一种教学视频播放速度的自适应调整方法与流程

本发明涉及一种教学视频播放速度的自适应调整方法，属于计算机应用领域。
背景技术：
：通过观看视频在线学习的过程中，授课者的语速会影响视频观看者对材料的理解以及学习热情。但具有不同知识基础、不同习惯的观看者对授课者的语速往往有不同的需求。不仅如此，最佳授课语速也同对应区间的课程主题、讲授内容类型、内容难度息息相关。现有的视频速度调节方法多数需要观看者在学习过程中主动进行播放速度调整。然而为了使内容难度各不相同的部分的讲授语速始终处于合适的区间，速度往往需要多次调节，从而容易分散观看者的学习注意力。另有部分方法识别并监测授课者的语速，从而根据授课者的语速自动调整播放速度，然而这种方法忽略了课程内容的难易及视频观看者的个性化需求。以上
背景技术：
内容的公开仅用于辅助理解本发明的发明构思及技术方案，其并不必然属于本专利申请的现有技术，在没有明确的证据表明上述内容在本专利申请的申请日前已经公开的情况下，上述
背景技术：
不应当用于评价本申请的新颖性和创造性。技术实现要素：本发明的主要目的在于基于蚁群算法，提出一种教学视频播放速度的自适应调整方法，通过对视频观看者进行分类后，对每类观看者形成相应的播放速度路径，从而使观看者在观看教学视频的过程中，按照其所对应的播放速度路径来动态调整视频播放速度，实现播放速度的自适应调整，以解决现有技术中观看在线教学视频时需要观看者自行调整播放速度而影响学习效果的问题，以及现有的根据授课者语速自动调整播放速度的方案所存在的语速无法适应不同观看者需求的问题。本发明为达上述目的所提出的一种技术方案如下：一种教学视频播放速度的自适应调整方法，包括如下步骤：s1、将所述视频划分为t个时间段，并为每个时间段预设m个可能的播放速度v1,v2,v3,…,vm；s2、利用所述t个时间段及每个时间段的m个播放速度，构建所述视频的一般信息素矩阵m＝(τt,j(n-1))t×m、分类信息素矩阵以及速度迁移参数矩阵mspeedchange＝(μij)m×m，n-1表示所述视频已有n-1个观看者观看过，初始时n＝1，style＝1,2,3,…,k表示观看者的预设类型，i,j∈(v1,v2,v3,…,vm)；其中：τt,j(n-1)表示所述视频有n-1个观看者完成观看后第t个时间段播放速度为j的一般信息素浓度；表示所述视频有n-1个观看者完成观看后第t个时间段播放速度为j的分类信息素浓度；μij表示所述视频的播放速度由i迁移到j的可能性因子；s3、定义第n个观看者为当前观看者，收集当前观看者观看预先生成的预览视频后的预览反馈信息，并根据所述预览反馈信息对当前观看者进行归类，类型为style(n)；s4、根据当前观看者的类型style(n)，计算当前观看者观看第1个时间段视频的播放速度并使当前观看者以速度开始观看视频；s5、在观看过程中，根据速度迁移参数矩阵、当前时间段的播放速度以及上一观看者观看所述视频后更新的一般信息素矩阵和分类信息素矩阵，计算当前观看者观看下一时间段视频时播放速度变为所述m个播放速度中各个速度的概率；s6、根据所述概率调整当前观看者在下一时间段的视频播放速度；s7、循环步骤s5和s6，播放完成后生成当前观看者观看所述视频的播放速度路径其中为当前观看者观看第t个时间段时的播放速度，t＝1,2,3,…,t；s8、收集当前观看者的课后反馈信息，并根据所述课后反馈信息及其播放速度路径v(n)，更新所述一般信息素矩阵和所述分类信息素矩阵，并对下一个观看者重复步骤s3～s8。本发明上述技术方案所提供的教学视频播放速度的自适应调整方法，可以自动为视频观看者选择合适的播放速度路径，兼顾了不同类型观看者的特点和需求；另外，还一定程度上弥补了部分教学视频中的讲授语速没有经过设计的问题，具有实际应用价值。附图说明图1是本发明一实施例的教学视频播放速度的自适应调整方法流程图；图2是本发明一实施例中可视化的播放速度路径图。具体实施方式下面结合附图和具体的实施方式对本发明作进一步说明。本发明的具体实施方式提供了一种教学视频播放速度的自适应调整方法，参考图1，该方法包括如下步骤：步骤s1、将所述视频划分为t个时间段，并为每个时间段预设m个可能的播放速度v1,v2,v3,…,vm。t个时间段中，前t-1个时间段为均分，时长均为tspace，假设视频的总时长是ttotal，则有：t＝[ttotal/tspace]+1；[·]表示对括号内的数取整。对于每个时间段而言，都预设v1,v2,v3,…,vm，比如，每个时间段可能的播放速度为{0.75,0.8,0.85,……,1.3,1.35,1.4,1.45,1.5}，该示例中m＝16。应当理解的是，本领域技术人员可根据具体的场景和需求，设定不同的tspace值，而对应于不同的tspace值，播放速度集合中不同速度之间的最佳间隔设定也有所区别。步骤s2、利用所述t个时间段及每个时间段的m个播放速度，构建所述视频的一般信息素矩阵m＝(τt,j(n-1))t×m、分类信息素矩阵以及速度迁移参数矩阵mspeedchange＝(μij)m×m，n-1表示所述视频已有n-1个观看者观看过，初始时n＝1，style＝1,2,3,…,k表示观看者的预设类型，i,j∈(v1,v2,v3,…,vm)；其中：τt,j(n-1)表示所述视频有n-1个观看者完成观看后第t个时间段播放速度为j的一般信息素浓度；表示所述视频有n-1个观看者完成观看后第t个时间段播放速度为j的分类信息素浓度；μij表示所述视频的播放速度由i迁移到j的可能性因子。