一种远程伴读系统的制作方法

1.本发明涉及远程教育技术领域，特别涉及一种远程伴读系统。


背景技术：

2.远程教育，在教育部已出台的一些文件中，也称现代远程教育为网络教育。它是指使用电视及互联网等传播媒体的教学模式，它突破了时空的界线，有别于传统的在校住宿的教学模式。使用这种教学模式的学生，由于不需要到特定地点上课，因此可以随时随地上课。学生亦可以透过电视广播、互联网、辅导专线、课研社、面授(函授)等多种不同管道互助学习，是现代信息技术应用于教育后产生的新概念，即运用网络技术与环境开展的教育。远程教育的各种优势给人们带来的方便也促使人们对这一领域进行更加深入的探索。基于不同平台以及不同开发工具的网络教育层出不穷。
3.伴读系统是在远程教育的基础上发展起来的，伴读系统是学生与教师、学生与教育组织之间主要采取多种媒体方式进行系统教学和通信联系的教育形式，其中家长也可以通过媒体的方式参与进来。伴读系统是指通过音频、视频(直播或录像)以及包括实时和非实时在内的计算机技术把课程传送到校园外的教育。
4.现有技术中，教师不能根据学生的状态进行针对性的教学，教学效果差，不能根据学生的兴趣爱好进行规划性的学习，不利于学生的在线学习，同时也不利于家长了解学生与教师的交互信息及学生的学习信息。


技术实现要素：

5.本发明旨在至少一定程度上解决上述技术中的技术问题之一。为此，本发明的目的在于提出一种远程伴读系统，根据学生的状态进行针对性的教学，方便学生的在线学习，也有利于家长了解学生与教师的交互信息及学生的学习信息，提高教学效果。
6.为达到上述目的，本发明实施例提出了一种远程伴读系统，包括：
7.设置在学生端的第一摄像模块，用于获取学生端的第一人脸图像；
8.设置在学生端的第二摄像模块，用于获取学生端的学习场景图像；
9.设置在学生端的传输模块，用于基于j2ee的f l ex技术实现学生浏览学习视频和遍历上传学生的资料和问题；
10.教师端，用于：
11.实时获取学生端的学习界面、第一人脸图像及学习场景图像；
12.根据学生的资料和问题确定答复信息，并将所述答复信息返回至学生端；
13.家长端，用于实时获取教师与学生的交互信息及学生的学习信息。
14.根据本发明的一些实施例，所述教师端对所述第一人脸图像进行伴读ai智能分析，基于人脸识别系统对所述第一人脸图像进行人脸检测与分析、五官定位、人脸搜索及人脸比对，确定所述第一人脸图像中的人脸特征，并在所述第一人脸图像上确定人脸边框，在确定所述人脸边框内缺少人脸特征时，发出报警提示。
15.根据本发明的一些实施例，所述学生端与所述教师端之间的交互基于java+spring架构来实现。
16.根据本发明的一些实施例，所述spring架构包括spring core模块、spring aop模块、spring orm模块、spring dao模块、spring web模块、spring context模块、spring web mvc模块。
17.根据本发明的一些实施例，所述人脸识别系统的业务架构，包括：
18.样本标注,包括人脸识别样本工具、人脸区域检测样本标注及人脸特征点标定样本标注；
19.模型训练，包括人脸区域检测模型测试、人脸区域检测模型训练、人脸特征点标定模型评估、人脸特征点标定模型训练、人脸比对模型评估、人脸比对模型训练；
20.模型应用，包括实时特征对齐、实时视频采集、实时人脸比对、实时图像抓拍、实时眨眼识别、实时人脸检测、实时张嘴识别、实时特征标定。
21.根据本发明的一些实施例，所述人脸识别系统的技术架构，包括：
22.基础设施层，包括cpu、gpu、云集算和大数据；
23.学习框架层，包括机器学习、深度学习和计算机视觉库；
24.算法模型层，包括人脸区域检测算法模型、人脸特征点检测算法模型、人脸对齐算法模型、人脸活体检测算法模型；
25.计算机视觉技术层，包括实时特征对齐、实时视频采集、实时人脸比对、实时图像抓拍、实时眨眼识别、实时人脸检测、实时张嘴识别、实时特征标定。
26.根据本发明的一些实施例，所述人脸识别系统的应用架构，包括：
