教学环境安全分析方法与流程

本发明涉及数据处理领域，尤其涉及一种教学环境安全分析方法。

背景技术：

近年来，发生在学校的教育活动中，由老师、同学或其他人员，蓄意滥用语言、躯体力量等，针对师生的生理、心理、名誉、权利、财产等实施的达到某种程度的侵害行为，都算作校园暴力。

校园暴力对学生的心理健康和正常的授课秩序影响甚大，如果学生长期处于软硬暴力的教学环境中，可能会导致情绪低落、心理抑郁，甚至导致退学休学等结果。

但是，在教学过程中，校园暴力往往通过老师或者家人主观去获取，比如，老师在课堂上观察到学生注意力不集中，听讲不认真，将这一现象反馈给家长，家长通过和学生沟通，获取原因，在各级沟通的过程中，往往存在沟通单一、不全面的缺陷，从而导致不能完整的了解到学生所存在问题的根本原因。

技术实现要素：

本发明实施例的目的是提供一种教学环境安全分析方法，以解决现有技术中的教学过程中通过人的主观行为去获取教学环境是否存在问题所导致的分析片面的问题。

为解决上述问题，第一方面，本发明提供了一种教学环境安全分析方法，所述方法包括：

获取第一预设时长内，第一教学场地的课堂视音频数据；其中，所述课堂视音频数据包括课堂授课视音频数据和课堂听课视音频数据；

对所述课堂授课视音频数据进行语音特征提取；

根据提取结果，判断所述课堂授课视音频数据中是否存在限制性语言；

当存在限制性语言时，生成第一提示信息；

根据所述课堂听课视音频数据，获取情绪信息；

根据所述情绪信息，获取异常学生个体的个数；

获取环境信息参数；

根据所述异常学生个体的个数和对应的环境信息参数，判断环境信息参数对异常学生个体的个数的影响。

在一种可能的实现方式中，所述根据提取结果，判断所述课堂授课视音频数据中是否存在限制性语言具体包括：

对所述课堂授课视音频数据中的语音信号进行预处理，得到第一数字信号；

对所述第一数字信号进行特征提取，得到特征参数；

通过声学模型、语言模型和发音词典，对所述特征参数与预建的限制性语言模型库中的参考模板的相似性进行打分；

根据得分，确定课堂授课视音频数据中是否存在限制性语言。

在一种可能的实现方式中，所述根据所述情绪信息，获取异常学生个体的个数具体包括：

获取第二预设时长内，第一教学场地中，第一科目授课时每个学生的情绪信息；其中，所述第二预设时长是所述第一预设时长中的一段时长；

根据所述情绪信息，为每个情绪设置分值，得到每个学生的情绪随时间变化的第一曲线；

计算所述第一曲线的变化率大于预设的第一变化率阈值的第一次数；

当所述第一次数大于预设的第一次数阈值时，确定学生为异常学生个体；

根据第二预设时长内第一科目的异常学生个体的个数，得到第一预设时长内，第一教学场地的异常学生个体的个数。

在一种可能的实现方式中，所述根据所述情绪信息，获取异常学生个体的个数具体包括：

获取学生个体的情绪信息为异常情绪时所持续的时长和次数；

当所述时长大于预设的第一时长阈值，且次数大于预设的第一次数阈值时，确定为异常学生个体。

在一种可能的实现方式中，所述异常情绪包括：悲伤、哭泣和生气。

在一种可能的实现方式中，所述当存在限制性语言时，生成第一提示信息之后，所述方法还包括：

计算所述第一提示信息的个数；

当所述第一提示信息的个数大于预设的第一个数阈值时，生成第一预警信息。

在一种可能的实现方式中，所述当存在限制性语言时，生成第一提示信息之后，还包括：

根据所述第一提示信息，生成第一关键字；

根据第一提示信息的时间戳，将所述第一关键字添加进所述课堂视音频数据中。

在一种可能的实现方式中，所述方法还包括：

获取学生个体的课堂行为信息；

根据所述课堂行为信息，计算第一教学场地在每个科目的课堂互动参与度；

将每个科目的课堂互动参与度与预设的参与度阈值进行比较；

根据比较结果，确定第一教学场地是否存在教学环境缺陷。

在一种可能的实现方式中，所述环境信息参数包括第一教学场地的分贝、温度、湿度和光强，所述根据所述异常学生个体的个数和对应的环境信息参数，判断环境信息参数对异常学生个体的个数的影响具体包括：

