基于学生头颈移动特征图像识别的学习质量智慧评价系统的制作方法

1.本发明涉及一种学习质量智慧评价系统，特别是涉及基于学生头颈移动特征图像识别的学习质量智慧评价系统与系统。


背景技术：

2.在面对面传统讲授式教学模式中，教师是评价学生学习成绩的主体，学生只能被动地通过作业或者考试等方式接受来自教师的评判。评价主体的一元化和评价方式的单一化必然导致评价结果并不能全面反映学生的发展，导致对学生的评价不够客观。
3.具体的，例如，在需要进行实操训练的工科专业类课程教学中，显然教师无法在授课或者实验实训过程中时时注意监控每个学生的学习行为动态。在机房、实验室等教学环境中，由于教师在教学过程中需要进行讲解、演示实验等教学活动，加之，计算机屏幕或者其他设备的遮挡教师甚至可能根本不清楚学生整节课的学习情况。显然，即使教师走下讲台到学生学习工位上巡视指导时也无法同时关注监控到所有学生。
4.因此，事实上，每位学生在整堂课程中的真实表现以及学习质量是无法客观检验的，甚至学生是否是在学习都无法客观了解，那么事实上学生的平时成绩的客观性和公平性事实上都不容易得到保障，只能通过期末或者其中的各种考试来进行检验，然而，众所周知的，考试由于受到题目设置科学性、学生是否存在作弊情况、甚至学生应试能力等因素的限制，考试结果也往往与学生真实学习质量存在不小差距。
5.综上所述，缺少持续一定时长的，对学生自身学习状态的持续动态监控(教师人工方式是无法持续观察、关注特定学生或者所有学生学习行为和状态的)，从而得出的学习态度、学习质量的客观评价，必然导致对教学总体质量考察的“失真”。