27.客户端，用于实现人脸采集功能和人脸注册功能，所述人脸采集功能包括实时视频采集、实时人脸区域检测、实时人脸区域抓拍和人脸识别接口调用；所述人脸注册功能包括实时视频采集、实时人脸区域检测、实时人脸区域抓拍和人脸注册接口调用；
28.服务端，用于实现人脸特征点检测功能、人脸特征点对齐功能、人脸比对功能、眨眼识别功能、张嘴识别功能，并提供人脸识别服务接口和人脸注册服务接口；
29.数据端，用于实现数据资源和模型资源的管理和维护，包括注册第一人脸图像库、注册人脸标签库、人脸区域检测模型、人脸特征点标注模型和人脸比对模型。
30.在一实施例中，还包括：
31.第一构建模块，用于获取所述学生端的第一登录信息，根据所述第一登录信息构建第一区块链的第一区块节点；
32.第一确定模块，用于根据所述学生端的学习界面、第一人脸图像及学习场景图像确定学生行为，并将所述学生行为记录在第一区块节点上；
33.第二构建模块，用于获取所述教师端的第二登录信息，根据所述第二登录信息构建第二区块链的第二区块节点；
34.第二确定模块，用于根据所述教师端的教学界面、第二人脸图像及教学场景图像确定教师行为，并将所述教师行为记录在第二区块节点上；
35.第三确定模块，用于对所述第一区块节点存储的学生行为进行特征提取，确定学生特征向量；
36.第四确定模块，用于对所述第二区块节点存储的教师行为进行特征提取，确定教
师特征向量；
37.跨链交互模块，用于使所述学生特征向量参与至所述第二区块链，与所述第二区块链的第二区块节点上的教师特征向量进行匹配，得到若干个匹配度，将匹配度最高的教师特征向量对应的教师作为学生的目标教师。
38.在一实施例中，还包括：
39.第五确定模块，用于获取若干个学生特征向量，对所述若干个学生特征向量进行聚类分析，分为若干个聚类集合，将包括学生特征向量的数量最多的聚类集合，作为目标聚类集合；
40.第六确定模块，用于确定所述目标聚类集合的聚类中心，根据聚类中心确定目标学生特征向量；
41.第七确定模块，用于获取当前教师的教师行为，并确定当前教师特征向量；
42.第八确定模块，用于计算所述目标学生特征向量与当前教师特征向量的匹配度，在确定匹配度小于预设匹配度时，发出提示信息至教师端；
43.教师端根据所述目标学生特征向量修正教学行为。
44.在一实施例中，还包括：
45.建立模块，用于获取预设时间段内的学习课程信息，根据所述学习课程信息建立学习管理模型，将所述学习管理模型按照学习课程类型划分进行标记处理；
46.模拟模块，用于将学生端的学习特征向量及学生的课程计划输入预先训练好的学习模拟模型中，输出学生对课程计划的完成度和专注度；
47.提取模块，用于根据所述学生对课程计划的完成度和专注度对课程计划进行重新规划，确定目标课程计划，并提取出预设学习进度信息；
48.标记模块，用于根据学生端的学习界面，确定实际学习进度信息，将所述实际学习进度信息与预设学习进度信息进行比较，根据比较结果确定进度滞后的学习计划，并在所述学习管理模型中标出不同的预警颜色。
49.本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
50.下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
51.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
52.图1是根据本发明一个实施例的一种远程伴读系统的框图；
53.图2是根据本发明一个实施例的flex技术的示意图；
54.图3是根据本发明一个实施例的spring框架的示意图；
55.图4是根据本发明一个实施例的人脸识别系统的业务架构的示意图；
56.图5是根据本发明一个实施例的人脸识别系统的技术架构的示意图；
57.图6是根据本发明一个实施例的远程伴读系统架构的示意图；
58.图7是根据本发明一个实施例的人脸识别系统的应用架构的示意图。
具体实施方式
59.以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