当第一预设时长内，每个时刻的所述分贝与预设的分贝阈值的差值、所述温度与预设的温度阈值的差值、所述湿度与预设的湿度阈值的差值和所述光强与预设的光强阈值都在预设的范围内，且异常学生个体的个数与上一时刻相比存在跳变时，则确定环境信息参数对异常学生个体的个数不存在影响，并生成用于指示环境信息参数对异常学生个体的个数不存在影响的第二提示信息；

当第一预设时长内，当当前时刻的异常学生个体的个数与上一时刻相比存在跳变时，如果所述分贝与预设的分贝阈值的差值、所述温度与预设的温度阈值的差值、所述湿度与预设的湿度阈值的差值和所述光强与预设的光强阈值中，有第一数量个在预设的范围外，则确定环境信息参数对异常学生个体的个数存在影响，并生成用于指示环境信息参数对异常学生个体的个数存在影响的第三提示信息。

在一种可能的实现方式中，所述环境信息参数包括第一教学场地的分贝、温度、湿度和光强，所述根据所述异常学生个体的个数和对应的环境信息参数，判断环境信息参数对异常学生个体的个数的影响具体包括：

根据所述第一预设时长的分贝、温度、湿度和光强，生成同一坐标系下的分贝曲线、温度曲线、湿度曲线和光强曲线；

根据所述分贝曲线、温度曲线、湿度曲线和光强曲线分别与预设的分贝曲线、预设的温度曲线、预设的湿度曲线和预设的光强曲线的差值，得到分贝曲线的差值曲线、湿度曲线的差值曲线、湿度曲线的差值曲线和光强曲线的差值曲线；

当当前时刻的异常学生个体的个数与上一时刻相比存在跳变时，判断所述分贝曲线的差值曲线、湿度曲线的差值曲线、湿度曲线的差值曲线和光强曲线的差值曲线是否存在突变；

当不存在突变时，确定环境信息参数对异常学生个体的个数不存在影响；

当存在突变且该突变与异常学生个体的个数的跳变相一致时，确定环境信息参数对异常学生个体的个数存在影响。

第二方面，本发明提供了一种设备，包括存储器和处理器，存储器用于存储程序，处理器用于执行第一方面任一所述的方法。

第三方面，本发明提供了一种包含指令的计算机程序产品，当计算机程序产品在计算机上运行时，使得计算机执行如第一方面任一所述的方法。

第四方面，本发明提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如第一方面任一所述的方法。

通过应用本发明实施例提供的教学环境安全分析方法，实现了对教学环境中的语言暴力、教学场地的环境条件的检测，实现了对教学环境的安全进行分析，以便于对不良的环境进行改善，从而提高教学效果。

附图说明

图1为本发明实施例一提供的教学环境安全分析方法流程示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

第一、第二、第三和第四等编号仅予以区分，并无其他含义。

图1为本发明实施例一提供的教学环境安全分析方法流程示意图。该方法应用在教学场景中，教学环境安全分析主要包括对教学软暴力、环境参数等进行分析，以便保证教学环境的安全。该方法的执行主体为服务器、处理器、终端等具有处理功能的设备。如图1所示，该方法包括以下步骤：

步骤101，获取第一预设时长内，第一教学场地的课堂视音频数据。

其中，课堂视音频数据包括课堂授课视音频数据和课堂听课视音频数据。为了进行后续的横向和纵向比较，可以将授课地点设定在第一授课场地。其中，第一授课场地可以为某学校的教室a，该学校可以是小学、中学、大学、职业中学等学校中的任意一个。在第一教学场地授课的科目包括但不限于语文、数学、英语常规科目或者模拟电子、计算机基础等专业科目。第一预设时长可以是三个月、一个月、一周或者一天等，本申请对此并不限定。

具体的，在课堂中，可以通过录播系统获取包括老师授课时的课堂授课视音频数据和学生听课时的课堂听课视音频数据。课堂授课视音频数据包括讲授视音频数据、互动视音频数据和答疑解惑视音频数据。

