基于视频关键帧的课堂学生状态具体实现方法

2018-10-13 09:34孙元姜楠戴宏
教育教学论坛 2018年40期
关键词:视频关键帧实现

孙元 姜楠 戴宏

摘要:本论文针对学生上课期间的视频数据,提取学生上課期间的姿态、面目表情等视频关键帧信息进行分析,进而得到客观的学生上课期间的学习状态,根据这些客观的数据,可以分析出授课教师授课期间或者部分授课时间或者某一个知识点的绝大部分学生的表现,进而可以利用分析结果提醒教师继续沿用或者改进授课方式、方法,最终达到更好的授课效果。

关键词:课堂教学;视频;关键帧;实现

中图分类号:G642.4 文献标志码:A 文章编号:1674-9324(2018)40-0097-03

目前很多研究人员利用多种方法进行课堂教学效果研究,比如:刘谨老师发表的“高校学生评价教师课堂教学效果的分析”针对近年来高校学生评价教师课堂教学成果工作中呈现出的不足进行研究分析,在此基础上提出相应的对策[1];郭晔红老师发表的“高校教师发展状况与课堂教学效果关系分析”提出运用教学改革政策激励高校教师发展,鼓励教师全身心投入教育教学的策略,为提升高校课堂教学效果及质量提供理论依据[2];郑金山老师发表的“高校教师课堂教学效果评估模型研究”应用层次分析法的思想,合理简化其步骤,方便快捷地计算评价对象的权重,并运用模糊综合评价法构建了评估模型[3]。由于以上的方法多为主观数据获得,所以效果有待商榷。本文首先获取学生课堂的视频数据,然后针对该视频数据按照算法进行相应的关键帧提取,再依据该关键帧所具有的学生姿态信息以及学生的面目表情信息判断学生是否在课堂上认真听讲,进而用以觉得教师在课堂上是否需要改动自己的教学方法、方式。下面就给出相应的总体框架以及相关的数据库表结构和说明。

一、图1是提取学生课堂姿态以及面目表情总体框架

二、针对该框架的具体实现

1.将学生的姿态信息以及面部表情状态入库:视频数据提取的关键帧中包括认真听讲和不认真听讲的信息,其中认真听讲的姿态中包括:举手、端正坐姿、面部直视摄像头;不认真听讲姿态包括:低头(看不到面部正面信息)、看手机(提取手机桌面位置,有时为倾斜的,有时在桌面的;同时面部与端正时成30度以上夹角,即头发比脸部在正面显示的区域较多)、睡觉(正面关键帧中只有头发,纹理一致)、长时间写字不抬头(在多次提取关键帧中处于同一姿态,同时保持头发部位朝向黑板,可以提取出手拿笔写的姿态)、同学两两之间侧头交头接耳(学生面部信息只有70%左右,脸部正面方向不是朝向摄像头位置)等。

在该算法中除了上课的姿态信息之外,还包括学生面部信息的处理,比如针对学生五官的耳眼口鼻等器官,其中能够确定为认真听讲的面部信息有睁眼、眉间舒展等;没有认真听讲或者感觉该知识点有问题的面部信息包括皱眉、闭眼、用手支撑头部并眼部斜视等。下面给出学生上课姿态以及面目表情的数据库表以及相应的数值信息。其中表一至表四分别是学生姿态标准库、学生姿态标准库解释、学生面目表情标准库以及学生面目表情标准库解释。

2.在标准库建立完成之后,利用同样的提取特征算法,将不同图像中的学生姿态以及面目表情信息进行提取后与标准库中的比对,进而进行聚类,由于篇幅所限,具体方法另行介绍。

三、总结

本论文主要给出了上课过程中提取学生课堂姿态以及面目表情总体框架,同时也给出了学生的姿态以及相关面目表情信息的数据库表,这样就可以应用相关图像处理的方法进行学生上课状态信息的对比以及分析。

参考文献:

[1]刘谨.高校学生评价教师课堂教学效果的分析[J].知识经济,2018,(2)116,118.

[2]郭晔红.高校教师发展状况与课堂教学效果关系分析[J].甘肃高师学报2017,22(05):32-34.

[3]郑金山.高校教师课堂教学效果评估模型研究[J].齐齐哈尔大学学报,2016,(09).

猜你喜欢
视频关键帧实现
基于改进关键帧选择的RGB-D SLAM算法
办公室人员尚需制定个人发展规划
浅析铁路通信传输的构成及实现方法
基于相关系数的道路监控视频关键帧提取算法
基于聚散熵及运动目标检测的监控视频关键帧提取
一种基于自适应关键帧的视频序列拼接方法