60.如图1所示，本发明实施例提出了一种远程伴读系统，包括：
61.设置在学生端的第一摄像模块，用于获取学生端的第一人脸图像；
62.设置在学生端的第二摄像模块，用于获取学生端的学习场景图像；
63.设置在学生端的传输模块，用于基于j2ee的flex技术实现学生浏览学习视频和遍历上传学生的资料和问题；
64.教师端，用于：
65.实时获取学生端的学习界面、第一人脸图像及学习场景图像；
66.根据学生的资料和问题确定答复信息，并将所述答复信息返回至学生端；
67.家长端，用于实时获取教师与学生的交互信息及学生的学习信息。
68.上述技术方案的工作原理及有益效果：运用互联网技术，方便学生在线学习，教师在线辅导，家长实时在线监控，学生端的指标运用j2ee的flex技术，实现学生方便的浏览要学习的视频，遍历上传自己的资料和问题；教师端的指标是实时看到学生的学习界面，第一人脸图像及学习场景图像，学习场景图像包括学生课桌书写的画面；家长端的指标是实时看到教师和学生的交互画面以及学生学习状况的画面，有问题也可以和教师一对一咨询。学生端,借助专业硬件和直播技术的优势，通过科技赋能教育，打破地理局限，让更多学生享受更优质的教育，通过权限管控，点数扣除，检测学生上网的速度，保证上课中看到的网络视频是顺畅的，网络视频课分为高清，标清，普通，自动可供学生自主选择，打造全景沉浸式学习体验，带学生领略知识的奥秘。教师端，学科教师远程在线伴读，专业点拨，教师了解学生学习问题针对不同的学生做到千人千面，帮助学生掌握思维方法，真正学会、学懂，让学生只学不会的，只练该练的，上课完，学习后教师继续规划每个学生的课程。家长端，实时了解学生学习情况，方便和伴读教师联系。根据学生的状态进行针对性的教学，方便学生的在线学习，也有利于家长了解学生与教师的交互信息及学生的学习信息，提高教学效果。
69.如图2所示，本发明提出的一种远程伴读系统，应用java+j2ee+flex+mysql等技术，j2ee是一套全然不同于传统应用开发的技术架构，包含许多组件，主要可简化且规范应用系统的开发与部署，进而提高可移植性、安全与再用价值。j2ee核心是一组技术规范与指南，其中所包含的各类组件、服务架构及技术层次，均有共同的标准及规格，让各种依循j2ee架构的不同平台之间，存在良好的兼容性，解决过去企业后端使用的信息产品彼此之间无法兼容，企业内部或外部难以互通的窘境。j2ee组件和“标准的”java类的不同点在于：它被装配在一个j2ee应用中，具有固定的格式并遵守j2ee规范，由j2ee服务器对其进行管理。j2ee规范是这样定义j2ee组件的：客户端应用程序和applet是运行在客户端的组件；java servlet和java server pages(jsp)是运行在服务器端的web组件；enterprise java bean(ejb)组件是运行在服务器端的业务组件。flex是macromedia发布的presentation server(展现服务)，它是java web container或者.net server的一个应用，根据.mxml文件(纯粹的xml描述文件和actions cript)产生相应得.swf文件，传送到客户端，由客户端的flash player或者shockwave player解释执行，给用户以丰富的客户体验，非常适合云计算。
70.flex优势如下：
71.1)flex是一个针对企业级富互联网应用的表示层解决方案；
72.2)flex是一种应用程序框架；
73.3)flex序列产品包括编译工具和ide，通过编写mxml(一种类xml标记语言)和actionscript(as，flex的脚本语言，从flash移植过来)代码，用编译器来生成swf文件，使用浏览器的flash player插件就可以进行观看。几乎每一个用户浏览器都安装了flash player插件；
74.4)一个描述应用程序界面的xml语言(mxml)；
75.5)一个ecma规范的脚本语言(actionscript)，处理用户和系统的事件，构建复杂的数据模型；
