一种沉浸式环境中远程动作教学质量的自动评价方法和系统技术方案

本发明专利技术公开了一种沉浸式环境中远程动作教学质量的自动评价方法和系统，所述方法包括以下步骤：采集教师标准动作和学生模仿动作；综合学生模仿动作与教师标准动作的动作相似度、学生模仿动作的动作细节、学生模仿动作的动作平滑度对学生模仿动作质量进行系统总体打分，得到系统总分Q；如此,利用低成本的动作捕捉传感器可穿戴设备，结合Kinect传感器采集的数据和动作捕捉传感器捕捉的数据，进行动作质量评分，实现运动的高效远程教学和准确的自动动作评价。

Automatic evaluation method and system for remote action teaching quality in immersed environment

The invention discloses a method for automatic evaluation system of teaching quality and remote action an immersive environment, the method comprises the following steps: teachers and students acquisition standard action imitation; comprehensive students imitate the action and teacher standard action similarity, students imitate action details, the students imitate the actions of smoothness the students imitate the action quality system overall scoring system score Q; so, the low cost of the motion capture sensors to wearable devices, combined with the Kinect sensor to collect data and motion capture sensors to capture data, action quality score, effectively realize the distance teaching movement and accurate evaluation of automatic action.

【技术实现步骤摘要】
一种沉浸式环境中远程动作教学质量的自动评价方法和系统
本专利技术涉及远程教学和评价
，尤其涉及一种沉浸式环境中远程动作教学质量的自动评价方法和系统。
技术介绍
随着网络技术的进步，近年来在线教育课程，如MOOC-MassiveOpenOnlineCourse，获得了快速的发展，然而，现有的在线教育系统主要还是以视频、音频、文本等传统形式传递如科学类、语言类等传统课程内容，而这些形式对于运动型的教学，特别是一些专业性较强和对动作的规范性要求较高的运动，如太极、武术，往往效果不理想。目前，市场上也存在一些可采集体感动作的设备和系统，例如，微软的Kinect可以采集人体的运动动作，并将其应用到游戏和娱乐中，动作捕捉传感器系统(Motioncapturesystem或Mocap系统)具有更高的采集精度，然而，目前专业Mocap系统的售价依然很高，短期内无法在民用市场得到广泛应用。此外，目前市场上并不存在针对太极这一特点运动的远程教学系统和动作指令评价方法。
技术实现思路
基于
技术介绍
存在的技术问题，本专利技术提出了一种沉浸式环境中远程动作教学质量的自动评价方法和系统；本专利技术提出的一种沉本文档来自技高网...

【技术保护点】
一种沉浸式环境中远程动作教学质量的自动评价方法，其特征在于，包括以下步骤：S1、采集教师标准动作和学生模仿动作；S2、综合学生模仿动作与教师标准动作的动作相似度、学生模仿动作的动作细节、学生模仿动作的动作平滑度对学生模仿动作质量进行系统总体打分，得到系统总分Q。

