买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：安徽教育网络出版有限公司

摘要：本发明适用于教学质量评价技术领域，具体是一种在线教育授课质量评价方法及系统，方法包括：通过对在线课堂的全程进行划分，获得多个期望学习时段，通过对各个期望学习时段中各个学生的学习状态进行评估，来判断整场在线课程的授课质量，无需对非期望学习时段的学生学习状态进行评估，在保证评价准确度的同时，有效减少检测网络模型的数据处理量；本发明通过姿态行为检测模型和面部表情检测模型，基于学生用户的头部状态结果，进一步通过判断学生用户的表情来确定学习状态，使得对学生用户的学习状态判断更为准确；本发明引入了MTCNN检测算法对帧图片中的学生人脸进行检测，能够对学生用户所处环境以及偏转角度变化具有更好的鲁棒性。

主权项：1.一种在线教育授课质量评价方法，其特征在于，该方法包括：基于学生端学习设备获取M个学生在N个期望学习时段的共计M×N个原始视频数据；对每一个原始视频数据进行预处理，得到该原始视频数据的第一图片数据集；将第一图片数据集输入到姿态行为检测模型中，根据姿态行为检测结果，生成第一检测结果，并将第一检测结果为负面的图片从第一图片数据集中剔除，得到第二图片数据集；将第二图片数据集输入到面部表情检测模型中，根据面部表情检测结果，生成第二检测结果；基于第二检测结果，得到用于表征第m个学生在第n个期望学习时段内注意力集中程度的评价分数；计算第n个期望学习时段内的M个学生的评价分数的均值，对M个进行统计，得到整场在线课程的授课质量评价值并输出；将第二图片数据集输入到面部表情检测模型中，根据面部表情检测结果，生成第二检测结果的步骤包括：使用Pytorch深度学习框架，结合ResNet-50网络建立面部表情检测初始网络；利用预训练模型参数对面部表情检测初始网络进行迭代训练，待训练完成之后，保存模型参数；向面部表情检测初始网络中加载保存的模型参数，获得训练后的面部表情检测模型，将第二图片数据集输入到模型中，获得面部表情检测结果，基于面部表情检测结果确定第二检测结果；在将第二图片数据集输入到模型中之前，还包括对第二图片数据集进行处理的步骤，具体包括：利用第二图片数据集构建基于人脸特征点的拓扑图： ；其中，是节点的集合，是连接节点的边集合，N为节点的数量；利用堆叠了两层图卷积层的图注意力网络对数据集的拓扑图进行特征提取；将拓扑图每个节点进行特征的级联，得到融合特征表示： ；其中，表示外观特征，表示几何特征；对M个进行统计，得到整场在线课程的授课质量评价值的方式为： ；其中，M表示期望学习时段的数量。

全文数据：

权利要求：

百度查询： 安徽教育网络出版有限公司 一种在线教育授课质量评价方法及系统