76.6)一个类库；
77.7)运行时的即时服务；
78.8)一个由mxml文件生成swf文件的编译器。
79.mysql是一个小型关系型数据库管理系统，支持freebsd、linux、mac、windows等多种操作系统与其他的大型数据库。
80.优点如下：
81.1.它使用的核心线程是完全多线程，支持多处理器；
82.2.有多种列类型：1、2、3、4、和8字节长度自有符号/无符号整数、float、double、char、varchar、text、blob、date、time、datetime、timestamp、year、和enum类型；
83.3.它通过一个高度优化的类库实现sql函数库并像他们能达到的一样快速，通常在查询初始化后不该有任何内存分配。没有内存漏洞；
84.4.全面支持sql的group by和order by子句，支持聚合函数(count()、count(distinct)、avg()、std()、sum()、max()和min())。你可以在同一查询中混来自不同数据库的表；
85.5.支持ansi sql的left0uter join和odbc；
86.6.所有列都有缺省值。你可以用insert插入一个表列的子集，那些没用明确给定值的列设置为他们的决省值；
87.7.mysql可以工作在不同的平台上。支持c、c++、java、perl、php、python和tcl api。
88.根据本发明的一些实施例，所述教师端对所述第一人脸图像进行伴读ai智能分析，基于人脸识别系统对所述第一人脸图像进行人脸检测与分析、五官定位、人脸搜索及人脸比对，确定所述第一人脸图像中的人脸特征，并在所述第一人脸图像上确定人脸边框，在确定所述人脸边框内缺少人脸特征时，发出报警提示。
89.上述技术方案的工作原理及有益效果：ai智能分析和学习，在学生端将第一人脸图像实时传送到教师端，教师端会分析学生的人脸识别，发现学生有离开的情况下，学生监控的界面会变红，超过5分钟会有声音报警提示教师。专注度是影响学生成绩的最主要指标，是人类智能行为的关键因素之一。特别是近几年来,家长对学生的关注度受到广泛的重视。针对专注度评估提出了很多评测方法,包括问卷调查法,生理观察法,计算机视觉等方法。在中小学教学课堂上,学生的上课的专注度是影响学生成绩和教学效果的重要因素,因
而是众多家长重点关注的问题。目前绝大部分在线学习，都是通过教师肉眼主观判断学生的上课专注度的情况,这种方式不仅占用教师上课时间,分散教师注意力,而且对于学生而言,肉眼的判断的准确率低,导致上课效果的测评效果欠佳。特别是,无法实时统计和分析上课学生专注度,从而产生一定的滞后性。在人工智能技术快速发展的情况下,机器视觉作为人工智能的一个分支,一直是学术界的一个研究热点,机器学习的原理就是用机器代替人眼去获取信息并对信息进行判断,机器视觉将摄取的信息转换成数字图像信号,应用数字图像处理的相关技术,提取研究人员需要的信息。伴读ai人脸识别的采用机器视觉摄取第一人脸图像,然后对脸部特征进行分析从而获取相关信息并针对上课过程中学生出现的问题及时纠正,教师所讲的内容是否被学生理解,以及教师的授课效果,学生的专注度等等一系列的课堂问题,ai智能分析会分析出学生上课时候的整体状况。
90.在一实施例中，学生端与教师端的教学以视频直播的形式展现，远程伴读系统接入腾讯实时音视频(tencent real-time communication，trtc)，可以保证，秒级秒开，平均400ms首帧时间，rtmp/srt等多协议推流能力，rtmp配合quic有效降低10％卡顿，通过在北京上海，广州，深圳，南京，成都，杭州等一线城和二线城市的测试，教师和学生的延时可以保证在1秒以内的互动直播，这样可以让教师和学生之间的交流更加顺畅，基本上可以保证实时视讯通讯。
91.根据本发明的一些实施例，所述学生端与所述教师端之间的交互基于java+spring架构来实现。
