[发明专利]一种课堂学情分析方法、装置及设备

说明书

本发明公开了一种课堂学情分析方法、装置及设备，该方法包括：实时采集教室内所有学生的全景图像；通过自训练的分类器对全景图像进行识别，识别出教室内所有学生的人脸；对人脸数据进行分析，生成课堂学情分析结果；将课堂学情分析结果上传至云端服务器，并以课堂及对应老师为单位的形式存储在云端服务器。本发明实施例自动实现课堂教学中学生学习行为的采集、分析、统计，数据上报，减少了人力投入。

技术领域

本发明涉及信息和教育技术领域，尤其涉及一种课堂学情分析方法、装置及设备。

背景技术

对于线下课堂中，一般对于学生的听课情况以及与老师的互动情况，无法很好的自动记录和数据统计，例如：学生上课中是否有不认真听课睡觉的情况，学生与老师互动的积极性，学生是否有课中打闹外出情况等数据。有了这些数据可以反应学生的听课的情况的同时也能反映出讲课老师的讲课水平和精彩度。现有技术中为了获取学生的听课情况、课堂互动等课堂学情，需要人为的到课堂去听课，或者对学生回访，需要耗费大量的人力和时间。

因此，现有技术还有待于改进和发展。

发明内容

鉴于上述现有技术的不足，本发明的目的在于提供一种课堂学情分析方法、装置及设备，旨在解决现有技术中为了获取学生的听课情况、课堂互动等课堂学情，需要人为的到课堂去听课，或者对学生回访，需要耗费大量的人力和时间的技术问题。

本发明的技术方案如下：

一种课堂学情分析方法，所述方法包括：

实时采集教室内所有学生的全景图像；

通过自训练的分类器对全景图像进行识别，识别出教室内所有学生的人脸；

对人脸数据进行分析，生成课堂学情分析结果；

将课堂学情分析结果上传至云端服务器，并以课堂及对应老师为单位的形式存储在云端服务器。

进一步地，所述实时采集教室内所有学生的全景图像前，包括：

收集大量人脸图片数据和非人脸图片数据，对开源框架opencv进行训练，生成识别人脸的自训练分类器。

进一步优选地，所述对人脸数据进行分析，生成课堂学情分析结果，包括：

对人脸数据进行分析，若在预定时间内未检测到人脸数据，则判定当前学生趴下睡觉。

进一步优选地，所述对人脸数据进行分析，生成课堂学情分析结果，包括：

对人脸数据进行分析，若检测到人脸数据在图像中升高的像素高度高于预定像素值，则当前学生处于起立。

优选地，所述对人脸数据进行分析，生成课堂学情分析结果，包括：

对人脸数据进行分析，获取人脸表情数据，根据人脸表情数据生成学生的上课专注度数据。

进一步地，所述将课堂学情分析结果上传至云端服务器，并以课堂及对应老师为单位的形式存储在云端服务器，包括：

检测到展示指令，则从云端服务器获取课堂学情分析结果，并将课堂学情分析结果以统计图的形式进行展示。

进一步地，所述将课堂学情分析结果上传至云端服务器，并以课堂及对应老师为单位的形式存储在云端服务器后，还包括：

获取云端服务器存储的课堂学情分析结果，以日期为单位生成老师的学情分析报表。

本发明的另一实施例提供了一种课堂学情分析设置，装置包括：

图像采集模块，用于实时采集教室内所有学生的全景图像；

人脸识别模块，用于通过自训练的分类器对全景图像进行识别，识别出教室内所有学生的人脸；