[發明專利]基于人像識別的選修課程推薦方法、存儲介質及電子設備

在審

• 申請號: 202011098497.7
• 申請日: 2020-10-14
• 公開（公告）號: CN112163162A
• 公開（公告）日: 2021-01-01
• 發明（設計）人: 雷漢文;向林;白金蓬;黎清顧
• 申請（專利權）人: 珠海格力電器股份有限公司;珠海聯云科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06K9/00;G06K9/62;G06F40/289;G06Q50/20
• 代理公司: 北京聿宏知識產權代理有限公司 11372
• 代理人: 吳大建;陳敏

1.一種基于人像識別的選修課程推薦方法，其特征在于，包括以下步驟：

獲取目標學生的已修課程及對應的課堂教學視頻，并利用人臉識別技術從所述課堂教學視頻中提取目標學生的課堂表現視頻數據；

根據所述目標學生的課堂表現視頻數據構建目標學生的知識能力向量、性格特征向量和興趣偏向向量，以建立目標學生的培養力模型；

獲取待推薦的選修課程及其課程信息，根據所述待推薦的選修課程的課程信息建立待推薦的選修課程的知識畫像模型；

計算所述目標學生的培養力模型與所述待推薦的選修課程的知識畫像模型的相似度，根據相似度向目標學生推薦選修課程。

2.根據權利要求1所述的基于人像識別的選修課程推薦方法，其特征在于，所述的獲取目標學生的已修課程及對應的課堂教學視頻，并利用人臉識別技術從所述課堂教學視頻中提取目標學生的課堂表現視頻數據，包括以下步驟：

從服務器獲取目標學生的所有已修課程的授課信息及對應的課堂監控視頻，其中，所述已修課程的授課信息至少包括課程名稱和授課教師；

對所述課堂監控視頻進行數據處理，以獲取在所述已修課程的課堂中授課教師實施教學的課堂教學視頻；

根據目標學生的人臉信息，利用人臉識別技術從所述課堂教學視頻中提取目標學生的課堂表現視頻數據。

3.根據權利要求2所述的基于人像識別的選修課程推薦方法，其特征在于，所述的對所述課堂監控視頻進行數據處理，以獲取在所述已修課程的課堂中教師實施教學的課堂教學視頻，包括以下步驟：

利用人臉識別技術識別所述課堂監控視頻中授課教師的人臉信息；

根據所述課堂監控視頻中授課教師的人臉信息，提取所述課堂監控視頻中授課教師在場，授課教師臉部和身體有活動，且有音頻的視頻段，作為所述已修課程的課堂中教師實施教學的課堂教學視頻。

4.根據權利要求1所述的基于人像識別的選修課程推薦方法，其特征在于，所述的根據所述目標學生的課堂表現視頻數據構建目標學生的知識能力向量、性格特征向量和興趣偏向向量，以建立目標學生的培養力模型，包括以下步驟：

采用貝葉斯分類法從所述目標學生的課堂表現視頻數據中提取到目標學生的課堂互動行為數據；

根據所述目標學生的課堂互動行為數據，利用線性回歸算法構建目標學生的知識能力向量和性格特征向量；

利用表情識別技術從所述目標學生的課堂表現視頻數據中提取到目標學生的課堂心理情緒數據，其中，所述目標學生的課堂心理情緒數據包括目標學生的課堂心理情緒及對應的保持時間；

根據所述目標學生的課堂心理情緒數據計算目標學生對已修課程的興趣值，以構建目標學生的興趣偏向向量；

對所述目標學生的知識能力向量、性格特征向量和興趣偏向向量進行聚類歸并，建立目標學生的培養力模型的初始模型，并根據目標學生的所有已修課程，利用深度學習算法訓練所述初始模型，以獲得目標學生的培養力模型的最終結果。

5.根據權利要求4所述的基于人像識別的選修課程推薦方法，其特征在于，所述知識能力向量的元素包括目標學生在該課堂互動中的答題正確率、主觀表情認可頻次和主動記錄筆記的頻次；所述的根據所述目標學生的課堂互動行為數據，利用線性回歸算法構建目標學生的知識能力向量，包括以下步驟：

根據所述目標學生的課堂互動行為數據，獲得目標學生在該課堂互動中的答題正確率、主觀表情認可頻次和主動記錄筆記的頻次的統計結果；

根據知識能力向量的元素的統計結果，利用線性回歸算法計算目標學生的知識能力向量的特征值，所述特征值用于表征目標學生的知識能力的級別。

6.根據權利要求4所述的基于人像識別的選修課程推薦方法，其特征在于，所述性格特征向量的元素包括目標學生在該課堂互動中的主動提問頻次和動手實踐頻次；所述的根據所述目標學生的課堂互動行為數據，利用線性回歸算法構建目標學生的性格特征向量，包括以下步驟：

根據所述目標學生的課堂互動行為數據，獲得目標學生在該課堂互動中的主動提問頻次和動手實踐頻次的統計結果；

根據性格特征向量的元素的統計結果，利用線性回歸算法計算目標學生的性格特征向量的特征值，所述特征值用于表征所述目標學生的性格特征的類型。