92.上述技术方案的工作原理及有益效果：交互采用java+spring架构，spring是一个开源框架，是为了解决企业应用程序开发复杂性而创建的。框架的主要优势之一就是其分层架构，分层架构允许客户选择使用哪一个组件，同时为j2ee应用程序开发提供集成的框架。spring框架的功能可以用在任何j2ee服务器中，大多数功能也适用于不受管理的环境。spring的核心要点是：支持不绑定到特定j2ee服务的可重用业务和数据访问对象，这样的对象可以在不同j2ee环境(web或ejb)、独立应用程序、测试环境之间重用。
93.根据本发明的一些实施例，所述spring架构包括spring core模块、spring aop模块、spring orm模块、spring dao模块、spring web模块、spring context模块、spring web mvc模块。
94.上述技术方案的工作原理及有益效果：如图3所示，组成spring框架的每个模块(或组件)都可以单独存在，或者与其他一个或多个模块联合实现。每个模块的功能如下：spring core模块为核心容器，提供spring框架的基本功能。核心容器的主要组件是beanfactory，它是工厂模式的实现。beanfactory使用控制反转(ioc)模式将应用程序的配置和依赖性规范与实际的应用程序代码分开。spring context模块作为spring上下文，是一个配置文件，向spring框架提供上下文信息。spring上下文包括企业服务，例如jndi、ejb、电子邮件、国际化、校验和调度功能。spring aop模块，通过配置管理特性，spring aop模块直接将面向方面的编程功能集成到了spring框架中。所以，可以很容易地使spring框架管理的任何对象支持aop。spring aop模块为基于spring的应用程序中的对象提供了事务管理服务。通过使用spring aop，不用依赖ejb组件，就可以将声明性事务管理集成到应用程序中。spring dao模块：jdbc dao抽象层提供了有意义的异常层次结构，可用该结构来管理异常处理和不同数据库供应商抛出的错误消息。异常层次结构简化了错误处理，并且
极大地降低了需要编写的异常代码数量(例如打开和关闭连接)。spring dao的面向jdbc的异常遵从通用的dao异常层次结构。spring orm模块：spring框架插入了若干个orm框架，从而提供了orm的对象关系工具，其中包括jdo、hibernate和ibatis sql map。所有这些都遵从spring的通用事务和dao异常层次结构。spring-web模块是一个一站式的框架，提供了表现层(springmvc)到业务层(spring)再到数据层的全套解决方案，是一个管理bean的容器，也可以说是包括很多开源项目的总称。spring-webmvc是基于spring功能之上添加的web框架，想用pring-webmvc必须先依赖pring-web，pring-webmvc仅给spring的表现层提供支持，只是其中一个开源项目。
95.在一实施例中，在基于伴读ai智能分析检测出人脸后，可对人脸进行分析，获得眼、口、鼻轮廓等72个关键点定位准确识别多种人脸属性，如性别，年龄，表情等信息。该技术可适应大角度侧脸，遮挡，模糊，表情变化等各种实际环境，为后期的专注度分析提供数据依据。
96.如图4所示，根据本发明的一些实施例，所述人脸识别系统的业务架构，包括：
97.样本标注,包括人脸识别样本工具、人脸区域检测样本标注及人脸特征点标定样本标注；
98.模型训练，包括人脸区域检测模型测试、人脸区域检测模型训练、人脸特征点标定模型评估、人脸特征点标定模型训练、人脸比对模型评估、人脸比对模型训练；
99.模型应用，包括实时特征对齐、实时视频采集、实时人脸比对、实时图像抓拍、实时眨眼识别、实时人脸检测、实时张嘴识别、实时特征标定。
100.上述技术方案的有益效果：实现人脸识别系统准确构建及训练，便于提高识别准确性。
101.如图5所示，根据本发明的一些实施例，所述人脸识别系统的技术架构，包括：
102.基础设施层，包括cpu、gpu、云集算和大数据；
103.学习框架层，包括机器学习、深度学习和计算机视觉库；
