用于肢体动作类教学管控的方法及系统技术方案

本发明专利技术公开了教育信息化领域中针对肢体运动类学科的教学管控的方法和系统，具体涉及用于肢体动作类教学管控的方法及系统；首先通过动作传感器模组，通过物联网分别采集和上传教师和学生的肢体运动数据；然后分别在接入点和云处理平台对运动数据进行统计压缩和数据降维，并利用人工智能技术，计算出动作的种类、次数、周期、标准性能参数；然后根据这些参数，结合历史训练数据，给出下阶段的训练方案；本发明专利技术通过将教育教学管理平台和物联网相结合，解决了现有教学平台无法应用于肢体动作类学科的问题，为这类学科的信息化和精准教学提供了可量化的依据和管控手段。

The Method and System of Teaching and Controlling of Limb Movements

The invention discloses a teaching control method and system for the subject of limb movement in the field of educational informationization, which specifically relates to the method and system for the teaching control of limb movement. Firstly, through the action sensor module, the limb movement data of teachers and students are collected and uploaded through the Internet of Things, and then the motion data are unified at the access point and the cloud processing platform, respectively. Compression and data dimensionality reduction are calculated, and artificial intelligence technology is used to calculate the types, times, cycles and standard performance parameters of actions; then according to these parameters, combined with historical training data, the next stage training scheme is given; by combining the education and teaching management platform with the Internet of Things, the present teaching platform solves the problem that the existing teaching platform can not be applied to the subject of limb movements. It provides quantifiable basis and control means for the informationization and precision teaching of this kind of discipline.

