高职视频互动教学直播平台建设

2020-04-22 20:37刘翔王明忠陈织光吴斯杰袁资桢杨鸿平
无线互联科技 2020年4期
关键词:教学互动人脸识别

刘翔 王明忠 陈织光 吴斯杰 袁资桢 杨鸿平

摘   要:目前,高职院校的专任教师大都从高校毕业后直接进入学校任教,没有企业经验。根据国家“十三五”启动实施的职业教育产教融合工程的建设要求,聘用企业的高级技术人才作为兼职教师,是教师团队建设的重要内容。但是,由于路途等原因,企业教师不方便面授,需要借助新技术、新媒体进行远程授课。而现在市面上的直播软件不能完全贴近高职面授的环境,效果不好。文章介绍的平台能最大限度地实现和面授同样的网络授课效果,是将课堂考勤、教学直播、教学互动等多功能融于一身的智能视频教学直播互动平台。

关键词:教学直播;人脸识别;教学互动

随着学校招生数量不断扩大,专业种类增多,校外实训基地建设加大,与此同时产生一系列师资、教室场地等教学资源不足的问题。校外实训基地有场地、设备和企业专家,但离学校较远,学生往返不方便,也不安全。在国内,网络在线直播教育还处于起步阶段。在线直播技术主要应用于具有娱乐性质的传统秀场直播、游戏直播和泛娱乐直播等,然而真正成熟运用于在线教育的直播系统还很少[1]。市面上的网络在线教育直播系统的教学模式主要是以点播的方式实现,并不是实时直播。因此,这类系统不具备实时性,缺少师生互动,老师无法及时解答学生的疑惑。

为满足教育部“教育信息化2.0”对新时代教师的新要求,提高专业教师的课堂教学展示能力及新媒体新技术的灵活运用能力,将混合式教学手段应用到课前的手机考勤、课中的交互式教学、课后的精准教学评估之中,提高知识的传授效果,激发学生主动学习的兴趣和热情,达到提升课堂教学质量的目标。在省团委2019年“攀登计划”广东大学科技创新培育专项资金的大力支持下,学院启动了“高职高专视频互动教学直播平台”的建设。

1    平台主要拟解决的问题和实现对策

1.1  解决师生不能当面授课问题

因地域、实训环境等限制,教师不能当面授课,尤其在校外实训基地,需要大批学生提前出发前往路途远的基地,耗费时间,还会出现安全等问题。现鼓励产教融合、校企合作,鼓励企业工程师来学校授课。但有些工程师离学校很远,前往学校授课并不方便。现可通过在线教育直播把师生连接互动起来,学生在本校即可享受校外实训基地的资源,企业工程师可通过在线教育直播进行授课。

1.2  解决一个老师只能在同一时间段上一个班的问题

基于学校师资紧张、学生数量大、课程多,一个老师往往在一个时间段只能给一个班上课,若要安排合班上课,则需要容纳100~200人的大教室,但大教室资源有限。现可利用直播系统,让一个老师在同时段给多个不同课室的班级学生讲授同一门课,实现并行上课,从而解决师资紧张问题。

1.3  解决传统点名考勤占用时间长、考勤数据反馈滞后等问题

教师点名考勤往往需要5~10 min,大班课需要的时间更长,考勤记录也不能第一时间反馈给辅导员和教学负责人,导致数据信息滞后。在线教育直播具有移动考勤功能,学生只需要在课室门口用手机扫描终端上的随机二维码,获取该课室的定点位置,之后用手机刷脸识别考勤。上课老师、辅导员和教学负责人都会第一时间收到课堂的考勤数据信息。

2    平台的基本思路和实现步骤

为了解决上述问题,结合现实技术水平,认真分析学校的教学模式,参考大量前沿的国内外相关文献资料,包括新闻报道、学术专著、论文期刊、研究报告等,结合研究的主题,严格选取具有高度相关性的资料,总结现有模式的优缺点,并针对不足之处,利用现有的人工智能技术、视频编码解码技术、传输技术、数据库技术等,设计出智能互动教学系统。从设计方案上看,该系统是可行的。系统改善了教学方式,具有可实施性和科学性。本平台设计一种以网络互动直播教学为基础,结合人脸识别技术,进行学生考勤管理的智能互动直播教学系统。

(1)对智能互动教学直播系统进行需求分析,梳理总结技术要点和关键业务流程,提出系统设计的总体框架,明确各子系统的功能划分,包括直播服务器系统、教师直播系统、学生端等。

(2)利用Protobuf协议定义一套高效的通信协议,承载直播课堂互动和管理功能的全部数据,在此基础上建立直播服务器,通过多线程异步处理,实现各个子系统之间的消息处理、数据转发和虚拟对象管理。

(3)以RTMP直播协议为基础、Nginx提供Web服务器为核心的流媒体直播平台,具备直播模块化、高清视频流及流畅性好的特点。

使用流媒体相关技术,通过Nginx服务器搭载nginx-rtmp流媒体模块来实现本平台流媒体服务器模块。采集教师直播视频并进行编码,使用RTMP流媒体协议传输到流媒体服务器;客户端发出请求后,再次使用RTMP流媒体协议传送给客户端,在PC浏览器、Android/iOS移动终端完成解码并实现低延迟的视频直播。