104.算法模型层，包括人脸区域检测算法模型、人脸特征点检测算法模型、人脸对齐算法模型、人脸活体检测算法模型；
105.计算机视觉技术层，包括实时特征对齐、实时视频采集、实时人脸比对、实时图像抓拍、实时眨眼识别、实时人脸检测、实时张嘴识别、实时特征标定。
106.上述技术方案的工作原理和有益效果：人脸识别系统的技术架构，可以划分为四个层次：基础设施层、学习框架层、算法模型层和计算机视觉技术层。基础设施层主要包括cpu/gpu/云集算和大数据，其中与人脸识别项目相关度最高的是gpu，对应的开发框架是cuda。学习框架层主要包括计算机视觉相关的opencv、dlib、tensorflow和keras。算法模型层涉及的关键技术主要包括人脸区域检测算法模型(hog/cnn)，人脸特征点检测算法模型(resnet/cnn)，人脸对齐算法模型、人脸验证算法模型和活体检测算法模型。计算机视觉技术层主要包括实时视频采集、实时图像抓拍、实时人脸检测、实时人脸特征点标定、实时人脸特征点对齐、实时人脸比对、实时眨眼识别、实时张嘴识别等。通过基础设施层、学习框架层、算法模型层、计算机视觉技术层组建人脸识别系统的技术架构，保证该技术架构的稳定运行，提高可靠性。
107.如图6所示，远程伴读系统架构，在推进教师、学生、家长的伴读工作，设计分为媒
体支持层，支持流媒体，支持多种流媒体格式。支撑层：支持系统开发管理、运行部署、异步通讯。版本库：采用cvs作为代码版本管理库，实现代码版本管理。基于视频直播的形式开展，基于ai智能分析进行人脸识别，获取相关信息，实现教师、家长的伴读工作，提高在线教育效果，进而提高学生的学习效果。
108.如图7所示，根据本发明的一些实施例，所述人脸识别系统的应用架构，包括：
109.客户端，用于实现人脸采集功能和人脸注册功能，所述人脸采集功能包括实时视频采集、实时人脸区域检测、实时人脸区域抓拍和人脸识别接口调用；所述人脸注册功能包括实时视频采集、实时人脸区域检测、实时人脸区域抓拍和人脸注册接口调用；
110.服务端，用于实现人脸特征点检测功能、人脸特征点对齐功能、人脸比对功能、眨眼识别功能、张嘴识别功能，并提供人脸识别服务接口和人脸注册服务接口；
111.数据端，用于实现数据资源和模型资源的管理和维护，包括注册第一人脸图像库、注册人脸标签库、人脸区域检测模型、人脸特征点标注模型和人脸比对模型。
112.上述技术方案的工作原理及有益效果：人脸识别系统采用c/s/d架构，分为客户端、服务端和数据端，提高人脸识别系统的应用准确性。
113.本发明要解决教师，学生，家长之间的沟通，相互之间的教学,陪伴,答疑和解惑，让教师陪伴学生学习成为一种习惯。系统会找出不同学生的兴趣和知识点，千人千面的教学内容，针对不同的学生展现不同的课程。学习机智能分析学习数据,找出学生不会的知识点,让学生只练该练的，学习机背后有规划师教师，让学生在家智慧学习，学生更爱学习，让学习更有趣。
114.伴读系统通过收集智能设备获取的当前用户的学习环境的各种学习信息，判断用户是否需要调整，改善当前学习环境；在学习内容和学习过程监测模块，识别判断当前用户的学习内容，学习状况，记录用户的详细学习过程；以及在学习内容和学习过程监测模块对收集的数据进行去噪和清洗，对数据进行索引分类存储。通过智能分析模块，依据数据中心的数据，进行智能分析，关联知识点和进行知识归纳，准确判断用户知识点掌握情况。
115.远程伴读系统的使命是科技赋能，让学习成为美好体验。让伴读系统成为学生的习惯。不让家长焦虑，陪伴学生的成长过程中，家长也一起成长。力争成为国内领先的教育智能平台，致力于为学生提供自主学习一体化解决方案，让学生爱上学习，让家长放心消除焦虑，提升学生学习效率，为学校，培训机构提供智慧课堂一体化解决方案，促进精准教学。
116.在一实施例中，使用开源的或者第三方的人脸识别分析系统进行人脸识别，利用几何特征，用指眼睛、鼻子和嘴等面部特征之间的几何关系，如距离、面积和角度等，由于算法利用了一些直观的特征，计算量小，在使用人员不是大量的情况下也可以实现ai的识别。