【技术实现步骤摘要】
用于肢体动作类教学管控的方法及系统
本专利技术涉及教育信息化领域，具体涉及以物联网为基础的肢体动作类教学管控的方法和系统。
技术介绍
教育部印发《教育信息化2.0行动计划》中提出要到2022年基本实现“三全两高一大”的发展目标。其中，“三全”指教学应用覆盖全体教师、学习应用覆盖全体适龄学生、数字校园建设覆盖全体学校；“一大”指建成“互联网+教育”大平台。在这一大趋势下，各类基于互联网+的教育教学管理平台被专利技术和应用，有效的推进了教育信息化的发展。目前的教育教学管理平台主要集中在以互联网为基础的师生交互方面，主要针对课堂讲授型学科的管理和监督。其中较为典型的有中国专利公开文件“CN201611175428.5基于任务驱动的精准课堂教学云教育管理系统”、“CN201710332316.4基于云平台的分层式智慧教育系统”、“CN201810358046.9基于软硬件结合的双师互动教学系统”等，这类型的专利技术专利均是以课堂交互，教案或者习题等资料共享，教学、实验、作业及师生互动为目的，有效的解决了传统教学方式中师生脱节，交互不畅的问题。然而，对于体育、舞蹈等以肢体运动为主的学科，其教学、作业、师生交互、以及学生训练情况均无法用传统的文字、图片、或视频资料等形式进行管理、评估、和监督。换句话说，现有的教学管理平台均无法适用于以肢体运动为主的学科教学中。综上所述，为达到教学应用全覆盖的目的，解决现有教学平台仅针对讲授型学科管控的问题，需要专利技术新的应用于肢体运动类学科的教学管控系统，利用信息化手段实现教学的有的放矢和精准化管理。
技术实现思路
本专利技术的目的在于提供用于肢体动作类教学管控的方法及系统，以克服上述现有技术存在的的缺陷，本专利技术解决了现有教学管理平台仅能用于教学、实验、作业及师生互动的讲授型学科，而无法应用于肢体运动类学科教学的问题。为达到上述目的，本专利技术采用如下技术方案：包括以下步骤：步骤11：教师根据所教肢体动作，佩戴相应的动作传感器模组，动作传感器模组利用配备的传感器模块采集相应部位的动作数据，并通过无线收发模块将动作数据通过接入点传输至云平台，并标记为该类型肢体动作的标准；步骤12：学生根据教师布置的肢体动作类任务，选择佩戴相应的动作传感器模组，并按照任务要求完成相应的肢体动作训练；步骤13：所述步骤12中的动作传感器模组利用配备的传感器模块采集相应部位的动作数据，并通过无线收发模块将动作数据传输至接入点，接入点利用低复杂度算法计算动作数据参数，并实时将结果反馈给学生终端；同时，接入点将动作数据通过互联网发送至云处理平台；步骤14：云处理平台收到动作数据后，利用高复杂度算法精确计算运动相关的各项参数，并将计算结果保存在云数据库中；步骤15：教师和教学督导从云数据库读取学生动作数据参数，结合云平台大数据分析结果，进行学生训练程度分析及训练计划制定，并通过云平台反馈给学生。作为本专利技术方法进一步的方案，步骤11中所述的肢体动作类任务包括，体育、舞蹈、健身、乐器演奏的以肢体运动为主的任务。作为本专利技术方法进一步的方案，所述的动作传感器模组具体指：由M(M≥1)个相对独立的动作传感器模块和无线收发模块组成，其中，动作传感器模块采集相应运动部位的X,Y,Z三个维度中的九类运动数据信息；其中，无线收发模块将采集到的九类运动数据信息进行发送；接入点是与无线收发模块对应的接入设备。作为本专利技术方法进一步的方案，步骤13中所述的低复杂度算法，具体包括：步骤131：求出所述九类运动数据信息在时域上的统计信息，包括每类数据的均值，最大值，最小值，标准差，以及不同类数据之间的协方差；步骤132：将步骤131中的统计信息作为输入，利用支持向量机计算出所做动作的类别；步骤133：根据九类运动数据信息的起止时间，计算出所做该种动作训练的总时间长度。作为本专利技术方法进一步的方案，步骤14中所述的高复杂度算法，具体包括：步骤141：利用数据降维方法，将所述九类运动数据信息降维成一维时间连续数据；步骤142：利用生成的一维时间连续数据作为输入，利用深度学习工具计算出所做动作类别，并从九类运动数据信息中选择出一类变化与动作相关性最大的信息；步骤143：对该类相关性最大的信息在时域上进行小波变换，找出相对应的最大时变频率；步骤144：以该最大时变频率为基准，利用过零点检测的方法，判断出所做动作的次数，和动作每次的周期长度；步骤145：判断所做动作与标准动作的相似程度，为所做动作的准确性评分；步骤146：将计算出的动作类别，所做动作的次数，动作每次的周期长度，动作的准确性得分信息整合后发送至云数据库。作为本专利技术方法进一步的方案，步骤15中所述的学生训练程度分析及训练计划制定包括根据云数据库中存储的学生训练完成各项参数的历史信息，对学生训练已达到的程度进行衡量，并结合已有经验值，使用基于时域数据的预测方法，修改及制定学生下一阶段的训练计划，同时给出此训练计划预期达到的目标。本专利技术还提供了实现这种用于肢体动作类教学管控的方法的系统，具体包括：动作传感器模组：由多个独立的动作传感器本体组成，每个动作传感器本体由九轴加速度传感器，无线收发模块，微处理器和电池模块组成，其中九轴加速度传感器负责收集用户对应位置肢体的运动数据，包括X,Y,Z三个维度中九类运动数据信息；无线收发模块负责上传所述收集到的九类运动数据信息；微处理模块负责对动作传感器本体活动进行控制；电池模块负责对动作传感器本体供电和电池充电；无线数据接入设备：与动作传感器本体直接相连，由无线收发模块，数据处理模块，网络接入模块，供电模块组成；其中无线收发模块负责与动作传感器本体建立无线连接，并接收动作传感器本体发送的数据信息；数据处理模块负责执行低复杂度算法，计算所述传感器本体发送的数据信息的运动参数；网络接入模块通过与因特网或蜂窝网核心网相连接，为收到的动作传感器本体的运动数据信息提供回传通道，并通过该通道将运动数据信息发送至云处理平台，同时将计算出的运动状态信息实时推送至学生终端；云处理平台：与所述无线数据接入设备相连，所述云处理平台由云处理模块，训练评估及预测模块，云数据库组成；其中云处理模块负责运行高复杂度算法，对动作传感器本体的运动信息进行处理，计算出动作类别，所做次数，每次的周期，动作准确性得分信息；训练评估及预测模块，负责对当前训练状态进行评估，并利用历史数据使用预测算法对今后训练进行规划及预测；云数据库负责为每位用户存储动作类别，所做次数，每次的周期，动作准确性得分训练信息，当前训练状态信息，训练规划及预测信息；用户终端：用于接收云处理平台的反馈信息，由学生终端，教师终端，教学监督终端组成；其中学生终端负责接收训练方案，训练统计参数，训练状态以及训练预测曲线信息，同时通过学生终端能够反馈学生训练和对课程的理解情况；教师终端负责向学生终端发布训练计划，查看学生训练数据，评估训练状态，根据训练预测信息制定下一阶段训练方案；教学监督终端负责接收学生的反馈和教师的训练方案；用户终端指多媒体处理终端。与现有技术相比，本专利技术具有以下有益的技术效果：(1)本专利技术方法和系统利用基于物联网的动作传感器模组，收集并上传了肢体运动类学科中学生运动的准确数据，为此类型学科和课程的学生训练任务的实施和完成本文档来自技高网...

