一种远程教学的教学质量评估方法及系统技术方案

一种远程教学的教学质量评估方法及系统，首先获取各学习端的拍摄装置所拍摄的学习者学习时的面部的表情图像，然后分别对各个拍摄装置的表情图像进行处理，对任一个拍摄装置的表情图像进行处理的方法如下：先将表情图像进行表情分类处理，再将表情图像输入至分类到的表情所对应的强度处理子模型进行处理，得到分类到的表情的强度，其中一个表情分类下的强度处理子模型中具有该表情分类的多个强度，再根据预设的转换关系，将得到的各表情分类以及对应的表情的强度进行整体数据分析，得到教学质量评估指标。本发明专利技术基于表情识别做出表情强度的估计，准确获知学习者在学习时高兴、疑惑、焦虑的程度，能够更加准确的反映出学习者的学习状态以及教学质量的好坏。

A method and system for evaluating the teaching quality of Distance Teaching

And a system of teaching quality evaluation methods of remote teaching, first get the expression image shooting device study end taken by the learners face, then the various shooting device expression image processing method for processing a facial image photographing device are as follows: the first expression of image facial expression classification processing, and then processing strength processing sub model of the corresponding expression image input to the classification to the classification to the expression, expression intensity, one expression classification strength under multiple strength with the classification model, then according to the relationship between presupposition and conversion, the facial expression classification. The intensity and the corresponding expression for the overall data analysis, get the teaching quality evaluation index. The invention makes expression intensity estimation based on expression recognition, and accurately learns the degree of joy, doubt and anxiety when learners are learning, and can reflect learners' learning status and teaching quality more accurately.

【技术实现步骤摘要】
一种远程教学的教学质量评估方法及系统
本专利技术涉及领域远程教学领域，更具体地说，涉及一种远程教学的教学质量评估方法及系统。
技术介绍
目前，一些在线教育系统中添加了能够识别表情的辅助系统，实时的获取学习者的面部表情，以此判断出学习者的情感状态，继而了解学习者的学习状态，并对此提出相应的情感支持策略。这些辅助系统只是对基本的表情类别进行粗略的分类，比如开心、疑惑、害怕、伤心、吃惊等，并未基于表情识别做出表情强度的估计，因此无法准确获知学习者在学习时愉悦或疑惑的程度，缺陷在于不能反映出学习者对问题的理解程度。
技术实现思路
本专利技术要解决的技术问题在于，针对现有技术的上述现有的辅助系统未基于表情识别做出表情强度的估计，无法准确获知学习者在学习时愉悦或疑惑的程度，不能反映出学习者对问题的理解程度缺陷，提供一种远程教学的教学质量评估方法及系统。本专利技术解决其技术问题，所采用的种远程教学的教学质量评估方法包含如下步骤：S1、获取各学习端的拍摄装置所拍摄的学习者学习时的面部的表情图像；S2、分别对各个拍摄装置的表情图像进行处理；对任一个拍摄装置的表情图像进行处理的方法如下：先将表情图像进行表情本文档来自技高网...

【技术保护点】
一种远程教学的教学质量评估方法，其特征在于，包含如下步骤：S1、获取各学习端的拍摄装置所拍摄的学习者学习时的面部的表情图像；S2、分别对各个拍摄装置的表情图像进行处理；对任一个拍摄装置的表情图像进行处理的方法如下：先将表情图像进行表情分类处理，再将表情图像输入至分类到的表情所对应的强度处理子模型进行处理，得到分类到的表情的强度，其中一个表情分类下的强度处理子模型中具有该表情分类的多个强度；S3、根据预设的转换关系，将步骤S2得到各表情分类以及对应的表情的强度进行整体数据分析，得到教学质量评估指标。

【技术特征摘要】
1.一种远程教学的教学质量评估方法，其特征在于，包含如下步骤：S1、获取各学习端的拍摄装置所拍摄的学习者学习时的面部的表情图像；S2、分别对各个拍摄装置的表情图像进行处理；对任一个拍摄装置的表情图像进行处理的方法如下：先将表情图像进行表情分类处理，再将表情图像输入至分类到的表情所对应的强度处理子模型进行处理，得到分类到的表情的强度，其中一个表情分类下的强度处理子模型中具有该表情分类的多个强度；S3、根据预设的转换关系，将步骤S2得到各表情分类以及对应的表情的强度进行整体数据分析，得到教学质量评估指标。2.根据权利要求1所述的教学质量评估方法，其特征在于，步骤S2中的表情分类由高兴、疑惑、及焦虑组成，强度处理子模型是指高兴强度处理子模型、疑惑强度处理子模型、焦虑强度处理子模型三种之一。3.根据权利要求1所述的教学质量评估方法，其特征在于，还包括分别训练各个强度处理子模型的步骤，任意一个强度处理子模型的训练步骤包括：A1、获取某一表情分类下的用于训练的包含人面部分的表情数据库，所述表情数据库包含具有面部表情强度标签的数据库与无面部表情强度标签的数据库；A2、对所述表情数据库中的图像数据进行预处理，提取出人面部分的数据；A3、对提取出的人面部分的数据分别进行面部几何特征、局部二值模式和Gabor小波变换三种模式的特征提取；A4、分别使用全监督模式、半监督模式和无监督模式对步骤A3输出的数据进行训练，得到特征与面部表情强度的关系；A5、将所述训练后形成的数据分别作为序数随机森林算法的输入进行训练，分别得出面部表情强度处理子模型，将k1*B1+k2*B2+k3*B3作为最终的面部表情强度计算模型，其中系数k1、k2、k3的取值范围均为(0，1)，且k1+k2+k3＝1，B1、B2、B3分别为同一输入条件下全监督模式、半监督模式和无监督模式对应的输出值；其中，全监督模式是指采用带有强度标签的图像数据作为该模式的表情数据库进行训练；半监督模式是指采用部分带有强度标签部分不带有强度标签的图像数据作为该模式的表情数据库进行训练；无监督模式是指采用不带有强度标签的图像数据作为该模式的表情数据库进行训练。4.根据权利要求3所述的教学质量评估方法，其特征在于，所述步骤A2中预处理包括：人脸特征点定位、人脸识别、图像剪切和直方...

【专利技术属性】
技术研发人员：杨林权，谷俊允，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：湖北,42