[發(fā)明專(zhuān)利]基于大數(shù)據(jù)和人工智能的學(xué)校課堂學(xué)生學(xué)習(xí)行為跟蹤分析方法及云管理平臺(tái)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110066797.5
• 申請(qǐng)日: 2021-01-19
• 公開(kāi)（公告）號(hào): CN112766150A
• 公開(kāi)（公告）日: 2021-05-07
• 發(fā)明（設(shè)計(jì)）人: 李成隆;王亮
• 申請(qǐng)（專(zhuān)利權(quán)）人: 李成隆
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00;G06Q50/20
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

本發(fā)明公開(kāi)基于大數(shù)據(jù)和人工智能的學(xué)校課堂學(xué)生學(xué)習(xí)行為跟蹤分析方法及云管理平臺(tái)，通過(guò)采集教室內(nèi)各個(gè)學(xué)生的圖像信息，并進(jìn)行圖像預(yù)處理操作，從而對(duì)各個(gè)學(xué)生的圖像信息進(jìn)行特征提取，與學(xué)生不同行為種類(lèi)特征進(jìn)行對(duì)比，確定各個(gè)學(xué)生的行為種類(lèi)特征和人臉圖像偏角，統(tǒng)計(jì)各個(gè)學(xué)生在不同學(xué)科的學(xué)習(xí)行為評(píng)估系數(shù)以及對(duì)應(yīng)的學(xué)習(xí)行為等級(jí)和各個(gè)學(xué)科的學(xué)生興趣度，并進(jìn)行顯示，具有智能性高以及可靠性高的特點(diǎn)，降低了人力成本，大大提高了分析學(xué)科興趣度和學(xué)生學(xué)習(xí)行為等級(jí)的效率，便于不同教師根據(jù)評(píng)估結(jié)果，針對(duì)性解決改善問(wèn)題,加強(qiáng)教師授課效率和學(xué)生學(xué)習(xí)接收效率。

技術(shù)領(lǐng)域

本發(fā)明屬于學(xué)習(xí)行為分析技術(shù)領(lǐng)域，具體涉及到基于大數(shù)據(jù)和人工智能的學(xué)校課堂學(xué)生學(xué)習(xí)行為跟蹤分析方法及云管理平臺(tái)。

背景技術(shù)

隨著科學(xué)技術(shù)的不斷進(jìn)步，將信息技術(shù)應(yīng)用在課堂學(xué)習(xí)中的人工智能技術(shù)得到了飛速發(fā)展，利用課堂學(xué)生行為分析跟蹤教師的課堂授課質(zhì)量。行為分析是指通過(guò)分析視頻、深度傳感器等數(shù)據(jù)，利用特定的算法，對(duì)人的行為進(jìn)行特征識(shí)別、分析的技術(shù)，這項(xiàng)技術(shù)被廣泛應(yīng)用在視頻分類(lèi)、人機(jī)交互、安防監(jiān)控等領(lǐng)域。

現(xiàn)有技術(shù)中對(duì)學(xué)生評(píng)估方面的研究主要偏重于理論,這些研究工作中的基礎(chǔ)數(shù)據(jù)主要依靠抽查提問(wèn)、問(wèn)卷調(diào)查、任課教師或教學(xué)督導(dǎo)等人員進(jìn)行的隨堂觀察和主觀統(tǒng)計(jì)等方式,對(duì)結(jié)果處理的方式采用一般的數(shù)理統(tǒng)計(jì)的方法，還沒(méi)有自動(dòng)、智能和搞笑的設(shè)備和手段用以提供大量客觀、量化的數(shù)據(jù)，作為提高學(xué)生學(xué)習(xí)效率和改進(jìn)學(xué)習(xí)方法的參考，存在很大的隨機(jī)性和主觀性,準(zhǔn)確率低,并且統(tǒng)計(jì)過(guò)程煩瑣,費(fèi)時(shí)。

