【技术实现步骤摘要】
本专利技术涉及远程教育，具体为一种基于云计算的远程教育系统。
技术介绍
1、目前，网上教学正呈现出迅速发展的态势，远程教育是指使用电视及互联网等传播媒体的教学模式，突破了时空的界限，有别于传统的在校住宿的教学模式。由于不需要到特定地点上课，因此可以随时随地上课。
2、根据申请号为cn201810688383.4的专利显示，该专利包括学生终端、教师终端和云服务器，云服务器分别与学生终端、教师终端连接；学生检测终端包括压力检测模块、处理器、学生图像采集模块、答案输入模块、学生语音采集模块、第一视频播放模块和通信模块；教师终端包括教师图像采集模块、教师语音采集模块和显示模块；本专利技术提供的基于云服务器的远程教育系统，通过获取学生远程在线的图像信息以及输入的课后习题答案，将图像中学生的动作与标准动作进行对比，并将获取的各学生的课后习题答案内容与标准答案进行对比，以计算各学生上课过程中的学习状态系数，便于教师清楚地了解学生在远程学习的状况，便于教师管理提供有效地依据。
3、部分现有的远程教育系统在使用的时候，针对上网课的情况授课老师通过实时视频的形式来给学生进行讲课，相比较于课堂上课，实时视频上课不能了解到学生的真实上课情况，因此存在学生不认真上课的情况，但是针对不认真上课的学生，老师也不能及时地发现，因此会造成远程教育的局限性，同时也会降低上课的效率。
技术实现思路
1、针对现有技术的不足，本专利技术提供了一种基于云计算的远程教育系统，解决了不能了解到学生的真实上
2、为实现以上目的，本专利技术通过以下技术方案予以实现：一种基于云计算的远程教育系统，包括：
3、数据采集单元，用于获取到目标对象基础信息并将其传输到自适应处理单元，其中目标对象包括：学生，基础信息包括：学生姓名、学生学号、讲课视频、讲课音频和学生图像视频。
4、自适应处理单元，用于获取到传输的目标对象基础信息并对其进行分析，根据学生图像视频对目标对象进行分类处理得到学生分类结果，其中学生分类结果包括：低头学生和未低头学生，同时将低头学生对应的信息传输到低头分析单元，将未低头学生对应的信息传输到未低头分析单元，且生成学生分类结果的具体方式为：
5、以t为时间周期并对时间周期内目标对象是否低头进行判断，若目标对象在时间周期t内存在低头行为则将其分类为低头学生，反之若目标对象在时间周期t内不存在低头行为则将其分类为未低头学生，此处需要说明的是，时间周期t的具体数值由操作人员自行设定。
6、低头分析单元，用于获取到传输的低头学生对应的信息并对其进行分析，通过计算低头学生的听课值来对低头学生进行分析，并结合讲课信息综合对低头学生进行分析得到对应的分析结果，其中分析结果包括：正常信号和提醒信号，且将分析结果传输到信息输出单元，且生成分析结果的具体方式如下：
7、s1：以t为时间周期并将其作为目标周期，同时对目标周期内基础信息中的讲课视频和讲课音频进行识别得到讲课内容，接着对目标周期内低头学生的听课值进行计算，且听课值的具体计算方式如下：
8、s11：获取到所有的低头学生并将其标记为i，且i＝1、2、…、j，接着获取到低头学生i对应目标周期内的低头次数记作为di，同时获取到低头次数di对应的低头时间记作为sj i，接着计算所有低头次数对应的低头时间均值记作j i；此处需要说明的是，低头时间sj i表示的为单次低头对应的时间长短，且低头时间均值表示为计算所有单次低头时间总和，再除以低头次数di计算得到低头时间均值，且低头时间均值表示的为低头学生i对应的时间均值。
9、s12：接着将低头次数di和t代入公式计算得到低头学生i对应的低头频率pi，同时将低头学生i对应的低头时间均值j i和低头频率pi代入公式计算得到低头学生i对应的听课值ki，且a1和a2均为预设比例系数；
10、s2：获取到所有的听课值ki并将其从小到大进行排序，接着计算听课均值记作kp，并将其与听课值ki进行比较筛选，同时筛选ki<kp对应的低头学生并将其标记为待分析学生记作v，且v＝1、2、…、c；
