一种基于计算机视觉的教学姿态及表情应用技能分析方法

本发明涉及人工智能，尤其是一种基于计算机视觉的教学姿态及表情应用技能分析方法。

背景技术：

1、教学姿态及表情应用技能是传递教学信息的重要方式，是教师教学基本技能训练的重要组成部分。现有的计算机视觉技术已经可以实现真实教学场景中对学生个体姿态或表情的自动化识别，但缺少教师教学姿态及表情应用多维度信息的深层识别与分析。在相关技术中，常见的特征提取包括基于图像采样和低层特征的提取技术，但这些提取教学姿态及表情的方法仅局限于个体姿态及表情状态的识别和呈现，缺少时间维度的关联分析，难以体现个体在视频中的活动轨迹，准确性有待提升。综合上述，相关技术中存在的技术问题亟需得到解决。

技术实现思路

1、有鉴于此，本发明实施例提供一种基于计算机视觉的教学姿态及表情应用技能分析方法，以实现提高数据分析效率且时间关联性强。

2、一方面，本发明提供了一种基于计算机视觉的教学姿态及表情应用技能分析方法，包括：

3、获取目标教师教学的视频片段数据，并对所述视频片段数据进行特征识别处理，得到教学姿态数据和人脸表情数据；

4、基于时间基线对所述教学姿态数据和所述人脸表情数据进行指标计算处理，得到指标参数，所述指标参数包括肩部状态、腿部状态、表情极性占比、姿态变化频率和表情变化频率；

5、根据所述指标参数对目标教师的教学姿态及表情应用技能进行分析评估处理，得到分析结果。

6、可选地，所述获取目标教师教学的视频片段数据这一步骤，包括：

7、通过摄像装置获取目标教师的教学视频；

8、对所述教学视频进行数据预处理，得到视频片段数据。

9、可选地，所述基于时间基线对所述教学姿态数据和所述人脸表情数据进行指标计算处理，得到指标参数这一步骤，包括：

10、基于时间基线对所述教学姿态数据进行指标计算处理，得到肩部状态，所述教学姿态数据包括左肩关节坐标数据和右肩关节坐标数据，包括：

11、对所述左肩关节坐标数据和所述右肩关节坐标数据进行欧式距离计算，得到肩关节距离；

12、基于时间基线对所述肩关节距离进行记录，并结合所述左肩关节坐标数据和所述右肩关节坐标数据的位置关系进行平衡状态分析处理，得到肩部状态。

13、可选地，所述基于时间基线对所述教学姿态数据和所述人脸表情数据进行指标计算处理，得到指标参数这一步骤，包括：

14、基于时间基线对所述教学姿态数据进行指标计算处理，得到腿部状态，所述教学姿态数据包括左膝关节坐标数据、右膝关节坐标数据和髋关节坐标数据，包括：

15、对所述左膝关节坐标数据和所述右膝关节坐标数据进行欧式距离计算，得到膝关节距离；

16、根据所述髋关节坐标数据分别对所述左膝关节坐标数据和所述右膝关节坐标数据进行余弦距离计算处理，得到左关节向量夹角和右关节向量夹角；

17、基于时间基线对所述膝关节距离进行记录，并结合所述左膝关节坐标数据和所述右膝关节坐标数据的位置关系以及所述左关节向量夹角和所述右关节向量夹角进行腿部运动状态分析处理，得到腿部状态。

