基于对象行为的在线课程推荐方法及系统技术方案

本申请提供一种基于对象行为的在线课程推荐方法及系统，对待识别图像中的目标对象进行表情识别和人体动作识别，得到目标对象的表情识别结果、人体动作识别结果；根据表情识别结果和人体动作识别结果确定学习状态分数；最后基于多个不同时刻的学习状态分数，计算目标对象对当前网络学习课程的兴趣度，并根据兴趣度计算结果向目标对象推荐相关联的学习课程。本申请可以利用计算机视觉技术来代替学校管理人员或学科老师的观察和分析，然后根据表情识别结果和行为动作识别结果来推荐学生感兴趣的课程，以使得学生的才智能够得到更好的激发，学习兴趣能够得到提升，逻辑思维能力能够得到更好的锻炼。得到更好的锻炼。得到更好的锻炼。

【技术实现步骤摘要】
基于对象行为的在线课程推荐方法及系统


[0001]本申请涉及计算机
，特别是涉及一种基于对象行为的在线课程推荐方法及系统。

技术介绍

[0002]近年来，随着课堂信息化改革步伐的加快，学校管理人员或学科老师为了充分挖掘学生的才智及学习兴趣，一般会直接观察学生在听课时的行为动作，从而来确定学生对某个或某些课程是否感兴趣。同时也会根据学生对相关课程的兴趣度来开发合适的兴趣课程，并将对应兴趣课程推荐给学生，从而激发学生在相关课程上的才智，增加学生的学习兴趣，辅助学生提高逻辑思维能力。
[0003]然而，随着互联网技术的飞速发展，智能手机、平板电脑等智能终端设备的大规模普及，4G等移动网络资源不再稀缺，数字化和移动在线学习已成为学生接受教育的新途径。在一些特殊情况下(例如疫情、高温、暴雨等特殊情况)，在校学生可能随时面临在家进行网络学习的情形。而在网络学习过程中，学校管理人员或学科老师由于无法直接观察到学生的行为动作，导致无法真实了解学生对教学内容的掌握情况。所以，此时就需要分析学生在网络学习时的行为动作，方便后期进行兴趣课程推荐。