發(fā)明內(nèi)容

針對(duì)上述問(wèn)題，本發(fā)明提出基于大數(shù)據(jù)和人工智能的學(xué)校課堂學(xué)生學(xué)習(xí)行為跟蹤分析方法及云管理平臺(tái)，通過(guò)采集教室內(nèi)各個(gè)學(xué)生的圖像信息，并進(jìn)行圖像預(yù)處理操作，從而對(duì)各個(gè)學(xué)生的圖像信息進(jìn)行特征提取，與學(xué)生不同行為種類(lèi)特征進(jìn)行對(duì)比，確定各個(gè)學(xué)生的行為種類(lèi)特征和人臉圖像偏角，統(tǒng)計(jì)各個(gè)學(xué)生在不同學(xué)科的學(xué)習(xí)行為評(píng)估系數(shù)以及對(duì)應(yīng)的學(xué)習(xí)行為等級(jí)和各個(gè)學(xué)科的學(xué)生興趣度，并進(jìn)行顯示，解決了現(xiàn)有技術(shù)中存在的問(wèn)題；

本發(fā)明的目的可以通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn)：

基于大數(shù)據(jù)和人工智能的學(xué)校課堂學(xué)生學(xué)習(xí)行為跟蹤分析方法，包括以下步驟：

S1：采集教室內(nèi)各個(gè)學(xué)生的圖像信息，并進(jìn)行圖像預(yù)處理操作；

S2：對(duì)各個(gè)學(xué)生圖像信息進(jìn)行特征提取，確定各個(gè)學(xué)生的行為種類(lèi)特征和人臉圖像偏角；

S3：統(tǒng)計(jì)各個(gè)學(xué)生在不同學(xué)科的學(xué)習(xí)行為評(píng)估系數(shù)以及對(duì)應(yīng)的學(xué)習(xí)行為等級(jí)和各個(gè)學(xué)科的學(xué)生興趣度；

S4：對(duì)各個(gè)學(xué)生在不同學(xué)科的學(xué)習(xí)行為評(píng)估系數(shù)以及對(duì)應(yīng)的學(xué)習(xí)行為等級(jí)和各個(gè)學(xué)科的學(xué)生興趣度進(jìn)行顯示；

上述基于大數(shù)據(jù)和人工智能的學(xué)校課堂學(xué)生學(xué)習(xí)行為跟蹤分析方法使用了一種基于大數(shù)據(jù)和人工智能的學(xué)校課堂學(xué)生學(xué)習(xí)行為跟蹤分析系統(tǒng)，包括區(qū)域劃分模塊、平面坐標(biāo)劃分模塊、圖像采集模塊、圖像預(yù)處理模塊、建模分析服務(wù)器、圖像特征提取模塊、數(shù)據(jù)庫(kù)、管理服務(wù)器和顯示終端；

所述圖像采集模塊分別與區(qū)域劃分模塊、圖像特征提取模塊和圖像預(yù)處理模塊連接，圖像特征提取模塊分別與圖像預(yù)處理模塊、建模分析服務(wù)器和數(shù)據(jù)庫(kù)連接，建模分析服務(wù)器分別與數(shù)據(jù)庫(kù)和顯示終端連接，管理服務(wù)器分別與顯示終端、數(shù)據(jù)庫(kù)和平面坐標(biāo)劃分模塊連接；

所述平面坐標(biāo)劃分模塊用于對(duì)教室內(nèi)學(xué)生的位置坐標(biāo)進(jìn)行劃分，以靠近老師講臺(tái)最左邊第一排第一個(gè)學(xué)生的位置為坐標(biāo)原點(diǎn)建立平面直角坐標(biāo)系，將靠近老師講臺(tái)的第一排座位作為平面直角坐標(biāo)系的X軸，以坐標(biāo)原點(diǎn)從左往右的方向作為平面直角坐標(biāo)系X軸的正方向，將靠近老師講臺(tái)最左邊第一列座位作為平面直角坐標(biāo)系的Y軸，以坐標(biāo)原點(diǎn)從下往上的方向作為平面直角坐標(biāo)系Y軸的正方向，將各個(gè)學(xué)生的位置以坐標(biāo)形式進(jìn)行標(biāo)記，并將各個(gè)學(xué)生的位置坐標(biāo)發(fā)送至管理服務(wù)器；