[发明专利]一种网络在线学习的学习环境监测方法

摘要

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。

主权项

1.一种网络在线学习的学习环境监测方法，其特征在于：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；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，ip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；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ai，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；(3)计算特征值并按升序排列，得到特征值分别为：λ1，λ2，…，λq，其中，λi＞0，选择标准模型前t个特征向量P＝(p1，p2，...，pt)和特征值满足：当该等式满足时，说明与标准模型中的值匹配，输出识别结果。