[发明专利]一种基于面部识别的学生网课学习状态评价方法及系统

说明书

本发明公开了一种基于面部识别的学生网课学习状态评价方法，包括：获取学生的面部图像、学生回答问题情况以及学生信息；根据学生回答问题情况与参考答案的对比情况，获得学生的回答问题结果；将采集的面部图像进行标准化处理成一致的画面信息后输入到训练好的微表情识别卷积神经网络模型中，得到学生的网课听课理解程度状态；根据学生的面部长度与宽度的比值与预设标准面部长宽比的比较情况、学生的眼睛张开高度与预设标准面部眼睛张开高度的比较情况，得到学生的专注度；将学生的回答问题结果、网课听课理解程度状态以及专注度作为学生网课学习状态评价结果。本发明的方法可以提高识别效率，改善评价效果。

技术领域

本发明涉及计算机技术领域，具体涉及一种基于面部识别的学生网课学习状态评价方法及系统。

背景技术

目前，高校考虑到节约教学开支，节省人力物力，丰富教学内容等原因，逐渐引入网络授课的学习方式。学生可以通过电子设备和互联网来在线观看视频音频等来学习知识、技能。

本申请发明人在实施本发明的过程中，发现现有技术的方法，至少存在如下技术问题：

网课方便师生的同时，也存在着因条件限制，对上网课学生无法监管的问题。仅仅观看视频，而没有类似课堂的师生交流互动的过程也使得部分学生在网课学习的过程中并未真正的在“听课”，学生的听课效果和专注程度不像传统的课堂教学能够及时反馈给教师，导致学生上网课的听课质量大打折扣。现有技术中的方法虽然可以通过摄像头等设备来监测学习状态，但是需要通过人工的方式来判断学生是否在认真听课，这种方法费时费力，效率不高。

由此可知，现有技术中的方法存在效率不高的技术问题。

发明内容

有鉴于此，本发明提供了一种基于面部识别的学生网课学习状态评价方法及系统，用以解决或者至少部分解决现有技术中的方法存在的效率不高的技术问题。

为了解决上述技术问题，本发明第一方面提供了一种基于面部识别的学生网课学习状态评价方法，包括：

S1：获取学生的面部图像、学生回答问题情况以及学生信息；

S2：根据学生回答问题情况与参考答案的对比情况，获得学生的回答问题结果；

S3：将采集的面部图像进行标准化处理成一致的画面信息后输入到训练好的微表情识别卷积神经网络模型中，得到学生的网课听课理解程度状态；

S4：对采集的面部图像进行人脸识别，提取出人脸图片并进行面部特征提取，得到学生的面部尺寸和眼睛张开高度，其中，学生的面部尺寸包括面部长度和宽度；根据学生的面部长度与宽度的比值与预设标准面部长宽比的比较情况、学生的眼睛张开高度与预设标准面部眼睛张开高度的比较情况，得到学生的专注度；

S5：将学生的回答问题结果、网课听课理解程度状态以及专注度作为学生网课学习状态评价结果。

在一种实施方式中，S3中训练好的微表情识别卷积神经网络模型的构建方法包括：

在微表情数据库中寻找分别符合愉悦、理解、困惑状态特征的人脸微表情图片，将理解程度状态对应的图片经过压缩、拉伸、锐化等过程过后，处理成统一尺寸和格式的图片信息作为训练数据，其中，将学生的网课听课理解程度状态划分三个等级：愉悦、理解、困惑，愉悦对应的面部特征包括眼睛张开、面部正对屏幕和嘴角上扬，理解对应的面部特征包括面部正对屏幕和眉毛舒展，困惑对应的面部特征包括眉头紧锁、眼睛微眯和嘴角向下；

确定微表情识别卷积神经网络模型的结构，模型的结构包括输入层，第一卷积层、第一池化层、第二卷积层、第二池化层、特征层、全连接层、分类层以及输出层；

根据预设模型参数，采用训练数据对微表情识别卷积神经网络模型进行训练，得到训练好的微表情识别卷积神经网络模型。

在一种实施方式中，S3具体包括：