117.在一实施例中，ai智能分析和学习中的专注度分析，现在采用的是神经网络算法学习，也可以采用贝叶斯、k-近邻、支持向量机的算法进行学习分析出专注度的结果。
118.在一实施例中，还包括：
119.第一构建模块，用于获取所述学生端的第一登录信息，根据所述第一登录信息构建第一区块链的第一区块节点；
120.第一确定模块，用于根据所述学生端的学习界面、第一人脸图像及学习场景图像确定学生行为，并将所述学生行为记录在第一区块节点上；
121.第二构建模块，用于获取所述教师端的第二登录信息，根据所述第二登录信息构
建第二区块链的第二区块节点；
122.第二确定模块，用于根据所述教师端的教学界面、第二人脸图像及教学场景图像确定教师行为，并将所述教师行为记录在第二区块节点上；
123.第三确定模块，用于对所述第一区块节点存储的学生行为进行特征提取，确定学生特征向量；
124.第四确定模块，用于对所述第二区块节点存储的教师行为进行特征提取，确定教师特征向量；
125.跨链交互模块，用于使所述学生特征向量参与至所述第二区块链，与所述第二区块链的第二区块节点上的教师特征向量进行匹配，得到若干个匹配度，将匹配度最高的教师特征向量对应的教师作为学生的目标教师。
126.上述技术方案的工作原理：第一构建模块，用于获取所述学生端的第一登录信息，根据所述第一登录信息构建第一区块链的第一区块节点；第一区块链上的每一个第一区块节点对应一个第一登录信息，即实现对每一个学生的身份信息管理。第一确定模块，用于根据所述学生端的学习界面、第一人脸图像及学习场景图像确定学生行为，并将所述学生行为记录在第一区块节点上；第二构建模块，用于获取所述教师端的第二登录信息，根据所述第二登录信息构建第二区块链的第二区块节点；第二区块链上的每一个第二区块节点对应一个第二登录信息，即实现对每一个教师的身份信息管理。第二确定模块，用于根据所述教师端的教学界面、第二人脸图像及教学场景图像确定教师行为，并将所述教师行为记录在第二区块节点上；第三确定模块，用于对所述第一区块节点存储的学生行为进行特征提取，确定学生特征向量；第四确定模块，用于对所述第二区块节点存储的教师行为进行特征提取，确定教师特征向量；跨链交互模块，用于使所述学生特征向量参与至所述第二区块链，与所述第二区块链的第二区块节点上的教师特征向量进行匹配，得到若干个匹配度，将匹配度最高的教师特征向量对应的教师作为学生的目标教师。
127.上述技术方案的有益效果：基于区块链技术，准确记录第一登录信息及第二登录信息，实现对学生身份信息及教师身份信息进行有效管理，确定学生行为与第一区块节点的对应关系及教师行为与第二区块节点的对应关系，基于跨链交互技术，根据学生的特性，实现为学生选择最合适的教师作为目标教师，提高目标教师与学生之间进行学习交互的次数，提高对学生的伴读效果及对学生的在线教学效果，提高了教师与学生进行一对一教学的效果。
128.在一实施例中，还包括：
129.第五确定模块，用于获取若干个学生特征向量，对所述若干个学生特征向量进行聚类分析，分为若干个聚类集合，将包括学生特征向量的数量最多的聚类集合，作为目标聚类集合；
130.第六确定模块，用于确定所述目标聚类集合的聚类中心，根据聚类中心确定目标学生特征向量；
131.第七确定模块，用于获取当前教师的教师行为，并确定当前教师特征向量；
132.第八确定模块，用于计算所述目标学生特征向量与当前教师特征向量的匹配度，在确定匹配度小于预设匹配度时，发出提示信息至教师端；
133.教师端根据所述目标学生特征向量修正教学行为。
134.上述技术方案的工作原理：第五确定模块，用于获取若干个学生特征向量，对所述若干个学生特征向量进行聚类分析，分为若干个聚类集合，将包括学生特征向量的数量最多的聚类集合，作为目标聚类集合；第六确定模块，用于确定所述目标聚类集合的聚类中心，根据聚类中心确定目标学生特征向量；第七确定模块，用于获取当前教师的教师行为，并确定当前教师特征向量；第八确定模块，用于计算所述目标学生特征向量与当前教师特征向量的匹配度，在确定匹配度小于预设匹配度时，发出提示信息至教师端；教师端根据所述目标学生特征向量修正教学行为。