【技术特征摘要】
1.一种沉浸式环境中远程动作教学质量的自动评价方法，其特征在于，包括以下步骤：S1、采集教师标准动作和学生模仿动作；S2、综合学生模仿动作与教师标准动作的动作相似度、学生模仿动作的动作细节、学生模仿动作的动作平滑度对学生模仿动作质量进行系统总体打分，得到系统总分Q。2.根据权利要求1所述的沉浸式环境中远程动作教学质量的自动评价方法，其特征在于，步骤S1，具体包括：采集教师标准动作的手臂关节动作和手臂动作力度，采集学生模仿动作的手臂关节动作和手臂动作力度；优选地，通过Kinect采集教师标准动作和学生模仿动作的手臂关节动作，通过动作捕捉传感器采集教师标准动作和学生模仿动作的手臂动作力度。3.根据权利要求1或2所述的沉浸式环境中远程动作教学质量的自动评价方法，其特征在于，步骤S2，具体包括：S21、采用基于动态时间规整的相似度评价方法，对学生模仿动作与教师标准动作的动作相似度进行评价，得到学生目标节点模仿动作与教师目标节点标准动作的动作相似度分数Q1；S22、根据教师手臂动作边界距离和学生手臂动作边界距离，对学生模仿动作的动作细节进行评价，得到学生模仿动作的动作细节分数Q2；S23、根据动作捕捉传感器获取的手臂动作力度，对学生模仿动作的动作平滑度进行评价,得到学生模仿动作的动作平滑度分数Q3；S24、按照最优权重矢量对Q1、Q2、Q3进行加权求和，得到系统总分Q；优选地，步骤S21，具体包括：对学生模仿动作进行归一化处理，P(t)表示目标节点教师标准动作，Q(t)表示目标节点学生模仿动作，分别表示节点欧拉角数据的x，y，z分量，t代表时刻，N表示总时刻数，向量表示从Kinect获取的3个欧拉角数据，再建立一个N×N的距离矩阵d(t1,t2)＝|P(t1)-Q(t2)|2，t1，t2表示N×N矩阵中处在t1行t2列的位置，然后根据动态规划的方法累计距离矩阵：γ(t1,t2)＝d(t1,t2)+min{γ(t1-1,t2-1),γ(t1-1,t2),γ(t1,t2-1)}，得到距离空间，γ(t1,t2)表示处在(t1,t2)位置的矩阵元素；根据距离空间对学生目标节点模仿动作与教师目标节点标准动作的动作相似度进行评价，得到学生目标节点模仿动作与教师目标节点标准动作的动作相似度分数，再计算学生所有节点模仿动作与教师所有节点标准动作的动作相似度分数的平均值，得到学生模仿动作与教师标准动作的动作相似度分数Q1；优选地，步骤S22，具体包括：分别求出教师手臂动作边界和学生手臂动作边界，Ppeak＝max{PX(0),Px(1),...,PX(N-1)}，Qpeak＝max{QX(0),QX(1),...,QX(M-1)}，Ppeak表示教师手臂动作边界，Qpeak表示学生手臂动作边界，t代表时刻，N＝M表示总时刻数，Px(0)表示在时刻t＝0时教师手臂动作节点的角度数据，Px(N-1)表示在时刻t＝N-1时教师手臂动作节点的角度数据，Qx(0)表示在时刻t＝0时学生手臂动作节点的角度数据，Qx(M-1)表示在时刻t＝M-1时学生手臂动作节点的角度数据，所述Ppeak、Qpeak可通过Kinect获取；根据Ppeak和Qpeak的距离，对学生模仿动作动作细节进行评价，得到学生模仿动作的动作细节分数Q2；优选地，步骤S23，具体包括：通过动作捕捉传感器获取的手臂动作力度数据在以200Hz为截止频率经过5阶巴特沃斯低通滤波后为：X＝{x1,x2,x3…xn}，计算其变化率ΔX＝{x2-x1,x3-x2…xn-xn-1}，计算方差Var(X)＝Ε[(ΔX-μ)2]，其中n表示总时刻数，μ＝Ε[ΔX]表示均值，通过方差对学生模仿动作的动作平滑度进行评价,得到学生模仿动作的动作平滑度分数Q3；优选地，步骤S24，具体包括：按照最优权重矢量w＝[w1，w2，w3]T对三项分数Q1、Q2、Q3进行加权求和，得到系统总分Q＝w1·Q1+w2·Q2+w3·Q3，其中w1+w2+w3＝1。4.根据权利要求3所述的沉浸式环境中远程动作教学质量的自动评价方法，其特征在于，在步骤S24中，利用穷举法求解专家对学生动作总体打分的专家分数y和系统总分Q之间的相关性，得到使y和Q的相关性系数取值最大时的最优权重矢量w＝[w1，w2，w3]T，所述方法，具体包括：其中x＝QT×w，x表示学生加权后的总体得分，QT表示对学生动作进行系统总体打分的各项得分矩阵，表示第i个学生的第k分项得分，k＝1，2，3，i＝1，…N，N表示学生总数；y＝[y1,y2...yi,...yN]T，yi表示专家对第i个学生动作总体打分的专家分数。5.根据权利要求1所述的沉浸式环境中远程动作教学质量的自动评价方法，其特征在于，在步骤S1中，在采集教师标准动作和学生模仿动作之后，还包括：对采集的教师标准动作和学生模仿动作进行去除噪音处理。6.一种沉浸式环境中远程动作教学质量的自动评价系统，其特征在于，包括：动作采...

【专利技术属性】
技术研发人员：陈晓明，陈志波，
申请(专利权)人：中国科学技术大学先进技术研究院，
类型：发明
国别省市：安徽,34