基于人工智能的讲师动态评价方法、装置、计算机设备制造方法及图纸

本发明专利技术公开了基于人工智能的讲师动态评价方法、装置、计算机设备。方法包括：实时接收来自讲师终端的授课视频信息并截取得到授课图像信息及授课音频信息，根据图像获取模型从授课图像信息中获取得到特征图像集合，根据图像特征量化模型获取特征图像集中每一类型图像特征的类型量化信息，根据音频特征量化模型获取授课饮品信息的音频量化信息，根据综合评分规则获取类型特征量化信息及音频特征量化信息对应的综合评价分数并实时反馈至讲师终端。本发明专利技术基于智能决策技术，属于人工智能领域，可基于授课图像信息及授课音频信息对讲师进行全方位的综合评分得到综合评价分数并实时反馈，可实现对远程视频培训的讲师进行准确及实时的动态评价。

【技术实现步骤摘要】
基于人工智能的讲师动态评价方法、装置、计算机设备
本专利技术涉及人工智能
，属于智慧城市中对线上视频授课的讲师进行实时动态评价的应用场景，尤其涉及一种基于人工智能的讲师动态评价方法、装置、计算机设备。
技术介绍
随着互联网技术的发展，线上远程视频培训成为一种新的学习方式被广泛使用，讲师可使用终端设备与学员的客户端之间建立远程视频连接，讲师的授课内容则可通过远程视频连接传输至学员的终端以供学员进行学习。可基于授课内容对讲师的授课质量或授课状态进行评价，传统的评价方式均是采用人工调研及学员反馈的方式对讲师进行评价，但这一评价过程缺乏客观依据及统一的评价标准，难以对讲师的授课状态进行准确评价；且传统评价方式均是在课程结束之后进行人工评价，而无法在远程视频培训课程中对当前讲师的实时授课状态进行动态评价。因此，现有的评价方法存在无法对远程视频培训的讲师进行准确及实时动态评价的问题。
技术实现思路
本专利技术实施例提供了一种基于人工智能的讲师动态评价方法、装置、计算机设备及存储介质，旨在解决现有评价方法无法对远程视频培训的讲师进行准确及实时动态评价的问题。第一方面，本专利技术实施例提供了一种基于人工智能的讲师动态评价方法，其包括：实时接收来自所述讲师终端的授课视频信息，根据预置的截取规则从所述授课视频信息中截取得到授课图像信息及授课音频信息；根据预置的图像获取模型从所述授课图像信息中获取得到特征图像集合，所述特征图像集合中包括多个类型图像特征对应的特征图像；根据预置的图像特征量化模型从所述特征图像集中获取每一类型图像特征的类型特征量化信息；根据预置的音频特征量化模型从所述授课音频信息中获取得到对应的音频特征量化信息；根据预存的综合评分规则获取与所述类型特征量化信息及所述音频特征量化信息对应的综合评价分数；将与所述授课视频信息对应的综合评价分数实时反馈至所述讲师终端。第二方面，本专利技术实施例提供了一种基于人工智能的讲师动态评价装置，其包括：授课视频信息截取单元，用于实时接收来自所述讲师终端的授课视频信息，根据预置的截取规则从所述授课视频信息中截取得到授课图像信息及授课音频信息；特征图像集合获取单元，用于根据预置的图像获取模型从所述授课图像信息中获取得到特征图像集合，所述特征图像集合中包括多个类型图像特征对应的特征图像；类型特征量化信息获取单元，用于根据预置的图像特征量化模型从所述特征图像集中获取每一类型图像特征的类型特征量化信息；音频特征量化信息获取单元，用于根据预置的音频特征量化模型从所述授课音频信息中获取得到对应的音频特征量化信息；综合评价分数获取单元，用于根据预存的综合评分规则获取与所述类型特征量化信息及所述音频特征量化信息对应的综合评价分数；综合评价分数实时反馈单元，用于将与所述授课视频信息对应的综合评价分数实时反馈至所述讲师终端。第三方面，本专利技术实施例又提供了一种计算机设备，其包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的基于人工智能的讲师动态评价方法。第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其中所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的基于人工智能的讲师动态评价方法。本专利技术实施例提供了一种基于人工智能的讲师动态评价方法、装置、计算机设备及存储介质。实时接收来自讲师终端的授课视频信息并截取得到授课图像信息及授课音频信息，根据图像获取模型从授课图像信息中获取得到特征图像集合，根据图像特征量化模型获取特征图像集中每一类型图像特征的类型量化信息，根据音频特征量化模型获取授课饮品信息的音频量化信息，根据综合评分规则获取类型特征量化信息及音频特征量化信息对应的综合评价分数并实时反馈至讲师终端。通过上述方法，可基于授课图像信息及授课音频信息对讲师进行全方位的综合评分得到综合评价分数并实时反馈，可实现对远程视频培训的讲师进行准确及实时的动态评价。附图说明为了更清楚地说明本专利技术实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的基于人工智能的讲师动态评价方法的流程示意图；图2为本专利技术实施例提供的基于人工智能的讲师动态评价方法的应用场景示意图；图3为本专利技术实施例提供的基于人工智能的讲师动态评价方法的效果示意图；图4为本专利技术实施例提供的基于人工智能的讲师动态评价方法的子流程示意图；图5为本专利技术实施例提供的基于人工智能的讲师动态评价方法的另一流程示意图；图6为本专利技术实施例提供的基于人工智能的讲师动态评价方法的另一子流程示意图；图7为本专利技术实施例提供的基于人工智能的讲师动态评价方法的另一子流程示意图；图8为本专利技术实施例提供的基于人工智能的讲师动态评价方法的另一子流程示意图；图9为本专利技术实施例提供的基于人工智能的讲师动态评价方法的另一子流程示意图；图10为本专利技术实施例提供的基于人工智能的讲师动态评价装置的示意性框图；图11为本专利技术实施例提供的计算机设备的示意性框图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。还应当理解，在此本专利技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本专利技术。如在本专利技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。还应当进一步理解，在本专利技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。请参阅图1及图2，图1是本专利技术实施例提供的基于人工智能的讲师动态评价方法的流程示意图，图2为本专利技术实施例提供的基于人工智能的讲师动态评价方法的应用场景示意图；该基于人工智能的讲师动态评价方法应用于管理服务器10中，该方法通过安装于管理服务器10中的应用软件进行执行，管理服务器10与一台讲师终端20及至少一台客户端30通过网络连接实现数据信息的传输，管理服务器10即是用于执行基于人工智能的讲师动态评价方法以对远程视频培训的讲师进行准确及实时动态评价的服本文档来自技高网...

