基于视频分析的课堂教学效果自动评价系统

文楷　田生伟　王琨　祁青山　王政山

摘要 为了更合理地培养高校人才，更合理全面地管理学生，对学生进行更全面、科学的综合评价，运用先进的机器学习技术，开发基于视频分析的课堂教学效果自动评价系统。该系统由考勤检测、学习状态分析、学习情况自动评价、定期信息发送等几大模块组成，实现课堂教学效果的自动评价。

关键词 视频分析；教学效果自动评价系统；教学管理系统

中图分类号：G642.4 文献标识码：B

文章编号：1671-489X（2016）08-0050-03

1 前言

课堂是教育教学实施的主要阵地，是教师专业技能发挥的重要场所，也是教师评价一个学生的重要途径。但是现在的大学都是大合堂上课，上课人数少则六七十人，多则上百人，这为学校评价一个学生的课堂表现造成巨大的困难。传统的课堂评价机制在新时代的背景下对满足全面评价学生的需要已渐渐疲软，更在充分提升学生素质的重任上显得乏力，它的缺陷如下。

1）现在的学生尤其是大学生上课迟到、旷课现象时有发生，为了保证教学质量，教师上课点名成为必须做的事情。如果教师每节课都点名，既浪费上课时间，又消耗教师的精力，并且若有人代答到，还得不到真实的考勤情况，严重降低考勤的意义和效率。

2）传统的对学生学习情况的总结往往存在依据单一、依据不实的情况，从而无法全面客观评价一个学生，而且也无法客观评价一个教师的教学质量。学校最重要的对学生的考评就是对学生上课情况的考察，但是教师的责任是传授知识，这就使得对学生上课状况的考察有所缺失，从而造成对学生评价的不全面。传统的考察方式只能通过考试来侧面反映学生的上课情况，而无法全面对一个学生的综合素质做出科学的评价。

3）传统教学评价机制无法做到及时且长期地和学生进行交互。学生，尤其是大学生，往往到了期末才能对自己一个学期的学习情况有一个大概的了解，特别是对于学习成绩不是特别优秀的学生而言。要想及时将学生每天乃至每堂课的表现反馈给学生自己让他们反思，传统的教学评价机制只能望尘莫及。但这些反馈工作对学生的成长又是极其重要的。

基于上述传统教学管理系统的诸多不足，有必要开发新一代教学效果自动评价系统，用以辅助对课堂教学效果的评价。

2 系统简介

基于视频分析的课堂教学效果自动评价系统（以下简称“自动评价系统”）是一个基于机器学习、深度学习、人脸识别，涉及教学管理多个环节的综合评价系统。它主要包括自动考勤、课堂学习状况监测、学习情况自动评价、定期发送学习情况等多个功能。多个模块相互协调，全方位、多层次地掌握学生的学习状况，让教师更加轻松地了解和评价一个学生的学习情况。并且，该系统具有自我完善的能力，它可以根据平时运行时收集到的数据自动更新自己的数据库，从而提高识别的正确率以及评判的公平性和准确性。同时，该系统还是一个高度可扩展的系统，既可以与现行的高校管理系统进行对接，直接导入高校管理系统中的数据，也为将来系统中的算法升级、功能添加预留了大量的可扩展空间。更重要的，国内外将机器学习中的人脸识别、行为识别运用到课堂教学、学生评价的事例屈指可数，因此，该系统可作为人脸识别和行为识别在课堂教学中应用的先行实验。

3 系统运行流程

系统主要由初始化模块、综合处理模块、考勤模块、上课状态模块、学习情况分析模块、信息发送模块、更新模块等七大模块组成。系统整体运行意图如图1所示。以下是系统整个运行流程简介。

初始化整个系统 初始化模块从学校数据库取得学生的基本数据和课程安排时间表，系统自动设定监控时间。其中最重要的数据是学生的人脸图像数据以及学生的个人信息（如姓名、班级等）。初始化模块负责初始化系统各个部分的初始化参数，为系统正常启动和运行做准备。