18、可选地，所述基于时间基线对所述教学姿态数据和所述人脸表情数据进行指标计算处理，得到指标参数这一步骤，包括：

19、基于时间基线对所述人脸表情数据进行指标计算处理，得到表情极性占比，所述人脸表情数据包括正向表情数据、负向表情数据和无表情数据，包括：

20、基于时间基线分别对所述正向表情数据、所述负向表情数据和所述无表情数据进行记录，并进行占比计算，得到表情极性占比。

21、可选地，所述基于时间基线对所述教学姿态数据和所述人脸表情数据进行指标计算处理，得到指标参数这一步骤，包括：

22、基于时间基线对所述教学姿态数据和所述人脸表情数据进行变化频率计算处理，得到姿态变化频率和表情变化频率。

23、可选地，所述根据所述指标参数对目标教师的教学姿态及表情应用技能进行分析评估处理，得到分析结果这一步骤，包括：

24、所述分析结果包括姿态规范分析评估结果、表情应用分析评估结果和教学节奏变化分析评估结果；

25、对所述指标参数进行可视化处理，得到可视化结果，所述可视化结果包括肩部状态时序图、腿部状态时序图、表情占比环状图、姿态变化频率数值和表情变化频率数值；

26、根据所述肩部状态时序图和所述腿部状态时序图对教学姿态规范进行分析处理，得到姿态规范分析评估结果；

27、根据所述表情占比环状图对教学表情进行分析处理，得到表情应用分析评估结果；

28、根据所述姿态变化频率数值和所述表情变化频率数值对教学节奏进行分析，得到教学节奏变化分析评估结果。

29、另一方面，本发明实施例还提供了一种基于计算机视觉的教学姿态及表情应用技能分析系统，包括：

30、第一模块，用于获取目标教师教学的视频片段数据，并对所述视频片段数据进行特征识别处理，得到教学姿态数据和人脸表情数据；

31、第二模块，用于基于时间基线对所述教学姿态数据和所述人脸表情数据进行指标计算处理，得到指标参数，所述指标参数包括肩部状态、腿部状态、表情极性占比、姿态变化频率和表情变化频率；

32、第三模块，用于根据所述指标参数对目标教师的教学姿态及表情应用技能进行分析评估处理，得到分析结果。

33、另一方面，本发明实施例还公开了一种电子设备，包括处理器以及存储器；

34、所述存储器用于存储程序；

35、所述处理器执行所述程序实现如前面所述的方法。

36、另一方面，本发明实施例还公开了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现如前面所述的方法。

37、另一方面，本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前面的方法。

38、本发明采用以上技术方案与现有技术相比，具有以下技术效果：本发明实施例基于时间基线对所述教学姿态数据和所述人脸表情数据进行指标计算处理，得到指标参数，根据所述指标参数对目标教师的教学姿态及表情应用技能进行分析评估处理，能够根据时间维度进行关联分析，准确地评估和分析教师教学姿态及表情应用技能。

技术特征：

1.一种基于计算机视觉的教学姿态及表情应用技能分析方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述获取目标教师教学的视频片段数据这一步骤，包括：

3.根据权利要求1所述的方法，其特征在于，所述基于时间基线对所述教学姿态数据和所述人脸表情数据进行指标计算处理，得到指标参数这一步骤，包括：

4.根据权利要求1所述的方法，其特征在于，所述基于时间基线对所述教学姿态数据和所述人脸表情数据进行指标计算处理，得到指标参数这一步骤，包括：

5.根据权利要求1所述的方法，其特征在于，所述基于时间基线对所述教学姿态数据和所述人脸表情数据进行指标计算处理，得到指标参数这一步骤，包括：

6.根据权利要求1至5任一项所述的方法，其特征在于，所述基于时间基线对所述教学姿态数据和所述人脸表情数据进行指标计算处理，得到指标参数这一步骤，包括：

7.根据权利要求1所述的方法，其特征在于，所述根据所述指标参数对目标教师的教学姿态及表情应用技能进行分析评估处理，得到分析结果这一步骤，包括：

8.一种基于计算机视觉的教学姿态及表情应用技能分析系统，其特征在于，所述系统包括：

9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器；

10.一种计算机可读存储介质，所述存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法。

技术总结
本发明公开了一种基于计算机视觉的教学姿态及表情应用技能分析方法，包括获取目标教师教学的视频片段数据，并对所述视频片段数据进行特征识别处理，得到教学姿态数据和人脸表情数据；基于时间基线对所述教学姿态数据和所述人脸表情数据进行指标计算处理，得到指标参数，所述指标参数包括肩部状态、腿部状态、表情极性占比、姿态变化频率和表情变化频率；根据所述指标参数对目标教师的教学姿态及表情应用技能进行分析评估处理，得到分析结果。本发明实施例能够根据时间维度进行关联分析，准确地评估和分析教师教学姿态及表情应用技能，可广泛应用于人工智能技术领域。

技术研发人员：孙硕,胡小勇,穆肃,黄向阳
受保护的技术使用者：华南师范大学
技术研发日：
技术公布日：2024/1/14