技术实现思路

[0004]鉴于以上所述现有技术的缺点，本申请的目的在于提供一种基于对象行为的在线课程推荐方法及系统，用于解决现有技术中存在的问题。
[0005]为实现上述目的及其他相关目的，本申请提供一种基于对象行为的在线课程推荐方法，包括以下步骤：
[0006]获取待识别图像，所述待识别图像包括目标对象处于网络学习时被拍摄到的图像；
[0007]对所述待识别图像中的目标对象进行表情识别和人体动作识别，得到所述目标对象的表情识别结果、人体动作识别结果；
[0008]根据所述目标对象的表情识别结果、人体动作识别结果确定所述目标对象对当前网络学习课程的学习状态分数；
[0009]基于所述目标对象对当前网络学习课程在多个不同时刻的学习状态分数，计算所述目标对象对当前网络学习课程的兴趣度，并基于兴趣度计算结果向所述目标对象推荐与当前网络学习课程相关联的学习课程。
[0010]可选地，基于所述目标对象在多个不同时刻对当前网络学习课程的学习状态分数，计算所述目标对象对当前网络学习课程的兴趣度的过程包括：
[0011][0012]式中，F
m
表示目标对象m对当前网络学习课程的兴趣度；
[0013]Feame(m，t)表示目标对象m在第t个时刻下的学习状态分数；
[0014]N为正整数。
[0015]可选地，基于兴趣度计算结果向所述目标对象推荐与当前网络学习课程相关联的学习课程的过程包括：
[0016]计算当前网络学习课程k
i
与候选课程k
j
之间的相似度W(k
i
，k
j
)，有：
[0017][0018]基于相似度W(k
i
，k
j
)计算目标对象m与候选课程k
j
的适合度P(m，k
j
)，有：
[0019][0020]对适合度P(m，k
j
)进行排序，并选择前H个课程作为待推荐课程，以及向所述对象m进行课程推荐；
[0021]式中，N(k
i
)表示选择了当前网络学习课程k
i
的对象集合；
[0022]N(k
j
)表示选择了候选课程k
j
的对象集合；
[0023]W(k
i
，k
j
)表示当前网络学习课程k
i
与候选课程k
j
之间的相似度；
[0024]k
i
∈N(m)表示选择了当前网络学习课程k
i
的目标对象m；
[0025]表示目标对象m在当前网络学习课程k
i
的课程成绩；
[0026]P(m，k
j
)表示目标对象m与候选课程k
j
的适合度。
[0027]可选地，基于兴趣度计算结果向所述目标对象推荐与当前网络学习课程相关联的学习课程的过程还包括：
[0028]计算当前网络学习课程k
i
中的课程内容在候选课程k
j
中的出现频繁程度，有：
[0029][0030]计算候选课程k
j
中的课程内容在当前网络学习课程k
i
中的出现频繁程度，有：
[0031][0032]计算当前网络学习课程k
i
与候选课程k
j
的搭配度，有：
[0033][0034]基于目标对象m与候选课程k
j
的适合度、以及课程搭配度Q(k
i
，k
j
)，确定与所述目标对象m关联的课程推荐度，有：
[0035]Rec(k
j
)＝w1×
P(m，k
j
)+w2×
Q(k
i
，k
j
)；
[0036]基于课程推荐度Rec(m，k
j
)对适合度P(m，k
j
)进行排序，选择前H个课程作为待推荐课程；
[0037]式中，confidence(k
i
→
k
j
)表示当前网络学习课程k
i
中的课程内容在候选课程k
j
中的出现频繁程度；
[0038]confidence(k
j
→
k
i
)表示候选课程k
j
中的课程内容在当前网络学习课程k
i
中的出现频繁程度；
[0039]Q(k
i
，k
j
)表示当前网络学习课程k
i
与候选课程k
j
的搭配度；
[0040]Rec(m，k
j
)表示与所述目标对象m关联的课程推荐度；
[0041]w1和w2表示权重系数，其中，w1∈[0，1]，w2∈[0，1]，且w1+w2＝1。
[0042]可选地，根据所述目标对象的表情识别结果、人体动作识别结果确定所述目标对象对当前网络学习课程的学习状态分数的过程包括：
[0043]获取预先或实时配置的表情权重、人体动作权重；
[0044]计算第t个时刻下目标对象m的人脸表情分数Face
x
(m，t)，有：
[0045][0046]计算第t个时刻下所述待识别图像的人脸表情分数Feame
x
(m，t)，有：
[0047][0048]计算第t个时刻下所述目标对象m的人体动作分数Face
y
(m，t)，有：