自动考勤 根据初始化模块录入的课程安排时间表，到达上课时间，系统自动启动摄像头，并开始拍摄取样。通过分析在课堂开始前的一小段时间内（可以自行设定）拍摄的视频或者得到的图片，提取出其中的人脸，与初始化模块从学生数据库中读出的人脸数据进行比对，从而实现考勤。为了使考勤更加准确，系统还会自动监测教室出入口的人员进出情况。并且为了提高考勤的准确率，系统还会在上课过程中自动随机选择某个时间点对学生进行再次考勤。最后，一节课结束后自动分别给出缺勤和迟到人数，缺勤和迟到学生的姓名等学生的基本信息展示在前台界面并写入数据库。

自动监测学生上课状况 考勤结束，教师开始正式上课后，上课状态模块会每隔一段时间自动录制一小段视频或者拍摄一组图片进行取样分析，间隔的时间可自行设定，也可随机产生，然后提取出图片中的人体行为数据，并和初始化模块读取的数据进行比对分析，从而预测分析学生的上课状态。最后，上课状态分析模块将分析得到的信息显示在前台界面并保存到数据库中。

自动分析学生学习状况 学习情况分析模块将根据上述对学生考勤和上课状况的记录，经过一系列的加权计算自动分析出某段时间内学生的学习情况，给出一个数值。若某个学生表现低于某个数值n次时（n可以由管理员自己设定），系统会对该学生发出“警告”，提示教师要特别关注该学生，并且将该信息交付给综合处理模块。其中分析学习情况的时间长度可自由设定，可以是一节课后，也可以是一周后、一个月后，甚至是整个学期的汇总报告。

发送学生学习情况 信息发送模块可根据学习情况分析模块的信息，自动生成“个人近期学习情况分析通知书”，通过QQ、微信、短信等方式自动发送给学生，让学生能及时了解自己的学习状况，分析近期自己在哪些方面做得不足以及时改正，激发学生的潜能。同时，该模块还可以将学生的“个人近期学习情况分析通知书”发送给其监护人（该功能由管理员自行设定是否启用）。“个人近期学习情况分析通知书”同时支持教师根据系统对学生学习状况的分析及个人意见自行编辑或者添加评语。

定期更新数据库识别数据 系统在监测学生，同时也在自我学习，更新模块将根据系统平时运行时收集到的数据自动对系统的数据库进行定时的更新，从而保证系统中的学生信息为最新信息。并且此举可以明显提高考勤和上课状态模块的识别正确率。

综合处理模块协调各个模块 该模块主要起到桥梁作用，使系统能够高效有序地运行。如该模块将调用自动考勤模块以及上课状态模块中得到的数据，交给自动分析学生学习状况模块，使之自动分析，并得到其数据交付给信息发送模块，再由信息发送模块做出处理。

4 系统的扩展

自动评价系统不仅是一个高效的学生上课情况评价管理系统，还是一个高度可扩展的系统，可以嫁接高校现行的大多数学生管理系统的模块，实现无缝连接，可将学生信息直接导入该系统，同时为未来系统的更新扩展预留了大量的空间。例如：今后可以在该系统上扩展学生心理健康分析系统，通过对比学生近期学习情况，利用表情识别技术，实现对学生心理健康的分析；还可以将学生的作业考核纳入该系统，并根据学生的作业情况分析学生的学习状况。并且，该系统还为更高效准确的机器学习算法预留了大量可扩展空间，对现行的机器学习算法也能灵活更换或者更新。

5 系统运行测试

图2所示为随机选取的由系统截取的课堂图片。目前系统的考勤正确率最高可达95.3%，随着系统的运行，正确率还可以再提高。对于学生的简单行动已经可以进行识别，并给出简单的评价。如图2中中间第三排自右向左第二个学生趴在桌子上的动作已经可以识别出。但准确率目前较低，后期通过算法的升级和系统的自我学习，准确率会得到很大提升。

6 结束语

高效率的考勤，精确的上课状态检测，及时的信息反馈，不仅有利于高校对人才的培养，更有利于学生对自身的严格要求。该系统能够有效解决大学生迟到、旷课严重的情况，让学校对学生的管理和评价更加科学，学生也能从该系统中及时了解到自己的学习状况。不仅是提高高校人才素质的一种手段，更推进了高校教学管理的自动化进程。同时，国内各大软件公司对这方面鲜有涉足，因此，该系统也有极好的市场应用前景。