一种基于人脸表情分析的课堂教学质量监测方法技术

本发明专利技术公开了一种基于人脸表情分析的课堂教学质量监测方法，包括：网络模型训练：预先收集大量课堂参与者表情图像并进行表情类别设定，构建深度人脸表情识别神经网络，获得表情分类模型；人脸检测及表情分析：进行课堂参与者人脸实时采集，并将采集到的数据输入步骤一获得的表情分类模型进行表情识别，获得所有采集到的课堂参与者的人脸对应的表情类别结果；数据分析：对步骤二获得的课堂参与者的表情类别进行数据统计与分析，计算出不同表情类别的占比，进而对课堂教学质量进行评估。通过本发明专利技术可简单、实时、高效、客观地对教师的课堂教学质量进行评估，便于后续提高教学质量，修订教学教案。订教学教案。订教学教案。

【技术实现步骤摘要】
一种基于人脸表情分析的课堂教学质量监测方法


[0001]本专利技术属于教学质量评价
，涉及一种课堂教学质量监测方法，具体涉及一种基于人脸表情分析的课堂教学质量监测方法。

技术介绍

[0002]随着国家对“双减”工作的持续推进，一种简单、高效、客观的教学质量评估方法显得格外重要。目前主要通过调查问卷、考试评估等方式评估教学质量，但是这些方法都不能高效、客观的对教师的课堂教学质量进行检测和评估。
[0003]调查问卷浪费大量的时间，且会存在每个学生的主观因素。考试评估存在大量的外界因素，且分数的高低并不能评价一个老师的课堂教学质量。检测学生的课堂行为也存在不定因素，且检测难度高，评估条件界定困难，也不能全面的对教学质量进行评定。

技术实现思路

[0004]为了解决现有技术存在的上述问题，本专利技术提供一种基于人脸表情分析的课堂教学质量监测方法，通过构建深度人脸表情识别神经网络，获得表情分类模型，实时采集堂客学生的人脸表情，并通过神经网络训练好的表情分类模型判断人脸表情对应的表情类别，最后通过统计不同的表情类别占有比例，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人脸表情分析的课堂教学质量监测方法，其特征在于，包括以下步骤：步骤一、网络模型训练：预先收集大量课堂参与者表情图像并进行表情类别设定，构建深度人脸表情识别神经网络，获得表情分类模型；步骤二、人脸检测及表情分析：进行课堂参与者人脸实时采集，并将采集到的数据输入步骤一获得的表情分类模型进行表情识别，获得所有采集到的课堂参与者的人脸对应的表情类别结果；步骤三、数据分析：对步骤二获得的课堂参与者的表情类别进行数据统计与分析，计算出不同表情类别的占比，进而对课堂教学质量进行评估。2.如权利要求1所述的一种基于人脸表情分析的课堂教学质量监测方法，其特征在于，所述步骤一包括以下步骤：1)数据准备及标注：收集大量课堂参与者表情图像，构建表情图片数据集；对课堂参与者表情图像中的每个人脸进行手动标注，标注出该人脸对应的表情类别，设定表情类别包括：消极、积极、中性；2)构建深度人脸表情识别神经网络；3)对构建的深度人脸表情识别神经网络进行训练，获得表情分类模型。3.如权利要求2所述的一种基于...

【专利技术属性】
技术研发人员：别梅，车翔玖，高艳，徐欢，
申请(专利权)人：吉林大学，
类型：发明
国别省市：