135.上述技术方案的有益效果：在基于一个教师对多个学生同时进行在线教学时，基于目标学生特征向量来修正教学行为，实现对多个学生进行教学时，适应大多数学生的学习习惯，提高在线教学效果。
136.在一实施例中，还包括：
137.建立模块，用于获取预设时间段内的学习课程信息，根据所述学习课程信息建立学习管理模型，将所述学习管理模型按照学习课程类型划分进行标记处理；
138.模拟模块，用于将学生端的学习特征向量及学生的课程计划输入预先训练好的学习模拟模型中，输出学生对课程计划的完成度和专注度；
139.提取模块，用于根据所述学生对课程计划的完成度和专注度对课程计划进行重新规划，确定目标课程计划，并提取出预设学习进度信息；
140.标记模块，用于根据学生端的学习界面，确定实际学习进度信息，将所述实际学习进度信息与预设学习进度信息进行比较，根据比较结果确定进度滞后的学习计划，并在所述学习管理模型中标出不同的预警颜色。
141.上述技术方案的工作原理：建立模块，用于获取预设时间段内的学习课程信息，根据所述学习课程信息建立学习管理模型，将所述学习管理模型按照学习课程类型划分进行标记处理；模拟模块，用于将学生端的学习特征向量及学生的课程计划输入预先训练好的学习模拟模型中，输出学生对课程计划的完成度和专注度；提取模块，用于根据所述学生对课程计划的完成度和专注度对课程计划进行重新规划，确定目标课程计划，并提取出预设学习进度信息；标记模块，用于根据学生端的学习界面，确定实际学习进度信息，将所述实际学习进度信息与预设学习进度信息进行比较，根据比较结果确定进度滞后的学习计划，并在所述学习管理模型中标出不同的预警颜色。
142.上述技术方案的有益效果：基于学习管理模型实现对学生的实际学习进度信息的准确管理，同时便于显示实际学习进度信息与预设学习进度信息之间的比较结果并进行预警提示，便于学生及时调整自己的学习计划和进度，保证在预设时间段内完成全部的学习课程。基于学习模拟模型对学生端的学习特征向量及学生的课程计划进行识别，准确确定学生对课程计划的完成度和专注度，进而进行重新规划，得到准确的目标课程计划，实现根据学生的个性化定制个性化特征，便于提高学生的学习兴趣，进而提高学习效果。
143.在一实施例中，还包括：
144.自动应答模块，用于：
145.在确定教师端的教师状态发生异常时，获取学生的问题信息，对所述问题信息进行解析，得到字符串；
146.将所述字符串与数据库中的问题对应的预设字符串进行匹配，计算匹配度，确定
匹配度大于预设匹配度的预设字符串对应的问题，作为目标问题，获取所述目标问题的目标解答并返回至学生端。
147.计算字符串与数据库中的问题对应的预设字符串的匹配度，包括：
[0148][0149]
其中，p为字符串与预设字符串的匹配度；q1为字符串包括的语义的数量；q2为预设字符串包括的语义的数量；si为字符串中第i个子串；gi为预设字符串中第i个子串；d为字符串与预设字符串的语义距离；n为字符串包括的子串的数量，也为预设字符串包括的子串的数量，且字符串包括的子串的数量与预设字符串包括的子串的数量相等。
[0150]
上述技术方案的工作原理及有益效果：自动应答模块，用于：在确定教师端的教师状态发生异常时，获取学生的问题信息，对所述问题信息进行解析，得到字符串；将所述字符串与数据库中的问题对应的预设字符串进行匹配，计算匹配度，确定匹配度大于预设匹配度的预设字符串对应的问题，作为目标问题，获取所述目标问题的目标解答并返回至学生端。在确定教师端的教师状态发生异常时，具体的可以是教师突然有事离开。基于自动应答模块自动回答学生的问题，避免因教师端异常而耽误学生的学习时间，为学生答疑解惑，保证学生的学习进度，提高学习效果。基于上述公式，准确计算出字符串与数据库中的问题对应的预设字符串的匹配度，进而提高了确定目标问题的准确性，进而实现对学生进行准确的回答。
[0151]
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。