RTMP也被称为实时消息传输协议。它具有实时性好、编码兼容性高、保密性好、稳定性高、容错性高等优点[2],传输的视频格式为flv。

(4)在用户端(包括老师和学生)完成对Protobuf消息的处理,与上层的程序完成数据交换,实现文字聊天、课堂答题等功能;在Web学生客户端中,解决浏览器与直播服务器的通信链路保持问题。

(5)在APP端,利用hybrid开发模式,在Web端使用ccv.js(初始人脸检测)、numeric.js(矩阵数学)和clmtrackr(跟踪人脸),实现人脸活体检测,并采集人脸图像传输至人脸检测服务端;人脸检测服务端进行以下步骤:人脸图像预处理、人脸检测与定位、人臉图像特征提取、人脸图像识别。

(6)本平台的教学直播模块选取MySQL建立后台数据库表,采用Thinkphp5.0和MVC开发架构,前端界面使用HTML构建网页结构、CSS设计界面样式,采用EasyUI的UI库开发,方便用户交互。

3    平台的逻辑结构分层和系统模块设计

从总体设计角度出发,分别从逻辑结构分层、系统模块进行设计。系统的总体架构在逻辑上分为4个层次,分别是数据层、基础服务层、功能服务层和用户应用层。数据层包括关系型数据库、非关系型数据库以及缓存组件,为上层应用提供了统一的数据视图。基础服务层对系统需要的基础数据和功能进行了抽象,包括用户服务、消息编解码、链路保持服务、Ngnix服务等内容,为全体用户和直播课提供了基础元素和数据通道的服务抽象。功能服务层包括消息服务、视频服务、人脸识别服务、日志监控、定位服务、答题服务、成员管理、资源管理,为人脸识别考勤、课堂互动和直播视频提供业务支持,同时为Web学生端通过PC浏览器访问提供支持。用户应用层包括教师直播端、Web学生端、Android/iOS学生客户端,为上课老师、学生提供操作交互界面。本平台系统由定位模块、人脸识别考勤模块、直播服务模块、互动消息模块、资源管理模块这5个模块组成。

(1)定位模块。课室配合定位终端,学生扫描定位终端上的随机二维码,获得进入本课室的权限,取得定位信息。

(2)人脸识别考勤模块。以人脸识别技术为基础,在客户端设计人脸活体检测功能,把人脸图像传输到服务端,服务端实行人脸检测,从而匹配出人脸、确认身份、数据库记录考勤时间。

(3)直播服务模块。基于实时消息传输协议(Real Time Message Protocol,RTMP),设计教学视频的直播链路,分别在教室直播系统和学生客户端实现视频采集、编码、传输、解码等功能。

(4)互动消息模块。基于Netty框架设计,实现模块间的消息快速处理和转发,以及虚拟教室和成员对象的管理。

(5)资源管理模块。资源包括教学演示文稿、视频、音频、教学软件等。考虑到大量资源所需要的存储空间,设计使用七牛云存储方案,基于分布式存储架构,具备高可用性和高可靠性,并支持水平扩展至EB级存储容量,解决数据库数据和云服务资源不同步的问题。

(6)数据库。教学实际应用中庞大的信息决定了将产生大量的数据。对其进行处理并存储,无疑会涉及许多信息,需要建立数据库。

4    平台的先进性和新颖性

4.1  人脸识别技术在互动直播教学系统中的创新应用

以往的互动直播教学系统更多地应用在远程教育当中,忽略考勤的监督。本项目结合学校情况,把人脸识别加入到互动直播教学系统中,实现人脸识别考勤的创新应用。

4.2  互动直播教学系统在传统教学方式中的创新应用

传统的教学方式需要大量的课室和教师资源,导致教学资源紧缺。本项目可以让教师通过互动直播系统,实现在线考勤和在线互动直播教学,不受学生数量和课室资源的限制。是针对以往教学方式的创新改进。

4.3  互动直播教学系统在校外实训基地的创新应用

由于校外实训基地的场地和位置等原因,未能让师生亲临教学现场。本项目设计的互动直播教学系统,可以通过互联网技术把校外实训基地的设备和师资展示给学生,是促进校企资源融合、符合产教融合的方针,也是校企合作的一次创新应用。

5    结语

该平台可以应用到同类院校教学中,解决院校存在的共通问题。目前,结合人脸识别考勤技术的互动直播教学系统在院校使用很少,尚处于尝试阶段。所以,该平台有广阔的应用前景,一经推出必将产生巨大的经济效益。

[参考文献]

[1]赵成.基于流媒体的教学直播系统的研究[D].武漢:华中科技大学,2019.

[2]黄颖锋.新一代安卓系统网络流媒体关键技术的研究与实现[D].广州:华南理工大学,2013.

猜你喜欢
教学互动人脸识别
人脸识别 等
揭开人脸识别的神秘面纱
基于(2D)2PCA-LBP 的人脸识别方法的研究
人脸识别在高校安全防范中的应用
教学互动与人的社会化训练
“九步五必做”教学法研究
谈语文教学中的互动
对信息化教学的探索
基于类独立核稀疏表示的鲁棒人脸识别
基于K-L变换和平均近邻法的人脸识别