【技术保护点】
1.用于肢体动作类教学管控的方法，其特征在于，包括以下步骤：步骤11：教师根据所教肢体动作，佩戴相应的动作传感器模组，动作传感器模组利用配备的传感器模块采集相应部位的动作数据，并通过无线收发模块将动作数据通过接入点传输至云平台，并标记为该类型肢体动作的标准；步骤12：学生根据教师布置的肢体动作类任务，选择佩戴相应的动作传感器模组，并按照任务要求完成相应的肢体动作训练；步骤13：所述步骤12中的动作传感器模组利用配备的传感器模块采集相应部位的动作数据，并通过无线收发模块将动作数据传输至接入点，接入点利用低复杂度算法计算动作数据参数，并实时将结果反馈给学生终端；同时，接入点将动作数据通过互联网发送至云处理平台；步骤14：云处理平台收到动作数据后，利用高复杂度算法精确计算运动相关的各项参数，并将计算结果保存在云数据库中；步骤15：教师和教学督导从云数据库读取学生动作数据参数，结合云平台大数据分析结果，进行学生训练程度分析及训练计划制定，并通过云平台反馈给学生。

【技术特征摘要】
1.用于肢体动作类教学管控的方法，其特征在于，包括以下步骤：步骤11：教师根据所教肢体动作，佩戴相应的动作传感器模组，动作传感器模组利用配备的传感器模块采集相应部位的动作数据，并通过无线收发模块将动作数据通过接入点传输至云平台，并标记为该类型肢体动作的标准；步骤12：学生根据教师布置的肢体动作类任务，选择佩戴相应的动作传感器模组，并按照任务要求完成相应的肢体动作训练；步骤13：所述步骤12中的动作传感器模组利用配备的传感器模块采集相应部位的动作数据，并通过无线收发模块将动作数据传输至接入点，接入点利用低复杂度算法计算动作数据参数，并实时将结果反馈给学生终端；同时，接入点将动作数据通过互联网发送至云处理平台；步骤14：云处理平台收到动作数据后，利用高复杂度算法精确计算运动相关的各项参数，并将计算结果保存在云数据库中；步骤15：教师和教学督导从云数据库读取学生动作数据参数，结合云平台大数据分析结果，进行学生训练程度分析及训练计划制定，并通过云平台反馈给学生。2.根据权利要求1所述的用于肢体动作类教学管控的方法，其特征在于，步骤11中所述的肢体动作类任务包括，体育、舞蹈、健身、乐器演奏的以肢体运动为主的任务。3.根据权利要求1所述的用于肢体动作类教学管控的方法，其特征在于，所述的动作传感器模组是：由M(M≥1)个相对独立的动作传感器模块和无线收发模块组成，其中，动作传感器模块采集相应运动部位的X,Y,Z三个维度中的九类运动数据信息；其中，无线收发模块将采集到的九类运动数据信息进行发送；所述接入点是与无线收发模块对应的接入设备。4.根据权利要求3所述的用于肢体动作类教学管控的方法，其特征在于，步骤13中所述的低复杂度算法，具体包括：步骤131：求出所述九类运动数据信息在时域上的统计信息，包括每类数据的均值，最大值，最小值，标准差，以及不同类数据之间的协方差；步骤132：将所述步骤131中的统计信息作为输入，利用支持向量机计算出所做动作的类别；步骤133：根据所述九类运动数据信息的起止时间，计算出所做该种动作训练的总时间长度。5.根据权利要求4所述的用于肢体动作类教学管控的方法，其特征在于，步骤14中所述的高复杂度算法，具体包括：步骤141：利用数据降维方法，将所述九类运动数据信息降维成一维时间连续数据；步骤142：将生成的一维时间连续数据作为输入，利用深度学习工具计算出所做动作类别，并从九类运动数据信息中选择出一类变化与动作相关性最大的信息；步骤143：对所述与动作相关性最大的信息在时域上进行小波变换，找出相对应的最大时变频率；步骤144：以该最大时变频率为基准，利用过零点检测的方法，判断出所做动作的次数，和动作每次的周期长度；步骤145：判断所做动作与标准...

【专利技术属性】
技术研发人员：马骁，李子琦，韩维佳，刘美珍，
申请(专利权)人：陕西师范大学，
类型：发明
国别省市：陕西,61