题信息，通过三维建模技术结合图像模拟技术进行主题场景构建，具体包括：
获取教育主题信息，根据所述教育主题信息进行概念设计，包括场景元素、场景角色和场景环境设计，得到场景概念信息；
根据所述教育主题信息基于大数据检索获取教育主题相关资料，得到教育主题资料信息；
基于三维建模技术和图像模拟技术，根据所述教育主题信息、场景概念信息和教育主题资料信息进行场景搭建和交互按钮设计，得到主题场景模型；
基于骨骼动画技术和物理引擎结合所述场景概念信息对主题场景模型进行场景动态设计，通过在时间轴中设置关键帧结合线性插值动画技术进行动态设计，并设定动画循环时间实现持续动态变化，得到场景动态模型。
3.根据权利要求1所述的一种基于图像模拟的在线教育方法，其特征在于，所述构建教育资源数据库，将所述教育主题信息和教育资源数据库与主题场景进行结合，使主题场景与对应教育资源数据进行关联，具体包括：
获取教育主题信息和场景概念信息，通过大数据检索获取与所述教育主题信息和场景概念信息相关的教育资料，包括图像、视频和教育课程，构成教育资源数据库；
构建特征提取模型，通过特征提取模型对教育资源数据库中的教育资源数据进行特征提取并对提取后的特征信息进行标准化处理，得到教育资源特征信息；
根据所述教育资源特征信息计算各特征向量的平均值，作为均值向量，通过各均值向量计算协方差矩阵，得到协方差矩阵信息和均值向量信息；
基于主成分分析算法进行数据降维，对所述协方差矩阵信息进行特征值分解，得到特征值和对应的特征向量；
预设目标维度，根据目标维度选取最大的K个特征值并将对应的特征向量作为主成分向量构成主成分矩阵，得到特征表示信息；
获取场景主题信息，通过特征提取模型对场景主题信息进行特征提取，并进行数据降维，将场景主题信息在主成分空间进行映射表示，得到主题表示信息；
基于马氏距离算法计算特征表示信息和主题表示信息的马氏距离，得到马氏距离信息；
预设关联度阈值，将所述马氏距离信息与关联度阈值进行判断，将教育资源特征信息对应的教育资源数据与主题场景进行关联，得到场景数据关联信息。
4.根据权利要求1所述的一种基于图像模拟的在线教育方法，其特征在于，所述获取用户实时状态信息，进行学习状态分析，根据学习状态分析结果生成对应提示指令进行提醒，具体包括：
获取用户实时状态信息，包括用户实时眼球信息、用户实时头部信息、屏幕与用户之间的距离信息和距离持续时间信息；
基于凝视点识别算法进行注意力分析，预设速度阈值，根据速度阈值对所述用户实时状态信息进行凝视点计算，生成凝视点轨迹，根据凝视点轨迹绘制凝视点密度图，
通凝视点密度图进行注意力分析，根据凝视点的区域密度大小判断注意力是否集中，得到注意力分析信息；
预设距离判断阈值和持续时间判断阈值，将所述用户实时状态信息与距离判断阈值进行判断分析，得到距离分析信息；
若距离分析信息为距离过近，则将距离持续时间信息与持续时间判断阈值进行判断，得到判断结果信息；
若距离持续时间大于持续时间判断阈值，则得到用户与屏幕之间的距离过近的判断结果信息；
若距离持续时间小于持续时间判断阈值，则得到用户与屏幕之间的距离合适的判断结果信息；
构建疲劳分析模型，将所述用户实时状态信息导入疲劳分析模型进行分析，判断用户的头部是否低垂以及用户是否表现出疲劳的面部表情，得到疲劳分析信息；
根据所述注意力分析信息、判断结果信息和疲劳分析信息生成对应的提示指令，通过提示指令提醒用户保持良好的学习状态。
5.根据权利要求1所述的一种基于图像模拟的在线教育方法，其特征在于，所述，进行综合评估，根据评估结果分析用户的知识掌握程度，具体包括：
获取用户使用信息，所述用户使用信息包括：用户学习时长信息、难点标记信息、练习题信息、课程进度信息、用户交互信息和主题场景使用信息；
预设若干时长判断阈值和进度判断阈值，将所述用户使用信息分别与时长判断阈值和进度判断阈值进行判断，得到判断结果信息；
根据不同的时长判断阈值和进度判断阈值分别设定对应的评估分数，结合判断结果信息计算学习时长评估分数和课程进度评估分数，得到评估分数信息；
基于统计学算法对根据用户使用信息进行主题场景使用统计，根据统计结果进行排序，预设选取阈值，选取统计次数大于选取阈值的作为用户偏好主题场景，得到偏好主题评估信息；
根据所述判断结果信息、评估分数信息和偏好主题评估信息进行综合评估，得到综合评估结果信息；
通过难点标记信息和练习题信息进行知识掌握程度分析，通过分析用户练习题成绩结合难点标记信息判断用户的知识掌握程度，得到第一知识掌握程度信息；
获取判断结果信息，提取所述判断结果信息中的课程进度判断信息作为第二知识掌握程度信息；
结合第一知识掌握程度信息和第二知识掌握程度信息得到知识掌握程度分析信息。
6.根据权利要求1所述的一种基于图像模拟的在线教育方法，其特征在于，所述制定学习方案并推荐互助学习用户，具体包括：
获取综合评估信息、知识掌握程度分析信息和用户交互信息；
根据所述知识掌握程度信息和综合评估信息分析知识点的掌握程度，得到知识优劣分析信息；
根据知识优劣分析信息结合知识掌握程度信息进行学习方案制定，包括知识加强学习方案、知识补强学习方案和知识拓展学习方案；