教室设置有录播系统，录播系统对授课过程中的目标进行追踪录播。比如，教室a设置有五个摄像头并且在摄像头的预设距离内设置有拾音设备，五个摄像头分别用于拍摄授课老师、黑板、学生、正面全景和背面全景，第一授课老师正在讲授时，切换至第一摄像头拍摄的讲授视音频数据，讲授视音频数据在互动时，如果老师正在提问，则切换至第一摄像头拍摄的老师的提问画面，学生在回答时，切换至第二摄像头拍摄的学生的回答画面等，在答疑时，如果学生提问，则切换至第二摄像头拍摄的学生的提问画面，如果老师正在回答，切换至第一摄像头拍摄的老师的回答画面。在学生答题时，可以切换至第二摄像头拍摄的学生答题画面。至于具体如何实现切换，可以采用人工智能(artificialintelligence，ai)、智能识别技术和大数据技术，进行切换，从而在录制过程中，进行针对性的进行录制，并进行无缝切换。在切换的过程中，还可以针对每一段视频添加提示信息，比如，可以在第一授课视音频数据中，添加第一讲授视音频数据、第一互动视音频数据、第一答疑解惑视音频数据等关键字用于进行提示。

课堂听课视音频数据包括学生听课时的全景视音频数据，可以通过一个摄像头，对学生听课状态进行全景录制，从而得到学生听课视音频数据。后续通过智能识别技术，可以识别出具体的学生，并将识别出的学生与数据库中的学生图像信息进行比较，从而可以确定出具体的学生个体，并可以对该学生个体在一个科目的情绪信息进行分析。

后续，示例而非限定，授课视音频数据和听课视音频数据可以整合成一路数据输出，并在服务器中，进行保存，播放时，可以在一个终端的一个页面中，以两个小窗口进行显示。

步骤102，对课堂授课视音频数据进行语音特征提取。

在课堂中，为了避免课堂软暴力，即授课老师的语言暴力，可以对授课老师的语言进行语音识别，从而判断是否存在语音暴力，具体实现过程如下：

首先，对课堂授课视音频数据中的语音信号进行预处理，得到第一数字信号；然后，对第一数字信号进行特征提取，得到特征参数；接着，通过声学模型、语言模型和发音词典，对特征参数与预建的限制性语言模型库中的参考模板的相似性进行打分；最后，根据得分，确定课堂授课视音频数据中是否存在限制性语言。

具体的，对语音信号依次进行采样、量化、预加重、分帧、加窗处理后，得到第一语音信号。

其中，采样的目的是对模拟音频信号波形进行分割，量化的目的是用整形值存储采样测得的振幅值。对语音信号进行预加重的目的，是为了对语音的高频部分进行加重，去除口唇辐射的影响，增加语音的高频分辨率。一般通过传递函数为一阶fir高通数字滤波器来实现预加重，其中a为预加重系数，0.9<a<1.0。设n时刻的语音采样值为x(n)，经过预加重处理后的结果为y(n))＝x(n)-ax(n-1),这里取a＝0.98。语音信号具有短时平稳性(10--30ms内可以认为语音信号近似不变)，这样就可以把语音信号分为一些短段来来进行处理，这就是分帧，语音信号的分帧是采用可移动的有限长度的窗口进行加权的方法来实现。一般每秒的帧数约为33-100帧，视情况而定。一般的分帧方法为交叠分段的方法，前一帧和后一帧的交叠部分称为帧移，帧移与帧长的比值一般为0-0.5。加窗一般是加汉明窗或矩形窗，从而增大对高频分量的衰减。

可以根据第一数字信号的不同用途，提取不同的特征参数。其中，特征参数主要有线性预测系数(linearpredictivecepstralcoding，lpcc)、感知线性预测系数(perceptuallinearpredictive，plp)、梅尔频率倒谱系数(melfrequencycepstrumcoefficient，mfcc)。

以mfcc为例，可以利用快速傅氏变换(fastfouriertransformation，fft)将第一数字信号从时域信号转变为频域信号；然后，对频域信号依照mel刻度分布的三角滤波器组进行卷积；接着，根据卷积结果，对三角滤波器组中各三角滤波器的输出构成的向量进行离余弦变化(discretecosinetransform，dct)；最后，取dct中前n个系数，得到第一数字信号的特征参数。

分别通过声学模型、语言模型和发音词典，对特征参数与预建的限制性语言模型库中的参考模板的相似性进行打分，得到声学模型对应的第一得分、语音模型对应的第二得分和发音词典对应的第三得分；对第一得分、第二得分和第三得分进行加权数据融合，得到最终得分，根据得分，以判断是否为限制性语言。比如，预建的限制性语言模型库中有“笨蛋”、“笨死了”等模板，经过打分后，得到的得分为98分，则可以确定存在限制性语言。

