一种基于在线教育学习评估系统

技术领域

本发明涉及在线教育领域，具体涉及了一种基于在线教育学习评估系统。

背景技术

现阶段，随着互联网的发展与普及，线上教育学习作为一种新的教学模式应运而生，线上教育学习可进一步减轻由于社会环境因素造成的线下授课无法展开的问题所带来的教学压力，同时由于线上教育学历形式灵活，可满足于各年龄段与各阶层的用户的学习教育要求。但是现有的在线教育学习系统通常存在，缺乏一定的监管机制导致用户在进行个人学习时容易产生松懈情绪，从而影响用户的个人学习状态，用户在进行个人学习的过程中容易受到周围环境的干扰从而导致用户的注意力被吸引，最终影响用户的个人学习质量的问题。

公开号为CN108320251A的中国专利，提供了一种互联网在线教育管理系统及其管理方法，此专利中的学习状态评估是通过对在线学习课件进行出题测验，并根据出题测验结果进行学生学习状态的查看，但是此专利本质上与线下教学测评方式相同，均是采用考试评估的方式了解学生的学习状态，并未着重对线上教学系统做出具体改进。公开号为CN113489800A的中国专利，提供了一种物联网在线教育管理系统，此专利对在线教育系统中的电路结构进行了优化改进，用以快速识别用户在进行在线学习时的网络质量，当用户网络质量不加并发生多次重复响应时，进行网络延迟优化操作，但是此专利对在线用户的监测点仅在于网络通信方面，并未涉及用户自身学习状态部分。

因此，针对现有的在线教育学习系统中存在的问题，本发明中提供了一种基于在线教育学习评估系统。

发明内容

针对上述存在的问题，本发明中提供了一种基于在线教育学习评估系统，具体包括学习专注度监督模块、学习成绩打分模块、学习进度监督模块；其中在所述学习专注度监督模块中，使用双目摄像头对用户学习状态进行识别，根据识别结果提取用户学习状态特征值，将用户学习状态特征值传送至学习成绩打分模块中进行用户学习状态打分，将用户学习状态打分结果传送至学习进度监督模块中，用以进行用户学习状态与用户学习进度监督与改进。

优选的，所述使用双目摄像头对用户学习状态进行识别中，所述双目摄像头的识别步骤包括人脸校验识别与注意力校验识别。

优选的，所述人脸校验识别中，在所述双目摄像头中建立了用户学习状态特征值训练方法，所述用户学习状态特征值训练方法中具体包括人脸特征点识别与人脸轮廓识别。

优选的，所述用户学习状态特征值训练方法，将双目摄像头拍摄的数据传送至神经网络模型中进行用户学习状态特征值训练。

优选的，所述用户学习状态特征值训练中，通过计算人脸特征点识别中同一特征点在不同拍摄的数据下的成像偏移量，用以根据成像偏移量计算人脸深度信息，再根据人脸深度信息进行人脸轮廓识别。

优选的，所述注意力校验识别中，具体包括用户学习表情识别，用户人脸朝向识别，用户人眼视觉关注点识别，用户人眼眼动状态识别，视觉停留时间识别与当前学习视频的学习进度识别。

优选的，所述用户学习表情识别，具体为用户学习过程中的学习表情变化状态识别，若指定周期内用户产生并切换多种表情变换状态，则用户在所述学习成绩打分模块的对应评分降低。

优选的，所述学习成绩打分模块，将学习专注度监督模块中的用户学习状态作为评价因素，通过对各评价因素进行对应加权值评分，用以得到用户学习状态打分结果。

优选的，所述将学习专注度监督模块中的用户学习状态作为评价因素中，建立了同时刻学习视频关键点下多用户学习状态同步判断方法，并使用同步判断方法对用户学习状态打分进行辅助纠正。

优选的，所述在线教育学习评估系统中，将所述双目摄像头作为边缘端，将在线教育系统作为服务端，其中所述边缘端使用mobilenet作为骨干网进行优化识别，所述服务端使用resnet作为骨干网进行优化识别。

与现有技术相比，本发明的有益效果在于：

(1)本发明中提供的基于在线教育学习评估系统，通过建立多种用户状态下的用户在线学习评估因素，用以提高用户个人学习的学习质量，避免用户由于受到自身以及外界干扰因素的影响，造成用户学习效率较低的问题，通过将在线教育学习评估系统与双目视觉监督方法相互结合，用以实时采集用户的在线学习状态信息，进一步提高用户的自主学习能力，提高在线教育的学习质量。

(2)在(1)的基础上，本发明将多种用户状态下的用户在线学习评估因素应用于多用户同时监督过程中，同时进行视频关键点下的用户学习状态采集，从而即对用户学习成绩打分的结果准确度进行辅助评估，又可以使用同时采集的用户学习状态数据进行汇总整合，从而进一步激发用户进行注意力监督的兴趣，通过评比的方式提高用户个人学习中注意力监督的自主性。

