[发明专利]一种用于教学考评的视频信息采集方法及图像处理系统

权利要求书

1.一种用于教学考评的视频信息采集方法，其特征在于，包括以下步骤：

视频信息采集设备在应用过程中获取实时场景下的视频数据，在经过临时缓存区后，通过压缩传输至数据存储服务器；

构建教学考评指标体系；

根据用户终端需求，获取所述数据存储服务器中存储的对应视频数据；

提取所述对应视频数据中的数据特征；

融合多种数据特征，对教学考评行为进行分类，并获取最终考评结果；

根据所述最终考评结果，智能化推荐匹配课程。

2.根据权利要求1所述的一种用于教学考评的视频信息采集方法，其特征在于，建立临时缓存区，用于存储所述实时场景下的视频数据；所述临时缓存区为环形存储队列；

所述实时场景下的视频数据存储于临时缓存区中，当临时缓存区中的数据量达到预设大小时，将数据打包传输至云端；

所述临时缓存区存储数值的过程为：移动头指针，指向存储队列的下一个存储空间，通过数值的覆盖的方式，循环更新存储队列中的数值。

3.根据权利要求1所述的一种用于教学考评的视频信息采集方法，其特征在于，所述教学考评指标体系中包含针对用户学习过程中的面部表情识别判断，具体步骤为：

获取存储在云端的视频图像数据，并进行预处理；

提取预处理后的图像数据特征；

构建分类器，根据所述图像数据特征，通过分类识别获得识别结果；

输出当前表情对应的学习状态，并作为教学考评结果的参考数据之一；

其中，所述预处理的过程为：

提取视频图像数据的视频帧，

检测出所述视频帧中的人脸图像，

利用中值滤波对图像进行降噪和去噪，

根据需求对人脸图像进行纠正对齐和图像的灰度转换。

4.根据权利要求1所述的一种用于教学考评的视频信息采集方法，其特征在于，

建立用于提取图像数据特征的神经网络；所述神经网络每层卷积层后面紧接激活层；所述神经网络结构层之间的权重值，在训练神经网络学习能力的时候，通过反向传播的方式进行更新；

在增加神经网络结构深度的同时，将神经网络的线层结构与深层网络通过残差块进行连接；其中，所述残差块的结构表达式为：

式中，表示该残差结构的输出；表示通过卷积层的映射结果；其中，x表示输入的恒等映射，在反向传播过程中，对x求导的值恒等于1。