【技术保护点】
1.一种基于人工智能的讲师动态评价方法，应用于管理服务器中，所述管理服务器与一台讲师终端及至少一台客户端通过网络连接实现数据信息的传输，其特征在于，所述方法包括：/n实时接收来自所述讲师终端的授课视频信息，根据预置的截取规则从所述授课视频信息中截取得到授课图像信息及授课音频信息；/n根据预置的图像获取模型从所述授课图像信息中获取得到特征图像集合，所述特征图像集合中包括多个类型图像特征对应的特征图像；/n根据预置的图像特征量化模型从所述特征图像集中获取每一类型图像特征的类型特征量化信息；/n根据预置的音频特征量化模型从所述授课音频信息中获取得到对应的音频特征量化信息；/n根据预存的综合评分规则获取与所述类型特征量化信息及所述音频特征量化信息对应的综合评价分数；/n将与所述授课视频信息对应的综合评价分数实时反馈至所述讲师终端。/n

【技术特征摘要】
1.一种基于人工智能的讲师动态评价方法，应用于管理服务器中，所述管理服务器与一台讲师终端及至少一台客户端通过网络连接实现数据信息的传输，其特征在于，所述方法包括：
实时接收来自所述讲师终端的授课视频信息，根据预置的截取规则从所述授课视频信息中截取得到授课图像信息及授课音频信息；
根据预置的图像获取模型从所述授课图像信息中获取得到特征图像集合，所述特征图像集合中包括多个类型图像特征对应的特征图像；
根据预置的图像特征量化模型从所述特征图像集中获取每一类型图像特征的类型特征量化信息；
根据预置的音频特征量化模型从所述授课音频信息中获取得到对应的音频特征量化信息；
根据预存的综合评分规则获取与所述类型特征量化信息及所述音频特征量化信息对应的综合评价分数；
将与所述授课视频信息对应的综合评价分数实时反馈至所述讲师终端。


2.根据权利要求1所述的基于人工智能的讲师动态评价方法，其特征在于，所述截取规则包括音频起始判断规则及图像截取时间点，所述根据预置的截取规则从所述授课视频信息中截取得到授课图像信息及授课音频信息，包括：
根据所述音频起始判断规则获取所述授课视频信息中连续的两个音频起始点；
根据所述连续的两个音频起始点截取所述授课视频信息对应的一段视频信息作为目标视频信息；
获取目标视频信息中的语音信息作为授课音频信息；
根据所述图像截取时间点从所述目标视频信息中获取对应的授课图像得到授课图像信息。


3.根据权利要求1所述的基于人工智能的讲师动态评价方法，其特征在于，所述根据预置的截取规则从所述授课视频信息中截取得到授课图像信息及授课音频信息之后，还包括：
根据预置的活体检测规则对所述授课图像信息中是否包含单个活体进行检测；
若所述授课图像信息中包含单个活体，执行所述根据预置的图像获取模型从所述授课图像信息中获取得到特征图像集合的步骤。


4.根据权利要求1所述的基于人工智能的讲师动态评价方法，其特征在于，所述图像获取模型包括图像裁剪规则、梯度计算公式以及面部特征截取模板、人像特征截取模板，所述根据预置的图像获取模型从所述授课图像信息中获取得到特征图像集合，包括：
根据所述图像裁剪规则对所述授课图像信息中的一张授课图像进行裁剪以得到面部图像及人像图像；
根据所述梯度计算公式对所述面部图像中的像素点进行计算以获取对应的虹膜中心像素点；
以两个所述虹膜中心像素点之间的间距为基准对所述面部特征截取模板及所述人像特征截取模板进行对应调整；
以所述虹膜中心像素点为基准位置将调整后的所述面部特征截取模板覆盖于所述面部图像上进行裁剪得到面部图像的特征图像；
以所述虹膜中心像素点为基准位置将调整后的所述人像特征截取模板覆盖于所述人像图像上进行裁剪得到人像图像的特征图像。


5.根据权利要求4所述的基于人工智能的讲师动态评价方法，其特征在于，所述根据所述梯度计算公式对所述面部图像中的像素点进行计算以获取对应的虹膜中心像素点，包括：
根据所述梯度计算公式计算所述面部图像中左眼部分及右眼部分中每一...

【专利技术属性】
技术研发人员：欧光礼，
申请(专利权)人：中国平安人寿保险股份有限公司，
类型：发明
国别省市：广东;44