[发明专利]一种基于人脸表情和人体动作识别的课堂学习效率分析算法

说明书

一种基于人脸表情和人体动作识别的课堂学习效率分析算法，首先把一节课按照时间划分为多个区间段，并利用布置在教室内的监视与信息处理系统获取各区间段内每个同学的表情和动作等统计信息。该算法基于上述信息计算八种行为的个数在每个区间段的占比，根据占比赋予其动态权值，并建立“好”行为因子和“坏”行为因子模型，从而由集体“好”行为因子占总行为因子的比率计算集体课堂学习效率。同时，对课堂内每一个体计算“好”行为因子和“坏”行为因子，进而计算出个体课堂学习效率。综合集体课堂学习效率与个体课堂学习效率，确立一节课最终的课堂学习效率。本发明方法避免了单一的集体课堂学习效率算法带来的课堂学习效率过分转移，所得的效率分析结果能够较好的反应学生课堂学习情况。

技术领域

本发明涉及课堂教学效率研究领域，具体的说是一种基于人脸表情和人体动作识别的课堂学习效率分析算法。

背景技术

一般情况下，对于学生课堂学习效果的考察是通过课后作业，一系列的考试等来判断的。但是这些手段都有着相应的不确定性和一定的弊端，例如:课后作业做得好并不能说明这个学生上课效率高，通过考前突击加之一些老师会在考前划重点这会导致考试成绩并不能准确反映学生上课情况的好坏。

因此亟需一种能够准确和及时地评估学生课堂学习效率的算法。通过此算法，当一节课结束后系统立马就能够得到学生的课堂学习效率，做到了用具体的数据来反映学生的课堂学习情况，也为授课教师及时了解和改进自己的教学提供了帮助。

发明内容

本发明的目的在于提供一种基于人脸表情和人体动作识别的课堂学习效率分析算法，可对学生的课堂学习效率进行评估，且将集体课堂学习效率算法和个体课堂学习效率算法综合起来，避免了单一课堂学习效率算法的缺陷，使得评估结果更为准确。

本发明采取的技术方案为：

一种基于人脸表情和人体动作识别的课堂学习效率分析算法，包括以下步骤：

步骤1，将一节课按时间分成M个区间段；利用布置在教室内的多个摄像机与热释红外探测器等监视与信息处理系统获取各区间段内N个同学的8种行为的统计信息。“好”行为为A-抬头认真听讲，B-低头看课本，C-做笔记，D-提问/回答老师的问题，“坏”行为为E-打瞌睡，F-交头接耳说话，G-玩手机，H-中途离场。

步骤2，计算学生集体课堂学习效率。首先根据每一种行为在各区间段总人数的表现，选取“好”行为A,B,C,D在各区间的行为权值，如表2所示：

表2：A,B,C,D行为在各区间段的行为权值

其中：这里θ的取值为0.55，D行为的权属优先级高于A,B,C,即只要区间内有D行为出现，即该区间的权属按四权赋权值。

其次，计算每个区间段“好”行为因子P_jg，j＝1,2,3...M；其中：w_j1,w_j2,w_j3,w_j4分别为“好”行为A,B,C,D在第j区间的行为权值，A_ji,B_ji,C_ji,D_ji指第j区间段第i个学生若产生对应的行为时其值为1，否则为0。