教师磨课测评方法及系统技术方案

本发明专利技术提供了一种教师磨课测评方法及系统。该方法包括：通过肢体动作识别，获取有效教学动作的个数及比例；通过对头部图像的面部朝向检测，获取教学过程中教师给出正脸的头部图像的数量及占比；通过对教师给出正脸的头部图像的表情识别，获取教师表现出好的表情的占比；通过对教师磨课音频的音频检测，获取教师的音频打分；综合有效教学动作的个数及比例、教师给出正脸的头部图像占比、表现出好的表情的整体占比，及教师的音频打分，对教师的磨课过程进行测评。本发明专利技术提供的教师磨课测评方法及系统能够为每位教师提供各维度准确、定量的检测结果，并根据这些维度的结果借助算法给出综合的分数及评级，以帮助促进教师各项能力的提升。

【技术实现步骤摘要】
教师磨课测评方法及系统
本专利技术涉及人工智能
，特别是涉及一种教师磨课测评方法及系统。
技术介绍
一直以来，教育在中国都有着举足轻重的地位。中国家庭在教育方面的投入一直都非常多，家长希望自己的孩子能够得到最好的教育资源，有最好的教师进行讲授。但是，在全中国，有名气的好教师的数量是非常有限的且多集中在一二线大城市。为了能够提升学生在课堂的学习的质量，教师比例中那些占大多数的初为教师的新人教师及本身在授课过程中尚缺乏特定的授课能力的教师已经不能满足广大家长日益增长的希望自己孩子得到最好的教授的需求，因此全方位的提升授课教师的授课能力成为一个刻不容缓的必须要做的事情。传统的师训或者说磨课的过程是由经验丰富的教师先行观看要培训教师的试讲课，之后对教师的表现进行人工点评，指出其不足之处并针对性的提出教授改进意见与建议。但是在一般的场景下，一批待磨课的教师数量不少，仅人工观看及点评都会耗费非常多的时间，很消耗人力，无论是人力成本还是时间成本都很高。磨课中最重要的环节是检测出教师在授课过程中存在的问题，得到各个维度下的具体的评价，这样才能有针对性的提出建议，从而最终提升教师的授课能力。因此，如何使用人工智能，即使用机器来代替资深教师自动对需要磨课的教师的各方面进行测评，给出其各方面评价，从而有针对性的提升磨课教师的授课能力成为了亟需且尚未完美解决的问题。教师的测评包含多个评价维度，整体可以分为表现力领域和内容等领域。表现力包含肢体、头部等身体层面的分析和语音等层面的分析。内容层面主要是利用NLP等技术去做教师授课内容层面的分析。这些方面的任务可以通过主流的传统的机器学习方法解决。近年来，深度学习作为这几年最受关注的人工智能技术，已经在诸多领域表现出了其超越传统方法的效果，它现在已经成功的应用到我们生活的方方面面。深度学习是一种基于人工神经网络的方法，通过网络自学习的方式将输入的图像、声音等原始信息转化为有意义的数字特征，再利用这些特征完成规定的分类、识别等特定任务。利用深度学习的方法来完成教师磨课任务中多个维度的测评是公认的较好的解决方案。目前，国内有多家公司推出了类似的磨课解决方案，例如，某公司的授课质量分析解决方案。他们在表现力、内容等层面对教师的各项能力进行了量化，以供针对性的为教师能力的提升建议提供数据支持。但是，他们对于教师的测评维度不够细致，忽略了很多可能有效的更详细的测评维度，我们提出的系统是以多年的教师培训经验总结下来获得的评价准则为基础而设计出来的，从而对教师的测评更加具有权威性。
技术实现思路
本专利技术要解决的技术问题是提供一种教师磨课测评方法及系统，能够为每位教师提供各维度准确、定量的检测结果，并根据这些维度的结果借助算法给出综合的分数及评级，以帮助促进教师各项能力的提升。为解决上述技术问题，本专利技术提供了一种教师磨课测评方法，所述方法包括：通过肢体动作识别，获取有效教学动作的个数及比例；通过对头部图像的面部朝向检测，获取教学过程中教师给出正脸的头部图像的数量及占比；通过对教师给出正脸的头部图像的表情识别，获取教师表现出好的表情的占比；通过对教师磨课音频的音频检测，获取教师的音频打分；综合有效教学动作的个数及比例、教师给出正脸的头部图像占比、表现出好的表情的整体占比，及教师的音频打分，对教师的磨课过程进行测评。在一些实施方式中，通过肢体动作识别，获取有效教学动作的个数及比例，包括：对视频提取出的每一帧图片进行姿态估计分析，会获得每张图片中人体的关键点在图片中的位置及置信度的详细信息；对人体的每个肢体关节部位进行具体计算分析，获得每帧图片中人体肢体动作、站立状态、朝向及关节幅度详细的状态信息；通过匹配考察每帧肢体动作和有效动作定义的相关程度获得有效动作个数及比例。在一些实施方式中，对视频提取出的每一帧图片进行姿态估计分析，会获得每张图片中人体的关键点在图片中的位置及置信度的关键信息，包括：采用从上到下的方法，或者从下到上的方法，对视频提取出的每一帧图片进行姿态估计分析。在一些实施方式中，通过对头部图像的面部朝向检测，获取教学过程中教师给出正脸的头部图像的数量及占比，包括：使用深度学习方法做headpose的估计，获得每帧图片中头部状态的偏航角、俯仰角及翻滚角值；模型会通过对这三个维度值的判断自动得出每帧图片的脸部朝向，最后通过汇总给出正脸检测的结果。在一些实施方式中，通过对教师给出正脸的头部图像的表情识别，获取教师表现出好的表情的占比，包括：通过对预处理获得的每一帧头部图像做表情识别，可以获得每帧图像的教师面部表情识别结果，通过匹配汇总获得的表情，得出最后的表情检测结果。在一些实施方式中，好的表情不仅限于微笑的表情。在一些实施方式中，通过对教师磨课音频的音频检测，获取教师的音频打分，包括：通过对教师讲课音频的重音、音调、音高等语音特征维度的分析，定量的给出教师讲课抑扬顿挫的评价分值。在一些实施方式中，通过对教师讲课音频的重音、音调、音高等语音特征维度的分析，包括：对于语音基本时域、频域等基本特征的提取，并结合时域分析方法，或者深度学习方法对音频进行打分。在一些实施方式中，综合有效教学动作的个数及比例、教师给出正脸的头部图像占比、表现出好的表情的整体占比，及教师的音频打分，对教师的磨课过程进行测评，包括：通过加权法、TOPSIS，或有监督的机器学习方法，对有效教学动作的个数及比例、教师给出正脸的头部图像占比、表现出好的表情的整体占比，及教师的音频打分进行综合。此外，本专利技术还提供了一种教师磨课测评系统，所述系统包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现根据前文所述的教师磨课测评方法。采用这样的设计后，本专利技术至少具有以下优点：本产品实现了一个自动的教师磨课视频检测评级流程。可以在无人工交互的情况下，自动实现完整的视频检测及评级功能，效果获得资深师训师的认可。可以有效降低教师磨课付出的人力成本，并且可广泛应用于教师磨课场景。附图说明上述仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，以下结合附图与具体实施方式对本专利技术作进一步的详细说明。图1是本专利技术实施例提供的教师磨课测评方法的流程图；图2是本专利技术实施例提供的教师磨课测评系统的结构图。具体实施方式以下结合附图对本专利技术的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本专利技术，并不用于限定本专利技术。本专利技术要解决的问题是实现一个完整的针对教师表现力的包含多领域、多维度的教师磨课测评系统，能够为每位教师提供各维度准确、定量的检测结果，并根据这些维度的结果借助算法给出综合的分数及评级，以帮助促进教师各项能力的提升。本专利技术设计了一种全新的教师测评方法。实现了在没有资深教师干预下的自动对教师的磨课视频进行评级的功能。测评流程由检测和评级两大部分组成，如图1所示。测评部分包含面部本文档来自技高网...