步骤s2即为对一般信息素矩阵和分类信息素矩阵进行初始化的步骤，在初始化步骤s2中，还未有人观看该视频，即n＝1，对于任意的t、j、style，τt,j(0)＝1，另外，所述速度迁移参数矩阵满足：其中，b为速度迁移阈值。本发明正是基于蚁群算法的概念原理，提出了前述改进的蚁群算法，将速度的调整转化为路径优化问题，构建了用于计算速度变换概率的一般信息素矩阵m＝(τt,j(n-1))t×m、分类信息素矩阵以及速度迁移参数矩阵mspeedchange＝(μij)m×m。步骤s3、定义第n个观看者为当前观看者，收集当前观看者观看预先生成的预览视频后的预览反馈信息，并根据所述预览反馈信息对当前观看者进行归类，得到的类型为style(n)。对于一个在线教学视频而言，本发明事先对该视频生成一个较短的预览视频，并且观看者只能以默认速度观看该预览视频，目的是要获取观看者对该视频语速的一个初步反馈，以对该观看者进行分类。预览反馈包括播放速度反馈、语言难度反馈和内容难度反馈。在一种具体的例子中，播放速度反馈sr＝-1,0,1(分别对应“较慢”、“适中”、“较快”)；语言难度dl＝-1,0,1(分别对应“简单”、“中等”、“困难”)；内容难度dc＝-1,0,1(分别对应“简单”、“中等”、“较难”)。利用这种反馈方式，可以定义出视频观看者的种类style，如下表1所示：表1示例性的观看者类型及其分类条件观看者类型style条件1(需要很慢速度)sr＝1&dc+dl>02(需要较慢速度)sr＝1&dc+dl≤0,orsr＝0&dc+dl＝23(需要适中速度)sr＝0&-2<dc+dl<24(需要较快速度)sr＝-1&dc+dl≧0,orsr＝0&dc+dl＝-25(需要很快速度)sr＝-1&dc+dl<0从而，上述示例性地给出了观看者的五种类型定义及其分类条件，对于一观看者而言，只要观看预览视频后提交预览反馈，即可对该观看者进行分类。应当理解的是，观看者类型和数量不限于上述表1所列举，还可以综合其它维度的预览反馈，给出与上述表1中不同的类型。步骤s4、根据步骤s3的方式，确定了当前观看者所属的类型style(n)之后，可根据style(n)计算当前观看者观看第1个时间段视频的播放速度即初始观看速度，并使当前观看者以速度开始观看视频。以上述表1为例，针对类型为style(n)的当前观看者，其初始观看速度需要说明的是，此处初始速度计算公式并不仅限于此，可根据具体情况另行设定，也可直接指定各类型(style)观看者的初始观看速度。步骤s5、在观看过程中(通常，在即将观看完视频某一个时间段时)，就根据速度迁移参数矩阵、当前时间段的播放速度以及上一观看者观看所述视频后更新的一般信息素矩阵和分类信息素矩阵，计算下一时间段以m个播放速度中各个速度播放的概率。计算公式如下：其中，α、β为权重参数；q∈(v1,v2,v3,…,vm)；即表示下一时间段(第t+1时间段)以速度q播放的概率；当前时间段t的播放速度步骤s6、根据上一步计算得到的概率调整当前观看者在下一时间段的视频播放速度，即对当前观看者在下一时间段的视频播放速度依所述概率进行随机变换。步骤s7、循环步骤s5和s6，播放完成后生成当前观看者观看所述视频的播放速度路径其中为当前观看者观看第t个时间段时的播放速度，t＝1,2,3,…,t。步骤s8、在观看者观看完整个视频之后，收集当前观看者的课后反馈信息，并根据所述课后反馈信息及其播放速度路径v(n)，更新所述一般信息素矩阵和所述分类信息素矩阵，并对下一个观看者重复步骤s3～s8。具体的更新方法如下：首先，获取当前观看者对所述视频的全程播放速度的综合打分score(n)，并分别计算截至当前为止的全部观看者平均打分scoreave，以及同类型的所有观看者的平均打分然后利用scoreave和计算更新参数δ(n)和δstyle(n)(n)：接着，再利用上述更新参数来更新所述一般信息素矩阵和所述分类信息素矩阵，更新公式为：其中：其中，c0、c1分别为所述一般信息素矩阵和所述分类信息素矩阵的更新常数；ρ0、ρ1分别为所述一般信息素矩阵和所述分类信息素矩阵的衰减率。也就是说，每有一个观看者观看完该视频，就是完成了一次迭代，每迭代一次，该视频的一般信息素矩阵和分类信息素矩阵得以进行更新。随着视频的观看者不断增加，每种类型的播放速度路径将收敛，此时可以对各种类型所对应的播放速度路径进行可视化，具体而言，以表1所示五种类型为例，所可视化的一种示例性播放速度路径如图2所示。后续该视频的授课者可以根据该可视化的播放速度路径以及观看者的课后反馈等，来调整速度迁移参数矩阵、所述m个可能的播放速度和所述速度迁移阈值等。以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属
技术领域：
的技术人员来说，在不脱离本发明构思的前提下，还可以做出若干等同替代或明显变型，而且性能或用途相同，都应当视为属于本发明的保护范围。当前第1页12