步骤103，根据提取结果，判断课堂授课视音频数据中是否存在限制性语言。

步骤104，当存在限制性语言时，生成第一提示信息。

具体的，当存在限制性语言时，可以生成第一提示信息，比如“注意措辞”等提示语或者“滴滴”等提示音，并将第一提示信息发送给该授课老师的终端，以提示老师注意措辞。

进一步的，当在提示授课老师后，如果授课老师依旧没有发生改变，则可以向上一级的部门进行反应。

具体的，在步骤104之后还包括：

根据第一提示信息，生成第一关键字；

根据第一提示信息的时间戳，将第一关键字添加进课堂视音频数据中。从而，将第一提示信息添加进课堂视音频数据中，以便于教务中心或者教育监管部门在查找时，及时获取授课老师发出限制性语言时的视频。

再进一步的，步骤104之后还包括：

计算第一提示信息的个数；

当第一提示信息的个数大于预设的第一个数阈值时，生成第一预警信息。还可以将该第一预警信息发送给第一终端，该第一终端可以是对教学进行评级的部门的终端，以便在教学测评中据此对老师进行评价，以约束授课老师，避免课堂软暴力。

步骤105，根据课堂听课视音频数据，获取情绪信息。

其中，课堂听课视音频数据包括情绪信息，情绪信息包括但不限于：正常、高兴、悲伤、惊讶、生气、脸红、过度兴奋、鬼脸和哭泣。

步骤106，根据情绪信息，获取异常学生个体的个数。

具体的，在一个示例中，首先，获取第二预设时长内，第一教学场地中，第一科目授课时每个学生的情绪信息；其中，第二预设时长是第一预设时长中的一段时长。然后，根据情绪信息，为每个情绪设置分值，得到每个学生的情绪随时间变化的第一曲线；计算第一曲线的变化率大于预设的第一变化率阈值的第一次数。最后，当第一次数大于预设的第一次数阈值时，确定学生为异常学生个体；根据第二预设时长内第一科目的异常学生个体的个数，得到第一预设时长内，第一教学场地的异常学生个体的个数。

具体的，可以赋予每个情绪分数值，正常可以赋予5分，哭泣可以赋予10分等，从而形成了每个学生的情绪随时间变化的第一曲线。第一教学场地中，计算每节课中异常学生个体的个数，从而将每节课中异常学生个体的个数相加后，计算出第一预设时长内，第一教学场地的异常学生个体的个数。

在另一个示例中，获取学生个体的情绪信息为异常情绪时所持续的时长和次数；当时长大于预设的第一时长阈值，且次数大于预设的第一次数阈值时，确定为异常学生个体。

具体的，以学生个体为单位，计算出一节课中，每个学生异常情绪的时长和次数，从而确定异常学生个体，将第一预设时间每节课的异常学生个体相加后，得到第一预设时长内异常学生个体的个数。

其中，异常情绪悲伤、哭泣、生气等负面情绪，也可以包括高兴等正面情绪。在表情数据库中，存储有该些表情的模型，本申请的录播系统，可以通过ai识别，得到异常情绪。

步骤107，获取环境信息参数。

其中，在授课时，可以实时的获取环境信息参数；环境信息参数包括室内当前温度、室内当前湿度和室内当前光强和噪音分贝。

具体的，本申请中的执行主体，比如处理器，可以获取到教室内的温度传感器测量的室内温度以及采集光照传感器采集的室内的光照强度，或者分贝仪测量的噪音强度，或者湿度传感器测量的室内的湿度。从而判断第一教学场地的教学环境是否存在问题，以便于将教学客观环境与学生的情绪联系起来，从而对在学生的情绪存在问题时，对教学的客观环境进行全面的分析。

步骤108，根据异常学生个体的个数和对应的环境信息参数，判断环境信息参数对异常学生个体的个数的影响。

具体的，在一个示例中，步骤108包括：

当第一预设时长内，每个时刻的分贝与预设的分贝阈值的差值、温度与预设的温度阈值的差值、湿度与预设的湿度阈值的差值和光强与预设的光强阈值都在预设的范围内，且异常学生个体的个数与上一时刻相比存在跳变时，则确定环境信息参数对异常学生个体的个数不存在影响，并生成用于指示环境信息参数对异常学生个体的个数不存在影响的第二提示信息；

