[發明專利]基于聲像的在線培訓監視方法

在審

• 申請號: 201710891827.X
• 申請日: 2017-09-27
• 公開（公告）號: CN107809665A
• 公開（公告）日: 2018-03-16
• 發明（設計）人: 紀丹青
• 申請（專利權）人: 鎮江博格信息科技有限公司
• 主分類號: H04N21/439
• 分類號: H04N21/439;H04N21/44;H04N21/441
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及基于聲像的在線培訓監視方法，適用于在線培訓的同步監視，屬于遠程監控方法。

背景技術

隨著在線培訓、在線學習系統的普及化和實際應用，企業用戶對現有系統也產生了諸多的質疑與問題，在實操中，往往存在重形象、請實效，重硬件、輕軟件，重統計、輕結果的情況，沒有對客車內容建設和培訓體系建設、培訓的手段方法及培訓的效果進行評估，導致在線培訓常常流于形式，或者只在開始時進行身份識別，沒有在在線培訓過程中實現有效的監督。

發明內容

本發明所要解決的技術問題是提供了一種使用方便、行之有效的基于聲像過程跟蹤的在線培訓監視方法。

本發明所采用的技術方案如下：

基于聲像的在線培訓監視方法，其包括如下步驟：

步驟1.搭建聲像過程跟蹤平臺，設置后臺模塊：

提前通過人臉掃描設備拍攝用戶的面部特征，并與用戶聲明的身份信息綁定；將面部特征分析處理后轉化成圖像數據代碼，并將所述圖像數據代碼存儲到位于在線培訓平臺上的圖像數據代碼數據庫中；提前利用收音設備錄制聲音指令，將聲音指令分析處理后轉化成音頻數據代碼，并將所述音頻數據代碼存儲到位于在線培訓平臺上的音頻數據庫中；

步驟2.進行身份認證：

通過通信網絡接受用戶終端的登錄請求，進行身份認證，同時啟動網絡攝像頭掃描用戶面部信息，傳輸至后臺進行人臉識別，若人臉識別結果成功，可正常開始在線培訓學習，后臺自動調取與該用戶學習內容相關的學習資料；若人臉識別結果未成功，提示用戶未成功并重新掃描；

步驟3.進行過程跟蹤：

在線學習視頻播放過程中隨時啟動網絡攝像頭抓拍用戶面部信息，且在線學習視頻播放過程中啟動收音設備，定時采集用戶的聲音指令，根據定時采集到的聲音指令和面部信息，實現用戶的定位，如聲音指令和面部信息不符，則對用戶做出提醒并暫停播放。

進一步的，所述步驟2中的人臉識別包括基于靜態圖像的人臉識別和基于視頻圖像的人臉識別，基于靜態圖像的人臉識別算法同樣適用于基于視頻圖像的人臉識別，只有使用了時間信息的識別算法才屬于基于視頻圖像的人臉識別算法。

所述人臉識別的算法可以為特征臉方法，所述特征臉方法可以利用主分量分析方法進行降維和提取特征，所述主分量分析方法選擇與原數據協方差矩陣的若干個最大特征值對應的特征向量構成一組基，以達到最佳表征原數據的目的；在人臉識別中，由一組特征臉基圖象張成一個特征臉子空間，任何一幅人臉圖象都可投影到該子空間，得到一個權值向量。計算此向量和訓練集中每個人的權值向量之間的歐式距離，取最小距離所對應的人臉圖像的身份作為用戶人臉圖像的身份。所述主分量是指向數據能量分布最大的軸線方向，可以從最小均方誤差意義下對數據進行最優的表達。

所述特征臉方法也可以用線性鑒別分析方法，屬于模式識別方法，通過將樣本線性變換到一個新的空間，使樣本的類內散布程度達到最小，同時類間散布程度達到最大，即Fisher準則。

進一步的，所述步驟1中將聲音指令分析處理后轉化成音頻數據代碼的方法如下：

（1）將聲音指令進行預處理，即先進行預加重，再進行分幀加窗處理，最后再進行端點檢測；所述分幀加窗處理采用Hamming窗；

（2）用Mel頻率的倒譜系數作為語音特征識別孤立詞語語音，最后組合成音頻數據代碼，具體方法如下：

首先，將預處理后的聲音指令輸入Hamming窗幀選，經過Hamming窗幀選的數據進行傅里葉變換；

然后，將傅里葉變換后的數據以濾波組能量的形式輸出至進行離散余弦變換，最終輸出可識別的音頻數據代碼。

本發明的有益效果如下：

本方法不僅在開啟時啟動人臉識別，且在線培訓過程中一定時間間隔下進行人臉識別監視，能夠有效監控在線用戶的在線時間且能確保進行在線培訓的過程中均是本人，避免作弊和替他人學習的情況；另外通過聲音指令操作在線視頻的相關操作，例如播放、停止、快進、截圖及選集等等；不僅方便使用，而且能實時通過聲音指令確認用戶在線，且通過聲音指令還能提升用戶體驗，提高用戶在線培訓的興趣。

具體實施方式

為使本發明要解決的技術問題、技術方案和有益效果更加清楚，下面將結合具體實施例進行詳細描述。

本實施例的實現方法如下：

步驟1.搭建聲像過程跟蹤平臺，設置后臺模塊：