面向教师教学信誉度量化的智能感知与识别方法研究

• 作 者: 刘婷婷
• 出 处: 华中师范大学
• 发表日期: 2019年01期
• 关键词: 教师信誉度管理系统 图像质量提高 面部表情识别 教学手势识别 教学行为分析 智慧学习环境

课堂教学管理系统逐步向纵深方向发展,对教师的评价,不再是以学生考试成绩为结果的传统评价体系。依托于大数据、机器学习等技术,对教师素养进行过程性评价是未来的发展方向之一。现有的课堂教学智能管理系统研究,大多聚焦于课堂学生学习行为的分析,未见针对教师教学行为的智能识别分析研究。在教学场景中,高信誉度的教师对学生产生更为明显的影响力,可促进学生的认知理解力,情感学习等。同时,教师信誉度也是衡量教师基本素养的重要构成之一。因此,对教师信誉度的智能量化,可以为教师及教学管理者提供反思与评价的可视化信息,促进教师综合能力提升对整个教学活动有着至关重要的作用。到目前为止,对于教师信誉度的评价,主要以对学生进行问卷调查的方法进行分析评价。该方式往往消耗大量时间及人力,效率较低,同时使用李克特七点量表准确性受较大的主观判断影响,且不能给教师及时信息反馈,时效性差,不便于教师及时调整教学行为策略。前人对于课堂教学管理系统的研究一般采用视觉传感器设备获取行为数据,但在课堂教学场景下,通过课堂录播视频对教师教学行为识别还面临着其特有的技术难题,如:光照变化、运动模糊、背景复杂、视频图像分辨率低、遮挡、教师头部姿态多变导致表情难以识别等诸多问题。在实际的教学过程性分析中,管理系统对于课堂教学行为识别的性能要求极高,尤其对于智慧教学环境下的教学行为识别精度和稳定性研究成为关注焦点。本文主要研究目标是从课堂教学视频图像序列中准确识别出表情和手势,并开发出基于教师表情和手势识别的教师信誉度评价管理系统,本论文为解决教育大数据时代下的教师教学过程性评价提供客观数据支撑,率先开展了基于课堂教学录播视频的教师面部表情识别与手势识别研究,并研发了基于教师行为感知量化的教师信誉度评价系统。本文的主要创新点主要包含以下四个方面:(1)本文提出了一种基于超拉普拉斯先验约束的课堂录播视频图像质量提高方法。本文对大量的自然环境下高分辨率课堂教学图像进行了图像梯度特征统计,发现了高清视频图像满足超拉普拉斯先验的拖尾分布。提出了使用幂函数‖·‖0.6对该视频数据进行拟合,并应用于智慧教室环境下录播视频的质量提高。本文在仿真和实测教学场景下分别验证本方法,实验表明,本文方法比现有的先进算法具有更好的图像质量提高效果,促进了智慧课堂环境下的教师信誉度量化与分析,为后续教师表情识别、手势识别做好铺垫。(2)本文提出一种融入图像生成的教师面部表情识别方法,是一种基于端到端学习的表情识别方法。结合人脸68个特征关键点的人脸表情生成模型,提出了一个三方一致性损失函数,生成任意表情和姿态的教师人脸图像,进行训练集图像数据扩增,有助于提高表情识别率。所提模型在多个标准数据集上进行实验,并验证了模型的有效性。同时,在表情识别网络中融入了深度可分离卷积网络代替传统2D卷积层,以全局平均池化层代替全连接层,配以Softmax进行分类任务,减少网络参数,提高运行速度,达到实时检测的目的。最后在多个公共人脸表情数据集上进行了7类表情分类任务,本文提出的算法得到平均80%左右的识别准确率。(3)本文提出一种基于深度学习的课堂教学手势行为识别方法。构建了一种自动识别教师手势类别的深度神经网络模型,融入SCF算法,通过自下而上的方式准确识别出人体骨架。在教师被前排学生遮挡情况下,也具有较好识别效果。在此基础上,对教师的手势姿态通过监督学习的方式进行识别,从而判断抬手姿态,并同时进行了白板检测,若教师的手部位于白板内侧,则识别为注意力引导手势;若在白板外侧,则为话语辅助手势,识别准确率高达83%以上。(4)本文构建了教师信誉度量化评价模型,并进行了有效验证,开发了基于表情识别和手势识别的教师信誉度评价管理系统。融合了教师目光范围模块、云平台交互模块,从非言语行为角度对教师信誉度进行综合评价。研究通过与专家打分、学生打分、教师自评的实验结果做对比分析,验证了该系统和方法能够客观有效地对课堂上教师信誉度进行智能量化和分析。