附图说明

图1为基于在线教育学习评估系统模块图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本实施例中提供了一种基于在线教育学习评估系统，如图1所示，具体包括学习专注度监督模块、学习成绩打分模块、学习进度监督模块；其中在所述学习专注度监督模块中，使用双目摄像头对用户学习状态进行识别，根据识别结果提取用户学习状态特征值，将用户学习状态特征值传送至学习成绩打分模块中进行用户学习状态打分，将用户学习状态打分结果传送至学习进度监督模块中，用以进行用户学习状态与用户学习进度监督与改进。

在一种实施方式中，所述使用双目摄像头对用户学习状态进行识别中，所述双目摄像头的识别步骤包括人脸校验识别与注意力校验识别。

具体的，在所述使用双目摄像头对用户学习状态进行识别中，首先通过控制双目摄像头在学习视频开始前进行基础标定，在所述基础标定中确定用户人脸与双目摄像头之间，双目摄像头与学习视频之间的距离；其中所述的双目摄像头采用睿识双目摄像头，所述双目摄像头可根据实际使用环境进行自定义清晰度调节。

在一种实施方式中，所述人脸校验识别中，在所述双目摄像头中建立了用户学习状态特征值训练方法，所述用户学习状态特征值训练方法中具体包括人脸特征点识别与人脸轮廓识别。所述用户学习状态特征值训练方法，将双目摄像头拍摄的数据传送至神经网络模型中进行用户学习状态特征值训练。所述用户学习状态特征值训练中，通过计算人脸特征点识别中同一特征点在不同拍摄的数据下的成像偏移量，用以根据成像偏移量计算人脸深度信息，再根据人脸深度信息进行人脸轮廓识别。

具体的，所述的神经网络模型中，所述的神经网络芯片主要由cpu与特定gpu芯片构成，其中所述的神经网络模型采用轻量级人脸识别模型中内置神经网络芯片以此实现双目摄像头进行边缘计算，通过轻量级人脸识别模型初步判定所识别的人脸是否符合3D人脸深度信息，降低图片数据传输的开销。

在一种实施方式中，所述注意力校验识别中，具体包括用户学习表情识别，用户人脸朝向识别，用户人眼视觉关注点识别，用户人眼眼动状态识别，视觉停留时间识别与当前学习视频的学习进度识别。所述用户学习表情识别，具体为用户学习过程中的学习表情变化状态识别，若指定周期内用户产生并切换多种表情变换状态，则用户在所述学习成绩打分模块的对应评分降低。

具体的，所述用户在线学习过程中，在视频关键点下进行用户注意力校验识别，其中所述视频关键点包括直播视频与录播视频，其中所述直播视频在直播的过程中由教师端通过触发指定后台案件实时设定视频关键帧节点，所述录播视频在教师端录制时通过触发指定后台案件设定视频关键帧节点，或在后期剪辑时再次设定视频关键帧节点。

其中所述用户人脸朝向识别，用户人眼视觉关注点识别，用户人眼眼动状态识别，在开始在线教育学习时，首先在学习视频的指定角落中投放多个标定图像，根据用户人脸与用户人眼跟随多个标定图像的移动变化，判定当前用户是否注意到标定图像以此完成注意力标定操作。

在一种实施方式中，所述学习成绩打分模块，将学习专注度监督模块中的用户学习状态作为评价因素，通过对各评价因素进行对应加权值评分，用以得到用户学习状态打分结果。所述将学习专注度监督模块中的用户学习状态作为评价因素中，建立了同时刻学习视频关键点下多用户学习状态同步判断方法，并使用同步判断方法对用户学习状态打分进行辅助纠正。

具体的，所述用户学习状态打分还包括用户对学习视频中视频关键点，与视频互动点的交互触发频率，避免用户在进行在线学习的过程中，同时进行其他与学习无关操作，同时将同时刻学习视频关键点下多用户学习状态同步判断方法与用户对学习视频中视频关键点，与视频互动点的交互出发频率相互结合，以此进行交互触发频率的联合统计，以此提高用户个人学习的学习注意力多元管控。

具体的，本发明中在所述的同时刻学习视频关键点下多用户学习状态同步判断方法下，建立多用户学习状态同步数据采集，并将所采集到的同步数据进行基于用户学习表情，用户人脸朝向，用户人眼视觉关注点，用户人眼眼动状态，视觉停留时间，当前学习视频的学习进度与交互触发频率的横向比对，将横向比对结果转化为在线教育学习注意力对比表格，将注意力对比表格、用户学习状态打分结果、在线学习作业完成度以及在线学习测评成绩进行定期公示评比，用以提高用户进行在线学习的监督质量。

在一种实施方式中，所述在线教育学习评估系统中，将所述双目摄像头作为边缘端，将在线教育系统作为服务端，其中所述边缘端使用mobilenet作为骨干网进行优化识别，所述服务端使用resnet作为骨干网进行优化识别。

具体的，本发明中所述在线教育系统中所述拍摄的数据采用异步传输，用以避免视频数据相对较大同时传输导致数据传输不稳定的问题，同时本发明中使用双目摄像头进行边缘计算，在所述边缘计算中直接进行人脸校验识别，而无需传递整帧图片。

以上所述，仅是本发明的较佳实施例而已，并非是对发明作其他形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或更改为等同变化的等效实施例，但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改，等同变化与改型，仍属于本发明技术方案的保护范围。