通过知识掌握程度信息和知识优劣分析信息分析知识属性，通过综合评估信息和用户交互信息分析社交属性和偏好属性，通过综合评估信息、知识掌握程度和用户交互信息分析能力属性；
结合知识属性、社交属性、能力属性和偏好属性构建用户画像，得到用户画像信息；
获取社交期望信息，基于所述用户画像信息结合社交期望信息进行用户匹配，得到候选推荐用户信息；
根据候选推荐用户信息对各候选推荐用户与目标用户进行相似度计算，得到相似度值；
获取专家知识数据，根据专家知识数据设定契合度权重，通过契合度权重对相似度值进行加权计算，得到契合度分数信息；
预设契合度分数阈值，对契合度分数信息进行排序，根据契合度分数阈值选取候选推荐互助用户，作为最终推荐用户，得到最终推荐用户信息；
根据最终推荐用户信息进行互助学习用户推荐。
7.一种基于图像模拟的在线教育系统，其特征在于，该系统包括：存储器、处理器，所述存储器中包含基于图像模拟的在线教育方法程序，所述基于图像模拟的在线教育方法程序被所述处理器执行时实现如下步骤：
获取教育主题信息，通过三维建模技术结合图像模拟技术进行主题场景构建；
构建教育资源数据库，将所述教育主题信息和教育资源数据库与主题场景进行结合，使主题场景与对应教育资源数据进行关联；
获取用户实时状态信息，进行学习状态分析，根据学习状态分析结果生成对应提示指令进行提醒；
获取用户使用数据，进行综合评估，根据评估结果分析用户的知识掌握程度，制定学习方案并推荐互助学习用户。
8.根据权利要求7所述的一种基于图像模拟的在线教育系统，其特征在于，所述构建教育资源数据库，将所述教育主题信息和教育资源数据库与主题场景进行结合，使主题场景与对应教育资源数据进行关联，具体包括:
获取教育主题信息和场景概念信息，通过大数据检索获取与所述教育主题信息和场景概念信息相关的教育资料，包括图像、视频和教育课程，构成教育资源数据库；
构建特征提取模型，通过特征提取模型对教育资源数据库中的教育资源数据进行特征提取并对提取后的特征信息进行标准化处理，得到教育资源特征信息；
根据所述教育资源特征信息计算各特征向量的平均值，作为均值向量，通过各均值向量计算协方差矩阵，得到协方差矩阵信息和均值向量信息；
基于主成分分析算法进行数据降维，对所述协方差矩阵信息进行特征值分解，得到特征值和对应的特征向量；
预设目标维度，根据目标维度选取最大的K个特征值并将对应的特征向量作为主成分向量构成主成分矩阵，得到特征表示信息；
获取场景主题信息，通过特征提取模型对场景主题信息进行特征提取，并进行数据降维，将场景主题信息在主成分空间进行映射表示，得到主题表示信息；
基于马氏距离算法计算特征表示信息和主题表示信息的马氏距离，得到马氏距离信息；
预设关联度阈值，将所述马氏距离信息与关联度阈值进行判断，将教育资源特征信息对应的教育资源数据与主题场景进行关联，得到场景数据关联信息。
9.根据权利要求7所述的一种基于图像模拟的在线教育系统，其特征在于，所述制定学习方案并推荐互助学习用户，具体包括：
获取综合评估信息、知识掌握程度分析信息和用户交互信息；
根据所述知识掌握程度信息和综合评估信息分析知识点的掌握程度，得到知识优劣分析信息；
根据知识优劣分析信息结合知识掌握程度信息进行学习方案制定，包括知识加强学习方案、知识补强学习方案和知识拓展学习方案；
通过知识掌握程度信息和知识优劣分析信息分析知识属性，通过综合评估信息和用户交互信息分析社交属性和偏好属性，通过综合评估信息、知识掌握程度和用户交互信息分析能力属性；
结合知识属性、社交属性、能力属性和偏好属性构建用户画像，得到用户画像信息；
获取社交期望信息，基于所述用户画像信息结合社交期望信息进行用户匹配，得到候选推荐用户信息；
根据候选推荐用户信息对各候选推荐用户与目标用户进行相似度计算，得到相似度值；
获取专家知识数据，根据专家知识数据设定契合度权重，通过契合度权重对相似度值进行加权计算，得到契合度分数信息；
预设契合度分数阈值，对契合度分数信息进行排序，根据契合度分数阈值选取候选推荐互助用户，作为最终推荐用户，得到最终推荐用户信息；
根据最终推荐用户信息进行互助学习用户推荐。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括基于图像模拟的在线教育方法程序，所述基于图像模拟的在线教育方法程序被处理器执行时，实现如权利要求1至6中任一项所述的基于图像模拟的在线教育方法的步骤。
CN202311025803.8A 2023-08-15 2023-08-15 一种基于图像模拟的在线教育方法、系统及存储介质 Withdrawn CN117056546A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311025803.8A CN117056546A (zh) 2023-08-15 2023-08-15 一种基于图像模拟的在线教育方法、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311025803.8A CN117056546A (zh) 2023-08-15 2023-08-15 一种基于图像模拟的在线教育方法、系统及存储介质

