[发明专利]一种基于深度学习的个性化远程教育系统及方法

权利要求书

1.一种基于深度学习的个性化远程教育系统，其特征在于，包括：教师端、远程教育端、学生端、个性化题库分析模块、学生专注度检测模块和学生信息库；

所述学生端通过网络学习平台连接远程教育端；

所述教师端用于教师直播或录播上课，所述学生端用于学生学习，所述远程教育端用于辅助教师教学，所述个性化题库分析模块用于根据学员的学习进度、学习错误题目和题库加载的高频错误点进行统计，针对每位同学推送对应题目，所述学生专注度检测模块用于将视觉图像送入深度学习框架进而分析学习者的专心程度。

2.根据权利要求1所述的基于深度学习的个性化远程教育系统，其特征在于，所述教师端和学生端均采用电脑、手机或者平板中的任意一种。

3.根据权利要求1或2所述的基于深度学习的个性化远程教育系统的实现方法，其特征在于，包括下述步骤：

学生端进行人脸识别验证通过后，通过互联网登入远程教育端；

在进行远程教育的过程中，调用摄像头对学生的学习状态进行录像，并将信号分解为按时间排序的图像序列，传入学生专注度检测模块进行专注度检测；

将学生在上课学习过程中的随堂检测情况和专注度评级一起存入学生信息库，供教师端查看；

构建个性化题库分配模块，根据学员的学习进度和上次学习错误题目，以及题库加载的高频错误点进行统计，针对每位同学推送对应题目。

4.根据权利要求3所述的基于深度学习的个性化远程教育系统的实现方法，其特征在于，所述传入学生专注度检测模块进行专注度检测，具体步骤包括：

采用Adaboost算法通过迭代的方法挑选出合适的Haar特征，将这些弱分类器组合得到强分类器，训练而成的人脸分类器对输入的图片序列进行检测判断是否存在人脸，若有，则得到人脸区域；

对得到的人脸区域进行预处理；

从人脸表情图像中提取特征，采用深度学习网络对初级特征和Haar特征进行学习和训练，使用训练出的模型作为专注度分类器来进行学生学习过程中专注度识别；

预先设定专注度状态，如果检测为分心，则向学生端和教师端分别发送提醒消息。

5.根据权利要求4所述的基于深度学习的个性化远程教育系统的实现方法，其特征在于，所述对得到的人脸区域进行预处理，具体步骤包括Gamma变换和图像归一化。

6.根据权利要求4所述的基于深度学习的个性化远程教育系统的实现方法，其特征在于，所述专注度状态划分为兴奋、专注、平静和分心。

7.根据权利要求3所述的基于深度学习的个性化远程教育系统的实现方法，其特征在于，所述构建个性化题库分配模块，具体步骤包括：

将储存在学生信息库中的上一次考试成绩、难易等级、作业错题数量和随堂检测情况分别导入个性化题库分配模块；

基于深度学习神经网络模型事先训练好的网络权重、网络模型和分类文件直接进行比对，筛选出适合学生水平的相关题目，组合成作业和考试卷；

若反馈学生连续多次成绩不理想或高分，则调整难易等级。

8.根据权利要求7所述的基于深度学习的个性化远程教育系统的实现方法，其特征在于，所述深度学习神经网络模型包括基于感兴趣区域的RCNN模型、SPP-net模型、Fast RCNN模型或Faster RCNN模型。