11、s3：接着获取到待分析学生v对应低头时间sjv最长对应的讲课内容，系统根据讲课内容生成对应标号的问题，同时将生成的问题传输到对应标号的待分析学生，并获取到其作答情况，其中作答情况包括：作答次数和未作答次数，接着获取到n个目标周期内所有待分析学生的作答情况，同时将作答次数记作为cv，将未作答次数记作为fv；此处需要说明的是，作答情况表示待分析学生回答问题的准确性，其中包括准确和错误两种情况，且准确对应的为作答次数，错误对应的为未作答次数，具体的n个目标周期内得到的待分析学生是不相同的。
12、s4：同时计算n个目标周期t内待分析学生v的作答占比值并将其从小到大进行排序，接着计算所有待分析学生v的作答占比均值记作zp，同时将zv与zp进行比较筛选并筛选出zv≥zp对应的待分析学生，并将筛选出来的待分析学生记作为预处理学生同时对预处理学生进行二次分析，且二次分析的具体方式如下：
13、s41：获取到预处理学生并将其记作为y，且y＝1、2、…、x，并获取到预处理学生y在n个目标周内出现次数记作为ly，同时计算预处理学生y的周期出现占比记作ry，且此处需要说明的是，出现次数表示为该预处理学生名字在n个目标周期中出现的总次数，举例说明，n＝5，ly＝3，则表示该预处理学生在5个目标周内出现了三次，且对应的占比为
14、s42：接着将周期出现占比ry与预设值ys进行比较，且预设值ys为预设比例系数，具体数值由操作人员自行设定，若ry≥ys，则将对应的预处理学生进行标记同时生成提醒信号，反之若ry<ys，则生成正常信号，且不对预处理学生进行任何处理。
15、未低头分析单元，用于获取到传输的未低头学生信息并对其进行分析，通过对未低头学生的图像进行分析得到对应的分析信息，其中分析信息包括：正常信号和异常信号，并将分析信息传输到信息输出单元，且生成分析信息的具体方式如下：
16、获取到所有的未低头学生并对其进行标号处理且记作e，且e＝1、2、…、o，接着获取到未低头学生e对应的图像信息并对其进行识别，且具体识别方式为：获取到时间g内未低头学生e对应的图像信息同时对未低头学生e的眨眼动作进行判断，若g时间内未低头学生e不存在眨眼动作，则将对应未低头学生进行高亮处理，同时生成异常信号，若g时间内未低头学生e存在眨眼动作，则生成正常信号。
17、信息输出单元，用于获取到传输的分析结果和分析信息，并将其通过显示设备显示给操作人员。
18、本专利技术提供了一种基于云计算的远程教育系统。与现有技术相比具备以下有益效果：
19、本专利技术通过根据获取到的实时视频并根据视频的内容来将学生进行低头学生和未低头学生分类处理，接着针对低头学生进本文档来自技高网...
【技术保护点】
1.一种基于云计算的远程教育系统，其特征在于，包括：
2.根据权利要求1所述的一种基于云计算的远程教育系统，其特征在于，所述自适应处理单元生成学生分类结果的具体方式如下：
3.根据权利要求1所述的一种基于云计算的远程教育系统，其特征在于，所述低头分析单元生成分析结果的具体方式如下：
4.根据权利要求3所述的一种基于云计算的远程教育系统，其特征在于，所述S1中低头学生听课值的具体计算方式如下：
5.根据权利要求3所述的一种基于云计算的远程教育系统，其特征在于，所述S4中二次分析的具体方式为：
6.根据权利要求1所述的一种基于云计算的远程教育系统，其特征在于，所述未低头分析单元生成分析信息的具体方式如下：
7.根据权利要求1所述的一种基于云计算的远程教育系统，其特征在于，所述信息输出单元，用于获取到传输的分析结果和分析信息，并将其通过显示设备显示给操作人员。
【技术特征摘要】
1.一种基于云计算的远程教育系统，其特征在于，包括：
2.根据权利要求1所述的一种基于云计算的远程教育系统，其特征在于，所述自适应处理单元生成学生分类结果的具体方式如下：
3.根据权利要求1所述的一种基于云计算的远程教育系统，其特征在于，所述低头分析单元生成分析结果的具体方式如下：
4.根据权利要求3所述的一种基于云计算的远程教育系统，其特征在于，所述s1中低头学生听课值的具体计...
【专利技术属性】
技术研发人员：杨进珠，王培明，
申请(专利权)人：广东融粤宝信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。