Publications (1)

Publication Number Publication Date
CN117056546A true CN117056546A (zh) 2023-11-14

Family

ID=88664013

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311025803.8A Withdrawn CN117056546A (zh) 2023-08-15 2023-08-15 一种基于图像模拟的在线教育方法、系统及存储介质

Country Status (1)

Country Link
CN (1) CN117056546A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118038554A (zh) * 2024-02-23 2024-05-14 江西师范高等专科学校 运动行为识别优化方法、装置、计算机设备及存储介质
CN118365787A (zh) * 2024-04-19 2024-07-19 广州泓锐信息技术有限公司 虚拟电路可视化方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118038554A (zh) * 2024-02-23 2024-05-14 江西师范高等专科学校 运动行为识别优化方法、装置、计算机设备及存储介质
CN118365787A (zh) * 2024-04-19 2024-07-19 广州泓锐信息技术有限公司 虚拟电路可视化方法及系统

Similar Documents

Publication Publication Date Title
Liu et al. Augmented reality technology based on school physical education training
CN109637207B (zh) 一种学前教育互动教学装置及教学方法
CN117056546A (zh) 一种基于图像模拟的在线教育方法、系统及存储介质
CN106878820A (zh) 直播互动方法及装置
CN109902912B (zh) 一种基于性格特征的个性化图像美学评价方法
CN110992222A (zh) 教学交互方法、装置、终端设备及存储介质
Johnson et al. Understanding aesthetics and fitness measures in evolutionary art systems
CN111126864A (zh) 一种基于人机对抗评分的街道品质评估方法
CN112287848B (zh) 基于直播的图像处理方法、装置、电子设备和存储介质
CN113255052A (zh) 一种基于虚拟现实的家装方案推荐方法、系统及存储介质
Saunders et al. Anonysign: Novel human appearance synthesis for sign language video anonymisation
CN113723530B (zh) 基于视频分析和电子心理沙盘的智能心理评估系统
CN115660909B (zh) 一种数字学校平台沉浸式数字化学习方法及系统
CN115731751A (zh) 一种融合人工智能和虚拟现实技术的在线教学系统
CN116756340A (zh) 一种试题自动生成方法、系统及设备
CN115499613A (zh) 视频通话方法、装置、电子设备及存储介质
Zhang et al. Application of Artificial Intelligence Technology in Cross‐Cultural Communication of Intangible Cultural Heritage
CN111078005A (zh) 一种虚拟伙伴创建方法及虚拟伙伴系统
CN114758376A (zh) 一种基于互联网的绿色可控型家校互动平台
Yue et al. Subjective and objective quality assessment of multi-attribute retouched face images
CN112364478A (zh) 基于虚拟现实的测试方法及相关装置
CN111507478A (zh) 一种ai化妆师系统
Stamps III Simulating designed environments
Nunnari et al. Generation of virtual characters from personality traits
Li et al. Automatic generation of 3D natural anime-like non-player characters with machine learning

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20231114