[发明专利]一种网络在线学习的学习环境监测方法

说明书

本发明涉及一种网络在线学习的学习环境监测方法，属于计算机网络系统技术领域。该方法通过图片预处理、特征提取、特征分类，最后将图像中的人数以及人的情绪变化进行识别。通过该方法有效地监管网络在线学习的学习，当画面中的人员超过一定数量时，系统将提醒，这样可以有效保证学习环境的可靠性；还可以通过该方法来识别学员的学习态度的变化，这样能够有效地收集学员信息，更好地保证学习效果。

技术领域

本发明涉及一种网络在线学习的学习环境监测方法，属于计算机网络系统技术领域。

背景技术

随着信息技术的发展，计算机和互联网已经广泛应用于学习过程，出现了电子学习、开放式学习、网络学习、合作学习和探究式学习等多种学习方法。人们已经提出了多种学习系统，其中就包括在线学习系统，也出现了多种从网络服务器上下载教学资源，进行离线学习的电子设备，这些系统和设备仅注重知识的呈现，在促进学习者与评估者之间的有效交流与协作方面存在不足，在学习评估方面仍然采用传统的考试方法。国内学生在线学习行为评估方面的研究主要偏重于理论,采用的方式也比较单一，一般是釆取问卷调查和访谈的方式,对结果处理的方式采用一般的数理统计的方法,并将结果作为提高学生学习效率和改进教学方法的参考。但是并不能很好的解决有效学习的问题，不能及时发现学员们的问题所在。

发明内容

本发明要解决的技术问题是针对现有技术中的不足，提出一种网络在线学习的学习环境监测方法，通过该方法可以有效的监管网络在线学习的学习，有效地收集学员信息，更好地保证学习效果，从而提高学习效率。

为解决上述技术问题，本发明提供一种网络在线学习的学习环境监测方法，具体步骤如下：

步骤1：采集学习环境图片，并对所采集的图片进行预处理，预处理的公式为：

式中，H为预处理后的图像函数；s为原图像的灰度值，R为图像增强函数，lj为累计函数，M、N为原图像的大小，L为0～255。经过预处理过的图像，使的图像的画面更加均衡，增强后图像的细节更加突出，对于后续的图像在处理有极大的帮助。

进一步地，上式可以简化为：

式中，H为预处理后的图像函数；s为原图像的灰度值，R为图像增强函数，lj为累计函数，M、N为原图像的大小，L为0～255；

步骤2：将步骤1中的预处理后的图像进行特征提取，特征提取的公式为：

式中，T为提取的特征值，(x0,y0)为中心像素点，i0为中心点像素值，P为样本点数，i_p为第p个像素点像素值；D为：

式中，D为标记运算函数；

步骤3：将步骤2中的所提取出来的特征通过算法AdaBoost进行特征分类；判断学习环境中的人脸数，当人脸数超过设置的学习人数时，系统报警。判断学习环境中的人脸数，当人脸数超过设置的学习人数时，系统报警，这样说明学习环境具有干扰，学习效果会下降。

步骤4：将步骤3中的分类特征进行图像中的人数以及人的情绪变化进行识别，建立特征点向量a_i，判断方法为：

(1)计算所有向量的平均向量，计算公式为：

式中，为特征点向量的平均值，n表示N个向量，i表示第i个向量；

(2)计算向量的协方差矩阵，计算公式为：

式中，S为向量的协方差矩阵，T为矩阵的转置；