[0049][005本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于对象行为的在线课程推荐方法，其特征在于，所述方法包括以下步骤：获取待识别图像，所述待识别图像包括目标对象处于网络学习时被拍摄到的图像；对所述待识别图像中的目标对象进行表情识别和人体动作识别，得到所述目标对象的表情识别结果、人体动作识别结果；根据所述目标对象的表情识别结果、人体动作识别结果确定所述目标对象对当前网络学习课程的学习状态分数；基于所述目标对象对当前网络学习课程在多个不同时刻的学习状态分数，计算所述目标对象对当前网络学习课程的兴趣度，并基于兴趣度计算结果向所述目标对象推荐与当前网络学习课程相关联的学习课程。2.根据权利要求1所述的基于对象行为的在线课程推荐方法，其特征在于，基于所述目标对象在多个不同时刻对当前网络学习课程的学习状态分数，计算所述目标对象对当前网络学习课程的兴趣度的过程包括：式中，F
m
表示目标对象m对当前网络学习课程的兴趣度；Feame(m，t)表示目标对象m在第t个时刻下的学习状态分数；N为正整数。3.根据权利要求2所述的基于对象行为的在线课程推荐方法，其特征在于，基于兴趣度计算结果向所述目标对象推荐与当前网络学习课程相关联的学习课程的过程包括：计算当前网络学习课程k
i
与候选课程k
j
之间的相似度W(k
i
，k
j
)，有：基于相似度W(k
i
，k
j
)计算目标对象m与候选课程k
j
的适合度P(m，k
j
)，有：对适合度P(m，k
j
)进行排序，并选择前H个课程作为待推荐课程，以及向所述对象m进行课程推荐；式中，N(k
i
)表示选择了当前网络学习课程k
i
的对象集合；N(k
j
)表示选择了候选课程k
j
的对象集合；W(k
i
，k
j
)表示当前网络学习课程k
i
与候选课程k
j
之间的相似度；k
i
∈N(m)表示选择了当前网络学习课程k
i
的目标对象m；表示目标对象m在当前网络学习课程k
i
的课程成绩；P(m，k
j
)表示目标对象m与候选课程k
j
的适合度。4.根据权利要求3所述的基于对象行为的在线课程推荐方法，其特征在于，基于兴趣度计算结果向所述目标对象推荐与当前网络学习课程相关联的学习课程的过程还包括：计算当前网络学习课程k
i
中的课程内容在候选课程k
j
中的出现频繁程度，有：计算候选课程k
j
中的课程内容在当前网络学习课程k
i
中的出现频繁程度，有：
计算当前网络学习课程k
i
与候选课程k
j
的搭配度，有：基于目标对象m与候选课程k
j
的适合度、以及课程搭配度Q(k
i
，k
j
)，确定与所述目标对象m关联的课程推荐度，有：Rec(k
j
)＝w1×
P(m，k
j
)+w2×
Q(k
i
，k
j
)；基于课程推荐度Rec(m，k
j
)对适合度P(m，k
j
)进行排序，选择前H个课程作为待推荐课程；式中，confidence(k
i
→
k
j
)表示当前网络学习课程k
i
中的课程内容在候选课程k
j
中的出现频繁程度；confidence(k
j
→
k
i
)表示候选课程k
j
中的课程内容在当前网络学习课程k
i
中的出现频繁程度；Q(k
i
，k
j
)表示当前网络学习课程k
i
与候选课程k
j
的搭配度；Rec(m，k
j
)表示与所述目标对象m关联的课程推荐度；w1和w2表示权重系数，其中，w1∈[0，1]，w2∈[0，1]，且w1+w2＝1。5.根据权利要求2至4中任一所述的基于对象行为的在线课程推荐方法，其特征在于，根据所述目标对象的表情识别结果、人体动作识别结果确定所述目标对象对当前网络学习课程的学习状态分数的过程包括：获取预先或实时配置的表情权重、人体动作权重；计算第t个时刻下目标对象m的人脸表情分数Face
x
(m，t)，有：计算第t个时刻下所述待识别图像的人脸表情分数Feame
x
(m，t)，有：计算第t个时刻下所述目标对象m的人体动作分数Face
y
(m，t)，有：计算第t个时刻下所述待识别图像的人脸动作分数Feame
y
(m，t)，有：根据权重配置结果计算所述待识别图像在第t个时刻下所述目标对象m的学习状态分数，有：Feame(m，t)＝Feame
x
(m，t)+Feame
y
(m，t)；式中，E表示表情识别结果，F表示动作识别结果；f(P(x
t
))表示表情识别结果与对应表情权重的计算值；f(P(y
t
))表示动作和别结果与对应动作权重的计算值；t表示第t个时刻；m表示所述待识别图像中的目标对象m...

【专利技术属性】
技术研发人员：余瑶，魏巍，刘珊珊，王可，胡术鄂，
申请(专利权)人：重庆第二师范学院，
类型：发明
国别省市：