当第一预设时长内，当当前时刻的异常学生个体的个数与上一时刻相比存在跳变时，如果分贝与预设的分贝阈值的差值、温度与预设的温度阈值的差值、湿度与预设的湿度阈值的差值和光强与预设的光强阈值中，有第一数量个在预设的范围外，则确定环境信息参数对异常学生个体的个数存在影响，并生成用于指示环境信息参数对异常学生个体的个数存在影响的第三提示信息。

其中，随着时间的变化，可以分别对第一预设时长内第一教学场地的温度、湿度、光强和分贝生成曲线，并将各曲线至于同一坐标系中，当异常学生个体的个数发生突增时，判断各环境参数信息的曲线是否存在突变，当当前环境参数信息的曲线存在突变的个数达到某个数量时，比如第一数量时，则可以判定异常学生个体的个数是环境信息变化导致的。

在另一个示例中，首先，根据第一预设时长的分贝、温度、湿度和光强，生成同一坐标系下的分贝曲线、温度曲线、湿度曲线和光强曲线；然后，根据分贝曲线、温度曲线、湿度曲线和光强曲线分别与预设的分贝曲线、预设的温度曲线、预设的湿度曲线和预设的光强曲线的差值，得到分贝曲线的差值曲线、湿度曲线的差值曲线、湿度曲线的差值曲线和光强曲线的差值曲线。最后，当当前时刻的异常学生个体的个数与上一时刻相比存在跳变时，判断分贝曲线的差值曲线、湿度曲线的差值曲线、湿度曲线的差值曲线和光强曲线的差值曲线是否存在突变；当不存在突变时，确定环境信息参数对异常学生个体的个数不存在影响；当存在突变且该突变与异常学生个体的个数的跳变相一致时，确定环境信息参数对异常学生个体的个数存在影响。从而实现了结合教学环境，对学生个体的情绪信息进行了分析，提高了学生个体情绪的分析的准确性。

其中，此处的相一致，可以是同步跳变，也可以是环境信息的跳变在前，异常学生个体的个数的跳变在后。从而考虑了情绪变化时间上的延迟。

可以理解的是，当存在限制性语言时，可以对存在限制性语言的时间对应的情绪信息进行忽略，比如，在环境正常，异常学生个体的个数存在跳变，此时刻正好是限制性语言出现的时刻，则可以认为此时的异常学生个体的个数的突变是限制性语言导致的。

进一步的，本申请还包括：

首先，获取学生个体的课堂行为信息；然后，根据课堂行为信息，计算第一教学场地在每个科目的课堂互动参与度；接着，将每个科目的课堂互动参与度与预设的参与度阈值进行比较；最后，根据比较结果，确定第一教学场地是否存在教学环境缺陷。

具体的，课堂行为信息包括但不限于举手动作，通过举手动作占学生总人数的比例，可以计算每个科目的课堂互动参与度，比如，授课老师a在课堂提问3次，三次的举手率分别为50％、60％和70％，则可以将均值作为课堂参与度，预设的参与度阈值可以是65％，如果在第一预设时长内，多个科目的课堂参与度均小于预设的课堂参与度阈值，则可以判定第一教学场地存在教学环境缺陷。

进一步的，还可以将同一老师的针对同一班级的相同科目在第一教学场地和第二教学场地的课堂参与度进行长期的分析，如果在长期分析中发现，第一教学场地的课堂参与度小于第二教学场地，则可以确定第一教学场地存在教学环境缺陷，后续，可以针对第一教学场的教学环境进行检测，以调整其中不利的教学环境。其中，实力而非限定，教学环境可以是教学环境信息参数。

通过应用本发明实施例一提供的教学环境安全分析方法，实现了对教学环境中的语言暴力、教学场地的环境条件的检测，实现了对教学环境的安全进行分析，以便于对不良的环境进行改善，从而提高教学效果。

发明实施例二提供了一种设备，包括存储器和处理器，存储器用于存储程序，存储器可通过总线与处理器连接。存储器可以是非易失存储器，例如硬盘驱动器和闪存，存储器中存储有软件程序和设备驱动程序。软件程序能够执行本发明实施例提供的上述方法的各种功能；设备驱动程序可以是网络和接口驱动程序。处理器用于执行软件程序，该软件程序被执行时，能够实现本发明实施例一提供的方法。

本发明实施例三提供了一种包含指令的计算机程序产品，当计算机程序产品在计算机上运行时，使得计算机执行本发明实施例一提供的方法。

本发明实施例四提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现本发明实施例一提供的方法。

专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质中。

以上的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。