[实用新型]一种基于智能手机的远程答疑辅导系统

说明书

技术领域

本实用新型涉及智能手机的技术领域，具体地说是一种基于智能手机的远程答疑辅导系统，可实现习题扫描成像，同步传输和同步白板教学的功能。

背景技术

中小学生课外辅导是提高学生能力的其中一个重要手段，具体有：1、参加辅导小班课程，听老师讲解例题，其往往是单向辅导沟通；2、一对一家教，固定时间内老师和学生进行面对面讲解辅导，而学生在实际做习题和作业的时候，经常会遇到难题而无从下手，此时是最需要老师进行针对性的讲解，而且此时的辅导效果往往最佳的，印象最为深刻，但往往此时学生是无人可问的，现今网络通讯方式已经十分发达，通过有些网站进行在线辅导，可通过网络视频电话进行辅导，但是远程视频时，老师无法清楚的看清需要解答的习题，故效果不佳。另外系统不能随身携带，也不方便。

Sift算法是David Lowe于1999年提出的局部特征描述子，并于2004年进行了更深入的发展和完善。Sift特征匹配算法可以处理两幅图像之间发生平移、旋转、仿射变换情况下的匹配问题，具有很强的匹配能力。总体来说，Sift算子具有以下特性：(1)、Sift特征是图像的局部特征，对平移、旋转、尺度缩放、亮度变化、遮挡和噪声等具有良好的不变性，对视觉变化、仿射变换也保持一定程度的稳定性。(2)、独特性好，信息量丰富，适用于在海量特征数据库中进行快速、准确的匹配。(3)、多量性，即使少数的几个物体也可以产生大量Sift特征向量。(4)、速度相对较快，经优化的Sift匹配算法甚至可以达到实时的要求。(5)、可扩展性强，可以很方便的与其他形式的特征向量进行联合。

其Sift算法的三大工序为，(1)提取关键点；(2)对关键点附加详细的信息（局部特征）也就是所谓的描述器；(3)通过两方特征点（附带上特征向量的关键点）的两两比较找出相互匹配的若干对特征点，也就建立了景物间的对应关系。提取关键点和对关键点附加详细的信息（局部特征）也就是所谓的描述器可以称做是Sift特征的生成，即从多幅图像中提取对尺度缩放、旋转、亮度变化无关的特征向量，

VoIP（Voice over Internet Protocol）简而言之就是将模拟声音信号（Voice）数字化，经过数字压缩后，以数据封包（Data Packet）的形式在 IP 数据网络 (IP Network）上做实时传递。从而实现语音双向通信。VoIP最大的优势是能广泛地采用Internet和全球IP互连的环境，提供比传统业务更便宜的服务。VoIP可以在IP网络上便宜的传送语音、传真、视频、和数据等业务，如统一消息、虚拟电话、虚拟语音/传真邮箱、查号业务、Internet呼叫中心、Internet呼叫管理、电视会议、电子商务、传真存储转发和各种信息的存储转发等。