【技术保护点】
1.一种教师磨课测评方法，其特征在于，包括：/n通过肢体动作识别，获取有效教学动作的个数及比例；/n通过对头部图像的面部朝向检测，获取教学过程中教师给出正脸的头部图像的数量及占比；/n通过对教师给出正脸的头部图像的表情识别，获取教师表现出好的表情的占比；/n通过对教师磨课音频的音频检测，获取教师的音频打分；/n综合有效教学动作的个数及比例、教师给出正脸的头部图像占比、表现出好的表情的整体占比，及教师的音频打分，对教师的磨课过程进行测评。/n

【技术特征摘要】
1.一种教师磨课测评方法，其特征在于，包括：
通过肢体动作识别，获取有效教学动作的个数及比例；
通过对头部图像的面部朝向检测，获取教学过程中教师给出正脸的头部图像的数量及占比；
通过对教师给出正脸的头部图像的表情识别，获取教师表现出好的表情的占比；
通过对教师磨课音频的音频检测，获取教师的音频打分；
综合有效教学动作的个数及比例、教师给出正脸的头部图像占比、表现出好的表情的整体占比，及教师的音频打分，对教师的磨课过程进行测评。


2.根据权利要求1所述的教师磨课测评方法，其特征在于，通过肢体动作识别，获取有效教学动作的个数及比例，包括：
对视频提取出的每一帧图片进行姿态估计分析，会获得每张图片中人体的关键点在图片中的位置及置信度的详细信息；
对人体的每个肢体关节部位进行具体计算分析，获得每帧图片中人体肢体动作、站立状态、朝向及关节幅度详细的状态信息；
通过匹配考察每帧肢体动作和有效动作定义的相关程度获得有效动作个数及比例。


3.根据权利要求2所述的教师磨课测评方法，其特征在于，对视频提取出的每一帧图片进行姿态估计分析，会获得每张图片中人体的关键点在图片中的位置及置信度的关键信息，包括：
采用从上到下的方法，或者从下到上的方法，对视频提取出的每一帧图片进行姿态估计分析。


4.根据权利要求1所述的教师磨课测评方法，其特征在于，通过对头部图像的面部朝向检测，获取教学过程中教师给出正脸的头部图像的数量及占比，包括：
使用深度学习方法做headpose的估计，获得每帧图片中头部状态的偏航角、俯仰角及翻滚角值；
模型会通过对这三个维度值的判断自动得出每帧图片的脸部朝向，最后通过汇总给出正脸检测的...

【专利技术属性】
技术研发人员：周倩如，须佶成，李川，郭杏荣，李光杰，
申请(专利权)人：北京高思博乐教育科技股份有限公司，
类型：发明
国别省市：北京;11