技术实现要素：

6.针对现有技术存在的上述不足，本发明的目的是提供一种能够在持续一定时长内对学生自身学习状态的动态监控，从而得出的学习态度、学习质量的客观评价参考数据的学习质量智慧评价系统。
7.为实现上述目的，本发明采用如下技术手段：
8.基于学生头颈移动特征图像识别的学习质量智慧评价系统，其特征在于：包括：学习工位计算机监测子系统、学生学习姿态监测监测子系统和计算机；
9.所述学习工位计算机监测子系统用于监测工位计算机的使用状态；它由计算机屏幕监测模块、鼠标监测模块和键盘监测模块组成；
10.所述学生学习姿态监测监测子系统用于监测就坐于学习工位之上的学生身体姿态，所获取数据应用于其学习质量综合评价；
11.所述计算机用于处理所述学习工位计算机监测子系统和学生学习姿态监测监测子系统采集得到的数据，进行综合计算处理。
12.进一步的，所述学生学习姿态监测监测子系统包括学生身体姿态采集单元，用于
采集就坐于学习工位之上的学生头颈部图像；数据计算处理单元，用于从所述学生头颈部图像中实时的提取头颈部图像的运动姿态，形成头颈部图像运动姿态曲线。
13.所述身体姿态采集单元包括设置在学习工位左侧面的摄像头和设置在学习工位右侧面的摄像头。
14.更进一步的，所述计算机能够将所述学习工位计算机监测子系统采集得到的学习工位计算机使用状态数据与当前教师下达的学习环节任务性质进行对比匹配，定性判断学生是否处于当前指定学习环节；所述计算机能够在预设时间段内将所述头颈部图像运动姿态曲线与当前教师下达的学习环节任务性质进行实对比匹配，判断学生学习姿态与当前学习环节是否匹配，并在所述预设时间段内形成动态曲线以作为学生某一时间段内听课率、实验参与率的参考数据。
15.相比现有技术，本发明具有如下有益效果：
16.本发明计算机将所述学习工位计算机监测子系统采集得到的学习工位计算机使用状态数据与当前教师下达的学习环节任务性质进行对比匹配，定性判断学生是否处于当前指定学习环节；计算机在预设时间段内将所述头颈部图像运动姿态曲线与当前教师下达的学习环节任务性质进行实对比匹配，判断学生学习姿态与当前学习环节是否匹配，并在所述预设时间段内形成动态曲线以作为学生某一时间段内听课率、实验参与率的参考数据，综上所述，本发明具有能够通过采集得到的客观数据进行学生学习态度、学习质量的客观评价的有益效果。
附图说明
17.图1为本发明系统结构示意图。
18.图2为本发明学生学习姿态监测方法示意图。
具体实施方式
19.下面结合附图和实施例，对本发明做进一步详细说明。
20.由图1所示，基于学生头颈移动特征图像识别的学习质量智慧评价系统，包括：学习工位计算机监测子系统1、学生学习姿态监测监测子系统2和计算机3；
21.学习工位计算机监测子系统1用于监测工位计算机的使用状态；它由计算机屏幕监测模块、鼠标监测模块和键盘监测模块组成；计算机屏幕监测模块监教学用软件操纵中是否有其它无关应用程序(例如浏览器)开启运行，采用常规实现方式实现即可：主要是借鉴录屏软件进行实时抓取图像。鼠标监测和键盘监测用于对学生是否使用学习工位计算机玩游戏、聊天实现监测提供参考数据(在游戏或者聊天等活动中鼠标和键盘的使用频率将明显出现异常，因此只需获取键盘和鼠标的操作频率数据即可，通过纯软件的方式可以实现该功能需求，无需增设其他硬件设施)；很显然该子系统是对计算机的运行状态，使用者的操作频繁度进行基本的监测，技术上容易实现；但是提供的数据只用供计算机对学习者是否进行学习无关互动进行定性的判断
‑‑‑‑
是否在进行课程学习；
22.另外，该子系统显然只能适用于纯粹利用计算进行操作的实操课程(例如编程类、制图类，或者是线上授课课程)，对与1、需要同时进行理论与实操穿插的课程；2、对与会使用除计算机外的其他实验设备的课程；3、需要计算演练的课程；等等，由于无法监测学习者
的行为、姿态(例如是否低头玩手机、是否打瞌睡、是否听讲，是否参与实验动手)，因此均无法实现评价；这一问题也正是所有线上授课课程的弊端。也即是无法准确客观评价学习者在学习过程中的学习质量。
23.为了进一步获取学生学习质量客观数据，显然只能对学生个体进行图像采集，但是大量采集全身图像数据不现实，数据分析难度大，技术难度大，不利于实现，因此本发明提出了利用学生身体姿态采集单元采集学生头颈部图像进而判断其学习质量的构思。
24.如图2所示，采集学生的人体头颈侧面轮廓从而实现头部姿态识别，形成头颈部图像运动姿态曲线：每隔一个间隔时间t保存一组摄像头采集得到头颈部的图像，将头颈部侧面图像的轮廓线提取出来。也即是所有设在学生工位各个方向的摄像头采集得到的图像经过处理将图像轮廓线提取出来。
25.具体地，不同图像灰度不同，边界处一般会有明显的边缘，利用此特征可以提取图像边缘轮廓，sobel算子是典型的基于一阶导数的边缘检测算子，由于该算子中引入了类似局部平均的运算，因此对噪声具有平滑作用，能很好的消除噪声的影响。sobel算子对于象素的位置的影响做了加权，具有较好的处理效果。
26.sobel算子包含两组3x3的矩阵，分别为横向及纵向模板，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。我们记水平模板为gx，记纵向模板为gy；例如采用以下矩阵数据用来检测出图像边缘轮廓。
[0027][0028][0029]
图像的每一个像素的横向及纵向梯度近似值可用式(3)来计算梯度的大小。
[0030][0031]
梯度的方向为
[0032]
在以上矩阵数据前提下，如果角度θ等于零，即代表图像该处拥有纵向边缘；类似的可以实现对所获取图像边沿边沿轮廓的检测。
[0033]
根据若干组连续的学生头颈部侧面图像轮廓线形成学生头颈部移动特征曲线，并将其与人体发呆、瞌睡、扭头侧视状态时的头颈部移动特征进行比较判断，若学生头颈部移动特征符合上述各个状态要求，则可以初步判断为相应状态，进行标记，作为学习质量评价的参考性依据。
[0034]
简言之，就是将头颈部图像运动姿态曲线与当前教学活动环节进行比较，就能得出一些定性结论：例如是否在授课时候长时间不听课，是否存在长时间瞌睡，上机考试过程中有没有出现左顾右盼互相抄袭等等，并在所述预设时间段内形成动态曲线以作为学生某一时间段内听课率、实验参与率的参考数据。
[0035]
总之利用头颈部图像运动姿态曲线与当前教学活动环节进行比较可以获得多种用于学习质量评价的客观结论，再者可以再利用与其与学习工位计算机监测子系统1所得出的工位计算机的使用状态进行综合评价分析，提高学习质量评价的客观性和准确度。
[0036]
本发明提出的方法与系统可解决面授课程、上机实验课程、考试考查、在线授课等课程中难以对学生上课质量进行监督和考察的问题，同时可采集与可课程质量相关一手数据，可为大数据分析提供宝贵的数据，为改进教学提供广泛客观教学质量评价数据支撑。
[0037]
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。